Le modèle mathématique révèle les secrets de la vision

Les mathématiciens et les neuroscientifiques ont créé le premier modèle anatomiquement précis expliquant comment fonctionne la vision

Le grand mystère de la vision humaine est le suivant: nous percevons une image riche du monde qui nous entoure, malgré le fait que le système visuel de notre cerveau reçoit extrêmement peu d'informations à ce sujet. La plupart de ce que nous «voyons» est en fait ce que nous imaginons dans nos têtes.

"Une grande partie de ce que vous pensez voir est en train de venir", a déclaré Lai-Sang Young , mathématicien à l'Université de New York. "Vous ne les voyez vraiment pas."

Cependant, le cerveau, apparemment, fait bien face à la tâche d'inventer le monde visuel, car nous ne rencontrons généralement pas de portes. Malheureusement, l'étude de l'anatomie seule ne nous montre pas exactement comment le cerveau crée ces images - rien de plus qu'un examen plus attentif du moteur de la voiture vous permettra de révéler les lois de la thermodynamique.

Une nouvelle étude suggère que la clé de la compréhension réside dans les mathématiques. Au cours des dernières années, Young a travaillé dans des partenariats inattendus avec ses collègues universitaires Robert Shapley , un neuroscientifique, et Logan Chariker, un mathématicien. Ils ont créé un modèle mathématique unifié qui combine les résultats de nombreuses années d'expériences biologiques et explique comment le cerveau produit des reproductions visuelles complexes du monde sur la base d'informations visuelles rares.

"La tâche du théoricien, à mon sens, est que nous prenions divers faits et que nous les mettions dans un tableau cohérent", a déclaré Young. "Les expérimentateurs ne vous diront pas comment quelque chose fonctionne."

Young et ses collègues ont construit un modèle, comprenant un élément de vision de base à la fois. Ils ont expliqué comment les neurones du cortex visuel interagissent, reconnaissant les objets et les changements de contraste, et maintenant ils travaillent pour expliquer comment le cerveau perçoit la direction dans laquelle les objets se déplacent.

Leur travail est unique en son genre. Les tentatives précédentes pour modéliser la vision humaine étaient des vœux pieux, décrivant l'architecture du cortex visuel. Les travaux de Young, Shapley et Chariker reconnaissent la biologie complexe et non intuitive du cortex visuel et tentent d'expliquer comment le phénomène de la vision se produit encore.

«Je pense que leur modèle améliore ces résultats qui sont vraiment basés sur une véritable anatomie cérébrale. Ils ont besoin d'un modèle biologiquement correct ou acceptable », a déclaré Alessandra Angelucci , neuroscientifique à l'Université de l'Utah.

Couche après couche

Nous sommes certains de certains problèmes liés à la vision.

L'œil fonctionne comme une lentille. Il reçoit la lumière du monde extérieur et projette une copie à petite échelle du champ de vision observé sur la rétine située à l'arrière de l'œil. La rétine se connecte au cortex visuel, une partie du cerveau située à l'arrière de la tête.

Cependant, la connexion entre la rétine et le cortex visuel est très faible. Environ 10 cellules nerveuses reliant la rétine et le cortex visuel tombent sur chaque partie du champ de vision avec une taille d'environ un quart de la pleine lune dans le ciel. Ils constituent le corps à manivelle latérale, LKT, le seul moyen par lequel l'information visuelle passe du monde extérieur au cerveau.

Les cellules LKT ne sont pas seulement petites - elles ne sont presque pas capables de quoi que ce soit. Les cellules LKT envoient une impulsion au cortex visuel, détectant un changement de l'obscurité à la lumière, ou vice versa, dans leur minuscule partie du champ visuel. Et c'est tout. Le monde rétro-éclairé bombarde la rétine de données, mais le cerveau n'a que quelques signaux misérables pour travailler à partir d'une petite collection de cellules LKT. Essayer de voir le monde sur la base de ces informations maigres est similaire à essayer de recréer Moby Dick sur la base de gribouillis sur une serviette.

"Vous pouvez imaginer que le cerveau prend une photo de ce que vous observez en vue", a déclaré Young. "Cependant, le cerveau ne prend pas de photos, la rétine les prend et les informations transmises de la rétine au cortex visuel sont rares."

Et puis le cortex visuel commence à fonctionner. Bien que relativement peu de neurones relient le cortex et la rétine, le cortex lui-même est un amas dense de cellules nerveuses. Pour 10 neurones LCT provenant de la rétine, il n'y a que 4 000 neurones uniquement dans la première «couche d'entrée» du cortex visuel - et encore plus dans les suivants. Cet écart suggère que le cerveau traite activement la petite quantité de données visuelles qu'il reçoit.

"Le cortex visuel a son propre esprit", a déclaré Shapley.

Pour des chercheurs tels que Young, Shapley et Chariker, le défi consiste à déchiffrer ce qui se passe dans cet esprit.

Boucles pour les yeux

L'anatomie nerveuse de la vision est provocatrice. Elle ressemble à un petit homme qui soulève un poids énorme et a besoin d'une explication - comment parvient-elle à faire autant en utilisant si peu?

Young, Shapley et Chariker ne sont pas les premiers scientifiques à essayer de trouver la réponse à cette question à l'aide d'un modèle mathématique. Mais tous les précédents suggéraient que plus d'informations sont transmises entre la rétine et le cortex - une telle hypothèse faciliterait une tentative d'expliquer la réaction du cortex visuel à la stimulation.

«Les gens n'ont pas pris au sérieux ce qui découlait de la biologie dans le cadre d'un modèle informatique», a déclaré Shapley.

Les mathématiciens ont une longue histoire de succès dans la modélisation de phénomènes variables, du déplacement des boules de billard à l'évolution de l'espace-temps. Ce sont des exemples de «systèmes dynamiques» - évoluant dans le temps selon des règles fixes. Les interactions des neurones qui sont activés dans le cerveau sont également un exemple de système dynamique - quoique assez mince, un système sur lequel il n'est pas facile d'accrocher un certain ensemble de règles.

Les cellules LKT envoient au cortex une séquence d'impulsions électriques avec une tension de 1/10 volt et une durée de 1 ms, ce qui déclenche une cascade d'interactions neuronales. Young a déclaré que les règles régissant ces interactions sont «infiniment plus complexes» que les règles régissant les systèmes physiques plus familiers.


Lai Sang Young et Robert Shapley

Les neurones individuels reçoivent simultanément des signaux de centaines d'autres neurones. Certains de ces signaux encouragent l'activation neuronale. D'autres sont accablants. Lors de la réception d'impulsions électriques de ces neurones excitants et suppresseurs, une fluctuation de tension est observée sur la membrane du neurone en question. Et il n'est activé que lorsque cette tension («potentiel de membrane») dépasse un certain seuil. Et il est presque impossible de prédire quand cela se produira.

"Si vous regardez le potentiel membranaire d'un neurone, il va monter et descendre", a déclaré Young. "Il est complètement impossible de prédire exactement quand il est activé."

De plus, la situation réelle est encore plus compliquée. Rappelez-vous ces centaines de neurones connectés à l'un des nôtres? Chacun d'eux reçoit des signaux de centaines d'autres neurones. Le cortex visuel est un méli-mélo de rétroactions interactives liées aux rétroactions.

«Le problème avec tout cela, c'est que nous avons trop de pièces mobiles. Cela complique les choses », a déclaré Shapley.

Dans les premiers modèles du cortex visuel, cette caractéristique était ignorée. On a supposé que l'information allait dans une direction - de l'avant de l'œil à la rétine, puis au cortex, jusqu'à ce que finalement - le tour est joué! - à l'autre extrémité n'apparaîtra pas une image, comme un gadget qui apparaît sur un tapis roulant. Ces modèles de «propagation directe» étaient plus faciles à créer, mais ils ignoraient les effets de l'anatomie du cortex - ce qui suggérait que les boucles de rétroaction jouent un grand rôle dans ce qui se passe.

"Il est très difficile de travailler avec des boucles de rétroaction car les informations reviennent et changent d'état tout le temps, reviennent et vous influencent", a déclaré Young. "Presque aucun modèle ne traite de cela, mais cela se produit partout dans le cerveau."

Dans leur travail original de 2016, Young, Shapley et Chariker ont décidé d'essayer de prendre ces boucles de rétroaction au sérieux. Les boucles de rétroaction de leur modèle ont conduit à l'apparition de quelque chose comme un effet papillon: de petits changements dans le signal LCT ont été amplifiés lorsque le signal a traversé une boucle après l'autre, au cours de la soi-disant «Excitation récurrente», qui a conduit à de grands changements dans la représentation visuelle, que le modèle a finalement formé.

Young, Shapley et Chariker ont montré que leur modèle, riche en rétroaction, était capable de reproduire l'orientation des faces des objets - horizontale, verticale et toutes les autres - sur la base de petits changements dans les signaux entrants faibles du LCT.

"Ils ont montré que vous pouvez créer toutes les orientations dans le monde visuel en utilisant seulement un petit nombre de neurones connectés à d'autres neurones", a déclaré Angelucci.

Mais la vision est bien plus que la simple détection de visages, et le travail de 2016 n'était que le début. La difficulté suivante était d'inclure des éléments de vision supplémentaires dans le modèle sans perdre le seul avec lequel ils avaient déjà traité.

"Si un modèle fait quelque chose de bien, il devrait être capable de faire plusieurs choses différentes", a déclaré Young. "Votre cerveau reste inchangé, mais il est capable de différentes choses dans différentes conditions."

Nuée de visions

Dans des expériences de laboratoire, les chercheurs ont présenté aux primates les stimuli visuels les plus simples - des motifs en noir et blanc dans lesquels le contraste ou la direction dans laquelle ils sont apparus dans le champ de vision ont changé. À l'aide d'électrodes connectées au cortex visuel des primates, les chercheurs ont suivi les impulsions nerveuses provenant de la réponse aux stimuli. Un bon modèle devrait reproduire ces impulsions en réponse à des stimuli similaires.

"Nous savons que si nous montrons cette image au primate, alors il réagira de cette manière", a déclaré Young. "Sur la base de ces informations, nous essayons d'analyser ce qui se passe en lui."

En 2018, trois chercheurs ont publié un deuxième travail dans lequel ils ont montré que le même modèle capable de reconnaître les visages peut également reproduire l'image générale de l'activité des impulsions corticales, connue sous le nom de rythme gamma (il ressemble à un essaim de lucioles allumant séquentiellement ses lanternes).

Maintenant, les spécialistes étudient leur troisième travail, qui explique comment le cortex visuel perçoit les changements de contraste. L'explication mentionne le mécanisme par lequel les neurones excitants améliorent l'activité de l'autre, quelque chose comme la croissance de l'excitation de la foule en dansant. Ce type de processus est nécessaire pour que le cortex visuel puisse créer des images à part entière sur la base de données d'entrée rares.

Jusqu'à présent, Young, Shapley et Chariker travaillent sur l'ajout d'une sensibilité directionnelle au modèle - ce qui expliquera comment le cortex visuel recrée la direction du mouvement des objets le long du champ de vision. Après cela, ils commenceront à expliquer comment le cortex visuel reconnaît les séquences temporelles dans les stimuli visuels. Par exemple, ils veulent comprendre pourquoi nous percevons les flashs d'un feu de signalisation clignotant, mais en même temps ne voient pas les images individuelles lorsque vous regardez un film.

Après cela, ils auront entre leurs mains un modèle d'activité simple qui ne se produit que dans l'une des six couches du cortex visuel - dans une couche dans laquelle le cerveau décrit grossièrement les contours de base de l'impression visuelle. Leur travail ne s'applique pas aux cinq autres couches, où un traitement visuel plus complexe a lieu. Il ne dit rien non plus sur la façon dont le cortex visuel reconnaît les couleurs, ce qui se produit le long d'un chemin neuronal complètement différent et plus complexe.

"Je pense qu'ils ont encore beaucoup à faire, mais je ne nie pas qu'ils ont fait de leur mieux", a déclaré Angelucci. «C'est un travail difficile et cela prend du temps.»

Bien que leurs modèles soient encore loin de révéler tous les secrets de la vision, c'est un pas dans la bonne direction - c'est le premier modèle qui essaie de déchiffrer la vision d'une manière biologiquement plausible.

«Les gens décrivent les activités dans ce domaine depuis très longtemps», a déclaré Jonathan Victor , neuroscientifique à l'Université Cornell. «Le fait que ces scientifiques aient pu le démontrer avec l'exemple de leur modèle correspondant à la biologie est un véritable triomphe.»