Функциональная бипартитная инвариантность в рецептивных полях первичной зрительной коры мыши

Как мозг видит сквозь визуальный шум

Найти друга в толпе или заметить птицу в листве кажется простым, но это требует поразительного умения: наш мозг должен узнавать важные объекты, несмотря на постоянные изменения освещения, расстояния и фона. В этой работе исследуется, как крошечные схемы в мозге мыши обеспечивают такую гибкую визуальную обработку. Авторы обнаруживают неожиданный механизм: отдельные нейроны как бы разделяют своё «поле зрения» на две части, чтобы одновременно оставаться чувствительными к границам объектов и игнорировать отвлекающие детали.

Исследование зрительного мозга с помощью умных вычислений

Работа сосредоточена на первичной зрительной коре — области, которая первой обрабатывает изображения с глаз. Вместо демонстрации простых паттернов, таких как полосы, исследователи показывали бодрствующим мышам тысячи богатых, естественных фотографий, одновременно записывая активность десятков тысяч нейронов. Затем они обучили модель глубокого обучения предсказывать, как каждый нейрон отреагирует на любое новое изображение. Эта модель выступала в роли «цифрового двойника» реальной ткани: быстрого, гибкого заместителя, которого можно было подвергать бесчисленным синтетическим изображениям, что было бы непрактично проверять непосредственно на животных.

Разные картинки, та же нейронная активация

Используя цифровой двойник, команда для каждого нейрона сгенерировала наиболее возбуждающее изображение (его любимую картинку), а затем набор «варьированных возбуждающих входов». Это 20 изображений, которые выглядят максимально разными друг от друга, но все сильно активируют одну и ту же клетку. Когда эти особые изображения снова показали мышам, реальные нейроны возбуждались почти так же сильно, как предсказывала модель, что подтвердило: метод синтеза выявил подлинные свойства мозга. Наборы таких изображений суммарно описывали, что важно для каждого нейрона и какие изменения в изображении он может переносить, не теряя отклика.

Удивительное разделение внутри отдельных нейронов

Многие нейроны вели себя ожидаемо, реагируя на простые края или на текстуры, которые можно было сдвигать, не меняя ответа. Но большая группа проявляла новый тип поведения, который авторы называют «бипартитной инвариантностью». Для этих нейронов отслеживаемый участок визуального пространства фактически разделяется на две неперекрывающиеся зоны. В одной зоне нейрон требует конкретного, фиксированного узора. В другой зоне он сильно реагирует, если появляется какая-то версия предпочтительной мелкоячеистой текстуры, даже если эта текстура смещается. Такое сочетание — жёсткий паттерн рядом с гибким детектором текстуры — не объясняется классическими моделями ранних зрительных клеток и свидетельствует о том, что эти нейроны особенно настроены на переходы между разными типами поверхностных деталей.

Обнаружение краёв объектов в шумном мире

Затем исследователи спросили, для чего такая разделённая структура может быть полезна в реальных сценах. Они просканировали более миллиона размеченных фотографий птиц в поисках естественных фрагментов, которые сильно активируют каждый нейрон. Эти высокоэффективные фрагменты чаще всего содержали край между птицей и фоном. Кроме того, сторона рецептивного поля нейрона, терпимая к вариативности входа, как правило, предпочитала высокую пространственную детализацию — тонкие перья, кору или гравий — в то время как фиксированная сторона предпочитала более гладкие, низкочастотные узоры. Когда команда восстановила изображения птиц с помощью простых решёток, они обнаружили, что эти нейроны сильно предпочитают границы, где стороны различаются по резкости текстуры, иногда вместе с различиями в ориентации. Иными словами, эти клетки, по-видимому, устроены так, чтобы отмечать места, где визуальный мир резко меняется от грубой к тонкой структуре — мощный сигнал для отделения объектов от окружения.

Связь схемы соединений с гибкой визуальностью

Чтобы связать эту вычислительную операцию с физической проводкой, авторы обратились к массивному набору данных «функциональной коннектомики», в котором сопоставлены и отклики, и синаптические связи тысяч нейронов зрительной коры мыши. Применяя там подход цифрового двойника, они обнаружили, что нейроны, получающие вход (постсинаптические клетки), как правило, проявляют большую инвариантность — большую терпимость к варьированным возбуждающим входам — чем нейроны, подающие на них сигнал. В то же время нейроны с низкой инвариантностью склонны образовывать больше связей. Эта картина поддерживает давно существующую идею: более сложные, терпимые ответы строятся путём объединения сигналов от многих более простых входов, — причём здесь такая иерархия демонстрируется внутри одного кортикального слоя, а не только между областями мозга.

Почему это важно для мозга и машин

В совокупности эти результаты выявляют новый принцип организации в зрительной коре мыши: многие нейроны разделяют своё поле на одну стабильную область и одну гибкую в отношении текстуры область, что делает их естественными детекторами границ, обусловленных различиями в мелких деталях. Эта бипартитная структура устойчива к методам анализа и хорошо согласуется с реальными краями объектов, предлагая конкретный механизм на уровне схемы для того, как мозг сегментирует загромождённые сцены. Помимо фундаментальной нейронауки, работа также подсказывает идеи для проектирования искусственных систем зрения: введение аналогичных блоков с разделённым полем могло бы сделать компьютерное зрение более устойчивым к изменениям фона при сохранении острой чувствительности к контурам объектов.

Цитирование: Ding, Z., Tran, D., Ponder, K. et al. Functional bipartite invariance in mouse primary visual cortex receptive fields. Nat Neurosci 29, 851–863 (2026). https://doi.org/10.1038/s41593-026-02213-3

Ключевые слова: зрительная кора, сегментация текстуры, нейронная инвариантность, границы объектов, вычислительная нейронаука