Ανάπτυξη βιολογικά εμπνευσμένων μεθόδων όρασης υπολογιστών στη προσθετική αμφιβληστροειδούς

Abstract

In this thesis, we introduce Retina Ganglion Cell (RGC) models that integrate the current understanding of RGC functions in a preprocessing feature extraction step. Towards the perspective of improved Retinal Prosthesis interventions, we propose a Computer Vision (CV) image preprocessing method based on RGCs functions and then use the method to reproduce retina output with a standard Generalized Integrate & Fire (GIF) neuron model. To put further focus on retina models we trained Linear-Nonlinear (LN) models using response data from biological retinae. Finally, we explore visual attention, with a focus on improving prosthetic vision, including retinal as well as cortical implants in our analysis. Our results show that in primary visual cortex (V1), a subset of around 10% of the neurons responds differently to salient versus non-salient visual regions. Visual attention information was not traced in retinal response. It appears that the retina remains naiveconcerning visual attention; cortical response gets modulated to interpret visual attention information.

Στο πλαίσιο της διατριβής εξετάζεται το βιολογικό σύστημα του αμφιβληστροειδούς και αναπτύσσονται μοντέλα για την πρόβλεψη της απόκρισής του. Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη μοντέλων και μεθόδων που συνεισφέρουν στο πλαίσιο της προσθετικής αμφιβληστροειδούς. Ειδικά χαρακτηριστικά εικόνων εισάγονται, μελετώντας τη βιβλιογραφία για την ταξινόμηση των γαγγλιακών κυττάρων του αμφιβληστροειδούς σε τύπους με χαρακτηριστική λειτουργία και αντλώντας τεχνικές για την επεξεργασία εικόνων από την περιοχή της όρασης υπολογιστών. Δεδομένα από βιολογικούς αμφιβληστροειδείς χρησιμοποιούνται για την εκπαίδευση μοντέλων, κάνοντας πιο ισχυρά τα συμπεράσματα της διατριβής. Τέλος αναλύεται η σχέση της οπτική προσοχής με την απόκριση του αμφιβληστροειδούς και του οπτικού φλοιού για να αξιολογηθεί η ενσωμάτωση μοντέλων οπτικής προσοχής σε παρεμβάσεις προσθετικής όρασης.