Théorie normative des interactions fonctionnelles dans le cortex visuel primaire

Abstract

Je commencerai par passer brièvement en revue la littérature empirique sur deux observations répandues dans le cortex visuel primaire (V1) : la modulation contextuelle (comment l'activité d'un neurone en réponse à un stimulus cible est modulée par des stimuli contextuels) et la variabilité de la réponse (fluctuations de l'activité neuronale lors de présentations répétées du même stimulus). Je soutiendrai que le modèle descriptif de la normalisation par division suggère une relation précise entre ces phénomènes, capturée quantitativement grâce à notre récente extension à la normalisation stochastique appliquée aux données V1 du macaque et de la souris.

Motivée par les observations empiriques et la modélisation statistique, je présenterai ensuite une théorie normative pour expliquer la relation entre la normalisation et la variabilité. Plus précisément, nous avons émis l'hypothèse que l'objectif informatique de V1 est d'approcher une représentation probabiliste optimisée pour les statistiques des entrées visuelles naturelles, et que la structure de l'activité de V1 est mieux comprise à la lumière de cet objectif. Je présenterai un cadre informatique concret qui instancie cette hypothèse et reproduit un large éventail d'observations classiques sur la modulation contextuelle et la variabilité partagée. Sur cette base, je soutiendrai qu'une compréhension complète de cette phénoménologie doit également tenir compte des statistiques non stationnaires des entrées naturelles auxquelles le cortex est réceptif. La théorie fait des prédictions détaillées sur la sensibilité des neurones de V1 aux indices de segmentation et de regroupement, y compris une flexibilité surprenante des interactions fonctionnelles que nous avons confirmées récemment avec des données enregistrées par nos collaborateurs en utilisant des réseaux multiélectrodes dans le V1 du macaque. 

Je conclurai en présentant les extensions de nos modèles informatiques aux algorithmes probabilistes profonds pour la segmentation d'images et de vidéos naturelles, et je décrirai brièvement les travaux en cours pour générer et tester de nouvelles prédictions sur la coordination et la dynamique au niveau de la population.

About Ruben Coen-Cagli

Professeur associé au département de biologie systémique et computationnelle et au département de neurosciences de l'Albert Einstein College of Medicine, Ruben Coen-Cagli a obtenu son diplôme en physique théorique à l'université de Naples Federico II en 2005 avec une thèse sur l'informatique quantique. Au cours de ses études supérieures dans cette même université, il a combiné des expériences d'oculométrie, la modélisation bayésienne et un simulateur de bras robotique pour étudier la coordination œil-main. En 2008, il a commencé un postdoc avec Odelia Schwartz, étudiant le lien entre la structure statistique des images naturelles et les réponses neuronales dans le cortex visuel, en collaboration avec Peter Dayan et Adam Kohn. Il a ensuite rejoint le laboratoire d'Alexandre Pouget en 2012 grâce à la bourse postdoctorale SSN-IBRO, afin d'étudier les origines de la variabilité du cortex visuel et de la perception, puis  l'Albert Einstein College of Medicine en 2016.