Large visual neuron assemblies receptive fields estimation using a super-resolution approach - Archive ouverte HAL Access content directly
Reports (Research Report) Year : 2020

Large visual neuron assemblies receptive fields estimation using a super-resolution approach

Estimation des champs récepteurs de grands ensembles deneurones visuels par une approche de super-résolution

(1, 2) , (3) , (4) , (1) , (3) , (1)
1
2
3
4

Abstract

One primary goal in analyzing sensory neurons’ recordings is to map the sensory space to the neural response, thus estimating the neuron’s receptive fields (RFs). For visual neurons, the classical method to estimate RFs is the Spike Triggered Average (STA). In short, STA consists estimate the average stimulus before each spike evoked by a white noise stimulus whose block size can be ad-hoc tuned to target one single neuron. However, this approach becomes impractical to deal with in large scale recordings of heterogeneous populations of neurons since no single block size can match all neurons. Here, we aim to overcome this limitation by leveraging super resolution techniques to extend STA’s scope. We defined a novel type of stimulus, the shifted white noise, by introducing random spatial shifts in the white noise stimulus. We evaluated this new stimulus thoroughly on both synthetic and real neuronal populations of size 216 and 4798, respectively. Considering the same target STA resolution, results across the population with synthetic case show that the average error using our stimulus was 1.7 times smaller than the error using the classical stimulus. We could map 2.3 times more neurons and cover a broader heterogeneity of RF sizes. For a single neuron, we show how it can be mapped after only one minute of stimulation, while after 11 minutes, this neuron was still not mapped with the classical one, which emphasizes the effectiveness of our method. Analogously, similar results were obtained with real neurons’ experiment. Considering the same target STA resolution, we mapped 18 times more RFs and we found a broader heterogeneity of RFs sizes (the kurtosis of the distribution of the RF sizes is 0.3 times smaller). Overall, the shifted white noise improves the RFs’ estimation in several ways. Our approach performs better at the single-cell level. RF estimation is independent of the neuron’s position relative to the stimulus and offers high-resolution. Our approach is stronger at the population-level. We get more RF with more neuronal variability. Our approach is faster, enabling experimentalists to get results in shorter stimulation time. Furthermore, this stimulus can also be used in other spike-triggered methods, extended to the time dimension, and adapted to other sensory modalities. Due to its design simplicity and strong results, we expect that soon the shifted white noise is used as a rule and allows revealing novelties in sensory analysis.
L’un des principaux objectifs de l’analyse des enregistrements des neurones sensoriels est de faire correspondre l’espace sensoriel à la réponse neurale, ce qui permet d’estimer les champs récepteurs (RF) des neurones. Pour les neurones visuels, la méthode classique d’estimation des RF est le Spike Triggered Average (STA). En bref, STA consiste à estimer le stimulus moyen avant chaque impulsion évoquée par un stimulus de bruit blanc dont la taille du bloc peut être réglée ad hoc pour cibler un seul neurone. Cependant, cette approche devient peu pratique pour les enregistrements à grande échelle de populations hétérogènes de neurones, car aucune taille de bloc ne peut correspondre à tous les neurones. Ici, nous cherchons à surmonter cette limitation en tirant parti des techniques de résolution pour étendre le champ d’application du STA. Nous avons défini un nouveau type de stimulus, le bruit blanc décalé, en introduisant des décalages spatiaux aléatoires dans le stimulus du bruit blanc. Nous avons évalué ce nouveau stimulus de manière approfondie sur des populations neuronales synthétiques et réelles de taille 216 et 4798, respectivement. En considérant la même résolution STA cible, les résultats sur la population synthétique montrent que l’erreur moyenne utilisant notre stimulus était 1.7 fois plus petite que l’erreur utilisant le stimulus classique plus petit. Nous avons pu identifier 2.3 fois plus de neurones et couvrir une plus grande hétérogénéité de tailles de RF. Pour un seul neurone, nous avons montré comment il peut être identifié après seulement une minute de stimulation, alors qu’après 11 minutes, ce neurone n’était toujours pas identifié avec le stimulus classique, ce qui souligne l’efficacité de notre méthode. De même, des résultats similaires ont été obtenus avec l’expérience sur des neurones réels. En considérant la même résolution de STA cible, nous avons identifié 18 fois plus de RF et nous avons trouvé une plus grande hétérogénéité des tailles de RF (l’aplatissement de la distribution des tailles de RF est 0.3 fois plus petit). Dans l’ensemble, le bruit blanc décalé améliore donc l’estimation des RF de plusieurs façons. Notre approche est plus performante au niveau d’une seule cellule. L’estimation des RF est indépendante de la position du neurone par rapport au stimulus et offre une haute résolution. Notre approche est plus performante au niveau de la population. Nous obtenons plus de RF avec une plus grande variabilité neuronale. Notre approche est plus rapide, ce qui permet aux expérimentateurs d’obtenir des résultats en un temps de stimulation réduit. En outre, ce stimulus peut également être utilisé dans d’autres méthodes déclenchées par des impulsions, étendues à la dimension temporelle et adaptées à d’autres modalités sensorielles. En raison de la simplicité de sa conception et de ses bons résultats, nous espérons que le bruit blanc décalé sera bientôt utilisé comme règle et qu’il permettra de révéler des nouveautés en matière d’analyse sensorielle.
Fichier principal
Vignette du fichier
RR-9383.pdf (2.55 Mo) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03087009 , version 1 (23-12-2020)
hal-03087009 , version 2 (16-02-2021)

Identifiers

  • HAL Id : hal-03087009 , version 2

Cite

Daniela Pamplona, Gerrit Hilgen, Matthias H. Hennig, Bruno Cessac, Evelyne Sernagor, et al.. Large visual neuron assemblies receptive fields estimation using a super-resolution approach. [Research Report] RR-9383, Inria - Sophia antipolis. 2020. ⟨hal-03087009v2⟩
161 View
121 Download

Share

Gmail Facebook Twitter LinkedIn More