兔视网膜方向选择性神经节细胞树突的独特分枝模式及其生理意义

本实验研究了兔视网膜中的方向选择性神经节细胞 (direction selective retinal ganglion cells,DS cells)树突野的分枝模式。测量了视网膜中方向选择性神经节细胞和作为经典分枝模式神经元代表的α神经节细胞的树突直径。发现 ,方向选择性神经节细胞的树突在分枝后直径达到 0 .5 μm,进一步分枝树突直径仍保持在 0 .5 μm左右 ,这样 ,在方向选择性神经节细胞树突野中大多数树突直径在 0 .5μm左右。而作为经典分枝模式神经元代表的α神经元的树突每次分枝后都逐级变细 ,最终直径达到 0 .5μm左右 ,这样 ,α神经节细胞的树突直径大部分都大于 0 .5μm。我们应用程序“NEU RON”对在两种神经元模型中 ,抑制点落于兴奋点与胞体之间 (proximal)和抑制点不落于兴奋点与胞体之间 (distal)这两种情况进行模拟。我们发现 ,当抑制点不落于兴奋点与胞体之间时 ,在方向选择性神经节细胞的树突分枝模型中 ,抑制效果更强。那么 ,将使得方向选择性神经节细胞对抑制点落于兴奋点和胞体之间的要求变得不是那么迫切。所以 ,方向选择性神经节细胞的这种独特分枝模式 ,也许可以避免或至少减轻其在发育中可能会产生的连线的复杂性。并且 ,我们对得出的结论进行了电路分析 ,对方向选择性神经节细胞这种独特的分枝模式具有的?

小鼠视网膜胆碱能无长突细胞和方向选择性神经节细胞树突野发育的相关性研究

目的探讨小鼠视网膜方向选择性神经节细胞(DSGC)树突野(DF)的发育及其与胆碱能细胞阵列的关系。方法选用中国科学院生物物理研究所实验动物中心繁殖的清洁级YFP(H)品系的转基因小鼠(种鼠来源于The Jackson实验室)共36只,0～1月龄,雌雄不限。对出生后不同发育时期(P8、P13及成年)的小鼠视网膜中ON/OFF DSGC及OFF DSGC的DF范围内包含的胆碱能细胞的数目采用单因素方差分析进行比较,当差异有统计学意义时,进一步两两比较。结果 ON/OFF DSGC作为经典的方向选择性神经节细胞,其树突具有两层树突结构,分别分布在视网膜内网状层的ON和OFF亚层中,其树突弯曲度和树突分支之间的夹角比较大,分支多向胞体方向返回呈半环状,显著的特点是同一细胞的树突不会发生交叉。P8时,D2亚类神经节细胞(即ON/OFF DSGC) DF范围中分别包含(25.6±4.8)个内核层(INL)的胆碱能无长突细胞和(28.4±5.7)个视网膜神经节细胞(GCL)的胆碱能无长突细胞(n=7); P13时,D2亚类神经节细胞DF范围中分别包含(30.8±9.5)个INL的胆碱能无长突细胞和(35.2±10.4)个GCL的胆碱能无长突细胞(n=10);成年时,D2亚类神经节细胞DF范围中分别包含(33.7±7.4)个INL的胆碱能无长突细胞和(32.1±5.6)个GCL的胆碱能无长突细胞(n=9),三个时期的胆碱能无长突细胞的数目差异均无统计学意义(F=2.16,1.55; P>0.05)。而视网膜中另外一种方向选择性神经节细胞OFF DSGC的DF范围内无长突细胞的数目从P8到P13先增多,然后从P13到成年又减少。P8时,该类细胞DF范围内位于GCL的无长突细胞数目为(20.0±2.5,n=8)个,明显少于P13时的(32.0±7.1,n=6)个;成年时,数目又减少到(23.7±7.5,n=14)个。,三个时期的胆碱能无长突细胞的数目差异均无统计学意义(F=6.19,1.55; P<0.05)。结论小鼠视网膜ON/OFF DSGC的DF在出生后早期就已经发育成熟,并和胆碱能细胞形成稳定的联系,不再受后期双极细胞及光刺激的影响,而OFF DSGC的DF发育可能包含不同的分子和细胞机制。

视网膜功能启发的边缘检测层级模型

基于视网膜对视觉信息的处理方式,提出一种视网膜功能启发的边缘检测层级模型.针对视网膜神经元在周期性光刺激下产生适应的特性,构建具有自适应阈值的Izhikevich神经元模型;模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力,构建亮度感知编码层;引入双极细胞对给光-撤光刺激的分离能力,并结合神经节细胞对运动方向敏感的特性,构建双通路边缘提取层;另外根据神经节细胞神经元在多特征调控下延迟激活的现象,构建具有脉冲延时特性的纹理抑制层;最后将双通路边缘提取的结果与延时抑制量相融合,得到最终边缘检测结果.以150张来自实验室采集和AGAR数据集中的菌落图像为实验对象对所提方法进行验证,检测结果的重建图像相似度、边缘置信度、边缘连续性和综合指标分别达到0.9629、0.3111、0.9159和0.7870,表明所提方法能更有效地进行边缘定位、抑制冗余纹理、保持主体边缘完整性.本文面向边缘检测任务,构建了模拟视网膜对视觉信息处理方式的边缘检测模型,也为后续构建由视觉机制启发的图像计算模型提供了新思路.