具有自上而下抑制反馈的神经回路在多感官整合中优于最优贝叶斯整合方法

《Neuroscience Bulletin》：Neural Circuit with Top-Down Inhibitory Feedback Outperforms Optimal Bayesian Integration in Multisensory Integration

贝叶斯整合机制通过前馈-反馈神经网络模型研究，发现递归连接的动态交互可匹配、劣于或优于最优贝叶斯整合，验证实验数据并揭示神经元群非线性作用对多感官整合的关键影响，提出反馈机制使感官模态耦合，挑战传统独立性观点。

　　

摘要

贝叶斯整合被认为是多感官整合背后的基本计算机制，前馈神经网络被提出用于实现最优贝叶斯整合（OBI）。然而，实证和理论研究指出神经反馈投射的普遍存在，这引发了关于循环神经网络如何参与多感官OBI的疑问。我们模拟了一个具有双向投射的双层神经回路计算模型，该模型执行感知辨别任务，其中感官输入包括单一或双重模态。根据前馈与反馈之间的相互作用，该模型在性能上可能与OBI相当、低于OBI或高于OBI。这种模型性能的变异性与先前的实验数据一致。此外，我们的理论分析揭示了神经元集合内部非线性相互作用在调节此类多感官整合行为中的重要性。我们的研究表明，通过自上而下的反馈，不同感官模态可以相互关联，这挑战了它们彼此独立的传统观点，同时也解释了与OBI的偏差。