Hvordan er den visuelle cortex organiseret?
Al visuel information, som det menneskelige sind modtager, behandles af en del af hjernen kendt som visuel cortex . Den visuelle cortex er en del af det yderste lag af hjernen, cortex, og er placeret ved rygpolen i den occipitale lob; Mere enkelt sagt ved den nedre bageste del af hjernen. Den visuelle cortex opnår sine oplysninger via fremskrivninger, der strækker sig hele vejen gennem hjernen fra øjenkuglerne. Fremskrivningerne passerer først gennem et mellemlandingspunkt midt i hjernen, en mandellignende klump kendt som lateral genikuleret kerne eller LGN. Derfra projiceres de til den visuelle cortex til behandling.
Visuel cortex er opdelt i fem områder, mærket V1, V2, V3, V4 og MT, som lejlighedsvis kaldes V5. V1, undertiden kaldet striate cortex på grund af dets striberende udseende, når det er farvet og sat under et mikroskop, er langt den største og vigtigste. Det kaldes undertiden primær visuel cortex eller område 17. De andre visuelle områder omtales som extrastriate cortex . V1 er et af de mest omfattende studerede og forståede områder i den menneskelige hjerne.
V1 er et ca. 0,07 tommer (2 mm) tykt lag med hjerne med omkring området på et indekskort. Fordi det er knust op, er dens volumen kun et par kubikcentimeter. Neuronerne i V1 er organiseret på både lokalt og globalt plan med vandrette og lodrette organisationsordninger. Relevante variabler, der skal abstraheres fra de rå sensoriske data, inkluderer farve, form, størrelse, bevægelse, orientering og andre, der er mere subtile. Den paralleliserede karakter af beregningen i den menneskelige hjerne betyder, at der er visse celler, der aktiveres af tilstedeværelsen af farve A, andre aktiveret af farve B, og så videre.
Den mest åbenlyse organisatoriske protokol i V1 er horisontale lag. Der er seks hovedlagS, mærket med romertal som jeg gennem VI. Jeg er det yderste lag, længst væk fra øjenkugler og LGN, hvilket får det færrest antal direkte fremskrivninger, der indeholder visuelle data. De tykeste nervebundter fra LGN projiceres i lag V og VI, som i sig selv indeholder nerver, der projicerer tilbage i LGN, der danner en feedback -loop. Feedback mellem afsenderen af visuelle data (LGN) og dens processor (V1) er nyttigt til at afklare arten af tvetydige sansdata.
Rå sensoriske data kommer fra øjnene som et ensemble af nervefyring kaldet et retinotopisk kort . Den første serie af neuroner er designet til at udføre relativt elementære analyser af sensoriske data - en samling af neuroner, der er designet til at detektere lodrette linjer, kan muligvis aktivere, når en kritisk tærskel for visuelle "pixels" viser sig at være konfigureret i et lodret mønster. Processorer på højere niveau træffer deres "beslutninger" baseret på forarbejdede data fra andre neuroner; For eksempel aSamling af neuroner designet til at detektere hastigheden af et objekt kan være afhængig af information fra neuroner designet til at registrere objekter som separate enheder fra deres baggrunde.
En anden organisatorisk ordning er den lodrette eller søjle, neurale arkitektur. En søjle strækker sig gennem alle vandrette lag og består normalt af neuroner, der har funktionelle ligheder, ("neuroner, der skyder sammen, tråd sammen") og fælles i deres forspændinger. For eksempel kan den ene kolonne muligvis acceptere oplysninger udelukkende fra højre øjeæble, den anden til venstre. Kolonner har normalt subkolonner, der kaldes makrokolumner og mikrokolumner . Mikrokolumner kan være så små, at de kun indeholder hundrede individuelle neuroner.
At studere detaljerne i informationsbehandling i den menneskelige hjerne er vanskelig på grund af det komplekse, ad hoc og tilsyneladende rodet måde, hvorpå primathjerner udvikledeUre at vise i kraft af sin enorme opgave. Selektiv skade af visuel cortex hos dyrepersoner er historisk en af de mest produktive (og kontroversielle) måder at undersøge neurale funktioner på, men i nyere tid har forskere udviklet værktøjer til selektivt at deaktivere eller aktivere specifikke hjerneområder uden at skade dem. Opløsningen af hjernescanningsenheder stiger eksponentielt, og algoritmerne øges i raffinement for at håndtere oversvømmelsen af data, der er karakteristisk for de kognitive videnskaber. Det er ikke umuligt at antyde, at vi en dag vil være i stand til at forstå den visuelle cortex i sin helhed.