Hvordan er Visual Cortex organisert?

All visuell informasjon som det menneskelige sinn mottar blir behandlet av en del av hjernen kjent som visuell cortex . Den visuelle cortex er en del av det ytterste laget av hjernen, cortex, og er lokalisert ved ryggpolen til den occipital loben; enklere sagt, nederst på baksiden av hjernen. Den visuelle cortex får sin informasjon via anslag som strekker seg hele hjernen gjennom øyeeplene. Anslagene passerer først gjennom et stoppested midt i hjernen, en mandellignende klump kjent som Lateral Geniculate Nucleus eller LGN. Derfra blir de projisert til visuell cortex for behandling.

Visuell cortex er delt ned i fem områder, merket V1, V2, V3, V4 og MT, som av og til blir referert til som V5. V1, noen ganger kalt striate cortex på grunn av det stripete utseendet når det er farget og satt under et mikroskop, er den desidert største og viktigste. Det kalles noen ganger primær visuell cortex eller område 17. De andre visuelle områdene blir referert til som ekstrastriert cortex . V1 er et av de mest omfattende studerte og forstått områdene i den menneskelige hjernen.

V1 er et omtrent 0,07 tommer (2 mm) tykt hjerne lag med omtrent området til et indekskort. Fordi den blir klistret opp, er volumet bare noen få kubikkcentimeter. Nevronene i V1 er organisert på både lokalt og globalt nivå, med horisontale og vertikale organisasjonsordninger. Relevante variabler som skal abstraheres fra de rå sensoriske data inkluderer farge, form, størrelse, bevegelse, orientering og andre som er mer subtile. Den parallelliserte naturen til beregning i den menneskelige hjerne betyr at det er visse celler som aktiveres av tilstedeværelsen av farge A, andre aktiveres av farge B, og så videre.

Den mest åpenbare organisasjonsprotokollen i V1 er horisontale lag. Det er seks hovedlag, merket med romertall som I til og med VI. Jeg er det ytterste laget, lengst borte fra øyebollene og LGN, og får følgelig færrest antall direkte projeksjoner som inneholder visuelle data. De tykkeste nervebuntene fra LGN projiseres i lagene V og VI, som i seg selv inneholder nerver som rager tilbake i LGN, og danner en tilbakemeldingssløyfe. Tilbakemelding mellom avsender av visuelle data (LGN) og prosessor (V1) er nyttig for å tydeliggjøre arten av tvetydige sansedata.

Rå sensoriske data kommer fra øynene som et ensemble av nervefyringer som kalles et retinotopisk kart . Den første serien av nevroner er designet for å utføre relativt elementære analyser av sansedata - en samling av nevroner designet for å oppdage vertikale linjer kan aktiveres når en kritisk terskel for visuelle "piksler" viser seg å være konfigurert i et vertikalt mønster. Prosessorer på høyere nivå tar sine "beslutninger" basert på forbehandlet data fra andre nevroner; for eksempel kan en samling av nevroner designet for å oppdage hastigheten til et objekt være avhengig av informasjon fra nevroner designet for å oppdage objekter som separate enheter fra deres bakgrunn.

Et annet organisasjonsopplegg er den vertikale eller kolumente nevrale arkitekturen. En kolonne strekker seg gjennom alle horisontale lag og består vanligvis av nevroner som har funksjonelle likheter, ("nevroner som skyter sammen, ledning sammen"), og fellestrekk i deres skjevheter. Den ene kolonnen kan for eksempel godta informasjon utelukkende fra høyre øyeeple, den andre til venstre. Kolonner har vanligvis underkolonner, som kalles henholdsvis makrokolonner og mikrokolonner . Mikrokolonner kan være så små at de bare inneholder hundre individuelle nevroner.

Å studere detaljene i informasjonsbehandlingen i den menneskelige hjernen er vanskelig på grunn av den komplekse, ad hoc og tilsynelatende rotete måten primathjerner utviklet seg, så vel som den komplekse naturen som enhver hjerne garantert vil vise i kraft av sin enorme oppgave. Selektiv skade på visuell cortex hos dyr er historisk sett en av de mest produktive (og kontroversielle) måtene å undersøke nevral funksjon på, men i nyere tid har forskere utviklet verktøy for selektiv å deaktivere eller aktivere spesifikke hjerneområder uten å skade dem. Oppløsningen av hjerneskanningsenheter øker eksponentielt, og algoritmene øker i raffinement for å håndtere flommen av data som er karakteristiske for de kognitive vitenskapene. Det er ikke usannsynlig å antyde at vi en dag vil kunne forstå den visuelle cortex i sin helhet.