Notícies

Inici  >  Notícies > Com evita les col·lisions el saltamartí?

Com evita les col·lisions el saltamartí?

La neurona LGMD (de l’anglès lobula giant movement detector) és un tipus de neurona que respon de manera selectiva a objectes que s’acosten a l’ull del saltamartí

La neurona LGMD (de l’anglès lobula giant movement detector) és un tipus de neurona que respon de manera selectiva a objectes que s’acosten a l’ull del saltamartí

Aquesta seqüència de La guerra de les galàxies es va fer servir per validar l’efectivitat de l’algorisme per detectar imatges en moviment.

Aquesta seqüència de La guerra de les galàxies es va fer servir per validar l’efectivitat de l’algorisme per detectar imatges en moviment.

20/01/2016

Recerca

El saltamartí, com gairebé tots els animals, mira d’evitar els objectes que s’apropen amb rapidesa, perquè és molt possible que siguin depredadors o algun altre perill per a la seva integritat física. En el sistema nerviós hi ha unes neurones encarregades de detectar aquestes amenaces i assenyalar quan és el moment d’escapar. Matthias Keil, investigador de l’ Institut de Recerca en Cervell, Cognició i Conducta (IR3C) de la Universitat de Barcelona, ha desenvolupat un model computacional que explica matemàticament les propietats d’aquestes neurones. El nou model, publicat a la revista PLOS Computational Biology, introdueix el soroll —entès com a modificacions no desitjades del senyal original— com un element clau per calcular la resposta apropiada de les neurones. Algorismes derivats d’aquest model podrien servir per detectar col·lisions a partir d’imatges, i es podrien aplicar, per exemple, a la conducció automàtica de cotxes o avions.

Imitar la resposta nerviosa del saltamartí

La neurona LGMD (de l’anglès lobula giant movement detector) és un tipus de neurona que respon de manera selectiva a objectes que s’acosten a l’ull del saltamartí. Nombrosos estudis científics han intentat traduir-ne el funcionament a un algorisme, la implementació del qual aconseguiria emular amb plausibilitat biològica la manera en què actuen aquestes neurones per diferenciar els estímuls visuals i reaccionar davant les col·lisions. Al contrari que altres treballs, l’estudi de la Universitat de Barcelona proposa un model biofísic més plausible, que utilitza el soroll en aquest càlcul.

Aprofitar el soroll de l’entorn

El soroll d’un sistema és un factor molest i indesitjable en qualsevol senyal, ja que pot introduir errors en la recepció. No obstant això, en el sistema nerviós, el soroll és ubic i inevitable. «La fiabilitat en el comportament dels organismes evidencia que el sistema nerviós està dissenyat de manera que sigui capaç de tractar el soroll», explica Matthias Keil. «En altres paraules —continua l’investigador—, el nostre comportament és determinista, no aleatori».

Una característica comuna de les neurones LGMD és que reben informació de tot el camp visual. El procés d’integració d’aquests senyals el duu a terme l’arbre dendrític de la neurona. En aquest estudi, l’investigador proposa un model computacional en què s’assumeix que cadascun dels senyals d’entrada està contaminat per soroll i que té un llindar de resposta que ha de ser superat per provocar una reacció nerviosa. «Una quantitat adequada de soroll pot ajudar a fer que els senyals, en cas contrari indetectables, superin el llindar de detecció i s’iniciï la resposta de les neurones. D’aquesta manera, el soroll s’utilitza d’una manera constructiva per calcular la resposta sensible a la col·lisió», aclareix l’investigador.

Un algorisme per detectar objectes que s’acosten

Aquest model s’ha aplicat al desenvolupament d’un algorisme que detecta els objectes que s’aproximen i els distingeix de la resta d’objectes que entren en el camp visual: «L’algorisme TARGET, que seria com la retina del saltamartí, transforma seqüències d’imatges en variables òptiques com la mida angular d’un objecte projectat a la retina de l’observador i la taxa de canvi de la mida angular, és a dir, la velocitat amb què s’acostaria l’objecte. La idea seria utilitzar-lo per detectar objectes a partir d’imatges i vídeos», conclou l’investigador.

Referència de l’article:

M. Keil. «Dendritic pooling of noisy threshold processes can explain many properties of a collision-sensitive visual neuron». PLOS Computational Biology, octubre de 2015. Doi: 10.1371/journal.pcbi.1004479

 

Comparteix-la a:
| Més |
  • Segueix-nos:
  • botó per accedir al facebook de la universitat de barcelona
  • botó per accedir al twitter de la universitat de barcelona
  • botó per accedir a l'instagram de la Universitat de Barcelona
  • botó per accedir al linkedin de la Universitat de Barcelona
  • botó per accedir al youtube de la universitat de barcelona
  • botó per accedir al google+ de la universitat de barcelona
  • botó per accedir al flickr de la Universitat de Barcelona
Membre de: Reconeixement internacional de l'excel·lència HR Excellence in Research logo del ∞ - League of European Research Universities logo del bkc - campus excel·lència logo del health universitat de barcelona campus

© Universitat de Barcelona