YADLRetina: Yet Another Deep Learning Retina

La retina de los vertebrados está formada por distintos circuitos neuronales compuestos por varios tipos de células diferentes, cada uno con su propio rol y su característica particular de respuesta ante estímulos visuales. Dichas neuronas están dispuestas en tres capas celulares distintas que definen entre ellas dos interfaces de conexión que llamamos capas sinápticas [1].

Por otra parte, uno de los principales objetivos de la neurociencia es comprender cómo se codifica la información visual en la retina por parte de las neuronas que la forman. Además, las enfermedades que afectan a la visión, como la retinosis pigmentaria o la degeneración macular asociada a la edad, tienen una incidencia cada vez más acusada año tras año en personas de todo el mundo. Esto define el enorme desafío para nuestra sociedad de dar solución a estos problemas, mediante el uso de terapias genéticas y neuroprótesis visuales [2]. Es por ello que es muy importante disponer de modelos computacionales de la retina, para conocer más su estructura y funcionamiento así como para poder ser utilizados en neuroprótesis visuales.

En este estudio se presenta un modelo computacional de la retina que se encarga de transformar estímulos visuales en patrones de disparo de potenciales de acción de manera precisa. Se aborda el problema del entrenamiento de modelos neuronales de células ganglionares de la retina (RGC) así como de grupos de células ganglionares, todo ello haciendo uso de registros electrofisiológicos de ratones. De manera específica, se modelan redes neuronales convolucionales (CNN) para aprender a predecir las respuestas neuronales de RGC individuales y poblaciones de éstas ante un estímulo de ruido natural. Los modelos se han desarrollado haciendo uso de los frameworks TensorFlow y Keras para Python. Los resultados muestran que las CNN pueden ser utilizadas de manera efectiva para modelar y aprender los procesos computacionales llevados a cabo en la retina en forma de redes neuronales multicapa similares a los circuitos neuronales de la misma.

1. Kolb H, Fernandez E, Nelson R, editors. Webvision: The Organization of the Retina and Visual System [Internet]. Salt Lake City (UT): University of Utah Health Sciences Center; 1995. Available from: https://www.ncbi.nlm.nih.gov/books/NBK11530/
2. Fernández, E. and Normann, R. A. (2017). CORTIVIS Approach for an Intracortical Visual Prostheses (Cham: Springer International Publishing). 191–201. doi:10.1007/978-3-319-41876-6 15