编辑推荐：
研究人员为克服传统运动传感器模型局限，开展基于树突计算的建模研究，提出 MS-INRF 模型，意义重大。
在动物的视觉世界里，运动感知就像一个神奇的 “导航仪”，帮助它们躲避天敌、捕食猎物、辨别方向。想象一下，一只兔子在草丛中吃草，它必须时刻感知周围物体的运动，才能及时发现悄悄靠近的狐狸，迅速逃跑。对于任何有视觉的动物而言，估计环境中物体的运动都是至关重要的。然而，现有的运动传感器计算模型却存在诸多问题。
经典的运动传感器模型主要有 Reichardt 探测器和运动能量模型（Energy Model）。Reichardt 探测器通过计算不同时刻两个图像位置的亮度信号相关性来检测运动；Energy Model 则是将线性滤波器与非线性操作相结合，实现时空选择性。但这些模型都有明显的缺陷，它们无法统一解释一阶运动（指亮度特征的移动）和二阶运动（亮度无净定向傅里叶能量，运动对应于对比度的时空调制）。而且，这些模型与视网膜和皮层的生理学证据不相符，在预测神经元反应时准确性有限，还忽略了树突非线性在运动检测中的关键作用。
为了解决这些问题，来自马德里康普顿斯大学（Universidad Complutense de Madrid）心理学系的 Raúl Luna、Ignacio Serrano - Pedraza，以及西班牙国家研究委员会（CSIC）光学研究所的 Marcelo Bertalmío 开展了一项关于运动传感器建模的研究。他们提出了一种全新的运动传感器模型 ——MS - INRF 模型，该研究成果发表在《Scientific Reports》上。
研究人员在研究中运用了多种技术方法。首先，他们基于现有的单神经元空间求和模型 INRF（Intrinsically Nonlinear Receptive Field，一种考虑了经典模型中缺失的树突关键属性的空间感受野模型），将其扩展到时间域，构建了时空非线性感受野模型 stINRF。在这个过程中，精心选择了模型中各元素，如具有带通形式的线性项相关的时间滤波器Tm、低通形式的非线性项相关的时间滤波器Tw等。其次，生成了多种刺激，包括用于检测一阶运动的条形刺激、检测二阶运动的对比度调制光栅刺激等，并通过模拟实验观察 MS - INRF 模型对不同刺激的响应。
研究结果如下：
- 基本运动传感器属性：MS - INRF 模型能很好地预测一些基本视觉现象。在检测一阶运动时，该模型产生的运动拮抗反应对对比度极性不敏感，即不管运动物体是黑底白条纹还是白底黑条纹，只要运动方式相同，模型输出就相同。在对比饱和方面，模型响应幅度随对比度单调增加，但在高对比度时会饱和。同时，该模型还能再现经典的运动掩蔽现象，即当运动刺激被具有相似空间频率的抖动噪声掩蔽时，模型对运动刺激的检测能力会下降；此外，也能复现反向 phi 运动和缺失基波错觉。
- 模型特有属性：该模型可以检测二阶运动，而传统检测一阶运动的模型若不添加额外处理，无法检测二阶运动。并且，MS - INRF 模型具有高度非线性，与传统线性模型不同，其响应不能简单通过时空调谐来描述，某一频率的刺激单独呈现和与其他刺激共同呈现时，对模型输出的影响差异很大。
研究结论和讨论部分指出，MS - INRF 模型将树突计算纳入其中，充分考虑了树突非线性随输入变化的特性，这是以往模型所忽视的关键因素。该模型的高度非线性继承自 INRF 模型，使其在解释实验数据时比传统模型更具优势，无需添加复杂的额外阶段。MS - INRF 模型是单阶段模型，克服了当前皮层运动传感器模型的层级结构缺陷，与生物证据更相符。同时，它能解释昆虫对二阶运动的检测，与不存在专门二阶运动传感器的实验证据一致，并且与皮层生理学相符，其模拟的传感器理论上可位于视觉皮层的任何区域。此外，该模型还为昆虫和哺乳动物在运动检测处理上的算法相似性提供了合理的生物学解释。
总的来说，这项研究提出的 MS - INRF 模型为运动传感器建模提供了新的方向，在算法上非常有效，其可能的神经回路实现从视网膜到皮层层面都具有生物学合理性，有望成为现有模型的可行替代方案，推动视觉感知领域的研究发展。
