60 https://www.uni-bremen.de/theoretische-bio-und-neurophysik/forschung/neuronale-dynamiken Forschung: Neuronale Dynamiken de Universität Bremen Mon, 20 Apr 2026 16:21:57 +0200 Mon, 20 Apr 2026 16:21:57 +0200 Universität Bremen content-517508 Fri, 06 Mar 2026 11:08:43 +0100 https://www.uni-bremen.de/theoretische-bio-und-neurophysik/forschung/neuronale-dynamiken#c517508 <p>Rezeptive Felder (RF) erfassen die grundlegenden Reaktionseigenschaften von Neuronen oder Neuronenpopulationen auf externe Reize und sind für das Verständnis der Informationsverarbeitung im Gehirn von wesentlicher Bedeutung. Normalerweise werden RFs experimentell charakterisiert, indem man eine umgekehrte Korrelation oder einen spike-getriggerten Durchschnitt der neuronalen Antworten durchführt. Diese linearen Methoden enthüllen jedoch nur einen Teil der Reize (den "klassischen" RF, cRF), die die Reaktion eines Neurons auslösen: Darüber hinaus wird die neuronale Aktivität durch kontextuelle Reize außerhalb des cRF stark moduliert, die keinen Einfluss auf die Zelle hätten, wenn sie allein präsentiert würden (nicht-klassische RFs).<br /> Wir untersuchen diese nicht-linearen Reaktionseigenschaften sowohl in realistischen kortikalen Netzwerkmodellen als auch in generativen Modellen. Insbesondere stellen wir fest, dass ncRFs durch einen optimalen Inferenzprozess erklärt werden können, der auf einem verrauschten Stimulus durchgeführt wird. Die Form der ncRFs wird dabei durch die Statistik der natürlichen Szenen bestimmt, die als Stimuli verwendet werden. Die neuronale Dynamik spiegelt einen fortlaufenden Informationsintegrationsprozess wider, bei dem verschiedene Neuronen um die Erklärung eines Teils des Reizes konkurrieren (Zusammenarbeit mit Sophie Deneve).</p> Content content-517509 Fri, 06 Mar 2026 11:08:43 +0100 https://www.uni-bremen.de/theoretische-bio-und-neurophysik/forschung/neuronale-dynamiken#c517509 <p>Bei der Konturintegration handelt es sich um einen kognitiven Prozess, bei dem mehrere, lokalisierte Kantenelemente zu einer globalen Wahrnehmung von Konturen verbunden werden. Sie dient der Erkennung von Kurven und Grenzen von Objekten und ist daher wichtig für die Segmentierung und Interpretation natürlicher Szenen. In verschiedenen Projekten untersuchen wir mutmaßliche neuronale Mechanismen und nützliche Berechnungsstrategien für die Konturintegration.<br /> Unser Ansatz besteht darin, probabilistische, generative Modelle zu verwenden, um sowohl die Konturerzeugung als auch die ideale Konturintegration in einem einzigen theoretischen Rahmen zu erfassen. Die Modellvorhersagen werden in psychophysikalischen Experimenten mit denselben Konturreizen am menschlichen Verhalten getestet (Zusammenarbeit mit Sunita Mandon). Unsere Modelle liefern eine quantitative Beschreibung und eine prägnante funktionale Interpretation der menschlichen Konturintegration und sagen neue Mechanismen voraus, die diesem wichtigen kognitiven Prozess zugrunde liegen.</p> Content