会员体验
专利管家（专利管理）
工作空间（专利管理）
风险监控（情报监控）
数据分析（专利分析）
侵权分析（诉讼无效）
联系我们
交流群
官方交流：
QQ群： 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利库 / 解剖与生理 / 视网膜 / 视网膜假体

视网膜假体

阅读：1064发布：2020-05-14

IPRDB可以提供视网膜假体专利检索，专利查询，专利分析的服务。并且本公开提供了一种模拟视网膜对宽范围刺激，包括自然刺激进行应答的视网膜假体的方法和设备。神经节细胞在对刺激应答时，通过一组编码器、接口和传感器产生放电模式，其中各传感器靶向单个细胞或少量细胞。转换发生的时间标度与正常视网膜执行转换时的时间标度相同。此外，本发明的多个方面可以用于需要对视觉信息进行处理的机器人或其它机械设备。所述编码器可以根据年龄或疾病进展情况随时间进行调整。，下面是视网膜假体专利的具体信息内容。

1.一种假体装置，所述装置用于恢复或改善所需对象的视力，其中在所述对象中多个视网膜细胞被感光激活而对入射光产生应答，所述装置包括：数字照相机，所述数字照相机被配置用于接收一段时间内的视觉刺激，并产生相应的数字图像流；

处理器，所述处理器被配置为对所述数字图像流进行处理以产生一组时间依赖性代码，每个代码对应于正常视网膜细胞对所述刺激的时间依赖性应答；以及输出发生器，所述输出发生器被配置为将分别对应于所述代码组中各代码的一系列光脉冲，指向所述多个视网膜细胞中的单个细胞或细胞小组的位置，以便在视网膜细胞中产生时间依赖性应答，其中所述时间依赖性应答本质上与正常视网膜细胞对所述刺激的时间依赖性应答相同。

2.根据权利要求1所述的装置，其特征在于，其中各所述细胞小组含有少于约20个细胞。

3.根据权利要求1所述的装置，其特征在于，其中所述输出发生器被配置成指向单个细胞。

4.根据前述任意一项权利要求所述的装置，其特征在于，其中所述处理器包括：图像标度模块，所述图像标度模块被配置用于接收来自所述数字图像流的各图像，并对各图像的亮度或对比度进行重新标度以产生重新标度的图像流；

时空转换模块，所述时空转换模块被配置用于接收来自所述重新标度的图像流的一组N个重标度图像，并对该组N个图像进行时空转换以产生一组放电频率，该放电频率组中的每个频率分别对应于多个视网膜细胞中相应的各个视网膜细胞；以及数字脉冲发生器，所述数字脉冲发生器被配置为：

产生一组基于所述放电频率的数字脉冲串，在所述数字脉冲串组中的每个数字脉冲串分别对应于单个细胞或细胞小组中相应的细胞或细胞小组；以及将所述数字脉冲串组输出至所述输出发生器。

5.根据权利要求4所述的装置，其特征在于，其中N至少是5。

6.根据权利要求4所述的装置，其特征在于，其中N至少是约20。

7.根据权利要求4-6中任意一项所述的装置，其特征在于，其中所述时空转换模块包括：空间转换模块，所述空间转换模块被配置为用空间核函数对所述N个重新标度的图像中的每一个进行卷积，以产生N个空间转换图像；

时间转换模块，所述时间转换模块被配置为用时间核函数对所述N个空间转换图像进行卷积，以产生时间转换输出；以及非线性转换模块，所述非线性转换模块被配置为将非线性函数应用于所述时间转换输出，以产生所述的一组放电频率。

8.根据权利要求4-7任意一项所述的装置，其特征在于，所述装置包括：插值模块，所述插值模块被配置为接收所述时空转换模块的输出，并产生一组时间分辨率更高的插值结果。

9.根据权利要求8所述的装置，其特征在于，其中所述一组插值结果的时间分辨率对应于所述数字图像流的帧频的至少10倍。

10.根据权利要求4-9中任意一项所述的装置，其特征在于，包括脉冲串消除模块，所述脉冲串消除模块被配置为降低或消除来自所述数字脉冲串的脉冲串。

11.根据权利要求4-10中任意一项所述的装置，其特征在于，其中所述处理器包括：通用处理器（GPP）；

数字信号处理器（DSP）；以及

与所述通用处理器和所述数字信号处理器均有效通信的共享存储器；其中通用处理器和数字信号处理器被配置为并行处理所述数字图像流。

12.根据权利要求11所述的装置，其特征在于，其中：所述数字信号处理器主要执行所述图像标度模块和所述时空转换模块的功能；以及所述通用处理器主要执行所述数字脉冲产生模块的功能。

13.根据权利要求12所述的装置，其特征在于，其中所述通用处理器主要执行所述脉冲串消除模块的功能。

14.根据权利要求11所述的装置，其特征在于，其中：所述数字信号处理器主要执行所述图像标度模块、所述空间转化模块、和所述时间转化模块的功能；

所述通用处理器主要执行所述数字脉冲产生模块的功能。

15.根据权利要求11-14任意一项所述的装置，其特征在于，其中所述数字信号处理器执行涉及所述空间核函数或时间核函数的所有卷积。

16.根据权利要求11-15任意一项所述的装置，其特征在于，其中所述数字信号处理器主要执行所述插值模块的功能。

17.根据前述任意一项权利要求所述的装置，其特征在于，其中所述数字图像流的帧频至少为50Hz。

18.根据前述任意一项权利要求所述的装置，其特征在于，其中所述数字图像流的帧频至少为100Hz。

19.根据前述任意一项权利要求所述的装置，其特征在于，其中各所述数字图像包括至少0.01百万像素。

20.根据前述任意一项权利要求所述的装置，其特征在于，其中，在操作过程中，所述脉冲组以少于约20ms的滞后时间被传递至所述视网膜细胞。

21.根据前述任意一项权利要求所述的装置，其特征在于，其中，在操作过程中，所述脉冲组以少于约15ms的滞后时间被传递至所述视网膜细胞。

22.根据前述任意一项权利要求所述的装置，其特征在于，其中所述输出发生器包括：数字光处理器（DLP），所述数字光处理器被配置为：接收来自光源的光；以及

基于所述数字脉冲组产生经空间和时间调制模式的光；以及一个或多个输出光学元件，所述输出光学元件被配置为从所述数字光处理器接收被调制模式的光，并将所述模式的光指向所述对象视网膜上，以便指向单个细胞或细胞小组。

23.根据权利要求22所述的装置，其特征在于，其中：所述被调制模式的光包括像素阵列，这些像素中的每一个均能够以一个转换速率在开启状态和关闭状态之间单独转换。

24.根据权利要求23所述的装置，其特征在于，其中所述转换速率为至少约1000Hz。

25.根据权利要求24所述的装置，其特征在于，其中所述转换速率为至少约5000Hz。

26.根据权利要求23-25任意一项所述的装置，其特征在于，其中所述阵列在所述对象的视网膜上的最大像素尺寸等于或小于约20μm。

27.根据权利要求23-26任意一项所述的装置，其特征在于，其中所述阵列在所述对象的视网膜上的最大像素尺寸等于或小于约10μm。

28.根据权利要求23-27任意一项所述的装置，其特征在于，其中所述阵列在所述对象的视网膜上的平均像素尺寸为等于或小于约5μm。

29.根据权利要求23-28任意一项所述的装置，其特征在于，其中所述阵列在所述对象的视网膜上的平均像素尺寸为等于或小于约10μm。

30.根据权利要求23-29任意一项所述的装置，其特征在于，其中所述阵列包含至少

1,000个像素。

31.根据权利要求23-29任意一项所述的装置，其特征在于，其中所述阵列包含至少

10,000个像素。

32.根据权利要求23-29任意一项所述的装置，其特征在于，其中所述阵列包含至少

100,000个像素。

33.根据权利要求23-32任意一项所述的装置，其特征在于，进一步包括所述光源，并且其中，对于各像素：在所述开启状态时所述像素在一定波长范围内的平均亮度为至少约0.5mW/mm^2，所述多个细胞在该平均亮度下感光；

在所述关闭状态时所述像素在所述一定波长范围内的平均亮度为低于约0.05mW/mm^2，所述多个细胞在该平均亮度下感光。

34.根据权利要求33所述的装置，其特征在于，其中所述波长范围为460-480nm。

35.根据权利要求33所述的装置，其特征在于，其中所述波长范围为525-545nm。

36.根据权利要求33所述的装置，其特征在于，其中所述波长范围为580-600nm。

37.根据权利要求22-36任意一项所述的装置，其特征在于，其中：一种或多种输出光学元件被配置以形成会聚光束，该会聚光束通过调制模式被模式化并被指向所述对象的视网膜；以及一种或多种输出光学元件包括至少一个被配置为调节所述光束会聚的元件。

38.根据权利要求37所述的装置，其特征在于，其中所述光束的焦平面接近所述对象视网膜的表面。

39.根据权利要求37所述的装置，其特征在于，其中所述光束的焦平面位于所述视网膜内的视网膜表面下。

40.根据权利要求35-40任意一项所述的装置，其特征在于，其中所述至少一个被配置为调节所述光束会聚的元件包括变焦元件。

41.根据权利要求40所述的装置，其特征在于，所述装置进一步包括至少一个传感器，所述传感器被配置为产生提示移动的信号或在所述对象眼中调节的信号；以及与所述传感器和所述变焦元件有效通信的控制器，所述控制器被配置以基于所述信号调节所述变焦元件的焦点。

42.根据前述任意一项权利要求所述的装置，其特征在于，其中所述多个视网膜细胞包括至少1,000个细胞。

43.根据前述任意一项权利要求所述的装置，其特征在于，其中所述多个视网膜细胞包括至少10,000个细胞。

44.根据前述任意一项权利要求所述的装置，其特征在于，其中所述多个视网膜细胞包括至少100,000个细胞。

45.根据前述任意一项权利要求所述的装置，其特征在于，包括一组眼镜，所述眼镜包含所述照相机、所述处理器、以及至少一部分所述输出发生器。

46.根据前述任意一项权利要求所述的装置，其特征在于，其中，在操作过程中，所述脉冲组以少于约20ms的滞后时间被传递至所述视网膜细胞。

47.根据前述任意一项权利要求所述的装置，其特征在于，其中，在操作过程中，所述脉冲组以少于约10ms的滞后时间被传递至所述视网膜细胞。

48.根据前述任意一项权利要求所述的装置，其特征在于，其中所述刺激是移动的自然景物。

说明书全文

视网膜假体

[0001] 相关申请的交叉引用
[0002] 本申请要求基于35U.S.C.§119（e）的美国临时申请号61/378,793（2010年8月31日申请）、和61/382,280（2010年9月13日申请）的优先权。本申请是国际专利申请号PCT/US2011/26526（2011年2月28日申请）的部分继续申请，后者要求基于35U.S.C.§119(e)的美国临时申请号61/308,681（2010年2月26日申请）、61/359,188（2010年6月28日申请）、61/378,793（2010年8月31日申请）、和61/382,280（2010年9月31日申请）的优先权。前述各申请的内容通过整体引用并入本文。
[0003] 关于联邦政府资助研究或开发的声明
[0004] 本发明在美国政府的支持下进行，其获得了由美国国立卫生研究院（NIH）授予的GM0779号基金以及由美国国立眼科研究所授予的FEY019454A号基金的资助。美国政府对本发明享有一定的权利。

技术领域

[0005] 本发明涉及用于恢复或改善视力，以及用于治疗失明或视力损伤的方法和设备。本发明特别涉及用一组编码器和靶向视网膜细胞的高分辨率传感器来恢复或改善视力的方法和设备，所述编码器能够产生正常或接近正常的视网膜输出。

背景技术

[0006] 视网膜假体用于患有视网膜退行性疾病的患者，如年龄相关性黄斑变性（AMD），和视网膜色素变性（RP），在美国有两百万人（Friedman等,2004;Chader等,2009），并且在世界范围内有两千五百万人（Chopdar等,2003）受上述两种疾病影响。这两种疾病均是视网膜的输入端退化：即ADM的视锥细胞和RP的视杆细胞退化。
[0007] 假体的目的是绕开退化组织并刺激存活细胞，这样视觉信息能够再次到达脑部。假体的主要靶点是视网膜神经节细胞和视网膜双极细胞（Loewenstein等,2004；Gerding等,2007；Winter等,2007；Lagali等,2008；Chader等,2009；Zrenner等,2009；
Thyagarajan等,2010）。
[0008] 目前，视网膜假体采用的主要方案包括将电极阵列植入患者视网膜中接近双极细胞或神经节细胞的部位（Gerding等,2007；Winter等,2007；Chader等,2009；Zrenner等,2009）。随后为患者配备照相机/信号处理设备，所述设备能够获取图像并将其转换成电信号；所述信号随后传递至电极，电极刺激细胞（（Chader等,2009）中进行了综述）。尽管患者可以看到一些光，但是该设备的性能仍十分有限：患者例如能够看见点和边缘（Nanduri等,2008；Chader等,2009），这在一定程度上可以提供导航和探测大致轮廓，但仍无法接近正常视力。（在导航方面，患者能够探测光源，如门口、窗和灯。在探测形状方面，如果患者视角的跨度～7度时其能够分辨物体或字母（Zrenner等,2009）；这对应于约
20/1400的视力（在大多数地方法定失明的锐度定义为20/200）。
[0009] 基于电极的视网膜假体的改进的方向主要集中在增强其分辨率上；关注点主要为缩小电极的尺寸并增加其在阵列上的密度（Chader等,2009），目前电极直径的范围为50至450微米（Kelly等,2009；Zrenner等,2009；Ahuja等,2010），这是视网膜细胞的10至100倍大小。尽管分辨率有所增加，但是目前的技术仍无法达到正常视网膜的分辨率，这是因为用电极刺激各个细胞在当前并不实际，并且存在着严苛的技术挑战：电极越精细需要的电流越多，这将导致组织烧伤（参见，例如，近期举行的视网膜假体会议的名称和日程：
“The Eye and The Chip2010:2010Special Emphasis on Retinal Stimulation Safety forNeuro-Prosthetic Devices”）。
[0010] 光遗传学作为电极刺激细胞的替代方案被应用。光遗传学方法包括在神经节细胞或双极细胞中表达蛋白，如紫红质通道蛋白-2（ChR2）或其衍生物的一种。ChR2具有光敏性；表达ChR2的细胞在光的活化下产生电压改变，这允许细胞传输电信号（Bi等,2006；Lagali等,2008；Zhang等,2009；Tomita等,2010）。这种方法有可能提供更高的分辨率，即理论上来说细胞能够逐个被刺激。尽管在动物实验中证实了高分辨率是可能实现的，但是在本领域最新发表的若干文章中仍未报道已实现接近正常或甚至部分正常的视力（Bi等,2006；Lagali等,2008；Zhang等,2009；Thyagarajan等,2010；Tomita等,2010）。 [0011] 目前前沿的方法很少关注按照最接近于内源性信号从视网膜至脑的方式驱动刺激物（电极或光敏感通道蛋白）。内源性视网膜信号是复杂的。当正常视网膜收到一个图像时，其会对图像执行一系列操作——从图像上提取信息并将所述信息转化成脑可读取的代码。
[0012] 目前基于电极的设备采用的信号处理与视网膜相比要简单得多，例如其仅是按照线性比例将图像中各点的光强度转化为脉冲率（Loewenstein等,2004；Fried等,2006；Kibbel 等,2009；Ahuja等,2010）。正因为如此，由这些设备产生的视网膜输出与正常的视网膜输出存在较大差异；脑期望获得的是一种代码的信号而实际获得的却是另外一种。 [0013] 目前的光遗传学方法同样有限。对其进行改进的方向主要集中在开发紫红质通道蛋白的性质（例如，增强其对光的敏感性和改变其动力学），而在模拟内源性视网膜信号处理方面并未投入较大努力（Bi等,2006；Lagali等,2008；Zhang等,2009；Thyagarajan等,2010；Tomita等,2010）。
[0014] 因而，需要开发一种视网膜假体，这种视网膜假体能够将视觉输入转化为大脑容易理解的正常视网膜输出。该视网膜假体还需要提供高分辨率的信号，最理想的是能对各个视网膜细胞如视网膜神经节细胞具有靶向性。本公开涉及这样一种假体；它将编码步骤与高分辨率的传感器相结合，以便向盲人提供正常或接近正常的视力，其中的编码步骤产生正常或接近正常的视网膜输出。
[0015] 概述
[0016] 一方面，公开了一种假体装置，用于恢复或改善所需对象的视力，其中在所述对象中多个视网膜细胞被感光激活而对入射光产生应答，所述装置包括：数字照相机，所述数字照相机被配置用于接收一段时间内的视觉刺激，并产生相应的数字图像流；处理器，所述处理器被配置为对所述数字图像流进行处理以产生一组时间依赖性代码，每个代码对应于正常视网膜细胞对所述刺激的时间依赖性应答；以及输出发生器，所述输出发生器被配置为将分别对应于所述代码组中各代码的一系列光脉冲，指向所述多个视网膜细胞中的单个细胞或细胞小组的位置，以便在视网膜细胞中产生时间依赖性应答。在某些实施方式中，所述时间依赖性应答基本上与正常视网膜细胞对所述刺激的所述时间依赖性应答相同。 [0017] 在某些实施方式中，各所述细胞小组含有少于约20个细胞。
[0018] 在某些实施方式中，所述输出发生器被配置成指向单个细胞。
[0019] 在某些实施方式中，所述处理器包括：图像标度模块，所述图像标度模块被配置用于接收来自所述数字图像流的各图像，并对各图像的亮度或对比度进行重新标度以产生重新标度的图像流；时空转换模块，所述时空转换模块被配置用于接收来自所述重新标度的图像流的一组N个重标度图像，并对该组N个图像进行时空转换以产生一组放电频率，该放电频率组中的每个频率分别对应于多个视网膜细胞中相应的各个视网膜细胞；以及数字脉冲发生器。在某些实施方式中，所述数字脉冲发生器被配置为：产生一组基 于所述放电频率的数字脉冲串，在所述数字脉冲串组中的每个数字脉冲串分别对应于单个细胞或细胞小组中相应的细胞或细胞小组；以及将所述数字脉冲串组输出至所述输出发生器。在某些实施方式中，N至少是5。在某些实施方式中，N至少是约20。
[0020] 在某些实施方式中，所述时空转换模块包括：空间转换模块，所述空间转换模块被配置为用空间核函数对所述N个重新标度的图像中的每一个进行卷积，以产生N个空间转换图像；时间转换模块，所述时间转换模块被配置为用时间核函数对所述N个空间转换图像进行卷积，以产生时间转换输出；以及非线性转换模块，所述非线性转换模块被配置为将非线性函数应用于所述时间转换输出，以产生所述的一组放电频率。
[0021] 某些实施方式包括插值模块，其被配置为接收所述时空转换模块的输出，并产生一组时间分辨率更高的插值结果。在某些实施方式中，所述一组插值结果的时间分辨率对应于所述数字图像流的帧频的至少10倍。
[0022] 某些实施方式包括脉冲串消除模块，其被配置为降低或消除来自所述数字脉冲串的脉冲串。
[0023] 在某些实施方式中，所述处理器包括：通用处理器（GPP）；数字信号处理器（DSP）；以及与所述通用处理器和所述数字信号处理器均有效通信的共享存储器；其中通用处理器和数字信号处理器被配置为并行处理所述数字图像流。
[0024] 在某些实施方式中，所述数字信号处理器主要执行所述图像标度模块和所述时空转换模块的功能；以及所述通用处理器主要执行所述数字脉冲产生模块的功能。
[0025] 在某些实施方式中，所述通用处理器主要执行所述脉冲串消除模块的功能。 [0026] 在某些实施方式中，所述数字信号处理器主要执行所述图像标度模块、所述空间转化模块、和所述时间转化模块的功能；所述通用处理器主要执行所述数字脉冲产生模块的功能。
[0027] 在某些实施方式中，所述数字信号处理器执行涉及所述空间核函数或时间核函数的所有卷积。
[0028] 在某些实施方式中，所述数字信号处理器主要执行所述插值模块的功能。 [0029] 在某些实施方式中，所述数字图像流的帧频至少为50Hz，或至少为100Hz。 [0030] 在某些实施方式中，各所述数字图像包括至少0.01百万像素。
[0031] 在某些实施方式中，在操作过程中，所述脉冲组以少于约20ms或少于约15ms的滞后时间被传递至所述视网膜细胞。
[0032] 在某些实施方式中，所述输出发生器包括：数字光处理器（DLP），所述数字光处理器被配置为：接收来自光源的光；以及基于所述数字脉冲组产生经空间和时间调制模式的光。某些实施方式包括一个或多个输出光学元件，所述输出光学元件被配置为从所述DLP接收被调制模式的光，并将所述模式的光指向所述对象视网膜上，以便指向单个细胞或细胞小组。
[0033] 在某些实施方式中，所述被调制模式的光包括像素阵列，这些像素中的每一个均能够以一个转换速率在开启状态和关闭状态之间单独转换。在某些实施方式中，所述转换速率为至少约1000Hz。或者至少约5000Hz。
[0034] 在某些实施方式中，所述阵列在所述对象的视网膜上的最大像素尺寸等于或小于约20μm。在某些实施方式中，所述阵列在所述对象的视网膜上的最大像素尺寸等于或小于约10μm。在某些实施方式中，所述阵列在所述对象的视网膜上的平均像素尺寸为等于或小于约10μm。在某些实施方式中，其中所述阵列在所述对象的视网膜上的平均像素尺寸为等于或小于约10μm。
[0035] 在某些实施方式中，所述阵列包含至少1,000个像素、至少10,000个像素、或至少100,000个像素。
[0036] 某些实施方式包括所述光源。在某些实施方式中，对于各像素：在所述开启状态时所述像素在一定波长范围内的平均亮度为至少约0.5mW/mm^2，所述多个细胞在所述平均亮度下感光；在所述关闭状态时所述像素在所述一定波长范围内的平均亮度为低于约0.05mW/mm^2，所述多个细胞在所述平均亮度下感光。在某些实施方式中，所述波长范围为
460-480nm。在某些实施方式中，所述波长范围为525-545nm。在某些实施方式中，所述波长范围为580-600nm。
[0037] 在某些实施方式中，一种或多种输出光学元件被配置以形成会聚光束，该会聚光束通过调制模式被模式化并被指向所述对象的视网膜；以及包括至少一个元件的一种或多种输出光学元件，所述至少一个元件被配置为调节所述光束的会聚。
[0038] 在某些实施方式中，所述光束的焦平面接近所述对象视网膜的表面。在某些实施方式中，所述光束的焦平面位于所述视网膜内的视网膜表面下。在某些实施方式中，被配置为调节所述光束的会聚的所述至少一个元件包括变焦元件。某些实施方式包括至少一个传感器，所述传感器被配置为产生提示移动的信号或在所述对象眼中调节的信号；以及与所述传感器和所述变焦元件有效通信的控制器，所述控制器被配置以基于所述信号调节所述变焦元件的焦点。
[0039] 在某些实施方式中，所述多个视网膜细胞包括至少1,000个细胞、至少10,000个细胞、或至少100,000个细胞。
[0040] 某些实施方式包括一组眼镜，其包含所述照相机、所述处理器、以及所述输出发生器的至少一部分。
[0041] 在某些实施方式中，在操作过程中，所述脉冲组以少于约20ms或少于约10ms的滞后时间被传递至所述视网膜细胞。
[0042] 在某些实施方式中刺激包括移动的自然景物。
[0043] 本公开提供了用于恢复或改善视力的方法和系统。通过一种方法使视力恢复或改善，这种方法为：接受刺激，通过一组编码器将所述刺激转换为一组代码，通过接口将所述代码转换为信号，随后通过高分辨率传感器活化多个视网膜细胞，所述高分辩率传感器由来自所述接口的所述信号驱动。多个视网膜细胞的活化使得视网膜神经节细胞对较宽范围的刺激产生应答，其与来自正常视网膜的视网膜神经节细胞对相同刺激产生的应答基本类似。
[0044] 恢复或改善视力方法可能具有下述特性：（i）用所述代码进行的强迫选择视觉辨别任务的正确分数是用正常视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数的至少约95%、65%或35%；或者（ii）测试刺激与重构刺激之间的皮尔森相关系数为至少约0.95、0.65或0.35，所述重构刺激由所述测试刺激存在时的所述代码重构。 [0045] 或者，恢复或改善视力方法可能具有下述特性：（i）用来自活化视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数是用来自正常视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数的至少约95%、65%或35%，或者（ii）测试刺激与重构刺激的皮尔森相关系数为至少约0.95、0.65或0.35，所述重构刺激由所述测试刺激存在时活化视网膜中视网膜神经节细胞的应答重构。
[0046] 编码步骤可以包括下述步骤：（i）将所述刺激预处理成多个值，即X；（ii）将所述多个X值转换为多个放电频率，即λm，m为视网膜中的视网膜神经节细胞；以及（iii）产生代码，所述代码代表来自所述放电频率的峰电位。编码步骤可以包括通过脉冲串消除步骤修饰所述代码的步骤。在脉冲串消除步骤中所述代码可以是非暂时性存储的。所述脉冲串消除步骤可以包含下述步骤：（i）设定待检验区段的持续时间和所述持续时间区段的标准脉冲数；（ii）计数所述区段中的脉冲数；以及，（iii）如果所述脉冲数超过了标准数，则采用脉冲间时间近似最大的区段替代该区段。
[0047] 所述编码器可以具有参数。这些参数值由应答数据确定，所述应答数据从视网膜获得，期间所述视网膜暴露于白噪声和自然场景刺激下。
[0048] 通过接口可以将所述代码转换为输出，其中输出为数个可见光脉冲。传感器可以是可见光响应元件，例如蛋白。所述蛋白可以是紫红质通道蛋白-1、紫红质通道蛋白-2、光控离子型谷氨酸受体（LiGluR）、ChETA、SFO（阶梯函数视蛋白）、OptoXR（光敏性G蛋白偶联受体）、团藻紫红质通道蛋白-1、团藻紫红质通道蛋白-2、ChIEF、NpHr、eNpHR、或其任意组合。
[0049] 可以使用病毒载体将编码所述蛋白的基因引入细胞。病毒载体可以是重组腺相关病毒。可以在至少一种视网膜神经节细胞中选择性地表达基因。在一个实施方式中，可以采用双载体cre-lox系统选择性地表达基因，其中双载体表达类型仅在选定的细胞类型中重叠。在该实施方式中，双载体为：（a）包含表达光敏性蛋白的倒置基因的第一载体，所述倒置基因侧面与loxP位点反向相接，并且所述倒置基因受第二基因启动子的调节，所述第二基因至少在选定的细胞类型中表达；以及（b）包含Cre重组酶的第二载体，所述重组酶受第三基因启动子的调节，所述第三基因至少在选定的细胞类型和非重叠的其它细胞分类中表达。
[0050] 实施所述恢复或改善视力的方法的设备可以用于治疗患有视网膜退行性疾病的对象，如黄斑变性或视网膜色素变性。经EVA或ETDRS方案检测，被治疗的所述对象能够达到正常视力锐度的至少约95%、65%或35%。或者，经图形视觉诱发电位（patternVEP）检测或扫描视觉诱发电位（sweep VEP）检测，被治疗的所述对象中两个或多个因素发生了改变。 [0051] 本公开的方法还提供了一种活化多个视网膜细胞的方法，其包括接受刺激，通过一组编码器将所述刺激转换为一组代码，通过接口将所述代码转换为信号，随后通过高分辨率传感器活化多个视网膜细胞，所述高分辨率传感器由来自所述接口的所述信号驱动。多个视网膜细胞的活化使得视网膜神经节细胞对宽范围的刺激产生应答，其与来自正常视网膜的视网膜神经节细胞对相同刺激产生的应答基本类似。
[0052] 或者，活化多个视网膜细胞方法可能具有下述特性：（i）用所述代码进行的强迫选择视觉辨别任务的正确分数是用来自正常视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数的至少约95%、65%或35%，或者其中测试刺激与重构刺激之间的皮尔森相关系数为至少约0.95、0.65或0.35，所述重构刺激由所述测试刺激存在时的所述代码重构。
[0053] 本公开的方法和系统还提供了一种用于恢复或改善所需对象视力的装置，其中该装置具有：（i）接受刺激的设备；（ii）处理设备，其包括：（a）存储一组编码器的非暂时性计算机可读介质，用于将刺激产生为一组代码，（b）至少一个处理器，以及（c）存储所述代码的非暂时性计算机可读介质；（iii）将所述代码转换成输出的接口；以及，（iv）活化多个视网膜细胞的高分辨率传感器。用于恢复或改善视力的装置的性能为：多个视网膜细胞的活化使得视网膜神经节细胞对宽范围的刺激产生应答，其与来自正常视网膜的视网膜神经节细胞对相同刺激产生的应答基本类似。或者，所述装置的性能表现为下述特性：（i）用所述代码进行的强迫选择视觉辨别任务的正确分数是用正常视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数的至少约95%、65%或35%；或者（ii）测试刺激与重构刺激之间的皮尔森相关系数为至少约0.95、0.65或0.35，所述重构刺激由所述测试刺激存在时的所述代码重构。采用恢复或改善视力的装置治疗后，经EVS或ETDRS方案检测，所述对象能够达到正常视力锐度的至少约35%。或者，经图形VEP检测或扫描VEP检测，所述被治疗的对象中两个或多个因素发生了改变。恢复或改善视力的装置可以用于治疗患有视网膜退行性疾病的对象，所述视网膜退行性疾病如黄斑变性或视网膜色素变性。 [0054] 本公开的方法和系统还提供了一种具有计算机可执行指令的非暂时性计算机可读介质。计算机可执行指令是将至少一种刺激转换为非暂时性代码的一组指令，其中所述代码能够通过高分辨率传感器活化数个视网膜细胞。该系统的性能为，当进行检测时，用所述代码进行的强迫选择视觉辨别任务的正确分数是用来自正常视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数的至少约35%，或者测试刺激与测试刺激存在时代码重构刺激之间的皮尔森相关系数为至少约0.35。所述一组指令具有参数，并且这些参数的值可以通过应答数据确定，所述应答数据在所述视网膜暴露于白噪声和自然场景刺激下时从视网膜获得。
[0055] 本公开的方法和系统还提供了具有计算机可执行指令的非暂时性计算机可读介质，所述计算机可执行指令具有对应于刺激的信号，可用于控制至少一个传感器，所述传感器可以活化受损视网膜中的至少一个细胞，以产生应答，其与对正常视网膜中相应的神经节细胞对所述刺激的应答基本类似。所述信号可以是一组代码，其中当检测其性能时，用所述代码进行的强迫选择视觉辨别任务的正确分数是用来自正常视网膜的视网膜神经节细胞应答进行的强迫选择视觉辨别任务的正确分数的至少约35%，或者测试刺激与测试刺激存在时代码重构刺激之间的皮尔森相关系数为至少约0.35。
[0056] 本公开的方法和系统还提供了一种针对视网膜的通过编码器产生代表性刺激的方法。该方法包括下述步骤：（i）将所述刺激预处理成多个值，即X；（ii）将所述多个X值转换成多个放电频率，即λm；以及，（iii）将所述放电频率，λm，转换成代码。在这种情况下，可以按照如下所示对该方法的性能进行检测：（i）在用所述编码器输出进行的辨别任务中表现正确的分数是在用正常视网膜进行的辨别任务中表现正确的分数的35%以内；（ii）重构刺激与原始刺激之间的皮尔森相关系数为至少约0.35，所述重构刺激由所述编码器的所述输出重构，或者其中所述编码器的所述输出性能在错误类型检测中为至多约0.04。所述转换步骤可以包括将数个X值时空转换为数个放电频率λm，其中λ（m m表示视网膜中的各个视网膜神经节细胞）是Lm的函数，Lm是对应于时空核心的线性滤波器（linear filter），所述时空核心来自第m个视网膜神经节细胞，Nm是描述第m个视网膜神经节细胞的非线性的函数。可以有多个编码器em，其中em为第m个神经节细胞的编码器。所述代码可以具有离散式的多个比特，其形成比特流。或者，所述代码是连续的波。
[0057] 所述刺激可以是电磁辐射。例如，所述电磁辐射可以是可见光。可以通过接口将所述代码转换成输出，其可以是多个可见光脉冲。使用多个可见光脉冲对视网膜中多个细胞的活化能够产生至少一组最初的峰电位序列，其中视网膜中的至少一部分细胞具有至少一个传感器，其是可见光响应元件。
[0058] 采用针对视网膜的编码器产生代表性刺激的方法可以进一步包括视网膜中多个细胞的活化，所述活化通过多个可见光脉冲驱动，以产生至少一组最初的峰电位序列，其中视网膜中的至少一部分细胞具有至少一个传感器，所述传感器包含至少一个可见光响应元件。所述细胞可以是视网膜神经节细胞。所述可见光响应元件可以是合成的光敏异构化偶氮苯调节的K+（SPARK）、去极化SPARK（D-SPARK）或前述的任意组合。所述可见光响应元件可以是蛋白如紫红质通道蛋白-1、紫红质通道蛋白-2、LiGluR、ChETA、阶梯函数视蛋白（SFO）、光敏性G蛋白偶联受体（OptoXR）、团藻紫红质通道蛋白-1、团藻紫红质通道蛋白-2、ChIEF、NpHr、eNpHR、或前述的任意组合。所述蛋白、编码所述蛋白的基因和病毒载体均如前文所述。刺激能够以空间-时间的形式改变或者可以是静态的。本公开还提供了设定编码器一组参数的方法，其包括下述步骤：（a）记录电信号数据，以及存储所述数据。其中所述数据包含来自视网膜的视网膜神经节细胞的动作电位次数，期间所述视网膜暴露于白噪声和自然场景刺激下；（b）计算神经节细胞动作电位次数与计算得到的刺激强度之间的负相关性，以确定线性滤波器Lm值的初始集合；（c）将Lm作为空间函数和时间函数的乘积进行处理，其中将空间函数参数化为权重网 格，将时间函数参数化为基于加权时间的函数之和，并且将Nm假设为指数函数，以确保无局部极大值；（d）计算针对给定刺激的该参数集合的相似性，并记录神经节细胞应答；（e）通过使参数的相似性最大，以确定空间函数、时间函数以及指数非线性的初始最佳参数；（f）使用三次样条替代指数非线性；（g）优化样条的参数以达到最大相似性；（h）优化空间和时间函数参数以达到最大相似性，同时保持步骤（g）的结果为常数；（i）重复步骤（g）同时保持步骤（h）的结果为常数，并且重复步骤（h）；以及（j）重复步骤（i）直至两个步骤之间相似性的变化小于任意选定的小数。前述方法可以在具有计算机可执行指令的非暂时性计算机可读介质中实施，以确定将至少一个首次刺激转化为非暂时性代码的多个参数的值，以及确定针对线性滤波器Lm、空间函数和时间函数的参数，其中通过下述步骤确定参数，其包括：（a）记录电信号数据，以及存储所述数据，所述数据包含来自视网膜的视网膜神经节细胞的动作电位次数，期间所述视网膜暴露于白噪声和自然场景刺激下；（b）计算视网膜神经节细胞动作电位次数与各次刺激强度之间的负相关性，以确定线性滤波器Lm值的初始集合；（c）建立针对空间函数的参数集合；（d）建立针对时间函数的参数集合；（e）计算针对给定刺激的空间函数和时间函数的参数集合的相似性，并记录来自视网膜神经节细胞的响应；以及（f）通过使参数相似性最大，以确定空间函数、时间函数以及非线性的最佳参数集合。
[0059] 附图的简要说明
[0060] 图1是假体方法的一个实施方式的示意图。最左侧为刺激，紧接着为图像——即捕获的刺激。随后通过一组编码器处理捕获的刺激，进而驱动接口设备。接口设备随后在视网膜神经节细胞中激发光脉冲，所述细胞转染了光敏性元件，即紫红质通道蛋白-2（ChR2）。所述视网膜产生的放电模式与健康视网膜产生的类似。
[0061] 图2是设备的一个实施方式的示意图。在眼镜各透镜区域的外侧面是照相机；来自照相机的信号被送往处理设备，处理设备在本实施方式中位于眼镜臂上。处理设备控制光阵列，所述光阵列位于各透镜区域的内侧面。
[0062] 图3显示了编码器（模型细胞）负载的信息量与对应的真实细胞负载的信息量近似匹配。对于该分析，我们采用了三种刺激集合——按照时间频率改变的漂移光栅、按照空 间频率改变的漂移光栅，以及自然场景。对于各细胞，我们计算了模型细胞的响应与刺激之间的交互信息，并将其对真实细胞应答与刺激之间的交互信息作图（刺激的三个集合，n分别为：106、118和103；各刺激熵均为5比特；块大小（bin size）为250至31ms）。 [0063] 图4（图4-1、4-2和4-3）显示了刺激后编码器（模型细胞）的分布与对应的真实细胞的分布近似匹配。A.对于各细胞，我们绘制了矩阵对。左侧的矩阵为刺激后模型细胞应答（所有应答的平均值）；右侧的矩阵为刺激后对应的真实细胞的应答。矩阵对旁边的直方图为他们之间距离的测定值。简言之，对于各行，我们计算了刺激后模型和真实细胞之间的均方误差（MSE）并对其进行归一化，所述归一化是将模型除以刺激后真实细胞和随机打乱之间的MSE。值为0表示两行是相同的。值为1表示其间的差异为两个随机打乱行之间的差异。（由于数据有限，因而有细胞的值偶然高于1）。垂直的浅灰色线表示直方图的中位值。B.数据集合中所有细胞中位值的直方图，以及在数据集合中所有细胞K-L离散的直方图（对于刺激n分别为106、118和103）。
[0064] 图5显示了编码器（模型细胞）与真实细胞做出同样的预测。左上，模型表明在暗视条件下与OFF细胞相比，ON细胞能更好地辨别低时间频率，而与ON细胞相比，OFF细胞能更好地辨别高时间频率。左下，真实细胞的结果相同。上图，考察了暗视和明视条件，模型表明这些行为方面的差异仅在暗视条件下存在：在明视条件下两类细胞的表现近乎相等的良好。下图，考察了暗视和明视条件，真实细胞的结果相同。上图，重复考察两种条件，模型表明在暗视条件下仅在较窄的频率范围内ON和OFF细胞都表现良好，而在明视条件下则在宽范围内表现都良好。下图，重复考察两种条件，该预测也适用于真实细胞。采用增加的细胞数进行预测直至提示性能达到饱和。误差线为SEM。
[0065] 图6显示编码器（模型细胞）预测视动表现中的移动。左图，模型预测了当动物由暗视向明视条件移动时，向高时间频率方向的移动。右图，根据预测，动物的行为表现向高时间频率方向移动（n=5只动物）。该预测在从1个细胞至饱和（20个细胞）范围内是稳定的。
[0066] 图7显示了视网膜假体的神经节细胞产生的应答与正常视网膜所产生的近似匹配，而标准光遗传学方法（即，使用ChR2作为传感器）产生的神经节细胞应答与正常视网膜细胞所产生的并不匹配。向三组小鼠的视网膜呈现自然场景的影像：正常小鼠的视网膜、使用视网膜假体治疗的失明小鼠的视网膜（即，失明视网膜的神经节细胞中表达ChR2，并使用经编码器处理的影像进行刺激）、以及使用标准光遗传学方法治疗的失明小鼠的视网膜（即，失明视网膜的神经节细胞中表达ChR2，但使用未经编码器处理的影像进行刺激）。然后记录各组神经节细胞的峰电位序列。
[0067] 图8显示了视网膜假体在视觉辨别任务方面的表现与正常视网膜的近似匹配，而标准光遗传学方法的则不匹配。A.当由正常WT视网膜获得测试集合时，产生的混淆矩阵。左侧为单个神经节细胞的矩阵，右侧为细胞群（20个细胞）的矩阵。群体的正确分数为80%。
B.当由编码器获得测试集合时，产生的混淆矩阵（注意由图A中使用的WT视网膜的输入/输出关系构建编码器），正确分数为79%。C.当由失明视网膜产生测试集合时，产生的混淆矩阵，其中使用编码器+传感器（ChR2）驱动神经节细胞。正确分数为64%。D.当由失明视网膜产生测试集合时，产生的混淆矩阵，其中使用标准光遗传学方法（即，仅为ChR2，没有编码器）驱动神经节细胞，正确分数为7%。
[0068] 图9显示了来自视网膜假体应答的重构图像与原始图像近似匹配，而来自标准光遗传学方法应答的重构图像则与原始图像不匹配。尽管重构图像对脑并不是必须的，但是重构仍是一种便利方法，可以对方法进行比较并给出各种方法可能使视力恢复的大致水平。A.原始图像。B.来自编码器应答的重构图像。C.来自编码器+传感器（ChR2）应答的重构图像。D.来自标准光遗传学方法应答的重构图像（仅ChR2，如上图所述）。注意B图为临界图，因为其显示了编码器的输出，其可以与不同种类的传感器组合。在本发明的处理集群上，在10X10或7X7个方格块中进行重构。如本文所述，使用了最大相似性，即对于各块而言，我们发现了使所观察到响应的概率达到最大的灰度值阵列（依据Paninski等2007进行高维检索）。
[0069] 图10显示了随视网膜假体的追踪。A.基线漂移（不存在刺激）。如本文所述，失明动物眼位存在的漂移与在盲人中观察到的相类似。B.采用标准光遗传学方法对所呈现的漂移光栅的应答（即，以实际形式在屏幕上呈现）。C.采用视网膜假体对所呈现的漂移 光栅的应答（即，以其编码形式在屏幕上呈现）。当图像被转化为神经节细胞所使用的代码时，动物可以对其进行追踪。上面一行，原始眼位轨迹，代表性的例子。中间一行，平滑组件（扫视并除去人为移动，见上面的原始轨迹）。下面一行，所有试验的平均轨迹（n分别为15、14，且共15次试验）。
[0070] 图11显示了该设备的示意图。照相机（上部）从视野中捕获刺激。将来自照相机的信号送入处理设备，即经编码器处理。编码器按照一系列步骤执行，在图中以模块形式表示：预处理、时空转换、以及峰电位产生。峰电位产生步骤的输出是非暂时性存储的，以备被转换成适于传感器的格式，其包括脉冲消除步骤。随后，在接口中将输出转换成适于传感器的格式，而后接口将转换后的信号传递至传感器。箭头表示来自视场特定区域的信号流，其通过编码器模块和接口设备到达视网膜细胞中的传感器。重叠循环表示编码器携带了来自视场重叠区域的信息，其以与正常视网膜类似的方式表示图像。
[0071] 图12图解说明了示例性编码器将图像转换成光脉冲。A显示了示例性影像。B显示了预处理影像并标示出示例性编码器的位置，所述编码器产生C-E中的输出。C显示了时空转换步骤的输出。D显示了峰电位产生步骤的输出。E显示了与峰电位产生步骤的输出对应的光脉冲。
[0072] 图13显示了猴视网膜通过编码器对自然影像产生的应答与正常猴视网膜所产生的近似匹配。将自然场景的影像呈现于正常猴视网膜和虚拟视网膜。上行显示了来自正常猴神经节细胞的峰电位序列；下行显示了相应模型细胞的结果（即，其编码器）。 [0073] 图14显示了猴编码器在视觉辨别任务（与图8相同的任务）方面的性能与正常猴神经节细胞的近似匹配。A.当由正常猴视网膜获得测试集合时，产生的混淆矩阵。左侧为单个神经节细胞的矩阵，右侧为细胞群（10个细胞）的矩阵。群体的正确分数为83%。B.当由来自猴神经节细胞的编码器获得测试集合时，产生的混淆矩阵。正确分数为77%。所有分析均按照实施例8，图8进行。因此，采用编码器应答的正确分数为采用正常猴神经节细胞应答的正确分数的92.8%。
[0074] 图15显示了通过编码器+传感器产生的神经节细胞应答，其随后经高保真编码输出。编码器输出被转换为一串光脉冲，其呈现于双转基因小鼠的视网膜中，所述小鼠失明并且其神经节细胞中表达ChR2。A.光脉冲和相应神经节细胞输出。对于各行的每一对而言，上面一行显示了光脉冲次数，下面一行显示了由表达ChR2的神经节细胞产生的动作电位次数。各点表示出现的光脉冲或神经节细胞动作电位。B.（A）中圆圈区域的放大图，其表明光脉冲与动作电位之间一一对应。由于动作电位在光脉冲之后，因而编码器高保真。 [0075] 图16为视网膜假体设备的功能框图。
[0076] 图17为用于图16的假体设备的处理器的功能框图。
[0077] 图18为用于说明图17的处理器的处理流程的流程图。
[0078] 图19为并行处理图17的假体设备的处理器的示意图。
[0079] 图20为用于图16的假体设备的输出发生器的功能框图。
[0080] 图21为用于图20的输出发生器的光源和输入光学元件的示意图。
[0081] 图22为用于图20的输出发生器的光处理器和输出光学元件的示意图。
[0082] 图23为用于图20的输出发生器的输出光学元件的详细示意图。
[0083] 图24为用于说明双向控制视网膜细胞的示意图。
[0084] 图25为用于说明使用视网膜假体设备驱动混合光学/电极接口的流程图。
[0085] 图26为特征为带有一组眼镜的视网膜假体设备的示意图，所述眼睛具有包括在眼镜内的LED光源。图（a）为侧视图。图（b）为从佩戴眼镜人角度的视图。
[0086] 图27视网膜假体设备的示意图，其特征为具有一组眼镜和外部单元。
[0087] 详述
[0088] 本公开提供了一种用于恢复或改善视力、增加视力锐度、或治疗失明或视力受损、或活化视网膜细胞的方法和设备。该方法包括捕获刺激、编码刺激、在接口将代码转换成传感器指令，以及将所述指令传导至视网膜细胞。所述设备包含捕获刺激的方法、执行一组代码的处理设备、接口和一组传感器，其中各传感器靶向单细胞或少量细胞；所述一组传感器指高分辨率传感器。在一个实施方式中，每个编码器执行预处理步骤、时空转换步骤以及输出产生步骤。本方法可以用于视网膜假体，所述视网膜假体可以对宽范围刺激，包括人工和自然刺激，产生代表性反应。
[0089] 本发明和设备可以处理任意类型的刺激。例如，刺激可以包括可见光，但也可以包括其它类型的电磁辐射，如红外、紫外或电磁波谱范围内的其它波长。刺激可以是单一图像或多个图像；此外，图像可以是静态的或可以以时空方式改变。简单的形状如图表，或相对复杂的刺激如自然场景均可以使用。此外，图像可以是灰度图或有颜色的图，或者是灰度与有颜色的图的组合。在一个实施方式中，刺激可以包括白噪声（“WN”）和/或自然刺激（“NS”）如自然场景的影像或其二者的组合。
[0090] 刺激转变或转换成正常视网膜的输出的替代，即大脑容易理解且能用于表现图像的输出形式。转变发生的时间标度与正常或接近正常的视网膜执行的时间标度大致相同，即视网膜神经节细胞对刺激的初始应答发生在约5-300ms的时间间隔范围内。本公开的方法和设备可以帮助患者或患病哺乳动物恢复接近正常或正常的视力，或可以改善视力，包括灰度视觉或颜色视觉，所述患者或患病哺乳动物患有任意类型视网膜退行性疾病，其视网膜神经节细胞（本文中也可以将其称为“神经节细胞”）仍完整。视网膜退行性疾病的非限制性例子包括视网膜色素变性、年龄相关性黄斑变性、尤塞氏综合症、斯塔加特黄斑变性、利伯氏先天性黑内障和巴比二氏综合症、视网膜脱离和视网膜血管闭塞。
[0091] 伴有视网膜退化并发症的疾病包括：雪花玻璃体视网膜退化；成年性黄斑中心凹营养不良导致的脉络膜新生血管形成；结晶样视网膜色素变性；以及糖尿病视网膜病变。以视网膜退化为症状的部分疾病包括：无铜蓝蛋白血症；肾上腺脑白质营养不良；阿尔斯特病（Alstrom disease）；阿尔斯特伦综合症（ Syndrome）；窒息性胸廓发育不良；博纳曼-梅尼克-赖希综合症（Bonneman-Meinecke-Reich syndromw）；博纳曼-梅 尼克-赖希综合症（Bonnemann-Meinecke-Reichsyndromw）；1A型CDG综合症；显性脉络膜视网膜病——小头畸形；脉络膜垂体功能减退症；先天性1A型糖基化障碍；先天性Ia型糖基化障碍；胱氨酸病；稀毛、并指和视网膜退化；Jeune综合症；粘脂糖症IV；4型粘脂糖症；粘多糖症；肌肉-眼-脑综合症；新生儿ALD；3型橄榄体脑桥小脑萎缩；骨硬化症，常染色体隐性
4；色素性视网膜病；假性肾上腺脑白质萎缩症；视网膜劈裂症，X-相关；视网膜劈裂症1，X-相关，青少年；桑塔沃里病；痉挛性截瘫15，常染色体隐性；以及维尔纳综合症。 [0092] 本公开的方法和设备可以用于治疗任意哺乳动物对象，所述哺乳动物对象的部分视网膜神经节细胞、源自视网膜神经节细胞的部分视神经源以及部分其它功能性中枢视觉系统处理功能仍保持完整。本公开的方法和设备能够治疗的视网膜神经节细胞丢失的范围可以包括所有视网膜神经节细胞的仅一部分，或可以包括视网膜中存在的所有视网膜神经节细胞。
[0093] 视网膜假体与正常视网膜一样均是图像处理器——其从所接收的刺激中提取基本信息，并将信息重新格式化为大脑能够理解的动作电位的类型。正常视网膜产生的动作电位类型指视网膜代码或神经节细胞代码。视网膜假体将视觉刺激转变为与相同的代码或相近的替代代码，这样损伤或退化的视网膜就能够产生正常或接近正常的输出。因为视网膜假体使用的代码与正常视网膜相同或相近，所以损伤或退化视网膜中的神经节细胞的放电类型，即其动作电位的类型，与正常神经节细胞所产生的类型相同或基本类似。经本发明设备治疗的对象的视觉识别能力将与正常或接近正常的对象的近似匹配。
[0094] 根据下述多种不同标准进行检测后发现，本公开的方法和设备可以针对较广范围的刺激，包括人工和自然刺激，重现正常或接近正常的神经节细胞输出。在该视网膜假体方法中，本公开的方法使用了编码步骤、接口步骤和传感步骤。本公开的方法和设备可以驱动不同视网膜细胞分类的活化，所述细胞包括但不限于，视网膜神经节细胞和视网膜双极细胞。
[0095] 在一个实施方式中，假体靶向于视网膜神经节细胞。在所述实施方式中，编码步骤将视觉刺激转变为神经节细胞使用的代码或非常类似的代码，传感器通过接口驱动神经节细胞依据代码的指令放电。其结果为损伤或退化的视网膜产生正常或接近正常的输出，即正常或接近正常的放电类型。在另一个实施方式中，假体靶向至视网膜双极细胞（即，传感器靶向至视网膜双极细胞，本文中也可以将其称为“双极细胞”）。在这种情况下，编码步骤出现在更早一个阶段，即编码步骤将视觉刺激转变成代码，所述代码 驱动双极细胞，使双极细胞驱动神经节细胞产生正常输出。使用其它代码也是可以的。在这两个例子中，假体包含相互作用的一组编码器和一组传感器：编码器驱动传感器。如下文所述，编码器通过接口驱动传感器。其结果为获得一种方法，能使视网膜输出细胞产生正常或接近正常的放电类型，并且向脑传递正常或接近正常的视觉信号。
[0096] 由于存在不同类型的视网膜细胞，因而可以使用不同的编码器。差异可以对应于视网膜中特定的细胞类型或细胞位置。当视网膜假体中存在一个以上编码器时，可以对编码器进行并联控制，其可以是独立的，或者也可以通过至少一个或多个耦合器完成。 [0097] 如上文所述，在一个实施方式中，视网膜假体靶向视网膜神经节细胞。在所述实施方式中，首先通过基因治疗对对象（例如，失明患者）的视网膜神经节细胞进行改造，以使其表达传感器，例如光敏感蛋白（例如，ChR2）。随后对象佩戴眼镜，所述眼镜携带照相机、执行一组编码器（一个或多个）的处理设备、以及用于产生光脉冲的接口。照相机捕捉图像（刺激）并通过编码器组将其传递。编码器对刺激执行一系列操作并将其转变成编码的输出，即电脉冲类型（也称为流），其相当于正常神经节细胞针对相同刺激所产生的动作电位类型（或流）。随后电脉冲流被转变成光脉冲流，以驱动对象视网膜上表达ChR2的细胞。图1的示意图显示了下述步骤：将刺激（图像）转变成电脉冲流，随后被转变成光脉冲流，随后其驱动视网膜细胞中的传感器。图2为向患者提供的设备（与体内运转的传感器相互作用的外部设备）的一个实施方式。
[0098] 或者，通过将电极植入患者视网膜中与神经节细胞或双极细胞最接近的位置，以代替患者接受基因治疗以向其提供传感器，即ChR2。在这种情况下，患者随后佩戴眼镜，所述眼镜携带照相机和执行一组编码器的处理设备，并且电脉冲或比特流储存在存储器中，并被转变成信号来指挥电极发射电脉冲，所述电脉冲最终驱动神经节细胞放电。
[0099] 本文的方法和设备可以用于哺乳动物，如人。哺乳动物包括，但不限于，啮齿类动物（例如，豚鼠、仓鼠、大鼠、小鼠）、灵长类动物、有袋类动物（例如，袋鼠、袋熊）、单孔目动物（例如，鸭嘴兽）、鼠类动物（例如，小鼠）、兔类动物（例如，家兔）、犬科动物（例如，犬）、猫科动物（例如，猫）、马科动物（例如，马）、猪科动物（例如，猪）、羊科动物（例如，绵羊）、牛科动物（例如，奶牛）、猿（例如，猴子或猿）、猴（例如，狨猴、狒狒）、类人猿（例如，大猩猩、黑猩猩、猩猩、长臂猿）。
[0100] 本公开的方法和设备还可以与机器人或其它类型的机械设备一起使用，应用于需要视觉信息或光图像处理。
[0101] 编码器的算法和/或参数可随患者不同而不同，其可以根据年龄或疾病进展情况随时间进行调整。此外，如本文所描述的，一个患者可以在一个假体中装配多个编码器，其中编码器可以根据其在视网膜上的空间位置或其它因素而改变，其它因素如细胞类型。本公开的技术允许在患者在体外进行方便和安全的改变算法。可以由本领域普通技术人员完成对算法的调整。
[0102] 对编码器（或编码步骤）和传感器（或传感步骤）的描述如下。
[0103] 编码器
[0104] 编码器是针对视网膜细胞（例如，神经节细胞或双极细胞）输入/输出的模型。其提供了刺激/应答关系。编码器的操作按照算法进行；如本文所述，算法可以由处理设备执行，所述处理设备带有专用电路和/或使用计算机可读介质。
[0105] 在一个实施方式中，编码器是用于神经节细胞的输入/输出模型。这些编码器包括这样的算法，即将刺激转变成与正常神经节细胞针对相同刺激所产生的类型相同或基本类似的电信号类型。视网膜假体可以使用多个编码器，可以将其以并联方式组装，例如，如图11所示，其中刺激的不同区段（换言之，视场的不同区域）通过分离的编码器，编码器则反过来控制不同的特定传感器。在该实施方式中，各编码器可以具有适于其靶传感器的参数，其可以是，例如考虑视网膜细胞，或编码器模拟的细胞，或由编码器输出驱动的细胞的位置和/或类型。术语“代码”可以指电脉冲的类型，其对应于视网膜在对刺激应答时产生的动作电位的类型（也称为峰电位序列）。术语“代码”可以指对应于峰电位序列类型的比特流。每个比特可以对应于一个神经元的活动（例如，1指神经元放电；0指神经元没有放电）。代码还可以是连续的波。本发明可以包含任意类型的波形，包括非周期性波形和周期性波形，周期性波形包括但不限于，正弦波、方波、三角波或锯齿状波。
[0106] 下述流程图总体概述了对编码器操作的一个实施方式。
[0107]
[0108] 预处理步骤
[0109] 这是一个再标度的步骤，其可以在处理设备的预处理器模块中进行，即将真实世界的图像，I，映射成量，X，其在时空转换操作范围内。注意，I和X均为时间变量，即I（j,t）表示在各位置j和时间t时真实图像的强度，并且X（j,t）表示预处理步骤的相应输 出。预处理步骤可以进行如下映射：通过X（j,t）=a+bI（j,t）将I（j,t）映射为X（j,t），其中a和b均为选定的常数，其可以将真实世界图像强度的范围映射为时空转换的操作范围。 [0110] 还可以使用变量史（variable history）进行再标度，以确定a和b的量，并且可以使用用户控制的开关设置不同条件下（例如，不同光照或不同常数）这些量的值。 [0111] 对于灰度图像而言，针对各位置j和时间t，I（j,t）和X（j,t）均只有一个值。 [0112] 对于有色图像而言，采用相同的策略，但是其分别应用红、绿和蓝各颜色通道。在一个实施方式中，针对各位置j和时间t，强度I（j,t）有三个值（I1,I2,I3），其中这三个值I1，I2，I3分别表示红、绿、和蓝的强度。然后利用上述转换将各强度值再标度为其对应的X值（X1,X2,X3）。
[0113] 时空转换步骤
[0114] 在一个实施方式中，采用线性-非线性级联（Chichilnisky EJ2001；Simoncelli等2004综述）实现转换，其中各神经节细胞m，的放电频率λm，由下式给出：
[0115] λm(t;X)＝Nm((X*Lm)(j,t)(1)
[0116] 其中*表示时空卷积，Lm是线性滤波器，其对应于第m个细胞的时空核心，并且Nm是描述第m个细胞非线性的函数，以及，如之前章节所述X是预处理步骤的输出，j是像素位置，且t是时间。将放电频率λm，转变成用于驱动接口的代码（将在下文中讨论）。可以通过处理设备的时空转换模块进行该时空转换步骤。
[0117] 采用空间函数和时间函数的乘积对Lm参数化。例如，在一个实施方式中，空间函数由网格中各像素的权重组成（例如，照相机中的数字化图像），但还可以使用其它替代方案，如网格上正交基函数之和。在所述实施方式中，网格由10X10的像素阵列组成，整个视觉空间为26X26度（其中在视觉空间中每个像素为2.6X2.6度），但是也可以使用其它替代方案。例如，由于对应于视网膜神经节细胞的视觉空间面积随视网膜上空间位置和物种的不同而不同，因而总阵列尺寸可能不同（例如，从为或约为0.1X0.1度至30X30度，其对应于在10X10的像素阵列中，各像素的视觉空间为或约为0.01X0.01度至3X3度）。可以理解，像素阵列的角度范围和尺寸仅用于解释某个特定的实施方式，在本发明还包括其它的像素阵列角度范围或尺寸。对于任意选定的阵列尺寸，阵列中的像素数 还可以依据细胞代表的视觉空间中区域的形状而不同（例如，为或约为从1X1至25X25像素的阵列）。类似地，时间函数由若干时间块的权重之和组成，其在其它时间块的对数时间为升余弦函数（Nirenberg等2010;Pillow JW等2008）。也可以使用其它替代方案，如正交基函数之和。
[0118] 在所述实施方式中，时间样本跨距为18个时间块，均为67ms，总持续时间为1.2sec，但也可以使用其它替代方案。例如，由于不同神经节细胞具有不同的时相性质，因而以块计的持续时间跨距和表示细胞动力学所需的块数均可以不同（例如，持续时间为或约为从0.5至2.0sec且块数为或约为从5至20）。时相性质还可以因物种不同而不同，但是此改变仍包括在上述范围之内。
[0119] 还可以对公式1进行修改，以包括修改编码器输出的项，其依据既往史（即，细胞m已经产生的峰电位序列）和其它神经节细胞输出的既往史（Nirenberg等2010；Pillow JW等2008）。
[0120] 在另一个实施方式中，线性滤波器Lm被参数化为Q项之和，其中各项为空间函数和时间函数的乘积。
[0121]
[0122] 其中 表示外积，以及Sk和Tk分别为kth空间和时间函数（k的范围为1至Q）。 [0123] 在本实施方式中，如前文所描述的，可以对各空间函数进行参数化，例如作为网格上各像素的权重，或作为网格上正交基函数之和。如前所述，也可以对各时间函数进行参数化，例如在若干时间块作为权重之和，以及在其他时间块作为对数时间的升余弦函数。也可以使用其他替代方案，如正交基函数之和。在一个实施方式中，Q为2，和Lm可以表示为 [0124]
[0125] 其中 表示外积，以及S1和T1表示第一对空间和时间函数，以及S2和T2表示第二对空间和时间函数。
[0126] 对于L的参数的两个集合（空间和时间），通过两个因素确定分辨率（像素尺寸，块尺寸）和跨距（像素数，时间块数）的选择：需要获得针对视网膜代码的近似的替代，并且需要保持参数的数量足够少，以使其能够通过实际最优化程序确定（见下文）。例如，如果参数数量太少或分辨率过低，则替代值将不够准确。如果参数数量过多，则最优化程序将出现过度拟合，将无法获得转化结果（公式1）使用适宜的基函数集合是一种 能够减少参数数量并因此避免过度拟合的策略，即“降维”策略。例如，可以通过10个权重之和和基函数对时间函数（覆盖18个时间块，各为67ms）进行参数化；参见“实施例1，构建编码器的方法”部分和（Nirenberg等,2010；Pillow JW等2008）。
[0127] 采用三次样条函数对非线性Nm进行参数化，但是也可以采用其它参数化方法，如分段线性函数、高阶样条函数、泰勒级数和泰勒级数的商数。在一个实施方式中，用带有7个结点的三次样条函数对非线性Nm进行参数化。对结点数量进行选择以准确捕获非线性形状，同时避免过度拟合（参见上述关于过度拟合的讨论）。需要有至少两个结点以控制终点，并因此结点数的范围可以从约2到至少约12。结点的间距要覆盖模型的线性滤波器输出给出值的范围。
[0128] 对于时空转换步骤而言，除了上述线性-非线性（LN）级联以外，替代映射也包括在本发明的范围内。替代映射包括，但不限于，人工神经网络和其它滤波器的组合，如线性-非线性-线性（LNL）级联。此外，时空转换可以加入来自峰电位产生阶段的反馈（见下文）以提供历史相关性和神经元间的相互关系，如（Pillow JW等2008；Nichols等,2010）中描述。例如，可以通过将附加滤波器函数与峰电位产生器的输出进行卷积运算，并将这些卷积的结果通过公式1中非线性的验证而实现。
[0129] 时空转换步骤还可以使用其它模型。模型的非限制性例子包括以下模型：Pillow JW等2008中所描述的模型；动态增益控制；神经网络；表示为常微分方程的模型，所述方程的系统为积分、微分、和接近离散时间步长的普通代数公式，其通过实验数据确定形式和系数；表示为由线性投射（输入与时空核心的卷积）和非线性失真（通过参数化的非线性函数对得到的标量信号进行转换）组成的顺序步骤结果的模型，通过实验数据确定其形式和系数；时空核心为少量项之和的模型，所述各项为空间变量函数与空间变量函数与时间变量函数的乘积，其通过实验数据确定；所述空间和/或时间函数以一组基函数的线性组合表示的模型，基函数集合的大小小于空间或时间样本的数量，通过实验数据确定其权重；非线性函数由一个或数段组成的模型，其均为多项式，其截点和/或系数通过实验数据确定，且模型为上述模型输出的组合，其可能递归地通过如加、减、乘、除、开方、乘方以及超级函数（例如，求幂、正弦和余弦）等计算步骤组合。
[0130] 峰电位产生步骤
[0131] 在峰电位产生步骤中，将神经节细胞放电频率转变成脉冲类型（也称为流），相当于神经节细胞峰电位序列。该步骤可以由处理设备的输出产生模块进行。
[0132] 在一个实施方式中，对于各细胞m，建立带有瞬时放电频率λm的非齐次泊松过程。在一个实施方式中，使用长度Δt的时间间隔（块）。对于各神经元而言，将上述公式1中给出的时空转换的输出即λm（t；X）乘以Δt，获得放电概率。选择选自0至1之间均匀分布的随机数。如果该数低于放电概率，则在该时间间隔的初始产生峰电位。在一个实施方式中，Δt为0.67ms，但可以使用其它块宽度。通过产生泊松过程的标准方法选择Δt的数量，也就是说，选择块宽度使得块宽度与最大放电频率的乘积远低于1。选择块尺寸为计算机效能和允许的高时间分辨率和宽动力范围的折衷。本领域的普通技术人员无需进行过多实验即可做出选择。也就是说，块尺寸越小会导致计算时间增加，而块尺寸越大则使峰电位类型的分辨率模糊。
[0133] 对于峰电位产生步骤而言，也可以使用替代方法，包括但不限于，非齐次γ过程、积分-和-放电过程、以及霍奇金-哈斯利（Hodgkin-Huxley）峰电位产生器（Izhikevich EM2007；Izhikevich EM2010）。
[0134] 编码器的输出即脉冲流，最终被转变成适于驱动传感器的形式，所述传感器例如电极、ChR2蛋白或其它光敏性元件。一个潜在的问题为给定编码器的输出可能包括脉冲序列，其中若干脉冲快速连续地出现（峰电位“串”或峰电位串或脉冲的串或脉冲串）。如果特定种类的传感器（例如，ChR2）无法识别上述脉冲串，则可能会导致假体的性能略有下降。 [0135] 本发明的方法能够解决上述问题，且将该方法称为脉冲串消除步骤或校正或修正步骤。如果编码器的输出包含脉冲串序列，则采用替代方法，其中峰电位（或脉冲）之间的极短间隔最小化。可以产生泊松变异的代码来进行。为了使其按照与假体所要求的真实时间相匹配的方式实现，可以进行下述操作：当峰电位产生器输出的各简短区段产生时（即，再标度的输出、时空转换和峰电位产生步骤），对其进行检查。包含的脉冲数大于或等于确定的标准数Nseg的区段，要被脉冲数等于Nseg且其间距大致相等的区段替换。在一个包含ChR2的实施方式中，持续时间Tseg=33ms的区段，用于替换的脉冲标准数Nseg为3。可以将Tseg选择为或约为3ms至66ms，并且可以将Nseg选择为或约为2至20。作为此步骤的替代方法，脉冲串消除步骤可以去除出现在前一脉冲的Twin窗内的任意脉冲，以确保在该窗内不出现大于标准数Nwin的脉冲。此时，可以以与上述Tseg相同的方式选择Twin，并且可以以与上述Nseg相同的方式选择Nwin。选择Tseg、Nseg、Twin和Nwin的值以适应使用的特定传感器的动力学。
[0136] 如上文所述，峰电位脉冲串的问题可能会导致编码器的性能减退。该问题似乎较为罕见；例如，在用于产生图9所示婴儿脸的12,0001-秒的长峰电位序列中，约1%脉冲序列需要峰电位校正步骤。
[0137] 需注意的是，特别地由于噪音较低，本发明的编码器峰电位产生的变异性低于正常视网膜。因此，编码器可以携带比真实细胞更多的有关刺激的信息。
[0138] 时空转换参数值的确定
[0139] 如此前部分所述，在一个实施方式中，时空转换通过如公式1中给出的线性-非线性（LN）级联实现。本部分描述了确定该公式中Lm和Nm参数的一种方法。首先，对正常生物学视网膜呈现两种刺激：白噪声（WN）和自然场景影像（NS）。为产生图3-9、12、13和14中所示数据使用的编码器，将所述刺激各持续呈现10分钟，并持续记录神经节细胞对其二者的应答；数据集合包含了对这两种刺激的应答。所述呈现可以各持续至少约5分钟、至少约10分钟、至少约15分钟或至少约20分钟，也可以采用其它时间间隔。本领域普通技术人员无需过多实验即可以确定检测时间的长度。然后选择参数Lm和Nm的值使得在公式1给出的率函数中所观察到的峰电位序列的对数相似性最大，其中对数相似性，即Z，由下式给出 [0140] (2)
[0141] 其中所有项的定义均如上文所述，此外，τm(i)为在对刺激X产生应答的第m个细胞中第i个峰电位的时间。值得注意的是，在公式2中Z间接地依赖于Lm和Nm，因为这些量与通过公式1计算得到的λm有关。为使得对数相似性最大，可以随后进行下述步骤。首先假设非线性Nm为指数，因为在这种情况下，对数相似性，即Z，无局部极大值（Paninski等2007）。在将线性滤器和指数非线性最优化后（例如，通过坐标-提高），用样条曲线代替非线性。然后通过对数的最大相似性的交替阶段来确定最终的模型参数，其中将（i）样条参数和（ii）滤波参数最大化，直至达到最大值。
[0142] 该方法还可以用于扩展公式1，其可以包括神经节细胞间的历史依赖性和相关性，如（Pillow JW等2008;Nichols等,2010）中所述。
[0143] 或者，可以使用其它用于确定所述参数的适宜优化方法，以代替使用最大相似性。非限制性例子包括，价值函数的最优化，如针对各次刺激X计算得到的率函数λm之间的均 方误差，以及测得的第m个细胞针对刺激X应答的放电频率。此外，还可以使用其它的最优化方法进行参数评估步骤（如替换为梯度上升），如线搜索或单形法。也可以使用其它最优化技术（参见，例如Pun L1969）。
[0144] 与使用单一型刺激相比（例如，仅为WN或NS），用WN和NS刺激发现时空转换的参数，或更一般的说，发现用于编码器的参数（也称为用于细胞的输入/输出模型），能提供唯一一组参数。
[0145] 针对视网膜神经节细胞，或其它视网膜细胞，开发输入/输出模型所面临的存在已久的难题是：模型只能针对一种类型的刺激工作，而无法针对其它类型的刺激工作。例如，针对WN刺激的最佳模型针对NS刺激无法良好工作，反之亦然。
[0146] 处理该问题的策略集中于使用生物学方法，即在模型中加入适当的机制，使其适应不同的图像统计。方法包括具有明确适应组分的准-线性模型（例如，依赖于输入统计的参数（参见，例如Victor(1987)，其中滤波器的时间常数明确依赖于输入对比），或非线性模型，其中适应是非线性动力学的通现性（参见Famulare和Fairhall(2010)。然而，这些策略在本文所述实施方式所需的针对宽范围刺激的数据驱动方法中无法实现：对于准-线性模型而言，参数的量相对于实验视网膜记录能提供的数据量而言过大，可能阻碍其使用，而对于非线性模型而言，取得进展非常困难，因为尚不清楚对于动力学应使用何种函数形式（例如，使其准确捕获对WN和NS的应答）。
[0147] 如本文的实施例所示，本文使用的方法是非常有效的，即它能够针对宽范围刺激的输入/输出关系，产生非常可靠的映射，所述刺激包括人工和自然刺激。其在大部分情况下是有效的，因为WN和NS是互补的。特别地，在时间和空间域中，与WN刺激相比，NS刺激在低频方向具有更高的权重（且与NS刺激相比，WN刺激在高频方向具有更高的权重）。它们的互补性具有一个主要的优势。与各单独的刺激集相比，组合刺激集可以在输入的多样空间中取样，其驱动参数空间中不同位置的优化。这些参数并不是单独在WN和NS中发现的参数的平均值，而是描述对这两个刺激集和其它刺激（光栅等）应答的模型参数的独特集合。后者使模型具有可概括性；即后者允许编码器在宽范围刺激（包括人工和自然刺激）条件下能够良好的工作，也就是说，当暴露于相同刺激下时，其产生的应答与正常视网膜细胞产生的相同或基本类似。
[0148] 尽管我们已经描述并构建了具有特定算法步骤集合的模块形式的编码器，但是很明显的是可以通过不同步骤构建与输入/输出关系基本类似的算法或设备，或非-模块形式，例如将任意两个或三个步骤组合在单个计算单元中，如人工神经网络。
[0149] 至于本公开的编码器，其可能产生不需要收集生理数据的数据集，其可以用于例如开发用于替代时空转换的参数，或训练神经网络，以产生与使用本领域公知的方法相同或类似的输出。因此，对编码器的明确描述能够用于假体以及其它设备的开发，其它设备例如但不限于仿生学设备（例如，提供超常能力的设备）和机器人设备（例如，人工视觉系统）。 [0150] 例如，此类人工神经网络可以使用输入层，其中输入层的各节点从图像的像素接收输入，随后通过一个或多个隐藏层，所述隐藏层的节点从输入层的各结点和/或从彼此处接收输入，随后通过输出层，所述输出层的各节点从隐藏层的节点接收输入。输出节点的活性对应于编码器的输出。为训练此类网络，可以使用任意的标准训练算法，如反向传播，其中训练输入由用于构建编码器的刺激（即，白噪声和自然场景影像）组成，并且训练输出由编码器的输出组成。该例子说明不需要收集更多生理数据，也可以开发替代的方法（Duda和Hart2001）。
[0151] 可以使用涉及神经细胞间关系的多种模型开发参数。可以对神经元模型的参数进行开发，其中神经元被认为是独立的，或其是偶联或相关的。对于偶联模型而言，允许加入项，使得一个神经元中的峰电位能够影响其它神经元中后续峰电位的概率。（Nichols等2010;Pillow JW等2008）。
[0152] 确定信号模式，以驱动双极细胞驱动神经节细胞，以产生正常或接近正常的视网膜输出。
[0153] 如上文所述，传感器靶向神经节细胞。此处描述了靶向双极细胞的传感器。特别地，以ChR2为例。
[0154] 此处提供了一种确定光刺激类型的方法，向表达ChR2的双极细胞给予所述光刺激，使其产生正常神经节细胞放电类型。使用用于输入/输出关系的神经节细胞，或用于上文所述神经节细胞的编码器，通过逆向工程可以得到驱动双极细胞的光类型。简言之，转化是已知的，即使用从图像至神经节细胞输出的转化可以用于确定光类型，可以呈现所述光类型给表达ChR2的双极细胞以产生相同神经节细胞输出。
[0155] 该方法如下。在一项多电极记录实验中，向表达ChR2的双极细胞呈现任意光类型，并记录神经节细胞应答；这些数据用于确定表达ChR2的双极细胞与神经节细胞之间的转化。然后将该转化反转。反向转化从任意目标神经节细胞输出开始，然后返回为表达ChR2的双极细胞中存在的光类型。
[0156] 为实现上述方法，通过下述公式确定由双极细胞至神经节细胞的时空转换： [0157] λm(t)＝Nm((S*Lm)(t)) (3)
[0158] 其中此处的S是向表达ChR2的双极细胞的输入，L和N是双极细胞向神经节细胞转化的线性或非线性滤波器，并且λ.是神经节细胞的放电频率。为获得参数L和N，我们通过光类型驱动表达ChR2的双极细胞，记录神经节细胞的应答，并按照上述部分的描述优化模型参数。利用所掌握的模型参数，可以确定ChR2产生目标神经节细胞输出所需的输入。形式上，使用公式3表示其中所涉及的反向转化。例如，可以使用下述公式：
[0159]
[0160] 该公式给出的是下一次的输入S(t)，其是目标输出λ(t)和在此时间点前已传递的输入S(t-aΔt)的函数。当滤波器函数L非零时，在跨距为a的次数范围内求和。本发明的算法根据
[0161] λm(t)＝Nm((S*Lm)(t))
[0162] 以离散和表示卷积并采用简单的代数方法实施。
[0163] 上述公式表示形式反转，在实际使用时，依据经验选择时间步长Δt和间距数A，而无需进行实验。还需注意的是，非线性N可能不具有唯一的反转，但这并不是问题，因为对于这些目的，仅需要一个解决方案，而非唯一的解决方案，也就是说仅需要一些能驱动双极细胞产生正确输出（即正常或接近正常的输出）的形式。因此，可以根据将要进行的工作选择任意反转。需要特别注意的是，神经节细胞编码器是该方法的基础。通过神经节细胞编码器对神经节细胞输入/输出（刺激/应答）关系的认识，可以明确驱动双极细胞产生正常神经节细胞放电类型所需的光类型，所述放电类型即为与正常视网膜神经节细胞针对相同刺激产生的相同、或基本类似的放电类型。
[0164] 确定其他类型的细胞的信号模式，以驱动神经节细胞产生正常或接近正常的视网膜输出。
[0165] 除了双极细胞和神经节细胞以外，许多其他类型的细胞是传感器的潜在靶点。例如，一类称为AII无长突细胞（AII细胞）的无长突细胞是传感器的一个适宜靶点。靶向这些细胞可能是有益的，因为其输出能提供输入到多种类型的神经节细胞中，包括开（ON）和关（OFF）神经节细胞（参见综述，Volgyi,Deans,Paul和Bloomfield,J Neurosci
200424(49):11182–11192）。由于AII细胞提供输入至ON和OFF神经节细胞，使用AII细胞代码驱动AII细胞将使ON和OFF神经节细胞接收其正确的输入，并因此将正常或接近正常的输出传递至脑。这提供了一种方法，该方法可以使用传感器靶向一类细胞，使用适合此类细胞的代码进行刺激，并为多种类型的神经节细胞产生正常或接近正常的输出。（将传感器特异性靶向至AII细胞的策略将在下文题为“使用光敏元件的载体”的部分中概述。） [0166] 为确定AII细胞的代码，使用上文所描述的寻找双极细胞代码的策略（参见上文题为“确定信号模式，以驱动双极细胞驱动神经节细胞，以产生正常或接近正常的视网膜输出”的部分）。再次将ChR2作为本申请传感器的例子。使用神经节细胞输入/输出关系，或如前所述的神经节细胞的编码器，可以通过反向工程得到驱动表达ChR2的AII细胞的光模式，其与驱动表达ChR2的双极细胞的光模式的情况相同。随后进行前述确定表达ChR2的双极细胞和神经节细胞之间转换的步骤，但是在这种情况下，确定的是在表达ChR2的AII细胞和神经节细胞之间的转换。该转换的模型如上文所述的公式3，但是现在S是向表达ChR2的AII细胞的输入。为获得L和N的参数，我们用光模式驱动表达ChR2的AII无长
突细胞，记录神经节细胞的应答，并如前所述优化模型参数（参见题为“时空转换参数值的确定”的部分）。利用已有的模型参数，可以通过反演来确定向表达ChR2的AII细胞的输入，所述输入为产生所需的神经节细胞输出所需，所述确定按照对表达ChR2的双极细胞所述的步骤进行。再次将如前所述的神经节细胞编码器作为该方法的基础。驱动AII细胞以产生正常神经节细胞放电模式所需的光模式的发现源自对于神经节细胞编码器提供的神经节细胞输入/输出（刺激/应答）关系的知识，即放电模式是与正常视网膜神经节细胞针对相同刺激产生的相同的，或基本上相同的放电模式。
[0167] 确定细胞过程的信号模式，以驱动神经节细胞产生正常或接近正常的视网膜输出。
[0168] 产生正常或接近正常的视网膜输出的另一个潜在靶点将是专门针对细胞过程的靶向传感器，如视网膜神经节细胞的树突（专门针对细胞过程，如树突或细胞体的靶向传感器的策略将在下文题为“使用光敏元件的载体”的部分中概述）。靶向神经节细胞的树突可能是有益的，因为其将保护神经节细胞的感受域结构。即神经节细胞主要通过其树突接收输入。神经节细胞感受域的空间范围基于其树突的覆盖面积。因此，靶向细胞的树突和使用神经节细胞树突代码进行刺激使得神经节细胞的空间感受域更加精确地匹配。
[0169] 为确定神经节细胞树突的代码，使用上文所描述的寻找双极细胞代码的策略（参见上文题为“确定信号模式，以驱动双极细胞驱动神经节细胞，以产生正常或接近正常的视网膜输出”的部分）。再次将ChR2作为本申请传感器的例子。使用神经节细胞输入/输出关系，或如前所述的神经节细胞的编码器，可以通过反向工程得到驱动ChR2表达神经节细胞树突的光模式，其与驱动ChR2表达双极细胞的光模式的情况相同。依据前述确定表达ChR2的双极细胞和神经节细胞之间转换的步骤，但是在这种情况下，待确定的是在表达ChR2的神经节细胞树突和神经节细胞输出之间的转换。该转换的模型如上文所述的公式3，但是现在S是向神经节细胞树突的输入。为获得L和N的参数，我们使用光模式驱动表达ChR2的神经节细胞树突细胞，记录神经节细胞的应答，并如前所述优化模型参数（参见题为“时空转换参数值的确定”的部分）。用已有的模型参数，可以通过反演确定表达ChR2的神经节细胞树突的输入，所述输入为产生所需的神经节细胞输出所需，所述确定按照对表达ChR2的双极细胞所述的步骤进行。再次将如前所述的神经节细胞编码器作为该方法的基础。驱动神经节细胞树突以产生正常神经节细胞放电模式所需的光模式的发现源自对于神经节细胞编码器提供的神经节细胞输入/输出（刺源/应答）关系的知识，即放电模式是与正常视网膜神经节细胞针对相同刺激产生的相同，或基本上相同的放电模式。
[0170] 传感器：
[0171] 传感器能够接收输入信号并且依据接收的该信号驱动神经元放电或使其电压改变。在一个优选实施方式中，传感器靶向单个细胞并且，例如，但不限于，光敏感蛋白或靶向单细胞的电极。在其它实施方式中，传感器靶向一小群细胞；一小群细胞可以由一个细胞、一组细胞、或约100个细胞组成。在一个优选实施方式中，使用一组传感器且各传感器靶向如上文所述的单个细胞或一小群细胞。我们将该传感器组称为高分辨率传感器。可以将一个以上的传感器靶向给定的细胞或一小群细胞；例如可以将紫红质通道蛋白-2和嗜盐菌紫质靶向至单个细胞。
[0172] 传感器可以驱动任意视网膜细胞，包括但不限于视网膜神经节细胞和视网膜双极细胞，放电或产生电压改变。可以使用接口设备连接编码器和传感器。
[0173] 传感器可以使用任意适宜的机制，且可以包括电极、光遗传学刺激器、热刺激器、光热刺激器等等。（Wells等2005）在一个实施方式中，以刺激视网膜神经节细胞或视网 膜双极细胞的方式，在患者的眼中植入传感器，如电极。在另一个实施方式中，将直接光活化，如基于光吸收的系统，用于传感器。
[0174] 其它传感器也在这些技术范围内，传感器的组合或传感器的复用亦是如此。传感器可以是光应答元件，包括但不限于，蛋白，例如光敏感蛋白或光应答化学实体。 [0175] 起传感器作用的光敏感蛋白是光门控离子通道，其在对光的应答过程中能够产生跨膜离子转运。（Zhang等2009;Lagali等2008）。光敏感蛋白可以对可见光、紫外光或红外光产生应答。光敏感蛋白的例子包括紫红质通道蛋白-1、紫红质通道蛋白-2、LiGluR、ChETA、SFO（阶梯函数视蛋白）、OptoXR（光敏性G蛋白偶联受体）、团藻紫红质通道蛋白-1、团藻紫红质通道蛋白-2（ChR2）、ChIEF、NpHr、eNpHR及其组合。光敏感蛋白或其活性片段可以用作传感器。（欧洲专利申请号19891976。）
[0176] 可以用作传感器的光敏感化学实体的例子包括合成的光敏异构化偶氮苯调节的K+（SPARK）、去极化SPARK（D-SPARK）、光开关亲和性标记（PALs）、CNB-谷氨酸、MNI-谷氨酸、BHC-谷氨酸，及其组合。
[0177] 在一个实施方式中，传感器是视网膜神经节细胞中的光应答元件。可以用比特流表示编码器产生的代码（例如，0和1的流，其中0=无峰电位，1=有峰电位）。随后，比特流被转化成光脉冲流（例如，0=无光，1=有光）。由于神经节细胞中含有光应答元件（如光敏感蛋白，例如ChR2），其将光脉冲转变成膜电压改变，且由于神经节细胞是动作电位神经元，因而光脉冲会导致峰电位产生，即动作电位产生。如果光脉冲的强度适当，例如在0.4–32mW/2
mm 范围内，则光脉冲与之后的动作电位几乎一一匹配（如实施例13所示）。这样，神经节细胞的放电类型紧随编码器的信号之后。
[0178] 在另一个实施方式中，传感器是视网膜双极细胞中的光应答元件。在这种情况下，神经节细胞是被间接驱动的：光刺激双极细胞，其依次向神经节细胞直接或间接（例如，通过无足细胞）发送信号，导致其放电。在这种情况下，向双极细胞提供的刺激可以是离散脉冲或连续波。光敏性元件如ChR2，当其接受光时，会引起双极细胞产生电压改变并向其下游神经元释放神经递质，并且最终导致神经节细胞放电。
[0179] 某些细胞的背景放电可能干扰光敏感蛋白（例如，ChR2）追踪编码器输出的能力。在一个实施方式中，为校正视网膜神经节细胞中的背景放电，可以首先在各细胞中表达ChR2和嗜盐菌紫质（或其等效物）。当用黄光活化时，嗜盐菌紫质将使细胞超极化，抑制放电。当细胞意欲放电时，黄光关闭，蓝光出现。蓝光活化紫红质通道蛋白-2（ChR2），其使细胞去极化，导致发出动作电位。这样，细胞可以通过照黄光来抑制背 景放电，并且光可以由黄色转变成蓝色以产生放电。在其它实施方式中，同样的双向控制策略也可以用于非峰电位细胞——黄光使细胞超极化，蓝光使细胞去极化。
[0180] 此外，如上文所讨论的，某些时候编码器产生一系列快速连续的峰电位（即，脉冲串），传感器如ChR2可能无法很好的对其进行追踪。为解决这个问题，可以产生代码的泊松变异。该版本的代码对脑的意义与正常代码相同，但是其适于传感器的动力学。例如，编码器可以是适宜的，这样得到的代码不会是快速连续的，其更适于ChR2的动力学。或者，可以使用更加紧密的追随峰电位的ChR2的变体。其明确策略可参见上文中的峰电位产生部分。 [0181] 光敏性元件使用的载体
[0182] 可以通过病毒和非病毒载体和方法将基因，例如编码光敏感蛋白的基因，引入视网膜细胞。病毒载体包括，但不限于，腺病毒、腺相关病毒、逆转录病毒、慢病毒、疱疹病毒、牛痘病毒、痘病毒、杆状病毒、和牛乳头瘤病毒，以及重组病毒，重组病毒如重组腺相关病毒（AAV）、重组腺病毒、重组逆转录病毒、重组痘病毒，以及其它本领域已知的病毒。（Ausubel等1989;Kay等2001；和Walther and Stein2000；Martin等2002；van Adel等2003；Han等,2009；美国专利公开号20070261127）。重组载体组装的方法是公知的（参见公开的PCT申请WO2000015822和其它本文引用的参考文献）。
[0183] 一个实施方式是腺相关病毒。已报道了多种不同的血清型，包括AAV1、AAV2、AAV3、AAV4、AAV5和AAV6。用于产生本公开中使用的载体和衣壳，以及其它构建体的AAV序列可以来自多种来源。例如，序列可以由AAV5型、AAV2型、AAV1型、AAV3型、AAV4型、AAV6型或其它AAV血清型或其它腺病毒提供，包括目前已鉴定的人AAV型和尚未鉴定的AAV血清型。这些病毒血清型和毒株中的多种可以从美国模式培养物保藏中心（马纳萨斯，弗吉尼亚州）获得或可以从多个科研机构或商品化来源获得。或者，可能需要采用本领域已知的技术在制备本发明实施方式的载体和病毒的过程中使用合成序列；这些技术可以利用已公开的和可以在多种数据库中获得的AAV序列。制备本发明实施方式的构建体所用序列的来源并不是为了对本发明造成限制。类似地，对提供这些序列的AAV的种属和血清型的选择是本领域技术人员可以实现的，且并不限于本发明的实施方式。AAV可以是自身互补的。（Koilkonda等2009）
[0184] 在不同实施方式中，可以采用本文中所描述的材料和方法以及本领域技术人员已知的公知常识，来构建和生产载体。用于构建本发明实施方式的此类工程方法是分子生物 学领域技术人员公知的，其包括基因工程、重组病毒工程和生产，以及合成生物学技术。参见，例如Sambrook等以及Ausubel等，上文已引用；和公开的PCT申请WO1996013598。此外，用于在腺病毒衣壳中产生rAAV表达盒的适宜方法已在美国专利号5,856,152和5,871,982中进行了描述。用于将基因递送至眼部细胞的方法同样是本领域所公知的。参见，例如Koilkonda等,2009和美国专利公开号20100272688。
[0185] 还可以通过本领域公知的其它非病毒方法递送基因，包括但不限于，质粒、粘粒和噬菌体、纳米粒子、聚合物（例如，聚乙烯亚胺）、电穿孔、脂质体、Transit-TKO转染试剂（Mirus Bio,麦迪逊，美国）。Cai等2010；Liao等2007；Turchinovich等2010。Wright详细综述了能将基因转染至眼内目的细胞的技术（Wright1997）。还可以使用Neurotech（林肯，罗得岛州，美国）开发的包封细胞技术。
[0186] 调控序列
[0187] 载体可以包括适宜的表达控制序列，包括但不限于，转录起始、终止、启动子和增强子序列；有效的RNA加工信号，如剪接和聚腺苷酸化信号；稳定胞质mRNA的序列；增强翻译效能的序列（即，Kozak保守序列）；增强蛋白稳定性的序列；以及有需要时，增强蛋白加工和/或分泌的序列。大量不同的表达控制序列，例如天然的、组成性的、诱导性的和/或组织特异性的，均为本领域所公知的，并可以依据表达目的类型的不同，利用其驱动基因的表达。本领域的普通技术人员可以选择出适宜的表达序列，而无需过多实验。
[0188] 对于真核细胞而言，表达控制序列一般包括启动子、增强子，如来自免疫球蛋白基因的增强子、SV40、巨细胞病毒等，以及聚腺苷酸化序列，其可以包括剪接供体和接受位点。聚腺苷酸化序列通常嵌入转基因序列之后以及3·ITR序列之前。在一个具体实施方式中，使用牛生长激素polyA。
[0189] 在本公开的方法中，载体使用的其它调控组件为内部核糖体进入位点（IRES）。IRES序列或其它适宜系统可以用于生产来自单个基因转录本的一个以上多肽。IRES（或其它适宜序列）用于生产含有一个以上多肽链的蛋白，或表达来自或处于同一细胞的两种不同蛋白。IRES的一个例子是脊髓灰质炎病毒内部核糖体进入序列，其支持视网膜细胞中的转基因表达。
[0190] 载体中引入的启动子可以从大量组成性或诱导性启动子中选择，所述启动子能够在眼细胞中表达选定转基因。在一个实施方式中，启动子是细胞特异性的。术语“细胞特 异性”是指用于重组载体的特定启动子能够在特定眼细胞类型中指导选定基因的表达。在一个实施方式中，启动子在视网膜神经节细胞中特异性表达转基因。在一个实施方式中，启动子在双极细胞中特异性表达转基因。
[0191] 如上文所讨论的，各类视网膜神经节细胞、视网膜双极细胞、或视网膜无长突细胞使用其自身代码。在本发明的一个实施方式中，仅靶向至一类神经节细胞。可以通过细胞特异性启动子控制光敏感蛋白的表达。例如，在ON-双极细胞中，可以通过mGluR6启动子来控制表达。（Ueda等1997）。例如，可以通过神经节细胞特异性基因启动子，例如Thy-1，使光敏感蛋白在视网膜神经节细胞中表达。（Arenkiel等2007;Barnstable等1984） [0192] 在某些实施方式中，传感器将靶向至特定类型的称为AII无长突细胞的视网膜细胞。在一个实施方式中，将通过控制病毒的剂量实现。例如，在混合巨细胞病毒早期增强子和鸡β-肌动蛋白（CAG）启动子的控制下，表达ChR2的低剂量rAAV2载体优选在AII无长突细胞中靶向表达ChR2（Ivanova和Pan,Molecular Vision2009;15:1680-1689）。在另一个实施方式中，使用细胞特异性启动子将传感器靶向至AII无长突细胞。例如，Fam81a系优选标记AII无长突细胞，如Siegert,Scherf,Punta,Didkovsky,Heintz,和Roska,NatureNeuroscience12(9)1197-1204所示。
[0193] 在一个实施方式中，通过使用本文所描述的特异性双载体cre-lox系统（cre-lox方法学的概述，参见Sauer(1987)），可以使传感器靶向至特定类型的视网膜细胞。例如，可以按照如下所示将ChR2靶向至OFF神经节细胞亚类：在一个病毒载体中，在钙结合蛋白启动子的调控下，将倒置的ChR2基因反向插入loxP位点的侧翼；钙结合蛋白在OFF视网膜神经节细胞亚类和某些无足细胞中表达（Huberman等,2008）。随后，在Thy-1启动子（在视网膜神经节细胞中表达的启动子）的调控下，引入表达Cre重组酶的另一病毒载体（Barnstable等1984）。由于Thy1启动子仅在神经节细胞中表达Cre重组酶，因而倒置的ChR2将仅在这些细胞中，而不是无足细胞中，倒装并表达。ChR2正确方向的表达仅在钙结合蛋白启动子和Thy1启动子均活化的细胞中发生，即OFF神经节细胞亚类中。（值得注意的是，Thy1和钙结合蛋白启动子均可以在视网膜以外的区域活化，但是其不会引起基因在载体中表达，因为载体仅应用于眼特别是视网膜）。
[0194] 还可以以相反方式实施该构想（其用处取决于我们所拥有的启动子）：例如，在神经节细胞中我们可以使用Thy1驱动CHR2。我们将其以正确的方向放置，并在其侧翼放置lox序列。然后，我们使用另一个启动子，例如，GABA A受体启动子，在神经节细胞的 某些亚类中活化Cre重组酶。Cre将在这些细胞中反转ChR2，将其关闭——这样ChR2将仅在表达Thy-1并表达其它启动子的细胞中活化。如果在其它细胞类型中Cre被活化也没有关系，因为其它细胞中没有ChR2，所以也不会关闭ChR2。
[0195] 这些相同的方法可以应用于其它类型的视网膜神经节细胞中。通过在钙结合蛋白启动子的位置更换启动子以实现其靶向性，如SPIG1-启动子（Yonehara等2008,Yonehara等2009）、DRD4-启动子（Huberman等2009）、神经丝蛋白的启动子（Nirenberg和Cepko,1993）、及在神经节细胞亚类中驱动表达的其它启动子，如Siegert等(2009)所鉴定的那些。也可以很容易地将本文中描述的双载体Cre-Lox系统扩展至靶向其它细胞类型。
可以使用启动子分析来鉴定启动子功能性片段和衍生物（McGowen等1998；4:2；Bookstein等1990）。
[0196] 在一个实施方式中，靶向至视网膜神经元的多个类型，并且不同传感器，如不同的ChR2衍生物，可以在不同类型的细胞中表达。不同的传感器，例如不同的ChR2衍生物，可能在其性质上不同，性质包括激发波长。因而，可以通过将代码按不同波长呈现的方式将代码传递至特定类型的细胞。例如，如果我们仅在OFF细胞中放置蓝敏感性传感器，随后可以通过传递OFF细胞代码产生的蓝色光脉冲，来选择性驱动OFF细胞。其它细胞类型将对蓝光无应答，这样将不会被OFF细胞的代码所驱动。
[0197] 灵长类视网膜神经节细胞层（GCL）的构造也使得对特定细胞类型能够具有靶向性。神经节细胞体在GCL内。在接近小凹的位置，GCL最薄，并且含有若干层细胞体。不同类型细胞的细胞体位于GCL内的不同位置。例如，与OFF细胞体相比，ON细胞体更接近与视网膜表面（接近于玻璃体）（Perry和Silveira,1988）。这样，可能优先靶向至ON细胞。这可以通过，例如病毒载体低剂量感染（例如，携带ChR2的AAV），来实现；低剂量感染将优先靶向至接近表面的细胞。该方法不仅限于小凹，其可以应用于含有多个亚层的GCL的视网膜的任意区域。
[0198] 在另一个实施方式中，可以在双极细胞中表达光应答元件。例如，可以使用mGluR6ChR2质粒（Ueda等1997；美国专利公开号20090088399）或其它高效腺相关病毒将光应答元件，例如编码紫红质通道蛋白-2的基因，靶向至双极细胞。（Morgans CW等2009；Cardin JA,等2010；Petrs-Silva等2009；Petersen-Jones等2009；Mancuso等2009）。也可以使用双极细胞特异性启动子，如在ON双极细胞中表达的谷氨酸受体基因的启动子（参见Lagali等2008）或抗肌萎缩蛋白的启动子（Fitzgerald等1994）。可以使用启动子分析来鉴定启动子功能性片段和衍生物（McGowen等1998；4:2；Bookstein等1990）。
[0199] 可以引入本发明实施方式的载体的组成性启动子的例子包括但不限于，CMV介导的早期增强子/鸡β-肌动蛋白（CβA）启动子-外显子1-内含子1元件、RSV LTR启动子/增强子、SV40启动子、CMV启动子、381bp CMV介导的早期基因增强子、二氢叶酸还原酶启动子、磷酸甘油激酶（PGK）启动子、和578bp CBA启动子-外显子1-内含子1。（Koilkonda等2009）。可以使用启动子分析来鉴定启动子功能性片段和衍生物（McGowen等1998；4:2；Bookstein等1990）。
[0200] 或者，通过引入诱导性启动子来表达转基因产物，以控制眼细胞中产物的量和产生的时间。如果已证实基因产物过度蓄积时对细胞具有毒性，则可以使用此类启动子。诱导性启动子包括本领域公知的和上文中讨论的，包括但不限于，锌诱导性羊金属硫蛋白（MT）启动子；地塞米松（Dex）诱导性小鼠乳瘤病毒（MMTV）启动子；T7启动子；昆虫蜕皮激素启动子；四环素抑制性系统；四环素诱导性系统；RU486诱导性系统；以及雷帕霉素诱导性系统。可以使用被严格调控的任意类型的诱导性启动子。在本文中可以使用的其它类型的诱导性启动子是可以被特定生理状态所调控的启动子，特定生理状态例如温度、急性期、特定的细胞分化状态、或仅在正在复制的细胞中。
[0201] 这些和其它普通载体和调控元件的选择都是常规的，并且很多此类序列可以购买获得。参见，例如Sambrook等1989and Ausubel等1989。当然，并非所有的载体和表达控制序列在本发明的实施方式所有转基因的表达方面均具有同样好的功能。然而，在不脱离本发明范围的情况下，本领域技术人员可以在这些表达控制序列中作出选择。本领域技术人员利用本申请提供的指导可以选择适宜的启动子/增强子序列。此类选择是一种常规选择，而非对分子或构建体的限制。例如，可以选择一种或多种表达控制序列，将该序列与目标转基因有效连接，并且加入表达控制序列，并将该转基因导入载体。根据本领域中任意一种用于包装载体的方法，可以将载体包装至感染性粒子或病毒粒子。
[0202] 优先评估了载体通过常规方法的污染情况，然后将其制成供视网膜注射的药物组合物，所述载体为上文中详细描述的用于靶向眼部细胞的载体，并包含所需光敏性元件和细胞特异性启动子。所述制剂涉及药学上和/或生理学上可接受的辅料或载体的使用，特别是适用于玻璃体、视网膜、或视网膜下注射的，如缓冲盐或其它缓冲液，例如HEPES，以维持适宜生理水平下的pH。在已公开的PCT申请WO2002082904中提供了多种此类已知载体，其通过引用并入本文。如果病毒需要长期保存，则可以在存在甘油的条件下冷冻。 [0203] 根据本发明方法的不同实施方式，即用于治疗具有视网膜退化特性的眼部疾病的方法，将上文所述的药物组合物通过玻璃体、视网膜、或视网膜下注射的方法给予患有此类致盲疾病的对象。对眼部给药载体的方法是本领域所公知的。参见，例如Koilkonda等,2009和美国专利公开号20100272688。
[0204] 在细胞特异性启动子序列控制下，载体携带的编码目的光敏性元件的核酸序列的9 12
有效量范围，可以在约1×10 至2×10 个感染单位每约150至约800微升体积之间。按
照如McLaughlin等,1988中所描述的方法对感染单位进行检测。更理想的是，有效量在在
10 11
约每250至约500微升体积中，约1×10 至2×10 个感染单位之间。还可以由主治医务
人员在考虑对象的生理状态、接受的治疗、对象的年龄、具体的眼部疾病以及、疾病发展的程度（如果是进展性的），来选择该范围内的其它剂量，所述对象优选为人。
[0205] 还可以确定本发明实施方式的药物组合物的后续给药剂量。例如，依据在眼部靶细胞内转基因的持续时间，可以按每6个月的间隔强化给药一次，或在首次给药后每年给药一次。
[0206] 由主治医务人员采用检测方法对此类强化给药剂量及其需要进行监控，所述检测方法例如本文所描述的视网膜和视力功能检测以及视力行为检测的方法。其它类似检测也可以用于确定接受治疗对象的状况随时间变化的情况。可以由主治医务人员对适宜的检测进行选择。再或者，本发明方法的实施方式还可以涉及通过单次或多次注射的方法注射给予大体积含有病毒的溶液，以使得视力功能水平与正常视网膜接近。
[0207] 代码可以通过光来源转变成光脉冲，所述光来源例如但不限于，LED阵列、DLP芯片、扫描激光束或适宜来源的LCD。将在下文中更为详细地描述用于光敏性元件的接口。 [0208] 在另一个实施方式中，传感器是电极。通过电极，编码器产生的电脉冲直接地或通过双极细胞或其组合驱动神经节细胞，以根据该编码脉冲放电。植入的电极可以是，但不限于如美国专利号6533798和7149586；美国专利公开号20080249588、20090326623和20080221653中所描述的电极。
[0209] 可以用于该假体的使用AAV和光敏感蛋白的载体的例子为，但不限于，sc-mGluR6-hChR2–GFP、mGluR6-hChR2–GFP、sc-smCBA-CHR2-GFP、sc-smCBA-CHR2-GFP、Flex-CBA-Chief-GFP。（Bill Hauswirth,个人通信(personal communication）也可以使用在双极细胞中是活化的，并使用L7启动子的较新的载体，例如，AAV2或AAV2-Y444F或AAV2-Y444、500、730F。（参见例如Sheridan C2011；公开的PCT申请 WO1998048027、WO2001094605、WO2002082904、WO2003047525、WO2003080648、WO2003093479、
WO2003104413、WO2005080573、WO2007127428、WO2010011404）。
[0210] 在某些情况下，在细胞体（胞体）或细胞树突中特定表达ChR2（或其他传感器）可能是有用的。例如，因为神经节细胞体很少相互重叠，而靶向细胞体的树突将阻止邻近的神经节细胞接收重叠的刺激，即神经节细胞对邻近神经节细胞的刺激产生应答的可能性较小。 [0211] 可以使用方法如Greenberg KP等，2011完成靶向树突或细胞体。简言之，将细胞表达的蛋白（例如，ChR2）融合至在细胞体或树突中特异性表达的分离蛋白。例如，Greenberg等将ChR2融合至蛋白锚蛋白，其仅在细胞体中表达。然后，细胞的内在蛋白定位机制将融合的锚蛋白-ChR2构建体特异地运输至细胞体。另一个例子是PSD95，其特别地在树突中表达。已显示融合的PSD95-ChR2构建体仅在细胞的树突中表达。
[0212] 设备：
[0213] 可以应用本文所描述的技术以提供能够在对象中改善或恢复视力的假体设备。在不同实施方式中，假体设备接收视觉刺激、处理刺激、并产生在多个视网膜细胞中驱动应答的输出。刺激被转换或转化为正常视网膜输出的替代，也就是一种脑能够容易地理解和作为图像表示使用的输出形式。转换发生的时间标度与由正常或接近正常的视网膜的执行大致相同，即初始视网膜神经节细胞对刺激的应答发生在约5-300ms时间间隔的范围或其任意子范围。在某些实施方式中，视网膜输出的该替代可以在大量细胞中建立（例如，至少100、1,000、10,000、100,000个细胞或更多，例如在100-1,000,000个细胞的范围而内或其任意子范围）。在某些实施方式中，产生的替代输出具有非常高的分辨率，例如在单细胞水平，或小细胞群（例如，20或更少、10或更少、5或更少、3或更少等，在1-20范围内或其任意子范围）。
[0214] 在不同实施方式中，设计假体设备以满足多种性能标准，其有利地组合以使得该设备在受损的视网膜中产生应答，其准确地模拟如上文所描述的正常视网膜。首先，该设备可以记录具有高水平的保真度、时间分辨率、和空间分辨率的视觉刺激。其次，该设备可以以高水平的准确度和速度处理记录的信息，并在产生输出，所述输出在对象的视网膜细胞中产生的时间依赖性应答基本上与正常视网膜细胞对所述刺激产生的时间依赖 性应答相同。进一步地，该设备应该能够在对象大量的视网膜细胞中以高分辨率驱动应答（例如，在单细胞水平或细胞小组水平）。
[0215] 在不同实施方式中，假体设备以可接受的递送滞后时间操作。如本文所使用的，递送滞后时间指在刺激中事件发生和递送相应的输出信号（例如，一种或多种输出光或电脉冲）至视网膜之间的时间量。在某些实施方式中，假体具有的滞后时间小于约50ms、小于约20ms、小于约10ms、小于约5ms等，例如在5-50ms范围而内或其任意子范围。
[0216] 在某些实施方式中，针对复杂刺激例如移动的自然景物假体设备可以满足这些标准中的一项或多项或全部。例如，在不同实施方式中，假体能够针对刺激发挥如本文所述的作用，其已被如Geisler,Annu.Rev.Psychol.59:167-92(2008)所示的自然景物的统计学性质表征。此类自然景物可以被空间和时间频率含量表征，其依赖于频率的幂次定律（例如，其中幂次定律的指数范围为约-1至约-4或更低）。
[0217] 下文描述了假体设备的示例性实施方式，其满足上述标准中的一项或多项或全部。参见图16，在某些实施方式中，假体设备100包括数字照像机102、处理器104、和输出发生器106。这些元件可以使用任意适宜的连接方式（例如，有线、无线、光学等）任选地连接。
[0218] 照像机102接收视觉刺激，将其转换成数字信号，并将该信号传递至处理器104。处理器104处理该信号以产生一种或多种代码。输出发生器106接收来自处理器的代码并产生输出（例如，光脉冲、电脉冲等），其驱动多个视网膜细胞（例如，通过本文所描述类型的高分辨率传感器）以产生所需应答。设备100运转在视网膜细胞中产生时间依赖性应答，其基本上与相应正常视网膜细胞对相同刺激产生的时间依赖性应答相同。
[0219] 照像机102接受一段时间内的视觉刺激（例如，移动的自然景象）并产生相应的数字图像流。数字图像可以均包括至少0.01兆像素、至少0.1兆像素、至少1兆像素、至少2兆像素或以上，例如在0.01-1000兆像素范围内或其任意子范围而。可以通过帧速率（例如，每秒的图像帧数）对数字图像流进行表征，其为至少10Hz、至少50Hz、至少100Hz、或以上，例如在1-1000Hz范围内或其任意子范围。数字图像可以是彩色的、灰度的、黑色和白色的，或其他适宜的图像类型。
[0220] 在某些实施方式中，照像机基于电荷偶合设备（CCD）。在一个实施方式中，照像机100是Point Grey Firefly MV设备（752x480像素，8比特/像素，每秒60帧）（Point GreyResearch,里士满，不列颠哥伦比亚，加拿大）。在另一个实施方式中，照像机100是E- consystems e-CAM50_OMAP_GSTIX，其包括Omnivision OV5642照像机模块（1280x720像素，8比特/像素，每秒30帧）。
[0221] 在某些实施方式中，通过照像机102获得图像并以足够的速度传输至处理器104，以避免设备100操作时产生不需要的滞后时间。为达到这一目的，在某些实施方式中，在照像机102和处理器104之间提供了高带宽的连接。例如，在照相机和处理设备之间使用USB2.0接口可以达到20MB/sec以上的数据传输。在其它实施方式中，在照相机和处理设备之间使用并行接口，如整合至OMAP3530处理器（Texas Instruments,达拉斯，得克萨斯州）的照相机图像信号处理器中的并行接口。在不同实施方式中，可以使用其它适宜的连接，包括有线或无线连接。可以使用能够进行高速数据传输的任意连接将照相机102与处理器104连接，包括但不限于，串行接口，如IEEE1394或USB2.0；并行接口；模拟接口，如NTSC或PAL；无线接口；可以将照相机整合至与处理设备共板。
[0222] 在不同实施方式中，可以使用能够以高空间和时间分辨率捕获视觉图像的任意设备代替照相机102，然后再将这些图像转移至处理器104。这些设备包括，但不限于，基于电荷偶合设备（CCD）的设备；有源像素感受器（APS）如互补金属氧化物半导体（CMOS）感受器、薄膜晶体管（TFT）、光二级管阵列；及其组合。
[0223] 在不同实施方式中，照相机102可以包括一种或多种附加的光学、机械、硬件、或软件元件，包括例如自动对焦、快门、光学变焦、电子变焦等。可以通过处理器104对这些元件进行控制，和/或使用一种或多种控制输入（例如，从用户接口）。
[0224] 处理器104使用本文所描述的技术实施图像流处理，包括例如编码器，其执行从图像到代码的转换。对于空间中的给定位置而言，针对一系列输入图像应用通过编码器的特定转化，产生编码输出，以驱动在空间所需位置的靶细胞。在一个实施方式中，其中靶细胞是视网膜神经节细胞，编码器的输出是指定时间的一串电脉冲，在此时视网膜神经节细胞应放电。可以使用亚毫秒级的分辨率对各次脉冲的时间进行计算。
[0225] 在一个实施方式中，其中靶细胞是视网膜神经节细胞，处理设备的输出形式如下：对于给定时间t，输出是比特的矩阵，其中在位置（x,y）处的要素对应于在位置（x,y）的神经节细胞的状态：如果细胞在时间t应发出尖峰信号，则是1，如果细胞在时间t不应发出尖峰信号，则是0。确定该矩阵的尺寸，这样其与能够被刺激的神经节细胞数匹配。然后将编码器的输出存储在内存中并转化成信号以通过输出接口驱动传感器（见下文）。在某些实施方式中，转换在块中发生。在一个实施方式中，编码器的输出被储存16.66ms，然后被转化为块。可以使用的块范围而为5ms至66.66ms（或更多）。在某些实施方 式中，通过刺激起始和神经节细胞首次尖峰信号应答之间的时间延迟以确定时间的最小块长度。
[0226] 图17显示了用于解释处理器104的示例性实施方式的功能框图。如图所示，处理器104包括若干处理模块，其可操作地与一个、若干、或所有其他的模块连接。可以将模块用于一种或多种处理设备（例如，见下文中的详细描述）。如本文所使用的，如果基本上与模块功能相关的所有基本计算指令均能在处理器上实施，则认为模块基本上在给定处理器中执行。
[0227] 处理器104包括图像标度模块201，其从照相机102中接收图像流并重新标度各图像的亮度和/或对比度以产生经重新标度的图像流。值得注意的是，在某些实施方式中，在整个图像中的重新标度不需要一致。也就是说，在图像的不同部分可以应用不同的标度比例。在某些实施方式中，图像标度模块实现了上述题为“预处理步骤”的部分中描述的处理类型。
[0228] 时空转换模块201从重新标度的图像流中接收一组N个重标度图像并针对该组N个图像应用时空转换（例如，上述题为“时空转换步骤”的部分中描述的类型）以产生用于视网膜细胞的一组放电频率，其输出例如至数字脉冲发生器。在某些实施方式中，时空转换模块202包括空间转换模块202a，其用空间核函数对所述N个重新标度的图像中的每一个进行卷积，以产生N个空间转换图像，和时间转换模块202b，其用时间核函数对所述N个空间转换图像进行卷积，以产生时间转换输出。在其他实施方式中，例如其中处理涉及具有非分离的时空转换的编码器，不使用独立的空间和时间转换模块。
[0229] 在某些实施方式中，N为至少2、至少5、至少10、至少13、至少15、至少30等，例如在2-50范围内或其任意子范围。
[0230] 在某些实施方式中，处理器104包括非线性转换模块203，其对时空转换输出应用非线性函数以产生一组放电频率（例如，参见对上文公式1的描述）。在某些实施方式中，使用查阅表实施非线性函数。
[0231] 数字脉冲发生器模块205产生与来自一个或多个其他模块的放电频率输出对应的数字脉冲串，以及产生与各放电频率对应的数字脉冲串（即，一系列数字脉冲）。然后将这些脉冲串输出至输出发生器106。在某些实施方式中，数字脉冲发生器205实现了上述题为“峰电位产生步骤”的部分中描述的处理类型。
[0232] 在某些实施方式中，插值模块206用于产生具有与照相机102的帧速率相比时间分辨率更高的数据。在某些实施方式中，插值模块206接收来自时空转换模块202的输出，应 用插值法，并将结果传递至非线性转换模块203。在其他实施方式中，插值法可以在非线性转换后应用，例如在输入至数字脉冲发生器106之前直接插入放电频率。在某些实施方式中，插值信息具有的时间分辨率与从照相机102接收的图像流的至少2、至少5、至少10、至少20、或至少50次或更高的帧速率对应。
[0233] 在某些实施方式中，提供了脉冲串消除模块207，其对数字脉冲发生器模块205的输出进行操作，以减少或消除存在的脉冲串。在某些实施方式中，脉冲串消除模块207实现了上述题为“峰电位产生步骤”的部分中描述的脉冲串消除处理类型。
[0234] 图18是用于说明处理器104实施的示例性处理流程的流程图。在步骤300中，获取图像序列。在步骤301中，进行亮度和/或对比度标度。在302中，重新标度的结果为在准备时空转换中重新映射。在步骤303a和303b中，进行时空转换。对于独立的核函数而言，其涉及连续的空间和时间转换。对于不可分离的核函数而言，需要更复杂的处理。在步骤304中，时空转换的结果在步骤305插值法准备中重新映射（例如，使用样条插值技术）。在步骤306中，将非线性函数应用于插值结果，例如使用查阅表以产生放电频率。在步骤307中，应用放电频率以产生数字脉冲串（例如，使用基于泊松过程的技术）。在步骤308中，对已产生的脉冲应用脉冲串消除。在步骤309中，使用数字脉冲以产生光脉冲，例如使用DLP输出设备，见下文详述。
[0235] 图18显示了在一个实施例的处理流程中完成各步骤所需的示例性处理时间，其中假体100分别靶向至10,000个视网膜细胞。该处理同时在18个图像帧上进行（对应于时空转换模块时间函数18个时间块的长度）。给出示例性的时空转换时间，其针对转换是独立的（“1阶”）、或不可分离的和以两个外积项（“2阶”）之和实施的情况。与1阶处理相比，2阶处理的时空处理时间加倍。
[0236] 值得注意的是，示例性各处理时间之和大于23ms。对于很多应用而言，该总时间显著长于正常细胞针对刺激的相应应答时间，因此对象将经历不利的处理滞后。因此，在某些实施方式中，处理器104执行一种或多种并行的处理技术以降低总处理时间，以缩短或消除感知滞后。例如，在某些实施方式中，处理流程采用流水线技术。流水线指处理执行技术，其在执行过程中将多项计算指令重叠。处理流程分阶段进行。各阶段完成单独的计算指令，各阶段可以并行地执行其计算指令。各阶段首尾相接以形成流水线，这样输入数据在一端进入，通过处理阶段处理，并在另一端作为已处理的输出输出。
[0237] 流水线不会减少各计算指令的执行时间（例如，图18中各块的示例性处理时间）。相反地，其增加了处理流水线的通量。由于流水线阶段是连接的，因而所有阶段都在相 同时间处理。通过已处理的输出离开流水线的时间确定处理流水线的通量——一般将离开处理流水线的各组输出之间的时间称为一个周期。一般将在处理流水线中移动指令至下一个步骤所需的时间称为一个周期。通过最短流水线阶段所需的时间确定周期的长度。优选地如果各阶段是平衡的，则流水线处理流程中各周期的时间等于非流水线处理流程各周期的时间除以流水线阶段数。在这些条件下，流水线的速度增加是一个因素，其等于流水线阶段数量。但是，通常各阶段将不是理想地平衡的，流水线本身涉及某些消耗。
[0238] 针对图18中的示例性处理流程，流水线结果使得处理时间大幅减少。在一个实施方式中，可以在若干ms内完成处理，其与正常对象相应的视网膜处理时间相当。
[0239] 值得注意的是，处理流程可能不是严格的正反馈，即在某些实施方式中，早期处理阶段可以引入晚期阶段的反馈。例如，在某些实施方式中，在一个编码器中产生的数字脉冲可以进一步影响同一编码器或其他编码器（例如附近或邻近的编码器）的脉冲产生。这样的话，当使用编码器时其包括神经元之间的历史依赖性或相关性（如上文“时空转换步骤”部分中描述的）。其可以通过例如将来自数字脉冲产生阶段的反馈引入向非线性阶段的输入，进而影响后续脉冲的产生。
[0240] 在某些实施方式中，当在一个编码器中产生的数字脉冲影响同一编码器中后续脉冲的产生时，可以使用“历史项”。在数字脉冲产生时，将历史项加入至插值步骤的输出，然后将插值的总和和历史项转换成非线性。
[0241] 同样地，在某些实施方式中，可以使用“偶联项”以反馈一个编码的数字脉冲产生阶段对其他编码器后续脉冲产生的影响。其可以以与历史项类似的方式完成，无论何时产生数字脉冲均可以使用偶联项。但是，偶联项并非加入用于产生数字脉冲的编码器的插值输出，偶联项是加入其他编码器（如附近的编码器）的插值输出。
[0242] 各历史项和偶联项可以是插值输出时间分辨率上的一系列C值。在某些实施方式中，C为至少2、至少10、至少20、至少50、至少100、至少200、至少300、至少400等等，例如在2-400范围内或其任意子范围。可以通过产生的影响后续脉冲产生的数字脉冲的时间长度确定C的长度，其还可能依赖于插值输出的分辨率。
[0243] 图19显示了特征为双处理器架构的处理器104的示例性实施方式。如图所示，处理器104包括通用处理器（GPP）和数字信号处理器（DSP），例如集成到一张芯片。GPP和DSP连接至共享内存（MEM）。处理器104从照相机102接收数据，例如通过共享内存。处理器104输出数据例如至输出发生器106。
[0244] 在一个实施方式中，DSP是Texas Instrument TMS320C64系列处理器。GPP是ARMCortex A8处理器，并且共享内存是SDRAM（例如，512MB的内存）。在不同实施方式中，可以使用本领域公知的其他适宜的处理器。某些实施方式可以采用两个以上的并行处理器和一个以上的共享内存。
[0245] 图19中的平台为高度并行计算指令的能力。如上文所述，处理流程可以是流水线，其将不同处理步骤或模块在处理器之间分割。一般而言，可以将耗费更多计算指令的处理工作（例如，涉及复杂矩阵操作、卷积、插值等的工作）分配至DSP，可以将耗费较少的工作（例如，图像重新标度、脉冲产生、处理同步化和其他“整理”工作）分配至GPP。 [0246] 下表是对图18的处理步骤和图17的处理器模块的示例性分配。但是，在其他实施方式中，可以进行不同的分配。
[0247] 表：双处理器分配
[0248]处理步骤（图18） 模块（图17） 分配的处理器
亮度/对比度重标度 图像标度 GPP或DSP
空间转化的重映射 图像标度或其他 GPP或DSP
空间转换 时空转换 DSP
时间转换 时空转换 DSP
插值重映射的存储 时空转换或其他 DSP或GPP
插值 插值 DSP
非线性 非线性 GPP
数字脉冲产生 数字脉冲产生 GPP
脉冲串消除 脉冲串消除 GPP
输出 GPP
[0249] 在某些实施方式中，标度模块、时空转换模块、插值模块的一个、多个、或全部基本上全部或完全由DSP执行。在某些实施方式中，标度模块、非线性转换模块、数字脉冲产生模块、和脉冲串消除模块中的一个、多个、或全部可以基本上全部或完全由GPP执行。这些模块的执行可能产生特别有利的处理通量并缩短处理时间。但是，在不同实施方式中，可以使用其他适宜的实施方法。
[0250] 尽管用于假体设备100的处理器的某些示例性实施方式已在上文中给出，但是应理解在不同实施方式中，可以使用其它处理设备。处理设备，例如手持式计算机，可以用任意设备执行，所述任意设备可接收图像流并将其以手持应用可接受的速度和准确度转换成输出。其包括，但不限于，通用微处理器（GPP）/数字信号处理器（DSP）的组合；标准个人电脑，或便携式计算机如笔记本电脑；图形处理器（GPU）；现场可编程门阵列（FPGA）（或现场可编模拟阵列（FPAA），如果输入信号是模拟的）；专用集成电路（ASIC）（如果需要升级，则需要更换ASIC芯片）；专用标准产品（ASSP）；单机DSP；单机GPP；及其组合。
[0251] 在一个实施方式中，处理设备是基于双核处理器（OMAP3530,Texas Instruments,达拉斯，得克萨斯州）的手持式计算机（Gumstix Overo,Gumstix,圣何塞，加利福尼亚州）其将通用微处理器（GPP）和数字信号处理器（DSP）整合至一张芯片。与典型的便携式计算机相比，其主板能够高速并行计算，但功率更低（～2瓦或更低，相比之下标准笔记本电脑为26瓦）。其允许在便携式设备上实时计算转换，所述便携式设备使用单电池长期供电。例如，典型的笔记本电脑电池的电容范围为40-60瓦-小时，其能够使处理器连续工作约20-30小时。在另一个实施方式中，处理设备的全部或部分尺寸较小，这样可以将其附于患者所佩戴的眼镜上（如下文详述）。在其他实施方式中，可以使用其他适宜的计算机设备，例如来自得克萨斯州达拉斯的Texas Instruments的Beagleboard设备。
[0252] 再次参见图16，输出发生器106将已编码的输出（来自处理器104）翻译成可以驱动对象视网膜中所需应答的形式，例如通过本文所述类型的传感器。可以使用若干种输出接口，其依赖于所选择的传感器。例如，如果视网膜神经节细胞编码器与在视网膜神经节细胞中表达的光敏感性传感器（如ChR2）配对，输出接口可以是数字光处理（DLP）设备。该DLP设备可以输出光脉冲，其对应于接收自编码设备的编码神经节细胞输出。随后，该光脉冲驱动神经节细胞中的传感器，使神经节细胞按照编码器的指示放电。在这个例子中，输出接口的功能如下：将编码器的输出从处理单元传送至输出接口（DLP）。然后，输出接口通过数字微镜设备（DMD）将表示动作电位次数的二进制数据转变成光脉冲，所述数字微镜设备与光源，如高强度光发射二极管（LED）配对。DMD是位置可以随时间和空间高分辨率转换的网格镜像。当编码器指示位于位置（x，y）的神经节细胞应当发出动作电位时，在该设备中位于位置（x，y）的镜像将在短时间内（例如，毫秒-时间标度）转换成“开”的位置，然后再转换成“关”的位置。其在短时间内将光从LED 反射到视网膜上，引起位置（x，y）处出现光脉冲。该光脉冲驱动位置（x，y）处的视网膜神经细胞放电。
[0253] 在某些实施方式中，DMD可以具有较高的填补曝光系数（即，被镜像像素覆盖的DMD的总显示面积百分率），例如80%或以上、90%或以上等等。
[0254] 在一个实施方式中，该设备与在视网膜神经节细胞中表达的光敏感性传感器ChR2配对，并且输出接口是上文中描述的数字光处理（DLP）设备（TI DLP Pico ProjectorDevelopment Kit v2.0,Texas Instruments,达拉斯，得克萨斯州）。DLP设备上使用的光源可以是高强度LED，其强度足以活化ChR2（例如，Cree XP-E Blue LED,Cree,达勒姆，北卡罗来纳州）。如上文所示，DLP中包含数字微镜设备（DMD）（例如，DLP1700A,Texas Instruments,达拉斯，得克萨斯州），其由网格镜像组成，当该位置的视网膜神经节细胞应放电时，网格镜像中的各个均能够被转换为将来自LED的光反射至视网膜。通过高清晰多媒体接口（例如，HDMI，其以22MB/sec操作）将来自编码设备的数据传送至输出接口。由高时间分辨率控制DMD上各镜像的位置——当编码器指示神经节细胞应发出动作电位时，相应位置的镜像将在短时间内（例如，1.4ms）转换成“开”的位置。镜子状态的转换导致设备向相应位置输出光脉冲，其驱动靶视网膜神经节细胞发出动作电位。镜像的转换时间可以缩短或延长，例如从0.1ms至10ms，其依赖于活化细胞所需的光量。在该实施方式中，DMD上的镜像阵列具有480X320镜像，这样其能够独立地靶向至超过150,000个位置（例如，细胞）。DLP还可以有更多镜像，例如1024X768个镜像，如在DLP5500A（Texas Instruments,达拉斯，得克萨斯州）中，这样其能够独立地刺激更多的位置。在编码设备和接口之间进行的数据转换依据标准技术规范进行，如在TexasInstruments应用报告DLPA021–January2010–“Using the DLP Pico2.0Kit for StructuredLight Applications”中所提出的。 [0255] 在不同实施方式中，使用DLP以及相关的光学元件以产生经空间和时间调制模式的光，并将所述模式指向所述对象的视网膜以便指向在对入射光的应答中活化已感光的单个细胞或细胞小组（例如，使用本文所述的传感器类型）。
[0256] 在某些实施方式中，根据像素阵列形成经调制模式的光，其能够以一个转换速率在开启状态和关闭状态之间单独转换。该阵列可以是规则的或不规则的，并且可以具有任意适宜的图像（例如，网格图像）。该阵列可以包括较大数量的像素，例如至少100、至少1,000、至少10,000、至少100,00、至少1,000,000等，例如在约100至约1,000,000范围内或其任意子范围。为了提供指向单个细胞或细胞小组的水平，阵列中像素的尺寸（例 如，最大尺寸或平均尺寸）可以小于约50μm、约20μm、约10μm等，例如在1-100μm的范围内或其任意子范围。
[0257] 为了提供对视网膜细胞在时间标度上的控制，该时间标度为模拟正常对象中应答所需，像素的转换速率可以是例如高于约500Hz、约1,000Hz、约2,500Hz、约5,000Hz等，例如在500-5,000Hz的范围内或其任意子范围。
[0258] 像素可以由“关闭状态”的亮度切换，所述“关闭状态”的亮度不会将靶细胞活化至足以活化靶细胞的“开启状态”的亮度。例如，在某些实施方式中，在开启状态时像素在一定波长范围内的平均亮度为至少约0.5mW/mm^2，所述靶细胞在所述平均亮度下感光。在关闭状态时像素在所述一定波长范围内的平均亮度为低于约0.05mW/mm^2，所述多个细胞在所述平均亮度下感光。
[0259] 图20显示了输出发生器106的示例性实施。发生器106包括光源401、一个或多个输入光学元件402，其将光从光源401指向DLP403，以及一个或多个输出光学元件，其将光从DLP403指向假体设备100佩戴（或以其他方式使用）对象的视网膜。
[0260] 光源401可以包括一种或多种光源，包括例如LED、激光（例如，固态激光）、灯（例如，气体放电灯）等。光源401可以在单一所需波长范围或多个所需波长范围内产生光。（多波长光源的应用将在下文中详细描述。）
[0261] 输入光学元件402可以包括用于将光从光源401传递至DLP403的任意适宜数量和类型的元件（例如，衍射元件、折射元件、反射元件、透镜、反射镜、光纤、光导等）。例如，如图21所示，输入光学元件402包括透镜501，其将光从光源401指向光纤502。光纤502将光从光源传递至DLP403。光纤502可以合宜地使光源401（在某些实施方式中，其可能需要相对较大的电源和/或冷却系统）向DLP403远程定位。例如，如图26所示，可以将DLP403安装在对象头部佩戴的眼镜上，而将光源401定位于独立单元，例如领带夹。
[0262] 图22显示了DLP403的一个示例性实施方式。DLP403通过输入光学元件402从光源401接收光。光通过第一聚光透镜601指向“蝇眼”透镜602。蝇眼透镜602包括组装或形成单一光学元件的各光学元件的二维阵列，其用于在照明平面上将空间转换光从非均匀分布转化成均匀的照度分布。第二个聚光透镜603将光指向DMD604（如上文所述，由传感器104控制）。来自DMD的光指向输出元件404。在不同实施方式中，可以使用一个或多个反射元件，以通过DLP403“折叠”光路，以提供所需形式的系数（例如，允许将DLP集成至一组眼镜）。
[0263] 图23显示了输出元件404的一个示例性实施方式。凸透镜701接收来自DMD604的光，校准光，并将光指向第二凸透镜702。透镜702与凹透镜703配对，以控制投射至对象视网膜上的DMD604图像的放大率。从透镜703的输出是准直的，根据应用需要，其图像是缩小或放大的。例如，在某些实施方式中，可以对放大率进行选择以补偿对象的眼睛可能自然地包括对进入的图像具有放大作用的光学元件的事实。在这种情况下，透镜702和703可以按照某一补偿系数缩小图像，以便在视网膜上维持所需的分辨率和/或亮度。
[0264] 输出元件404可以进一步包括变焦元件704（即，具有可控地可变焦距的透镜或其他元件）。可以使用变焦元件以匹配对象眼睛的变焦性质（例如，以补偿近视或远视）。 [0265] 在某些实施方式中，可以对变焦元件704进行动态控制，以便针对对象眼睛的变化进行调整。在这种情况下，可以对变焦元件进行电子控制（例如，使用处理器104或其他电子控制器）。
[0266] 例如，假体可以包括一个或多个传感器设备，其对对象眼睛的调节进行监控。传感器设备可以包括红外视力计或本领域公知的类似设备（例如，如Okuyama等，AppliedOptics,Vol.32.No22,p.4147(1993)中所描述的）。可以对传感器的输出进行处理和使用，以控制变焦元件704补偿在眼中由于调节引起的光学改变。
[0267] 在某些实施方式中，可以使用其他类型的传感器。例如，可以包括监控对象眼睛运动的传感器。例如，在一个实施方式中，眼运动传感器包括红外LED和照相机。红外（IR）LED指向眼睛，照相机检测从角膜和瞳孔中反射的红外光。角膜高度反射IR光（看起来像亮点），但瞳孔不反射IR光（看起来像暗点）。角膜上的点不随人眼位置的改变而移动，而瞳孔上的点随眼的位置而移动。这样两点之间的差异给出了眼睛的位置。该检测信息可以用于例如如果眼睛远离缩进位置时关闭设备，或者控制一个或多个光学元件以便对眼的运动进行补偿（主动或无意识的）。还可以将该检测信息反馈至编码器，以更新补偿图像相对于眼的位置移动的编码。
[0268] 如上文所述，在某些实施方式中，假体设备100可以在一个以上的波长范围内传递光。此类多波长系统在至少两个不同的应用中可能是有用的。第一，多波长系统可以用于对靶细胞提供双向控制。如本文所述，在某些情况下，其不仅在使用第一波长的光在光学上刺激细胞放电方面是可取的，而且使用不同波长的光其还能在光学上抑制放电，例如降低背景放电。例如，视紫红质（NpHR）抑制细胞放电。其响应的波长在光谱的黄光部分。如果在同一细胞中NpHR与ChR2（其对蓝光产生应答刺激放电）共表达，则其能够在蓝光下刺激放电，在黄光下抑制放电。例如，当处于关闭状态时，以某种背景水平 对细胞进行黄光照射，以抑制不需要的背景尖峰信号放电。在开启状态时，使用蓝光对细胞进行照射，以刺激放电。图24说明了在DMD上单一像素的使用以选择性地应用蓝光和黄光，进而实现上文所述的方案。
[0269] 双向控制还可以用于不产生尖峰信号串的细胞类型（例如，双极细胞），以便对细胞内电位进行更精确的控制。
[0270] 多波长系统的另一个应用是刺激多种类型的细胞。如本文所述，不同的激活启动子分别对不同波长的光敏感，可以用于针对不同类型的细胞。其允许各种类型使用其自身代码通过靶波长处的光被刺激。例如，与团藻通道视紫红质（VChR1）相比ChR2在更短的波长响应。第一类细胞可以被ChR2激活，而第二类细胞被VChR1激活，允许基于波长指示不同的类型。
[0271] 例如，在某些实施方式中，可以分别靶向开和关的细胞，以增加对象视力恢复的准确度。
[0272] 在某些实施方式中，使用单独的DLP，可以顺序应用两个（或更多个）不同波长的光。例如，参见图21，光源401可以包括三种不同波长的子光源401a、401b、401c。使用二向色镜503a、503b、和503c的集合对子光源的输出进行组合，并使用输入元件402指向DLP。处理器104可以控制子光源401a、401b、和401c顺序地开启和关闭，同时各类靶细胞的适宜输出代码被传送至DLP。可以将该多路传输技术扩展至更多或更少的光源/细胞类型。当然，应理解，在某些实施方式中，可以使用其他多波长输出产生技术。例如，可以将各子光源
401a、401b、和401c与独立的DLP关联，以除去对多重控制方案的需要。
[0273] 在以多波长操作为特征的不同实施方式中，本领域公知的任意适宜技术均可以用于校正色差。例如，可以使用消色差双透镜元件、配对互补折射/衍射元件、低色散材料如萤石等。
[0274] DLP是具有潜力的输出接口的一个例子。输出接口的实施也可以采用能够活化与之配对的传感器的任意设备。对于光活化传感器而言，其包括但不限于，数字微镜设备；LED阵列；空间光调制器；光纤；激光；氙灯；扫描镜；液晶显示器（LCD），及其组合。（Golan L,等2009;Grossman N等,2010）
[0275] 在某些实施方式中，可以对输出的空间排列进行调整以便与靶细胞的空间排列一致。例如，已知黄斑中心凹具有“弯曲”的空间排列——也就是说，神经节细胞的位置偏离发出信息的视觉景物的位置。因此，当靶向于黄斑中心凹神经节细胞时，对编码器 输出的空间排列可以应用校正，以便对这些偏离进行补偿。在某些实施方式中，该校正使用的偏离可以按照（Sjostrand等，1999)）。
[0276] 对于基于电极的传感器而言，输出接口可以由能够驱动电流进入电极的任意设备组成，其是本领域已知的。
[0277] 在某些实施方式中，可以使用混合光学/电极接口。例如Zrenner E等（2009）描述的系统，其中植入的电极与视网膜中的双极细胞接近。当电极释放电流时，其刺激双极细胞进而导致一个或多个神经节细胞放电。各电极均附着在光电二极管上，并且根据给定波长范围内光电二极管接收的光强度产生电流（例如，红外光，但也可以使用其他波长）。该类型的系统可以提供某种程度的视力恢复，但是是有限的，因为电极产生的应答无法模拟正常视网膜对相同刺激产生的应答。
[0278] 可以应用本文所描述的技术克服该缺陷。可以使用例如图16所描述类型的设备接收视觉刺激，处理该刺激以产生输出代码，其模拟正常视网膜产生的输出。该设备将光学输出指向已经混合光学/电极接口处理的对象。作为在已被直接感光的细胞中（例如使用ChR2）驱动应答的替代，利用假体设备的光输出指向与植入电极相连的光电二极管，其反过来驱动视网膜中的应答。通过正确选择编码器，该产生的应答（即，神经节细胞产生的尖峰信号串）能够很好地与正常对象的相应应答匹配。图25显示了说明该过程的流程图。 [0279] 本领域技术人员将理解，当确定要使用的适宜的编码器时，必须考虑混合光学/电极接口引入的附加转换功能。然而，一旦该转换功能以及刺激和神经节应答之间的映射已知（例如，使用上文题为“时空转换参数值的确定”的部分中所描述的技术），则进行优化以确定适宜的编码器是一件简单的事情。优化直接类似于本文所描述的关于双极性码的反向工程，见上文题为“确定信号模式，以驱动双极细胞驱动神经节细胞，以产生正常或接近正常的视网膜输出。”的章节。也就是说，人们发现了投入混合光学/电极设备的光电二极管的光模式，这样就能产生与正常视网膜针对给定图像相同的神经节细胞输出。
[0280] 在某些实施方式中，假体可能需要进行一些其他的改变，以便与带有混合光学/电极接口的假体设备进行适当的匹配。可以使用双极细胞代码而非使用神经节细胞转换图像，因为该接口以双极细胞为靶点。可以将假体的光输出波长与光电二极管（例如，针对IR敏感二极管使用IR光）的灵敏度相匹配。可以将来自假体的刺激以与接口采用速率 匹配的速率提供（例如，对于采用速率为20Hz的接口，刺激将以与使用上文所描述类型的处理器和DLP能够产生的最大值相比更慢的速率提供）。
[0281] 参见图26，在不同实施方式中，可以将本文所描述类型的假体设备安装在或集成于一组眼镜900或类似的眼镜或头饰上。例如，图（a）为一个实施方式的侧视图，其中多种元件被集成在一幅眼镜上。然后图（b）为从眼镜佩戴人角度显示的该实施方式的视图。该眼镜可以包括LED901、蝇眼透镜902、聚焦透镜903、反射镜904、DMD905、和输出元件906。该眼镜还可以包括照相机907、编码器908、和DLP控制电路909。在某些实施方式中，其他部件如电池组或其他电源可以包括在眼镜的独立单元，以及该眼镜可以包括连接线901以提供向电池组的电连接。在其他实施方式中，可以将电池组包括在眼镜901上或其内部。在某些实施方式中，眼镜900可以包括一个或多个热管理设备，例如散热片911，其使LED901散热。
[0282] 图27显示了另一个实施方式，其中本文所描述类型的假体设备安装在或集成于一组眼镜801或类似的眼镜或头饰上。在某些实施方式中，可以将假体的某些部件包括在独立于眼镜801的单元802中（例如，适合夹在领带上或作为挎包）。例如，在一个实施方式中，单元802包括传感器、电源、和光源，而眼镜801包括DLP和多种光学元件。连接线803包括光纤连接和在单元802和眼镜801之间的有线连接。在其他实施方式中，可以使用任意其他适宜类型的光学和/或电连接。在某些实施方式中，可以将整个假体装置集成在眼镜801上，这样就不需要单元802和连接线803了。
[0283] 在某些实施方式中，可以将假体装置连接至用户接口804或其他控制器，例如使用有线、无线或其他适宜的连接。用户接口将允许用户对假体的操作进行调节。例如，如果一个或多个编码器产生不需要的应答，则用户可以使用该接口以修正或者甚至关闭编码器的操作，以改善用户体验。还可以使用用户接口以提高对该设备处理器的软件升级，以及或者执行诊断检查。
[0284] 在一个实施方式中，用户可以调整假体输出的空间映射。例如，已知黄斑中心凹神经节细胞具有的“弯曲”空间排列在不同患者之间可能不同。因而，通过允许用户调整假体输出的空间映射，用户可以更好地针对其个人的生物学特征自定义设备的性能。
[0285] （5）本文中描述的一项或多项技术或其任意部分，包括编码器（其可能包括预处理、时空转换、峰电位产生，和脉冲串消除步骤），以及对编码器参数的优化，均能够由计算机的硬件或软件或其组合执行。依据本文所描述的方法和图，可以使用标准程序技术，在计算机程序中执行这些方法。将程序代码应用于输入数据以执行本发明所描述 的功能并产生输出信息。将输出信息应用于一个或多个输出设备如监视器。可以以高级过程或物件导向程序式设计语言执行各程序，来与计算机系统交流。然而，如有必要，可以使用汇编语言或机器语言执行这些程序。总之，语言可以是编译或解释语言。而且，可以在专用集成电路上运行程序，专用集成电路已按目的预先编程。
[0286] 优选将此类各计算机程序存储在存储介质或设备（例如，ROM或磁盘）中，所述介质或设备为一般或特殊目的可编程计算机可读，当计算机读取存储介质或设备以执行本文所描述的程序时，设定和操作计算机。在程序执行过程中，计算机程序也可以存在于缓存或主存储器中。分析、预处理、以及本文中所描述的其它方法也可以作为计算机可读取存储介质来实施，设定计算机程序，其中对存储介质进行设定，使得计算机以特定的和预先定义的方式执行本发明中所描述的功能。在某些实施方式中，计算机可读介质是有形的并且实质上具有非暂时性性质，例如，这样记录的信息以不同于仅仅是以传递信号的形式被记录。 [0287] 在某些实施方式中，程序产品可以包括信号负载介质。信号负载介质可以包括一项或多项指令，即当其被执行时，例如被处理器执行时，可以提供上文所述的功能。在某些执行中，信号负载介质可以包含计算机可读介质，例如但不限于，硬盘驱动器、光盘（CD）、数字激光视盘（DVD）、数字磁带、内存等。在某些执行中，信号负载介质可以包含可记录的介质，例如但不限于，内存、读/写（R/W）CD、R/W DVD等。在某些执行中，信号负载介质可以包含通信介质，例如但不限于，数字和/或模拟通讯介质（例如，光缆、波导、有线通信链路、无线通信链路等）。因此，例如，程序产品可以通过RF信号负载介质传送，其中信号负载介质通过无线通信介质传送（例如，遵守IEEE802.11标准的无线通信介质）。
[0288] 可以理解的是，任意信号和信号处理技术的性质可以是光学的或数字的或模拟的，或其组合。
[0289] 如上文所述，编码器的输出存储在块中以转换信号并用于驱动传感器（通过输出接口）。例如，在一个实施方式中，其中输出接口使用DLP产生光脉冲，将编码器的输出翻译成控制DLP中镜像状态的信号（或向视网膜反射或从视网膜开始反射）。转变在块中进行。在一个实施方式中，编码器的输出储存为16.66ms，并转变成块。可以使用的块范围为5ms至66.66ms，通过刺激起始与神经节细胞首次发出峰电位之间的时间延迟，来确定以时间计的最小块长度（在正常WT视网膜中）。块存储的另外一个优点为，其允许在名为“编码器”部分中执行名为“峰电位产生步骤”中描述的脉冲串消除步骤。
[0290] 编码器和假体性能的检测方法
[0291] 下文描述了编码器和假体性能的检测程序。可以通过至少三种不同方法对性能进行检测：强迫选择视觉辨别任务中的表现、或贝叶斯刺激重构试验的准确度、或误差类型检测的性能。本文中将使用的术语“测试刺激”指向动物呈现的，以评估编码器或编码器+传感器（即，视网膜假体）性能的刺激或刺激物。本文中使用的术语“重构刺激”指使用本发明所述方法的重构刺激。术语“活化的视网膜”指经编码器+传感器处理的视网膜；其包括靶向神经节细胞或双极细胞的传感器。
[0292] 重要的是，用于检测假体性能的任务要落入难以获得有意义信息的范围，如实施例8中使用的任务所示。简言之，任务必须足够困难（即，必须使用足够丰富的刺激集合），即正常视网膜应答能够提供关于刺激的信息，但却无法完美的完成该任务。例如，在实施例显示的任务中，使用来自正常视网膜应答的正确分数为80%，该标准是令人满意的。如果使用的任务过难，这样正常视网膜的性能接近偶然事件，则匹配难以用于性能分析。相反地，如果选择的任务过于简单（例如，仅要求进行大致的辨别，如区分黑白，并且其中正常视网膜应答的正确分数接近100%），则假体方法与视网膜的自然代码相去甚远并且无法提供与正常视力接近的结果。因此，使用适宜的挑战检测是至关重要的，如所列实施例中所使用的。使用挑战检测还可以确定假体的性能是否优于视网膜（即，进入“仿生视力”领域）。 [0293] 为评估强迫选择视觉辨别任务中的表现，使用了一项本领域已知的混淆矩阵（HandDJ.1981）。混淆矩阵显示了对将要依据该刺激进行解码的已呈现刺激的应答概率。矩阵的纵轴给出了所呈现的刺激（i），横轴给出了解码的刺激（j）。位于位置（i，j）的矩阵要素给出了将刺激i解码为刺激j的概率。如果j=i，则刺激的解码是正确的，否则，刺激的解码时错误的。简言之，要素位于对角线表明解码正确；要素不在对角线表明是杂乱的。 [0294] 在此项任务中，呈现刺激阵列，特别地，刺激包括自然场景（见下文对此项任务中针对刺激的要求），并且检测刺激为能够彼此区分的程度，所述检测根据其对神经节细胞和/或编码器的应答进行。对于图8中产生的数据而言，其用于设定本文中描述的辨别任务的性能标准，使用如Pandarinath等,2010所述的多电极阵列记录神经节细胞的应答，并将刺激呈现于计算机的监视器上。
[0295] 获得训练集合，以建立应答分布（“训练集合”），获得其它集合，以解码计算混淆矩阵（“测试集合”）。
[0296] 为了对测试集合中的应答进行解码，需要确定哪个刺激sj最有可能产生应答。即需要针对p（r|sj）确定刺激sj是最大的。使用了贝叶斯定理，其给出了p(sj|r)=p(r|sj)p(sj)/p(r)，其中p(sj|r)是刺激sj存在时的概率，规定特定应答r；p(r|sj)是规定刺激sj获得特定应答r的概率；以及p(sj)是存在刺激sj时的概率。p(sj)为本实验的所有刺激相等的集合，这样通过贝叶斯定理可知，当p(r|sj)最大时p(s|rj)最大。当p(sj)是一致的时，如本文，规定应答时，发现对于应答最可能的刺激的方法指最大相似性解码（Kass等2005；Pandarinath等2010；Jacobs等2009）。对于所存在的结果为应答r的各次刺激si，其被解码为sj，在混淆矩阵中的位置（i，j）的要素是增量。
[0297] 为建立制备混淆矩阵使用的解码计算所需的应答分布（即，针对任意应答r指定p(r|sj)），进行如下程序。在本文件产生混淆矩阵的实施例中，将应答r规定为刺激起始后峰电位序列的跨距为1.33sec，且块为66.7ms。将峰电位产生过程假设为非齐次泊松过程，对于整个1.33s的应答而言，通过各66.7ms块概率的乘积计算其概率p(r|sj)。根据泊松统计学确定向各块分配的概率，其基于在该块中针对刺激sj的平均训练集合应答。特别地，如果在该块中，应答r的峰电位数为n，在该块中训练集合应答的平均峰电位数为h，然后分n配至该块的概率为(h/n!)exp(-h)。各块的这些概率的乘积确定了制备混淆矩阵使用的解码计算的应答分布。
[0298] 一旦对混淆矩阵进行了计算，则通过“正确分数”对强迫选择视觉辨别任务的总体性能进行定量，“正确分数”为在总任务过程中正确鉴定刺激解码应答次数的分数。正确分数为混淆矩阵对角线的平均值。
[0299] 在该程序中，对4个集合进行了分析。对于其每一个而言，使用来自WT视网膜的应答作为训练集合，将不同的应答集合作为检测结合，概述如下：
[0300] （1）第一集合应该由来自WT视网膜的应答组成。以此获得正确分数，其通过正常神经节细胞的应答产生。
[0301] （2）第二集合应该由来自编码器的应答组成（来自编码器的应答，如本文件所示，为电脉冲流，在这种情况下，刺激存在后的跨距为1.33sec，块为66.7ms，其为WT神经节细胞的应答）。已知正常WT视网膜的应答分布，通过来自该测试集合的应答可以确定编码器的性能如何。其基础为脑对正常WT视网膜的应答（即，正常编码的应答）建立了解释。当使用来自编码器的应答作为测试集合时，可以对正常视网膜应答进行替换（我们对视网膜代码的替换）后脑工作情况如何进行检测。
[0302] （3）第三集合应由应答组成，所述应答来自由编码器+传感器（ChR2）驱动的失明动物视网膜，其中应答的持续时间和块尺寸与上文相同。该集合提供了在真实组织中编码器输出通过传感器后，编码器性能如何的检测。
[0303] （4）最后，最后一个集合由应答组成，所述应答来自仅由传感器（ChR2）驱动的失明动物视网膜，其中应答的持续时间和块尺寸与上文相同。其能对标准光遗传学方法性能如何进行检测。这实质上是一项对照实验，其显示了辨别任务提供了一项适宜的检测，如上一段中针对检测适宜难度的解释。
[0304] 如实施例8所示，在强迫选择视觉辨别任务中，编码器的性能是正常视网膜性能的98.75%，完整系统的性能，即目前实施方式的编码器+传感器的性能，为正常视网膜性能的80%，且标准方法（仅传感器）的性能比正常视网膜的性能低10%（8.75%）。这样，根据如上文所述在体外或动物模型中进行检测，假体在强迫选择视觉辨别任务中的表现，以“正确分数”进行检测时，将至少约为正常视网膜性能的35%、50%、60%、70%、80%、90%、95%、99%或100%，或优于正常视网膜。值得注意的是，35%比实施例8中光遗传学方法的性能高约4倍。
同样地，根据如上文所述进行检测时，由于传感器能够与其它传感器联用或用于其它目的，例如但不限于机器人视力，编码器自身的性能将至少约为正常视网膜性能的35%、50%、60%、
70%、80%、90%、95%、99%或100%，或优于正常视网膜。
[0305] 还可以使用重构刺激对编码器的性能进行检测。重构刺激使用标准最大相似性方法来确定当给定一组峰电位序列时，存在的最可能的刺激（见综述Paninski,Pillow,和Lewi,2007）。尽管脑并不重构刺激，但是重构仍是一种便利方法，其可以对方法进行比较，并给出各种方法使视力恢复的大致可能水平。
[0306] 刺激应为全灰屏1秒，随后给出图像1秒，图像优选人脸。刺激的各像素必须跨越一个合理的视觉空间区域，这样图像的特性可以被识别，所述图像在本例中为人脸每张面孔。选择35X35个像素的标准便已足够，如图9所示。这与对面部进行面部识别使用的空间频率应至少为每张面孔8个循环一致，即要求各维至少32个像素，以适于取样的要求（Rolls等,1985）。在图9显示的实施例中，使用了小鼠，各像素对应于2.6度X2.6度的视觉空间。其反过来对应于小鼠视网膜中约12-20个神经节细胞。
[0307] 刺激重构由对空间中所有可能的刺激进行搜索组成，所述搜索是为了发现对于给定检测得到的群体应答r时最可能的刺激。为发现给定r时最可能的刺激，使用贝叶斯定理 p(s|r)=p(r|s)*p(s)/p(r)。由于对于所有s，假设先验刺激概率p(s)均为常数，因而p(s|r)的最大值等于p(r|s)的最大值。
[0308] 为确定p(r|s)，假设细胞的应答是条件独立的，即假设p(r|s)是概率p(rj|s)的乘积，其中p(rj|s)是第j个细胞应答为rj时的概率，给定刺激为s。该假设的理论基础为，已知条件独立的偏差较小，其对携带的信息（Nirenberg等,2001；Jacobs等,2009）和刺激解码的保真度仅有非常小的贡献。
[0309] 为计算针对给定细胞m的p(rm|s)，应答rm设为刺激起始后当跨距为1秒且块为0.57ms时第m个细胞的峰电位序列。由于假设峰电位产生过程是非齐次泊松过程，因而以各块分到的概率的乘积，计算对于整个1秒应答的概率p(rm|s)。通过泊松统计学根据各块中细胞对刺激s的预计放电频率确定各块分到的概率。根据公式1计算细胞的预计放电频率（参见“时空转换步骤”里的“编码器”部分），即λm(t;X)，其中公式1中的X为刺激s，t为块时间。最后，通过各个细胞p(rj|s)应答概率的乘积计算细胞群体应答的概率p(r|s)。 [0310] 为找出群体应答r最可能的刺激sj，使用了标准梯度上升技术。其目的为找出使概率分布p(r|s)最大的刺激sj。由于刺激空间是高维度的，因而使用了梯度升高法，因为其为在高维度空间检索提供了一种有效方法。其步骤如下：在刺激空间sk的随机点开始检索。评估该刺激的概率分布p(r|sk)，计算关于刺激各维度的该概率分布的斜率。然后通过在增加概率（依据概率分布的斜率确定）的方向上改变刺激sk建立一个新刺激sk+1。连续重复该过程，直至刺激概率开始仅增加边际量，即p(r|s)达到峰值。值得注意的是，由于概率分布并非严格的对数凹，因而存在出现局部最大值而停止的可能性。为证明这种情况不存在，必须用多个随机起始点进行重构，以确保其收敛于同一峰。
[0311] 为比较假体方法的性能，必须对3个应答集合进行重构：1）来自编码器的应答，2）来自失明视网膜的应答，其中神经节细胞由编码器+传感器（ChR2）驱动，以及3）来自失明视网膜的应答，其中神经节细胞仅由传感器（即，仅ChR2）驱动。重构应在块中的处理簇上进行，所述块中有10X10或7X7像素，以便对实施例（特别是图9）中的结果进行比较。 [0312] 为获得大量数据集以便完整重构，可能有必要在一个正在记录的视网膜区域内系统地移动图像，这样可以获得来自单一或少量视网膜对图像所有部分的应答。在图9中，记录了约12,000个神经节细胞对各图像的应答。其表现应与图9B中所示的相同或基本类似。不仅有可能辨认出图像是婴儿的面孔，而且还可以辨认出其是特定婴儿的面孔，这是一项极具挑战性的任务。
[0313] 为了对各方法性能间的差异进行定量，必须将各方法的重构与原始图像进行比较。这要通过计算重构图像各像素点的值与真实图像的之间的标准皮尔森相关系数确定。对于这项检测，相关系数为1时表示所有原始图像的信息被完全保留，而相关系数为0时表示重构与真实图像之间的相似性不超过概率。
[0314] 如图9所示，结果如下：对于仅为编码器时，相关系数为0.897；对于编码器+传感器，相关系数0.762；对于仅为传感器（相当于现有技术），相关系数为0.159。这样，与在辨别任务中得到的结果一致，编码器+传感器的性能优于现有技术性能的若干倍。
[0315] 这样，当我们在体外或动物模型中进行检测时，采用重构准确度检测的假体性能可能如下：编码器+传感器（视网膜假体）应答的重构与原始图像之间的皮尔森相关系数至少约为.35、.50、.60、.70、.80、.90、.95或1.0。同样地，依据如上文所述的进行检测时，编码器应答的重构与原始图像之间的皮尔森相关系数至少约
为.35、.50、.60、.70、.80、.90、.95或1.0，或将优于正常视网膜。值得注意的是，.35优于实施例8中的光遗传学方法性能的>2倍。
[0316] 根据混淆矩阵数据进行的另外一项检测为针对误差类型的检测，即“误差类型检测”，其使用本领域的标准检测方法，即均方误差（MSE），进行检测。为检测编码和编码器+传感器（即，假体方法）的效能，对上文中的集合（2）、（3）和（4）进行了误差类型评估，因为该量为参照集合（1）计算得到。通过均方误差（MSE）对各集合（（2）、（3）或（4））与WT（即，正常）（集合（1））误差类型的匹配程度进行定量，MSE定义为差异的均方，所述差异为测试集合之一（（2）、（3）或（4））确定的混淆矩阵的元素和WT（集合（1））之间的差异。该检测的理论基础为解码误差的类型表明当脑接收视网膜的输出时脑可能对刺激感到迷惑，即无法区分各刺激。如实施例8中所示，正常（WT）视网膜的性能在一个范围内——有某些刺激能够易于被真实细胞的应答所区分，而某些则不能。例如，如实施例8中图8右上方混淆矩阵所示，WT神经节细胞的群体应答能够明确地从15个呈现的刺激中区分出10个（由沿矩阵对角线上的10个亮方块表示）；而相反地，WT神经节细胞的群体应答对剩余5个刺激为不确定（以远离对角线的方块表示）。误差类型检测提供了一种的方法，可以对编码器、编码器+传感器和仅传感器的应答程度进行定量，对相同刺激是能够区分还是难以区分也可以被定量。该方法测试集合（2）、（3）或（4）的混淆矩阵与集合（1）的匹配程度；特别地，它能计算检测混淆矩阵（集合（2）、（3）、或（4））的元素与WT（集合（1））之间的均方误差。为开发提供正常或接近正常视力的视网膜假体，递送至脑的神经信号（即，神经 节细胞的放电类型）需要与正常细胞提供的信息相同，即当使用假体时，能够被正常区分的刺激被区分开来，并且能正常感知的刺激以类似的方式感知。
[0317] 当使用来自实施例8的数据检测误差类型时，结果如下：编码器的性能产生0.005的MSE；其与正常视网膜的误差类型非常匹配。完整系统的性能（编码器+传感器）产生0.013的MSE，也非常接近。仅有传感器时产生0.083的MSE，这是一个非常高的值，表明其与正常误差类型的匹配较差。这样，当在体外和动物模型中检测时，通过MSE检测，与真实视网膜的误差类型的匹配可以为最多约0.04、0.03、0.02、0.01或0.005。值得注意的是，
0.04表示匹配优于实施例8中的光遗传学方法至少两倍（因为0.04比0.083少一半），而编码器+传感器产生0.013的匹配，远优于此。
[0318] 为使用本文所描述的方法对假体进行检测，获得带有传感器的哺乳动物视网膜，所述传感器适用于与同种属野生型视网膜相同的视网膜细胞类型。然后进行上文所描述的检测。对于所有上述分析而言，相同类型视网膜的结果应一致，例如至少使用约五个视网膜。
[0319] 实施例用于解释而非限制本发明的权利要求。
[0320] 实施例1构建编码器的方法
[0321] 使用线性-非线性-泊松（LNP）级联构建编码器
[0322] 编码器的参数根据针对两个刺激集的应答来构建：二进制时空白噪声（WN）和一个在纽约中央公园记录的灰阶自然场景影像（NS）。两种刺激均以15Hz的帧速呈现，并且2
有相同的平均亮度（视网膜上为0.24μW/cm）和对比度（均方根（RMS）对比度为0.087μW/
2 2
cm）。对于预处理步骤，我们选择a=0，且b=255/0.48μW/cm，从而使视觉刺激映射到0-255的数值范围（见前述“编码器”部分）。
[0323] 为了确定时空转化，我们使用与前一部分描述中相同的线性-非线性模型（也见于Victor和Shapley1979；Paninski等2007；Pillow等2008；Nirenberg等2010）。模型参数是通过最大可能性来确定，所述可能性为模型可能产生实验可观察到的由刺激引起的峰电位序列的可能性，如Nirenberg等2010所示；类似方法见Paninski等2007；Pillow等2008，最大可能性优化是本领域的公知常识。
[0324] 在下面例子的数据中，神经元被独立建模。对每个神经元m而言，根据公式1确定放电频率λm。每个神经元的线性滤波器被假定为空间函数（10×10像素的阵列，集中在接收场）和时间函数（18个时间块，每个67ms，总共持续时间1.2sec）的乘积。就像在Pillow等2008之后的Nirenberg等，2010中所述，通过假定时间函数是10次脉冲与基函数（对数时间内的上升余弦）的总和降低维度。
[0325] 采用有7个节点的三次样条函数将非线性参数化。节点间隔排列从而覆盖数值范围，所述数值范围来自编码器的线性滤波器输出。
[0326] 如前所述，通过使用标准优化程序拟合参数，正如在Pillow等，2008，Paniniski，2007之后，Nireberg等中描述的一样。如公式2所示，数量最大化是模型下观察到的峰电位序列的对数相似性。因为每个神经元都是独立的，每个神经元参数的优化可以独立进行。
为了使对数相似性最大，我们采用与上文公式2之后内容中所描述的相同的程序，我们在这里简要重申一下：我们开始时假设非线性N是指数的，因为在本案例中，对数相似性Z没有局部极大值（Paninski，等2007）。在优化线性滤波器和指数非线性（通过坐标上升）后，非线性被样条曲线替代。而最终的编码器参数由最大化对数相似性的交替阶段，直到达到最大化决定，所述对数相似性关于（i）样条曲线参数和（ii）滤波器参数，如（Nirenberg等
2010）中描述，其也讨论了该方法的理由。
[0327] 考虑到历史依赖性和相关性的模型也被建立。使用偶合核心构建了关于神经元间相关性的构型，其依据（Pillow等2008）的方法。
[0328] 对于峰电位生成步骤，对每个细胞m，我们创建了一个具有瞬间放电频率λm的非齐次泊松过程。我们考虑时间间隔（块）长度Δt=0.67ms。
[0329] 值得注意的是，图3-6、13和14比较了编码器和真实细胞的性能。图7-9也比较了编码器在与传感器联用时的性能。对这些实验，编码器的输出穿过了一个接口，所述接口产生光脉冲从而驱动神经节细胞中的ChR2。使用了两种方法来从编码器获得输出以及产生驱动ChR2的光脉冲。在第一种方法中，编码器的输出用于控制LCD面板（Panasonic PT-L104,松下,斯考克斯市,新泽西州）。该LCD面板被置于一组7个高强度蓝LED（Cree XP-E Blue,Cree,达勒姆，北卡罗来纳州）前。LCD面板的方格向神经节细胞的给定区域传递编码器的输出。对于每一帧，如果编码器命令神经节细胞在该帧应发出峰电位，则所述方格被设置为最高强度（255）。如果该帧内神经节细胞不应出现峰电位，则为最低强度（0）。如果LCD面板强度在局部是强的（255），则蓝色LED的光可通过，否则，光被阻断。LCD面板
2
的输出聚焦到视网膜上。视网膜上255位置的光强为0.5mW/mm。每帧持续 16.7ms。另一种方法在需要精确峰电位计时的时候使用。这种方法中，LED（Cree XP-EBlue,Cree,达勒姆，北卡罗来纳州）直接驱动神经节细胞。LED输出状态由计算机产生的5V TTL脉冲控制，这种脉冲通过Campagnola等2008描述的控制/放大电路发射。当TTL脉冲较高（5V）时，LED亮，而当脉冲较低（0V）时，LED灭。通过使用客户端软件的计算机并行接口，编码器输出用于驱动TTL脉冲。当编码器规定峰电位应当出现时，TTL脉冲被驱动增高（5V）1ms，而
2
后再次关闭。接通状态下，视网膜上LED脉冲强度为1mW/mm。
[0330] 仅有传感器时对视觉刺激的应答（图8C，9D）用两种方法记录。对自然影像（图8C）而言，神经节细胞用LED驱动，又被TTL脉冲控制。通过使用脉冲代码模块，LED输出被设定为匹配神经节细胞接收场所在位置的自然影像强度。TTL脉冲的宽度为是1ms。使用强度和脉冲频率之间的线性标度，在一帧内脉冲更多表示强度更亮，而脉冲较少表示强度较暗。LED脉冲频率每66.7ms更新一次，从而与相应帧图像的自然影像强度匹配。影像的最高强度被映射到编码器针对特定神经节细胞的峰放电频率-其通常介于每66.7ms帧内8至12个脉冲之间。对于婴儿脸部反应（图9D），神经节细胞被LCD面板驱动。LCD面板的亮度（0-255）被设定与神经节细胞接受场给定位置的婴儿面部影像（0-255）强度匹配。如前2 2
面部分所述，视网膜上的LED强度是1mW/mm，最大亮度的LCD强度为0.5mW/mm。
[0331] 实施例2——时空转换参数的确定
[0332] 我们描述了确定时空转换参数的程序。讨论的参数与上节“编码器”中的相同。在该实施例中，首先，进行实验，并且收集神经节细胞对WN和NS刺激的应答（参见针对刺激实施例“实施例1——构建编码器的方法”）。接下来，计算神经节细胞动作电位次数与刺激强度的负相关，从而确定线性滤波器Lm的初始设定值。再往下，假定线性滤波器是可分的，其是空间函数和时间函数的乘积。空间函数被参数化为10×10网格权重，并且时间函数被参数化为10个加权时间基函数的总和。在这个阶段，将非线性Nm假定为指数函数以确保没有局部极大值。接下来，计算这组参数的相似性用于特定刺激和记录的神经节细胞的应答。下一步是确定空间函数、时间函数和指数非线性的最优参数，通过使用梯度升高最大化这些参数的相似性来确定（已有详细描述，参见：Paninski等,2007,Pillow等,2008,Nirenberg等,2010）。在这些参数被最优化后，指数非线性函数被7节点三次样条代替，后者能够更准确地描述细胞的应答。然后，将样条参数最优化以 使相似性最大化。随后，将空间和时间函数的参数最优化以在给定新样条参数情况下使相似性最大化。不断重复这些两步（优化样条参数同时保持空间和时间函数恒定，而后优化空间和时间函数同时保持样条参数恒定），直到两步相似性的改变小于任意选取的小数。
[0333] 实施例3虚拟视网膜细胞和真实视网膜细胞携带的信息量的比较
[0334] 为了构建数据集，我们记录了几百个小鼠视网膜神经节细胞（515个细胞）对宽范围刺激，包括自然和人工刺激，的应答，所述刺激对于这个实验是方格图案、自然场景和漂移光栅。对于每个细胞，我们构建了其编码器（也称为其虚拟视网膜细胞或模型细胞）。其按照如下所示实施。对视网膜呈现WN（白噪声）和NS（自然或自然的刺激）并且记录神经节细胞的应答，按上文所述对每一个细胞的刺激/应答关系参数化。然后用额外的自然场景和漂移光栅应答测试编码器。如此，所有的测试采用的都是新刺激。
[0335] 图3显示的是信息分析的结果。我们记录了几百个神经节细胞并且模仿它们的应答。然后我们向模型细胞和真实细胞呈现一个大型阵列的刺激——没有用于构建编码器的刺激。我们计算每个虚拟细胞携带的关于刺激的信息量并将其与对应的真实细胞所携带的信息量比较。如图所示，虚拟细胞携带了真实细胞所携带的几乎全部的信息量。为了使各一个分析都有足量的数据，每个刺激集被呈现于至少100个真实细胞。然后我们通过多次计算评估结果的可靠性。正如预计的那样，真实细胞携带的信息量随时间分辨率的提高而增加，而且如图中所示，虚拟细胞携带的信息量紧随其后。
[0336] 实施例4虚拟视网膜细胞和真实视网膜细胞所携带信息质量的比较
[0337] 图4显示虚拟细胞和真实细胞所携带的信息质量也是一样的。对于图4中的每一个细胞，我们比较了由虚拟细胞应答所产生的后刺激分布和真实细胞应答所产生的后刺激分布。图4A显示了几个例子，以及图4B显示数据集中的所有细胞的结果的直方图。 [0338] 为了了解矩阵所显示的内容，我们详述了其中的一个——其位于图4-1图A的左上角。纵轴表示呈现的刺激，而横轴为“解码”的刺激（即，后刺激分布）。在第一行，有一个单一明亮的方格，它位于最左边的位置。这意味着，当呈现的刺激是最低时间频率光栅时，解码的刺激将是正确的——即，后刺激分布是尖峰（以单一明亮方格表示），且峰位于正确位置（其位置对应于最低时间频率）。与此相反，在矩阵的底端行中，不存在单一的亮点，只存在一片延伸的红色方格位于该行的右边区域。这意味着，当呈现的 刺激是最高时间频率光栅时，解码可能会变短——后刺激是宽的，而且只提供有关刺激的有限信息。这表明，刺激可能是一个高频率光栅，但其不表明具体是何种高频率。
[0339] 这个图表有双重的意义。首先，这表明在真实的细胞中存在多个不同种类的后刺激（如对刺激的视觉应答和灵敏度而言，有许多类型的神经节细胞）；其次，虚拟细胞能够准确地复制它们，例如，某些细胞提供关于低频率信息，其它细胞提供关于高频率信息，或显示复杂的类型等。但几乎在所有的情况下，由于检查了几百个细胞，因而真实细胞的行动为编码器所捕获。每个虚拟细胞所产生的后刺激同真实细胞所产生的后刺激近似匹配。这提供了强有力的证据证明虚拟细胞可以作为真实细胞的替代物发挥作用。
[0340] 实施例5通过编码器预测视网膜神经节细胞的应答
[0341] 我们用编码器对神经节细胞的行为进行一系列预测并进行测试。在这个例子中预测的侧重点在于对比ON细胞和OFF细胞发出动作信息的方式的不同，特别是慢动作。 [0342] 其按照如下所示实施：首先，构建一个细胞编码器。如前所述，向wt（野生型）视网膜呈现WN和NS刺激，记录神经节细胞的应答并将刺激/应答的关系参数化。神经节细胞群包括ON和OFF细胞。分别生成针对ON和OFF细胞的参数，并使用这些参数生成ON和OFF编码器。实施视觉辨别任务以进行预测。我们提供了不同传感器，其漂移光栅以时间频率改变，并获得应答。然后，我们将应答解码（使用如本文所述的贝叶斯（即最大相似性））。在此项任务的每次试验中，我们关注的是在给定应答时，光栅最有可能的频率。然后，我们计算所有试验中所获得正确答案次数的分数。为了对ON细胞和OFF细胞作也具体预测，我们用仅由ON细胞或仅由OFF细胞构成的细胞群实施此项任务。由于已知神经节细胞在暗视（夜间光照）和明视（日光光照）条件下有不同的表现，我们还采用这两种条件下参数值已测定的编码器实施此项任务（Purpura等1990；Troy等2005；Troy等1999）。
[0343] 很快获得了若干结果。第一个结果是，在暗视条件下，与OFF细胞相比ON细胞对低时间频率（慢动作）有更好的辨别力。第二个结果是，同样在暗视条件下，与ON细胞相比OFF细胞对于高时间频率有更好的辨别力。第三个结果是，这些差异只存在于暗视条件下：两种细胞在明视条件下的表现近乎相等地好。最后一个结果是，两种细胞在暗视条件下仅在较窄的频率范围内表现良好，但在明视条件下则在宽范围内表现均良好。
[0344] 随后对预测结果进行了测试。首先进行了电生理测试。向多电极阵列上的视网膜呈现相同刺激，并记录神经节细胞的应答。然后使用与解码虚拟细胞应答同样的方法解码 这些应答，即，使用最大相似性法。如图5所示，真实细胞作出的预测与虚拟细胞的相同，从而表明，在基线实验中，虚拟细胞可以用作真实细胞的代替品。
[0345] 实施例6通过编码器预测动物行为
[0346] 最后，我们对行为进行预测。为此，使用了视动反应任务，因为其a）简单，b）易于量化，并且c）允许我们对一种的细胞类型，ON细胞，进行选择性探测（只有ON细胞投射至副视系统（AOS），该系统驱动这一行为）（Dann and Buhl1987；Giolli等2005）。在这项任务中，向实验动物（wt小鼠）呈现漂移光栅，动物能追踪或无法追踪漂移光栅。为进行行为预测，我们对编码器与动物的关注同样是光栅是否存在。我们使用电生理实验中用于测试预测结果的方法——即，使用最大相似性法解码应答数据。唯一的区别在于，与行为相比，解码编码器的应答只有两种情况（光栅存在与光栅不存在），因为这与行为任务的选择是相对应的。最后，向动物和编码器呈现代表明视条件（日光光照）或暗视条件（夜间光照）的刺激，并测量对比灵敏度，其定义为75%的刺激被正确解码时的对比度，这符合二选一强迫选择心理学的标准。如图6所示，编码器成功地预测了视动行为的移位。
[0347] 实施例7由编码器产生的视网膜神经节细胞放电类型
[0348] 我们向三组动物呈现自然场景影像并记录来自三组动物视网膜的神经节细胞的应答：a）正常动物（简要地说：取自野生型（WT）小鼠的视网膜；向该视网膜呈现自然场景影像，并记录神经节细胞的放电类型）（图7上图），b）使用视网膜假体治疗的失明动物（简要地说：视网膜取自实验室商品化购得的出现视网膜退化但其视网膜神经节细胞仍能表达紫红质通道蛋白-2的双转基因小鼠；然后向该视网膜呈现自然场景影像，并记录神经节细胞的放电类型）（图7中图），和c）使用当前的光遗传学假体方法治疗的失明动物（简要地说：视网膜取自与上述相同的双转基因小鼠；然后向该视网膜呈现自然场景影像（未编码），并记录神经节细胞的放电类型）（图7下图）。
[0349] 在正常视网膜中，影像由视网膜电路转化为动作电位类型（也称为峰电位序列）。图7上图显示了正常视网膜的峰电位序列。在使用编码器/传感器方法治疗的失明动物的视网膜中，影像由编码器/传感器转化为峰电位序列（图7中图）。如图所示，此方法产生的峰电位序列与正常神经节细胞产生的峰电位序列近似匹配。这是由于编码器非常真实地重现了神经节细胞的峰电位序列，并且ChR2对于编码器的输出具有足够快的动力学 反应。因此，能够模拟正常视网膜的输入/输出关系。作为对比，图7下图显示了标准光遗传学方法的输出（其仅有传感器，即，仅含有ChR2，如Lagali等2008；Tomita等2010；Bi A等.2006；Zhang等.2009；Thyagarajan等.2010中所述）。在这种情况下，刺激（自然场景的影像）直接活化了ChR2。虽然这种方法可使神经节细胞放电，但由此产生的放电类型并非正常的放电类型。
[0350] 实施例8编码器和视网膜假体的性能
[0351] 我们通过以下三种途径评价了编码器和假体的性能：辨别任务法（图8），图像重构（图9）、和行为任务（视动）（图10）。检测方法和结果如下。
[0352] 视觉辨别任务中的表现
[0353] 首先进行辨别任务。简言之，首先呈现一个刺激阵列，然后检测其基于神经节细胞（或编码器）的应答能被彼此区分开的程度。对于神经节细胞的记录，将刺激呈现在计算机显示器上，而神经节细胞的应答则通过如Pandarinath等,2010所述的多电极阵列来进行记录。
[0354] 为了对测试集合中的应答进行解码，需要确定哪个刺激sj最有可能产生所述应答。即需要确定p（r|sj）最大的刺激sj。根据贝叶斯定理，p(sj|r)=p(r|sj)p(sj)/p(r)，其中p(sj|r)是存在刺激sj的概率，给定特定应答r；p(r|sj)是对给定刺激sj获得特定应答r的概率；并且p(sj)是存在刺激sj的概率。在本实验中对所有刺激设定p(sj)相等，通过贝叶斯定理可知，当p(r|sj)最大时p(s|rj)最大。当p(sj)一致时，如本实验中的例子，对于给定应答获得最可能刺激的方法是指最大相似性解码方法（Kass等2005；Pandarinath等2010；Jacobs等2009）。对于每一次出现刺激si使得应答r被解码为sj，在混淆矩阵中（i，j）位置的录入增加。
[0355] 为建立应答分布进行如下程序，该应答分布为用于形成混淆矩阵（即，针对任意应答r指定p(r|sj)）的解码计算所需。将应答r规定为峰电位序列的在刺激起始后跨距为1.33sec，且块为66.7ms。因为峰电位产生过程被假设为非齐次泊松过程，对于整个1.33s的应答而言，通过各66.7ms块概率的乘积计算其概率p(r|sj)。根据泊松统计学确定分配到各块的概率，其基于在该块中针对刺激sj的平均训练集合应答。特别地，如果在该块中，应答r的峰电位数为n，在该块中训练集合应答的平均峰电位数为h，然后分配至该块的概n
率为(h/n!)exp(-h)。各块概率的乘积确定了用于形成混淆矩阵的解码计算的应答分 布。
这些与图8中所示类似的结果是通过一定范围的块尺寸（50至100ms）以及训练集合和测试集合的随机分配所得到。
[0356] 对混淆矩阵进行计算后，通过“正确分数”对强迫选择视觉辨别任务的总体表现进行定量，“正确分数”为在总任务过程中正确鉴定刺激的解码的应答次数的分数。正确分数为混淆矩阵对角线的平均值。在该程序中，对4个集合进行了分析。对于其每一个而言，使用来自WT视网膜的应答作为训练集合，将不同的应答集合作为检测结合。产生了4个集合。
[0357] （1）第一个集合由来自WT视网膜的应答组成。通过正常神经节细胞的应答获得正确分数。
[0358] （2）第二个集合由来自编码器的应答组成（来自编码器的应答，如本文件所示为，电脉冲流，在这种情况下，刺激存在后的跨距为1.33sec，块为66.7ms，其为WT神经节细胞的应答）。对于给定正常WT视网膜的应答分布，当使用来自编码器的应答作为测试集合时，可以获得编码器的性能检测结果。换言之，我们是以下述假设为基础，即脑能解读正常WT视网膜的应答（即，正常编码的应答）。当使用来自编码器的应答作为测试集合时，可以获得对于代表性正常视网膜应答（代表性的视网膜代码），脑工作情况的检测结果。
[0359] （3）第三个集合由来自由编码器+传感器（神经节细胞中的ChR2）驱动的失明动物的应答组成，其中应答的持续时间和块尺寸与上文相同。该集合提供了在真实组织中输出通过传感器后编码器性能如何的检测结果。（由于传感器与编码器非常接近，因此这项实验不够完美，但是仍然为我们提供了一个完整的系统（编码器+传感器）性能如何的检测。 [0360] （4）最后，组成最后一个集合的应答来自仅由传感器（神经节细胞中的ChR2）驱动的失明动物，其中应答的持续时间和块尺寸与上文相同。其给出了标准光遗传学方法性能如何的检测结果。
[0361] 图8显示出了这些结果。图8A显示了从正常WT视网膜获得的测试集合时产生的混淆矩阵。左侧是单个神经节细胞的矩阵，右侧是细胞群（20个细胞）的矩阵。如图所示，各个单独的细胞均携带相当数量的信息；作为一个群体，细胞群中的细胞可以区分集合中的几乎所有的刺激。正确分数为80％。图8B表示从编码器（请注意，这些编码器由图8A中的WT视网膜输入/输出关系中构建）获得测试集合时产生的混淆矩阵。正确分数与WT视网膜的非常接近，为79％。图8C显示了完整的系统（编码器和传感器）的结 果。单个细胞并不携带同等大量的信息，但是其形成群体时，他们的表现均非常好。正确分数为64％。最后，图8D显示了标准光遗传学方法的结果。单个细胞几乎不携带信息，即使作为一个群体，它们携带的信息量仍然是十分有限的。正确分数为7％，接近机会概率。因此，加入编码器，即加入本发明中的视网膜神经元代码，即使是仅有20个细胞的很小的集群，也能产生非常大的效果，并能显著提高假体的性能。
[0362] 最后，为了总结数据，将仅有编码器（图8B），同时有编码器和传感器（图8C），和标准光遗传学方法（图8D）与正常视网膜（图8A）的性能百分数进行了比较。结果如下：仅有编码器时的性能达到正常视网膜性能的98.75％；完整系统的性能，也就是在本实施例中编码器+传感器的性能，为正常视网膜性能的80％；而标准方法（只存在传感器）的性能低于正常视网膜性能的10%（仅为8.75%）。
[0363] 重构来自神经节细胞（或编码器）应答的刺激
[0364] 接下来，进行了刺激重构。刺激重构使用标准最大相似性方法，以确定当给定一组峰电位序列时存在的最可能的刺激（见综述Paninski,Pillow和Lewi,2007）。尽管脑并不重构刺激，但是重构仍是一种便利方法，其可以对假体方法进行比较并给出各种方法使视力恢复的大致可能水平。
[0365] 刺激由全灰屏1秒组成，随后为给定的图像1秒，图像优选人脸。需要注意的是刺激的各像素必须跨越视觉空间一个合理的区域，这样图像，在本例中为人脸，的特征可以被识别。每张面孔选择35X35个像素的标准已足够，如图9所示。这与对面部进行面部识别使用的空间频率应至少为每张面孔8个循环的要求相一致，因此在各维中至少需要32个像素，以足以取样（Rolls等,1985）。在图9显示的实施例中，其使用了小鼠，各像素对应于视觉空间的2.6度X2.6度。其反过来对应于在小鼠视网膜中约12-20个神经节细胞。
[0366] 重构刺激由下述搜索组成：即对空间中所有可能的刺激进行搜索，以确定对于给定的检测得到的群体应答r，最可能的刺激。为确定对于给定r时最可能的刺激，使用贝叶斯定理p(s|r)=p(r|s)*p(s)/p(r)。由于对于所有s先验刺激概率p(s)均假设为常数，因而p(s|r)的最大值等于p(r|s)的最大值。
[0367] 为确定p(r|s)，假设细胞的应答是有条件独立，即假设p(r|s)是p(rj|s)概率的乘积，其中对于给定刺激s，p(rj|s)是第j个细胞应答为rj时的概率。该假设的理论基础为，已知有条件独立性的偏差较小，其对携带的信息（Nirenberg等,2001；Jacobs等,2009）和刺激解码的保真度影响较小。
[0368] 为计算针对给定细胞m的p(rm|s)，应答rm为刺激起始后跨距为1秒且块为0.57ms的第m个细胞的峰电位序列。由于假设峰电位产生过程是非齐次的泊松过程，因而根据各块分到概率的乘积计算对于整个1秒应答的概率p(rm|s)。通过泊松统计根据细胞在各块中对刺激s的预计放电频率，确定分配到各块的概率。根据公式1（参见“时空转换步骤”项下的“编码器”部分）中λm(t;X)的量计算细胞的预计放电频率，其中公式1中的X设定为刺激s，t为块时间。最后，通过各个细胞应答概率p(rj|s)的乘积计算细胞群体应答的概率p(r|s)。
[0369] 为确定群体应答r的最可能的刺激sj，使用了标准梯度上升技术。为了找出使概率分布p(r|s)最大的刺激sj，且由于刺激空间是高维度的，梯度上升法提供了一种有效方法，可以在高维度空间检索。其程序简述如下：在刺激空间sk的随机点开始检索。评估该刺激的概率分布p(r|sk)，计算对于该刺激各维度的概率分布的斜率。然后通过增加概率（根据概率分布的斜率确定）的方式改变刺激sk建立一个新刺激sk+1。连续重复该过程直至刺激的概率开始仅增加边际量，即当p(r|s)达到峰值时。需要注意的是，由于概率分布并非严格的对数凹，因而存在出现局部最大值的可能性。为证明不会出现这样的情况，使用多个随机起始点进行重构，以确证其收敛于同一峰。
[0370] 为比较假体方法的性能，必须对3个应答集合进行重构：1）来自编码器的应答，2）来自失明视网膜的应答，其中神经节细胞由编码器+传感器（ChR2）驱动，以及3）来自失明视网膜的应答，其中神经节细胞仅由传感器（即，仅由ChR2）驱动。重构应在本发明的处理集群上，在像素为10X10或7X7的块中进行。
[0371] 结果显示于图9。为获得针对完整重构的大量足够的数据集，在一个正在记录的视网膜区域内系统地移动图像，这样可以从单一或少量视网膜获得对图像所有部分的应答。在各图中，均记录了约12,000个神经节细胞对各图像的应答。图9A显示了原始图像。图
9B显示了仅由编码器的应答产生的图像。其不仅可以辨认出图像是一个婴儿的面孔，而且还可以辨认出其是一个特定婴儿的面孔，这是一项极具挑战性的任务。图9C显示了由编码器/传感器应答产生的图像。虽然不如原始图像好，但已经非常接近。最后，图9D显示了由标准方法（即，仅ChR2）的应答产生的图像。这张图像相对有限得多。该图的结果再一次表明，加入视网膜编码对于性能高低有着非常大的影响。
[0372] 为了测定方法性能的差异，将各方法重构的图像与原始图像进行比较。通过计算重构图像各像素点的值与真实图像各像素点的值之间的标准皮尔森相关系数来测定。对于 这项检测，相关系数为1时表示所有原始图像的信息被完全保留，而相关系数为0时表示重构与真实图像之间的相似性不超过概率。
[0373] 结果如下：对于仅有编码器时，相关系数为0.897；对于编码器+传感器，相关系数0.762；对于仅有传感器（相当于现有技术），相关系数为0.159。这样，与我们在辨别任务中得到的结果一致，编码器+传感器的性能优于现有技术的性能若干倍。
[0374] 视动任务中的表现。
[0375] 最后，我们利用视动任务进行了一系列行为实验。结果如图10所示。简言之，向动物呈现显示屏上的漂移正弦波光栅，利用ISCAN PCI瞳孔/角膜反射追踪系统（ISCAN公司,沃伯恩，马萨诸塞州）记录动物眼睛的位置。之后我们对记录进行分析，并分析动作与刺激动作的关系。左边一栏的图10A显示的是基线漂移（无刺激）。失明动物的眼位漂移与在盲人中观察到的类似。图10B（中栏）显示了本实验室商品化购得的双敲转基因小鼠的结果，这种小鼠存在视网膜退化，其视网膜神经节细胞中仍表达紫红质通道蛋白-2。给予这些小鼠原始刺激。以这种模型模拟标准光遗传学方法。图10C（右栏）展示了采用视网膜假体的结果。本实验室商品化购得的双敲转基因小鼠的结果，这种小鼠存在视网膜退化，其视网膜神经节细胞中仍表达紫红质通道蛋白-2，其中显示了将原始刺激替换为采用编码器输出。如图所示，采用模拟标准光遗传学方法的小鼠并未能跟踪漂移光栅，而采用视网膜假体的小鼠则能跟踪漂移光栅。当图像被转化为神经节细胞所使用的代码时，动物可以对其进行追踪。
[0376] 实施例9图像向光脉冲的转换
[0377] 图12图解了示例性编码器将图像转换为光脉冲。图12A显示了中央公园自然场景的示例性影像。图12B显示了预处理影像。平均光强度和对比度已进行重新标度以匹配时空转换的工作范围，在本示例性影像中，不需要对平均值或对比度进行重新标度。图12B还表示了产生图12C-E输出的实例性编码器的位置。图12C显示了时空转换步骤的输出。预处理影像用示例性细胞的时空核心进行卷积并通过非线性化来产生放电频率。图12D显示了峰电位产生步骤的输出。将时空转换产生的放电频率通过峰电位产生器，从而产生一系列的电脉冲。图12E显示了与峰电位产生步骤的输出对应的光脉冲。
[0378] 实施例10小鼠和猴视网膜神经节细胞编码器参数集合示例
[0379] 本实施例中提供了两种样本编码器的参数集合：小鼠编码器和猴编码器。参数集合 由空间参数、时间参数、和非线性（样条）参数组成。此外，我们提供了用于构建时间函数的基函数（参见“时空转换步骤”中的“编码器”部分的详细描述）。
[0380] 小鼠神经节细胞编码器参数示例性集合
[0381] 空间参数——每个数据是10X10网格中一个位置的权重。网格的每个位置间隔3
2.6度的视角。为方便阅读，以下的样本权重按10 倍进行重新标度。
[0382] 行 1=[0.33002 0.04921 0.35215 -0.50472 -0.316620.480971.59118 0.25387 -0.29734 -0.32160]
[0383] 行 2=[0.72320 -0.79947 1.11129 -0.42650 -0.10557-0.839331.09369 -0.06499 -0.22048 0.93292]
[0384] 行3=[0.06408 0.11642 0.04056 -1.00307 0.76165 0.40809 -0.92745 0.80737 0.92201 -0.12520]
[0385] 行 4=[0.48629 0.70789 0.15863 0.28964 -0.12602-0.317690.29873 -0.05653 -0.13206 0.65947]
[0386] 行 5=[1.38570 -0.92340 -0.37912 1.43493 -0.562290.334230.17084 -0.21360 1.19797 2.19499]
[0387] 行6=[0.06191 -0.92478 0.56671 0.30621 -0.52551 0.75282 -1.19834 0.99852 1.59545 2.82842]
[0388] 行 7=[-0.20276 -1.03567 0.74796 -0.59916 0.481700.317461.22590 1.52443 2.79257 1.82781]
[0389] 行8=[0.31473 0.46495 0.51243 0.19654 0.91553 0.05541 -0.80165 2.12634 1.46123 1.49243]
[0390] 行 9=[-0.12374 -1.08114 0.69296 0.03668 -0.16194-0.026160.22097 0.79908 -0.05111 0.54044]
[0391] 行 10=[0.06479 -0.00645 -0.83147 0.10406 0.60743-0.879561.53526 0.02914 0.23768 -0.13274]
[0392] 时间参数——包含10个空间参数。每个数为10个空间基函数的权重（详见下文）。 [0393] [11.84496 -5.03720 -42.79105 -173.22514 -172.804394.02598186.79332 6.04702 50.69707 -67.50911]
[0394] 时间基函数——包含10个时间基函数{F1,F2,…F10}。每个函数有18个值，其中对于给定的时步，每个时间值确定基函数，每个时步间隔66.7ms。第一个值代表滞后66.7ms的函数，最后一个值代表滞后1.2s的函数。
[0395] F1=[1 0 0 0 0 00 0 0 0 0 0 0
00 0 0 0]
[0396] F2=[0 1 0 0 0 00 0 0 0 0 0 0
00 0 0 0]
[0397] F3=[0 0 1 0 0 00 0 0 0 0 0 0
00 0 0 0]
[0398] F4=[0 0 0 1 0 00 0 0 0 0 0 0
00 0 0 0]
[0399] F5=[0 0 0 0 1 00 0 0 0 0 0 0
00 0 0 0]
[0400] F6=[0 0 0 0 0 0.89580.4425 0.0418 0 0 0 0 00 0
0 0 0]
[0401] F7=[0 0 0 0 0 0.36850.7370 0.5240 0.2130 0.0325 0 00 0 0 0 0
0]
[0402] F8=[0 0 0 0 0 00.3038 0.5724 0.5724 0.4236 0.24690.1069 0.0250 0 0
0 0 0]
[0403] F9=[0 0 0 0 0 00.0000 0.1420 0.3493 0.4696 0.48740.4336 0.3439 0.2457
0.1563 0.0852 0.0358 0.0081]
[0404] F10=[0 0 0 0 0 00 0 0.0195 0.1233 0.2465 0.34410.4012 0.4187
0.4043 0.3678 0.3181 0.2626]
[0405] 需要注意的是，上述数字不是模型参数，即这些数字为预先所选定，它们并不适于数据。F1到F5是脉冲，F6到F10为对数时间内的升余弦，为了读者方便，其值在这里给出。样条参数——非线性化是一个标准三次样条，即一个分段的三次多项式。作为标准，样条以其成分多项式{P1,P2,…P6}和节点{b1,b2,…b7}的形式定义。每一个Pn用于计算节点bn和bn+1之间的非线性。因此在本文明中，多项式数ptot=6，则有ptot+1=7个节点。每一个多项式Pn定义有有4个系数[An,Bn,Cn,Dn]。对于给定的点x，当bn≤x≤bn+1时，非线性y的值由下式确定：
[0406] y＝((An(x-bn)+Bn)(x-bn)+Cn)(x-bn)+Dn
[0407] 对小于b1的x值，上述公式中取n=1，若x数值大于b7，上述公式中n=7。
[0408] 节点：[-4.2105 -2.6916 -1.1727 0.3461 1.8650 3.3839 4.9027]
[0409] P1=[0.2853 -0.1110 -2.9797 4.8119]
[0410] P2=[-0.2420 1.1890 -1.3423 1.0298]
[0411] P3=[-0.2063 0.0863 0.5947 0.8860]
[0412] P4=[3.3258 -0.8538 -0.5712 1.2653]
[0413] P5=[-6.3887 14.3006 19.8527 10.0815]
[0414] P6=[3.2260 -14.8100 19.0790 50.8402]
[0415] 猴神经节细胞编码器参数示例性集合
[0416] 空间参数——每个数据是10X10网格中某个位置的权重，网格的每个位置间隔3
0.3度的视角。为方便阅读，以下的样本权重按10 倍重新标度。
[0417] 行 1=[0.55195 -0.84156 0.84613 -0.57117 -0.19474-0.11197 -1.00783 -0.03454 1.28868 -0.22166]
[0418] 行 2=[-1.04227 0.23179 0.25551 -0.45285 -0.41161-0.150360.83755 -1.57133 -0.88564 2.05603]
[0419] 行 3=[0.60746 0.53720 0.60018 -2.29069 -1.81365-0.50460 -1.29800 -1.45387 1.58825 -1.17287]
[0420] 行 4=[-0.22411 -0.77299 -1.00706 -1.94835 -2.92171-2.98774 -1.23428 -0.54277 0.68372 -0.70579]
[0421] 行 5=[0.06135 0.22591 -3.75132 -3.01549 -2.58498-2.189810.13431 -0.82007 -1.10427 -0.10170]
[0422] 行 6=[0.99720 -0.02322 0.43823 -0.52735 -2.14156-2.89650 -0.57703 -0.87173 0.83669 1.35836]
[0423] 行 7=[0.13385 0.76995 -0.80099 -0.11574 -1.70100-0.514370.29501 -2.02754 -0.22178 -1.26073]
[0424] 行 8=[-0.69551 1.30671 -0.91948 0.15329 0.301210.20764 -1.69209 -0.09721 -0.09431 0.36469]
[0425] 行 9=[0.26733 -0.01433 0.57732 0.13921 -0.182790.36743 -0.59386 0.71287 -1.03279 0.09482]
[0426] 行 10=[1.17775 -0.90456 -1.58663 -1.14128 0.006730.204180.98834 -0.78054 0.43434 0.52536]
[0427] 时间参数——包含10个空间参数。每个数据10个空间基函数的权重（详见下文）。 [0428] [25.67952 -43.25612 15.94787 -84.80078 -88.11922-4.70471-45.63036 73.07752 34.14097 -0.95146]
[0429] 时间基函数——包含10个时间基函数{F1,F2,…F10}。每个函数有30个值，其中对于给定的时步，上述每个值确定基函数，每个时步间隔16.7ms。第一个值代表滞后16.7ms的函数，最后一个值代表滞后0.5s的函数。
[0430] F1=[1 0 0 0 0 0 0 0 00 0 0 0 00 0 0 0 0 0
0 0 0 0 0 0 0 00 0]
[0431] F2=[0 1 0 0 0 0 0 0 00 0 0 0 00 0 0 0 0 0
0 0 0 0 0 0 0 00 0]
[0432] F3=[0 0 1 0 0 0 0 0 00 0 0 0 00 0 0 0 0 0
0 0 0 0 0 0 0 00 0]
[0433] F4=[0 0 0 1 0 0 0 0 00 0 0 0 00 0 0 0 0 0
0 0 0 0 0 0 0 00 0]
[0434] F5=[0 0 0 0 1 0 0 0 00 0 0 0 00 0 0 0 0 0
0 0 0 0 0 0 0 00 0]
[0435] F6=[0 0 0 0 0 0.8625 0.4952 0.1045 00 0 0 00 0 0 0 0 0 0
0 0 0 0 0 0 00 0 0 0
0 0 0 0 0 0 0 0 0 00
0 0 0]
[0436] F7=[0 0 0 0 0 0.3396 0.6754 0.56120.3153 0.1180 0.01720 0 0 0 0 0 0
0 0 0 0 0 0 00 0 0 0
0]
[0437] F8=[0 0 0 0 0 0 0.2309 0.47650.5415 0.4765 0.35620.2309 0.1266 0.0535 0.0125 0 0 0
0 0 0 0 0 00 0 0 0 0
0]
[0438] F9=[0 0 0 0 0 0 0 0.07530.2323 0.3583 0.4226 0.43120.4002 0.3461 0.2819 0.2168 0.1567 0.1052
0.0639 0.0333 0.0131 0.00240 0 0 0 0 0
0 0]
[0439] F10=[0 0 0 0 0 0 0 00.0004 0.0420 0.1189 0.19900.2656 0.3124 0.3386 0.3466 0.3398 0.3219
0.2962 0.2656 0.2326 0.19900.1662 0.1354 0.1071 0.0820 0.0603 0.0420
0.0272 0.0158]
[0440] 样条参数——非线性是标准三次样条，即一个分段的三次多项式。作为标准，样条以其成分多项式{P1,P2,…P6}和节点{b1,b2,…b7}的形式定义。每一个Pn用于计算节点bn和bn+1之间的非线性。因此在本发明中，多项式数ptot=6，则有ptot+1=7个节点。每一个多项式Pn有4个系数[An,Bn,Cn,Dn]。对于一个给定的点x，当bn≤x≤bn+1时，非线性y的值由下式确定：
[0441] y＝((An(x-bn)+Bn)(x-bn)+Cn)(x-bn)+Dn
[0442] 节点：[-7.9291 -5.9389 -3.9486 -1.9584 0.0318 2.0221 4.0123]
[0443] P1=[-1.0067 3.4136 4.5376 -25.8942]
[0444] P2=[-0.2910 -2.5970 6.1628 -11.2780]
[0445] P3=[2.4072 -4.3345 -7.6326 -11.5935]
[0446] P4=[-2.7537 10.0384 3.7195 -24.9763]
[0447] P5=[1.6687 -6.4032 10.9543 0.4804]
[0448] P6=[-1.0485 3.5605 5.2966 10.0743]
[0449] 实施例11由编码器产生的猴视网膜神经节细胞放电类型
[0450] 呈现自然场景的影像并记录猕猴视网膜神经节细胞的应答（简言之，视网膜取自猴；向视网膜呈现自然场景的影像，并记录神经节细胞的应答）（图13上）。除此之外，将影像呈现至编码器，编码器是针对这些猴神经节细胞而产生（按照“编码器”部分中列出的步骤）。（图13中）。
[0451] 在正常视网膜中，通过视网膜电路，将影像转换成动作电位类型，也称为峰电位序列。正常神经节细胞的峰电位序列见图13，上。由编码器产生的应答与这些应答近似匹配（图13，中）。因此，可以模拟正常视网膜的输入/输出关系。
[0452] 实施例12猴编码器在视觉辨别任务中的表现
[0453] 采用辨别任务方法评估了一组猴编码器的性能（图14）。该任务根据实施例8所述的方法进行（参见“辨别任务中的表现”部分）。
[0454] 按照实施例8中的步骤进行两项分析。每项分析使用猴视网膜的应答作为训练集合。测试集合采用两组应答：
[0455] (1）第一个集合由猴视网膜应答组成。以获取正常神经节细胞应答产生的正确分数。
[0456] （2）第二个集合由编码器应答组成（如本文通篇所指出，编码器应答是电脉冲流，在此例中，刺激呈现后脉冲持续1.33秒，块为6.7ms，其与猴神经节细胞应答相似）。 [0457] 当使用编码器应答作为测试集合时，对于给定的猴视网膜的应答分布，获得检测编码器表现好坏的指标。换言之，以脑能够解读猴视网膜的应答假设（即，自然编码的应答）为基础。当使用编码器应答作为测试集合时，可以获得脑对本发明中正常视网膜应答（本发明中的视网膜代码）表现好坏的指标。图14显示了结果。图14A显示了由正常猴视网膜获得测试集合时，产生的混淆矩阵。左侧为单个神经节细胞的矩阵，右侧为细胞群（10个细胞）的矩阵。如图所示，单个细胞各自携带一定数量的信息；作为细胞群的细胞则能够辨别集合中几乎所有的刺激。正确分数为83%。图14B显示了由编码器获得测试集合时，产生的混淆矩阵（这些编码器建立自猴视网膜的输入/输出关系，如图14A中显示的那样）。编码器应答得到的正确分数为77%，这与正常猴神经节细胞产生的正确分数——83％——极其接近。也就是说，是正常猴神经节细胞产生的正确分数的77/83＝92.8%。因此，编码器的输出，即本发明中的猴视网膜神经代码，与猴视网膜的表现密切匹配。
[0458] 实施例13传感器输出至编码器输出的保真度
[0459] 图15显示了在编码器高保真输出之后，编码器+传感器能够产生的神经节细胞应答。编码器的生成如上文所述。刺激，即婴儿的面部图像，被输入到驱动编码器的处理设备中，并产生代码。在表达ChR2的双转基因失明小鼠中，代码通过接口驱动位于视网膜上的LED。电极记录视网膜应答。图15A显示了光脉冲和相应的神经节细胞输出。对于各成对的行，上一行显示光脉冲次数，而下一行显示表达ChR2的神经节细胞产生的动作电位次数。后面的图15B是图15A中圆圈区域的放大图，其显示了光脉冲与动作电位是一一对应的。如图所示，动作电位能够紧随光脉冲产生，因此，编码器具有高保真度。
[0460] 实施例14假体治疗
[0461] 一位53岁的老年男患者患有黄斑变性。他的EVA测试得分是48分——视力20/200，故而确诊为视力低下。该患者视力一直在缓慢恶化，因此他十分担心最后会完全失明。医 务人员与患者讨论使用视网膜假体的治疗方法并且决定采用本发明的视网膜假体对患者进行治疗。
[0462] 使用了一个配有如上文所述基因治疗药物的试剂盒并使用了具有照相机、处理器和接口的设备。
[0463] 为了降低治疗中眼部免疫反应的风险，患者被给予短程的糖皮质激素用药并且在该过程结束时安排了一次就诊。在诊疗期间，患者在局部麻醉下玻璃体内注射进行基因治疗，向患者给予通过rAAV载体携带紫红质通道蛋白-2的cDNA，其具有能靶向视网膜神经节细胞的启动子序列。
[0464] 该患者恢复并被送回家。每周随访一次以确保患者眼睛顺利康复并监测病毒载体的播散情况。眼睛正常痊愈并且没有发现病毒传播。
[0465] 在第四周，患者第一次装配作为治疗组件之一的硬件，其包括一副包含处理器和电池的眼镜。眼镜的每片镜片都是记录图像的照相机；每个镜头的内表面是光阵列。 [0466] 在佩戴眼镜设备与不佩戴眼镜设备条件下进行初始视力测试。不佩戴眼镜时，患者的视力依然是20/200；佩戴治疗设备后经EVA测定患者视力已经提高到20/80。每周患者测试并花时间练习使用全套设备；第六周患者佩戴眼镜时的视力已经提高到20/50。该患者具有接近正常的视力。
[0467] 实施例15假体治疗
[0468] 一位60岁的女性老年患者患有黄斑变性。她在EVA测试中成绩是3个字母——她的视力是20/800，她被确定为法定盲人。医务人员与患者讨论使用视网膜假体的治疗方法并且决定采用本发明的视网膜假体对患者进行治疗。
[0469] 使用了配有基因治疗药物的试剂盒和具有照相机、处理器和接口的设备。 [0470] 为了降低治疗中眼部免疫反应的风险，患者被给予短程的糖皮质激素用药并且在该过程结束时安排了一次就诊。在诊疗期间，患者在局部麻醉下玻璃体内注射给予基因治疗。
[0471] 该患者恢复并被送回家。每周随访一次以确保患者眼睛顺利康复并监测病毒载体的播散情况。眼睛正常痊愈并且没有发现病毒感染。
[0472] 在第四周，患者第一次装配作为治疗组件之一的硬件，包括一副包含处理器和电池的眼镜。眼镜的每片镜片都是一个记录图像的照相机；每个镜头的内表面是光阵列。 [0473] 在佩戴眼镜设备与不佩戴眼镜设备条件下进行初始视力测试。不佩戴眼镜时，患者的视力依然是20/800；佩戴治疗设备后经标准视力测试测定患者视力已经提高到20/100。每周患者测试并花时间练习使用全套设备；第六周患者戴着眼镜时的视力已经提高到20/40。
[0474] 本发明的范围并不限于上文所具体显示和描述的内容。本领域技术人员将认识到，所描述的材料、配置、结构和尺寸的例子具有适宜的替代方案。在本发明的说明书中引用和讨论了多种参考文献，包括专利和多种出版物。提供这样的引用的引用和讨论的，仅仅是为了阐明本发明的描述，而不是承认任何引用是本文所描述的本发明的现有技术的。在本说明书中引用和讨论的所有参考文献均通过引用整体并入本文。
[0475] 尽管在本文中描述和说明了多种发明的实施方式，但是本领域技术人员将容易想到用于执行本文所描述的功能和/或获得结果和/或一种或多种益处的多种其他方法和/或结构，每个这样的变化和/或修饰均视为在本文所描述的发明实施方式的范围内。更普遍地说，本领域技术人员将容易理解本文所描述的所有参数、尺寸、材料、和配置均是示例性的，实际参数、尺寸、材料、和/或配置将依赖于发明教导使用的特定应用。本领域技术人员将认识到，或使用不超过常规实验能够确定本文所描述的特定发明实施方式的多种等价物。因此，应当理解，前述实施方式仅以示例的方式存在，并在本发明的权利要求和等价物的范围内，可以以不同于特定描述和要求的方式实施发明的实施方式。本公开的发明实施方式针对本文所描述的每个单独的特征、系统、物品、材料、试剂盒、和/或方法。此外，两种或多种此类特征、系统、物品、材料、试剂盒、和/或方法的组合，如果此类特征、系统、物品、材料、试剂盒、和/或方法之间不存在矛盾，则包括在本公开的发明范围内。可以以多种方式中的任意一种实施上文所描述的实施方式。例如，可以使用硬件、软件或其组合实施所述实施方式。当在软件中实施时，可以在任意适宜的处理器或处理器集合中执行软件代码，无论其在单一计算机中提供还是分布在多台计算机中。
[0476] 而且，应当理解计算机可能包括多种形式中的任意一种，如安装在机架上的计算机、台式计算机、膝上型计算机或平板计算机。此外，还可以将计算机嵌入一般不被当做计算机但具有适宜处理能力的设备，包括个人数字助理（PDA）、智能电话或任意其他适宜的便携式或固定式电子设备。
[0477] 此外，计算机可以具有一个或多个输入和输出设备。除其他外，可以使用这些设备以显示用户接口。能够用于提供用户接口的输出设备的例子，包括用于输出视觉显示的 打印机或显示屏和用于输出可收听显示的扬声器或其他声音生成设备。能够用于用户接口的输入设备的例子包括键盘和点击设备如鼠标、触摸板、和数字化片。作为另一个例子，计算机可以通过语音识别或其他可听设备接收输入信息。
[0478] 此类计算机可以通过一种或多种任意形式的网络相互连接，包括局域网或广域网，如企业网络、和智能网（IN）或因特网。此类网络可以基于任意适宜的技术，可以根据任意适宜的协议操作，并且可能包括无线网络、有线网络或光线网络。
[0479] 用于实现本文所描述功能的至少一部分的计算机可以包括存储器、一个或多个处理单元（在本文中也简称为“处理器”）、一个或多个通信接口、一个或多个显示单元、和一个或多个用户输入设备。存储器可以包括任意计算机可读的介质，并且可以存储用于执行本文所描述的各种功能的计算机指令（在本文中也称为“处理器可执行指令”）。可以使用处理单元执行指令。可以将通信接口连接到有限或无线网络、总线或其他通信装置，并可以因此允许计算机发送信息和/或接受来自其他设备的信息。可以提供显示器单元，例如，以允许用户查看与指令执行相关的各种信息。可以提供用户输入设备，例如，以允许用户进行手动调整、进行选择、输入数据或多种其他信息、和/或在指令执行过程中以多种方式中的任意一种与处理器相互作用。
[0480] 本文列出的各种方法或过程可以被编码为软件，其可以在采用多种操作系统或平台的任意一种的一个或多个处理器上执行。此外，此类软件可以使用多种适宜的编程语音和/或编程或脚本工具中的任意一种编写，并且也可以被编译成可执行的机器语言代码或在框架或虚拟机上执行的中间代码。
[0481] 在这方面，各种发明的概念可以被实施为被一个或多个程序编码的计算机可读存储介质（或多个计算机可读存储介质）（例如，计算机存储器、一个或多个软盘、压缩盘、光盘、磁带、闪存、在现场可编程门阵列或其他半导体设备中的电路配置、或其他非暂时性介质或有形计算机存储介质），当其在一个或多个计算机或其他处理器上执行时，执行实施本发明上文中讨论的多种实施方式。计算机可读介质或媒体可以是可传输的，这样存储在其上的程序可以被加载至一个或多个不同的计算机或其他处理器上，以实施本发明上文中讨论的各个方面。
[0482] 本文所使用的术语“程序”或“软件”在一般意义上指任意类型的计算机代码或计算机可执行指令集，可以将其引入编程计算机或其他处理器以实施上文中讨论的实施方式的各个方面。此外，应当认识到，根据一个方面，一个或多个计算机程序当执行本发 明的方法时不需要驻留在一台计算机或处理器上，也可以以模块化的方式分布在多台不同计算机或处理器上，以实施本发明的各个方面。
[0483] 计算机可执行指令可以是多种形式，如程序模块，由一个或多个计算机或其他设备执行。通常地，程序模块包括例程、程序、对象、组件、数据结构等，其执行特定任务或实施特定的抽象数据类型。典型地，可以根据不同实施方式的需要对程序模块的功能进行组合或分布。
[0484] 此外，可以将数据结构存储在任意适宜形式的计算机可读介质中。为了简化说明，可以将数据结构显示为具有字段，其由于在数据结构中的位置相关。此类关系可以通过为在计算机可读介质中具有位置的字段分配存储同样地实现，其传达了字段间的关系。然而，可以使用任意适宜的机制建立数据结构字段信息之间的关系，包括通过使用在数据元素之间建立关系的指针、标签或其他机制。
[0485] 此外，各种发明构思可以被实施为一种或多种方法，已提供了这样的例子。作为所述方法的一部分执行的动作可以以任意适宜方法排序。因此，可以构建实施方式，其执行行为的顺序与已说明的不同，在示例性实施方式中其可以包括同时执行某些行为，甚至通过顺序行为实施。
[0486] 如本文所使用的，术语“光”以及相关术语（例如，“光学”）将被理解为包括可见光谱以内和以外的电磁辐射，包括例如紫外和红外辐射。
[0487] 所有定义，如本文所定义和使用的，均应被理解为字典中的定义、通过引用并入的文件中的定义、和/或所定义术语的通常含义。
[0488] 在不违背本发明的主旨和范围的情况下，本领域的普通技术人员可能对本发明的描述进行变更、修改或者其它的补充说明。尽管已描述和说明了本发明的某些实施方式，但是在不违背本发明的主旨和范围的情况下，本领域技术人员可以很清楚地知道对其可以进行的各种改变和修改。在上述说明书中提到的物质及附图只是为了说明，而并不是为了限制。
[0489] 参考文献
[0490] Ahuja A,Dorn J,Caspi A,McMahon M,Dagnelie G,Dacruz L,Stanga P,Humayun M,Greenberg R(2010)Blind subjects implanted with the Argus II retinalprosthesis are able to improve performance in a spatial-motor task.Br J
Ophthalmol.
[0491] Arenkiel et al.,In vivo light-induced activation of neural circuitry in transgenic mice expressing channelrhodopsin-2.Neuron(2007)54(2):205-18.
[0492] Ausubel et al.,Current Protocols in Molecular Biology,John Wiley & Sons,New York,1989
[0493] Bach,M et al(2008)Visual evoked potential-based acuity assessment in normal vision,artificially degraded vision,and in patients.Br JOphthalmol92:396-403
[0494] Barnstable et al.,Thy-1antigen:a ganglion cell specific marker in rodent retina.Neuroscience(1984)11(4):847-55.
[0495] Bi A,Cui J,Ma Y-P,Olshevskaya E,Pu M,Dizhoor AM,Pan Z-H(2006)Ectopic expression of a microbial-type rhodopsin restores visual responses in mice with photoreceptor degeneration.Neuron50:23-33.
[0496] Bomash I,Roudi Y,Nirenberg S.(2010)A virtual retina that works on a broad array of stimuli including natural scenes:A tool to simplify the problem of population coding.Society for Neuroscience.Program No.891.5.
[0497] Bookstein R et al(1990)Promoter deletion and loss of retinoblastoma gene expression in human prostate carcinoma.Proc.Nati.Acad.Sci.USA87(19):7762-7766
[0498] Busskamp V,et al(2010)Genetic reactivation of cone photoreceptors restores visual responses in retinitis pigmentosa.Science329:413-417.
[0499] Cai et al.(2010)Gene delivery to mitotic and postmitotic photoreceptors via compacted DNA nanoparticles results in improved phenotype in a mouse model of retinitis pigmentosa. FASEB J.24:1178-1191.
[0500] Campagnola L,Wang H,Zylka MJ.(2008)Fiber-coupled light-emitting diode for localized photostimulation of neurons expressing channelrhodopsin-2.Journal of Neuroscience Methods.169:27-33.
[0501] Cardin JA,et al(2010)Targeted optogenetic stimulation and recording of neurons in vivo using cell-type-specific expression of Channelrhodopsin-2.Nat Protoc5(2):247-54.
[0502] Chader GJ,Weiland J,Humayun MS(2009)Artificialvision:needs,functioning,and testing of a retinal electronic prosthesis.Prog Brain Res175:317-332.
[0503] Chiappa,K.(1997)Evoked Responses in Clinical Medicine,ThirdEdition,Lippincott-Raven
[0504] Chichilnisky EJ.(2001)A simple white noise analysis of neuronal light responses.Network12(2):199-213
[0505] Chopdar A,Chakravarthy U,Verma D(2003)Age related maculardegeneration.BMJ326:485-488.
[0506] Cover T and Thomas J.(2006)Elements of Information Theory,2nd Edition.Hoboken,NJ:Wiley
[0507] Dann JF,Buhl EH.(1987)Retinal ganglion cells projecting to theaccessory optic system in the rat.J Comp Neurol262(1):141-58.
[0508] Dedek K,et al(2008)Ganglion cell adaptability:does the coupling of horizontal cells play a role?PLoS One.3(3):e1714.
[0509] Douglas RM et al(2005)Independent visual threshold measurements in the two eyes of freely moving rats and mice using a virtual-reality optokinetic system.Vis Neurosci.22(5):677-84.
[0510] Duda RO,Hart PE(2001)Pattern Classification(2nd Edition)Wiley,NY, [0511] Enroth-Cugell et al.,(1966)The contrast sensitivity of retinal ganglion cells of the cat.J Physiol187(3):517--52.
[0512] European Patent Application No.19891976
[0513] Famulare M,Fairhall A.(2010)Feature selection in simple neurons:how coding depends on spiking dynamics.Neural Comput22(3):581-98
[0514] Field et al.,(2007)Information processing in the primateretina:circuitry and coding.Annu Rev Neurosci30:1--30.
[0515] Fitzgerald et al.(1994)Retinal signal transmission in Duchenne muscular dystrophy.J Clin Invest93:2425-30.
[0516] Foley JM,Legge GE(1981)Contrast detection and near-thresholddiscrimination in human vision.Vision Res.21(7):1041-53.
[0517] Fried S,Werblin F,McMahon MJ(2006)US Pat.2006/0129207Mimicking neural coding in retinal ganglion cells with short pulse electrical stimulation.In:(US,ed).
[0518] Friedman DS,O'Colmain BJ, Tomany SC,McCarty C,de JongPTVM,Nemesure B,Mitchell P,Kempen J,Eye Diseases Prevalence Research
Group(2004)Prevalence of age-related macular degeneration in the United States.Arch Ophthalmol122:564-572.
[0519] Geisler WS(200).Visual perception and the statistical properties of natural scenes.Annu.Rev.Psychol.59:167-92(2008)
[0520] Gerding H,Benner FP,Taneri S(2007)Experimental implantation ofepiretinal retina implants(EPI-RET)with an IOL-type receiver unit.J Neural Eng4:S38-49.
[0521] Giolli RA,Blanks RHI,Lui F.(2005)The accessory optic system:basic organization with an update on connectivity,neurochemistry,and function.Prog Brain Res151:407-40.
[0522] Golan L,Reutsky I,Farah N & Shoham S.(2009)Design and characteristics of holographic neural photo-stimulation systems,Journal of NeuralEngineering6066004,(2009)
[0523] Graham-Rowe D(2009)A Brighter Future for Retinal Implants.In:Technology Review,http://www.technologyreview.com/biomedicine/23539/.
Boston,MA:MIT.
[0524] Greenberg KP,et al.(2011).Differential Targeting of OpticalNeuromodulatorsto Ganglion Cell Soma and Dendrites Allows Dynamic Control of Center-Surround Antagonism.Neuron69,713–720.
[0525] Grinstead CM and Snell JL(1997)Introduction to Probability.American Mathematical Society;2nd Revised edition
[0526] Grossman N,Poher V,Grubb MS,Kennedy GT,Nikolic K,McGovern B,Palmini RB,Gong Z,Drakakis EM,Neil,MAA,Dawson MD,Burrone J,Degenaar P.(2010)Multi-site optical excitation using ChR2and micro-LED array.J.Neural Eng,7(1):1-13. [0527] Han et al,(2009),Millisecond-Timescale Optical Control of Neural Dynamics in the Nonhuman Primate Brain,Neuron62,191-198.
[0528] Hand DJ.(1981)Discrimination and classification.Wiley Series inProbability and Mathematical Statistics.
[0529] Huberman AD,Manu M,Koch SM,Susman MW,Lutz AB,Ullian EM,BaccusSA,Barres BA(2008)Architecture and activity-mediated refinement of axonal projections from a mosaic of genetically identified retinal ganglion cells.Neuron.2008Aug14;59(3):425-38.
[0530] Huberman AD,Wei W,Elstrott J,Stafford BK,Feller MB,Barres BA(2009)Genetic Identification of an On-Off Direction-Selective Retinal Ganglion Cell Subtype Reveals a Layer-Specific Subcortical Map of Posterior Motion.Neuron.62(3):327-334.
[0531] Ivanova E,Pan Z-H(2009)Evaluation of the adeno-associated virusmediated long-term expression of channelrhodopsin-2in the mouse retina.
Molecular Vision15:1680-1689
[0532] Izhikevich EM(2007)Dynamical systems in neuroscience:the geometry of excitability and bursting.Cambridge,MA:MIT Press
[0533] Izhikevich EM(2010)Hybrid spiking models.Review.Phil.Trans.R.Soc.A(2010)368,5061–5070
[0534] Jacobs AL et al(2009),Ruling out and ruling in neural codes.Proc Natl Acad Sci U S A.106(14):5936-41.
[0535] Jeffreys,Harold(1961).The Theory of Probability.The Oxford University Press.
[0536] Kass RE,Ventura V,Brown EN.(2005)Statistical issues in the analysis of neuronal data.J Neurophysiol94(1):8-25.
[0537] Kawasaki et al.,Variability of the relative afferent pupillary defect.Am J Ophthalmol(1995).120:622–633.
[0538] Kay MA,Glorioso JC,Naldini L.(2001)Viral vectors for gene therapy:the art of turning infectious agents into vehicles of therapeutics.NatMed.7(1):33-40.Review.
[0539] Kelly S,Shire D,Chen J,Doyle P,Gingerich M,Drohan W,TheogarajanL,Cogan S,Wyatt J,Rizzo JI(2009)Realization of a15-channel,hermetically-encased wireless subretinal prosthesis for the blind.In,pp200--203.
[0540] Kibbel S,Harscher A,Wrobel W-G,Zrenner E,Rothermel A(2009)Design and Performance of an improved active subretinal chip.In:World Congress on Medical Physics and Biomedical Engineering,September7-12,2009,Munich,Germany(Kim SI,Suh TS, Schlegel WC,eds),pp192-195:Springer Berlin Heidelberg.
[0541] Koilkonda RD,Hauswirth WW,Guy J.(2009)Efficient expression ofself-complementary AAV in ganglion cells of the ex vivo primate retina.Mol Vis.15:2796-802.
[0542] Kuffler SW.(1953)Discharge patterns and functional organization of mammalian retina.J Neurophysiol16(1):37-68.
[0543] Lagali PS,Balya D,Awatramani GB,Münch TA,Kim DS,Busskamp V,Cepko CL,Roska B(2008)Light-activated channels targeted to ON bipolar cells restore visual function in retinal degeneration.Nat Neurosci11:667-675.
[0544] Lesica NA et al.(2007)Adaptation to stimulus contrast andcorrelations during natural visual stimulation.Neuron55(3):479-491.
[0545] Lettvin et al.,(1959)What the frog's eye tells the frog's brain.Proceedings of the Institute of Radio Engineers47(11):1940-51.
[0546] Liao et al.(2007)In vivo gene delivery in the retina usingpolyethylenimine.BioTechniques2007,42:285-288.
[0547] Loewenstein JI,Montezuma SR,Rizzo JF,III(2004)Outer RetinalDegeneration:An Electronic Retinal Prosthesis as a Treatment Strategy.Arch Ophthalmol122:587-596.
[0548] Maguire et al.Safety and efficacy of gene transfer for Leber'scongenital amaurosis.N Engl JMed(2008)358:2240–2248.
[0549] Mancuso et al.,(2009)Gene therapy for red-green colour blindness in adult primates.Nature461(7265):784-7.
[0550] Martin et al.2002.Gene delivery to the eye using adeno-associated viral vectors.Methods28:267-275.
[0551] McGowan MH et al(1998)Characterization of the Mouse Aldose Reductase Gene and Promoter in a Lens Epithelial Cell Line.Mol Vis1998;4:2
[0552] McLaughlin SK,Collis P,Hermonat PL,Muzyczka N.(1988)Adeno-associated virus general transduction vectors:analysis of proviral structures.JVirol.62(6):1963-73.
[0553] Meytlis M,Bomash I,Pillow JW,Nirenberg S.(2009)Assessing theimportance of correlated firing using large populations of neurons.Society for Neuroscience.Program No.165.3.
[0554] Morgans CW,et al(2009)TRPM1is required for the depolarizing light response in retinal ON-bipolar cells.Proc Natl Acad Sci U S A106(45):19174-8. [0555] Nanduri D,Humayun M,Greenberg R,McMahon M,Weiland J(2008)Retinal prosthesis phosphene shape analysis.In:30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,pp1785--1788.Vancouver,BC.
[0556] Nichols Z,Meytlis M,Nirenberg S.(2010)Correlations play a negligible role in coding white noise and natural scene stimuli in complete retinal populations.Submitted.
[0557] Nirenberg S(2000)Photoablation of cells expressing beta-galactosidase.Methods Mol Biol.135:475-80
[0558] Nirenberg S and Cepko,C(1993).Targeted ablation of diverse cell classes in the nervous system in vivo.J Neurosci.13(8):3238-51.
[0559] Nirenberg S and Latham PE.(1998)Population coding in the retina.Curr.Opin.Neurobiol.8(4):488-493
[0560] Nirenberg S and Meister M.(1997).The light response of retinal ganglion cells is truncated by a displaced amacrine circuit.Neuron18:637-650
[0561] Nirenberg S et al(2001)Retinal ganglion cells act largely asindependent encoders.Nature411(6838):698-701.
[0562] Nirenberg S et al.(2010)Heterogeneous response dynamics in retinal ganglion cells:the interplay of predictive coding and adaptation.JNeurophysiol103(6):3184-94
[0563] Norcia,AM,and Tyler,CW(1985)Spatial frequency sweep VEP:visual acuity during the first year of life.Vision Res.25(10):1399-408
[0564] Norcia,AM,et al(1989).Measurement of spatial contrast sensitivity with the swept contrast VEP.Vision Res.1989;29(5):627-37.
[0565] Okuyama et al.(1993).Binocular infrared optometer for measuringaccommodation in both eyes simultaneously in natural-viewing conditions Applied Optics,Vol.32.No22,p.4147
[0566] Pandarinath et al(2010a)A novel mechanism for switching a neural system from one state to another.Front Comput Neurosci.31;4:2.
[0567] Pandarinath et al(2010b)Symmetry breakdown in the ON and OFF pathways of the retina at night:functional implications.J Neurosci30(30):10006-14. [0568] Paninski L,Pillow J,Lewi J.(2007)Statistical models for neuralencoding,decoding,and optimal stimulus design.Prog Brain Res.165:493-507. [0569] Paninski L.(2004)Maximum likelihood estimation of cascade
point-process neural encoding models.Network15(4):243-62
[0570] Panzeri S,et al(2007)Correcting for the sampling bias problem in spike train information measures.J Neurophysiol.98(3):1064-72.Review.
[0571] Pelli DG,Robson JG,& Wilkins AJ(1988)The design of a new letter chart for measuring contrast sensitivity.Clinical Vision Sciences2,187-199
[0572] Perry VH,Silveira LC.(1988)Functional lamination in the ganglion cell layer of the macaque's retina.Neuroscience.25(1):217-23.
[0573] Petrs-Silva et al.,(2009)High-efficiency transduction of the mouse retina by tyrosine-mutant AAV serotype vectors.Mol Ther17(3):463-71.
[0574] Petersen-Jones et al.,(2009)AAV retinal transduction in a large animal model species:comparison of a self-complementary AAV2/5with a single-stranded AAV2/5vector.Mol Vis15:1835-42.
[0575] Pillow JW,Shlens J,Paninski L,Sher A,Litke AM,ChichilniskyEJ,Simoncelli EP.(2008)Spatio-temporal correlations and visual signalling in a complete neuronal population.Nature454(7207):995-9
[0576] Prusky GT,et al(2004)Rapid quantification of adult and developing mouse spatial vision using a virtual optomotor system.Invest Ophthalmol Vis Sci.45(12):4611-6.
[0577] 公开的PCT申请WO1996013598
[0578] 公开的PCT申请WO1998048027
[0579] 公开的PCT申请WO2000015822
[0580] 公开的PCT申请WO2001094605
[0581] 公开的PCT申请WO2002082904
[0582] 公开的PCT申请WO2003047525
[0583] 公开的PCT申请WO2003080648
[0584] 公开的PCT申请WO2003093479
[0585] 公开的PCT申请WO2003104413
[0586] 公开的PCT申请WO2005080573
[0587] 公开的PCT申请WO2007127428
[0588] 公开的PCT申请WO2010011404
[0589] Pun L(1969),Introduction to Optimization Practice,ISBN471-70233-1 [0590] Purpura K,Tranchina D,Kaplan E,Shapley RM.(1990)Light adaptation in the primate retina:analysis of changes in gain and dynamics of monkey retinal ganglion cells.Vis Neurosci4(1):75--93.
[0591] Rolls ET,Baylis GC,Leonard CM.Role of low and high spatial frequencies in the face-selective responses of neurons in the cortex in the superior temporal sulcus in the monkey.Vision Res.1985;25(8):1021-35.
[0592] Sambrook et al,“Molecular Cloning.A Laboratory Manual”,2d ed.,Cold Spring Harbor Laboratory,New York(1989)
[0593] Sauer B.(1987)Functional expression of the cre-lox site-specific recombination system in the yeast Saccharomyces cerevisiae.Mol CellBiol.7(6):2087-96.
[0594] Shapley RM,Victor JD.(1981)How the contrast gain control modifies the frequency responses of cat retinal ganglion cells.J Physiol.318:161-79.
[0595] Sharpee TO et al.(2008)On the Importance of Static Nonlinearityin Estimating Spatiotemporal Neural Filters With Natural Stimuli.J
Neurophysiol99(5):2496-509
[0596] Sheridan C(2011)Gene Therapy finds its niche NatureBiotechnology29(2):121-128
[0597] Siegert S,Scherf BG,Punta KD,Didkovsky N,Heintz N,Roska B(2009).Genetic address book for retinal cell types.Nature Neuroscience.12:1197-1204. [0598] Simoncelli et al.(2004)Characterization of neural responses with stochastic stimuli.The cognitive neurosciences:327—38
[0599] Simonelli et al.(2010)Gene Therapy for Leber's Congenital Amaurosis is Safe and Effective Through1.5Years After Vector Administration,Molecular Therapy183,643–650.
[0600] Sinclair JR,et al(2004).Selective ablation of a class of amacrine cells alters spatial processing in the retina.J Neurosci.24(6):1459-67.
[0601] Sjostrand et al.(1999).Morphometric study of the displacement of retinal ganglion cells subserving cones within the human fovea.Graefe’s Arch Clin Exp Ophthalmol237:1014–1023.
[0602] Soucy ER et al.(1998)A novel signaling pathway from rod photoreceptors to ganglion cells in mammalian retina.Neuron21:481-493
[0603] Stone et al.,(1993)Response properties of ganglion cells in theisolated mouse retina.Vis Neurosci10(1):31-9.
[0604] Strong SP,et al(1998)On the application of information theory to neural spike trains.Pac Symp Biocomput.621-32.
[0605] Thyagarajan S,van Wyk M,Lehmann K, S,Feng G, H(2010)Visualfunction in mice with photoreceptor degeneration and transgenic expression of channelrhodopsin2in ganglion cells.J Neurosci30:8745-8758.
[0606] Tomita H,Sugano E,Isago H,Hiroi T,Wang Z,Ohta E,Tamai M(2010)Channelrhodopsin-2gene transduced into retinal ganglion cells restores
functional vision in genetically blind rats.Exp Eye Res90:429-436.
[0607] Troy JB,Bohnsack DL,Chen J,Guo X,Passaglia CL.(2005)Spatiotemporal integration of light by the cat X-cell center under photopic and scotopic conditions.Vis Neurosci22(4):493--500.
[0608] Troy JB,Bohnsack DL,Diller LC.(1999)Spatial properties ofthe cat X-cell receptive field as a function of mean light level.Vis
Neurosci16(6):1089--104.
[0609] Turchinovich et al.(2010)Non-viral siRNA delivery into the mouse retina in vivo.BMC Ophthalmology10:25.
[0610] U.S.专利7149586
[0611] U.S.专利5,856,152
[0612] U.S.专利5,871,982
[0613] U.S.专利6533798
[0614] U.S.专利公开号20080221653
[0615] U.S.专利公开号20080249588
[0616] U.S.专利公开号20090088399
[0617] U.S.专利公开号20090326623,
[0618] U U.S.专利公开号20100272688
[0619] U.S.专利公开号20070261127
[0620] Ueda et al,(1997)The mGluR65'upstream transgene sequence directs a cell-specific and developmentally regulated expression in retinal rod and ON-type cone bipolar cells.J Neurosci.17(9):3014-23.
[0621] van Adel et al.(2003)Delivery of ciliary neurotrophic factor via lentiviral-mediated transfer protects axotomized retinal ganglion cells for an extended period of time.Hum.Gene Ther.14:103-115.
[0622] Victor JD,Shapley RM.(1979)The nonlinear pathway of Y ganglion cells in the cat retina.J Gen Physiol.74(6):671-89.
[0623] Victor JD.(1987)The dynamics of the cat retinal X cell centre.The Journal of Physiology386(1):219.
[0624] Volgyi B,Deans MR,Paul DL,Bloomfield SA(2004)Convergenceand Segregation of the Multiple Rod Pathways in Mammalian Retina.J
Neurosci24(49):11182–11192.
[0625] Walther W,Stein U.(2000)Viral vectors for gene transfer:a review of their use in the treatment of human diseases.Drugs.60(2):249-71.Review.
[0626] Wassle H.(2004)Parallel processing in the mammalian retina.Nat Rev Neurosci5(10):747-57.
[0627] Wells et al.(2005)Optical stimulation of neural tissue in vivo.Optics Letters30(5):504-506,
[0628] Winter JO,Cogan SF,Rizzo JFI(2007)Retinal prostheses:currentchallenges and future outlook.J Biomater Sci Polym Ed18:1031-1055.
[0629] Wright AF.(1997)Gene therapy for the eye.Br JOphthalmol81(8):620-623Review.
[0630] Yonehara K,Ishikane H,Sakuta H,Shintani T,Nakamura-Yonehara K,et al.(2009)Identification of Retinal Ganglion Cells and Their ProjectionsInvolved in Central Transmission of Information about Upward and Downward Image Motion.PLoS ONE 4(1):e4320.
[0631] Yonehara K,Shintani T,Suzuki R,Sakuta H,Takeuchi Y,et al.(2008)Expression of SPIG1 Reveals Development of a Retinal Ganglion Cell Subtype Projecting to the Medial Terminal Nucleus in the Mouse.PLoS ONE3(2):e1533. [0632] Zhang Y,Ivanova E,Bi A,Pan Z-H(2009)Ectopic expression of multiple microbial rhodopsins restores ON and OFF light responses in retinas with photoreceptor degeneration.J Neurosci29:9186-9196.
[0633] Zrenner E,et al(2009)Subretinal Microelectrode Arrays Allow Blind Retinitis Pigmentosa Patients to Recognize Letters and Combine them toWords.BMEI'09.2nd International Conference on Biomedical Engineering and Informatics.Issue Date:17-19Oct.2009.ISBN:978-1-4244-4132-7.Pages1-4.
相关专利内容
标题 发布/更新时间 阅读量
中心凹视网膜假体-专利编号CN105025982A 2020-05-11 692
视网膜光治疗的系统及方法-专利编号CN104487031A 2020-05-12 719
视网膜假体-专利编号CN106137531B 2020-05-13 1072
用于向视网膜假体提供能量的可佩戴装置-专利编号CN104739544B 2020-05-13 215
视网膜光治疗的系统及方法-专利编号CN104487031B 2020-05-12 903
用于视网膜光疗的系统和方法-专利编号CN108024870A 2020-05-11 100
用于视网膜光疗的设备-专利编号CN106456369A 2020-05-11 443
视网膜假体-专利编号CN106137531A 2020-05-13 368
用于向视网膜假体提供能量的可佩戴装置-专利编号CN104739544A 2020-05-12 1001
中心凹视网膜假体-专利编号CN105025982B 2020-05-11 233
高效检索全球专利

IPRDB是专利检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据，专利查询、专利分析。

电话：13651749426

侵权分析

IPRDB的侵权分析产品是IPRDB结合多位一线专利维权律师和专利侵权分析师的智慧，开发出来的一款特色产品，也是市面上唯一一款帮助企业研发人员、科研工作者、专利律师、专利分析师快速定位侵权分析的产品，极大的减少了用户重复工作量，提升工作效率，降低无效或侵权分析的准入门槛。

立即试用

视网膜热门专利
热门文章

IPRDB

最新中国发明专利 最新美国发明专利 技术领域 专利库 专利分类库 国际专利分类库

热门服务

会员版试用 API 数据接口 找代理 知嘟嘟专利交易 排行榜 大学排行榜 专利百科

关于我们

平台介绍 战略合作 网站地图

友情链接

知嘟嘟专利交易 国家知识产权局 中国商标网

联系方式


©2019-2023 上海吉码数字技术有限公司 版权所有，并保留所有权利 沪ICP备20016256号-6 沪公网安备31011702005475号