campo receptivo centro-periferia – center–surround receptive field
Campo Receptivo Centro-Periferia
Primary Disciplinary Field(s): Neurociencia, Fisiología Visual, Biología Sensorial
1. Definición Central
El campo receptivo centro-periferia, también conocido como campo receptivo centro-antagónico o concéntrico, constituye la unidad funcional fundamental en las etapas iniciales del procesamiento de la información visual. Un campo receptivo se define como la región específica del espacio sensorial (en este caso, la retina) que, al ser estimulada, provoca una respuesta, ya sea excitatoria o inhibitoria, en una neurona particular del sistema visual, como una célula ganglionar de la retina o una neurona del núcleo geniculado lateral (NGL). La característica distintiva del campo receptivo centro-periferia es su organización espacial en dos regiones concéntricas y funcionalmente opuestas: un centro circular y un anillo periférico circundante.
Esta organización antagónica asegura que la neurona responda de manera óptima no a la iluminación difusa y uniforme, sino a los contrastes y a los límites espaciales, que son esenciales para la percepción de formas y objetos. Si la luz incide únicamente sobre el centro del campo receptivo, la neurona responde vigorosamente (ya sea con un aumento o una disminución de la tasa de disparo). Si la luz incide únicamente sobre la periferia, la respuesta es opuesta, lo que resulta en una inhibición o excitación neta. Sin embargo, si la luz cubre tanto el centro como la periferia simultáneamente, los efectos opuestos se anulan mutuamente, resultando en una respuesta débil o nula. Este mecanismo de cancelación es la base del realce de contraste, una función crítica de la visión temprana.
La potencia de este modelo reside en su eficiencia para codificar la información. En lugar de transmitir la intensidad absoluta de la luz en cada punto de la retina, el sistema visual prioriza la detección de la diferencia de luminancia entre regiones adyacentes. El campo receptivo centro-periferia actúa, de facto, como un filtro espacial que elimina las redundancias de la información visual (como el brillo constante) y resalta las características más informativas: los bordes y las variaciones bruscas de intensidad. Esta arquitectura concéntrica se mantiene consistentemente desde las células bipolares, pasando por las células ganglionares de la retina, hasta las primeras estaciones de relevo sináptico en el cerebro, como el NGL.
2. Etimología y Desarrollo Histórico
El descubrimiento y la caracterización de los campos receptivos centro-periferia marcan un hito en la neurociencia sensorial, proporcionando la primera evidencia clara de cómo el sistema nervioso realiza un procesamiento complejo de la información sensorial incluso antes de que esta alcance la corteza cerebral. El trabajo pionero fue realizado por el neurofisiólogo húngaro-estadounidense Stephen Kuffler en la década de 1950. Kuffler, trabajando con gatos, fue el primero en registrar la actividad eléctrica de células ganglionares individuales de la retina y en mapear con precisión sus campos receptivos.
Antes de las investigaciones de Kuffler, se asumía que las neuronas visuales simplemente reflejaban la intensidad de la luz incidente de manera lineal y uniforme. Kuffler demostró, para sorpresa de la comunidad científica, que las células ganglionares no respondían a la luz en general, sino a patrones espaciales muy específicos, organizados en las configuraciones circulares y antagónicas que hoy conocemos. Este hallazgo fue crucial, ya que transformó la comprensión de la retina de un simple transductor de luz a un complejo procesador de información visual, capaz de realizar cálculos sofisticados como la diferenciación espacial.
Posteriormente, en las décadas de 1960 y 1970, los laureados con el Premio Nobel David H. Hubel y Torsten Wiesel, basándose en el trabajo de Kuffler, extendieron este concepto al núcleo geniculado lateral (NGL) y a la corteza visual primaria (V1). Demostraron que las neuronas del NGL también poseían campos receptivos centro-periferia casi idénticos a los de las células ganglionares que las alimentaban. Además, establecieron la jerarquía de procesamiento visual al mostrar cómo la convergencia de varios campos receptivos circulares del NGL podía construir los campos receptivos más complejos y orientados de las células simples de la corteza visual, sentando las bases de toda la neurofisiología moderna de la visión.
3. Tipos y Mecanismos Fisiológicos
Existen dos tipos principales de campos receptivos centro-periferia, definidos por la naturaleza de su respuesta al estímulo luminoso en la región central. Estos dos tipos, que coexisten en la retina y el NGL, son esenciales para capturar tanto los incrementos como las disminuciones de la luz, permitiendo una representación completa del contraste visual.
- Células ON-Center (Centro ON): Estas neuronas se excitan (aumentan su tasa de disparo) cuando la luz incide en el centro de su campo receptivo. Simultáneamente, se inhiben (disminuyen su tasa de disparo) si la luz incide en la periferia. Esta configuración es ideal para detectar puntos brillantes sobre un fondo oscuro.
- Células OFF-Center (Centro OFF): Estas neuronas se inhiben cuando la luz incide en el centro y se excitan cuando la luz incide en la periferia. Su función principal es detectar puntos oscuros sobre un fondo claro, o, de manera más general, detectar el apagado de la luz, lo que es crucial para la detección de bordes oscuros.
El mecanismo fisiológico que subyace a esta estructura antagónica es una compleja interacción sináptica mediada principalmente por las células horizontales y las células amacrinas dentro de la retina. En las células ON-Center, la luz que cae sobre los fotorreceptores centrales provoca una hiperpolarización (respuesta normal de un fotorreceptor a la luz), lo que resulta en una disminución de la liberación del neurotransmisor glutamato. Las células bipolares ON, que son activadas por esta disminución de glutamato (tienen receptores metabotrópicos que las hiperpolarizan en presencia de glutamato), se despolarizan, excitando a la célula ganglionar central.
El antagonismo periférico se logra a través de las células horizontales. Cuando la luz cae sobre los fotorreceptores periféricos, estos liberan glutamato, activando las células horizontales. Las células horizontales, a su vez, hiperpolarizan o inhiben lateralmente a los fotorreceptores o a las células bipolares del centro. Este mecanismo de inhibición lateral asegura que la respuesta central sea suprimida si la periferia también está iluminada, lo que maximiza la sensibilidad a las diferencias de luminancia local en lugar de a la luminancia promedio. Esta compleja red sináptica es el origen de la capacidad del sistema visual para realizar la resta de información entre el centro y el entorno.
4. Funciones Computacionales y Detección de Bordes
La organización centro-periferia no es una mera curiosidad biológica; representa una solución computacional altamente eficiente para los desafíos inherentes al procesamiento de imágenes en un entorno ruidoso y cambiante. La función primordial de este diseño es el realce de contraste. Cuando un borde (una línea divisoria entre una región clara y una oscura) atraviesa un campo receptivo, las células ganglionares cercanas al borde responden con mayor intensidad que cualquier otra célula, incluso aquellas que están completamente dentro de la región clara o completamente dentro de la región oscura.
Este fenómeno se explica porque, en el borde, el centro del campo puede estar completamente iluminado mientras que parte de la periferia queda en la oscuridad (o viceversa), maximizando el desequilibrio entre excitación e inhibición. Esta amplificación del contraste es lo que permite que el sistema visual perciba los límites de los objetos con gran nitidez, un fenómeno que se observa psicofísicamente en las bandas de Mach, donde el contraste percibido parece exagerado en los límites de las transiciones de luminancia.
Desde una perspectiva de ingeniería, el campo receptivo centro-periferia opera como un filtro espacial de paso-banda o como una aproximación al operador Laplaciano en el dominio de la imagen. Un filtro Laplaciano es un operador matemático utilizado en el procesamiento de imágenes para detectar los puntos de cambio rápido de intensidad, es decir, los bordes. Al eliminar la respuesta a las frecuencias espaciales bajas (iluminación uniforme) y responder fuertemente a las frecuencias espaciales medias (bordes y detalles), el sistema visual logra una codificación eficiente, reduciendo la cantidad de datos que deben transmitirse al cerebro y asegurando que solo la información crítica para la identificación de objetos sea priorizada.
5. Organización Jerárquica del Sistema Visual
El campo receptivo centro-periferia sirve como el ladrillo fundamental sobre el cual se construye toda la jerarquía de procesamiento visual cortical. La información procesada y filtrada por las células ganglionares de la retina se proyecta, a través del nervio óptico, al núcleo geniculado lateral (NGL) del tálamo. Como se mencionó, las neuronas del NGL mantienen la organización centro-periferia, actuando como una estación de relevo que preserva la segregación de la información visual antes de enviarla a la corteza.
La verdadera transformación ocurre en la Corteza Visual Primaria (V1), también conocida como área 17 o corteza estriada. Hubel y Wiesel propusieron que las neuronas corticales, a diferencia de las retinianas y las del NGL, responden a estímulos orientados, como líneas o barras. Las células corticales más simples, las células simples, logran esta selectividad de orientación combinando las entradas de múltiples neuronas del NGL cuyos campos receptivos centro-periferia están alineados espacialmente a lo largo de una línea recta en la retina.
Esta convergencia es un ejemplo paradigmático de procesamiento jerárquico. La información, que comienza como un mapa de puntos de contraste (centro-periferia), se integra en V1 para formar detectores de bordes y líneas con orientación específica. A partir de estas células simples, el sistema visual continúa construyendo campos receptivos de complejidad creciente (células complejas y células hipercomplejas), que eventualmente permiten el reconocimiento de formas, movimiento y rostros en áreas visuales superiores (V2, V4, MT, etc.). Así, la simple estructura centro-periferia es la base arquitectónica que permite al cerebro descomponer la complejidad del mundo visual en elementos manejables.
6. Implicaciones Clínicas y Modelos Computacionales
La comprensión del campo receptivo centro-periferia tiene profundas implicaciones tanto en el diagnóstico y tratamiento de patologías visuales como en el desarrollo de tecnologías de visión artificial. En el ámbito clínico, la disfunción de estos campos receptivos puede ser un indicador temprano de enfermedades. Por ejemplo, en el glaucoma, una neuropatía óptica progresiva, se observa una pérdida selectiva de las células ganglionares. Los estudios de la función visual en pacientes con glaucoma a menudo muestran déficits en la detección de contraste que están directamente relacionados con la pérdida de la capacidad de los campos receptivos centro-periferia para realizar su función de diferenciación espacial.
De manera similar, el estudio de las propiedades de los campos receptivos es crucial para comprender trastornos como la ambliopía (ojo vago) o los efectos de la privación visual temprana. Si la entrada visual no es balanceada durante los periodos críticos del desarrollo, la organización de los campos receptivos en el NGL y V1 puede verse comprometida, lo que subraya la importancia de la experiencia sensorial en la maduración de esta arquitectura neuronal.
En el campo de la visión artificial y el procesamiento de imágenes, el modelo del campo receptivo centro-periferia ha sido replicado con éxito durante décadas. Los algoritmos de detección de bordes, como el filtro de Diferencia de Gaussianas (DoG) o el filtro Laplaciano de Gaussiana (LoG), son implementaciones matemáticas directas de la función de un campo receptivo centro-periferia. Estos filtros se utilizan para mejorar la calidad de las imágenes, comprimir datos y, fundamentalmente, para permitir que los sistemas de inteligencia artificial (IA) localicen y clasifiquen objetos en escenas complejas, demostrando la robustez y eficiencia del diseño biológico en contextos tecnológicos.
