视觉是人类感知世界最为重要的方式,占据人类接受外界信息的80%以上,并且能够影响人们的认知、决策、情感甚至潜意识活动。因此当视觉出现损伤或病变后,会极大的影响人们的日常生活。如今很多基于神经电刺激的视觉治疗和康复方法正在获得越来越多的研究和应用,但其需要诱发的视网膜和视神经响应模式还不明确,与视觉信息对应的编码机制和模式仍不完全清楚,这在一定程度上制约了电刺激方法在视觉康复领域的进一步应用。另一方面,人工神经网络作为从生物神经系统中抽象和借鉴出来的端到端映射模型,虽然目前获得了广泛的发展和应用,但仍存在可解释性差及物理层面意义不明晰等问题,这也限制了其进一步的发展,是新一代神经网络模型需要攻克的难点之一。在此背景下,本文提出了一种基于哺乳动物视觉通路的类视网膜人工神经网络模型,模型由类视网膜前端特征提取网络和后端模式识别网络组成。论文主要研究内容如下。首先,本文基于已有的研究结果构建了哺乳动物视网膜视杆信号ON（On-center,给光中心型）通路模型,并对其进行验证分析。模型采用NEURON平台进行搭建,并通过光电流刺激进行测试,验证其具有实际视杆信号通路的功能。在此基础上,对各种视网膜细胞（视杆细胞、视锥细胞、视杆双极细胞、视锥双极细胞、AII无长突细胞、神经节细胞）以及化学突触（AMPA受体化学突触、m Glu R6受体化学突触）进行独立的仿真分析,同时对电突触连接的能量衰减过程进行分析,得到其随距离变化的膜电位衰减规律。其次,本文基于上述仿真模型结果构建了类视网膜前端特征提取网络（以下称前端网络）。前端网络的信息处理单元为视网膜神经元,是通过仿真模型中的各种视网膜细胞模型抽象得到的数字计算模型。前端网络中各细胞层间的连接模式为由上层神经元到下层圆形区域的感受野。前端网络在仿真模型视杆信号ON通路的基础上,结合视网膜生理基础扩充了视杆信号OFF（Off-center,撤光中心型）通路,实现完整的视杆信号通路的传输过程。前端网络构建完成后对其进行不同形式的图片输入（渐变图像与灰度图像）,以验证其具有视网膜视杆各级通路的功能,并分析了年龄相关性黄斑变性和色素性视网膜炎两种视网膜病变的致病机理,为其康复治疗提供了相关信息。最后,本文构建了类视网膜人工神经网络模型,并提出类视网膜全连接神经网络与类视网膜卷积神经网络两种实现方式,利用EMNIST数据集验证其功能,并与全连接BP神经网络、卷积神经网络等进行性能对比。结果显示,类视网膜全连接神经网络在一定程度上验证了其对于视觉信息处理的功能,但总体效果一般。而类视网膜卷积神经网络相比经典卷积神经网络运行效率提高了约3.7倍,在保证训练精度的条件下测试精度也有所提升。且又通过与双线性插值方法的对比,进一步验证了类视网膜前端特征提取网络对于视觉信息处理的有效性。对类视网膜人工神经网络的研究,既有助于对视网膜生理机制与功能的探索,又为视网膜神经电刺激提供了编码信息与模式,因此为视觉康复与治疗提供了参考信息。除此之外,其与人工神经网络的结合,也为人工神经网络的理论研究与结构优化提供了新的思路和方式。