专利名称：：视网膜假体的制作方法：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。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。假体的主要祀点是视网膜神经节细胞和视网膜双极细胞(Loewenstein等，2004；Gerding等,2007；ffinter等,2007；Lagali等,2008；Chader等,2009；Zrenner等,2009；Thyagarajan等，2010)。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；ffinter等,2007；Chader等,2009；Zrenner等，2009)。随后为患者配备摄像机/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)。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“TheEyeandTheChip2010:2010SpecialEmphasisonRetinalStimulationSafetyforNeuro-ProstheticDevices，，)。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)。目前前沿的方法很少关注驱动刺激物(电极或光敏感通道蛋白)方面，所述驱动为按照最接近于内源性信号从视网膜至脑的方式。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一从图像上提取信息并将所述信息转化成脑可读取的代码。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。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)。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。本发明涉及这样一种假体；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。发明概述本发明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，通过界面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界面的所述信号驱动。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。恢复或改善视力方法可能具有下述特性性能(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O.95,0.65或O.35。或者，恢复或改善视力方法可能具有下述特性性能(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)测试刺激与测试刺激存在时由活化视网膜的视网膜神经节细胞应答重构的刺激的皮尔森相关系数为至少约O.95,0.65或O.35。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Am，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。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。通过界面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-I、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)、0ptoXR(光敏性G蛋白偶联受体)、团藻紫红质通道蛋白-I、团藻紫红质通道蛋白-2、ChIEF,NpHr,eNpHR、或其任意组入口ο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IoxP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。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(sweepVEP)检测，被治疗的所述对象中两个或多个因素发生了改变。本发明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，通过界面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界面的所述信号驱动。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。或者，活化多个视网膜细胞方法可能具有下述特性性能(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O.95,0.65或O.35。本发明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界面；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O.95,0.65或O.35。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。本发明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O.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。本发明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O.35。本发明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λπ;以及，(iii)将所述放电频率，λπ，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O.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O.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，其中λ^πι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(linearfilter),所述时空核心来自第m个视网膜神经节细胞，Nffl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。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。可以通过界面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。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-I、紫红质通道蛋白-2、LiGluR,ChETA、阶梯函数视蛋白(SF0)、光敏性G蛋白偶联受体(OptoXR)、团藻紫红质通道蛋白-I、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。本发明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。附图的简要说明图I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，进而驱动界面设备。界面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)。所述视网膜产生的峰电位类型与健康视网膜产生的类似。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摄像机；来自摄像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。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，η分别为:106,118和103;各刺激熵均为5比特;块大小(binsize)为250至31ms)。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O表示两行是相同的。值为I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I)。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η分别为106、118和103)。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。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(η=5只动物)。该预测在从I个细胞至饱和(20个细胞)范围内是稳定的。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。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%。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)。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(η分别为15、14，且共15次试验)。图11显示了该设备的示意图。摄像机(上部)从视野中捕获刺激。将来自摄像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，在界面中将输出转换成适于传感器的格式，而后界面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界面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。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。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)。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。Α.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%。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对应。由于动作电位在光脉冲之后，因而编码器高保真。发明详述本发明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、在界面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、界面和一组传感器，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。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。刺激转变或转换成正常视网膜的输出的替代，即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。本发明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。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(Alstromdisease);阿尔斯特伦综合症(AlstrdniSyndrome);窒息性胸廓发育不良；博纳曼-梅尼克-赖希综合症(Bonneman-Meinecke-Reichsyndromw);博纳曼-梅尼克-赖希综合症(Bonnemann-Meinecke-Reichsyndromw)；1A型Q)G综合症；显性脉络膜视网膜病一小头畸形；脉络膜垂体功能减退症；先天性IA型糖基化障碍；先天性Ia型糖基化障碍；1光氣fe病；稀毛、并指和视网I吴退化；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。本发明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。本发明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。视网膜假体与正常视网膜一样均是图像处理器一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。根据下述多种不同标准进行检测后发现，本发明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，本发明的方法使用了编码步骤、界面步骤和传感步骤。本发明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。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，传感器通过界面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，编码器通过界面驱动传感器。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视觉信号。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。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，所述眼镜携带摄像机、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界面。摄像机捕捉图像(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I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。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，所述眼镜携带摄像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。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)。本发明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。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。本发明允许在患者在体外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。对编码器(或编码步骤)和传感器(或传感步骤)的描述如下。编码器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。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，I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。下述流程图总体概述了对编码器操作的一个实施方式。圏像->1预处理|->I时空转换I->->电脉冲类麵。预处理步骤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+bl(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。还可以使用变量史(variablehistory)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。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。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,I2,13)，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)。时宇转换步骤在一个实施方式中,采用线性-非线性级联(ChichilniskyEJ2001；Simoncelli等2004综述)实现转换,其中各神经节细胞m,的放电频率Xm，由下式给出Am(t;X)=Nm(X*Lm)(j,t)(I)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λπ，转变成用于驱动界面的代码(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。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，摄像机中的数字化图像)，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IOX10的像素阵列组成，整个视觉空间为26Χ26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O.IXO.I度至30Χ30度，其对应于在IOX10的像素阵列中，各像素的视觉空间为或约为O.OlX0.01度至3乂3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IXI至25Χ25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;PillowJW等2008)。也可以使用其它替代方案，如正交基函数之和。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I.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O.5至2.Osec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。还可以对公式I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；PillowJff等2008)。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I)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；PillowJff等2008)。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至至少约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。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(PillowJW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I中非线性的验证而实现。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=PillowJW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。峰电位产牛步骤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。在一个实施方式中，对于各细胞m，建立带有瞬时放电频率λπ的非齐次泊松过程。在一个实施方式中，使用长度At的时间间隔(块)。对于各神经元而言，将上述公式I中给出的时空转换的输出即λπ(t;X)乘以At，获得放电概率。选择选自O至I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，At为O.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At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I。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。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Y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(IzhikevichEM2007；IzhikevichEM2010)。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。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。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。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。时空转换参数倌的确定如此前部分所述，在一个实施方式中，时空转换通过如公式I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Ln^PNm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I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，由下式给出其中所有项的定义均如上文所述，此外，Tm(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Ln^PNm，因为这些量与通过公式I计算得到的λπ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Ζ，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。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(PillowJW等2008;Nichols等,2010)中所述。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PunL1969)。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--组参数。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。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FamulareandFairhall(2010)。然而,这些策略在本发明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)。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。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。至于本发明的编码器，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)。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(DudaandHart2001)。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;PillowJW等2008)。确定信号类型，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。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。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。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。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Am(t)=Nm((S*Lm)(t))(3)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MJ)=^l(A(t))-^/-aM)f4aAf)j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-aAt)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λm(t)=Nm((S*Lm)(t))以离散和表示卷积并采用简单的代数方法实施。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At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。传感器: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。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。可以使用界面设备连接编码器和传感器。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。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。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-I、紫红质通道蛋白_2、LiGluR,ChETA,SFO(阶梯函数视蛋白)、0ptoXR(光敏性G蛋白偶联受体)、团藻紫红质通道蛋白-I、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。)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。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，O和I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O.4-32mff/mm2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。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。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。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(B卩，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。光敏性元件使用的载体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WaltherandStein2000；Martin等2002；vanAdel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W02000015822和其它本文引用的参考文献)。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。用于产生本发明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、AAVI型、AAV3型、AAV4型、AAV.6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(Manassas，Va.)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