大规模钙成像数据分析的结构化矩阵分解框架
神经元与认知
2014-09-11 v1 定量方法
应用统计
摘要
我们提出了一种结构化矩阵分解方法，用于分析大型神经元集合的钙成像记录。我们的目标是同时识别神经元的位置，分离空间重叠的成分，并从钙指示剂的慢动力学中对每个神经元的尖峰活动进行去噪和反卷积。矩阵分解方法基于这样一个观察：时空荧光活动可以表示为两个矩阵的乘积：一个空间矩阵编码每个神经元在光场中的位置，一个时间矩阵表征每个神经元随时间变化的钙浓度。我们提出了一种简单的方法，用于从观测数据中估计钙指示剂的动力学以及观测噪声统计量。然后利用这些参数以约束形式建立矩阵分解问题，无需进一步的参数调整。我们讨论了初始化和后处理技术以增强我们方法的性能，以及高效且 largely parallelizable 的算法。我们将我们的方法应用于 {\it in vivo} 大规模多神经元成像数据，并展示了类似方法如何用于分析 {\it in vivo} 树突成像数据。
引用
@article{arxiv.1409.2903,
title = {A structured matrix factorization framework for large scale calcium imaging data analysis},
author = {Eftychios A. Pnevmatikakis and Yuanjun Gao and Daniel Soudry and David Pfau and Clay Lacefield and Kira Poskanzer and Randy Bruno and Rafael Yuste and Liam Paninski},
journal= {arXiv preprint arXiv:1409.2903},
year = {2014}
}