基于注意力机制的 CNN-BiLSTM 框架用于体内两光子钙成像神经元群的运动解码：从单侧 M1 解码双侧前肢复杂运动
神经元与认知
2025-04-24 v1 机器学习
摘要
从多尺度脑网络解码行为（如运动）仍是神经科学的核心目标之一。过去数十年间，人工智能和机器学习在阐明运动功能的神经机制方面发挥了越来越重要的作用。脑监测技术的 advancement 能够以高空间和时间分辨率捕获复杂神经信号，使得开发和应用更为精细的机器学习模型进行行为解码成为必要。本研究采用一种混合深度学习框架——注意力机制的 CNN-BiLSTM 模型——用于解码通过体内两光子钙成像获得的技巧性和复杂前肢运动。我们的发现表明，从单侧 M1 的神经元群中可以准确解码双侧前肢的复杂运动。这一结果凸显了先进混合深度学习模型在捕捉与复杂运动执行相关的神经网络活动时空依赖性方面的有效性。
关键词
引用
@article{arxiv.2504.16917,
title = {Application of an attention-based CNN-BiLSTM framework for in vivo two-photon calcium imaging of neuronal ensembles: decoding complex bilateral forelimb movements from unilateral M1},
author = {Ghazal Mirzaee and Jonathan Chang and Shahrzad Latifi},
journal= {arXiv preprint arXiv:2504.16917},
year = {2025}
}