基于贝叶斯方法的快速四维时空荧光成像中神经活动自动分割
计算机视觉与模式识别
2025-12-23 v1
摘要
荧光显微镜钙成像是记录和分析大规模神经活动的基本工具，可实现单个细胞分辨率。自动精准检测与行为相关的神经活动对于研究生物体活动的脑映射至关重要。然而，手动分割始终是这一问题的瓶颈，其耗时且缺乏可推广性。为此，我们提出一种基于贝叶斯的深度学习框架，用于检测4维时空数据中获得的神经活动。该方法考虑时序信息，通过计算像素级相关图并结合由均值总结图提供的空间信息。贝叶斯框架不仅产生概率分割图，还建模了针对活性神经元检测的不确定性。为评估框架准确性，我们实现了可重复性测试，以断言网络对神经活动检测的推广性。该网络相对于通过Otsu方法获得的合成ground truth的平均Dice得分达到0.81，测试可重复性中两个运行之间的平均Dice得分达到0.79。我们的方法成功部署，可用于行为研究中快速检测活性神经活动。
引用
@article{arxiv.2512.19032,
title = {Automatic Neuronal Activity Segmentation in Fast Four Dimensional Spatio-Temporal Fluorescence Imaging using Bayesian Approach},
author = {Ran Li and Pan Xiao and Kaushik Dutta and Youdong Guo},
journal= {arXiv preprint arXiv:2512.19032},
year = {2025}
}