SPIRE：用于深部脑刺激的分离共享与私有神经动态的潜在建模框架
机器学习
2025-10-30 v1 信号处理
摘要
分离多区域神经数据中的网络层面动态与区域特异性活动是建模多区域神经数据的核心挑战。我们引入 SPIRE（Shared-Private Inter-Regional Encoder），一个深层多编码器自编码器，通过 novel alignment和 disentanglement损失将记录分解为共享与私有潜在子空间。仅基于基线数据训练，SPIRE 能稳健恢复跨区域结构并揭示外部扰动如何重组其结构。在具有真实潜在变量的合成基准测试中，SPIRE 在非线性扭曲和时间错位的情况下超越经典概率模型。应用于内视网膜深部脑刺激（DBS）记录时，SPIRE 显示共享潜在变量可可靠地编码刺激特异特征，并可跨 Site 与频率 generalization。这些结果表明 SPIRE 是分析多区域神经动态在刺激下是一个实用、可重复的工具。
引用
@article{arxiv.2510.25023,
title = {Disentangling Shared and Private Neural Dynamics with SPIRE: A Latent Modeling Framework for Deep Brain Stimulation},
author = {Rahil Soroushmojdehi and Sina Javadzadeh and Mehrnaz Asadi and Terence D. Sanger},
journal= {arXiv preprint arXiv:2510.25023},
year = {2025}
}
备注
25 pages total. Main paper (including references): 13 pages with 7 figures. Appendix: 12 pages with 5 figures and 4 tables. Submitted to ICLR 2026