从体积视频预测全脑神经元活动
计算机视觉与模式识别
2025-03-04 v1 机器学习
神经元与认知
摘要
使用荧光钙指示剂进行大规模神经元活动记录日益普遍，产生了高分辨率的二维或三维视频。传统的分析流程通过分割感兴趣区域将这些数据降维为一维轨迹，导致不可避免的信息损失。受其他领域中对经过最少处理的数据进行深度学习的成功启发，我们探索了直接从体积视频预测神经元活动的潜力。为了捕捉高分辨率体积全脑记录中的长程依赖关系，我们设计了一个具有大感受野的模型，使其能够整合来自大脑内远处区域的信息。我们探索了预训练的效果，并进行了广泛的模型选择，分析了生成准确预测的时空权衡。我们的模型在ZAPBench（一个最近提出的斑马鱼全脑活动预测基准）上优于基于轨迹的预测方法，证明了保留神经元活动空间结构的优势。
引用
@article{arxiv.2503.00073,
title = {Forecasting Whole-Brain Neuronal Activity from Volumetric Video},
author = {Alexander Immer and Jan-Matthis Lueckmann and Alex Bo-Yuan Chen and Peter H. Li and Mariela D. Petkova and Nirmala A. Iyer and Aparna Dev and Gudrun Ihrke and Woohyun Park and Alyson Petruncio and Aubrey Weigel and Wyatt Korff and Florian Engert and Jeff W. Lichtman and Misha B. Ahrens and Viren Jain and Michał Januszewski},
journal= {arXiv preprint arXiv:2503.00073},
year = {2025}
}