通过长短期记忆自编码器识别时空宽场钙成像数据的功能性脑网络
图像与视频处理
2024-05-31 v1
摘要
记录神经钙动力学的宽场钙成像允许识别表达基因编码钙指示剂的小鼠的功能性脑网络。从宽场钙成像数据估计功能性脑网络通常通过使用基于种子的相关分析和独立成分分析来实现。这两种方法在概念上截然不同，并且各有局限性。无监督表示学习在神经影像分析中的近期成功促使我们研究此类方法以识别功能性脑网络。在这项工作中，提出了一种称为LSTM-AER的新方法，其中使用长短期记忆自编码器从宽场钙成像数据中学习时空潜在嵌入，然后使用普通最小二乘回归来估计功能性脑网络。本研究的目的是定性和定量地阐明和说明使用LSTM-AER方法识别的功能性脑网络，并将其与传统的基于种子的相关分析和独立成分分析进行比较。观察到，LSTM-AER产生的空间功能性脑网络图与基于种子的相关分析和独立成分分析导出的图相似，同时更好地解释了受试者内变异、来自单个半球的数据、较短的epoch长度和可调数量的潜在成分。结果证明了基于无监督深度学习的方法在识别和映射功能性脑网络方面的潜力。
引用
@article{arxiv.2405.19685,
title = {Identifying Functional Brain Networks of Spatiotemporal Wide-Field Calcium Imaging Data via a Long Short-Term Memory Autoencoder},
author = {Xiaohui Zhang and Eric C Landsness and Lindsey M Brier and Wei Chen and Michelle J. Tang and Hanyang Miao and Jin-Moo Lee and Mark A. Anastasio and Joseph P. Culver},
journal= {arXiv preprint arXiv:2405.19685},
year = {2024}
}