用于钙成像的空间相关时序字典学习

钙成像已成为一种基础的神经成像技术，旨在恢复皮质区域中数百个神经元的个体活动。当前的方法（主要是矩阵分解）旨在检测视场中的神经元，然后推断相应的时间轨迹。在本文中，我们反转了建模方式，转而致力于最小化空间推断，同时专注于寻找数据中存在的时序轨迹集合。我们将问题重新构建为字典学习框架，其中字典包含时间轨迹，稀疏系数为空间映射。我们通过引入对时间轨迹的范数和相关性的约束，并纳入一个分层空间滤波模型以关联视场上时间轨迹的使用，使字典学习适应钙成像。我们在合成和真实数据上证明，我们的解决方案在初始化、隐式推断神经元数量以及同时检测不同神经元类型方面具有优势。