用于神经元活动光学成像的光场显微镜：当基于模型的方法遇到数据驱动方法
图像与视频处理
2022-03-09 v1 计算机视觉与模式识别
机器学习
光学
摘要
理解神经元网络如何处理信息是现代神经科学的关键挑战之一。实现这一目标的必要步骤是能够在大脑大面积上观察大量神经元群体的动态。光场显微镜（LFM）是一种无扫描显微镜，是高速三维（3D）成像的一个特别有吸引力的候选者。它可以在单次快照中捕获体积信息，实现视频帧率下的体积成像。使用LFM对神经元活动成像的特定特征要求开发新的机器学习方法，以充分利用嵌入在物理和光学模型中的先验知识。信号处理理论和波动光学理论可以在填补这一空白方面发挥关键作用，并通过集成模型驱动和数据驱动方法，贡献具有增强可解释性和泛化能力的新型计算方法。本文致力于对LFM计算方法的全面综述，重点关注基于模型和数据驱动的方法。
引用
@article{arxiv.2110.13142,
title = {Light-Field Microscopy for optical imaging of neuronal activity: when model-based methods meet data-driven approaches},
author = {Pingfan Song and Herman Verinaz Jadan and Carmel L. Howe and Amanda J. Foust and Pier Luigi Dragotti},
journal= {arXiv preprint arXiv:2110.13142},
year = {2022}
}
备注
20 pages, 9 figures, article accepted by IEEE Signal Processing Magazine