针对实时钙成像分析的 realSEUDO

封闭环神经科学实验是关键技术，其中记录的神经活动用于实时修改实验，以推断因果关系并优化实验时间。创建封闭环实验的关键步骤是从流式记录中实时推断神经活动。多光子钙成像（CI）是实时处理的具有挑战性的模态。CI 使能够记录大规模神经元活动，但通常需要对视频数据进行批处理以从荧光视频中提取单个神经元活动。我们以最近提出的稳健时间轨迹估计器-Sparse Emulation of Unused Dictionary Objects（SEUDO）算法为基础，构建一种新的在线处理算法，同时识别荧光视频中的神经元并推断其时间轨迹，且对尚未识别的神经元具有鲁棒性。为实现实时SEUDO（realSEUDO），我们通过算法改进和基于C的快速实现对核心估计器进行优化，并创建一个新的细胞发现循环以使 realSEUDO 能够识别新的细胞。我们表明，实施 comparable performance to offline algorithms（如CNMF），并在平均120 Hz的速度下优于当前在线方法（OnACID）。