学术背景 电压成像（voltage imaging）是一种用于研究神经元活动的强大技术，但其有效性通常受到低信噪比（SNR）的限制。传统的去噪方法，如矩阵分解，对噪声和信号结构施加了严格的假设，而现有的深度学习方法未能完全捕捉电压成像数据中固有的快速动态和复杂依赖关系。为了解决这些问题，本文提出了一种名为CellMincer的新型自监督深度学习方法，专门用于去噪电压成像数据集。CellMincer通过掩码和预测短时间窗口内的稀疏像素集，并结合预计算的时空自相关来有效建模长程依赖关系，从而显著提高了去噪效果。 电压成像利用荧光报告分子（如小分子染料或基因编码的蛋白质）来测量电活性细胞的膜电位。与传统的膜片钳电生理学（patch-clamp electrophysiology, EP）相比，电压...

与觉醒相关的皮层网络在神经活动和血流动力学中的差异耦合 学术背景 在没有特定感官输入或行为任务的情况下，大脑会产生结构化的活动模式。这种组织化的活动会受到觉醒状态的调节。觉醒与大脑皮层活动的关系对于理解神经网络的功能具有重要意义。先前的研究表明，觉醒水平会影响神经活动和血流动力学变化，但这些影响在不同皮层区域和行为状态下是否一致还不清楚。 论文来源 这篇论文由Lisa Meyer-Baese等人撰写，作者隶属于Emory University和Georgia Tech的生物医学工程系和生物学系。这篇论文于2024年5月在《Journal of Neuroscience》上发表。 研究流程 本文研究使用了广视野电压成像技术，研究了觉醒状态如何与自发行为头部固定的小鼠皮层网络电压和血流动力学活动...