学術的背景 電圧イメージング（voltage imaging）は、神経活動を研究するための強力な技術ですが、その有効性は低い信号対雑音比（SNR）によって制限されることが多いです。従来のノイズ除去方法、例えば行列分解は、ノイズと信号構造について厳密な仮定を課しますが、既存の深層学習アプローチは、電圧イメージングデータに固有の高速なダイナミクスと複雑な依存関係を完全に捉えることができませんでした。これらの問題を解決するために、本論文ではCellMincerという新しい自己教師あり深層学習手法を提案し、電圧イメージングデータセットのノイズ除去に特化しています。CellMincerは、短時間ウィンドウ内のスパースなピクセルセットをマスクして予測し、事前計算された時空間自己相関を組み合わせることで、...