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、...

覚醒関連の皮質ネットワークにおける神経活動と血流動態の差異結合 学術背景 特定の感覚入力や行動タスクがない状態でも、脳は構造化された活動パターンを生成します。この組織化された活動は覚醒状態によって調節されます。覚醒と脳皮質活動の関係は神経ネットワークの機能を理解する上で重要な意義を持ちます。先行研究によれば、覚醒レベルは神経活動および血流動態の変化に影響を与えることが示されていますが、これらの影響が異なる皮質領域および行動状態で一貫しているかは不明です。 論文出典 この論文はLisa Meyer-Baeseらによって書かれ、著者らはエモリー大学およびジョージア工科大学の生物医学工学科および生物学科に所属しています。この論文は2024年5月に《Journal of Neuroscience》誌...