面部图:基于面部或面部跟踪的神经活动建模的框架
Atika Syeda1, Lin Zhong2, Renee Tung2
1HHMI Janelia Research Campus, Ashburn, VA, USA. syedaa@janelia.hhmi.org.
Nature neuroscience
|November 21, 2023
概括
面部地图准确地跟踪小鼠的面部或面部行为,使更好的计算模型能够将神经活动与行为联系起来. 这一框架显著提高了对大脑全神经信号的理解.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 行为科学 行为科学
背景情况:
- 在小鼠中,面对面的行为会在整个大脑中产生大量的神经活动.
- 了解行为和神经信号之间的关系需要先进的计算模型.
研究的目的:
- 开发一个计算框架,准确跟踪或面部行为和预测神经活动.
- 为了改善行为神经信号动态的表征.
主要方法:
- 开发Facemap,这是一个结合关键点跟踪器和深度神经网络编码器的框架.
- 高精度,高速度跟踪小鼠或面部行为.
- 深度神经网络模型用于从行为关键点预测神经活动.
主要成果:
- 与现有的姿势估计工具相比,Facemap表现出更高的准确性和速度.
- 该模型以最小的注释实现了近乎最佳的性能,显示了适应性.
- 与以前的方法相比,Facemap将视觉皮层神经活动的解释变异翻了一番.
- 预测的神经元活动集群在空间上普遍存在,行为特征表现出单向的顺序动态.
结论:
- 面部图提供了一个强大而适应性的工具,用于实时行为分析和神经活动预测.
- 该框架有助于更深入地了解大脑神经信号及其行为相关的功能.
更多相关视频
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
11.7K
09:33Neuronavigated Focalized Transcranial Direct Current Stimulation Administered During Functional Magnetic Resonance Imaging
Published on: November 15, 2024
1.3K
