为高速光神经成像进行实时自我监督的无声化
Yiqun Wang1, Yuanjie Gu1, Jianping Wang1
1College of Biomedical Engineering, Yiwu Research Institute, Fudan University, Shanghai, China.
Nature communications
|October 24, 2025
概括
我们开发了FAST,这是一种用于高速光神经成像中实时无证化的深度学习策略. 这种方法提高了信号质量,可以精确分析神经活动,这对神经科学研究至关重要.
科学领域:
- 神经科学是一个神经科学.
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 自主监督的无声化改善了光神经成像中的信号噪声比.
- 实时无雾化解决方案在高速成像应用中是有限的.
研究的目的:
- 介绍FrAme-多重复合空间时间学习策略 (FAST) 用于在高速光神经成像中实时无效化.
- 能够通过毫秒级的时间分辨率精确分析神经活动.
主要方法:
- FAST采用一个深度学习框架,利用超轻卷积神经网络.
- 它在邻近的像素之间平衡空间和时间冗余.
- 一个直观的图形用户界面将FAST集成到标准的成像工作流中.
主要成果:
- 快速实现实时处理速度超过每秒1000.
- 该策略保持了结构保真性,并防止光信号过度光滑.
- 能够以高时间精度对神经活动进行下游分析.
结论:
- 快速为高速光神经成像提供了实时无效化工具.
- 它显著提高了 vivo ,电压和体积成像中的信号质量.
- 促进先进的神经科学研究,特别是需要毫秒精度的闭环研究.
