绘制神经图像:从多种动物数据集中推断未记录的大脑区域动态
Ji Xia1, Yizi Zhang2, Shuqi Wang3
1Center for Theoretical Neuroscience, Zuckerman Mind Brain Behavior Institute, Kavli Institute for Brain Science, Columbia University.
ArXiv
|November 24, 2025
概括
通过对多种动物进行训练,NeuroPaint从不完整的数据中推断出大脑区域动态. 这种方法可以重建未记录的神经活动,从而实现全面的多区域相互作用研究.
科学领域:
- 系统神经科学 系统神经科学
- 计算神经科学是一种计算神经科学.
- 神经成像分析分析神经成像分析
背景情况:
- 了解大脑区域的相互作用是系统神经科学中的关键.
- 同时记录所有大脑区域在单个实验中往往是不可行的.
- 多种动物数据集为研究更广泛的神经相互作用提供了潜力.
研究的目的:
- 开发一种方法,利用多种动物数据推断未记录的大脑区域的动态.
- 为了实现多区域交互分析,尽管单个记录的局限性.
- 为了利用面具自动编码来重建神经活动模式.
主要方法:
- 介绍了NeuroPaint,一个面具自动编码模型.
- 在多个动物身上训练模型,记录的大脑区域重叠.
- 在合成和现实世界Neuropixels数据集上评估性能.
主要成果:
- NeuroPaint成功地重建了未被记录的大脑区域的动态.
- 该模型利用个人与部分观测的共享结构.
- 能够进行超出单个实验范围的多区域分析.
结论:
- 动物之间的蒙面自编码对于推断神经动力学是有效的.
- NeuroPaint克服了不完整的神经记录的局限性.
- 有助于更全面地了解大脑范围内的相互作用.
