Nov, 2013

基于钙成像数据的贝叶斯尖峰推断

PDF
TL;DR本文提出了基于贝叶斯方法的神经元钙成像数据中的神经元尖峰信息提取方法，其目的是通过样本化基于噪声的钙成像数据的尖峰列和模型参数 (基线浓度、尖峰幅度等) 的后验分布来实现，提供了离散时间算法和连续时间算法，用于对各个时间点尖峰的存在和数量及其位置的采样，并提供了一些扩展来给出更可靠的分布和估计，以用于更准确地估计潜在的尖峰列和参数，并提供了传统点估计的补充，以便于确定估计中的不确定性。
bayesian methodsneuronal spikingcalcium imaging dataposterior distributionspike trains
发现论文，激发创造
  • 使用变分自编码器从钙成像数据快速摊销神经活动的推断

    通过 bayesian 模型反演和变分自编码器，提出了一种可快速准确提取神经尖峰的算法框架，以及用于分离钙成像中树突棘背向传播动作电位和可能的突触输入的首个概率方法。

    Nov, 2017

  • 通过非局部先验进行贝叶斯尖峰列车推断

    神经科学的进步使得研究人员能够同时测量行为动物中大量神经元的活动。我们提出了一种基于混合半非局部先验密度和点质量的贝叶斯方法，用于从荧光迹线中确定神经元的确切尖峰，以实现对神经活动的近似。与基于优化的频率方法相反，我们的方法能够自动量化与尖峰列车推断相关的不确定性。

    May, 2023

  • 基于群体钙成像的脉冲序列推断的快速非负解卷积

    本文介绍了一种快速的非负卷积滤波算法，用于根据荧光观察推断每个神经元的最可能的尖峰火车，仅使用荧光数据即可估算推断所需的所有参数，而无需进行关节电生理和成像校准实验。

    Dec, 2009

  • 大规模钙成像数据分析的结构化矩阵分解框架

    本研究提出了一种结构化矩阵因数分解方法，用于同时解决大量神经元集合的位置识别，空间重叠组件混合分离以及每个神经元的钙离子浓度与时间关系的脉冲活动去噪和解卷积问题。

    Sep, 2014

  • 快速在线钙成像数据反卷积

    本文提出一种快速的在线活跃集方法，通过从头到尾顺序处理每个时间序列实现对神经活动的实时估计，解决从原始荧光钙成像数据中提取每个神经元活动的问题，并且该算法相比目前的凸优化求解器具有更快的处理速度，可用于处理成千上万条全脑成像数据。

    Sep, 2016

  • 神经尖峰电信号的熵与信息：采样问题的进展

    使用贝叶斯熵估计器对神经反应和其他生物数据进行信息论分析，即使在样本较小的欠采样情况下，该估计器的表现也非常出色，这为实验的信息论分析开辟了新的可能性，并可作为从有限数据中学习的例子。

    Jun, 2003

  • 神经动力学机理模型的灵活统计推断

    本文提出了使用近似贝叶斯计算法 (ABC) 和神经网络来解决单个神经元动态机制模型的建立和参数估计中的挑战，旨在为神经科学家提供一种能够在复杂神经元模型上进行贝叶斯推断的方法。

    Nov, 2017

  • 利用卷积神经网络自动检测钙成像数据中的神经元

    本研究使用监督式学习法和卷积神经网络进行钙成像数据中的神经元自动检测，取得了接近人类的准确率和超常的速度，且相对于流行的 PCA/ICA 方法，其精度和召回率更优，显示出作为分析大规模钙成像数据的高效且灵活的工具的潜力。

    Jun, 2016

  • 贝叶斯风险一致性的非参数分类规则对脉冲序列数据的应用

    本文研究了基于非参数强度函数的脉冲列数据的两类统计分类问题，并导出了最优贝叶斯规则和插值非参数核分类器，证明了核分类器收敛于贝叶斯规则的性质，并通过有限样本模拟研究来支持得出的结果。

    Aug, 2023

  • 基于贝叶斯方法的多神经元记录中的潜在结构发现

    通过将广义线性模型与柔性基于图的先前知识结合，利用 Polya-gamma 增强的完全贝叶斯推理的方法，可以从神经元的同时记录的 Spike train 数据中推断潜在结构，我们的方法将神经元分类并从相关的 Spike train 中推断电路组织的潜在维度，并通过应用于灵长类视网膜的多神经元记录，揭示了神经元类型和位置的潜在模式。

    Oct, 2016