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

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

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

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

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。

Nov, 2013

本文将流体力学的分析技术应用于宽场钙成像数据的处理，将其转换为时间变量下的向量场，使用 optic flow 提取 cortex 中的活动规律，并结合流体力学的有限时间 Lyapunov 指数技术，得出了一幅直观的动态钙活动地图。

Sep, 2020

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

在电压成像中，我们提出了一种快速神经元分割方法，能够从噪声视频帧中检测到多个可能重叠的尖峰神经元，并实现了包括所提出的分割方法和 GPU 加速的运动校正在内的数据处理流程。通过在现有数据集和新数据集上的测试，我们展示了我们的处理流程能够从混乱的数据集中提取与人工标注良好一致的神经元轮廓，并首次展示了在单台台式电脑上实现电压成像数据的实时处理。

Mar, 2024

采用插入式噪声去噪方法，代替现有的图像正则化器，并结合二阶统计量来训练卷积图像去噪网络，从而更适应于样本几何结构，在真实荧光显微图像数据上验证出能够正确地重建纤维结构，具有高峰值信噪比。

Mar, 2023

本研究提出了一种使用卷积神经网络恢复各向同性分辨率的方法，能够针对荧光显微镜成像数据中子期 / 横向分辨率差异的问题提供有效的解决方案，并在 3 种合成数据和 3 种实际数据集上得到比清晰度恢复和超分辨率技术更好的成果，以及以标准 3D 分割流程的形式展示了该方法的实用性。

Apr, 2017