NEURT:一种基于Transformer的可解释神经活动分析模型
《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:NEuRT: A Transformer-Based Model for Explainable Neuronal Activity Analysis
【字体:
大
中
小
】
时间:2026年05月07日
来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering 5.2
编辑推荐:
摘要: 研究神经元活动对于理解大脑功能及其在神经退行性疾病中的变化至关重要。体内成像技术的进步使得能够实时观察神经元的动态变化,但传统的统计方法难以捕捉神经元网络中复杂的、时间依赖的相互作用。机器学习为分析高维神经数据提供了有前景的解决方案,然而其在神经科学中的应用仍较为有限。
摘要:
研究神经元活动对于理解大脑功能及其在神经退行性疾病中的变化至关重要。体内成像技术的进步使得能够实时观察神经元的动态变化,但传统的统计方法难以捕捉神经元网络中复杂的、时间依赖的相互作用。机器学习为分析高维神经数据提供了有前景的解决方案,然而其在神经科学中的应用仍较为有限。在这里,我们介绍了一个基于Transformer的双向编码器表示(BERT)模型——NEuRT,该模型专门用于神经元活动分析。NEuRT利用自注意力机制来解释复杂的神经元相互作用,揭示了传统方法可能忽略的模式。NEuRT在最近发布的大型标注数据集MICrONS上进行了预训练,用于信号重建,表现出强大的泛化能力,能够有效地从视觉皮层双光子显微镜和海马体微荧光显微镜图像中重建神经元活动。作为BERT架构的扩展,NEuRT模型可以高效地针对各种下游任务进行微调。我们展示了其在分类野生型和转基因阿尔茨海默病模型小鼠中的应用,通过分析海马体活动揭示了不同群体之间的特征差异。通过减少对大量标注数据的依赖,NEuRT解决了神经科学中的一个关键问题,架起了基础神经科学与疾病研究之间的桥梁,提供了一个强大的框架,用于实现人工智能驱动且可解释的神经元活动分析。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号