論文の概要: A zero-inflated gamma model for deconvolved calcium imaging traces
- arxiv url: http://arxiv.org/abs/2006.03737v1
- Date: Fri, 5 Jun 2020 23:29:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 04:21:04.949502
- Title: A zero-inflated gamma model for deconvolved calcium imaging traces
- Title（参考訳）: deconvolved calcium imaging tracesのためのゼロインフレーションガンマモデル
- Authors: Xue-Xin Wei, Ding Zhou, Andres Grosmark, Zaki Ajabi, Fraser Sparks,
Pengcheng Zhou, Mark Brandon, Attila Losonczy, Liam Paninski
- Abstract要約: カルシウムイメージングは、大きな神経集団の活動を計測するための重要なツールである。
本稿では, カルシウム応答をガンマ分布と点質量の混合として特徴付けるゼロ膨張ガンマ(ZIG)モデルを提案する。
結果のモデルをニューラルエンコーディングと復号化問題に適用する。
- 参考スコア（独自算出の注目度）: 10.661692149503788
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Calcium imaging is a critical tool for measuring the activity of large neural
populations. Much effort has been devoted to developing "pre-processing" tools
for calcium video data, addressing the important issues of e.g., motion
correction, denoising, compression, demixing, and deconvolution. However,
statistical modeling of deconvolved calcium signals (i.e., the estimated
activity extracted by a pre-processing pipeline) is just as critical for
interpreting calcium measurements, and for incorporating these observations
into downstream probabilistic encoding and decoding models. Surprisingly, these
issues have to date received significantly less attention. In this work we
examine the statistical properties of the deconvolved activity estimates, and
compare probabilistic models for these random signals. In particular, we
propose a zero-inflated gamma (ZIG) model, which characterizes the calcium
responses as a mixture of a gamma distribution and a point mass that serves to
model zero responses. We apply the resulting models to neural encoding and
decoding problems. We find that the ZIG model outperforms simpler models (e.g.,
Poisson or Bernoulli models) in the context of both simulated and real neural
data, and can therefore play a useful role in bridging calcium imaging analysis
methods with tools for analyzing activity in large neural populations.
- Abstract（参考訳）: カルシウムイメージングは、大きな神経集団の活動を測定する重要なツールである。
カルシウムビデオデータのための「前処理」ツールの開発に多くの努力が払われており、運動補正、デノイジング、圧縮、デミックス、デコンボリューションといった重要な問題に対処している。
しかし、逆畳みカルシウム信号(すなわち、前処理パイプラインによって抽出された推定活性)の統計的モデリングは、カルシウム測定の解釈や、下流の確率的符号化と復号モデルにこれらの観測を組み込むのに重要である。
驚くべきことに、これらの問題はこれまであまり注目されなかった。
本研究では,非畳み込み活動推定の統計的性質を検証し,確率モデルとランダム信号を比較した。
特に,カルシウム応答をガンマ分布とゼロ応答のモデル化に役立つ点質量の混合物として特徴づけるゼロ膨張ガンマ(zig)モデルを提案する。
結果のモデルをニューラルエンコーディングと復号化問題に適用する。
ZIGモデルは、シミュレーションと実際のニューラルデータの両方の文脈において、より単純なモデル(例えば、PoissonやBernoulliモデル)よりも優れており、そのため、大きなニューラル集団における活動を分析するツールを用いたカルシウムイメージング分析手法のブリッジングにおいて有用な役割を果たす。
関連論文リスト
- Nonparanormal Graph Quilting with Applications to Calcium Imaging [1.1470070927586016]
ガウス図形モデルに基づく非正規グラフクィルティングの2つの手法について検討する。
提案手法は, 既存のガウスグラフキルト法と比較して, より科学的に有意な機能的接続推定値が得られる。
論文 参考訳（メタデータ） (2023-05-22T21:16:01Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳（メタデータ） (2021-12-08T13:07:21Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Gaussian Function On Response Surface Estimation [12.35564140065216]
メタモデリング手法によるブラックボックス機械学習モデルの解釈(機能とサンプル)のための新しいフレームワークを提案する。
メタモデルは、興味のある領域のデータサンプルでコンピュータ実験を実行することによって、訓練された複雑なモデルによって生成されたデータから推定することができる。
論文 参考訳（メタデータ） (2021-01-04T04:47:00Z) - Point process models for sequence detection in high-dimensional neural
spike trains [29.073129195368235]
本研究では,個々のスパイクレベルにおける微細なシーケンスを特徴付ける点過程モデルを開発する。
この超スパースなシーケンスイベント表現は、スパイクトレインモデリングの新しい可能性を開く。
論文 参考訳（メタデータ） (2020-10-10T02:21:44Z) - CalciumGAN: A Generative Adversarial Network Model for Synthesising
Realistic Calcium Imaging Data of Neuronal Populations [3.2498534294827044]
本稿では,現実的なカルシウム信号を生成するためのGANモデルを提案する。
我々は、行動マウスの一次視覚野から記録された実際のカルシウム信号に基づいてモデルを訓練する。
論文 参考訳（メタデータ） (2020-09-06T10:58:11Z) - Peri-Net-Pro: The neural processes with quantified uncertainty for crack
patterns [8.591839265985417]
本稿では, 運動円盤のひび割れパターンを予測し, モードに応じて分類するために, 周辺力学理論を用いる。
画像分類と回帰研究は、畳み込みニューラルネットワーク(CNN)とニューラルネットワークを通じて行われる。
論文 参考訳（メタデータ） (2020-05-23T06:33:37Z) - Convolutional Tensor-Train LSTM for Spatio-temporal Learning [116.24172387469994]
本稿では,ビデオシーケンスの長期相関を効率的に学習できる高次LSTMモデルを提案する。
これは、時間をかけて畳み込み特徴を組み合わせることによって予測を行う、新しいテンソルトレインモジュールによって達成される。
この結果は,幅広いアプリケーションやデータセットにおいて,最先端のパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2020-02-21T05:00:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。