論文の概要: CalciumGAN: A Generative Adversarial Network Model for Synthesising
Realistic Calcium Imaging Data of Neuronal Populations
- arxiv url: http://arxiv.org/abs/2009.02707v2
- Date: Tue, 8 Sep 2020 03:58:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 08:02:31.763139
- Title: CalciumGAN: A Generative Adversarial Network Model for Synthesising
Realistic Calcium Imaging Data of Neuronal Populations
- Title（参考訳）: CalciumGAN : 神経集団のリアルカルシウムイメージングデータ合成のための生成逆ネットワークモデル
- Authors: Bryan M. Li, Theoklitos Amvrosiadis, Nathalie Rochefort, Arno Onken
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.2498534294827044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Calcium imaging has become a powerful and popular technique to monitor the
activity of large populations of neurons in vivo. However, for ethical
considerations and despite recent technical developments, recordings are still
constrained to a limited number of trials and animals. This limits the amount
of data available from individual experiments and hinders the development of
analysis techniques and models for more realistic size of neuronal populations.
The ability to artificially synthesize realistic neuronal calcium signals could
greatly alleviate this problem by scaling up the number of trials. Here we
propose a Generative Adversarial Network (GAN) model to generate realistic
calcium signals as seen in neuronal somata with calcium imaging. To this end,
we adapt the WaveGAN architecture and train it with the Wasserstein distance.
We test the model on artificial data with known ground-truth and show that the
distribution of the generated signals closely resembles the underlying data
distribution. Then, we train the model on real calcium signals recorded from
the primary visual cortex of behaving mice and confirm that the deconvolved
spike trains match the statistics of the recorded data. Together, these results
demonstrate that our model can successfully generate realistic calcium imaging
data, thereby providing the means to augment existing datasets of neuronal
activity for enhanced data exploration and modeling.
- Abstract（参考訳）: カルシウムイメージングは、生体内で多くのニューロンの活動を監視するために強力で一般的な技術となっている。
しかし、倫理的考察や近年の技術開発にもかかわらず、録音は限られた数の試験と動物に制限されている。
これにより、個々の実験から得られるデータ量が制限され、より現実的なニューロン集団の大きさのための分析技術やモデルの開発が妨げられる。
リアルな神経細胞のカルシウムシグナルを人工的に合成する能力は、試行回数を増やすことでこの問題を大幅に軽減することができる。
本稿では,ニューロンソマタとカルシウムイメージングを併用したリアルなカルシウム信号を生成するGANモデルを提案する。
この目的のために、WaveGANアーキテクチャを適用し、Wasserstein距離でトレーニングする。
既知の基底を持つ人工データを用いて実験を行い,生成された信号の分布が基礎となるデータ分布によく似ていることを示す。
そして,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し,その逆転したスパイクトレインが記録されたデータの統計に一致することを確認した。
これらの結果から,本モデルが実際のカルシウムイメージングデータを生成することに成功し,既存のニューロン活動のデータセットを増強し,データ探索とモデリングを強化できることを示した。
関連論文リスト
- The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳（メタデータ） (2023-06-14T13:34:13Z) - 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) - A Solvable Model of Neural Scaling Laws [72.8349503901712]
大量のパラメータを持つ大規模な言語モデルは、インターネットに近い数のトークンで訓練されると、ニューラルネットワークのスケーリング法則に従うことが実証的に示されている。
我々は,このニューラルスケーリング現象を捉える統計モデル(共同生成データモデルとランダム特徴モデル)を提案する。
主な発見は、自然データセットの統計に現れる電力法則が非線形ランダムな特徴写像によって拡張される方法である。
論文 参考訳（メタデータ） (2022-10-30T15:13:18Z) - An Adversarial Active Sampling-based Data Augmentation Framework for
Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。
機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。
本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-27T20:53:39Z) - Can segmentation models be trained with fully synthetically generated
data? [0.39577682622066246]
BrainSPADEは、合成拡散ベースのラベルジェネレータとセマンティックイメージジェネレータを組み合わせたモデルである。
本モデルでは, 興味の病理の有無に関わらず, オンデマンドで完全合成脳ラベルを作成でき, 任意のガイド型MRI画像を生成することができる。
brainSPADE合成データは、実際のデータでトレーニングされたモデルに匹敵するパフォーマンスでセグメンテーションモデルをトレーニングするために使用できる。
論文 参考訳（メタデータ） (2022-09-17T05:24:04Z) - Learnable latent embeddings for joint behavioral and neural analysis [3.6062449190184136]
CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然映画の高速かつ高精度な復号化に利用できることを示す。
我々は、その精度を検証し、カルシウムと電気生理学の両方のデータセット、感覚と運動のタスク、そして種全体にわたる単純または複雑な振る舞いにその有用性を実証する。
論文 参考訳（メタデータ） (2022-04-01T19:19:33Z) - 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) - Graph-based Normalizing Flow for Human Motion Generation and
Reconstruction [20.454140530081183]
過去の情報と制御信号に基づく長地平線運動系列を合成・再構築する確率生成モデルを提案する。
足踏み解析と骨長解析を併用したモーションキャプチャデータセットを用いたモデル評価を行った。
論文 参考訳（メタデータ） (2021-04-07T09:51:15Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳（メタデータ） (2020-12-07T01:20:38Z) - A zero-inflated gamma model for deconvolved calcium imaging traces [10.661692149503788]
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。
論文 参考訳（メタデータ） (2020-06-05T23:29:33Z)
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。