- 2 次围观
大规模 Neuropixels 记录能够采样多个脑区，但单次实验通常无法记录所有关注的脑区。NeuroPaint 是一种基于 Transformer 的自编码器，它通过对齐不同实验会话中各脑区的潜在动力学，并对未记录脑区的活动进行“补全”，从而整合此类记录。计算效率更高且可能更易解释的线性模型，能否胜任这一任务？为回答这一问题，我们提出了 NeuroPaint 的线性变体 Linear NeuroPaint，并在两个多脑区 Neuropixels 数据集上对其进行评估。Linear NeuroPaint 对已记录脑区具有较强的预测性能；然而，尽管经过广泛的超参数优化，其跨脑区活动补全的准确度仍低于非线性模型。此外，其参数也难以直接解释：由于跨会话对齐不完整，按参数定义的神经元簇呈现出异质的响应特征。综上，这些结果表明，线性变换不足以实现跨会话对齐和跨脑区预测。尽管如此，Linear NeuroPaint 仍可作为一种计算效率较高的基线模型，用于评测多会话神经模型。
| bioRxiv
跳至正文
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
帮助
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于帮助
广告
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于广告
编辑委员会
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于编辑委员会
关于我们
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于我们
患者
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于患者
广告商
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于广告商
机构
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于机构
订阅者
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于订阅者
审稿人
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于审稿人
作者
2013年8月15日（周四）16:02 --
hwadmin
了解更多
关于作者
关键词：Neuropixels记录 · 跨会话神经对齐 · 脑区活动补全 · 线性神经模型 · 神经数据建模
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.03.756082v1?rss=1