Application of an attention-based CNN-BiLSTM framework for in vivo two-photon calcium imaging of neuronal ensembles: decoding complex bilateral forelimb movements from unilateral M1

要約

マルチスケールの脳ネットワークからの動きなどの解読行動は、神経科学の中心的な目的のままです。
過去数十年にわたり、人工知能と機械学習は、運動機能の根底にある神経メカニズムの解明にますます重要な役割を果たしてきました。
高い空間的および時間的解像度で複雑なニューロンシグナルをキャプチャできる脳監視技術の進歩は、行動デコードのためのより洗練された機械学習モデルの開発と応用を必要とします。
この研究では、in vivo 2光子カルシウムイメージングから得られた信号を使用して、熟練した複雑な前肢の動きを解読するために、注意ベースのCNN-BilStmモデルであるハイブリッドディープラーニングフレームワークを採用しています。
私たちの発見は、同側と対側の前肢の両方の複雑な動きが、片側M1ニューロンのアンサンブルから正確に解読できることを示しています。
これらの結果は、複雑な動きの実行にリンクされたニューロンネットワークアクティビティの時空間的依存性をキャプチャする上で、高度なハイブリッドディープラーニングモデルの有効性を強調しています。

要約(オリジナル)

Decoding behavior, such as movement, from multiscale brain networks remains a central objective in neuroscience. Over the past decades, artificial intelligence and machine learning have played an increasingly significant role in elucidating the neural mechanisms underlying motor function. The advancement of brain-monitoring technologies, capable of capturing complex neuronal signals with high spatial and temporal resolution, necessitates the development and application of more sophisticated machine learning models for behavioral decoding. In this study, we employ a hybrid deep learning framework, an attention-based CNN-BiLSTM model, to decode skilled and complex forelimb movements using signals obtained from in vivo two-photon calcium imaging. Our findings demonstrate that the intricate movements of both ipsilateral and contralateral forelimbs can be accurately decoded from unilateral M1 neuronal ensembles. These results highlight the efficacy of advanced hybrid deep learning models in capturing the spatiotemporal dependencies of neuronal networks activity linked to complex movement execution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google