CalM: A Self-Supervised Foundation Model for Population Dynamics in Calcium Imaging Data
Author
- Haebom
Category
Empty
저자
Xinhong Xu, Yimeng Zhang, Qichen Qian, Yuanlong Zhang
💡 개요
본 연구는 신경 기록 분석에서 대규모 다중 동물 모델링의 이점을 활용하지만, 기능적 칼슘 신호 분석에는 기존 방식들이 특정 작업에 국한되어 있어 신경과학 목표 간의 전이가 어렵다는 문제를 제기합니다. 이를 해결하기 위해, 본 논문은 신경 칼슘 신호만을 사용하여 사전 훈련되고 예측 및 디코딩을 포함한 다양한 하위 작업에 적용 가능한 자기 지도 기반의 기초 모델인 CalM을 제안합니다. CalM은 단일 뉴런 신호를 공유하는 이산 어휘로 매핑하는 고성능 토크나이저와 신경 및 시간 축을 따라 종속성을 모델링하는 이중 축 자기 회귀 트랜스포머로 구성된 사전 훈련 프레임워크를 핵심적으로 제시합니다.
🔑 시사점 및 한계
•
CalM은 신경 칼슘 신호만을 사용하여 훈련되는 자기 지도 기반 기초 모델로서, 다양한 신경과학 하위 작업에 적용 가능한 범용성을 제공합니다.
•
CalM의 표현은 단순히 예측 정확도를 넘어 해석 가능한 기능적 구조를 나타내어, 신경 활동에 대한 깊이 있는 이해를 돕습니다.
•
대규모 다중 동물, 다중 세션 칼슘 영상 데이터셋에 대한 평가 결과, CalM은 사전 훈련 후에도 예측 작업에서 경쟁력 있는 성능을 보였으며, 행동 디코딩 작업에서는 기존 지도 학습 모델보다 우수한 성능을 달성했습니다.
•
본 연구는 CalM이라는 새로운 기초 모델을 통해 칼슘 신호 분석 분야의 확장 가능한 사전 훈련 및 광범위한 응용 가능성을 열었습니다.
•
향후 연구에서는 CalM의 사전 훈련 프레임워크를 다른 유형의 신경 영상 데이터에도 적용하거나, 더욱 다양한 하위 작업으로 확장하는 방안을 모색할 수 있습니다.
