폭대역 신경 활동을 컨볼루션 신경망을 이용한 해석

칼슘 이미징과 전기생리학과 같은 기술의 급속한 발전으로 인해 신경 신호 기록의 규모와 범위가 급격히 증가하고 있다. 그럼에도 불구하고 이러한 데이터의 해석은 여전히 수동적인 작업에 의존하며, 표현의 성격에 대한 깊은 이해가 필요하다. 디코딩 기법은 이러한 기록의 정보 내용을 추론하는 수단을 제공하지만, 일반적으로 고도로 전처리된 데이터와 인코딩 방식에 대한 사전 지식을 필요로 한다. 본 연구에서는 광대역 신경 데이터로부터 감각 및 행동 변수를 직접 디코딩할 수 있는 딥러닝 프레임워크를 개발하였다. 이 네트워크는 사용자 입력을 거의 필요로 하지 않으며, 자극, 행동, 뇌 영역, 기록 기술에 걸쳐 일반화가 가능하다. 훈련을 마친 후에는 특정 변수에 대해 정보를 제공하는 신경 코드의 요소를 분석할 수 있다. 본 방법의 유효성을 쥐의 청각 피질과 해마에서 수집한 데이터를 통해 검증하였으며, 제안된 CA1 인터뉴런이 새로운 방향 인식 표현을 담고 있음을 규명하였다.