CEBRA: Um Método de Aprendizado de Máquina Inovador
CEBRA é uma técnica de machine learning que traz uma abordagem interessante para a análise conjunta de comportamento e dados neurais. Ele pode comprimir séries temporais de forma a revelar estruturas que de outra forma ficariam ocultas na variabilidade dos dados.
No domínio da neurociência, a capacidade de mapear ações comportamentais para a atividade neural é um objetivo fundamental. CEBRA preenche essa lacuna com um método de codificação inovador, que utiliza dados comportamentais e neurais de forma conjunta, seja de maneira supervisionada ou auto-supervisionada, para produzir espaços latentes consistentes e de alto desempenho.
Suas aplicações são diversas. Ele se destaca em dados comportamentais e neurais registrados simultaneamente, podendo decodificar a atividade do córtex visual do cérebro de camundongos para reconstruir um vídeo visualizado. Além disso, demonstra utilidade em conjuntos de dados de cálcio e eletrofisiologia, em tarefas sensoriais e motoras, e em comportamentos simples ou complexos em várias espécies.
O CEBRA permite que conjuntos de dados de uma ou várias sessões sejam aproveitados para testar hipóteses ou serem usados sem a necessidade de rótulos. Além disso, mostra-se capaz de mapear o espaço, revelar características cinemáticas complexas, produzir espaços latentes consistentes em dados de 2-fotões e Neuropixels, e fornecer decodificação rápida e de alta precisão de filmes naturais a partir do córtex visual.
