realSEUDO for real-time calcium imaging analysis

闭环神经科学实验是将记录的神经活动用于实时修改实验，对于推断因果关系和优化实验时间至关重要。创建闭环实验的关键步骤是从流式记录中实时推断神经活动。多光子钙成像（CI）是一种具有挑战性的实时处理模式。CI可以记录大量神经元的活动，但通常需要批处理视频数据以从荧光视频中提取单个神经元的活动。我们使用最近提出的稳健时间序列估计器-未使用字典对象的稀疏模拟（SEUDO）算法作为新的在线处理算法的基础，该算法同时在荧光视频中识别神经元并推断它们的时间序列，这种方法对尚未识别的神经元具有鲁棒性。为了实现实时SEUDO（realSEUDO），我们通过算法改进和快速的基于C的实现来优化核心估计器，并创建一个新的细胞查找循环，使realSEUDO也能识别新的细胞。我们在平均速度为120 Hz的情况下展示了与离线算法（例如CNMF）相当的性能，并且比当前的在线方法（OnACID）性能更好。

实时处理多光子钙成像数据以进行闭环神经科学实验，同时识别神经元和推断它们的时间跟踪

使用Sparse Emulation of Unused Dictionary Objects (SEUDO)算法作为基础，通过算法改进和C语言实现，创建新的细胞发现循环，实现实时神经元识别和时间跟踪推断

实现了实时SEUDO算法，速度平均为120 Hz，性能与离线算法（如CNMF）相当，优于当前在线方法（OnACID）；使用大鼠的多光子钙成像数据集进行了实验，开源了代码

相关研究包括CNMF、OnACID等