Details

В данной работе рассматривается разработка модели машинного обучения для обработки нейрональной активности мышей. Исследование включает в себя анализ существующих методов регистрации и обработки нейрональной активности, а также разработку и обучение модели на основе архитектуры BERT. В работе используются данные, полученные с помощью двухфотонной микроскопии и миниатюрной флуоресцентной микроскопии. Модель обучается на задаче восстановления замаскированной последовательности и тонкой настройки для бинарной классификации нормы и патологии. В ходе исследования были решены задачи сбора данных, создания модели на основе механизма внимания, обучения модели на большом датасете, обучения модели классификации, анализа полученных результатов и рассмотрения возможностей интерпретации работы модели. Результаты работы показывают высокую точность модели в задачах реконструкции и классификации нейрональной активности, что подтверждает эффективность предложенной модели. Настоящее исследование было профинансировано Фондом поддержки инноваций и молодежных инициатив Санкт-Петербурга в рамках проекта «Кампус цифровых лабораторий Blue Sky Research».

This work explores the development of a machine learning model for processing neural activity in mice. The study includes an analysis of existing methods for recording and processing neural activity, as well as the development and training of a model based on the BERT architecture. The work uses data obtained through two-photon microscopy and miniature fluorescence microscopy. The model is trained on the task of reconstructing masked sequences and fine-tuning for binary classification of normal and pathological conditions. During the study, tasks were solved such as data collection, creating a model based on the attention mechanism, training the model on a large dataset, training the classification model, analyzing the obtained results, and considering the possibilities of interpreting the models operation. The results of the work show high accuracy of the model in tasks of reconstruction and classification of neural activity, which confirms the effectiveness of the proposed model. This research was funded by the Foundation for the Support of Innovations and Youth Initiatives of St. Petersburg within the framework of the project «Campus of Digital Laboratories Blue Sky Research».

• Базисная модель нейрональной активности
  • Введение
  • 1. Обзор существующих решений
  • 2. Материалы и методы
  • 3. Результаты
  • Заключение
  • Список сокращений и условных обозначений
  • Словарь терминов
  • Список использованных источников