CEBRA представляет собой инновационный метод машинного обучения, разработанный для анализа и сжатия временных рядов. Этот метод особенно эффективен при работе с поведенческими и нейронными данными, записанными одновременно. CEBRA способен декодировать активность зрительной коры головного мозга мыши, что позволяет воссоздать просмотренное видео. Метод демонстрирует высокую точность, например, при анализе данных гиппокампа крысы, где средняя абсолютная ошибка составляет всего 5 см на общей длине трека в 160 см.
CEBRA использует как поведенческие, так и нейронные данные для создания латентных пространств, которые могут быть использованы для декодирования и анализа. Метод поддерживает как гипотезно-ориентированный (супервизированный), так и открытый (самообучающийся) подходы, что делает его универсальным инструментом для исследования нейронных динамик в различных условиях и у разных видов.
Преимущества CEBRA включают возможность работы с данными, записанными в одной или нескольких сессиях, поддержку как кальциевых, так и электрофизиологических данных, а также способность к быстрому и точному декодированию естественных фильмов из зрительной коры. Метод также позволяет выявлять сложные кинематические особенности и создавать согласованные латентные пространства для данных, полученных с помощью 2-фотонной микроскопии и Neuropixels.
CEBRA доступен для использования через официальную реализацию на GitHub, где можно следить за обновлениями и новыми релизами. Для получения дополнительной информации о проекте и возможностях сотрудничества рекомендуется связаться с разработчиками через электронную почту.
