칼슘 이미징 데이터에서 관심 영역 탐색을 위한 반복적 template update 방법에 관한 연구

Abstract

칼슘 이미징은 신경 회로 연구에 널리 사용되는 광범위한 측정 범위를 가진 이미징 기술이다. 칼슘 이미징은 특정 뇌 영역의 단면에서 발생하는 뉴런의 활성화를 시각화 할 수 있으며, 이 때 측정된 다수의 뉴런들 중 일부만이 의미가 있기 때문에 관심 영역 검출 방법이 필요하다. 자극의 시간 정보를 알고 있다면, 칼슘 발화가 이중 지수 모델로 근사 되므로 템플릿 매칭 방법을 사용하여 빠르게 탐색할 수 있다. 하지만 뉴런의 발화는 자극에 항상 균일하게 반응하지 않으므로 이중 지수 모델만으로는 최적의 성능으로 관심 영역 탐색을 수행하기는 어렵다. 이를 해결하기 위해 뉴런의 활성화 타이밍을 예측하는 디컨볼루션 방법을 이용할 수 있으나 연산이 매우 많아지는 문제가 있으므로 대규모의 데이터에서 바람직하지 않다. 따라서 템플릿을 기반으로 빠르고 정확하게 관심 영역을 탐색하기 위해, 우리는 반복적으로 템플릿을 업데이트 하는 방법을 제안한다. 제안된 모델은 기존 이중 지수 모델만으로 관심 영역을 탐색하는 방식보다 특히 높은 노이즈 수준에서 더 높은 성능을 보였다. 제안한 방법이 관심 영역을 보다 빠르고 정확하게 감지함으로써 대규모의 칼슘 이미징 데이터 처리가 필요한 뇌 신경 연구의 유용성을 높여줄 수 있다.