×
肖恩·朱厄尔;丹妮拉·维滕

通过\（\ell_｛0｝\）优化进行精确的尖峰序列推断。 （英语） Zbl 1412.62159号

附录申请。斯达。 12，第4期，2457-2482（2018）.
摘要：近年来，神经科学中的新技术使得同时测量行为动物中大量神经元的活动成为可能。对每个神经元都测量荧光痕迹；这可以看作是神经元活动随时间变化的一级近似值。根据神经元的荧光轨迹确定神经元放电的确切时间是计算神经科学领域中一个重要的开放性问题。
最近，针对该任务提出了一个包含（ell{1}）惩罚的凸优化问题。在本文中，我们稍微修改了最近的提议，将\（\ell_｛1｝\）罚改为\（\ell_｛0｝\）罚。与（ell_{0}）优化问题在计算上很难处理的传统观点形成鲜明对比，我们表明，使用极为简单有效的动态规划算法，可以有效地解决由此产生的优化问题的全局最优解。我们提出的算法的R语言实现在100000个时间步长的荧光轨迹上运行几分钟。此外，我们的建议在模拟和两个钙成像数据集上都大大改进了之前的建议。
CRAN上的LZeroSpikeInference包中提供了我们提案的R语言软件。有关在python中运行此软件的说明，请访问https://github.com/jewellsean/LZeroSpikeInference网站.

引用于11文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
2007年6月62日 岭回归；收缩估计器（拉索）
62甲12 多元分析中的估计
68T05型 人工智能中的学习和自适应系统

关键词：

神经科学;钙显像;变化点检测;动态规划

软件：

CRAN（起重机）;github;工作分解结构;LZeroSpike推断;ElemStatLearn（电子状态学习）;对;科赛格
PDF格式BibTeX公司 XML格式引用
\textit{S.Jewell}和\textit{D.Witten}，Ann.Appl。Stat.12，No.4，2457--2482（2018；Zbl 1412.62159）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Ahrens，M.B.、Orger，M.B、Robson，D.N.、Li，J.M.和Keller，P.J.（2013）。使用薄片显微镜以细胞分辨率进行全脑功能成像。自然方法10 413-420。
[2] Aue，A.和Horváth，L.（2013）。时间序列中的结构突变。《时间序列分析》34 1-16·Zbl 1274.62553号 ·文件编号：10.1111/j.1467-9892.2012.00819.x
[3] Auger，I.E.和Lawrence，C.E.（1989）。段邻域的最佳识别算法。牛市。数学。生物51 39-54·Zbl 0658.92010号 ·doi:10.1007/BF02458835
[4] Bien，J.和Witten，D.（2016）。复杂模型中的惩罚估计。在大数据手册中。285-303. 佛罗里达州博卡拉顿CRC出版社。
[5] Boyd，S.和Vandenberghe，L.（2004年）。凸优化。剑桥大学出版社，剑桥·Zbl 1058.90049号
[6] Boysen，L.、Kempe，A.、Liebscher，V.、Munk，A.和Wittich，O.（2009年）。跳跃型最小二乘估计量的一致性和收敛速度。统计年鉴37 157-183·Zbl 1155.62034号 ·doi:10.1214/07-AOS558
[7] Braun，J.V.和Müller，H.G.（1998年）。DNA序列分割的统计方法。统计师。科学13 142-162·Zbl 0960.62121号
[8] Brunel，N.和Wang，X.-J.（2003）。是什么决定了具有不规则神经放电的快速网络振荡的频率？突触动力学和兴奋-抑制平衡。《神经生理学杂志》90 415-430。
[9] Cavallari，S.、Panzeri，S.和Mazzoni，A.（2016）。基于电流和基于电导的积分和fire递归网络之间神经交互动力学的比较。神经电路前沿8。
[10] Chen，T.-W.，Wardill，T.J.，Sun，Y.，Pulver，S.R.，Renninger，S.L.，Baohan，A.，Schreiter，E.R.，Kerr，R.A.，Orger，M.B.，Jayaraman，V.等人（2013）。用于神经活动成像的超灵敏荧光蛋白。自然499 295-300。
[11] Dalalyan，A.S.、Hebiri，M.和Lederer，J.（2017年）。关于拉索的预测性能。伯努利23 552-581·Zbl 1359.62295号 ·doi:10.3150/15-BEJ756
[12] Davies，P.L.和Kovac，A.（2001）。局部极值、运行、字符串和多分辨率。《统计年鉴》29 1-65·Zbl 1029.62038号 ·doi:10.1214/aos/996986501
[13] Davis，R.A.、Lee，T.C.M.和Rodriguez-Yam，G.A.（2006年）。非平稳时间序列模型的结构突变估计。J.Amer。统计师。协会101 223-239·兹比尔1118.62359 ·doi:10.1198/01621450000000745
[14] de Rooi，J.和Eilers，P.（2011）。具有（L_0）惩罚的脉冲序列的反褶积。分析。蜂鸣器。学报705 218-226。
[15] de Rooi，J.J.、Ruckebusch，C.和Eilers，P.H.C.（2014）。一维和二维稀疏反褶积：在内分泌学和单分子荧光成像中的应用。分析。化学86 6291-6298。
[16] Deneux，T.、Kaszas，A.、Szalay，G.、Katona，G.，Lakner，T.，Grinvald，A.、Rózsa，B.和Vanzetta，I.（2016）。从噪声钙信号中精确估计尖峰，用于体内大型神经元群的超快三维成像。国家公社7 12190。
[17] Dombeck，D.A.、Khabbaz，A.N.、Collman，F.、Adelman，T.L.和Tank，D.W.（2007）。用细胞分辨率对清醒、活动小鼠的大规模神经活动进行成像。神经元56 43-57。
[18] Friedrich，J.和Paninski，L.（2016）。基于钙成像的在线尖峰推断的快速主动集方法。神经信息处理系统进展1984-1992。
[19] Friedrich，J.、Zhou，P.和Paninski，L.（2017）。钙成像数据的快速在线反褶积。公共科学图书馆计算。生物13 e1005423。
[20] Fryzlewicz，P.（2014）。用于多变化点检测的野生二进制分割。统计年鉴42 2243-2281·Zbl 1302.62075号 ·doi:10.1214/14-AOS1245
[21] Grewe，B.F.、Langer，D.、Kasper，H.、Kampa，B.M.和Helmchen，F.（2010年）。体内高速钙成像以近毫秒的精度揭示神经元网络的活动。自然方法7 399-405。
[22] Harchaoui，Z.和Lévy-Leduc，C.（2010年）。具有总变差惩罚的多个变点估计。J.Amer。统计师。协会105 1480-1493·Zbl 1388.62211号 ·doi:10.1198/jasa.2010.tm09181
[23] Hastie，T.、Tibshirani，R.和Friedman，J.（2009）。《统计学习的要素：数据挖掘、推断和预测》，第二版，纽约斯普林格出版社·Zbl 1273.62005年
[24] Hastie，T.、Tibshirani，R.和Wainwright，M.（2015）。稀疏的统计学习：套索和泛化。统计学和应用概率专著143。佛罗里达州博卡拉顿CRC出版社·Zbl 1319.68003号
[25] Hawrylycz，M.、Anastassiou，C.、Arkhipov，A.、Berg，J.、Buice，M.、Cain，N.、Gouwens，N.W.、Graty，S.、Iyer，R.、Lee，J.H.等人（2016）。通过大规模系统神经科学推断小鼠视觉系统的皮层功能。程序。国家。阿卡德。科学。美国113 7337-7344。
[26] Hocking，T.D.、Rigaill，G.、Fearnhead，P.和Bourque，G..（2017年）。约束变化点检测的对数线性时间算法。预印本。可在ArXiv:1703.03352上获得·Zbl 1502.92008年
[27] Holekamp，T.F.、Turaga，D.和Holy，T.E.（2008）。通过客观耦合平面照明显微镜对神经群体活动进行快速三维荧光成像。神经元57 661-672。
[28] Hugelier，S.、de Rooi，J.J.、Bernex，R.、Duwé，S.，Devos，O.、Sliwa，M.、Dedecker，P.、Eilers，P.H.和Ruckebusch，C.（2016）。高密度超分辨率图像的稀疏反褶积。科学。代表6。
[29] Jackson，B.、Scargle，J.D.、Barnes，D.、Arabhi，S.、Alt，A.、Gioumousis，P.、Gwin，E.、Sangtrakulcharoen，P.、Tan，L.和Tsai，T.（2005）。一种在区间上对数据进行优化分区的算法。IEEE信号处理。第12号信件105-108。
[30] Johnson，N.A.（2013）。一种用于融合套索和L_0分割的动态规划算法。J.计算。图表。统计22 246-260。
[31] Killick，R.、Fearnhead，P.和Eckley，I.A.（2012年）。具有线性计算成本的最佳变化点检测。J.Amer。统计师。协会107 1590-1598·Zbl 1258.62091号 ·doi:10.1080/01621459.2012.737745
[32] Lee，C.-B.（1995）。估计独立正态随机变量序列中的变化点数量。统计师。普罗巴伯。第25页241-248·Zbl 0839.62015号 ·doi:10.1016/0167-7152（94）00227-Y
[33] Lin，K.、Sharpnack，J.、Rinaldo，A.和Tibshirani，R.J.（2016）。变更点问题的近似恢复，来自\(ℓ_2）估计错误率。预打印。ArXiv:1606.06746提供。
[34] Maidstone，R.、Hocking，T.、Rigaill，G.和Fearnhead，P.（2017年）。关于大数据的最优多变点算法。统计计算27 519-533·Zbl 1505.62269号 ·doi:10.1007/s11222-016-9636-3
[35] Mammen，E.和van de Geer，S.（1997年）。局部自适应回归样条。Ann.Statist.25 387-413·Zbl 0871.62040号 ·doi:10.1214/aos/1034276635
[36] Mazzoni，A.，Panzeri，S.，Logothetis，N.K.和Brunel，N.（2008）。通过兴奋性和抑制性神经元网络中的局部场电位谱对自然主义刺激进行编码。公共科学图书馆计算。生物学4 e1000239，20。
[37] Olshen，A.B.、Venkatraman，E.、Lucito，R.和Wigler，M.（2004）。用于分析基于阵列的DNA拷贝数数据的循环二进制分割。生物统计557-572·兹比尔1155.62478 ·doi:10.1093/biostatistics/kxh008
[38] Pnevmatikakis，E.A.、Merel，J.、Pakman，A.和Paninski，L.（2013）。钙成像数据的贝叶斯峰推断。《信号、系统和计算机》，2013年阿西洛玛会议，349-353。电气与电子工程师协会。
[39] Pnevmatikakis，E.A.、Soudry，D.、Gao，Y.、Machado，T.A.、Merel，J.、Pfau，D.、Reardon，T.、Mu，Y.、Lacefield，C.、Yang，W.等人（2016）。钙成像数据的同时去噪、反褶积和分层。神经元89 285-299。
[40] Prevedel，R.，Yoon，Y.-G.，Hoffmann，M.，Pak，N.，Wetzstein，G.，Kato，S.，Schrödel，T.，Raskar，R.、Zimmer，M.、Boyden，E.S.等人（2014）。使用光场显微镜对神经元活动进行同步全动物3D成像。自然方法11 727-730。
[41] Qian，J.和Jia，J.（2012）。关于融合套索的图案恢复。预印。ArXiv:1211.5194提供·Zbl 1468.62161号 ·doi:10.1016/j.csda.2015.08.013
[42] Rinaldo，A.（2009）。融合套索的特性和改进。统计年鉴37 2922-2952·Zbl 1173.62027号 ·doi:10.1214/08-AOS665
[43] Rojas，C.R.和Wahlberg，B.（2014）。使用融合套索方法检测变化点。预打印。可从ArXiv获得：1401.5408。
[44] Sasaki，T.、Takahashi，N.、Matsuki，N.和Ikegaya，Y.（2008）。快速准确地检测体钙波动的动作电位。神经生理学杂志。100 1668-1676。
[45] Scott，A.J.和Knott，M.（1974年）。方差分析中分组平均数的聚类分析方法。生物统计学30 507-512·兹比尔0284.62044 ·doi:10.2307/2529204
[46] Theis，L.，Berens，P.，Froudarakis，E.，Reimer，J.，Rosón，M.R.，Baden，T.，Euler，T.、Tolias，A.S.和Bethge，M.（2016）。群体钙成像中峰值速率推断的基准。神经元90 471-482。
[47] Tibshirani，R.、Saunders，M.、Rosset，S.、Zhu，J.和Knight，K.（2005年）。通过融合套索实现轻盈流畅。J.R.统计社会服务。B.统计方法67 91-108·兹比尔1060.62049 ·文件编号：10.1111/j.1467-9868.2005.00490.x
[48] van Rossum，M.C.（2001）。新颖的尖峰距离。神经计算.13 751-763·Zbl 0979.92011 ·doi:10.1162/089976601300014321
[49] Victor，J.D.和Purpura，K.P.（1996年）。视觉皮层时间编码的性质和精确度：一项度量空间分析。《神经生理学杂志》76 1310-1326。
[50] Victor，J.D.和Purpura，K.P.（1997年）。尖峰序列的度量空间分析：理论、算法和应用。网络8 127-164·Zbl 0927.92011号 ·doi:10.1088/0954-898X_8_2_003
[51] Vogelstein，J.T.、Watson，B.O.、Packer，A.M.、Yuste，R.、Jedynak，B.和Paninski，L.（2009年）。使用序贯蒙特卡罗方法从钙成像中推断峰值。生物物理学。期刊97 636-655。
[52] Vogelstein，J.T.、Packer，A.M.、Machado，T.A.、Sippy，T.、Babadi，B.、Yuste，R.和Paninski，L.（2010年）。快速非负反褶积用于从群体钙成像推断棘波序列。《神经生理学杂志》104 3691-3704。
[53] Volgushev，M.、Ilin，V.和Stevenson，I.H.（2015）。识别和跟踪神经元放电的模拟突触输入：来自体外实验的见解。公共科学图书馆计算。生物11 e1004167。
[54] Yaksi，E.和Friedrich，R.W.（2006年）。通过时间去卷积Ca2+成像重建神经元群的放电率变化。自然方法377-383。
[55] Yao，Y.C.（1988）。通过Schwarz标准估计转换点的数量。统计师。普罗巴伯。第6页181-189·Zbl 0642.62016号 ·doi:10.1016/0167-7152（88）90118-6
[56] Yao，Y.-C.和Au，S.T.（1989年）。阶跃函数的最小二乘估计。SankhyáSer。A51 370-381·Zbl 0711.62031号
[57] 邹华（2006）。自适应套索及其oracle属性。J.Amer。统计师。协会101 1418-1429·Zbl 1171.62326号 ·doi:10.1198/016214500000735
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。