摘要
大规模多主题宽场钙成像为脑皮层动态提供了前所未有的访问权限。然而，高维度、复杂的时空结构以及宽场记录中大量与任务无关的活动，限制了建模工作主要集中在单次会话分析上，从而限制了可扩展性和泛化能力。尽管在某些神经模态下已经探索了多主题预训练模型，但宽场钙成像的多主题模型尚未得到验证。此外，跨神经模态的主题不变零-shot行为解码仍然难以实现。
作为宽场数据基础建模的第一步，我们介绍了WiCAT，这是一种多主题模型，利用自监督预训练，超越单会话模型并实现对未见主题的零-shot行为解码。WiCAT引入了一种基于图谱的标记化方案，没有会话特定组件，并学习全球共享的时空表示。在多个宽场数据集上，这个预训练模型支持轻量级下游解码，能够在主题、任务和数据集之间转移，并且超越了基线模型。值得注意的是，该模型还实现了对未见主题的稳健零-shot连续行为解码和被排除脑区的重建。
博主点评： WiCAT的自监督预训练方法在宽场钙成像领域开辟了新的可能性，通过高效的时空表示学习，打破了传统单会话分析的局限。这一进展不仅提升了模型的泛化能力，也为未来的多主题神经数据分析提供了坚实基础。其在零-shot解码方面的表现尤为突出，显示出在临床和基础神经科学研究中的广泛应用潜力。