两光子钙成像是记录活体大规模神经群的标准手段，但在多样化的钙指示剂下实现高精度尖峰推断仍是难题。现有监督方法在已见指示剂上表现尚可，却在未见指示剂上泛化不足，因为不同指示剂导致荧光动力学和信号统计差异显著，而现有网络结构多为通用的时间回归器，缺乏与动力学匹配的归纳偏置。我们提出 SpikeSSL——一个通用的尖峰推断框架，其时间主干由一组双向 IIR 状态空间层组成，广义上受钙动力学启发。多模态条件编码器将指示剂身份、采样率以及轨迹级信号统计映射为全局条件向量，随后通过自适应层归一化 (Adaptive Layer Normalization) 调制主干网络。异方差方差头为每帧输出校准后的不确定性估计。
在由 33 个公开真实数据集构建的五个固定评估划分上进行基准测试，SpikeSSL 在同域和零样本留一指示剂 (leave‑one‑indicator‑out) 场景中均实现了最新水平。我们还搭建了生物物理仿真流水线，可系统性地变换动力学参数、尖峰统计、响应非线性、基线漂移和噪声，生成配对的荧光‑尖峰轨迹。利用该流水线合成约 11,000 条模拟轨迹后加入训练，显著缩小跨指示剂域差距并提升零样本泛化能力。代码已公开：https://github.com/detimage123/SpikeSSL。
点评：SpikeSSL 通过将钙动力学显式嵌入网络结构，并结合多模态条件调制，实现了跨指示剂的鲁棒推断，为神经成像分析提供了可扩展的统一平台。