Deep Representation Learning on Whole-Brain Population Dynamics Uncovers Geometrically Separable Neural Codes
Ce papier présente un cadre d'apprentissage profond agnostique vis-à-vis du câblage qui décrypte avec succès des codes neuronaux interprétables et géométriquement séparables pour l'état métabolique, le mode sensoriel et la valence des stimuli à partir de données d'imagerie calcique du cerveau entier de Drosophila, sans nécessiter d'annotation anatomique ni d'informations sur la connectivité.