通过图谱对齐的时空标记化实现宽场钙成像的跨主体建模

宽场钙成像技术使得研究人员能够同时记录多个实验动物的全脑皮层活动，为理解大脑动态提供了前所未有的视角。然而，该类数据具有高维度、复杂的时空结构以及大量的任务无关活动，导致以往的建模工作主要局限于单次会话分析，严重限制了模型的可扩展性和泛化能力。尽管在多主体预训练模型方面已有一些探索（例如在电生理或fMRI数据上），但针对宽场钙成像的多主体模型一直未被提出；更广泛地，对于多主体神经模型，主体不变的零样本行为解码仍然是一个重大挑战。

来自的研究团队在ICML 2026上发表了WiCAT模型，这是迈向宽场数据基础建模的第一步。WiCAT采用自监督预训练策略，通过引入基于标准脑图谱的标记化方案，避免了会话特定组件的依赖，从而学习到全局共享的时空表征。该模型不仅显著优于单会话模型，还首次实现了对从未见过的实验主体的零样本行为解码。

在多个宽场成像数据集上的实验表明，WiCAT预训练模型能够轻松支持轻量级的下游解码任务，并且可以跨主体、跨任务、跨数据集进行迁移，其性能全面超越了基线模型。特别值得强调的是，WiCAT在未见主体上实现了鲁棒的零样本连续行为解码，甚至能够重建被刻意留出的脑区活动，展现了强大的泛化能力。

这项研究为宽场钙成像数据的大规模、跨主体分析奠定了基础，有望极大推动神经科学领域对脑皮层动力学的理解。研究团队已开源相关代码，以促进社区进一步探索和应用。