Here we report SUPPORT (Statistically Unbiased Prediction utilizing sPatiOtempoRal information in imaging daTa), a self-supervised learning method for removing Poisson-Gaussian noise in voltage imaging data. SUPPORT is based on the insight that a pixel value in voltage imaging data is highly dependent on its spatially neighboring pixels in the same time frame, even when its temporally adjacent frames do not provide useful information for statistical prediction. Such spatiotemporal dependency is captured and utilized to accurately denoise voltage imaging data in which the existence of the action potential in a time frame cannot be inferred by the information in other frames. Through simulation and experiments, we show that SUPPORT enables precise denoising of voltage imaging data while preserving the underlying dynamics in the scene.
본 연구에서는 전위 이미징 데이터에서의 포아송-가우시안 노이즈를 제거하기 위한 자기 지도학습 방법인 서포트를 소개한다. 서포트는 전위 이미징 데이터에서 공간적으로 이웃하고 있는 픽셀들은 같은 시간 프레임에서 상관관계가 높지만, 다른 시간 프레임들은 유용한 정보를 제공하지 않는다는 점을 이용하여 노이즈를 제거한다. 특히 전위 이미징 데이터에서 관측할 수 있는 활동 전위는 다른 시간 프레임들을 이용한 노이즈 제거방법으로는 다룰 수 없었지만 서포트는 공간 정보를 활용하여 전위 이미징 데이터에서도 활용이 가능하다. 시뮬레이션과 실험으로 서포트가 전위 이미징 데이터에서 정확하게 노이즈를 제거할 수 있음을 보였다.
