Zebrafish Activity Prediction Benchmark (ZAPBench)

Zebrafish Activity Prediction Benchmark (ZAPBench)是一个基于超过70,000个神经元在斑马鱼幼鱼大脑中的4d光片显微镜记录的新颖数据集。该数据集包含了运动校正和体素级细胞分割，以促进各种预测方法的开发。数据集记录了在九种不同视觉刺激条件下的大脑活动，为预测未来神经活动提供了丰富的上下文信息。该数据集的创建旨在推动对整个脊椎动物大脑中单细胞分辨率神经活动的预测研究，其独特的特点是与完整的大脑结构重建相结合，为未来的模型研究提供了可能。

Zebrafish Activity Prediction Benchmark (ZAPBench) is a novel dataset derived from 4D light-sheet microscopy recordings of over 70,000 neurons in the larval zebrafish brain. This dataset provides motion-corrected data and voxel-level cell segmentation to support the development of diverse prediction methodologies. It records brain activity across nine distinct visual stimulus conditions, offering rich contextual information for forecasting future neural activity. Developed to advance research on predicting single-cell-resolution neural activity across the entire vertebrate brain, ZAPBench’s unique characteristic lies in its integration with complete brain structural reconstructions, which creates new possibilities for future model-based research.

搜集汇总

数据集介绍

构建方式

Zebrafish Activity Prediction Benchmark (ZAPBench) 数据集的构建基于对斑马鱼幼鱼大脑进行的光片层荧光显微镜记录，该记录涵盖了超过 70,000 个神经元。记录过程中，斑马鱼幼鱼处于模拟环境中，并接受了九种不同的视觉刺激条件。数据集经过后处理，包括运动校正和体素级别的细胞分割，以促进预测方法的发展。此外，还进行了突触级别的解剖学映射，以便将来将详细的结构信息整合到预测方法中。

特点

ZAPBench 数据集的特点在于其高分辨率和全面性。该数据集包含了整个斑马鱼幼鱼大脑在单细胞分辨率的神经元活动记录，并且数据集的维度远高于典型的时间序列预测竞赛。此外，ZAPBench 是第一个在生物医学领域中为预测目的引入四维体积数据集（即 3d 图像 + 时间）的预测挑战。

使用方法

ZAPBench 数据集的使用方法包括下载和访问其官方网站，该网站提供了所有相关代码、数据集以及交互式可视化工具。用户可以使用这些工具来可视化整个大脑的活动，并且可以使用提供的代码进行模型训练和预测。此外，数据集还提供了基于不同预测方法和模型的结果，以供用户参考和比较。

背景与挑战

背景概述

在神经科学领域，对大脑活动的精确预测一直是研究的核心目标。Zebrafish Activity Prediction Benchmark (ZAPBench) 数据集的创建，标志着在预测整个脊椎动物大脑中的细胞分辨率神经活动方面取得了重大进展。该数据集由 Google Research、Harvard University 和 HHMI Janelia 等机构的研究人员于 2025 年共同发布，基于 4d 光片显微成像技术，记录了超过 70,000 个神经元在斑马鱼幼虫大脑中的活动。此外，该数据集还包含运动稳定和体素级细胞分割数据，为开发各种预测方法提供了便利。ZAPBench 数据集的发布对神经科学领域产生了深远影响，为研究者提供了评估和比较不同预测模型性能的平台，并促进了神经活动预测技术的快速发展。

当前挑战

尽管 ZAPBench 数据集为神经活动预测提供了丰富的数据资源，但仍然面临一些挑战。首先，如何有效地利用跨神经元信息是一个重要问题。其次，如何提高预测模型的准确性和可靠性也是一个亟待解决的问题。此外，如何将详细的脑结构信息与预测模型相结合，以及如何评估预测模型的物理现实性，也是 ZAPBench 数据集需要面对的挑战。未来，研究者需要探索新的方法和技术，以提高 ZAPBench 数据集在神经科学领域的应用价值。

常用场景

经典使用场景

Zebrafish Activity Prediction Benchmark (ZAPBench) is a novel dataset that captures whole-brain activity of larval zebrafish with cellular resolution. The dataset is used to benchmark the performance of various forecasting methods in predicting neural activity, which has significant implications for understanding the brain's functional dynamics. The dataset includes 4D light-sheet microscopy recordings of over 70,000 neurons, along with motion-stabilized and voxel-level cell segmentations. This allows researchers to develop and evaluate a wide range of forecasting models, from time series to volumetric video models, providing a comprehensive platform for testing the predictability of neural activity.

衍生相关工作

The introduction of ZAPBench has spawned various related works, focusing on the development and evaluation of novel forecasting models. These include the exploration of graph-based approaches and latent variable models that explicitly account for multivariateness and correlations between activity traces. Additionally, the dataset's availability has facilitated the investigation of incorporating known biological inductive biases and probabilistic approaches into forecasting models. These derivative works contribute to the evolving field of neural activity prediction and modeling.

数据集最近研究

最新研究方向

在神经科学领域，预测整个脊椎动物大脑的细胞分辨率的神经活动是一项挑战性的任务。Zebrafish Activity Prediction Benchmark (ZAPBench) 数据集的引入为解决这一问题提供了一个重要的工具。该数据集包含超过70,000个神经元的4D光片显微镜记录，以及运动稳定和体素级细胞分割，为各种预测方法的开发提供了便利。目前的研究方向主要集中在利用时间序列和体视频模型进行神经活动预测，并且已经取得了比简单基线方法更好的性能。然而，这些方法仍有改进的空间，特别是在跨神经元信息的利用方面。未来的研究可能会探索新的方法，如基于图的模型和潜在变量模型，以更有效地利用多变量信息和神经元之间的相关性。此外，随着大脑连接图（connectome）的重建，预测方法可以整合详细的解剖结构信息，从而提高预测的准确性和生物学可信度。ZAPBench 数据集有望成为神经活动预测模型开发的重要基准，推动该领域的进一步发展。

相关研究论文

• ZAPBench: A Benchmark for Whole-Brain Activity Prediction in Zebrafish

  谷歌研究 · 2025年