awesome-brain-fm
收藏资源简介：
这是一个精选的资源合集，主题为脑科学基础模型，收录了相关的建模论文、数据集、实验论文、代码库和基准测试。合集覆盖了神经科学中预训练基础模型、经典机器学习与统计模型、大规模神经活动实验记录与成像、神经与行为数据的基准测试与开源平台等多个领域，旨在为研究人员提供全面的资源索引。
This is a curated collection of resources focused on foundational models for neuroscience. It includes relevant modeling papers, datasets, experimental papers, code repositories, and benchmarks. The collection covers multiple domains in neuroscience, including pretrained foundational models, classical machine learning and statistical models, large-scale neural activity experimental recordings and imaging techniques, as well as benchmarks and open-source platforms for neural and behavioral data. It aims to provide researchers with a comprehensive resource index.
Awesome Foundation Models for the Brain 数据集详情
该资源库是一个精心策划的专业列表，涵盖了脑科学领域的基础模型相关论文、数据集、实验论文、代码仓库和基准测试。
核心内容概览
该仓库收录并整理了以下四类核心资源：
- 预训练基础模型论文：神经科学中预训练基础模型的最新工作（含可用代码）。
- 机器学习与统计模型论文：经典的神经数据机器学习与统计模型（按受试者、记录方式、行为任务排序，含可用代码）。
- 大规模实验记录/成像数据集：大规模神经活动实验记录和成像数据，特别是Neuropixel和宽场成像（含可用数据和代码）。
- 综述与观点：关于大规模神经数据分析的观点和评论文章。
- 基准与工具：神经和行为数据的基准、Python库和开源数据平台。
- 教程与其他资源：脑基础模型相关的教程和其他资源。
论文与预训练模型（共12篇）
包含12篇提供预训练模型的开创性论文，覆盖小鼠、非人灵长类、人类等多种受试者，以及电生理、钙成像、fMRI、iEEG等多种记录方式，涉及视觉、决策、运动、工作记忆、疾病等多种任务。
代表性论文示例：
| 论文名称 | 发表平台/年份 | 受试者 | 记录方式 | 任务 |
|---|---|---|---|---|
| NEDS | ICML 2025 spotlight | 小鼠 | 电生理 | 决策 |
| POYO+ | ICLR 2025 spotlight | 小鼠 | 钙成像 | 视觉 |
| Foundation model of neural activity... | Nature 2025 | 小鼠 | 钙成像 | 视觉 |
| BrainLM | ICLR 2024 | 人类 | fMRI | 疾病 |
| Brant | NeurIPS 2023 | 人类 | iEEG | - |
| Neural Data Transformer 2 | NeurIPS 2023 | 人类 / 非人灵长类 | 电生理 | 运动 |
| CEBRA | Nature 2023 | 非人灵长类 / 小鼠 | 电生理 / 钙成像 | 运动 / 视觉 |
数据集与工具（17项）
收录了多个关键的数据集和工具包，主要包括：
-
数据档案库：
- DANDI Archive：发布和共享神经生理学数据（电生理、光生理、行为时间序列、免疫染色图像）。
- 国际脑实验室（IBL）数据。
- Janelia研究园区的数据集。
- OpenNeuro：验证和共享BIDS兼容的MRI、PET、MEG、EEG、iEEG数据的开放平台。
-
Python数据处理与分析工具：
- temporaldata：处理多模态、多分辨率时间序列数据的数据结构和方法。
- brainsets：将神经数据处理为标准化格式的包。
- NeMoS：系统神经科学的统计建模框架（侧重广义线性模型GLM）。
- CaImAn：大规模钙成像数据分析工具箱。
- pynapple：神经生理学数据分析的轻量级库。
- torch_brain：神经科学深度学习模型库。
- plenoptic：基于模型的感知刺激合成库。
- lfads-torch：基于动态系统的潜在因子分析的模块化实现。
-
行为分析与可视化工具：
- DeepLabCut：动物姿态估计软件包。
- SLEAP：Social LEAP Estimates Animal Poses。
- B-SOiD：自发行为发现的无监督算法。
- Keypoint-MoSeq：通过关键点追踪解析行为。
- OpenPose：实时多人关键点检测系统。
-
神经数据可视化与基准：
- neurosift：专注于NWB文件的可视化浏览器工具，支持DANDI和OpenNeuro的交互式探索。
- fastplotlib：Python快速原型设计绘图库，适合大规模科学可视化。
- Brain-Score：旨在产生准确、可执行的脑功能计算模型的综合基准。
其他相关论文（共188篇，重点推荐28篇）
该部分进一步归类了大量相关研究论文：
机器学习与统计模型（73篇，重点推荐11篇）
按分析数据类型细分：
- 电生理分析（40篇，重点6篇）：涵盖动态状态空间模型、细胞类型与脑区分类、神经计算个体变异性、潜在扩散模型、高斯状态空间模型等。
- 光学生理分析（19篇，重点5篇）：主要涉及钙成像数据分析。
- iEEG分析（2篇）。
- EEG和fMRI分析（12篇）。
大规模实验记录与成像（85篇，重点推荐12篇）
按数据类型细分：
- 电生理记录（25篇，重点7篇）。
- 光学成像（28篇，重点5篇）。
- 连接组与转录组（32篇）。
观点与综述（27篇，重点推荐5篇）
基准与分类约定
资源库使用了标准化的关键词约定，便于快速识别论文的受试者、记录方式和任务类型：
- 受试者：人类、非人灵长类、大鼠、小鼠、斑马鱼、果蝇。
- 记录方式：电生理、钙成像、fMRI、EEG、iEEG（含ECoG和sEEG）。
- 任务类型：视觉、听觉、语言、躯体感觉、嗅觉、运动、决策、工作记忆、空间导航、社交行为、睡眠、疾病。
