We present a modular approach for analyzing calcium imaging recordings of large neuronal ensembles. Our goal is to simultaneously identify the locations of the neurons, demix spatially overlapping components, and denoise and deconvolve the spiking activity from the slow dynamics of the calcium indicator. Our approach relies on a constrained nonnegative matrix factorization that expresses the spatiotemporal fluorescence activity as the product of a spatial matrix that encodes the spatial footprint of each neuron in the optical field and a temporal matrix that characterizes the calcium concentration of each neuron over time. This framework is combined with a novel constrained deconvolution approach that extracts estimates of neural activity from fluorescence traces, to create a spatiotemporal processing algorithm that requires minimal parameter tuning. We demonstrate the general applicability of our method by applying it to in vitro and in vivo multi-neuronal imaging data, whole-brain light-sheet imaging data, and dendritic imaging data.

A new class of planar optics has emerged using subwavelength gratings with a large refractive index contrast, herein referred to as high-contrast gratings (HCGs). This seemingly simple structure lends itself to extraordinary properties, which can be designed top-down based on intuitive guidelines. The HCG is a single layer of high-index material that can be as thin as 15% of one wavelength. It can be designed to reflect or transmit nearly completely and with specific optical phase over a broad spectral range and/or various incident beam angles. We present a simple theory providing an intuitive phase selection rule to explain the extraordinary features. Our analytical results agree well not only with numerical simulations but also experimental data. The HCG has made easy fabrication of surface-normal optical devices possible, including vertical-cavity surface-emitting lasers (VCSELs), tunable VCSELs, and tunable filters. HCGs can be designed to result in high-quality-factor (Q) resonators with surface-normal output, which is promising for wafer-scale lasers and optical sensors. Spatially chirped HCGs are shown to be excellent focusing reflectors and lenses with very high numerical apertures. This field has seen rapid advances in experimental demonstrations and theoretical results. We provide an overview of the underlying new physics and the latest results of devices.

Neuronal ensembles are coactive groups of neurons that may represent building blocks of cortical circuits. These ensembles could be formed by Hebbian plasticity, whereby synapses between coactive neurons are strengthened. Here we report that repetitive activation with two-photon optogenetics of neuronal populations from ensembles in the visual cortex of awake mice builds neuronal ensembles that recur spontaneously after being imprinted and do not disrupt preexisting ones. Moreover, imprinted ensembles can be recalled by single- cell stimulation and remain coactive on consecutive days. Our results demonstrate the persistent reconfiguration of cortical circuits by two-photon optogenetics into neuronal ensembles that can perform pattern completion.

Recording the activity of large populations of neurons is an important step toward understanding the emergent function of neural circuits. Here we present a simple holographic method to simultaneously perform two-photon calcium imaging of neuronal populations across multiple areas and layers of mouse cortex in vivo. We use prior knowledge of neuronal locations, activity sparsity, and a constrained nonnegative matrix factorization algorithm to extract signals from neurons imaged simultaneously and located in different focal planes or fields of view. Our laser multiplexing approach is simple and fast, and could be used as a general method to image the activity of neural circuits in three dimensions across multiple areas in the brain.

The simultaneous imaging and manipulating of neural activity could enable the functional dissection of neural circuits. Here we have combined two-photon optogenetics with simultaneous volumetric two-photon calcium imaging to measure and manipulate neural activity in mouse neocortex in vivo in three-dimensions (3D) with cellular resolution. Using a hybrid holographic approach, we simultaneously photostimulate more than 80 neurons over 150 μm in depth in layer 2/3 of the mouse visual cortex, while simultaneously imaging the activity of the surrounding neurons. We validate the usefulness of the method by photoactivating in 3D selected groups of interneurons, suppressing the response of nearby pyramidal neurons to visual stimuli in awake animals. Our all-optical approach could be used as a general platform to read and write neuronal activity.

The cerebral cortex is spontaneously active, but the function of this ongoing activity remains unclear. One possibility is that spontaneous activity provides contextual information in cortical computations, replaying previously learned patterns of activity that conditions the cortex to respond more efficiently, based on past experience. To test this, we measured the response of neuronal populations in mouse primary visual cortex with chronic two-photon calcium imaging during a visual habituation to a specific oriented stimulus. We unexpectedly found that, during habituation, spontaneous activity increased in neurons across the full range of orientation selectivity, eventually matching that of evoked levels. The increase in spontaneous activity strongly correlated with the degree of habituation. In fact, boosting spontaneous activity with two-photon optogenetic stimulation to the levels of stimulus-evoked activity induced habituation in naive animals. Our study shows that cortical spontaneous activity is causally linked to habituation, which unfolds by minimizing the difference between spontaneous and stimulus-evoked activity levels, rendering the cortex less responsive. We also show how manipulating spontaneous activity can accelerate this type of learning. We hypothesize that spontaneous activity in visual cortex gates incoming sensory information.

Progress in modern neuroscience critically depends on our ability to observe the activity of large neuronal populations with cellular spatial and high temporal resolution. However, two bottlenecks constrain efforts towards fast imaging of large populations. First, the resulting large video data is challenging to analyze. Second, there is an explicit tradeoff between imaging speed, signal-to-noise, and field of view: with current recording technology we cannot image very large neuronal populations with simultaneously high spatial and temporal resolution. Here we describe multi-scale approaches for alleviating both of these bottlenecks. First, we show that spatial and temporal decimation techniques provide order-of-magnitude speedups in spatiotemporally demixing calcium video data into estimates of single-cell neural activity. Second, once the shapes of individual neurons have been identified (e.g., after an initial phase of conventional imaging with standard temporal and spatial resolution), we find that the spatial/temporal resolution tradeoff shifts dramatically: after demixing we can accurately recover neural activity from data that has been spatially decimated by an order of magnitude. This offers a cheap method for compressing this large video data, and also implies that it is possible to either speed up imaging significantly, or to "zoom out" by a corresponding factor to image order-of-magnitude larger neuronal populations with minimal loss in accuracy or temporal resolution.

Cortical processing of sensory events is significantly influenced by context. For instance, a repetitive or redundant visual stimulus elicits attenuated cortical responses, but if the same stimulus is unexpected or deviant, responses are augmented. This contextual modulation of sensory processing is likely a fundamental function of neural circuits, yet an understanding of how it is computed is still missing. Using holographic two-photon calcium imaging in awake animals, here we identify three distinct, spatially intermixed ensembles of neurons in mouse primary visual cortex which differentially respond to the same stimulus under separate contexts, including a subnetwork which selectively responds to deviant events. These non-overlapping ensembles are distributed across layers 2-5, though deviance detection is more common in superficial layers. Contextual preferences likely arise locally since they are not present in bottom up inputs from the thalamus or top-down inputs from prefrontal cortex. The functional parcellation of cortical circuits into independent ensembles that encode stimulus context provides a circuit basis underlying cortically based perception of novel or redundant stimuli, a key deficit in many psychiatric disorders.

Non-invasive fetal saturation prediction is challenging. We propose a multi-detector, inverse modeling, ML based approach. Trained on a large simulated simple tissue model dataset, our generalized NN can estimate simulation parameters given the simulation results. Our model achieves a 9.2% overall validation MSE for tissue model parameters.