数据获取与预处理
获取高质量静息态fMRI和瞳孔数据，为后续分析做准备。
使用HCP 7T数据集，筛选包含瞳孔数据的静息态扫描，进行瞳孔预处理（去眨眼、插值、降采样至1Hz），fMRI预处理（ICA-FIX、高通滤波、空间平滑），分类警觉和困倦状态。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
瞳孔大小与皮质BOLD和脑室CSF信号相反波动之间的联系
Pupil Size is Linked to Opposite Signal Fluctuations Between Cortical BOLD and Ventricular CSF
实验完整度
中研究基于人类静息态fMRI数据，包含瞳孔测量、生理信号提取和脑室体积分析，但缺乏独立功能或机制验证，属于观察性关联分析。
主要模型
健康对照者静息态fMRI队列（HCP 7T） 上行觉醒核团（LC、DR、PAG、VTA） 脑室CSF区域
重点核对
瞳孔大小时间序列（1Hz采样，经过眨眼插值处理） 警觉状态（眼睛闭合<10%）与困倦状态（10-40%）的划分 fMRI数据预处理（ICA-FIX、高通滤波>2000s、空间平滑FWHM=5mm） HR和RV的提取（deep-physio-recon模型） 统计阈值（voxel p<.002，cluster alpha<.05，ROI t>3）
摘要
瞳孔测量法已被用作蓝斑（LC）活性的生物标志物，蓝斑是一个对觉醒至关重要的去甲肾上腺素能核团。由于LC已被牵涉到调节脑脊液（CSF）流动中，在此我们研究了瞳孔大小与脑室中CSF T2依赖性信号、皮质和皮质下脑区（包括LC）BOLD信号以及外周生理学（心率和呼吸）之间的关联，作为觉醒的函数。我们假设，以瞳孔大小指示的觉醒变化将与CSF信号强度和体积的变化相关联，并与脑BOLD信号相反。对健康对照者（HCP 7T）fMRI数据的分析表明，瞳孔大小的变化与LC、皮质和皮质下BOLD的变化相关联，与侧脑室信号变化相反。随着瞳孔大小的减小，LC、丘脑和皮质区域的活动下降，而脑室中的CSF信号则增加。瞳孔大小与LC之间的耦合比其他上行觉醒核团出现得更早，格兰杰因果分析证实了LC-瞳孔强耦合。虽然生理测量在困倦状态下彼此之间以及与瞳孔大小的相关性更强，但在警觉状态下瞳孔-BOLD和CSF的关联更强。困倦状态下瞳孔-CSF关联的减弱表明，在低觉醒状态下，中央和外周信号对CSF的调节存在分离。促进觉醒的精神状态可能对伴有类淋巴系统受损的神经精神疾病有益，瞳孔测量法可作为监测类淋巴功能的生物标志物。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 瞳孔大小波动作为觉醒指标，是否与脑室CSF信号和皮质/皮质下BOLD信号呈相反的时间关联，且这种关联是否受觉醒状态影响？
- 核心机制
- 觉醒状态（以瞳孔大小表征）调节皮层BOLD与脑室CSF信号的反向波动，LC-瞳孔耦合最早且最强，可能通过自主神经系统影响CSF流动。
- 主要证据
- HCP 7T静息态fMRI数据中，瞳孔增大伴随脑室CSF信号降低、皮质BOLD升高，LC-瞳孔相关性最强且出现最早，困倦状态下耦合减弱。
- 研究意义
- 瞳孔测量法可能作为监测类淋巴功能的生物标志物，对神经精神疾病中类淋巴系统受损的评估具有潜在意义。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
提取外周生理信号
获取心率（HR）和呼吸变异性（RV）作为外周自主神经活动指标。
利用deep-physio-recon模型从HCP 7T最小预处理数据中提取HR和RV。
瞳孔与BOLD/CSF信号关联分析
检验瞳孔大小变化与全脑BOLD及脑室CSF信号的时间关联。
使用SPM进行体素级回归分析，以瞳孔大小或导数、RV和运动参数为回归量，对fMRI时间序列进行t检验。提取ROI（皮层、丘脑、AAN核团、脑室）的BOLD/CSF信号，计算与瞳孔的滞后相关。
格兰杰因果分析
确定瞳孔与AAN核团之间的因果关系方向。
使用R的bruceR包，模型阶数为3，对瞳孔和AAN核团（LC、DR、PAG、VTA）及第四脑室进行格兰杰因果分析，比较警觉和困倦状态下的因果强度。
脑室体积动态分析
评估侧脑室和第四脑室体积随时间的变化及其与LC信号的关系。
使用SynthSeg从T2w图像中分割脑室，计算体积时间序列，进行带通滤波（0.01-0.1Hz），计算与LC和脑室ROI的交叉相关。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
数据处理与预处理
验证生理信号提取
验证因果关系
验证脑室体积动态
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 眼动追踪 | Eye Link 1000眼动仪 | -- | -- |
| 数据预处理 | R包eyelinker | -- | -- |
| fMRI处理 | SPM软件 | -- | -- |
| AFNI 3dClustSim | -- | -- | |
| 脑室体积分析 | SynthSeg | -- | -- |
| Freesurfer mri_synthseg | -- | -- | |
| 图像处理 | AFNI 3dTsplit4D | -- | -- |
| FSL applywarp | -- | -- | |
| 数据分析 | R包bruceR | -- | -- |
| MATLAB | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据选择 | HCP 7T数据集中，选择具有瞳孔数据的静息态扫描，并分类为警觉（<10%瞳孔丢失）和困倦（10-40%）状态。 阅读提示：Materials and methods: 2.3 Final selection of runs and participants |
| 瞳孔预处理 | 眨眼插值，缺失值处理，采样率统一至1kHz后降采样至1Hz。 阅读提示：Materials and methods: 2.2 Eye-tracking |
| fMRI预处理 | ICA-FIX去噪，高通滤波>2000s，空间平滑FWHM=5mm（全脑分析）。 阅读提示：Materials and methods: 2.4 fMRI preprocessing |
| HR和RV提取 | 使用deep-physio-recon模型，基于最小预处理数据（无ICA-FIX）提取HR和RV。 阅读提示：Materials and methods: 2.5 Extraction of heart rate and respiratory variability from fMRI |
| 体素级分析 | 使用SPM回归分析，回归量包括瞳孔大小或导数、RV和12个运动参数，体素阈值p<.002，簇阈值alpha<.05。 阅读提示：Materials and methods: 2.7 Statistical analysis of whole brain pupil activity analysis, 2.8 Statistical thresholding |
| ROI分析 | 使用4mm球形ROI：LC、DR、PAG、VTA、丘脑、侧脑室、第四脑室；提取非平滑图像信号；滞后范围-5到+5秒。 阅读提示：Materials and methods: 2.9 Ascending arousal nuclei and selected ROIs |
| 格兰杰因果分析 | 使用bruceR包，模型阶数3，对瞳孔和AAN核团及第四脑室进行因果分析，比较警觉和困倦状态。 阅读提示：Materials and methods: 2.9 Granger causality analysis |
| 脑室体积分析 | 使用SynthSeg分割脑室，计算体积时间序列，带通滤波0.01-0.1Hz，与LC和脑室ROI进行交叉相关。 阅读提示：Materials and methods: 2.10 SynthSeg temporal ventricle volumetric analysis |