Neurosci Bull | 一款兼容多神经技术的自由活动小动物眼动追踪系统

眼动信息能够反映大脑的活动状态，将眼动追踪技术与多模态神经记录或神经调控技术相结合，有助于深入理解认知功能的神经基础。而自由移动小鼠的眼动追踪长期以来是领域内技术难题，传统系统要么限制小动物自由活动，要么难以兼容其他神经记录设备，并且眼动检测算法有待优化。

2022 年 3 月 24 日，中科院团队在 Neuroscience Bulletin 发表题为 “An Easily Compatible Eye-tracking System for Freely-moving Small Animals” 的研究论文，开发了十分轻便的超微型的眼动追踪设备，即可准确追踪瞳孔特征变化。该研究对比了常用的瞳孔提取算法，采用优势互补的方法，通过设计自适应融合算法，将传统的图像分割算法与基于机器学习的方法相结合，克服了光照复杂、动物眼球运动范围大、眨眼增加等噪声问题。

为突破传统方法的局限，该研究团队自主设计并研发了十分轻便的超微型的眼动追踪设备，适用于自由活动的小动物，可与各类神经相关设备协同工作（图1）。该系统在硬件设计上，头戴式眼动追踪单元（ETU）只保留了必要的图像传感器及光学元件，其他的外围电路设计在了远端。从而极大地减轻了头部负载和设备尺寸，让动物负载更多的其他设备。其次，设备采用了可拆卸而非集成化的设计，在非实验期间，可以拆掉眼动追踪单元，方便动物在笼内活动；而在实验时，ETU 的安装结构使颅骨顶部完全暴露，便于植入其他神经设备，且能实现精准的事件同步。

眼动追踪系统与其他神经植入设备的兼容性和协同性取决于两个关键因素：一是安装 ETU 后不应显著影响动物行为，二是系统需准确记录外部事件的时间戳。基于此，研究人员开展了以下验证：ETU 对小鼠行为影响的评估和眼动与脑电图（EEG）同步记录实验。通过可视化的小鼠运动速度与轨迹热力图，发现佩戴 ETU 对小鼠的运动速度没有显著影响（图2）。而同步采集的眼动数据及初步分析显示：小鼠瞳孔扩张与 EEG 的 α 波（8-12 Hz）和 β 波（12-30 Hz）频段功率呈强相关（图3）。这些结果表明，该系统可用于研究自由活动动物脑状态的神经活动机制。

为在眼动追踪实验中尽可能精准、稳健地测量瞳孔大小，团队对比了 10 种主流瞳孔检测方法后，设计了 AKF 融合算法（图4）。通过融合两种核心方法的互补信息：实时在线的 ROI 阈值分割（稳定光照下精度高）和基于 DeepLabCut 的 landmark 检测（抗晃动能力强），应用动态抗干扰策略，自动估算每帧数据的噪声，灵活调整两种方法的权重，应对眨眼、光照突变等复杂噪声场景。利用 AKF 对两种方法提取的瞳孔直径数据进行融合，在 5 种噪声条件下对 AKF 的准确性进一步评估发现融合后平均误差仅 6.03±8.92 像素，远优于单一方法（图5）。这些结果表明，该算法可有效提升瞳孔直径的测量精度。

本研究开发的自由活动小动物眼动追踪系统在硬件和算法上实现了双突破，超轻量化的设计允许神经植入设备的灵活兼容，AFK 算法采用优势互补的策略，将传统的图像分割算法与基于机器学习的方法相结合，以克服动物眼球弧度大、头戴光源距离近、眼动范围广及眨眼频率高等因素带来的噪声问题。

眼动追踪系统的这些优势将促进研究人员结合和同步神经记录和操作，从而全面解释大脑认知的机制。目前，该系统已经作为科研仪器列入《中科院国产自主科研仪器名录》，并服务于多个课题组。

一湾生命科技的小鼠移动眼动追踪系统搭载先进的 AI 眼部特征检测算法，可在动物无束缚活动/自由移动状态下实现瞳孔动态记录，支持瞳孔位置、直径、面积及移动速度等多维度指标提取和可视化；小鼠固定眼动追踪系统配备高速采集设备（每秒录制高达1000帧），能够精准捕捉眼动变化，提供曲线图、散点图、热图等多种可视化图表。眼动追踪系统通过技术创新突破了传统动物眼动检测的限制，为神经科学中眼动相关研究提供了高效可靠的技术平台。

如果您对BehaviorAtlas 动物眼动追踪系统感兴趣，欢迎通过公众号私信或扫描下方的微信二维码联系我们，我们将竭诚为您提供更多信息和帮助。