3月份，中国科学院深圳先进技术研究院（简称“深圳先进院”）脑认知与脑疾病研究所脑图谱中心蔚鹏飞研究员团队（以下简称“脑所团队”）开发出用于自由移动小动物的超微型易兼容眼动追踪系统。相关研究成果以“An Easily Compatible Eye Tracking System for Free-moving Small Animals”为题发表在Neuroscience Bulletin期刊上。
论文上线截图
深圳先进院蔚鹏飞研究员为该文章的通讯作者，博士生黄康、工程师杨琴、在读博士生韩亚宁为该论文的共同第一作者。
眼动信息能够反映大脑的活动状态，因此，测量动物或人的眼动参数是认知神经科学的基本研究手段。过去一些年，在人或者体型较大的动物上，许多商用及定制化的眼动追踪仪可以很方便的与其他神经活动记录或调控技术结合，帮助人们解析大脑认知功能的神经机制。而在小鼠等小动物上，受动物体型的限制，多数眼动记录只能在头部固定的动物上进行。尽管近年来，一些团队已经开发出了用于自由活动的小动物头戴式眼动追踪设备，但现有的这些设备仍存在局限性：一方面，神经活动记录与调控的设备种类众多、形态多样，往往会根据不同的实验目的，灵活的将眼动记录与其他设备进行组合。现有的设备为了与电生理等设备结合使用，在硬件上进行了高度集成化的设计，从而失去了设备的兼容性；另一方面，自由移动的眼动记录实验中，环境光照复杂，眼部动态范围更大，这给后期的眼动特征参数的提取带来了巨大挑战。
为此，团队开发了一种新的眼动追踪系统，能够很方便的在自由移动的小动物上兼容其他的神经植入装置。
首先，团队自主设计并研发了目前全世界最轻便的超微型的眼动追踪设备。在头戴端，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（只有0.1g）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，可以快速安装，并将颅骨暴露出来，方便其他设备植入。
图1 超微型的眼动追踪设备示意图
A-C. 眼动追踪单元设计方案；
D. 用于眼动记录及实时瞳孔特征提取的软件；
E-F. 设备的物理参数
最后，为了准确追踪瞳孔特征，研究人员对比了目前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。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。
图2 自适应融合算法对瞳孔特征进行准确的提取
A. 传统阈值法（红色曲线）、深度学习法（蓝色曲线）和自适应融合法（绿色曲线）对瞳孔特征提取的对比；B-C. 三种不同噪声状态下，自适应融合算法的去噪细节以及对应特定帧的瞳孔状态
视频-自适应融合算法对瞳孔特征的提取效果
自适应融合法（绿色曲线，Fused）对于瞳孔特征的估计比其他两种噪声更低
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。
以上研究得到科技部科技创新2030-“脑科学与类脑研究”重大项目、变革性关键技术重大项目、广东省重点领域研发计划、中国科学院青年促进会等项目的支持，以及国家自然科学基金委、中国科学院和深圳市科技创新委员会等相关部门的资助。
文字：黄康
编辑：邱子鉴
原文链接：
https://link.springer.com/article/10.1007/s12264-022-00834-9
仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！
