方法文章

使用计算机化触敏平板、眼动追踪和功能性磁共振成像评估认知测试

1.2K 次观看

⸱

DOI：

10.3791/67871

⸱

2026年1月30日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Physical Sciences Platform, Sunnybrook Research Institute, Sunnybrook Health Sciences Centre, 2Keenan Research Centre for Biomedical Science, the Li Ka Shing Knowledge Institute, St. Michael's Hospital, 3Department of Psychiatry, Temerty Faculty of Medicine, University of Toronto, 4Division of Neurosurgery, Temerty Faculty of Medicine, University of Toronto, 5Department of Medical Biophysics, Temerty Faculty of Medicine, University of Toronto

本文内容

摘要

本方案旨在通过结合功能磁共振成像（fMRI）、MRI兼容的书写平板和眼动追踪技术，同步记录受试者在完成标准纸质认知测试时的视觉运动行为与脑部活动，以提升此类测试的应用价值。本文展示了年轻健康成人执行连线测验（Trail-Making Test）的初步研究结果。

摘要

基于纸张的认知测试（如连线测试，即TMT）长期以来在临床和研究环境中被用于评估健康或受损大脑对行为表现的支持作用。尽管这类测试应用广泛，但其神经相关机制仍不甚明确，且测试的敏感性和特异性均未达到理想水平。为解决这些不足，本研究提出了一种多模态研究方案，通过同时结合新型平板技术、眼动追踪和功能性磁共振成像，探索认知测试表现中运动学与视觉行为同神经活动之间的关系。本文提供了该方案的理论依据、逐步操作方法以及一名代表性受试者的结果，以验证方案的有效性，并展示研究代表性认知测试在运动学、视觉及神经层面相关特征的潜力。当前方案可拓展现有临床磁共振神经科学研究的边界，对未来多种认知障碍的诊断与管理具有重要意义。

引言

认知测试（ToC）在20th世纪首次得到广泛推广，用于研究和表征正常与异常或病理性认知行为。自问世以来，这些测试已在科研和临床环境中被广泛采用1。许多ToC采用简单的应答方式开发而成，例如口头表达或使用纸笔进行书写/绘图。属于后一类的典型例子是连线测验（Trail-Making Test, TMT），这是一种广泛应用的代表性认知测试，因其对认知功能障碍具有高度敏感性而备受青睐2。TMT包含两个部分：TMT-A（仅数字）和TMT-B（数字与字母交替），要求受试者使用笔将页面上伪随机排列的25个字符按升序（对于TMT-B还需交替）顺序连接起来（即TMT-A：1-2-3-4-5-6…；TMT-B：1-A-2-B-3-C…）。为评估TMT上的认知表现，需记录完成时间及错误数量，并根据年龄范围和教育程度与常模值进行比较2。TMT被认为涉及并评估了多种复杂的认知过程，包括任务转换、视觉搜索、记忆、视动控制以及注意力——这些均为额叶执行功能的重要组成部分1,3。

TMT 在检测认知功能障碍（ToC）方面具有较高的敏感性，但在诊断方面，其特异性较差是公认的局限性4。总体而言，敏感性和特异性问题是 ToC 应用和有效性的一大缺陷，尤其是在临床环境中4。传统上为缓解这一问题的做法是采用“成套测验”（通常包括 TMT），以提高对认知受损与认知正常人群的鉴别能力。然而，成套测验耗时较长、成本较高，且需要相当的专业知识进行施测和分析5。这些操作上的困难进而促成了“认知评估”工具的发展：即大幅简化的（且 increasingly computerized）成套测验，可在资源有限的环境中（如医疗机构）快速实施，但代价是部分牺牲了敏感性和特异性方面的优势。蒙特利尔认知评估（Montreal Cognitive Assessment, MoCA）便是此类工具的一个例子6。

计算机化评估工具（如改良版 MoCA）已通过与纸质版本的对比7，以及与 ToC 测验组合的对比，成功完成了有效性验证8。然而，所有这些行为测试工具仍存在一些基本局限性，包括难以充分区分正确与错误的表现、侧重于整体测试得分而非测试内部效应，以及对支持 ToC 表现的各种行为策略及其相关脑活动提供的洞察有限4,9。然而，通过结合详细的行為记录、任务内行为评估10以及功能神经影像技术（例如脑电图10、功能近红外光谱成像11和功能磁共振成像12）的研究，有望克服这些局限性。

功能性磁共振成像（fMRI）通过映射血流动力学反应作为神经激活的间接指标，生成高分辨率的脑活动图像。尽管成本较高，但fMRI在空间分辨率上优于脑电图（EEG） 和功能性近红外光谱成像，能够实现全脑范围内脑活动的精确定位。因此，本研究以追踪测试（TMT）作为代表性示例，介绍了一种新颖的ToC施测方法，该方法结合fMRI与基于计算机化的磁共振兼容平板设备及眼动追踪系统的详细、连续且同步的行为数据记录。这一多模态实验方案显著提升了对认知任务表现与fMRI估计的神经活动之间关系的评估能力，有助于深入理解现有的ToC，并可能为未来更优ToC的开发提供新的见解。

在详细描述同步采集平板电脑、眼动追踪和功能性磁共振成像（fMRI）数据的实验装置之前，有必要先对整体概念框架与研究方法进行简要概述。图1）。出于磁共振成像兼容性和人体工学的考虑，该平板系统与市售的商用平板设备略有不同。常见的平板设备通常在计算机显示屏上方安装一块透明的触控屏幕，使用户能够直接注视平板屏幕，并实时看到包含其手写和绘图响应的视觉反馈。而在当前设计中，触敏屏幕下方并无计算机显示屏。这种设计避免了复杂的显示屏电子元件在磁共振环境中安全运行的需求 磁体孔道中心存在强磁场，且不会对磁共振图像产生负面影响。从人体工程学角度来看，磁体孔道内的空间也相当有限，使得受试者在书写和绘图时难以直接观察自己的手部动作。

实验装置要求受试者在腰部高度的支架上操作平板电脑，同时将所有视觉信息（测试刺激、触控笔反应、手部操作触控笔的视频）通过镜面反射，整合后从磁体孔道后端开口处进行观察。视觉信息由市售的磁共振兼容投影仪投射到背投屏幕上（具体参数见下文）。同样，市售的眼动追踪系统（具体参数亦见下文）安装在磁体后端孔道内，通过同一镜面快速记录眼动视频。投影仪、屏幕和眼动追踪设备必须精心布置，以避免彼此之间发生物理干扰。最后，平板电脑、投影仪和眼动追踪系统之间的电源与数据连接通过多种屏蔽电缆实现，这些电缆穿过射频屏蔽室的“穿墙面板”，该屏蔽室用于保护磁体室和磁共振系统免受周围电磁干扰的影响。数据电缆由计算机控制，其概念示意图如图1所示，表现为位于磁共振控制台区域内的单一设备，由操作者控制（该计算机控制台与用于操作磁共振系统的计算机控制台相互独立）。如下所述，本实验装置涉及多台计算机协同工作。

平板系统

定制的计算机化平板系统由与磁共振成像兼容的组件构成（包括触敏表面、可调节的抬高支撑平台、力敏触控笔和投影系统）12，其中还包含一个配备4.3 mm镜头的摄像机（实验室中称为“TabletCam”）和一个定制的发光二极管（LED）照明装置13，可在fMRI扫描期间在磁体孔道内实施ToC测试，并记录自然状态下的书写或绘画反应（图2A，B）。位于控制室的两台互联计算机用于系统控制：一台负责接收和处理来自摄像机的视频数据（称为“平板摄像机计算机”），另一台用于测试管理、视觉刺激呈现、记录平板数据，并生成一个视频文件，该文件包含随时间变化的视觉刺激内容，叠加触控笔的书写和绘画反应（称为“刺激/反应计算机”；图2C）。采用双计算机架构旨在确保每组对延迟敏感的功能均可无阻碍地实时运行，同时提供模块化支持，以适应不同研究配置需求（例如不同的基于平板的行为任务、摄像机的可选使用），并提高兼容性（唯一要求是具备兼容的视频输出格式）。

该平板系统此前已在多项ToC的fMRI研究中使用，均表明其具有较高的生态效度14。在原始平板配置基础上增加了可选的视频摄像头，以便在任务执行期间为受试者提供手部位置的视觉反馈（VFHP），在交互式增强现实（AR）环境中，能够实时观察任务刺激以及叠加显示的触控笔响应和手部运动13（图2D）。在早期的摄像头数据处理实现方法中13，通过皮肤颜色检测算法从每一视频帧中分离出手部和触控笔，其中触控笔采用红色设计，使其落入皮肤颜色的红-绿-蓝（RGB）分布范围内。最近，为简化流程并获得其他优势，已采用“蓝幕”方法。该方法通过在平板的触控表面覆盖蓝色美纹纸胶带以形成蓝色背景，从而可在每一视频帧中基于胶带与手部/触控笔显著不同的颜色分布实现分割。同时，该过程还能生成一个二值掩膜，其中手部或触控笔占据的位置值为“1”，其余位置值为“0”。随后通过生成合成帧将刺激/响应视频与摄像头视频叠加：a）在掩膜值为零的区域显示刺激/响应视频数据，b）在掩膜值为一的区域显示摄像头（手部和触控笔）视频数据。美纹纸胶带还具有额外优势，即当触控笔尖在表面移动时增加摩擦力，使书写体验更接近于在纸上使用钢笔或铅笔书写，相比移除胶带后“塑料在塑料上”低摩擦的触感更为真实。总体而言，这种交互式AR环境进一步提升了平板设计的生态效度，同时减少了对本体感觉的依赖（当缺乏手部视觉反馈时通常需要依赖本体感觉）13,15。

该平板装置与一个磁共振成像兼容的投影仪（图2E）以及安装在磁体孔道后部的定制背投屏幕配合使用。受试者通过安装在头部线圈上的倾斜镜面观察屏幕。受试者使用指尖或触控笔（触控笔也包含用于记录接触力的传感器）与安装在支撑平台上的触敏表面进行交互；该平台位于腰部高度，可针对每位受试者进行调节。平板的模拟信号通过射频屏蔽间壁上的电磁干扰（EMI）滤波器，随后由磁体室外的平板接口盒转换为触摸数据（包括表面位置和压力数据），在刺激/反应计算机上记录并解析为触摸响应的图形显示，再与视觉刺激以及分段的手部和触控笔视频数据合并，最终通过投影仪呈现给受试者。

TMT 区组设计

TMT 采用固定的区组设计，包括交替进行的 TMT-A 和 TMT-B 任务执行阶段，以及注视呈现在白色背景上的中央黑色十字准线的视觉静息阶段。整体任务设计借鉴了现有的 TMT 文献1,16,17,18，其中 TMT-A 要求受试者将屏幕上伪随机分布的带圆圈数字（1 至 25）按升序依次连接。类似地，TMT-B 要求将带圆圈的数字（1–13）和字母（A–L）以交替且升序的方式依次连接。设置视觉注视条件的目的是，使得与 TMT-A 和 TMT-B 相关的大脑活动能够通过统计对比方法，分别与这种简单、稳定且认知负荷较低的状态下的脑活动进行比较分析。由于功能性磁共振成像（fMRI）实验中固有的信号对比噪声比较低，每个行为条件（TMT-A、TMT-B、视觉注视）均重复多次试验，以增强在合并分析 fMRI 数据时检测脑活动的统计效能。每次试验所用的 TMT 图案均在标准 TMT 布局基础上进行调整，调整方式包括将刺激分布旋转 180°，交换仅含数字的刺激与数字-字母混合刺激，或同时采用这两种方式，从而最大限度地减少因 TMT-A 和 TMT-B 图案上字符和数字分布差异所导致的视觉和运动干扰18。

当前的实验和训练任务在商业化的刺激呈现软件中实现，用于行为学和神经影像学研究，并在刺激/反应计算机上运行。实际操作中，连线测试（TMT）分为两个“轮次”进行，每轮持续4分50秒。每轮包括最开始10秒的静息注视阶段，随后依次进行两次TMT-A任务（40秒）、静息注视（20秒）、TMT-B任务（60秒）以及静息注视（20秒）（图3）。在每轮开始时，向受试者提供与标准化纸质TMT测试中使用的指导语相同的说明16,17,18,19：尽可能快速且准确地从“开始”连接到“结束”的圆圈，在触摸敏感表面上操作时不得抬起触控笔。与传统的纸质TMT测试不同，测试管理员（研究实验室成员）不会在受试者出现错误时暂停并重新启动TMT任务。相反，受试者被要求直接继续完成序列中下一个正确的字符连接。这一修改消除了在单次TMT试验中因停止和重启眼动追踪及fMRI数据采集而可能带来的数据分析混淆。然而，这也要求在数据收集完成后实施错误检测与分类方法（详见方案与讨论部分）。此外，测试管理员在TMT执行过程中实时目视监控触控笔的响应，以记录是否发生错误，并确保触摸敏感表面保持良好校准。当出现平板校准错误或其他硬件故障（如断电或设备故障）时，测试管理员还需决定是否重复当前的TMT数据采集轮次（可能包括重新校准触摸敏感表面），或终止测试并排除该受试者的数据用于后续分析。

眼动追踪

当人类视觉系统处理一个场景（例如在进行TMT任务时），快速的眼球运动（扫视）之前和之后均伴随着短暂的稳定期（注视）20。因此，在本研究中使用一种与MRI兼容的高速眼动追踪系统，通过红外照明（波长910 nm）和1 kHz的采样频率，实现对注视和扫视的长距离单眼追踪（图4A）。根据投影显示器下方眼动追踪相机的位置，可在头部线圈的反射镜中定位受试者的眼睛（图4B-D）。需要注意的是，为实现高质量的眼动追踪，原MRI系统配套提供的头部线圈反射镜已被眼动仪制造商提供的前表面反射镜所替代。瞳孔通过标准的质心拟合算法进行检测，该算法同时追踪角膜反射（图4D），并测量以下指标：注视、扫视，以及 眨眼频率 和瞳孔大小 ——这两个额外参数与认知加工过程相关（见讨论部分）。fMRI扫描开始时，MRI系统发出的触发脉冲用于实现脑激活记录的时间同步：a）与TMT任务的刺激呈现及手写笔反应（由刺激/反应计算机控制）同步；b）与眼动追踪数据及TMT任务表现同步。为便于数据分析，眼动追踪数据还被额外“打上时间戳”，以标注实验过程中关键事件的时间标签，包括每次运行中各个TMT-A和TMT任务区块的起始与结束时间。

另一名实验室成员主要负责与受试者进行眼动仪设备的设置、眼动追踪校准，以及眼动数据采集过程的实时视觉监控。眼动追踪系统的校准与验证在首次进行TMT测试前完成。图4E），以及在一个 "在第一次和第二次 TMT 运行之间进行“漂移检查”程序，以确保结果的一致性，同时校正头部位置可能发生的轻微变化（具体参数和顺序详见下方方案）。校准过程包括一个九点眼动追踪测试，要求受试者依次注视屏幕中央的一个目标，随后以伪随机顺序依次注视八个不同的周边目标。为进行验证，受试者需再次追踪相同的九个目标，系统利用校准模型估算注视位置，从而获得一组误差测量值，即估算注视点与实际目标位置之间的差异。测试完成后，空间误差以视觉角度的度数表示。若平均误差在可接受范围内，则初始校准和验证通过。 <0.5o 最大误差为 <1.0o，对应于眼动追踪软件提供的“GOOD”评级。其他错误程度依次加重的类别则被评定为， 例如，“优秀”、“较差”或“失败”，此时需要重新校准和验证。实验人员还可检查是否存在离群误差，这可能提示某一点的注视错误，或系统性误差模式，后者可能表明眼动仪设置存在问题。在每次运行之间，需进行漂移检查，仅对中心目标进行一次验证测试。若检查成功（最大误差 < 2.0o）允许进行第二次TMT运行；否则，实验人员必须执行校准，然后进行验证，直至平均误差达到要求 <1.0o，最大误差为 <2.0o所有误差值均被记录以供后续评估。采用眼动追踪系统软件的标准设置将眼动数据分类为扫视和注视。扫视通过以下检测阈值进行分类：运动 0.1o；速度 30o/s；加速度 8,000o/s。所有其他眼动追踪数据均被归类为注视。

神经影像学

采用配备64通道头部线圈的3特斯拉磁共振成像（MRI）系统获取高质量的神经影像数据。解剖结构成像首先通过高分辨率、三维、矢状位T1加权的磁化准备快速梯度回波（MPRAGE）序列进行（重复时间/回波时间/反转时间/翻转角 TR/TE/TI/FA = 2,500 ms/4.37 ms/1,100 ms/7o，广义自动校准部分并行采集（GRAPPA）因子为2，矩阵大小256 × 256，192层，体素各向同性1 mm，成像时间3分45秒）。随后通过功能性磁共振成像（fMRI）检测血氧水平依赖（BOLD）信号对比度 来间接测量脑活动 ，该信号源于神经血管耦合21。对于fMRI，典型的T2*加权BOLD成像采用平面回波成像（EPI）序列（TR/TE/FA = 1,750 ms/30 ms/40o，层加速因子2， 相位加速因子2，矩阵大小80 × 80，60层，体素各向同性2.5 mm，共165个时间点，成像时间4分49秒）。针对上述TMT任务，共进行两次此类fMRI扫描。

方案

实验方案的测试与开发通过志愿者参与者进行，每位参与者均自愿提供书面知情同意书，同意参加本研究。本研究已通过加拿大安大略省多伦多市松树园健康科学中心研究伦理委员会（REB）的审查与批准。

1. 实验步骤

注意：步骤 1–5 在参与者于 MRI 系统检查床就位之前进行。相关的 MRI 系统区域包括控制台区域、磁体室和相邻的设备间。穿透面板处的控制台区域计算机及连接如图 5所示。

  1. 常规设置
    注意：本方案针对 Sunnybrook 研究所合著者所使用的特定 MRI 系统和实验室环境进行描述。其他 MRI 系统和环境可能需要调整方案。有关硬件和软件的完整列表，请参见材料表。研究人员根据本地现场条件可获得不同版本的触敏平板。
    1. 准备平板以提供手部位置的视觉反馈（VFHP）。
    2. 确保平板牢固地固定在支架上，并已安装 MRI 兼容的平板视频摄像头。
    3. 在平板表面贴上新的蓝色胶带，确保整个触控区域均被覆盖，且无明显褶皱，以免影响绘图或导致校准偏差。清除平板边缘多余的胶带。 
  2. 平板系统设置（控制台区域）
    1. 在射频（RF）穿透面板的设备室侧（ERS），插入平板视频摄像头电源适配器并连接至摄像头滤波盒。 
    2. 将 Bayonet Nut Coupling（BNC）视频电缆从滤波盒连接至平板 视频摄像头计算机的手部视频输入端口。
    3. 将 9 针 D-subminiature 连接器（DB9）延长电缆从平板接口盒连接至 RF 穿透面板 ERS 侧的滤波器。
    4. 在 Stimulus/Response 和 平板 视频摄像头计算机运行后，将两条通用串行总线（USB）电缆从接口盒连接至 Stimulus/Response 计算机，并将平板接口盒接通电源。
    5. 使用高清多媒体接口（HDMI）电缆将 Stimulus/Response 计算机的显示输出连接至平板视频摄像头计算机的刺激/响应视频输入端口。
    6. 为将处理后的平板视频摄像头画面发送至 fMRI 投影系统，请在两个设备之间连接视频图形阵列（VGA）电缆。开启 MRI 兼容投影仪。
    7. 将 USB 响应盒（URB）的 BNC 接口连接至 MRI 触发脉冲输出系统。在即将开始 fMRI 实验前，将电缆的 USB 端插入 Stimulus/Response 计算机。
  3. 平板系统设置（磁体室）
    1. 将平板、触控笔、平板连接线（DB9）和平板视频摄像头连接线带入磁体室。 
    2. 将平板系统连接线和平板视频摄像头连接线从磁体室侧（MRS）接入 RF 穿透面板。
      注意：确保 MRS 侧电缆无任何弯折或环路，以防可能引起射频加热。
    3. 通过将 MRI 兼容的平板夹具滑入患者床两侧的导轨（每侧两个夹具），将平板系统固定在患者床上。 
    4. 将 MRI 兼容投影仪放置在磁体后端后方，距离磁体孔约 1 米处。将 MRI 兼容的背投屏幕安装在磁体孔内，距离投影仪约 2 米（见图 4B,C）。
  4. 眼动追踪系统设置（磁体室，无受试者）
    注意：眼动追踪系统 （见 材料表）安装指南中提供了详细的长距离支架 MRI 安装说明。在磁体室内放置眼动追踪摄像头时，应遵循眼动追踪系统关于 MRI 环境中组件布局和布线的建议，具体位置可能因站点而异 （眼动追踪系统安装指南 - 长距离支架安装 - MRI 安装 第 47–57 页）22。
    1. 将 MRI 兼容的眼动追踪摄像头放置在磁体孔内，位于投影屏幕与孔边缘之间，使摄像头支架与孔外缘齐平。通过调节摄像头支架上的塑料螺钉将摄像头系统固定在磁体孔上。
    2. 将光纤（FO）电缆连接至 MRI 兼容的眼动追踪摄像头。将 FO 电缆经控制台处的波导引出至控制台区域，连接至 MRI 非安全型眼动摄像头接口。
    3. 将眼动追踪器电源线带入磁体室，将 DB9 端连接至穿透面板滤波器，并将电缆另一端连接至 MRI 兼容的眼动追踪摄像头和照明器。取下摄像头镜头盖。
      注意：电源线的 DB9 端可能为 MRI 非安全型；一旦带入 MRI 环境，应立即将该端牢固连接至穿透面板，同时尽量远离磁体。此外，应将 FO 电缆和眼动追踪器电源线彼此分开，并远离磁体室地面的其他电缆，以避免可能的缠绕和信号干扰。
  5. 眼动追踪系统设置（控制台区域，无受试者）
    1. 在穿透面板的 ERS 侧，将眼动追踪器电源适配器连接至电源插座和相应的 DB9 滤波端口。
    2. 为在眼动追踪计算机上捕获 Stimulus/Response 计算机的触发信号，使用 DB25 电缆连接两者的并行端口。
    3. 为实现眼动追踪系统与平板视频摄像头计算机之间的通信，使用五类增强型（CAT5e）以太网电缆连接两者。启动眼动追踪计算机。
  6. 受试者设置（磁体室内）
    1. 在患者床上安装 64 通道头部线圈，并要求受试者仰卧于床上，头部尽可能深入线圈内。为防止移动，在头部周围添加填充物以确保稳固贴合。使用定位激光确认头部在头部线圈内居中。
    2. 调整头部线圈镜片位置，直至受试者能清晰无遮挡地看到背投屏幕。
    3. 将平板支架置于受试者腰部上方，使触敏表面处于便于书写和绘图操作的舒适位置。
    4. 将平板触控笔放入受试者惯用手，并要求其像握笔一样握住触控笔。要求受试者用触控笔依次触碰触控表面的四个角，以评估舒适度。根据需要调整平板位置，并在肘部下方添加填充物，以最小化疲劳或阻碍。
    5. 在达到舒适位置后，使用魔术贴带将平板系统牢固固定在患者床上。小心地将受试者和平板系统缓慢推入磁体孔内。确保平板系统不碰撞孔边缘，且平板电缆不缠绕（图 2A）。
  7. 眼动追踪软件设置（控制台区域和磁体室）
    注意：在平板视频摄像头计算机或 Stimulus/Response 计算机上进行的所有软件设置，均由研究实验室成员通过适当的键盘操作和鼠标点击完成。
    1. 在平板视频摄像头计算机上，打开 Video camera.exe 程序。系统初始化时，等待设置对话框出现，并使用计算机鼠标点击确定。
      注意：此时，受试者应能全屏看到其手部位置/触控笔的视频反馈（图 2D）。
    2. 在平板视频摄像头计算机上，打开屏幕录像机程序。
    3. 使用受试者的受试者编号创建新的屏幕捕获会话，用于记录眼动追踪数据。
    4. 按照眼动追踪系统用户手册的建议，设置瞳孔和角膜反射阈值，并对眼动追踪摄像头进行校准和验证 （眼动追踪系统用户手册 - 教程：运行实验 第 81–91 页）23。
      1. 通过切换不同摄像头视图、聚焦镜头和调节照明器，调整眼动追踪摄像头对受试者右眼的视野。
      2. 当配置了合适的瞳孔阈值和角膜反射（CR）值后，记录这些数值，并进行 9 点校准（按C键）。
      3. 验证校准结果（按V键）。在进入 fMRI 实验前，记录平均和最大验证角度值。若校准结果不理想（一般或较差），请重复校准/验证过程，直至达到良好结果，即平均误差 <0.5o，最大误差 <1.0o（图 4D,E）。
  8. 平板校准
    1. 使用 Stimulus/Response 计算机校准平板触控表面。
    2. 打开ELO 三点校准程序以开始平板校准。
    3. 指导受试者使用触控笔在规定时间内依次触碰并释放屏幕上出现的三个目标点。
    4. 校准完成后，打开指定的图形编辑应用程序（见材料表），并指导受试者自由绘图，以确认触控笔跟踪正常。根据需要重复步骤 8.1–8.4。
      注意：平板响应图形频繁出现抖动或跳跃，表明触控笔跟踪不佳，需重新校准。
  9. 训练方案
    1. 为使受试者熟悉在平板界面上书写和绘图，要求其根据一个原发性震颤研究24中的引导提示完成一个自定步调的训练任务。该任务包括受试者签署姓名，并执行 Fahn-Tolosa-Marin 震颤任务，即在逐渐变窄的引导线之间绘制螺旋线和水平线。
    2. 为使受试者熟悉 TMT 任务，指导其完成一个自定步调的训练任务，包括简化版的 TMT-A 和 TMT-B，仅含 12 个项目。训练后，指导其完成全尺寸、交替版本的 TMT-A 和 TMT-B，项目顺序重新排列，实验任务计时方式相同。监控受试者表现，确保平板保持良好校准，且受试者能按提示正确执行 TMT 任务。
  10. 实验范式
    注意：本工作流程采用上述 TMT 区组设计。
    1. 启动眼动追踪记录。在平板视频摄像头计算机上，于屏幕录像机程序中选择开始录制。
    2. 在 Stimulus/Response 计算机上，打开 E-Prime（E-Run）脚本文件TMT-Run1_slow.ebs2。
    3. 完成与 MRI 系统触发输出的最终连接：将 URB 插入 Stimulus/Response 计算机。
    4. 当 E-Run 脚本提示时，输入受试者编号和会话编号。
    5. 通过 MRI 系统对讲机向受试者口头说明完成 TMT 的指令（图 6）。确认受试者已准备就绪。
    6. E-Run 脚本将向受试者呈现 TMT 指令。一旦 MRI 系统在 fMRI 开始时通过 URB 发送触发脉冲，TMT-A、TMT-B 和视觉注视条件的第一轮运行即开始。 
    7. 在运行过程中监控眼动追踪数据，以确保信号稳定（由一名实验室成员负责）。同时监控受试者的 TMT 表现（触控笔响应），以确保其遵循指令且设置无问题（如视频投影不可靠、触控笔跟踪不良等； 由第二名实验室成员负责）。第二名实验室成员还应记录 TMT-A 或 TMT-B 中出现的任何表现错误及试验编号。
    8. 运行结束后，停止眼动记录，并按照眼动追踪系统用户手册的建议执行漂移校正 （第 91–92 页）23。若漂移检查结果误差 < 2.0°，则继续；若误差 ≥2.0°，则执行校准/验证，直至平均误差 <1.0° 且最大误差 <2.0°。
    9. 对于第二轮运行，重新启动眼动记录会话，并在 Stimulus/Response 计算机上打开 E-Run 脚本文件TMT-Run2_slow.ebs2。输入与第一轮相同的受试者编号和会话编号。重复任务说明（图 6）。同样，触发脉冲将在 fMRI 开始后启动任务。与第一轮 TMT 运行相同，第二名实验室成员应记录任何 TMT 表现错误。
    10. 实验完成后，进行最后一次眼动追踪验证（步骤 7.4.3），并记录平均和最大误差值。然后，在眼动追踪软件中点击文件 | 关闭以导出数据。将受试者移出磁体，并开始设备拆卸。
  11. 设备拆卸与数据保存
    1. TMT 数据将自动保存在 Stimulus/Response 计算机中，与 TMT 脚本位于同一文件夹 内。
    2. 眼动追踪数据将在记录会话关闭后保存。
    3. 在 平板视频摄像头计算机的SR Research Screen Recorder程序中，导航至文件并选择关闭——这将把文件从眼动追踪计算机传输至平板视频摄像头计算机。
      注意：仅关闭程序窗口不会正确传输或保存实验数据。
    4. 数据传输完成后，关闭所有计算机并存放设备。

2. 分析

  1. 参与者
    1. 为了展示该方案及其潜在影响， 采集了一名志愿者的基于平板电脑的 TMT、眼动追踪和 fMRI 数据 一名健康、右利手、22岁的女性参与者，无神经系统、心理或书写障碍病史。
  2. 平板运动学指标
    1. 使用 GitHub 上提供的 MATLAB 自定义脚本分析原始运动学平板数据（触控笔在 x、y 坐标系中的位置）25原始数据使用自定义脚本 NPTF2F_CompleteAnalysis.m 进行处理，该脚本调用其他自定义脚本：NPTF2F_RemoveErrors.m；NPTF2F_SpeedData.m；NPTF2F_SignalData.m；getAverageForce.m；getTotalDistance.m；sigfilt1.m；spikeRemoval.m 和 zeroX.m。运行 NPTF2F_CompleteAnalysis.m 时，需输入参与者编号、数据采集日期以及脉冲序列顺序（EPI/INI 或 INI/EPI），其中 INI 表示逆向成像26.
      注意：作者所在机构的 TMT 相关 fMRI 数据采集可在两种成像模式下进行，此处选择 EPI 模式（参见 神经影像学 如上所述。INI fMRI采集以更高的时间分辨率记录脑部活动，超出了本研究的范围。运行脚本后，分析将分为多个部分进行。第0部分和第1部分分别用于填充MATLAB工作区，以及读取并存储来自输入文本文件的数据。
      1. 第2部分要求用户输入根据TMT-A试验表现的视觉分析得出的总连接数、正确连接数和错误连接数。进行视觉分析时应倾向于宽松判断；如果受试者虽未接触到某一圆圈，但明显朝该圆圈方向做出了连接尝试，则应将该连接计为正确。类似地，如果受试者“越过”目标圆圈，在将触控笔重新导向下一个正确圆圈的过程中触碰到邻近圆圈，不应将此计为额外的（错误）连接。
        注意：当前分析范围仅针对完全正确的试验，或试验中建立的正确关联。第3节允许移除每次试验中的关联错误。在本案例中无需进行任何移除，因为受试者未出现关联错误。
      2. 等待第4节通过调用 NPTF2F_SpeedData() 函数从试验数据中计算统计结果。
      3. 等待第五部分调用 NPTF2F_SignalsData()。
      4. 观察第6节输出的平板运动学数据，其格式适用于进一步的数据处理（16次试验 × 15个参数）。
  3. 汇总数据，以逐次试验为基础量化性能特征和描述性统计量。
    1. 确定 完成时间 从TMT试验开始到参与者达到最终序列字符所用的时间，上限由最大区块持续时间设定，分别为40秒（TMT-A试验）或60秒（TMT-B试验）。
    2. 计算 速度 （像素/秒，[px/s]）表示触控笔移动时x、y坐标随时间的变化。触控面板的有效区域为129 mm × 97 mm，刺激显示区域为103 mm × 77 mm（1,024 × 768像素，6.7° × 5.0°视场角，不包括实时视频中显示平板设备及受试者手部的周围区域）。
    3. 考虑到固定区块时长可能导致天花板效应（即在最长时间内未能完成TMT-A或TMT-B），需计算另一项指标， 每链接秒数 (SPL)15，通过将完成时间（秒）除以链接数量（正确使用触控笔连接两个项目所产生的响应次数）得出。 
      注意：较高的 SPL 值表示链接性能较慢 反之亦然.
    4. 使用眼动追踪屏幕录制视频文件确认任务的整体完成情况，并记录任何错误行为（如错误的连接、触控笔抬起等）。
      注意：本案例中的受试者未出现错误的TMT表现。
    5. 利用平均值、第一四分位数和第三四分位数的速度值进行区分 连接期与非连接期 每次试验的具体操作如下所述。
    6. 定义 连接时段 （第一四分位数以上的速度值）通过快速加速至峰值速度，随后以相似的幅度减速实现。
    7. 将低于第一四分位数的速度定义为 非连接时段，其特征是在有目的的链接行为之前出现视觉搜索行为。
      注意：这些连接与非连接行为及其神经相关性已被 最近在一项关于年轻成人进行脑电图检查期间基于平板电脑的TMT表现的研究中得到表征10.
    8. 使用连接期和非连接期来确定 连接持续时间 （连接一个链接的平均耗时，[ms]），以及 非连接持续时间 （寻找下一个连接的平均时间，[ms]）
    9. 计算 总距离 （D）以像素为单位计算试验期间触针反应的另一种试次间变异性的指标。计算平均百分比 额外移动距离 （EDT）每次试验的结果，以最优（最短）路径的百分比表示。
    10. 计算 每连接段距离 （DPL，px/链）表示每次试验中形成一个链的平均移动距离。
    11. 计算 平均力 （任意单位，[au]），仅包括连接期和非连接期，省略试验间的数据。 
  4. 眼动追踪指标
    1. 逐次查看并处理眼动追踪数据，使用眼动追踪系统自带的原生软件（参见 材料表).
    2. 在分别对整个TMT-A和TMT-B任务条件下的眼动追踪数据进行时间平均后，展示了其原理验证与潜在应用价值。根据刺激/反应计算机生成的时间戳触发代码，对每次运行期间记录的连续数据流进行解析和分割，以标定每次TMT-A和TMT-B任务区块的开始与结束时间。 EDF 数据文件.
    3. 报告描述性统计结果，包括扫视次数、注视次数、注视时间（毫秒）、注视百分比、眨眼次数、眨眼率（次/秒）以及瞳孔大小（任意单位 [au]）。
      注意：每个参数的具体定义均列于下文 表1通过软件内置的报告生成器，使用默认的阈值和振幅值来生成与注视和扫视相关的统计结果。
  5. 统计报告
    1. 鉴于本实验为概念验证性质，且仅涉及一名研究参与者，因此进行简单的统计检验，无需对多重比较进行校正。计算该参与者在两次实验运行中（每种测试条件共四次）TMT-A 和 TMT-B 的平板电脑与眼动追踪指标的平均值。
    2. 对于每种药片和眼动追踪指标，采用配对双尾检验 t- 检验以评估两个TMT部分（TMT-B与TMT-A）之间是否存在统计学上的显著差异。
  6. 神经影像数据
    1. 使用功能神经影像分析（AFNI）免费软件生成脑活动的概念验证fMRI图谱27，这在科研领域被广泛采用。
      注意：有关特定成像分析流程及参数选择的脚本已在 GitHub 上提供25简而言之，AFNI图像处理流程用于评估大脑每个体素位置脑活动的步骤如下：
      1. 将两次TMT运行的fMRI数据进行拼接。
      2. 在生成激活图之前执行预处理步骤，包括对fMRI信号幅度随时间变化的体素级尖峰（异常值）进行校正，以及对与呼吸和心脏搏动相关的生理效应进行校正。28图像切片采集时间与运动。
      3. 将T1加权解剖MRI数据配准至标准脑图谱模板29,30 通过非线性形变校正程序。
      4. 将配准参数应用于fMRI数据。
      5. 使用5 mm半高全宽（FWHM）高斯核对fMRI数据进行空间滤波。
      6. 将每个体素的fMRI时间序列除以其平均值，再乘以100，将fMRI信号重新缩放为百分比单位。
      7. 将fMRI数据输入一般线性模型（GLM），模型中包含表示TMT-A和TMT-B任务区块激活时段的方波波形（源自平板数据），该波形与典型的血流动力学响应函数进行卷积，同时加入低频波动、头动参数及其导数的协变量，以及生理协变量，以消除心脏和呼吸周期的残余影响。
      8. 计算与大脑激活相对应的初始图（基于体素水平的广义线性模型分析得到的β系数），包括：a) TMT-A与TMT-B平均任务表现相对于静息状态的激活图；b) TMT-B减去TMT-A的平均任务表现激活图。每张图均以 p < 0.05（经多重比较校正）进行报告。 < 0.0005，然后应用聚类大小阈值以校正多重比较，p 值 < 0.05.

结果

利用眼动追踪屏幕录制文件，图7A和B分别展示了增强现实环境中某一时间点的TMT-A和TMT-B的代表性表现。图7C和D分别展示了TMT-A和TMT-B任务表现（蓝线）以及在连续2.5秒时间间隔内的注视数据（红线）。选择该时间间隔是为了便于在单幅图中直观呈现多个连续的连接行为实例。较短的时间间隔仅显示一个连接（或无连接），而较长的时间间隔则显示更多的连接，图像更杂乱，视觉解读更为困难。特别观察图7C和D可以明显看出，在执行TMT-A和TMT-B任务的最初几秒内，参与者在移动触控笔之前，会先通过视觉搜索并编码需要建立的第一个连接。此外还可以看出，在所示时间间隔内完成TMT-A和TMT-B任务的过程中，注视行为（及视觉搜索行为）均先于相应的触控笔连接动作。

表1总结了参与者在所有试验中完成连线测验（TMT）时的平均运动学和眼动追踪指标（在两次独立运行中，各包含四次TMT-A和四次TMT-B）。TMT-B的完成时间（31.3 秒 ± 6.0 秒）较TMT-A（24.0 秒 ± 5.7 秒）有延长趋势（p = 0.06），这与执行TMT-B所需更复杂的认知加工过程一致。连接绘制的平均速度在TMT-A（0.35 ± 0.04 像素/毫秒）与TMT-B（0.36 ± 0.13 像素/毫秒）之间无显著差异（p = 0.91），而每次连接的平均注视持续时间（SPL）在TMT-B（1.31 ± 0.25 秒）中较TMT-A（1.00 ± 0.24 秒）有延长趋势（p = 0.06）。平均连接阶段持续时间在TMT-B（702 ± 299 毫秒）与TMT-A（729 ± 221 毫秒）之间无显著差异（p = 0.92），非连接阶段持续时间亦无显著差异（TMT-B为576 ± 451 毫秒，TMT-A为260 ± 29 毫秒，p = 0.23）。TMT-B的总移动距离（D）（10,300 ± 1,270 像素）与TMT-A（10,600 ± 1,930 像素）相比无显著差异（p = 0.52）。相对于最短可能路径的额外路径百分比（EDT）在TMT-A中为27.1 ± 7.1%，在TMT-B中为24.2 ± 6.3%（p = 0.59）。每条连接的距离（DPL）在TMT-A中为442 ± 80 像素/连接，在TMT-B中为429 ± 53 像素/连接（p = 0.52）。触控笔施加力在TMT-B中平均略高于TMT-A（TMT-B：9.3 ± 1.8；TMT-A：5.5 ± 3.5）（p = 0.11）。在任一任务条件下均未出现错误。总体而言，这些结果表明，在TMT-A和TMT-B任务中，运动表现存在显著个体间变异，因此在单个参与者水平上，由于刺激在显示屏上的伪随机呈现，认知复杂性可能引起的连接绘制平均速度、连接阶段持续时间、非连接阶段持续时间、总距离（D）、额外路径百分比（EDT）、每条连接距离（DPL）及触控笔施力等方面的潜在差异在分析中被掩盖。然而，正如预期，TMT-B相较于TMT-A更长的SPL趋势与完成时间的结果高度一致，反映出这两个指标之间存在强相关性。

眼动追踪数据显示，TMT-B中的扫视次数（90 ± 24）较TMT-A（71 ± 22）略高，呈上升趋势（p = 0.10）。由于扫视与注视密切相关，因此注视次数的相应结果几乎相同。TMT-A的平均注视时间为308 ± 40 ms，而TMT-B的平均注视时间为314 ± 32 ms（p = 0.32）。TMT-A的注视时间占比（注视百分比）平均为90.0 ± 2.3%，显著高于TMT-B的88.7 ± 2.1%（p = 0.01）。每轮试验中的眨眼次数在TMT-B中（5.0 ± 2.6）显著高于TMT-A（2.0 ± 1.2）（p = 0.04）。在考虑两项测试平均完成时间差异的情况下，TMT-B的眨眼率（0.15 ± 0.06 次/秒）仍显著高于TMT-A（0.08 ± 0.05 次/秒）（p = 0.03），这一结果符合预期，因为前者任务的认知负荷更高。不同条件下平均瞳孔大小保持高度相似（TMT-A为1,588 ± 140；TMT-B为1,648 ± 59）（p = 0.29）。

在分析两种任务条件（TMT-A 和 TMT-B 与视觉固定）下的脑活动时，观察到显著且广泛的正向激活，同时存在多个负向激活的脑区簇（这些脑区簇通常较小）。按体积排序的前25个脑区簇中，正向激活出现在小脑的内侧和外侧部分、左侧楔前叶、顶上小叶和顶下小叶、左侧中枕回、中央前回、左侧中央后回、左侧额上回、右侧枕上回、辅助运动区、左侧中扣带皮层、右侧缘上回、左侧额中回以及右侧距状回。部分激活区域在图8的代表性图像中展示。负向激活出现在角回、左侧额上回、颞中回、右侧顶下小叶、右侧颞上回、右侧中央后回、右侧缘上回、左侧额下回（眶部）、右侧旁中央小叶以及右侧中央前回。然而，在 TMT-B 与 TMT-A 的对比中，未观察到任何显著的正向或负向激活。如讨论部分所述（见下文），这些综合的 fMRI 观察结果与本实验室先前获得的 fMRI 结果一致。

MRI实验装置示意图；监控、眼动追踪、投影仪；控制室与磁共振环境研究。
图1： 实验装置的概念示意图。（A）计算机显示器用于控制装置、执行认知测试以及可视化结果，由（B）计算机完成。电源线、控制线和数据记录线缆穿过（C）射频屏蔽穿透面板。关键设备包括（D）计算机化的MRI兼容平板，其包含触敏表面和触控笔、发光二极管照明器，以及“平板视频摄像头”摄像机，用于捕捉手部和触控笔的运动。（E）安装在头部线圈上的反射镜使受试者在（F）MRI系统的检查床上躺卧时，可通过（G）远程视频记录系统进行眼动追踪。该反射镜还使受试者能够看到由（I）远程MRI兼容投影系统投射在（H）后置投影屏幕上的测试刺激、平板响应以及相关手部/触控笔运动。请点击此处查看此图的放大版本。

使用平板电脑和摄像头进行刺激-反应的脑部MRI扫描设置；显示认知测试界面。
图 2： 平板电脑 设置。 （A）志愿者受试者在患者检查床上的平板电脑布局。（B）平板电脑、支架和触控笔（黄色）的特写，展示两种不同方向下的“平板视频摄像头”和发光二极管照明器的排列方式。（C）从MRI控制台区域控制平板系统的平板视频摄像头及刺激/反应计算机。（D）受试者执行TMT-A任务时增强现实环境的代表性视图。红点表示瞬时注视位置，该红点不会向受试者显示。（E）用于向受试者呈现增强现实环境的MRI兼容投影系统，投影至背投屏幕。屏幕安装在磁体孔内，在此视图中不可见；详见图 4中的清晰展示。缩写：TMT = 连线测试（Trail-Making Test）。 请点击此处查看此图的放大版本。

随时间变化的注视与TMT任务条件的视觉序列；实验时间线示意图。
图3： 连线测验 示意图。 fMRI扫描期间TMT施测的时间流程图。上方：时间流程图，显示每次运行中TMT-A、TMT-B和注视任务区块的持续时间。下方：各条件的示例图像显示。请注意，TMT-A和TMT-B的每次试验均采用不同的刺激模式，以防止受试者依赖空间记忆完成任务。所有视觉注视试验均使用相同的图像显示。缩写：TMT = 连线测验；fMRI = 功能性磁共振成像；TMT-A = A部分；TMT-B = B部分；Fix = 视觉注视。请点击此处查看该图的放大版本。

fMRI中的眼动追踪装置；设备包括摄像头、投影仪、屏幕；用于行为学研究。
图4：眼动追踪装置设置。（A）与MRI兼容的眼部视频摄像头、照明器及其支架的图像。（B）从前磁体孔径开口拍摄的图像，显示眼动追踪装置与平板电脑、头部线圈和反射镜以及投影屏幕之间的空间关系。（C）移除平板电脑和头部线圈后从前磁体孔径开口拍摄的图像，显示投影仪与用于平板电脑的投影屏幕之间，以及眼动追踪摄像头与照明器之间的关系。（D）眼动追踪软件界面，显示受试者的视频记录，左侧为大视野图像，右侧为裁剪和放大后的视野，其中检测角膜反射以实现眼动追踪，并检测瞳孔以记录瞳孔直径。（E）眼动追踪校准与验证过程中的示例截图。请点击此处查看该图的放大版本。

眼动追踪MRI装置示意图；用于刺激-反应实验分析的设备连接。
图5：控制台与穿透面板设置。 (A) MRI控制台区域，显示实验中使用的四个显示器。从左至右依次为：眼动仪；平板视频摄像头；平板刺激/反应显示器；以及MRI系统控制台。(B) 穿透面板磁体室侧的图像，展示所有相关硬件连接。(C) 设备室侧的对应连接。缩写：BNC = 卡口螺母耦合器。 请点击此处查看此图的放大版本。

认知测试中的连线任务说明；包括练习性震颤任务和TMT。
图6： 言语任务说明。 训练任务要求参与者使用平板电脑和触控笔，在引导线之间练习绘制平滑线条，以在正式进行认知测试前熟悉设备操作。连线测试（TMT）包含两个部分：A部分要求按数字升序连接标有数字的圆圈，B部分则需交替按数字和字母的升序连接相应圆圈。缩写：TMT = 连线测试（Trail-Making Test）。 请点击此处查看该图的放大版本。

显示认知处理和任务表现的连线测验（TMT）图A和图B。
图 7：TMT 表现。 增强现实环境下参与者视角下的（A）TMT-A 表现和（B）TMT-B 表现的时间样本。每幅图像中的红点代表注视点。图像来自眼动仪屏幕录制的视频文件；请注意，参与者在测试过程中无法看到注视点。（C、D）TMT-A 和 TMT-B 表现的连续 2.5 秒时间区间（蓝线），分别包含随时间变化的注视数据（红线）。快速眼动表现为细红线条，而注视则表现为注视点移动不迅速的“结”状区域。缩写：TMT = 连线测验（Trail-Making Test）。 请点击此处查看该图的放大版本。

显示BOLD信号、激活图谱、神经影像分析、统计结果的fMRI脑部扫描图像
图 8：fMRI 激活图谱。 TMT-A和TMT-B任务相对于静息状态的激活（fMRI信号对比）。切片位置在立体定位图谱空间中沿Z坐标以14 mm间隔分布。彩色标尺表示显著激活区域的BOLD信号变化百分比，正值代表高于基线水平的激活。缩写：fMRI = 功能性磁共振成像；TMT = 迹线连接测试；L = 左侧；R = 右侧；BOLD = 血氧水平依赖信号。请点击此处查看此图的放大版本

参数定义TMT ATMT BP值（双尾，配对）
完成时间（秒）完成每次试验的平均时间（秒）24.0 (± 5.7)31.3 (± 6.0)0.06
速度（像素/毫秒）触控笔移动的平均速度（像素/毫秒）
每次试验过程中		0.35 (± 0.04)0.36 (± 0.13)0.91
每链接秒数，SPL
(s/Link)		每次试验中完成每个链接的平均时间（秒）1.00 (± 0.24)1.31 (± 0.25)0.06
连接持续时间（ms）在整个过程中连接每个链接所花费的平均时间（毫秒）
每次试验		729 (± 221)702 (± 299)0.92
非连接持续时间
毫秒		寻找下一个连接所花费的平均时间（毫秒）
每次试验过程中		260 (± 29)576 (± 451)0.23
总距离（像素）每次试验中触控笔移动的平均距离（像素）10600 (± 1930)10300 (± 1270)0.52
额外距离
迁移率，EDT (%)		每次试验中多走的平均距离，表示为
最优（最短）路径的百分比		27.1 (± 7.1)24.2 (± 6.3)0.59
每连接距离，DPL
(px/Link)		每次试验中形成一个连接所移动的平均距离（像素）441 (± 80)429 (± 53)0.52
力（任意单位）每次试验中施加在平板屏幕上的平均力（任意单位）5.5 (± 3.5)9.3 (± 1.8)0.11
扫视计数每次试验中的平均扫视次数71 (± 22)90 (± 24)0.10
固定次数每次试验中的平均注视次数71 (± 22)90 (± 24)0.09
固定时间（ms）每次试验中每次注视的平均时间（毫秒）308 (± 40)315 (± 32)0.32
固定率
(%)		每次试验中注视时间所占的平均百分比90.0 (± 2.3)88.7 (± 2.1)0.01
眨眼次数每次试验中的平均眨眼次数2.0 (± 1.2)5.0 (± 2.6)0.04
眨眼频率（次/秒）每次试验中每秒平均眨眼次数0.08 (± 0.05)0.15 (± 0.06)0.03
瞳孔大小（任意单位）
单位		每次试验中的平均瞳孔大小1588 (± 140)1648 (± 59)0.29

表1：年轻健康成年女性完成TMT-A和TMT-B任务时平板运动学指标与眼动指标的汇总统计。 各项指标的定义见正文，标准差以括号表示。斜体显示的指标表示先对每次试验中的连线表现取平均值，再对所有试验的平均值分别针对TMT-A和TMT-B进行二次平均。P值基于双尾配对t检验，用于比较TMT-A与TMT-B之间指标值的差异。以粗体显示的P值表示在双尾检验中具有显著性差异（p < 0.05）。斜体 = 每项测试的平均值的再平均。粗体 = 通过双尾配对检验。

讨论

本研究展示了一种在基于平板电脑的认知测试（ToC）过程中同步采集眼动追踪和功能性磁共振成像（fMRI）数据的全面方案。以下讨论首先评估该方案的各个方面，然后重点分析一位代表性受试者所呈现的结果。文中还 throughout 提及了该方案未来的应用前景。

该方案经过多年的精心设计，基于在开发平板系统以及开展涉及平板或眼动追踪（但未将后两者结合）的fMRI研究过程中积累的丰富经验。特别是，所有与校准相关的步骤均旨在确保所获得的数据能够准确反映受试者的表现。在每次实验开始时进行的平板校准，可确保在增强现实显示中，尽管操作过程中摄像头视角可能发生改变，触控笔（及光标）仍能准确追踪书写和绘图行为。为确保头部运动不会显著干扰实验结果，眼动追踪的校准和漂移校正均依据制造商的建议和现有系统软件实施，并在整个实验过程中持续监测眼动数据流。若未正确执行或遗漏平板或眼动追踪系统的校准，可能导致结果出现偏差。然而，本文及本实验室其他研究中获得的平板与眼动追踪结果表明，在健康成年人中可以获得高质量的数据。但对于其他研究人群（如老年人或患有神经或精神疾病患者），未来可能需要额外的数据处理步骤。例如，根据方案第2.6.1.2节中获得的运动估计结果，若存在间歇性过度头部运动，则可能需要将部分数据从分析中剔除。此外，首次运行数据的初始部分也可能因学习或适应效应（即使在初步训练后仍持续存在）而需要排除，尽管这些效应的时间进程本身也值得在未来研究中进一步表征，并可能为区分这些人群与年轻健康成年人的TMT表现提供额外的分析机制。

触发脉冲对于该实验方案至关重要，可实现平板设备、眼动追踪和fMRI数据流的时间同步记录。fMRI信号基于BOLD血流动力学反应，其变化通常发生在秒级时间尺度上，而眼动追踪和平板运动学数据在10-100毫秒范围内即包含有意义的信息。因此，对这些多模态数据集进行时间同步，为研究TMT任务期间感知、认知和行为机制提供了前所未有的时间分辨率。初步研究可分析特定脑区的脑活动与TMT-A和TMT-B试验中时间平均后的眼动参数之间的关联。对于一组受试者，可通过简单的线性回归和相关系数计算，探究特定脑区活动与各个眼动参数之间可能存在的关联。未来还值得关注的是，是否可利用平板和眼动数据中的快速波动，进一步解析fMRI数据中更精细的时空激活特征。新兴研究表明，可通过调整fMRI数据采集参数以更精细的时间采样测量BOLD信号；例如，采用INI fMRI技术实现100毫秒的采样周期，已显著提升对脑激活动态的检测能力31。 近期一项基于平板TMT任务的EEG研究也表明，任务中的连接期与非连接期与不同空间分布的频段功率变化相关10，这进一步支持了本方案在寻找类似fMRI信号关联方面的应用价值。然而，需认识到fMRI信号所依赖的血流动力学反应远慢于眼跳和注视的时间尺度，因此该方向的初步探索可能首先聚焦于分析TMT-A与TMT-B任务中，链接序列早期与晚期发生的行为表现之间的潜在差异（后者在TMT-B中尤为困难）；以及基于眼动和平板运动学数据的视觉检查，分析较难完成的链接与较易完成的链接之间可能存在的神经活动差异。

该方案包含一个训练模块，可使参与者熟悉基于平板电脑的应答操作以及完成连线测试（TMT）所需的连接性动作。此类训练（包括未来针对其他任务或正在研究的其他执行功能（ToC）所设计的改进版本）旨在帮助那些较少接触计算机平板设备的人群（如部分老年人）以及因脑功能障碍而在这种交流模式中可能面临困难的个体，提升其操作熟练度。通过平板电脑摄像头视频流提供的增强现实环境（包括视觉反馈手部位置，VFHP），实现了生态效度较高的平板交互体验，但其体验并不完全等同于使用纸笔进行常规书写和绘图的过程。例如，参与者需在磁共振扫描仪内仰卧状态下进行应答，通过计算机图形观察其手部，此时呈现的是脱离实际身体感知的手部视觉图像，缺乏正常的本体感觉输入和以身体为中心的空间坐标参考。尽管未来研究可进一步探讨上述后两种因素调控所带来的影响，但目前的初步观察证据表明，经过简单训练后，健康个体能够迅速且轻松地掌握该平板技术，因此在完成简短训练模块后，基于平板的fMRI研究中的学习效应可忽略不计。

未来可结合训练模块期间进行的fMRI，采用本方案为支持或反驳上述说法提供定量的科学证据。（在以往未包含训练模块的基于平板电脑的TMT fMRI研究中，为避免学习效应，TMT-A和TMT-B首次试验的神经影像数据被舍弃10,19。）此外，探索基于平板电脑和ToC在不同患者群体（如认知功能障碍患者）中的学习效应也将具有重要意义，这可能需要对训练模块进行优化增强。在磁共振扫描环境之外的其他研究中，该训练模块也可被调整用作有效的筛查工具，以便排除那些无法遵从指令或不能充分完成任务的患者受试者，从而确保影像学研究的可靠性。

最后，在与训练任务相关的讨论中，需要注意的是，心智理论（ToC）的功能神经影像研究通常受限于脑激活信号的噪声特性，以及需要分析多次任务重复的长时间序列数据，才能获得具有统计学意义的脑激活图谱32。这一过程与ToC的典型施测方式相矛盾，因为该测试通常仅施测一次。随着功能神经影像技术未来不断进步（例如，在7 T及以上超高磁场中进行fMRI扫描），或许将有可能比较单次认知测试与多次测试所获得的脑区激活情况。然而目前已有研究表明，基于平板电脑的多试次TMT表现与传统的纸质版测试表现具有合理的聚合效度15。

尽管本方案旨在促进使用fMRI对ToC进行评估，但其本身具有高度灵活性，可根据广泛的研究目标进行调整。例如，平板电脑的视频摄像头是专门添加的，以增强VFHP的生态效度，但如果不需要，可以将其移除，或在不同任务条件下开启和关闭（如在探索视觉、本体感觉与运动处理之间整合的研究中）。此外，该平板电脑还可轻松地在非MRI环境中与眼动追踪系统同步使用，仅用于行为测试，或与其他功能神经影像技术结合使用，如脑电图（EEG）、功能性近红外光谱成像（fNIRS）和正电子发射断层扫描（PET）。在涉及脑磁图（MEG）的研究中，可能需要对硬件进行修改，以将平板电脑在MEG磁场传感器处产生的杂散磁场抑制到远低于飞特斯拉（femtoTesla）的水平。根据实验需求，该方案还可扩展，以纳入其他感觉刺激呈现和反应记录设备。例如，可包括与MRI兼容的耳机用于呈现听觉刺激，以及按钮盒用于记录按键反应，从而最终允许将任意ToC任务所诱发的大脑激活信号，与功能神经影像学领域更常采用的组块设计或事件相关设计任务所产生的信号进行比较。也可对方案进行其他修改，以适应不同患者群体中的运动或视觉功能障碍。例如，可增加额外的控制任务，包含简单的绘图动作（如重复连接两个刺激，认知负荷显著降低），从而估算运动功能障碍对整体TMT表现的贡献（即通过分析脑激活差异：TMT-A与静息态对比；简单绘图与静息态对比；TMT-A与简单绘图对比；TMT-B同理）。TMT-A和TMT-B中所需的连接数量可适当减少，以降低肌肉疲劳的可能性。对于视觉障碍，可通过呈现更大的视觉刺激或更高对比度的显示刺激来适应。然而，若进行上述修改，则必须对对照组进行额外的fMRI扫描，以便对患者组与对照组之间的脑活动差异做出无偏评估。

尽管该方案具有较强的稳健性，但仍可进行若干改进。特别是，该方案执行起来较为耗时费力：建议配备三名或以上的实验人员（包括一名技术人员负责操作MRI系统），以在设备安装与拆卸以及数据采集期间实现高效率（一名人员负责监控平板电脑，另一名人员负责监控眼动追踪计算机）。在我们实验点，目前由两名经过培训的工作人员操作，MRI扫描前后的设备安装与拆卸各需10分钟，但如果增加一名实验室成员协助，这些时间有望缩短。未来，可通过"预配置" 某些硬件组件、更高效地利用设备推车以方便运输和建立线缆连接，从而提高时间效率。如果空间和设备条件允许，将设备永久安装（部分或全部）在MRI检查室内将是最佳选择。

接下来，通过获取一名年轻健康成年志愿者的代表性药片、眼动追踪和功能性磁共振成像（fMRI）结果，演示了本实验方案。结果在很大程度上符合预期，如下所述。但需要强调的是，所获得的各种行为指标数值及激活脑区数据仅在个体内部水平上进行了统计评估，尚未考虑群体水平的均值与变异性。未来需要对大量健康个体进行多模态测试，以获取群体水平的数据信息 “规范的” 数据，最终可与脑功能障碍患者群体类似测试所获得的结果进行比较。此类研究的样本量计算可能主要受fMRI信号的低对比度噪声比以及获取此类数据的成本驱动。科学文献中已有一些可用于fMRI样本量估算的工具。32在这一前提下，本综述主要简要解读所观察到的趋势及显著效应。

该受试者在TMT-B任务中的完成时间略长，非连接持续时间也更长，与先前基于平板电脑的研究结果一致，且符合已确立的纸质TMT表现特征2,18,33这些发现可能反映了在完成TMT-B时相较于TMT-A需要更多时间来处理、搜索并识别下一个正确目标，因为TMT-B被认为在认知上更具挑战性。两种任务条件下均未记录到错误，所有TMT测试均在规定时间内完成，这与受过良好教育的健康年轻成年人的标准TMT完成情况一致。2TMT-B 的 SPL 值大于 TMT-A，这与预期一致，因为 TMT-B 和 TMT-A 的总连接数相同，且 TMT-B 的完成时间更长。尽管 TMT-B 的视觉搜索复杂性增加，但 TMT-A 的 D 值和 EDT 值略高。这两个指标均为本研究新开发的指标，因此无法与以往基于平板电脑的 TMT 文献中的报告进行具体比较。然而，推测 TMT-B 表现较慢可能影响了个体在测试过程中的位置分布 “速度-准确性” 权衡34 与他们在TMT-A中较快的表现相关的图示—从而实现与降低的D值和EDT值更精确的关联。这一解释有待在未来的测试中进一步验证。

该受试者的眼动追踪指标结果颇具启发性。与执行TMT-A相比，受试者在执行TMT-B时表现出略多的扫视次数和注视次数、眨眼次数以及更高的眨眼频率。扫视和注视次数的增加可能表明在B条件下，受试者对视觉刺激的视觉搜索效应增强。这一解释得到了先前研究的支持，已有研究表明，随着处理更复杂搜索阵列所需的心理负荷增加，扫视和注视次数均会上升35。TMT-B相较于TMT-A更高的眨眼次数和眨眼频率可能反映了前者任务条件下更高的认知控制需求。有趣的是，大量研究支持自发性眨眼频率（以及在固定试验时长内的眨眼次数，如本研究中所考察的）可作为多巴胺活动的有效代理指标36。多巴胺是一种重要的神经递质，参与学习、工作记忆以及目标导向行为37 这些功能均是成功完成TMT任务的基础，且在TMT-B中比在TMT-A中需求更高。大量关于自发性和任务诱发性眨眼的研究表明，这两项指标均对认知控制的调节具有敏感性38。最后，两个TMT部分的平均瞳孔大小非常接近，提示该受试者能够以相似的心理努力水平完成两部分任务，而未超出其信息处理能力上限38。这些解释再次与关于TMT表现的文献一致2，并表明该受试者在无错误的情况下高效地完成了两个部分。未来的研究需要进一步探讨与TMT任务内部行为相关的详细眼动特征。此类研究将极具意义，有助于评估视觉搜索行为：a）是否先于平板设备上的反应发生；b）是否会因数字与字母刺激的空间分布导致某些连接任务较难或较易完成而发生变化；c）在TMT表现出现错误时是否发生改变。

关于TMT表现中的错误问题，错误记录与量化将是未来研究的重要方面，超出了本项针对表现良好的年轻健康成年人的概念验证研究的范围。当前方案仅限于在数据采集时记录TMT表现错误，但可轻松扩展，以包含TMT-A和TMT-B测试中发生的错误次数，以及基于对触控笔交互的数字化视频 文件进行人工评估所得出的个体参与者在集中趋势与变异程度上的统计指标。此外，还需制定评分标准，用于对TMT表现错误类型进行分类。一旦通过人工检查积累足够的错误数据，便有望开发出人工智能方法，以准确检测和分类错误，从而显著减少错误评估所需的时间投入。

神经影像学分析显示，在大脑多个区域存在显著且广泛的激活（将TMT-A和TMT-B任务合并分析与静息状态相比），包括负责视觉处理、运动功能以及感觉感知与整合的脑区。这些区域的激活模式与以往TMT神经影像研究中观察到的fMRI激活模式相似15,19。以与运动功能相关的激活为例，对侧（左侧）中央前回的手部区域因右手的运动反应而呈现正向激活，同时还存在一小簇同侧的负激活区域（未在图8中显示），这是任务相关运动过程中初级感觉运动区典型的激活模式39,40。即使采用了相对保守的阈值和校正方法，该受试者的fMRI激活强度仍表明，该任务可有效探测视运动功能，包括小脑和中脑的活动。然而，不应基于该单个受试者的数据得出关于支持TMT表现的具体脑区的结论，该数据仅用于演示目的。还需注意的是，单个受试者在TMT-B与TMT-A对比中未观察到明显活动并不令人意外。这一特定对比已知属于"弱效应"，通常需要更大样本量的fMRI数据分析，以及经过精心优化的图像处理流程，才能可靠地检测到激活信号41。这些要点再次强调，当前的神经影像工作仅展示了实验设计、fMRI记录与分析的概念验证，未来还需开展涉及一个或多个受试者群体（例如神经系统疾病患者与健康对照）的研究，以获得具有人群可推广性的结果。

需要强调的是，本方案所开发的用于量化TMT相关药片反应、眼动追踪反应以及fMRI期间脑激活的指标并非详尽无遗。相反，它们是在已有基础上进一步发展而来的 近年来在开展基于平板电脑的TMT-fMRI研究以及结合眼动追踪的fMRI研究方面积累了丰富经验。平板电脑指标与眼动追踪指标并非完全独立，可能存在一定的相互依赖性，因此建议采用偏最小二乘法等多元分析方法，对这些指标与TMT-fMRI数据之间的关联性进行综合分析。42未来，量化注视路径特征的新指标将有助于表征健康个体之间以及患者群体在正确完成测试（及错误）过程中的个体内和个体间变异情况。预期此类研究将显著提高基于平板电脑的TMT结合眼动追踪和fMRI数据及相关量化指标在区分患者与对照组时的敏感性和特异性，相较于传统的纸笔TMT施测方式和标准评分方法具有更优性能。若该预测成立，则还可进一步探索是否能通过多种人工智能方法，以及基于本研究项目所获得的洞见开发全新的现代版ToC，从而进一步提升鉴别效能。

综上所述，本文提出了一种新颖的多模态方案，用于通过计算机化平板技术、眼动追踪和功能性磁共振成像（fMRI）评估人类执行认知转换（ToC）的能力。与相关但更为简单的研究方案20,43,44,45相比，本方案因结合了生态效度高的平板技术与眼动追踪，同时保持了符合人体工学且高效的研究设计，被认为能提供更丰富的信息。该方案可在多种多变量及机器学习框架下，实现任务表现、神经活动与眼动指标之间的无缝关联，从而探索ToC的神经基础。初步试验数据表明，一名代表性年轻健康成人执行基于平板的TMT任务时表现十分乐观。因此，该方案为开展大规模研究打开了大门，不仅有助于更深入地理解ToC的神经机制，还可通过结合眼动追踪与功能神经影像技术，利用现有及新开发的ToC任务，对不同脑功能障碍患者与健康个体进行更为敏感和特异的表征分析。

披露

作者声明无利益冲突。

致谢

作者感谢加拿大卫生研究院、加拿大心脏与中风基金会以及加拿大创新基金会对本研究提供的资金支持。

材料

本文使用的材料清单
姓名公司目录编号评论
配备64通道头部线圈的3T磁共振成像系统Siemens Healthineers (Erlangen, GER)Magnetom Prisma用于记录功能性磁共振成像（fMRI）数据。
电磁干扰滤波器Spectrum Control Inc. (Fairview, PA, USA)56-705-005-LI将平板电脑和触控笔信号从磁体室传输至平板接口盒。
眼动追踪软件SR Research Ltd. (Ottawa, ON, CAN)EyeLink Explorer (版本 4.3.1, 64位)实现眼动数据的可视化与处理。
图形编辑应用程序Microsoft Inc. (Redmond, WA, USA)Paint用于使受试者熟悉在平板上书写和绘图操作。
MATLAB MathWorks Inc.  (Natick, MA, USA) R2022a用于分析平板运动学数据并进行统计分析。
磁共振兼容眼动追踪仪SR Research Ltd. (Ottawa, ON, CAN)EyeLink 1000 Plus在功能性磁共振成像期间记录眼动追踪数据。
磁共振兼容投影仪Avotec, Inc. (Stuart, FL, USA)Silent Vision向受试者呈现增强现实视觉刺激。
磁共振兼容平板组件（包括触敏表面、可调节抬高支撑平台、力敏触控笔、发光二极管照明器）不适用不适用实验室自行设计与组装。详见参考文献12、13。
刺激呈现软件Psychology Software Tools (Sharpsburg, PA, USA)E-Prime，版本 2.0用于开发和实施所有基于平板的训练与任务程序。
刺激/反应计算机不适用不适用多组件设计。详见参考文献13。
触敏表面驱动应用程序ELO Touch Solutions Inc. (Milpitas, CA, USA)Single Touch Driver在受试者执行触控目标任务时，用于校准触敏表面。
触发与反应装置Rowland Institute (Cambridge, MA, USA)Rowland USB Response Box用于时间同步基于平板的任务、眼动追踪与功能性磁共振成像数据流。
视频摄像机MRC Instruments GmbH (Heidelberg, GER)12M-i记录手部与触控笔在平板触敏表面上的交互视频。
视频摄像机计算机不适用不适用多组件设计。详见参考文献13。

参考文献

  1. Lezak, M. D., Howieson, D. B., Bigler, E. D., Tranel, D. Neuropsychological assessment. , 5th ed, Oxford University Press. (2012).
  2. Tombaugh, T. N. Trail making test A and B: normative data stratified by age and education. Arch Clin Neuropsychol. 19 (2), 203-214 (2004).
  3. Stuss, D. T., et al. The trail making test: a study in focal lesion patients. Psychol Assess. 13 (2), 230-239 (2001).
  4. Korakas, N., Tsolaki, M. Cognitive impairment in multiple sclerosis: a review of neuropsychological assessments. Cogn Behav Neurol. 29 (2), 55-67 (2016).
  5. Woodford, H. J., George, J. Cognitive assessment in the elderly: a review of clinical methods. QJM. 100 (8), 469-484 (2007).
  6. Nasreddine, Z. S., et al. The Montreal cognitive assessment, MoCA: a brief screening tool for mild cognitive impairment. Am Geriatr Soc. 53 (4), 695-699 (2005).
  7. Berg, J. -L., et al. Comparing the electronic and standard versions of the Montreal cognitive assessment in an outpatient memory disorders clinic: a validation study. Alzheimers Dis. 62 (1), 93-97 (2018).
  8. Freedman, M., et al. The Toronto cognitive assessment (TorCA): normative data and validation to detect amnestic mild cognitive impairment. Alzheimers Res Ther. 10 (1), 65(2018).
  9. Woods, D. L., Wyma, J. M., Herron, T. J., Yund, E. W. The effects of aging, malingering, and traumatic brain injury on computerized trail-making test performance. PLoS One. 10 (6), e0124345(2015).
  10. Lin, Z., et al. Trail making test performance using a touch-sensitive tablet: behavioral kinematics and electroencephalography. Front Hum Neurosci. 15, 663463(2021).
  11. Herold, F., Wiegel, P., Scholkmann, F., Müller, N. G. Applications of functional near-infrared spectroscopy (fNIRS) neuroimaging in exercise-cognition science: a systematic, methodology-focused review. J Clin Med. 7 (12), 466(2018).
  12. Tam, F., Churchill, N. W., Strother, S. C., Graham, S. J. A new tablet for writing and drawing during functional MRI. Hum Brain Mapp. 32 (2), 240-248 (2011).
  13. Karimpoor, M., et al. A computerized tablet with visual feedback of hand position for functional magnetic resonance imaging. Hum Neurosci. 9, 150(2015).
  14. Lin, Z., Tam, F., Churchill, N. W., Schweizer, T. A., Graham, S. J. Tablet technology for writing and drawing during functional magnetic resonance imaging: a review. Sensors. 21 (2), 401(2021).
  15. Karimpoor, M., et al. Tablet-based functional MRI of the trail making test: effect of tablet interaction mode. Front Hum Neurosci. 11, 496(2017).
  16. Reitan, R. M. Trail making test results for normal and brain-damaged children. Percept Mot Skills. 33 (2), 575-581 (1971).
  17. Corrigan, J. D., Hinkeldey, N. S. Relationships between parts A and B of the trail making test. J Clin Psychol. 43 (4), 402-409 (1987).
  18. Gaudino, E. A., Geisler, M. W., Squires, N. K. Construct validity in the trail making test: what makes Part B harder. J Clin Exp Neuropsychol. 17 (4), 529-535 (1995).
  19. Talwar, N., et al. Functional magnetic resonance imaging of the trail-making test in older adults. PLoS One. 15 (5), e0232469(2020).
  20. Linari, I., Juantorena, G. E., Ibáñez, A., Petroni, A., Kamienkowski, J. E. Unveiling trail making test: visual and manual trajectories indexing multiple executive processes. Sci Rep. 12 (1), 14265(2022).
  21. Ogawa, S., Lee, T. M., Kay, A. R., Tank, D. W. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Natl Acad Sci U S A. 87 (24), 9868-9872 (1990).
  22. SR Research EyeLink EyeLink®. 1000 Plus Installation Guide. , SR Research Ltd. Oakville, Ontario, Canada. (2024).
  23. EyeLink 1000 Research Ltd. EyeLink 1000 Plus user manual. , SR Research Ltd. https://www.sr-research.com/eyelink-1000-plus (2024).
  24. Tam, F., Huang, Y., Schwartz, M. L., Schweizer, T. A., Hynynen, K., Graham, S. J. A computerized tablet system for evaluating treatment of essential tremor by magnetic resonance guided focused ultrasound. BMC Neurol. 17 (1), 74(2017).
  25. Graham, S., Tam, F. GitHub - SRI-Graham-Lab/JoVE-paper. , https://github.com/SRI-Graham-Lab/JoVE-paper (2025).
  26. Hsu, Y. -C., et al. Simultaneous multi-slice inverse imaging of the human brain. Sci Rep. 7 (1), 17019(2017).
  27. Cox, R. W. AFNI: what a long strange trip it’s been. Neuroimage. 62 (2), 743-747 (2012).
  28. Glover, G. H., Li, T. Q., Ress, D. Image-based method for retrospective correction of physiological motion effects in fMRI: RETROICOR. Magn Reson Med. 44 (1), 162-167 (2000).
  29. Fonov, V., et al. Unbiased average age-appropriate atlases for pediatric studies. Neuroimage. 54 (1), 313-327 (2011).
  30. Fonov, V., Evans, A., McKinstry, R., Almli, C., Collins, D. Unbiased nonlinear average age-appropriate brain templates from birth to adulthood. Neuroimage. 47, S102(2009).
  31. Lin, F. -H., et al. Relative latency and temporal variability of hemodynamic responses at the human primary visual cortex. Neuroimage. 164, 194-201 (2018).
  32. Desmond, J. E., Glover, G. H. Estimating sample size in functional MRI (fMRI) neuroimaging studies: statistical power analyses. J Neurosci Methods. 118 (2), 115-128 (2002).
  33. Bowie, C. R., Harvey, P. D. Administration and interpretation of the trail making test. Nat Protoc. 1 (5), 2277-2281 (2006).
  34. Heitz, R. The speed-accuracy tradeoff: history, physiology, methodology, and behavior. Front Neurosci. 8, 150(2014).
  35. Vlaskamp, B. N. S., Hooge, I. T. C. Crowding degrades saccadic search performance. Vision Res. 46 (3), 417-425 (2006).
  36. Jongkees, B. J., Colzato, L. S. Spontaneous eye blink rate as predictor of dopamine-related cognitive function—a review. Neurosci Biobehav Rev. 71, 58-82 (2016).
  37. Westbrook, A., Braver, T. S. Dopamine does double duty in motivating cognitive effort. Neuron. 89 (4), 695-710 (2016).
  38. Eckstein, M. K., Guerra-Carrillo, B., Miller Singley, A. T., Bunge, S. A. Beyond eye gaze: what else can eye-tracking reveal about cognition and cognitive development. Dev Cogn Neurosci. 25, 69-91 (2016).
  39. Hamzei, F., et al. Reduction of excitability (“inhibition”) in the ipsilateral primary motor cortex is mirrored by fMRI signal decreases. Neuroimage. 17 (1), 490-496 (2002).
  40. Staines, W. R., Graham, S. J., Black, S. E., McIlroy, W. E. Task-relevant modulation of contralateral and ipsilateral primary somatosensory cortex and the role of a prefrontal-cortical sensory gating system. Neuroimage. 15 (1), 190-199 (2002).
  41. Churchill, N. W., et al. Optimizing preprocessing and analysis pipelines for single-subject fMRI. I. Standard temporal motion and physiological noise correction methods. Hum Brain Mapp. 33 (3), 609-627 (2012).
  42. McIntosh, A. R., Lobaugh, N. J. Partial least squares analysis of neuroimaging data: applications and advances. Neuroimage. 23 (Suppl 1), S250-S263 (2004).
  43. Longcamp, M., et al. Functional specificity in the motor system: evidence from coupled fMRI and kinematic recordings during letter and digit writing. Hum Brain Mapp. 35 (12), 6077-6087 (2014).
  44. Vinci-Booher, S., Sturgeon, J., James, T., James, K. The MRItab: a MR-compatible touchscreen with video display. J Neurosci Methods. 306, 10-18 (2018).
  45. Reitz, F., et al. A low-cost, computer-interfaced drawing pad for fMRI studies of dysgraphia and dyslexia. Sensors. 13 (4), 5099-5108 (2013).

重印与许可

标签

认知测试功能性磁共振成像连线测验脑激活运动学分析视觉行为基于平板电脑的评估神经相关性
使用计算机化触敏平板、眼动追踪和功能性磁共振成像评估认知测试
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。