摘要：用于自由活动动物神经成像的微型化显微镜（"miniscopes"）通常仅能进行短时长（＜2 h）成像，且只能单独记录神经元活动或脑血流动力学。相比之下，涉及癫痫、脑肿瘤等的中枢神经系统（CNS）疾病模型需要进行长期（＞24 h）成像、远程操作，并同时表征多种神经生理变量，如神经元活动（NeuACT）、脑血流（CBF）、脑血容量（CBV）、氧合状态及细胞动态（研究人员将这一能力称为"神经监测（neurosurveillance）"）。为此，研究人员开发了"CloudScope"——一种基于云端架构、用于自由活动动物自主神经监测的多对比度微型显微镜。其基于云端的架构支持全球远程操作，并可在CNS疾病模型生命周期内连续获取多对比度图像。研究人员展示了CloudScope的神经监测能力：利用深度学习（DL）从24 h神经成像数据预测动物行为；表征自然行为期间的神经血管变化；刻画癫痫诱发的神经血管紊乱；以及活体脑肿瘤微环境中细胞和微血管的表型分析。此外，CloudScope架构支持"分时（time-shared）"成像，有望减少实验动物用量。综上，CloudScope结合CNS疾病模型的神经监测能力，为阐明此类疾病的病因与演进过程建立了新范式。
论文解读：
《A cloud-based miniscope for neurosurveillance of brain health and disease in freely behaving animals》于2026年发表在《Nature Methods》。
【研究背景】
现有微型显微镜（miniscope）大多专为健康脑功能研究设计，仅能以单一对比度机制（如仅记录GCaMP神经元钙信号或仅记录血管血流动力学），在短时段（通常＜2 h）内对头部固定或短暂自由活动动物进行成像，且缺乏远程操控、云端数据传输及长期连续采集能力。而中枢神经系统（CNS）疾病模型（如癫痫、脑肿瘤）的病理演变跨越数小时至数天，需同时监测神经元活动（NeuACT）、脑血流（CBF）、脑血容量（CBV）、血氧饱和度（HbSAT）及细胞动态，即需具备"神经监测（neurosurveillance）"——连续≥24 h的多对比度在体成像。此外，现有系统存在传感器过热、光漂白（photobleaching）、电池续航短、无远程操作架构等瓶颈。因此研究人员开展了基于物联网（IoT）云端架构的多对比度微型显微镜CloudScope的开发与应用验证研究，以填补上述空白。
【主要关键技术方法】
研究人员使用C57BL/6J小鼠（n=5健康及癫痫模型，n=2脑肿瘤模型GL261-GFP接种），建立颅骨窗（cranial window）并病毒转染AAV9.CaMKIIα.GCaMP6s（皮层神经元钙指示）。CloudScope硬件采用3D打印头戴式镜体（＜3.5 g），集成OV5647 CMOS传感器、蓝LED（~453 nm，绿色荧光FL通道）、绿LED（~530 nm，内源光学信号IOS通道测CBV/HbSAT）及670/680 nm垂直腔面发射激光器（VCSEL，激光散斑对比成像LSCI通道测CBF）；控制端由Raspberry Pi 4B与Teensyduino 4.1以"发起者–响应者（initiator–responder）"模式管理Wi-Fi通信、照明切换与图像采集，本地USB存储并通过Amazon Web Services（AWS）云端GUI远程操控。成像模式含"实时流（livestream）"与循环"顺序流（sequential stream）"（每~5 s或30 s切换通道）以防过热与光漂白。原始荧光经绿光IOS校正血红蛋白吸光得神经元活动（NeuACT= z-score FLfrac*/σMM），激光散斑对比计算CBF，IOS双波长反演ΔHbO、ΔHb、HbSAT。行为录像人工标注为静止（MM）、中间活动（INT）、奔跑（R）三音节（BehaviorSYL）。深度学习行为预测采用ResNet50提取空间特征接双向长短时记忆网络（BiLSTM）捕捉时序特征，Grad-CAM可视化。
【研究结果】
CloudScope enabled remote neurosurveillance over 24 h in healthy freely behaving animals
研究人员证实CloudScope重＜3.5 g可稳定佩戴于自由活动小鼠，视场（FoV）约3×3 mm²，空间分辨率~5.5–7 µm。通过顺序流模式实现≥24 h连续多对比度（FL/IOS/LSC）采集且无传感器过热与明显光漂白。同步记录显示运动期NeuACT、CBF升高伴血管舒张（CBV↑）、HbSAT↑，异氟烷麻醉下NeuACT受抑而HbSAT仍偏高，符合已知神经血管耦合与麻醉效应。云端IoT架构支持全球多地远程登录操控与实时监看。
Deep learning can predict individual animal behavior from 24-h neurosurveillance data
研究人员将24 h NeuACT按持续1 min单一行为音节分段输入ResNet50+BiLSTM模型，5折交叉验证下各动物平均逐类预测准确率79%–94%。仅用首1 h数据训练则准确率大幅降至34%–58%，随机打乱标签或破坏时间连续性亦致性能崩塌，证明24 h连续神经监测数据对个体特异性行为解码至关重要，可实现"精准（precision approach）"神经—行为关联分析。
Hemodynamic changes and neuronal activity did not always colocalize during natural behavior
宏观尺度（全FoV均值）上NeuACT与CBF均和行为活跃度（FACTIVE）强正相关且彼此强相关；但微观尺度上峰值NeuACT区与峰值CBF区空间重叠系数（κ）仅0.40±0.04，提示自由行为状态下神经—血管耦合在时间域宏观成立但在微血管空间尺度存在解离，且动脉—静脉血管运动同步性（VesSYNC）呈异质性分布，不同于头固定动物报道。
Neurosurveillance reveals the trajectory of seizure-induced neurovascular disruption and recovery
腹腔注射PTZ诱导癫痫及自发癫痫（SZSP）期间CloudScope全程捕捉NeuACT暴增伴短时血管痉挛（vasoconstriction）、CBF低灌注（hypoperfusion）及HbSAT下降，随后部分恢复。发作终止后约1 h内NeuACT抑制、持续血管收缩与CBF降低（发作后抑郁期）。不同个体在相同Racine评分下血流动力学改变幅度不同，说明仅靠神经元活动指标不足以全面评估癫痫病理，需在NeuACT–CBF状态空间（state-space）中综合表征神经血管轨迹。
Neurosurveillance of brain tumor evolution
对GL261-GFP胶质瘤细胞接种小鼠连续72 h监测发现：肿瘤起始期（TI）见胶质瘤细胞迁移、合并、侵入既有微血管，原有血管CBF随肿瘤细胞包绕而衰减；肿瘤聚集期（TA）见细胞增殖、新生血管生成（angiogenic vessels）及CBF升高。通过显微（细胞位移/迂曲度/速度/距血管距离）、介观（微血管密度MVD、长度MVL、迂曲度Tort）与宏观（平均CBF、变异系数CoVCBF、胶质瘤细胞占比FAC、血管占比FAV）参数可明确区分TI与TA阶段脑肿瘤微环境（BTME），证实CloudScope可活体表型化肿瘤演进全过程。
【讨论与结论总结】
研究人员指出CloudScope通过廉价开源硬件与3D打印实现可普及化，其≥24 h多对比度连续成像与云端远程操控使CNS疾病模型全生命周期神经监测成为可能，可同步获取细胞/血管/组织多尺度信息。24 h神经监测数据支撑了个体水平深度学习行为解码及神经血管耦合时空特性解析。癫痫与脑肿瘤模型应用表明神经监测能揭示传统短时单模态成像遗漏的病理演变（如自发癫痫、肿瘤微环境早晚期差异）。未来可通过扩展视场、增加波长通道、嵌入电润湿透镜或EEG/神经化学传感、实现机载实时触发智能成像及"分时"复用进一步减少动物用量。综上所述，CloudScope所定义的神经监测（neurosurveillance）范式及其云端微型显微镜架构为自由活动动物CNS疾病在体研究提供了新平台，有助于推进神经病理机制解析与候选疗法评估。
