牛津大学、Olio Labs 等 bioRxiv 四篇预印本精选 | 神经影像样本、颅内体积估计、自由回忆评分与实验者效应

● 认知神经科学前沿文献分享

本期介绍四篇 bioRxiv 预印本，均未经同行评议，关心的都是研究方法本身。前两篇关于神经影像：一篇追踪亲密伴侣暴力研究的磁共振样本，在资格、参与和质量控制三个环节里发生了什么变化；一篇检查常用的颅内体积估计，在儿童青少年的纵向数据里是否可靠。后两篇关于行为测量：一篇用大语言模型给自由回忆逐条评分，一篇用自动化居笼监测，看一次笼边健康检查是否会暂时遮住药物引起的行为变化。

神经影像研究，可能漏掉受影响最重的幸存者

● 关键词：亲密伴侣暴力｜脑损伤｜神经影像｜样本代表性｜静息态功能磁共振

Neuroimaging of intimate partner violence can underrepresent the most affected survivors
DOI：https://doi.org/10.64898/2026.09.23.753381
作者：Craig W. McFarland、Aaron Kucyi、Eve M. Valera
通讯作者及单位：Craig W. McFarland — Department of Experimental Psychology, University of Oxford；Stanford Neurosciences Interdepartmental Program, Stanford University School of Medicine；Department of Psychiatry, Mass General Brigham

亲密伴侣暴力（intimate partner violence，IPV）可能造成反复的脑损伤（brain injury，BI）。神经影像能帮助研究这些伤害，但能通过扫描资格、完成扫描并留下可用数据的人，未必代表受影响最重的人。

McFarland 等人分析了一个有身体性 IPV 经历的社区女性队列，依次比较三个环节：磁共振成像（magnetic resonance imaging，MRI）资格、有没有静息态功能磁共振成像（resting-state functional MRI，rsfMRI）数据，以及平均帧位移0.20毫米阈值的头动质量控制。

第一关，352名符合行为研究筛查条件的女性中，只有141人（40.1%）符合成像条件，211人（59.9%）在初筛时被判定不符合。第二关，207名入组女性中，有 rsfMRI 数据的61人比没有数据的146人受教育年限更长、就业比例更高，抑郁、焦虑、创伤后应激和神经行为症状负担更低；综合精神症状最高四分位的女性里，只有13.5%进入成像，其他女性为34.8%。第三关，61人中55人（90.2%）通过头动质量控制，但累计报告10次及以上伴侣造成 BI 的女性，被排除的有4/11，少于10次的为2/50。

作者认为，三个阶段改变了样本构成，最后留下的样本可能较少包含症状负担和伴侣造成 BI 次数更高的女性，头动控制也要检查它留下了谁。数据来自一个队列、一个成像中心，也没有系统记录有资格的女性为什么没去扫描，这些筛选模式能否推广到其他地点，尚不能判断。

FreeSurfer 7 的颅内体积估计为何会跳变？

● 关键词：颅内体积｜FreeSurfer｜发育队列｜纵向神经影像｜质量控制

Widely Used Calculations of Intracranial Volume Provide Inaccurate Estimates in Developmental Cohorts: Evidence and Recommendations for the Neuroimaging Community
DOI：https://doi.org/10.64898/2026.10.03.751882
作者：Amalia M. Skyberg、Ava J. Reck、Jolinda Smith、Benjamin T. Newman、Madeleine N. Goldberg、T. Jason Druzgal、John Van Horn、Jennifer H. Pfeifer

颅内体积（intracranial volume，ICV）常用来校正头颅大小。Skyberg、Reck 等人核查了儿童青少年的纵向数据，看 FreeSurfer 早期版本的估计会不会出现生物学上不合理的跳变。

研究比较了两个数据集：TAG 的217名青少年最多扫描6次，平均间隔1.7年；ABCD 4.0 的随机子样本2,529人扫描1或2次，平均间隔2.0年。T1 图像分别用 FreeSurfer 7、FreeSurfer 8 和神经网络分割流程 AssemblyNet 处理，比较相邻时点的估计颅内体积（estimated total intracranial volume，eTIV）变化。

两套数据里，FreeSurfer 8 和 AssemblyNet 的个体内平均绝对百分比变化约为1%，FreeSurfer 7 约为其三倍；TAG 中 FreeSurfer 7 的最大相对变化达39.2%，ABCD 为23.4%，FreeSurfer 8 分别只有3.31%和4.27%。图像检查把问题定位到 FreeSurfer 7 早期的配准（registration）步骤，FreeSurfer 8 改用 SynthMorph 后明显稳定。ABCD 里，Siemens 扫描仪和女性参与者的变化更大（控制颅内体积后，性别差异不再显著，p=0.104），ComBat 协调化也没有消除这种不稳定。

这项核查提示，用 FreeSurfer 8 之前的版本得到的 eTIV，可能把配准失败带来的波动带进发育轨迹和脑体积比较。有原始图像时，作者建议用 FreeSurfer 8 或更高版本重新处理，并检查相邻时点的变化；在他们的数据里，平均绝对变化超过2%可以作为排查信号。

LLM 能把自由回忆逐条对回原文吗？

● 关键词：大语言模型｜自由回忆｜自动评分｜情景记忆｜自然叙事

LLM-powered automatic scoring tools for memory recall
DOI：https://doi.org/10.64898/2026.10.01.755994
作者：Rayna S. Tang、Savannah J. Born、Angelique I. Delarazan、Phillip L. Demarest、Ata B. Karagoz、Zachariah M. Reagh

看电影或听故事后让人自由回忆，研究者关心的不只是“记住了多少”，还有具体记住了哪些细节、有没有说错，以及回忆是不是按时间或主题组织的。传统做法要把每段回忆逐条对照原始材料，人工评分耗时，样本一大就拖慢研究。已有的自动方法常给出整体相似度，却说不清某句话对应原文的哪一条信息。

Tang、Reagh 等人开发了一套开源的大语言模型（large language model，LLM）评分流程。流程先把刺激文本和回忆拆成各含一个核心断言的信息单元，再让模型在两份文本之间匹配单元，标注“精确”“宽松”“错误信息”或“无匹配”；真正的回忆指标，由研究者控制的分析脚本计算。作者用四个模型、三套数据集做验证。第一套是33名参与者对四篇短故事的文字回忆，模型与两名受训评分者的一致性为 φ=.73—.79，接近评分者彼此的 φ=.77；相同输入隔约一个月重新运行，匹配的复现度为 φ=.91—.97，高于两名评分者之间的一致性。

在15人回忆十部短电影的数据里，模型把口头回忆归到正确电影的一致性为 φ=.84—.94，但这只检查到电影层级，发现不了同一部电影内部具体事件的错配。另一套是84人对一集电视剧的未经校对的语音转写回忆，模型在场景层级的一致性为 φ=.70—.89；输入含有口头语、停顿和转写错误，人工参考单元的长度也差异很大，不同模型的表现更分散。每个模型给每位参与者评分的中位成本都低于1美元。

作者把 LLM 的作用限定在“切分”和“匹配”，评分规则留在可检查的代码里，因此能输出具体的单元对应关系，而不只是一个总分。他们认为，这让在大样本里逐条分析回忆的细节、顺序和错误变得可行。

一次健康检查，能遮住药物的行为效应吗？

● 关键词：实验者效应｜动物行为｜司美格鲁肽｜自动化居笼监测｜行为表型

Schrödinger's mouse: human observation erases a drug-induced behavioral phenotype
DOI：https://doi.org/10.64898/2026.09.25.754328
作者：Timothy A. Krausz、Thomas K. Roseberry、Gina Williams、David Tingley
通讯作者及单位：David Tingley — Olio Labs Incorporated, South San Francisco, CA, USA

动物实验里，研究者需要定期打开笼门检查小鼠。这个动作会不会让动物暂时改变行为，把药物本来要显示的效应遮住？Krausz、Roseberry 等人用自动化居笼行为表型平台，用表型采集装置（phenotype acquisition device，PAD）连续记录小鼠的行为，比较健康检查前后，司美格鲁肽（semaglutide）处理后的行为是否还像“药物效应”。

研究者分析了两组小鼠（每笼两只同性别）。匹配队列有30个笼位、60只小鼠：第一天不给药也不检查，第二天腹腔注射司美格鲁肽（0.03 mg/kg），并接受约1分钟的健康检查；独立参考队列有31个笼位、62只小鼠，给药后不检查。系统从视频里提取59项行为特征。检查发生后，行走和向右旋转增加，睡眠减少；跳跃和爬墙在笼门打开前就出现了峰值，作者据此认为，动物在研究者真正打开笼门前，就已经对人的接近有了反应。

检查前，检查队列的59项行为特征更接近“司美格鲁肽、无检查”的队列；笼门打开后的第一分钟，转而更接近无注射的基线。动物被观察的这段时间里，行为画像暂时不像接受了药物的动物，原本可见的药物表型被检查事件遮住了。作者认为，自动化连续监测可以把这类短暂扰动从药物效应里分离出来。这项研究只在小鼠和一套居笼系统里比较了这些条件；有检查和无检查的两次给药在不同夜晚、由不同队列完成，检查与否和实验日绑在一起；实验者接近笼子的具体起始时间没有单独记录，门打开前的变化不能进一步归因到某一种人类线索。

分享人：天天
审核：PsyBrain 脑心前沿编辑部

● 原文信息与获取方式

获取原文：

1. 三连后添加小助手：PSY-Brain-Frontier 获取

2. 点击文中各篇论文的 DOI 链接，查看对应原文。

版权归属作者团队和出版社，本文仅做分享