基于卷积神经网络的巴恩斯迷宫搜索策略自动分类系统在创伤性脑损伤认知评估中的应用

本研究针对传统巴恩斯迷宫测试中空间记忆评估的局限性，开发了基于卷积神经网络(CNN)的搜索策略自动分类系统。研究人员通过训练准确率达93.8%的AI模型，成功量化了重复轻度创伤性脑损伤(r-mTBI)小鼠的空间与非空间搜索策略差异，揭示了传统指标无法检测的认知功能障碍，为神经退行性疾病研究提供了新工具。

　　

在神经科学研究领域，评估空间记忆能力的标准方法面临着一个有趣的两难困境：虽然巴恩斯迷宫被广泛用于测试动物的空间学习能力，但狡猾的小鼠往往会"作弊"——它们可能通过机械式的顺序检查（称为序列搜索）而非真正记忆空间位置来找到目标洞口。这种现象使得传统测量指标如目标洞潜伏期和错误次数，难以准确反映真实的认知功能损伤。特别是在创伤性脑损伤(TBI)研究中，这种局限性更为突出，因为TBI可能同时影响运动功能和认知能力，导致测试结果难以解读。

Roskamp Institute的研究团队在《Brain Research Bulletin》发表的研究中，提出了一个创新解决方案。他们开发了一套基于卷积神经网络(CNN)的自动分类系统，能够实时分析小鼠在巴恩斯迷宫中的运动轨迹，准确区分空间策略、序列策略和随机搜索三种典型行为模式。这项技术突破不仅解决了人工分类耗时且主观性强的问题，更重要的是为揭示TBI后复杂的认知功能障碍提供了新视角。

研究采用了几个关键技术方法：1) 使用OpenCV库构建迷宫合成图像，通过Hough梯度法自动识别目标洞和错误洞；2) 训练YOLO v5算法精确追踪小鼠鼻尖位置；3) 构建包含64-256个过滤器的CNN模型，对90帧(约3秒)运动序列进行分类；4) 采用PERMANOVA多变量统计方法分析策略转换。实验样本包括44只hTau转基因小鼠的1024次迷宫测试数据，以及12只/组的C57BL/6J野生型小鼠在重复轻度TBI(r-mTBI)模型中的行为数据。

【结果】

1. 方法验证
   CNN模型在验证集上达到93.8%的分类准确率，能可靠识别空间直接趋向、系统序列搜索和随机游走三种典型模式。代表性图像显示模型对训练集外数据也具有良好泛化能力。

2. TBI对搜索策略的影响
   混合线性回归分析显示，r-mTBI显著降低空间策略使用比例(β=-4.843，P=0.001)，同时减少序列策略利用(β=-11.671，P<0.001)，但增加随机运动(β=10.141，P=0.008)。值得注意的是，这种损伤在连续6天的训练中未见改善，且与性别无关。

3. 传统指标比较
   虽然TBI显著延长目标洞潜伏期(β=15.598，P<0.001)，但初级错误次数无显著差异(P=0.374)。PERMANOVA多维度分析证实，探测试验中假手术组主要采用空间/序列策略，而r-mTBI组偏向随机搜索(p=0.03)。

【讨论与结论】
这项研究实现了三个重要突破：首先，开发的CNN分类系统以93.8%的准确率实现了搜索策略的自动化、客观化评估，解决了人工分类效率低下的问题；其次，发现r-mTBI不仅损害空间记忆，还影响执行功能(表现为序列策略利用障碍)，这为理解TBI认知后遗症提供了新视角；最后，证实策略分析比传统指标(如潜伏期)更能敏感检测认知缺陷。

特别值得注意的是，r-mTBI小鼠表现出双重缺陷——既不能有效使用空间策略，也无法像正常小鼠那样通过序列搜索补偿记忆缺陷。这种现象在第七天的探测试验中尤为明显，当起始位置改为迷宫中心时，假手术组能迅速转向空间策略，而r-mTBI组仍保持随机搜索。这些发现提示，临床前研究若仅依赖传统指标，可能会遗漏重要的认知功能障碍信息。

该研究的临床意义在于，这种自动化的策略分析方法可以整合到药物评估平台中，帮助区分实验性治疗是改善了真实的记忆功能，还是仅仅改变了运动活动性。此外，建立的标准流程和开源工具也将促进神经退行性疾病研究领域的标准化进程。未来工作可将此方法扩展到其他行为范式，如Morris水迷宫，进一步拓展其在神经科学研究中的应用范围。