PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / N · 神经技术与方法 / N039 · ScienceAdvances不开颅也能“看清”小鼠全皮

N039 Science Advances | 不开颅也能“看清”小鼠全皮层血管：PACMes把脑血管长期追踪带进33 μm时代

来源：公众号 PSY-Brain_Frontier ｜发布：2026-02-14 ｜原文链接

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

第一时间接收每日前沿资讯

🧠 PsyBrain · 寒假提升计划 💪

你是否经历过这样的时刻：面对海量的 sMRI、fMRI 或 EEG 数据，不知从何下手构建 Pipeline？为了跑通一个模型，在 GitHub 和论坛之间反复横跳，甚至和 AI 纠缠半天却依然报错？明明有着绝佳的实验结果，却不知道怎么画脑袋，更不知道论文里那些漂亮的 🧠 是怎么来…

数据分析原理、实践与可视化本该是通往真理的桥梁，但往往成为阻碍你探索科学的高墙。

今年，我们联手国内顶尖名校博士和资深硕博生为你打造了一套认知神经科学全栈工具箱。从经典的sMRI、fMRI、dMRI、EEG/MEG，到硬核的 电生理、脑机接口，再到前沿的 RSA、MVPA、强化学习、认知建模、大语言模型，我们一站式配齐，欢迎查看~

课程时间 2026年2月24-28日，部分开设在3月初，报名截止 2026年2月17日。

考虑到报名人数和授课老师的时间安排，仍开设的课程如下，欢迎垂询~

报名截止 3 天倒计时~ 报名截止倒计时十天 | 面向心理学、认知神经科学同学的寒假提升班

认知神经科学前沿文献分享

基本信息：

Title:Noninvasive photoacoustic computed mesoscopy for longitudinal brain imaging

发表时间：2026.2.4

Journal: Science Advances

影响因子：12.5

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

引言

在做小鼠（mouse）脑科学研究时，很多关键问题其实都绕不开“血管”（vasculature）：比如肿瘤（glioma）会诱导异常新生血管（angiogenesis），脑卒中（stroke）会造成局部血管闭塞与再通，神经退行性疾病（neurodegenerative diseases）也常伴随脑血流与血氧变化。

理想的观察方式，是在不破坏生理环境的情况下，反复、长期地看同一只动物的血管变化——这样才能把急性期、恢复期、慢性重塑这些过程连成一条时间线。

但现实里，“看得清”和“足够温和”往往冲突：去头皮、磨薄颅骨或开颅窗（cranial window）能提升光学成像质量，却可能引入机械应力、热刺激和颅内压变化等干扰；而完全不侵入时，头皮和颅骨带来的光散射（optical scattering）与衰减，会让高分辨率成像变得非常吃力。

光声成像（photoacoustic imaging）因为结合了光学对比与超声探测（ultrasound detection）的穿透优势，被认为是很有潜力的路线，但脑组织与颅骨对高频超声的衰减会直接“吃掉分辨率”，导致传统光声CT（photoacoustic computed tomography, PACT）在完整头皮+颅骨条件下往往只能做到亚毫米级。

于是问题变得很具体：能不能在完整头皮与颅骨（intact scalp and skull）下，获得接近微米尺度的血管细节，并且还能长期（>5个月）重复成像，用来追踪卒中与肿瘤等慢病过程？本文提出的PACMes，正是围绕这个矛盾做了一套“激发-探测-重建”同时改造的系统性解法。

实验设计与方法逻辑

作者将难点拆解为三环：穿透不足、信号弱、分辨率受限。为此，PACMes采用近红外（near-infrared, NIR织内更“集中”且更易穿透；探测端用5 MHz全环阵列（full-ring transducer array）获取低频、衰减更小的光声信号以提升灵敏度；计算端先做声速（speed of sound, SOS）与坐标校准，再将单角度各向异性的点扩散函数（PSF）通过多角度合成，并结合定位/滤波与自监督深度学习（self-supervised deep learning）恢复，从而把低频探测的分辨率瓶颈“算”成各向同性高分辨图像。

核心发现

33 μm各向同性分辨率 + 13 mm大视野

Fig.2显示：单角度时轴向分辨率很差（约300 μm），多角度合成后PSF趋于各向同性，活体在完整头皮/颅骨下仍实现约33 μm分辨率，并覆盖约13 mm视野，能看全皮层血管网络。

校准 + 自监督恢复，显著减少伪影并加速采集

Fig.3表明：声速（SOS）与坐标校准可明显降低定位偏差与环状伪影；自监督恢复让少角度（如18角）成像接近高角度结果，实现更快扫描且保留关键血管细节。

相比PACT与NIR-OR-PAM，完整头皮/颅骨下更能分辨微血管分支

Fig.3H对比：PACT分辨率不足、微分支模糊；NIR-OR-PAM受NIR吸收弱与系统限制对比度不足；PACMes能清晰呈现静脉窦及更多微血管分支，兼顾“非侵入+细节”。

纵向追踪卒中与胶质瘤，验证长期随访能力

Fig.4–5：卒中模型可连续追踪从小时到5个月的血容量变化与侧支循环建立；胶质瘤模型可观察肿瘤相关血管迂曲增生与窦道形变，并与MRI、H&E等交叉验证，证明适合慢病动态研究。

核心图表

Fig. 1. Imaging mechanism of PACMes

Fig. 2. Schematic of the PACMes system.

Fig. 3. PACMes performance evaluation.

图10

Fig. 4. Long-term monitoring of the cerebral vasculature in photothrombosis-induced ischemic stroke.

图11

Fig. 5. Long-term monitoring of the glioma inside the mouse brain.

图12

归纳总结和点评

这项工作把非侵入脑血管成像中最典型的“分辨率-穿透-可重复性”三角矛盾，做成了一个可落地的工程闭环：用NIR线聚焦多角度扫稳的信号获取，再用SOS/坐标校准与多角度PSF合成把分辨率“算回来”，并以自监督恢复把扫描角度压到可接受的速度。更重要的是，作者没有停留在phantom指标，而是用卒中与胶质瘤给出了>5个月的纵向成像证据，真正证明这套方案适合慢病过程研究。整体而言，PACMes为“不开颅、可长期重复、全皮层微血管级”研究提供了非常扎实的一条技术路径。

前沿交流| 欢迎加入认知神经科学前沿交流群！

⭐️[加群链接]

图13