人类睡眠的研究经历了从脑电图（EEG）标记到多模态脑功能成像的跨越。尽管多导睡眠监测（PSG）作为“金标准”已广泛应用，针对睡眠初期即困倦状态（SOP）的识别仍存在技术挑战。美国睡眠医学学会（AASM）分期体系中，困倦早期细微状态往往难以有效区分，尤其在区分清醒和浅睡（N1阶段）时依赖30秒的α波（8-12 Hz）节律存在局限。此外，EEG对神经元同步活动的捕获虽精准，但对运动活动减少等困倦特征反映不足。传统短时段电生理信号的限制和困倦短暂波动均提示需寻找新的生理指标。

功能磁共振成像（fMRI）通过测量BOLD信号，展现了睡眠阶段的宏观脑区活动及联结变化，尤其在慢波睡眠中有普遍的整体活性降低。已有研究揭示低频BOLD振荡（<0.1 Hz）与睡眠过程相关，但对SOP阶段脑功能动态细节的时间解析度及状态划分尚需提升。当前研究尝试利用眼睑闭合率（PERCLOS）发掘更敏感的困倦检测手段，弥补睡眠转换识别的不足，并与fMRI信号结合，实现睡眠早期状态的细致刻画。

近日，发表于iScience杂志的一项前瞻性研究，通过结合功能磁共振成像（fMRI）与眼睑闭合动态监测，系统揭示了人体睡眠开始阶段（SOP）中大脑血氧依赖（BOLD）信号的低频功能振荡特征。研究重点探索了BOLD在特定0.05 Hz频带中的功率变化，并关联眼睑闭合行为标记的不同困倦状态，成功捕获睡眠初期脑功能状态的细微及动态变化。这不仅为深入理解睡眠转换过程提供了新的神经影像学证据，也提示了基于眼动指标优化睡眠状态实时监测的可能性，尤其适用于干扰环境中的非侵入式检测。

本研究纳入41名健康年轻成人（18-36岁），排除神经精神疾病及极端生物节律个体，实施适度睡眠剥夺（前一晚限制睡眠5小时）以促进SOP出现。标注休息状态下，利用3T MRI采集高时间分辨率（TR=1s）45分钟静息态fMRI数据，同时通过MRI室内视频监控追踪眼睑动态。凭借深度学习驱动的眼部关键点检测算法，计算并标准化计算眼睑闭合度（EAR），进一步生成PERCLOS指数，以秒级时间窗口划分个体的四个困倦状态：“清醒”、“可能困倦”、“困倦”、及“微睡眠”。多谱段功率谱分析揭示BOLD信号在不同状态下的频率特征，结合大脑165个解剖分区（AAL3）及七大功能网络进行统计建模分析。

研究结果

困倦状态分布与动态特征

参与者在45分钟扫描期间普遍经历困倦状态转变，100%人群至少出现“可能困倦”状态，97.5%进入“困倦”状态，约85%出现“微睡眠”阶段。总体上，参与者约67%的时间处于非清醒状态，说明在MRI环境下出现SOP普遍且频繁。进一步统计验证，PERCLOS标记的困倦状态与参与者自述的休息问卷保持一致，提示眼睑动态良好反映主观觉醒水平。

图：各嗜睡状态所占时间百分比的分布情况

BOLD信号低频振荡的频率特征

功率谱分析显示，BOLD信号在0.05 Hz频率附近振荡功率达到峰值，无论在何种困倦状态均呈现此特征，随后功率随频率接近0.1 Hz下降。这一波动频段的PSD与PERCLOS指数呈正相关，尤其在初级感觉区相关性最强，提示该低频信号可作为困倦大脑状态的特征指标。

PSD0.05随困倦状态在脑区的分布与演变

统计模型（GLM）鉴别出58个脑区的PSD0.05在困倦状态间存在显著差异。逐步递增的PSD0.05沿状态阶梯呈现如下分布：首先在初始觉醒→可能困倦间激增于躯体感觉及小脑区（效应量Cohen’s d=0.27），继而扩散至初级视觉与颞区（可能困倦→困倦，d=0.35），最终触及下顶叶区（困倦→微睡眠，d=0.31）。相比之下，深部结构如丘脑的响应关联较弱但依然显著（d=0.36）。

PSD0.05在功能网络层面的表现

基于Yeo等7大功能网络模板，线性混合模型显示困倦状态和网络类型均显著影响低频振荡强度，且二者存在交互效应。视觉与躯体运动网络中PSD0.05显著随困倦升级而增强；而默认模式网络（DMN）、背侧及腹侧注意网络无显著变化，提示该低频振荡主要反映以感觉运动为核心的神经活动降调。

图：AAL3图谱中不同嗜睡状态之间感兴趣区域（ROI）的BOLD信号振荡在0.05 Hz下的功率谱密度（PSD0.05）事后比较结果

讨论

本研究首度结合fMRI与眼睑动态监测，揭示了睡眠初期困倦状态（SOP）伴随着大脑BOLD信号于0.05 Hz的低频功能振荡渐进增强，尤其聚焦于感觉、视觉及运动相关皮层，体现SOP中睡眠觉醒转换的神经动态特征。相较传统EEG依赖的睡眠分期，本方法以眼睑闭合行为反映疑似神经活动的运动抑制特征，提升了困倦早期识别的时间灵敏度，正确捕捉了浅睡眠状态的渐进性。

此外，0.05 Hz的低频波段对应文献中与睡眠不稳定有关的周期性交替模式（CAPs），提示其可能是睡眠压力与觉醒系统动态斗争的生物标志，尤其是在受试轻度睡眠剥夺、MRI噪声及约束诱发的非典型睡眠环境中表现突出。该频段诱发的谱功率梯度与体感运动皮层为主的局部神经活动减弱相一致，为睡眠启动阶段抑制外界感知提供大脑机制支撑。

这一发现拓宽了睡眠神经影像学在困倦识别与睡眠阶段划分中的应用，强调了通过非侵入式眼动指标结合fMRI实现困倦状态动态追踪的潜力，尤为适合噪声复杂、EEG记录受限的环境。未来可基于这一指标优化睡眠相关功能磁共振数据的信号质量校正，助力临床睡眠障碍评估及驾驶安全等应用。

原始出处

Gaez I.I., Attoh-Mensah E., Nathou C., et al. Dynamic functional MRI markers of drowsiness during sleep onset period. iScience. 2025;28:113088. Published by Elsevier Inc.; 2025-08-15. https://doi.org/10.1016/j.isci.2025.113088

Tags： iScience：功能磁共振成像与眼睑动态结合解析睡眠初期困倦的神经特征