使用同步 EEG-fMRI 和 DTI 的持续注意力任务（gradCPT）数据集

为什么我们的走神很重要

人人都熟悉在任务中走神的感觉——眼睛仍盯着书页或屏幕，但思绪飘向明天的计划或最近的一段对话。本文介绍了一个丰富且公开可用的大脑数据集，旨在捕捉这些日常注意力短暂失误的动态过程。研究者在受试者执行高负荷注意力任务时，用多台先进扫描设备同时记录大脑活动，目的是帮助科学家更好地理解注意力为何会失败、内在思维如何与外界竞争，以及大脑不同区域随时间如何协同工作。

同时从两个角度观察大脑

没有单一的脑成像仪能同时完整捕捉注意力波动时发生的一切。功能磁共振成像（fMRI）能以精细的空间分辨率显示大脑中活动的分布，但时间分辨率相对较慢。脑电图（EEG）能以毫秒级追踪快速的电活动，但难以精确定位信号来源。在这项研究中，28 名健康成人在磁共振成像仪中戴着 EEG 帽接受扫描，从而同步采集这两类数据。研究团队还采集了弥散成像，用以描绘大脑的结构连线，便于后续研究将快速的电生理变化、较慢的血流变化与连接脑区的白质结构联系起来。

一个容易引发白日梦的注意力挑战

核心实验使用了一种逐渐变化的持续性任务（gradCPT），它特别适合揭示注意力的瞬时变化。参与者观看一连串城市和山地场景画面，画面每 800 毫秒缓慢淡入淡出。被试需要对大多数城市图像按下按钮，但对较少出现的山地图像抑制按键。这个简单规则使注意力失误变得显而易见：未按按钮或在山地图像上误按都标志着注意力滑落。为探究内在思维如何干扰任务，研究者还加入了若干区块，要求参与者在执行 gradCPT 时生动想象未来的工作或学习日程，以及纯想象期、闪烁的棋盘格视觉任务和睁眼或闭眼静息期。

从嘈杂信号到可用的大脑图谱

在磁共振扫描仪内记录 EEG 在技术上具有挑战性：强磁场和快速切换的梯度会产生巨大的电噪声，这些噪声可能淹没微弱的大脑信号。研究团队对每位参与者进行了细致准备，最大限度减少电缆移动，并采用放大器和接线的最佳实践布局。随后他们使用专门软件减去重复出现的 MRI 相关噪声模式，去除与心跳有关的伪影，并滤除其它干扰。对于 fMRI 数据，他们应用了现代的标准化预处理流程，校正头动和扫描器畸变，对图像进行平滑处理并量化信号质量。弥散成像经过清理后用于重建主要白质通路以及超过一百个脑区之间的连通矩阵。质量检查显示头动较少、关键信号稳健且结构连接在解剖学上看起来合理。

大脑网络如何提示即将到来的错误

为展示该数据集的用途，作者重复了一个关于注意力失误的经典发现。他们关注三大脑网络：处理场景的视觉区域、支持目标导向聚焦的注意网络以及在内向思维和走神时更为活跃的“默认模式”网络。比较 gradCPT 中正确与错误试次前的大脑活动时，发现错误之前默认模式区域活动增强而视觉区域活动减弱。在反应时波动更大、行为更不稳定的“非最佳状态”期间，这一模式尤为明显。换言之，在表现下滑之前，大脑已经开始向内在思维倾斜，远离视觉任务。

一个用于研究注意力与分心的共享资源

除了这些初步示例之外，这项工作的真正产出是公开的数据集本身。该数据按广泛使用的格式组织并在 OpenNeuro 平台上共享，包含原始和预处理的 EEG、fMRI、弥散成像与行为数据，以及用于任务呈现和分析的代码。研究者可以用它来测试在 MRI 中清理 EEG 的新方法、探索结构连线如何支持注意力，或构建从多种脑信号模式预测注意力失误的模型。对非专业人士来说，结论很清晰：当我们走神时，面向外界和面向内在的脑网络之间的平衡会发生可检测的转变——该数据集为观察这些转变随时间展开提供了强有力的新窗口。

引用: Cha, Y., Lee, Y., Ji, E. et al. Sustained Attention Task (gradCPT) Dataset using simultaneous EEG-fMRI and DTI. Sci Data 13, 573 (2026). https://doi.org/10.1038/s41597-026-06616-6

关键词: 持续注意力, 走神, EEG fMRI, 脑网络, 开放神经影像数据