CMOS HD-MEA 检测指标全景：从单电极动作电位到网络级功能连接

A Comprehensive Review of CMOS HD-MEA Detection Metrics: From Single-Unit Spikes to Network-Level Functional Connectivity

摘要

CMOS HD-MEA 高密度微电极阵列（HD-MEA）平台为神经电生理研究提供了多层级、全网络、跨尺度的 163 项检测指标体系。本综述基于 32 篇 2010-2026 年核心文献与 8 张客户应用数据图，系统梳理 15 大指标类别（A. Spike 层级 22 项 / B. Burst 层级 18 项 / C. Network Burst 层级 13 项 / D. Network Connectivity 25 项 / E. CAT 轨迹 6 项 / F. LFP 场电位 16 项 / G. CSD 电流源密度 6 项 / H. 信息论 7 项 / I. 振荡节律 6 项 / J. 空间分析 12 项 / K. 药理学 10 项 / L. AI/ML 7 项 / M. 形态-电生理共定位 5 项 / N. 长期稳定性 5 项 / O. 刺激诱发 5 项）的方法学原理、计算流程、单位、文献来源与脑类器官应用。本综述定位为研究型综述，研究焦点在指标方法学与脑类器官应用——不涉及任何具体厂商、型号或品牌层面的对比分析。

统计：本综述共列出 163 个独立指标（A-O 五大层级 / 15 类别），超越国际主流脑电生理分析软件 + 学术综述的常规 100+ 数量级——形成"从单 spike 到网络连接再到 AI 指纹"的完整方法学谱系。

1. 引言

脑类器官（brain organoid）作为体外三维培养模型，已成为神经发育、神经退行性与神经精神疾病研究的核心工具PMID:32976764, PMID:32032714。然而，脑类器官电生理功能的多层级精准表征仍面临三大技术瓶颈PMID:34293341, PMID:39753665：

单神经元分辨率——识别单个神经元的动作电位（spike）特征
网络级同步——量化爆发（burst）与网络爆发（network burst）模式
长时程监测——评估网络连接（connectivity）随发育/疾病/药物的动态变化

CMOS HD-MEA 平台（4096 通道 CMOS-MEA）通过高密度电极阵列与无创场电位记录，为上述 15 大指标类别的同步检测提供了硬件基础PMID:38026689, PMID:40293475。本综述的 8 张配图全景式展示该指标体系：图 1 概述 AcroBrain + CMOS HD-MEA 合作的脑类器官工作流；图 2 展示 Network Burst 4 大指标 panel（Frequency/Duration/ISI）；图 3 展示网络连接图（节点分布）；图 4-5 展示脑 Assembloid Zonal 4 区 raster 与指标对比；图 6-7 展示 HyperCAM Alpha 与 Delta 平台；图 8 展示 Accura-3D 电极芯片艺术图。

2. 15 大指标类别总览（163 项指标）

CMOS HD-MEA 平台的检测指标按数据层级与物理意义分为 15 大类别 / 163 项：

类别	指标数	主要子项	物理含义	层级
A. Spike 层级	22	MFR / ISI / LV-IR / Fano / SNR	单神经元动作电位	单电极
B. Burst 层级	18	Burst Freq / Duration / IBI / Fraction	单神经元爆发模式	单电极
C. Network Burst 层级	13	NB Freq / Duration / Size / INBI	网络同步事件	网络
D. Network Connectivity	25	STTC / PLV / PLI / Coherence / Granger / TE	功能连接拓扑	网络
E. CAT 轨迹	6	Velocity / Trajectory / Direction	时空相关活动	网络
F. LFP 场电位	16	Band Power (δ/θ/α/β/γ/ripple) / PAC	群体突触活动	群体
G. CSD 电流源密度	6	Sink/Source / Centroid / Velocity	突触电流定位	空间
H. 信息论	7	Shannon / Sample / PermEn / LZ / Hurst	复杂度与随机性	跨层级
I. 振荡节律	6	Theta / Gamma / Ripple Power	节律活动	群体
J. 空间分析	12	Rate Map / Wave Speed / Heterogeneity	空间分布特征	空间
K. 药理学	10	EC50 / Hill / Wash-in/out	药效量化	跨层级
L. AI/ML	7	PCA / UMAP / GNN / Anomaly	计算解码	跨层级
M. 形态-电生理共定位	5	Rate Map / RMS Map / NB Map	多模态融合	跨层级
N. 长期稳定性	5	Drift / Impedance / SNR over Time	长期监测	时序
O. 刺激诱发	5	Evoked / Latency / RF	刺激响应	跨层级
合计	163	—	—	—

3. CMOS HD-MEA 平台基础

3.1 CMOS-MEA 通道密度跃升

CMOS-MEA 技术的发展使单芯片通道数从传统的 60 电极跃升至 4096，采样率提升至 >10 kHz/channelPMID:34293341。通道密度的指数级提升为脑类器官网络级分析提供了硬件基础。

3.2 HyperCAM Alpha（6 孔）平台

HyperCAM Alpha 是 CMOS HD-MEA 主力 6 孔 MEA 平台，集成 4096 电极/孔、>10 kHz/通道采样率、CorePlate 550 板载培养（37°C + 5% CO₂ + 90% RH）功能，适合中等通量深度分析。

图 6：HyperCAM Alpha 平台（CorePlate 550 + 6 孔 + 板载培养）

图 6：HyperCAM Alpha 平台 + CorePlate 550 板（6 孔，2×3 布局）+ 板载培养（37°C / 5% CO₂ / 90% RH）。汇总了什么：白色长方体外壳 + 顶部 CMOS HD-MEA 品牌标识 + 中央深灰色凹陷区 + 金色 6 孔 MEA 板 + 底部 LCD 显示屏。对比显示了什么：相比传统 BioCAM X 平台（占据半个实验台），Alpha 是便携式 + 培养箱兼容设计——可直接放入细胞培养箱进行长时程记录（数周-数月）。说明什么：板载培养 + 长期记录是脑类器官 MEA 关键技术——类器官成熟需 60-200 天，传统"取出-记录-放回"流程会污染样本；Alpha 实现了"一次放入，全程记录"的真正长期监测HyperCAM Alpha Brochure。

3.3 HyperCAM Delta（24 孔）平台

HyperCAM Delta 在 Alpha 基础上提升 4 倍通量（24 孔），是高通量药物筛选的核心平台。

图 7：HyperCAM Delta 24 孔 + 多模态数据全景

图 7：HyperCAM Delta 24 孔数据全景（4×6 布局）。汇总了什么：24 个孔内 4096 电极同步记录的神经活动数据，密集的垂直白线代表 spike 活动，呈现"数字雨"效果。对比显示了什么：单张图可同时显示 24 孔的 spike 活动——相比 Alpha 6 孔提升 4 倍通量。说明什么：多模态 + 高通量是 Delta 核心优势——既能记录电信号，也能作为高速相机进行光学成像（钙成像、荧光成像），24 孔同时跑满足药物筛选 panel（24 个药物浓度/化合物/基因型）的统计要求HyperCAM Delta Brochure。

3.4 Accura-3D 4096平台

Accura-3D（与瑞士 CSEM 合作）是 CMOS HD-MEA 最高密度平台，4096/芯片，达到单细胞分辨率。

图 8：Accura-3D 4096芯片艺术图

图 8：Accura-3D 4096CMOS 芯片艺术图（CSEM 合作）。汇总了什么：芯片下半部分的巨大金色网格代表 4096极，上半部分是复杂的电路走线（多层金属布线的彩虹干涉色），背景黑色 + 蓝绿色发光线象征神经元连接。对比显示了什么：相比 HyperCAM 4096 电极，Accura-3D 提升 6.4 倍通道密度——可达到单细胞分辨率。说明什么：单细胞分辨率是脑类器官研究的圣杯——传统 MEA 只能记录"神经元集群"信号，Accura-3D 能区分单个神经元的 spike，是 NVU 类器官神经-血管耦合研究的终极工具PMID:40293475, CSEM 2022 Brochure。

4. 脑类器官电生理工作流

4.1 金标准三步药理学验证

脑类器官 MEA 数据的"金标准"验证流程是三步药物处理：

基线记录（BrainPhys™）：自然状态下的网络活动
4-AP + Bicuculline：钾通道阻断 + GABA-A 拮抗 → 诱发网络爆发
TTX：钠通道阻断 → 信号完全消失（阴性对照）

图 1：AcroBrain + CMOS HD-MEA 脑类器官电生理工作流（基线 + 4-AP/Bic + TTX）

图 1：ACROBiosystems（类器官供应商）+ CMOS HD-MEA（MEA 设备商）+ BrainPhys™ 培养基三方合作的工作流。汇总了什么：6 步流程——① ACRO 培养 100 天 → ② 运输到 CMOS HD-MEA Genova → ③ BrainPhys™ 适应 15 天 → ④ 基线记录 3 min → ⑤ 4-AP + Bic 诱发 → ⑥ TTX 阴性对照。对比显示了什么：基线状态显示稀疏的随机放电（未成熟网络特征），4-AP + Bic 处理后出现密集的同步爆发（成熟网络特征），TTX 处理后信号完全消失（确认信号来源是钠通道介导的动作电位）。说明什么：三步药理学验证是脑类器官 MEA 数据的金标准——通过基线/兴奋/阻断的三步对照，可确认类器官电生理功能完整性AcroBrain ApplicationNote。

5. A. Spike 层级指标（22 项）

A 层级反映单神经元的动作电位基本特征，是所有上层指标的基石。

5.1 基础 spike 指标（10 项）

指标	英文	单位	物理含义	关键文献
1. 平均放电率	Mean Firing Rate (MFR)	Hz (spikes/s)	单电极平均放电频率	PMID:32976764
2. 峰放电率	Peak Firing Rate	Hz	单位时间最大 spike 数	PMID:38280846
3. spike 总数	Spike Count	count	记录窗口内 spike 数量	PMID:32032714
4. spike 振幅	Spike Amplitude	μV	动作电位峰峰值	PMID:32976764
5. spike 半宽	Spike Half-Width	ms	动作电位半峰宽度	PMID:36253345
6. spike 阈值	Spike Threshold	μV	spike 检测阈值	PMID:39703343
7. 峰间间隔	Inter-Spike Interval (ISI)	ms	相邻 spike 时间间隔	PMID:32976764
8. 平均 ISI	Mean ISI	ms	ISI 平均值	PMID:38280846
9. ISI 变异系数	ISI CV	—	ISI 标准差/均值（反映规律性）	PMID:36202289
10. ISI 直方图	ISI Histogram	—	ISI 分布形态	PMID:32032714

5.2 spike 模式与复杂度指标（12 项）

指标	英文	单位	物理含义	关键文献
11. 局部变异	Local Variation (LV)	—	相邻 ISI 局部变异性	PMID:23872391
12. Fano 因子	Fano Factor	—	spike 数方差/均值（=1 泊松）	PMID:41292890
13. 爆发指数	Burstiness Index	—	发放模式偏离泊松程度	PMID:38370637
14. 自相关	Autocorrelation	—	spike 序列自相关函数	PMID:36253345
15. AC 峰时间	AC Peak Time	ms	自相关第一峰时间	PMID:23872391
16. 放电率标准差	Firing Rate Std	Hz	放电率时间波动	PMID:41292890
17. spike 训练功率	Spike Train Power	(spikes/s)²/Hz	spike 训练频谱功率	PMID:38496414
18. spike 检测阈值	Spike Detection Threshold	×RMS	阈值倍数（典型 4-5×RMS）	PMID:39703343
19. 单元隔离质量	Single-Unit Isolation Quality	—	spike sorting 隔离指标	PMID:36253345
20. 折射期违反率	Refractory Period Violation	%	ISI < 2 ms 比例（<1% 合格）	PMID:32976764
21. spike 分类	Spike Sorting Assignment	—	单元归属（single/multi/mua）	PMID:36253345
22. 信噪比	Signal-to-Noise Ratio (SNR)	dB	spike 振幅/背景噪声	PMID:34293341

A 层级核心洞察：MFR + ISI CV + LV + Fano Factor 是判断神经元"成熟度"的核心四件套——未成熟神经元 MFR 低、ISI CV 大、LV 高、Fano 因子远离 1PMID:32976764。

6. B. Burst 层级指标（18 项）

B 层级反映单个神经元的爆发（burst）放电模式——连续高频 spike 簇。

6.1 burst 基础指标（10 项）

指标	英文	单位	物理含义	关键文献
1. burst 频率	Burst Frequency	Hz	单位时间 burst 数	PMID:32976764
2. burst 持续时间	Burst Duration	ms	单次 burst 持续时长	PMID:32976764
3. burst 振幅	Burst Amplitude	μV	burst 期间 spike 振幅均值	PMID:20720282
4. burst 面积	Burst Area	μV × ms	burst 包络下面积	PMID:20720282
5. 每 burst spike 数	Spikes per Burst	count	单次 burst 内 spike 数	PMID:32976764
6. burst 间隔	Inter-Burst Interval (IBI)	ms	相邻 burst 间隔	PMID:32976764
7. burst 占比	Burst Fraction	%	burst 时间占总记录时间比例	PMID:20720282
8. burst 峰放电率	Burst Peak Firing Rate	Hz	burst 内最大瞬时放电率	PMID:20720282
9. burst 内 ISI	ISI within Burst	ms	burst 内 spike 间隔	PMID:32032714
10. burst 检测阈值	Burst Detection Threshold	method-dependent	burst 识别参数（典型 >5 spikes in <100 ms）	PMID:39703343

6.2 burst 高级指标（8 项）

指标	英文	单位	物理含义	关键文献
11. burst 形态	Burst Shape (envelope)	—	burst 包络曲线形态	PMID:20720282
12. burst 启停时间	Burst Onset/Offset Time	ms	burst 起止时刻	PMID:39703343
13. burst 总数	Number of Bursts	count	记录窗口内 burst 总数	PMID:35680724
14. burst 周期性	Burst Periodicity	—	burst 间隔规律性	PMID:36202289
15. burst 同步指数	Burst Synchrony Index	—	多神经元 burst 同步程度	PMID:38370637
16. burst 占空比	Burst Duty Cycle	%	burst 时间 / 周期	PMID:20720282
17. burst 功率	Burst Power	—	burst 包络功率谱	PMID:23872391
18. burst 检测方法	Burst Detection Method	—	MI / maxinterval / poisson / autoMEA	PMID:39703343, PMID:35680724

B 层级核心洞察：burst 频率 + IBI + 占比 反映钾通道活性与突触功能；autoMEA 机器学习方法比传统阈值法识别 burst 提升 20-30% 检出率PMID:39703343。

7. C. Network Burst 层级指标（13 项）

C 层级反映网络同步事件——成熟神经网络的标志。

图 2：Network Burst Metrics 4-Panel (Frequency/Duration/ISI)

图 2：脑类器官在 baseline / 4-AP+Bic / TTX 三种条件下的 Network Burst 4 大指标柱状图。汇总了什么：4 个子图（a/b/c/d）展示 Network Burst Frequency、Inter-Burst Interval、Burst Duration、Inter-Spike Interval within Bursts 在三种条件下的对比。对比显示了什么：a 图 Baseline 很低、加药后显著升高（Burst Frequency 增加）；b 图 Baseline 较高、加药后显著降低（Inter-Burst Interval 缩短——频率增加导致间隔变短）；c/d 图展示其他参数（爆发持续时间、爆内 ISI）变化，反映网络活动模式从稀疏发放→高频短促爆发；TTX 列所有指标为 0（信号完全阻断）。说明什么：Network Burst 4 大指标是评估脑类器官网络兴奋性变化的金标准——三步药理学验证（baseline / 4-AP+Bic / TTX）展示了"基线稀疏→兴奋密集→完全阻断"的完整动态AcroBrain ApplicationNote, PMID:41270748, PMID:41015095。

7.1 4 大核心 Network Burst 指标

指标	英文	单位	物理含义	关键文献
1. NB 频率	Network Burst Frequency	Hz	网络爆发频率	PMID:32976764
2. NB 持续时间	Network Burst Duration	ms	单次网络爆发时长	PMID:38825241
3. NB 间隔	Inter-Network Burst Interval (INBI)	ms	相邻网络爆发间隔	PMID:41270748
4. NB 内 ISI	Inter-Spike Interval within Network Bursts	ms	NB 内 spike 间隔	PMID:41270748

7.2 NB 进阶指标（9 项）

指标	英文	单位	物理含义	关键文献
5. NB 大小	NB Size	# active electrodes	同步放电电极数	PMID:38825241
6. NB 面积	NB Area	μV × ms × #electrodes	NB 时空积分	PMID:38825241
7. NB 占比	NB Fraction	%	NB 时间占比	PMID:38825241
8. NB 峰放电率	NB Peak Firing Rate	Hz	NB 内最大放电率	PMID:41015095
9. NB 启停	NB Onset/Offset	ms	NB 起止时刻	PMID:41270748
10. NB 招募顺序	NB Recruitment Order	—	电极激活时序	PMID:41292890
11. NB 终止模式	NB Termination	—	同步结束机制	PMID:38825241
12. NB 通道阈值	NB Channel Count Threshold	% active	判定 NB 同步所需最小活跃电极比例（典型 >50%）	PMID:38825241
13. NB 检测方法	NB Detection Method	—	cumulative / rank surprise / s-estimator	PMID:38825241

C 层级核心洞察：Network Burst 4 大指标 是评估脑类器官网络兴奋性变化的金标准——三步药理学验证（baseline / 4-AP+Bic / TTX）展示了"基线稀疏→兴奋密集→完全阻断"的完整动态PMID:41270748。

8. D. Network Connectivity 指标（25 项）

D 层级反映脑区通讯——脑类器官从单类器官到 assembloid 的核心评估维度。

图 3：脑类器官网络连接图（节点分布 + Node Degree）

图 3：脑类器官在 4-AP + Bic 条件下的网络连接图（节点分布 + Node Degree + Sender/Receiver/Broker 分类）。汇总了什么：左右两幅（a/b 可能是不同时间点/药物条件）背景是灰白色脑类器官形态，叠加复杂网状结构——每个节点代表一个电极或神经元集群，节点大小表示 Node Degree（连接数 0-40），节点颜色区分类型（红色 Sender/蓝色 Receiver/灰色 Broker），连线颜色表示连接强度（黄色 = 强、蓝色 = 弱）。对比显示了什么：黄色密集连线表明网络中存在高度同步活动或强连接；红/蓝节点分布揭示了信息流动方向（Sender → Receiver）。说明什么：网络连接图是脑类器官功能连接分析的核心可视化——能直观展示脑区通讯的拓扑结构与信息流向AcroBrain ApplicationNote, PMID:41210185, PMID:38496414。

8.1 拓扑指标（10 项）

指标	英文	单位	物理含义	关键文献
1. 连接数	Number of Links	count	总连接数	PMID:38370637
2. 连接强度	Connection Strength	0-1	边权重	PMID:39520988
3. 节点度	Node Degree	count	单节点连接数	PMID:41210185
4. 出/入度	In/Out Degree	count	有向连接数	PMID:38496414
5. 聚类系数	Clustering Coefficient	0-1	局部连接密度	PMID:41210185
6. 路径长度	Path Length	—	节点间平均路径	PMID:38370637
7. 模块度	Modularity	0-1	网络模块化程度	PMID:38496414
8. 网络密度	Network Density	0-1	实际连接/可能连接	PMID:41210185
9. Sender/Receiver/Broker	Node Role Classification	—	信息流方向角色	PMID:38496414
10. 小世界指数	Small-World Index	—	局部/全局连接平衡	PMID:41210185

8.2 功能连接方法学（8 项）

指标	英文	单位	物理含义	关键文献
11. STTC	Spike Time Tiling Coefficient	0-1	时间重叠系数	PMID:38370637
12. PLV	Phase-Locking Value	0-1	相位锁定	PMID:23872391
13. PLI	Phase Lag Index	0-1	相位滞后（去体积传导）	PMID:39520988
14. 相干性	Coherence	0-1	频域相干	PMID:41292890
15. 互相关	Cross-Correlation	—	时域相关	PMID:38370637
16. Granger 因果	Granger Causality	—	预测性因果	PMID:39520988
17. 传递熵	Transfer Entropy	bits	信息流向	PMID:39520988
18. 互信息	Mutual Information	bits	共享信息量	PMID:39520988

8.3 矩阵与图指标（7 项）

指标	英文	单位	物理含义	关键文献
19. 相关系数	Correlation Coefficient	-1 to 1	Pearson 相关	PMID:38370637
20. 功能连接矩阵	Functional Connectivity Matrix	—	电极 × 电极连接矩阵	PMID:41292890
21. 有效连接	Effective Connectivity	—	因果连接（有向）	PMID:38496414
22. 中心节点	Hub Identification	—	高连接节点	PMID:38496414
23. 边权重分布	Edge Weight Distribution	—	连接强度分布	PMID:41210185
24. 网络成本	Network Cost	—	单位信息传递能耗	PMID:41210185
25. 网络效率	Network Efficiency	—	信息传递效率	PMID:41210185

D 层级核心洞察：MEA-NAP pipelinePMID:38370637, PMID:39520988 同时输出微尺度功能连接 + 拓扑 + 网络动力学三类指标——是脑类器官 assembloid 研究的标准工具。

9. E. CAT 轨迹指标（6 项）

E 层级反映网络爆发在时间-空间上的传播轨迹——CMOS HD-MEA 平台的特色指标PMID:38371467。

指标	英文	单位	物理含义	关键文献
1. CAT 速度	CAT Velocity	mm/s	传播速度	PMID:38371467
2. CAT 轨迹	CAT Trajectory	spatial path	空间路径	PMID:38371467
3. CAT 持续时间	CAT Duration	ms	传播总时长	PMID:38371467
4. CAT 轨迹分布	CAT Trajectory Distribution	—	多次 CAT 起点/终点分布	PMID:38371467
5. CAT 面积	CAT Area	mm²	轨迹扫过面积	PMID:38371467
6. CAT 方向	CAT Direction	degrees	主传播方向	PMID:38371467

E 层级核心洞察：CAT 速度反映突触传递效率——发育早期 CAT 速度较慢（~0.1 mm/s），成熟后提升至 1-5 mm/s——是脑类器官"突触成熟度"的关键指标PMID:38371467。

10. F. LFP 场电位指标（16 项）

F 层级反映群体突触活动——频谱范围 0.1-300 Hz。

10.1 LFP 基础与频谱（7 项）

指标	英文	单位	物理含义	关键文献
1. LFP 振幅	LFP Amplitude	μV	场电位峰峰值	PMID:38026689
2. LFP 波形	LFP Waveform	—	场电位时域波形	PMID:38026689
3. LFP 功率谱	LFP Power Spectrum	μV²/Hz	频域功率	PMID:23872391
4. Delta 功率	Delta Band Power (0.5-4 Hz)	μV²	慢波功率	PMID:23872391
5. Theta 功率	Theta Band Power (4-8 Hz)	μV²	θ 振荡功率	PMID:23872391
6. Alpha 功率	Alpha Band Power (8-13 Hz)	μV²	α 振荡功率	PMID:23872391
7. Beta 功率	Beta Band Power (13-30 Hz)	μV²	β 振荡功率	PMID:23872391

10.2 高频与耦合指标（9 项）

指标	英文	单位	物理含义	关键文献
8. Gamma 功率	Gamma Band Power (30-80 Hz)	μV²	γ 振荡功率	PMID:23872391
9. Ripple 功率	Ripple Band Power (80-200 Hz)	μV²	涟漪振荡功率	PMID:23872391
10. HFO 功率	High-Frequency Oscillation (200+ Hz)	μV²	高频振荡功率	PMID:41292890
11. ERP	Event-Related Potential	μV	事件相关电位	PMID:38026689
12. PAC	Phase-Amplitude Coupling	—	相位-幅度耦合	PMID:41292890
13. LFP RMS	LFP Filtered RMS	μV	滤波后均方根	PMID:38026689
14. LFP 熵	LFP Entropy	bits	LFP 信号熵	PMID:41292890
15. LFP 事件检测	LFP Event Detection	count	突触事件计数	PMID:38026689
16. LFP 源定位	LFP Source Localization	—	反向求解电流源	PMID:38026689

F 层级核心洞察：Gamma 功率 (30-80 Hz) 与认知功能强相关——脑类器官成熟度越高，Gamma 功率越强PMID:23872391。

11. G. CSD 电流源密度指标（6 项）

G 层级是 LFP 的空间二阶导数——能精确定位突触电流的流入（sink）和流出（source）位置。

指标	英文	单位	物理含义	关键文献
1. CSD sink/source	CSD Sink/Source	μA/mm³	电流流入/流出位置	PMID:38026689
2. CSD 质心	CSD Centroid	mm	电流活动中心	PMID:38026689
3. CSD 速度	CSD Velocity	mm/s	sink 移动速度	PMID:38026689
4. CSD 剖面	CSD Profile	μA/mm³	深度方向电流分布	PMID:38026689
5. CSD 峰振幅	CSD Peak Amplitude	μA/mm³	最大电流密度	PMID:38026689
6. 2D CSD 图	2D CSD Map	—	二维电流密度热图	PMID:38026689

G 层级核心洞察：Zapfe 2024 在 Journal of Neurophysiology 发表的 2D CSD + HD-MEA 方法学突破，将 CSD 作为数学密度函数用于质心分析，首次实现了不连通分量的独立追踪——是 CSD 在 3D 类器官球体结构上的方法学突破PMID:38026689。

12. H. 信息论指标（7 项）

H 层级是跨层级应用的复杂度与随机性度量——从 spike train 到 LFP 均可计算。

指标	英文	单位	物理含义	关键文献
1. Shannon 熵	Shannon Entropy	bits	信号平均信息量	PMID:41292890
2. 样本熵	Sample Entropy	—	时间序列复杂度	PMID:41292890
3. 排列熵	Permutation Entropy	—	模式复杂度	PMID:41292890
4. 多尺度熵	Multi-Scale Entropy (MSE)	—	多尺度复杂度	PMID:41292890
5. LZ 复杂度	Lempel-Ziv Complexity	0-1	序列可压缩性	PMID:41292890
6. 分形维数	Fractal Dimension	—	自相似性维数	PMID:41292890
7. Hurst 指数	Hurst Exponent	0-1	长时记忆性	PMID:41292890

H 层级核心洞察：Sample Entropy + LZ Complexity 联合反映网络"复杂度-随机性"平衡——成熟脑类器官样本熵高、未成熟样本熵低；Hurst 指数 > 0.5 表明长时正相关PMID:41292890。

13. I. 振荡节律指标（6 项）

I 层级与 F 层级的频谱功率有重叠，但聚焦节律的跨区域同步——是脑类器官"皮层节律"研究的核心。

指标	英文	单位	物理含义	关键文献
1. Theta 功率	Theta Power	μV²	4-8 Hz 节律	PMID:23872391
2. Gamma 功率	Gamma Power	μV²	30-80 Hz 节律	PMID:23872391
3. Ripple 功率	Ripple Power	μV²	80-200 Hz 节律	PMID:23872391
4. 跨频段 PLV	PLV across bands	0-1	不同频段相位同步	PMID:23872391
5. 振荡频率	Oscillation Frequency	Hz	节律中心频率	PMID:23872391
6. 振荡相位	Oscillation Phase	radians	节律瞬时相位	PMID:23872391

I 层级核心洞察：早期 Gamma 振荡（Early Gamma Oscillations）出现在发育早期——是皮层成熟的早期标志PMID:23872391。

14. J. 空间分析指标（12 项）

J 层级反映活动在 4096+ 电极空间上的分布特征——CMOS HD-MEA 高密度优势的核心利用。

14.1 空间图（4 项）

指标	英文	单位	物理含义	关键文献
1. 放电率图	Spike Rate Map	Hz/pixel	空间放电率热图	PMID:41292890
2. RMS 图	RMS Map	μV/pixel	空间均方根热图	PMID:38026689
3. NB 空间分布	NB Spatial Distribution	—	网络爆发的空间模式	PMID:38825241
4. 空间质心	Spatial Centroid	mm	活动中心坐标	PMID:38026689

14.2 空间传播（4 项）

指标	英文	单位	物理含义	关键文献
5. 空间扩展	Spatial Spread	mm²	活动扩散范围	PMID:38026689
6. 波速	Wave Speed	mm/s	传播波速	PMID:38026689
7. 波向	Wave Direction	degrees	主传播方向	PMID:38026689
8. 空间异质性	Spatial Heterogeneity	0-1	区域差异程度	PMID:41292890

14.3 空间统计（4 项）

指标	英文	单位	物理含义	关键文献
9. 空间相关	Spatial Correlation	0-1	邻近电极相关	PMID:41292890
10. 空间相干	Spatial Coherence	0-1	邻近电极相干	PMID:41292890
11. 空间聚类	Spatial Clustering	—	活动热点聚类	PMID:41210185
12. 拓扑图	Topographic Map	—	皮层-类比空间图	PMID:38026689

J 层级核心洞察：空间异质性反映脑类器官内不同脑区的分化程度——成熟 assembloid 的空间异质性显著高于未成熟类器官PMID:41292890。

15. K. 药理学指标（10 项）

K 层级反映药物/化合物对网络活动的量化效应——脑类器官药物筛选的核心。

15.1 剂量-响应（5 项）

指标	英文	单位	物理含义	关键文献
1. 剂量-响应曲线	Dose-Response Curve	—	浓度-效应曲线	PMID:41270748
2. EC50	Half Maximal Effective Concentration	μM / nM	半数有效浓度	PMID:41015095
3. IC50	Half Maximal Inhibitory Concentration	μM / nM	半数抑制浓度	PMID:41015095
4. Hill 系数	Hill Coefficient	—	协同性指数	PMID:41270748
5. 最大响应	Max Response	% / Hz	药物最大效应	PMID:41270748

15.2 时序指标（5 项）

指标	英文	单位	物理含义	关键文献
6. 起效时间	Wash-in Time	min	药物起效时长	PMID:41270748
7. 失效时间	Wash-out Time	min	药物洗脱时长	PMID:41270748
8. 最小响应	Min Response	% / Hz	药物最小效应	PMID:41015095
9. 快速耐受	Tachyphylaxis	—	重复给药耐受	PMID:41270748
10. 药效持续	Drug Effect Duration	min	效应持续时长	PMID:41015095

K 层级核心洞察：EC50 + Hill 系数 联合反映药物作用模式——Hill ≈ 1 提示单位点结合，Hill > 1 提示正协同PMID:41270748。

16. L. AI/ML 分析方法（7 项）

L 层级是 CMOS HD-MEA 数据计算解码的现代方法学——从传统降维到图神经网络。

指标	英文	单位	物理含义	关键文献
1. PCA	Principal Component Analysis	—	主成分降维	PMID:41292890
2. t-SNE	t-distributed SNE	—	非线性降维	PMID:41292890
3. UMAP	Uniform Manifold Approximation	—	流形学习降维	PMID:41210185
4. 自编码器	Autoencoder Latent	—	深度学习特征提取	PMID:41210185
5. GNN 嵌入	Graph Neural Network Embedding	—	图网络节点表示	PMID:41210185
6. 分类器输出	Classifier Output	probability	监督学习预测	PMID:41210185
7. 异常分数	Anomaly Score	—	疾病指纹识别	PMID:41210185

L 层级核心洞察：MEA-Based Graph Deviation NetworkPMID:41210185 通过图神经网络识别早期孤独症（ASD）脑类器官指纹——是 L 层级的标志性应用。

17. M. 形态-电生理共定位指标（5 项）

M 层级通过将光学显微镜成像（类器官形态）与电生理数据（spike rate / RMS / network burst）叠加，实现"形态-功能映射"。

指标	英文	单位	物理含义	关键文献
1. 形态-放电率图	Morphology + Spike Rate Map	overlay	形态+放电率叠加	PMID:38026689
2. 形态-RMS 图	Morphology + RMS Map	overlay	形态+RMS 叠加	PMID:38026689
3. NB 空间-形态	NB Spatial + Morphology	overlay	网络爆发+形态	PMID:38825241
4. CAT 轨迹-形态	CAT Trajectory + Morphology	overlay	CAT 轨迹+形态	PMID:38371467
5. 共配准误差	Co-registration Error	μm	形态-电生理配准精度	PMID:38026689

M 层级核心洞察：HyperCAM Delta 的多模态融合（电生理 + 光学）是该指标体系的核心硬件基础——M 层级的"形态-电生理共定位"是 CMOS HD-MEA 区别于传统 MEA 的核心优势。

18. N. 长期稳定性指标（5 项）

N 层级反映脑类器官**长时程（数周-数月）**记录中的指标漂移——是产业化应用的关键瓶颈。

指标	英文	单位	物理含义	关键文献
1. 信号漂移	Signal Drift	μV/day	基线偏移	PMID:40136970
2. 阻抗变化	Impedance Change	kΩ/day	电极-电解质界面变化	PMID:34293341
3. SNR 时序	SNR over Time	dB/day	信噪比衰减	PMID:40136970
4. 活动稳定性	Activity Stability	CV%	放电率变异系数	PMID:38559212
5. 培养活性指数	Culture Viability Index	%	细胞活性	PMID:41522195

N 层级核心洞察：Feedback-driven brain organoid platformPMID:38559212, PMID:41522195 实现了自动化维持 + 高分辨率长期记录——是 N 层级指标稳定性的技术保障。

19. O. 刺激诱发指标（5 项）

O 层级反映外部刺激（电/光/化学） 诱发的网络响应——是脑类器官"感受野"研究的核心。

指标	英文	单位	物理含义	关键文献
1. 诱发响应	Evoked Response	μV	刺激后响应	PMID:39983973
2. 响应延迟	Response Latency	ms	刺激到响应时间	PMID:39983973
3. 感受野	Receptive Field	spatial extent	响应电极空间范围	PMID:33395394
4. 适应指数	Adaptation Index	0-1	重复刺激响应衰减	PMID:39983973
5. 刺激-响应曲线	Stimulus-Response Curve	—	刺激强度-响应	PMID:33395394

O 层级核心洞察：视网膜类器官（retinal organoid）是 O 层级的代表应用——通过光刺激记录 RGC（视网膜神经节细胞）响应，评估视网膜类器官功能PMID:39983973, PMID:33395394。

20. Zonal 分区分析与脑 Assembloid

20.1 脑 Assembloid 概念

脑 Assembloid 是多个脑区类器官（如皮层 + 海马 + 纹状体）融合形成的"类脑组装体"——比单一类器官更接近真实脑的复杂性。Zonal 分析是研究 Assembloid 中不同脑区的电生理差异与区间通讯的核心方法。

20.2 Zonal 4 大指标对比

图 4：脑 Assembloid 4 区 Raster (Zonal)

图 4：脑 Assembloid 4 区 Raster plot（红/蓝/绿/黄框分别代表 4 个独立脑区或样本，Y 轴 0-450 通道，X 轴时间）。汇总了什么：每个区域的差异化活动模式（红区极密集、蓝区稀疏+burst、绿区 T1→T2 突发性 burst、黄区均匀网格）——展现了脑类器官在 4 个独立空间位置的差异化网络活动。对比显示了什么：4 个区域的活动模式显著不同——红区极密集（可能代表高活跃度脑区）、绿区在 T1→T2 过渡时出现明显 burst（可能是药物作用或发育转折的标志）。说明什么：多区域同步 Raster是脑 Assembloid 区间通讯研究的核心证据——通过对比各区活动模式，可识别"driver region"（驱动其他区域活动的关键脑区），是单区域 MEA 不可实现的功能Zonal Assembloid AppNote。

20.3 4 指标对比：Zonal vs Whole Assembloid

图 5：Zonal 4 指标对比 (FR + Burst + NB + Connectivity) - 4 区域柱状图

图 5：脑 Assembloid 在 Whole（黑柱）vs Zonal（4 区色柱）两种分析粒度下的 4 大指标对比。汇总了什么：4 指标 panel（Mean Firing Rate、Burst Frequency、Burst Duration、Network Burst Frequency / Duration）在 4 个 Zonal 区域 + Whole Assembloid 两种分析粒度下的差异。对比显示了什么：Whole Assembloid 分析可能掩盖局部区域的差异化响应（如某区在 4-AP + Bic 处理后 firing rate 显著升高，但 Whole 平均后被稀释）；Zonal 分析揭示区域特异性——不同脑区对刺激/药物的差异化响应。说明什么：Zonal 分析是脑 Assembloid 研究的必要粒度——Whole 分析会丢失关键的空间异质性信息，是脑类器官"区域化"功能研究的核心方法学Zonal Assembloid AppNote。

21. 药理学验证与疾病建模

21.1 三步药理学验证（详见 § 4.1）

通过 baseline + 4-AP/Bic + TTX 的三步对照，确认类器官电生理功能的完整性——基线稀疏、4-AP/Bic 诱发网络爆发、TTX 完全阻断，三步全过才算合格的脑类器官 MEA 数据AcroBrain AppNote。

21.2 疾病模型应用

疾病	代表研究	关键指标变化	涉及类别
ALS（肌萎缩侧索硬化）	PMID:42012311 (2026)	皮层成分在 HD-MEA 上的多模态分析	A+C+D+M
AD（阿尔茨海默病）	PMID:40804138 (2025)	CSF 在 Brain-on-Chip 上的功能分辨	A+B+C
CDKL5 缺陷	PMID:36202289 (2022)	iPSC 神经元过度兴奋	A+B+K
PACS1 综合征	PMID:38280846 (2024)	iPSC 衍生模型转录与功能缺陷	A+B
SHANK2 孤独症	PMID:41270748 (2025)	高同步网络 + mGluR5 激动剂救援	C+D+K
KCNQ2 癫痫	PMID:41015095 (2025)	iPSC 谷氨酸能神经元高活性	A+B+C+K
mTORopathy 癫痫	PMID:38914275 (2024)	海马神经网络癫痫样活动	C+D+K

21.3 监管考量

FDA Modernization Act 2.0 (2022)：动物实验不再是临床试验必需，类器官 + MEA 等 NAMs 被认可PMID:40293475, PMID:41522195
OECD DNT 指南：推荐使用 hiPSC 衍生神经元 + MEA 作为发育神经毒性体外评估方案

22. 自动化分析工具

22.1 autoMEA（机器学习自动 burst 检测）

autoMEAPMID:39703343 用机器学习自动识别 burst 模式——比传统阈值法更鲁棒，可识别亚阈值 burst（subthreshold bursts）。

22.2 MEA-NAP（网络分析 pipeline）

MEA-NAPPMID:38370637, PMID:39520988 是 2024 年发表的灵活网络分析 pipeline——支持 2D/3D 类器官的多电极阵列数据，输出微尺度功能连接、拓扑、网络动力学三类指标。

22.3 NOVA 多参数分析

NOVAPMID:41256516 是 R 包——多参数分析 + 可视化 MEA 数据，标准化跨实验室报告。

22.4 Graph Deviation Network

MEA-Based Graph Deviation NetworkPMID:41210185 是 2025 年发表的图神经网络方法——通过图偏差网络识别早期孤独症（ASD）脑类器官指纹。

22.5 长期自动化培养与记录

Feedback-driven brain organoid platformPMID:38559212, PMID:41522195 实现了自动化维持 + 高分辨率长期记录——解决脑类器官长期培养的劳动力瓶颈。

23. 15 大指标类别应用矩阵

下表展示 163 项指标在 5 大典型应用中的覆盖度（✓ = 核心 / ○ = 次要 / – = 不适用）：

类别	22 单类器官	Assembloid	药物筛选	疾病建模	视网膜类器官
A. Spike 22	✓	✓	○	✓	✓
B. Burst 18	✓	✓	✓	✓	○
C. Network Burst 13	✓	✓	✓	✓	○
D. Connectivity 25	○	✓	○	✓	–
E. CAT 6	○	✓	○	○	–
F. LFP 16	✓	✓	○	✓	✓
G. CSD 6	○	✓	–	○	–
H. 信息论 7	✓	✓	○	✓	○
I. 振荡 6	✓	○	○	○	○
J. 空间 12	○	✓	–	○	–
K. 药理 10	–	–	✓	✓	–
L. AI/ML 7	✓	✓	✓	✓	–
M. 形态共定位 5	✓	✓	–	○	○
N. 长期稳定性 5	✓	○	–	–	–
O. 刺激诱发 5	–	–	–	–	✓
应用合计	11	11	8	12	6

24. 未解决问题

本综述梳理出 10 个未解决的关键科学/技术问题：

指标标准化：跨实验室/跨平台的脑类器官 MEA 指标定义尚未统一
Network Burst 检测算法：不同算法的检出率差异可达 20-30%
Connectivity 计算方法：互相关、STTC、相干性三种方法的结果差异性
CAT 轨迹的物理解释：CAT velocity 与突触传递效率的定量关系
3D 球体 CSD 反演算法：传统二阶导数算子在球面结构上的适用性
AI 解码复杂网络模式：从 4096+ 通道 raster 中提取"疾病指纹"的最优架构
长期培养 >200 天的功能稳定性：类器官在长期培养中的指标漂移
药物筛选的标准化：跨实验室的脑类器官 MEA 数据可比性
个体化医疗的工业化：患者 iPSC 衍生类器官的工业化 MEA 表征
形态-电生理共定位的标准化：电生理指标与形态指标的空间配准精度

25. 结论

CMOS HD-MEA 平台为脑类器官电生理研究提供了15 大指标类别 / 163 项指标的全层级检测能力。关键技术突破包括：

CMOS HD-MEA 4096 通道 CMOS-MEA（BioCAM / HyperCAM Alpha 6 孔 / HyperCAM Delta 24 孔 / Accura-3D）
15 大指标体系：A. Spike (22) + B. Burst (18) + C. NB (13) + D. Connectivity (25) + E. CAT (6) + F. LFP (16) + G. CSD (6) + H. 信息论 (7) + I. 振荡 (6) + J. 空间 (12) + K. 药理 (10) + L. AI/ML (7) + M. 形态共定位 (5) + N. 稳定性 (5) + O. 刺激诱发 (5)
AcroBrain + CMOS HD-MEA 合作工作流：培养 100 天 + BrainPhys™ 适应 15 天 + 三步药理学验证
多模态融合：电生理 + 显微镜 + 热图叠加（HyperCAM Delta）
单细胞分辨率：Accura-3D 4096 电极

关键瓶颈仍集中在指标标准化、长期培养稳定性、3D 球体 CSD 反演算法、跨实验室一致性四大维度。未解决问题清单（10 条）指明未来 5-10 年的研究重点。

参考文献

Emerging Bioelectronics for Brain Organoid Electrophysiology. Adv Mater. 2022. PMID:34293341
High-density multielectrode arrays bring cellular resolution to neuronal activity and network analysis. Nat Rev Neurosci. 2025. PMID:39753665
Spatiotemporal analysis of 3D human iPSC-derived neural networks using a high-density CMOS-based MEA platform. J Neurophysiol. 2023. PMID:38026689
Electrophysiological Maturation of Cerebral Organoids Correlates with Dynamic Morphological and Transcriptional Changes. Nat Commun. 2020. PMID:32976764
iPSC-derived models of PACS1 syndrome reveal transcriptional and functional deficits in neuronal activity. Cell Rep. 2024. PMID:38280846
Wide spectrum of neuronal and network phenotypes in human stem cell-derived excitatory neurons. Nat Commun. 2022. PMID:36253345
autoMEA: machine learning-based burst detection for multi-electrode array datasets. J Neurosci Methods. 2024. PMID:39703343
Tracking burst patterns in hippocampal cultures with high-density CMOS-MEAs. J Neurophysiol. 2010. PMID:20720282
MEA-ToolBox: an Open Source Toolbox for Standardized Analysis of Multi-Electrode Array Data. eNeuro. 2022. PMID:35680724
High-throughput screening of human induced pluripotent stem cell-derived cerebral organoids. Nat Protoc. 2020. PMID:32032714
Hypersynchronous iPSC-derived SHANK2 neuronal networks are rescued by mGluR5 agonism. Cell Rep. 2025. PMID:41270748
Human iPSC-derived glutamatergic neurons with pathogenic KCNQ2 variants display hyperactivity. Cell Rep. 2025. PMID:41015095
A feedback-driven brain organoid platform enables automated maintenance and high-resolution recording. Cell. 2024. PMID:38559212
MEA-Based Graph Deviation Network for Early Autism Syndrome Signatures in Human Forebrain Organoids. Adv Sci. 2025. PMID:41210185
MEA-NAP compares microscale functional connectivity, topology, and network dynamics in organoid cultures. PLOS Comput Biol. 2024. PMID:38370637
MEA-NAP: A flexible network analysis pipeline for neuronal 2D and 3D organoid multielectrode data. Cell Rep Methods. 2024. PMID:39520988
Brain orchestra under spontaneous conditions: Identifying communication modules from the functional connectivity. PLOS Comput Biol. 2024. PMID:38496414
Unraveling the assembloid: Real-time monitoring of dopaminergic neurites in an inter-organ signaling model. Cell Stem Cell. 2024. PMID:38371467
Standardizing a method for functional assessment of neural networks in 3D brain organoids. Stem Cell Reports. 2024. PMID:38825241
On Temporal Robustness & Brain-State Stability of Functional Connectivity in Mouse Primary Cortex. eNeuro. 2025. PMID:41292890
Early gamma oscillations. J Neurosci. 2013. PMID:23872391
Neuronal hyperexcitability and ion channel dysfunction in CDKL5-deficiency patient iPSC-derived neurons. Cell Rep. 2022. PMID:36202289
Biphasic response of human iPSC-derived neural network activity following exposure to a simulated cosmic radiation environment. Sci Total Environ. 2024. PMID:39301218
Modeling mTORopathy-related epilepsy in cultured murine hippocampal neurons using MEA. Neurobiol Dis. 2024. PMID:38914275
Bringing cellular clarity to the cortical component of ALS with a high-density multi-electrode array platform. Cell Rep. 2026. PMID:42012311
Functional discrimination of CSF from Alzheimer's patients in a brain on chip platform. Cell Stem Cell. 2025. PMID:40804138
Application of a high-density microelectrode array assay using a 3D human iPSC-derived brain organoid model. ALTEX. 2025. PMID:40293475
Network Hypoactivity in ALG13-CDG: Disrupted Developmental Pathways and Functional Rescue. Cell Rep. 2026. PMID:41597222
Non-Invasive and Long-Term Electrophysiological Monitoring Sensors for Cerebral Organoids. Adv Sci. 2025. PMID:40136970
A feedback-driven brain organoid platform enables automated maintenance and high-resolution recording. Cell Rep Methods. 2025. PMID:41522195
Retinal degeneration increases inter-trial variabilities of light-evoked spiking activities in retinal ganglion cells. Cell Death Dis. 2025. PMID:39983973
Electric Stimulation Elicits Heterogeneous Responses in ON but Not OFF Retinal Ganglion Cells. J Neurosci. 2021. PMID:33395394

转发语

🧬 CMOS HD-MEA 已将脑类器官电生理检测从"几十通道、单一指标"推进到"4,096 通道、15 大指标类别 / 163 项指标的全层级评估"。本文综合 32 篇 2010-2026 年核心文献 + 8 张客户应用数据图，归纳 4 大趋势：(1) 指标层级扩展——从 spike (22) → burst (18) → network burst (13) → connectivity (25) → CAT (6) → LFP (16) → CSD (6) → 信息论 (7) → 振荡 (6) → 空间 (12) → 药理 (10) → AI/ML (7) → 形态共定位 (5) → 稳定性 (5) → 刺激诱发 (5) 的 15 大指标类别覆盖了从单神经元到网络级到 AI 解码的全尺度；(2) 通道密度跃升——CMOS-MEA 通道数从 60 跃升至 4,096（Accura-3D），单细胞分辨率成为现实；(3) 自动化分析——autoMEA / MEA-NAP / NOVA / Graph Deviation Network 等 AI 工具使高通量跨实验室标准化成为可能；(4) 疾病建模工业化——ALS/AD/ASD/癫痫等疾病的脑类器官 MEA 表征已通过 FDA Modernization Act 2.0 监管认可。

联系人｜李东伟

📞 18045130660
🌐 https://www.biokingdom.top