我们提出一种方法，通过使用fNIRS记录自然任务期间的功能性脑活动，并与fMRI记录的活动进行比较。
本文内容
摘要
摘要
我们提出一种方法，用于比较在舞蹈视频游戏任务中使用近红外光谱技术（fNIRS）记录的脑活动，与在该任务简化版本中使用fMRI（功能性磁共振成像）记录的脑活动。近期研究表明，fNIRS能够准确记录与功能性磁共振成像同步记录的经典心理物理学任务和简单手指敲击范式相当的功能性脑活动。然而，fNIRS常被提及的一个优势在于，该技术可用于研究在fMRI受限环境下无法实现的复杂、自然行为的神经机制。我们的目标是拓展先前研究的发现，即fNIRS与fMRI同步记录信号之间具有高度相关性，进而比较在fMRI实验中获得的神经记录数据与在自然情境下独立进行的fNIRS实验所获得的数据。具体而言，我们开发了一种改进版的舞蹈视频游戏《舞蹈革命》（Dance Dance Revolution, DDR），使其适用于fMRI和fNIRS成像实验。在本方法学中，我们详细说明了为适配两种技术而对软件和硬件所做的修改，以及用于获取代表性结果的扫描与校准流程。研究结果表明，两种成像模态下均出现任务相关的氧合血红蛋白升高，证明在自然任务中使用fNIRS可重复fMRI的发现。该技术代表了一种方法学途径，可用于将采用简化环境的fMRI成像范式，与更接近自然、全身参与的活动和行为的fNIRS进行对比。该技术的进一步发展可应用于神经退行性疾病，如帕金森病、晚期痴呆，或存在磁敏感性问题而不适合接受fMRI扫描的患者。
引言
本文所述方法的目标是建立一个可行的工作方案，用于在相似的多模态任务中比较 fMRI（功能性磁共振成像）和 fNIRS（功能性近红外光谱）信号。具体而言，我们旨在开发一种功能性成像流程，以适用于因震颤、运动障碍或体内植入多种设备而无法接受传统 fMRI 扫描的个体。尽管目前已存在多种针对跌倒风险个体的有效训练与康复项目，但这些项目疗效背后的神经机制尚未得到证实。通常，参与这些训练项目的个体因上述原因被列为禁忌人群。本研究的出发点是评估功能性近红外光谱（fNIRS）在识别与全身运动相关的自然化运动任务中脑活动模式方面的有效性。长期目标包括开发一种工具，不仅可用于研究运动学习范式，还可验证 fNIRS 在更广泛类型任务中的适用性，尤其是那些无法通过传统方法以自然方式进行的任务。
既往研究表明，在有限的研究中，使用经典心理任务和简单手指敲击范式同步测量 fNIRS 与 fMRI 功能活动时，fNIRS 信号与 fMRI BOLD（血氧水平依赖）信号在同源脑区之间具有高度相关性（r = 0.77–0.94）1-3。这些研究结果证实，fNIRS 在检测与 fMRI 兼容的简化环境任务相关的皮层活动方面具有良好的有效性与可靠性。然而，作为一种神经影像技术，fNIRS 相较于 fMRI 具有多项优势。尤为重要的是，fNIRS 对运动伪影的敏感性显著低于 fMRI，允许受试者在接近自然环境的条件下自由行为，而 fMRI 研究则对运动范式存在严格限制4。fNIRS 所具备的时间精度优势使其能够以更高的采样频率实现对神经响应函数变化的更精细刻画。此外，fNIRS 的成本低于 fMRI 扫描，有助于以更低的经费开展研究。然而，fNIRS 相较于 fMRI 也存在若干劣势，包括穿透深度有限、空间分辨率较低；并且近期研究发现，某些生理现象（如血压、心率及头皮血流变化）可能对皮层血流动力学信号引入假阳性结果5-9。尽管目前已有多种针对 NIRS 的方法学与硬件技术正在发展，包括信号处理算法以及可提供高密度光极梯度的设备，但开发能够使 fMRI 与 fNIRS 方法相互补充的混合研究策略仍然至关重要。
本研究旨在检验一种利用功能性近红外光谱技术（fNIRS）测定在自然化舞蹈视频游戏任务中所涉及的神经机制的方法。研究目的是比较使用fMRI成像的一组个体与使用fNIRS成像的另一组个体在大脑整合中枢（即颞上回和颞中回）的活动情况。本课题组此前已采用类似的互动游戏范式对该脑区进行了研究，并发现颞叶对与皮层激活相关的氧合血红蛋白和脱氧血红蛋白两种色素均有响应10。我们此前还尝试通过证明该区域的响应幅度随任务皮层负荷而调节，而非随与活动本身相关的系统性生理反应而变化，从而控制系统性伪迹的影响11。已知颞上回和颞中回参与多模态感觉刺激的整合，我们在前期的fMRI预实验研究以及fNIRS相关发表文献中均已证实该区域在“跳舞革命”（Dance Dance Revolution, DDR）游戏过程中具有显著激活10-12。本研究的假设是：在相似但受限的舞蹈游戏范式下，通过fNIRS记录到的该脑区功能活动将与fMRI记录到的功能活动呈显著相关性。
本文所述方案包括如何修改一款舞蹈视频游戏，使其可作为功能性近红外光谱成像（fNIRS）和功能性磁共振成像（fMRI）研究中的神经影像学范式。然而，该整体流程并不局限于视频游戏任务，也可适用于在fMRI实验限制条件下难以完成的多种其他任务，例如语言和运动任务。此外，本方案还阐述了如何利用fMRI的解剖学特异性来确定特定的兴趣区域（ROI），以便后续在真实世界任务中使用fNIRS进行深入研究。
方案
在参与研究之前，所有受试者均根据机构指南签署知情同意书。本研究的方案已获得明治大学（日本神奈川县）、哥伦比亚大学医学中心（数据处理部分已转移至耶鲁大学医学院）以及长岛大学布鲁克林校区的机构人类保护项目批准。
1. 功能神经影像（fMRI 和 fNIRS）的软件与硬件改装及开发
- 通过使用开源的 DDR 克隆软件 Stepmania 编辑配置文件（.sm）的详细信息，修改游戏Dance Dance Revolution（DDR），以调整与 fMRI 研究相关的感兴趣区域在 fNIRS 成像前的时序、图形和音乐。
- 在 .sm 文件中设置以下变量：background（背景）、music（音乐）、offset（从扫描时间开始播放音乐）、samplestart（采样起始点）、samplelength（采样长度）、bpms（每分钟节拍数）和 bgchanges（背景变化）。通过将每小节的箭头模式定义为“1”、“0”或“M”的值，在 .sm 文件中指定每一小节的箭头排列。为每一小节定义左、上、下、右按钮的按下操作。使用“1”表示箭头，使用“0”表示空白，使用“M”表示在静息时段中的地雷。
- 使用游戏曲目“Butterfly”（原唱为 Smile.dk，可在索尼 PlayStation 原版 Dance Dance Revolution 3rd Mix 游戏光盘中获得），让受试者根据在 .sm 配置文件中修改后的游戏机制，采用交替的区组设计进行游戏。交替进行 30 秒的游戏时间和 30 秒的休息期，背景图形提示玩家何时开始游戏（绿色）和何时放松休息（红色；图 1）。
图 1：实验范式设计。 （A）DDR 图形用户界面。屏幕底部的箭头向上移动至屏幕顶部，提示受试者应按下的按钮。当箭头到达顶部操作区域（屏幕顶部的灰色箭头）时，受试者需按下相应按钮作出反应。游戏时间以绿色背景表示，休息时间以红色背景表示。在休息期间，箭头被替换为“炸弹”动画。这些动画对游戏过程或得分无实际功能，仅用于在休息时段作为占位符。（B）扫描过程中采用的区组设计共包含 5 分钟的游戏与休息时段。扫描前基线期为 10 秒，随后交替进行 30 秒的游戏与休息区组。请点击此处查看该图的高清版本。
- 每次运行重复交替区间五次，以确保静息期与活动期之间的对比具有特异性。
- 在进行 fMRI 数据采集时，使用脚控按钮仅允许受试者按左、右箭头按钮。两种任务的总按钮按压次数应保持相等（图 2）。
- 扫描程序开始前，向受试者讲解游戏的基本规则，并在成像前给予几次练习运行的机会。指导受试者用脚尽可能在移动箭头路径顶部所示的精确时间点按下对应的箭头按钮，同时尽量减少头部运动。
图2：fMRI实验装置。（A）受试者仰卧于MRI扫描仪中，通过安装在头部线圈上方的反射镜观察投影的交互式环境。图2B。一个改进的足部平台，包含两个按钮，允许受试者在游戏过程中实时使用左或右脚趾进行点击回应。请点击此处查看该图的高清版本。
2. 功能磁共振成像测试与分析
- 在游戏开始前，使用三维扰相梯度回波序列（SPGR）（124层，256 × 256，视野 = 220 mm）获取每位受试者的结构图像，总扫描时间为10分38秒。
- 扫描期间使用以下参数获取功能磁共振图像：平面回波（EPI）T2*加权梯度回波序列，回波时间 = 51毫秒，重复时间 = 3秒，翻转角 = 83°。采集27个连续的脑部轴向切片图像，成像参数如下：视野为192 × 192 mm，采用128 × 128矩阵，空间分辨率为1.56 × 1.56 mm，z轴分辨率为4.5 mm。
- 指导受试者按照上述实验范式进行游戏，但仅使用左箭头和右箭头按键，以减少运动伪影。
- 使用在MATLAB 7.0中实现的SPM85进行fMRI BOLD信号分析。
- 剔除EPI序列的前10秒数据，以最小化T2*弛豫伪影；功能数据通过最小二乘法的6参数“刚体”空间变换进行运动校正。
- 将校正后的EPI扫描图像标准化至MNI（蒙特利尔神经学研究所）模板（分辨率为2 mm3），随后使用全宽半高为8 mm的高斯核进行空间平滑处理。
- 采用一般线性模型（GLM）进行个体水平的统计分析，生成统计参数图，用于比较任务状态（DDR）与静息状态之间的差异。
- 基于个体分析结果，采用标准统计参数映射（SPM）第二级随机效应模型进行组水平分析。根据组分析结果确定感兴趣区域，设定阈值为p <0.01，簇大小阈值为100个体素。
- 将感兴趣区域定义为功能簇与来自WFU PickAtlas工具13,14的解剖学掩模（上颞回和中颞回）的交集区域。
3. fNIRS 设置与数据采集
- 使用22通道fNIRS拓扑系统，记录来自排列成3 x 5阵列的光极信号。每个光源-探测器对之间的光极间距为3 cm（图3A, B）。
- 调整含有光学传感器阵列的弹性帽，使其从左侧前额叶皮层对齐至左侧颞叶（图3A, B）。确保位于最前部且处于最低行的光极对准国际10-10系统中的Fpz位置15。将光极的下排与解剖标志点Fpz和T7之间的连线保持平行。
- 使用绑带和下颌带将光学探头阵列牢固地固定在受试者头部，并确保其稳固贴合。应注意光极与头皮表面之间的位移，使光源-探测器对紧贴头部，但不会令受试者感到不适（图3C）。
- 通过计算机图形用户界面，以7.9 Hz的采样频率将原始模拟光极光源-探测器对的光信号数据采集至计算机中。
图3：NIRS记录的探头设置。（A）该帽由弹性织物制成，上面安装有可弯曲塑料部件，用于固定间距为3 cm的探头 holder。帽子配有绑带，可将其牢固地固定在头部。该帽尺寸较大，可容纳的探头数量多于本研究中使用的3 × 5阵列（图中以黄色显示），但这是确保其能稳固贴合受试者头部所必需的。（B）探头帽覆盖左侧额叶至颞叶区域。图示探头帽佩戴于受试者头部，覆盖范围从左侧前额叶区域延伸至左侧颞叶，形成3 × 5阵列。（C）探头在帽上的布局，显示通过收紧绑带和下颌带将帽牢固固定于头部。请点击此处查看该图的高清版本。
- 在记录之前，使用制造商提供的系统控制软件测试校准、信号强度以及信噪比。如果检测到噪声较高，使用带LED照明的塑料棒移除通道中的探头以及任何干扰毛发（图4）。
图4：优化光探测器信号。 使用带有照明的塑料工具将每个通道处的头发从通道中心移开，以确保获得最佳信号质量。请点击此处查看该图的高清版本。
- 使用3D数字化笔确定弹性帽中每个通道的光源和探测器位置的空间值。在数据采集和游戏开始前，立即使用数字化仪识别每位受试者的鼻根点、枕外隆突、耳廓以及Cz点的空间坐标（图5）。将光源和探测器位置保存为others.txt文本文件，解剖学坐标保存为origin.txt文件。
图 5：光极位置的校准。 使用磁性数字化工具确定头部10-20系统标记点以及光极通道的位置。 请点击此处查看该图的高清版本。
- 在 MATLAB 7.0 中使用 NIRS-SPM16,17 内的配准功能处理捕获的三维坐标（图6）。从 SPM 主菜单中选择独立的空间配准。在下一个界面中，选择“使用三维数字化仪”，并通过相应的对话框选择之前保存的 others 和 origin 文本文件。在软件对话框中选择“配准（使用 NFRI 函数）”以确定空间表征
图6：近红外光谱（NIRS）校准数据的示例输出。 使用数字化仪数据确定每个通道位于大脑特定区域的概率。该受试者的22号通道在颞中回的概率为0.4129，在颞上回的概率为0.47419。通道由发射器与探测器配对之间的区域定义。图中围绕22号通道的圆圈代表对该受试者中由光极对记录信号的贡献区域的近似估计。请点击此处查看该图的高清版本。
- 当所有光极通道位置完成数字化，且每个通道均提供足够的信号强度（由制造商提供的软件界面 GUI 指示）时，要求受试者站立并准备进行 DDR 测试（图 7A、B）。
图 7：舞蹈游戏过程中使用功能性近红外光谱（fNIRS）进行数据采集。 （A）受试者站在标准舞蹈游戏垫上，采用区组设计进行游戏，同时连接至NIRS设备。 （B）数据采集的另一种视角，显示背景屏幕上的实时采集原始数据。 请点击此处查看该图的高清版本。
4. fNIRS 数据采集
- 在设置fNIRS记录用光学探头之前，向受试者简要介绍游戏玩法，并允许其进行练习以熟悉游戏，方法同fMRI测试。
- 进行fNIRS测试时，采用与fMRI测试相同的实验范式，但增加上下箭头，而fMRI测试仅使用左右箭头。确保fMRI与fNIRS任务中的箭头按键总次数相同，仅箭头呈现模式不同。
- 在fNIRS测试期间的游戏过程中，使用标准的四按钮地面踏板反应系统（图7A）。
- 受试者掌握游戏基本操作后，指导其进行30秒游戏时间与30秒休息间隔的测试，同步骤1.2。每位受试者重复此5分钟游戏两次。
- 明确指示受试者不要触碰面部、鼻子，尤其是靠近光学探头区域的头发或头部。要求受试者在游戏过程中尽量减少头部的旋转、偏航或俯仰运动。
5. fNIRS 数据分析
- 采用改进的比尔-朗伯方法18 用于计算反映氧合血红蛋白（oxy-Hb）、脱氧血红蛋白（deoxy-Hb）和总血红蛋白（total-Hb）浓度变化的相对信号，分别表示为ΔoxyHb、ΔdeoxyHb和ΔtotalHb，单位为任意单位（μM cm）使用以下公式：
ΔoxyHb = -1.4887 × Δabs780 + 0.5970 × Δabs805 + 1.4847 × Δabs830
Δ脱氧血红蛋白 = 1.8545 × Δ吸光度780 + (-0.2394) × Δabs805 + (-1.0947) × Δabs830
Δ总Hb = Δ氧合Hb + Δ脱氧Hb；
其中，Δabs 表示在相应波长下光吸收的变化。 - 对个体血流动力学信号的原始数据进行低通滤波处理，截止频率为25th Savitzky–Golay 滤波器阶数与平均19.
- 将平均数据进行基线校正，校正起点设为零。
- 通过将平均值除以任务开始前10秒记录的信号的标准差，对血流动力学信号幅度进行归一化处理。
- 根据3D数字化仪信息选择待分析的通道。此处，选择在颞中回和颞上回区域配准概率达到80%或以上的通道用于分析，该信息来源于配准过程的输出结果。
6. fMRI 与 fNIRS 信号的比较
- 使用 SPM8 中的结果功能，确定 T >2.6 或相应 P 值 <0.01 的超阈值体素。通过重叠的超阈值体素定义解剖区域内的一簇体素，以确定感兴趣区域（ROI）。
- 本例中，使用 WFU Pick Atlas 中包含的 AAL 图谱定义颞上回和颞中回。由此得到的簇包含 572 个 2 × 2 × 2 mm 的体素，位于颞中回，峰值体素坐标为 (-66, -24, 0)，峰值 T 值为 5.73 fNIRS。
- 根据步骤 3.5.1 中通过 NIRS-SPM 将 3D 数字化坐标转换为 MNI 坐标的结果，从 fNIRS 数据中确定感兴趣的通道。本例中，大多数受试者的第 22 号通道在步骤 6.1 定义的 ROI 中具有最高的活动概率。
- 确定 fMRI 在 ROI 内以及 fNIRS 在对应通道上的平均事件触发响应，时间范围为整个 60 秒任务周期（活动期与静息期合并）。
- 对每位受试者，对簇内体素的血氧水平依赖（BOLD）原始信号进行平均，生成 fMRI 事件触发平均数据。
- 通过线性回归方法对 fMRI 数据进行缩放，使其与 fNIRS 数据最佳匹配，回归模型为 fNIRS = b* fMRI，回归方法通过最小化 fNIRS - b* fMRI 的均方根值来确定 b 值。
- 通过两组信号的相关性比较 fNIRS 与 fMRI 信号。
结果
实验结果表明，在任务的自然化版本中，利用功能磁共振成像（fMRI）从颞上回和颞中回的整合中枢获得的活动与来自相同区域的功能性近红外光谱（fNIRS）信号具有高度相关性。图8展示了来自fMRI扫描程序的16名受试者（蓝色曲线）和来自fNIRS方案的26名受试者（红色曲线）的归一化并取平均的原始数据。数据以时间0点为对齐基准，游戏交互的活跃阶段发生在图表的前30秒内（标记为“任务”）。垂直虚线表示任务中背景由绿色变为红色的转换点，以及休息阶段的开始（标记为“休息”）。两组数据均显示在活跃阶段反应增强，在休息阶段反应下降，且fMRI信号表现出更高的变异性。为比较两条曲线，首先对fMRI信号进行回归处理，以最小化两条曲线之间的均方根差异。最终得到的两个信号之间的相关系数为0.78，相关性的p值为0.03。
图9 展示了一名受试者的脑部渲染图，叠加显示了通道位置。通道1和通道22的平均信号迹线以实线表示氧合血红蛋白信号，虚线表示脱氧血红蛋白信号。红色和蓝色迹线分别代表两种不同的游戏条件：有音乐与无音乐。通道1的信号作为对照示例，用于与感兴趣区域进行比较。这两个区域的信号在任务响应方面存在差异。
图 8：来自中颞回的 fNIRS 与 fMRI 信号之间的相关性。 图示为每组受试者的 fNIRS（红色）和 fMRI（蓝色）信号，阴影边缘表示均值 ± 标准误（SEM）。两者之间的回归系数为 0.78；p = 0.03。插图显示了根据 fMRI 活动确定的兴趣区域（ROI）的渲染图，其峰值活动位于 MNI 坐标 (-66, -24, 0)，簇大小 = 571，峰值 t 值 = 5.73。请点击此处查看此图的高清版本。
图9：颞叶与额叶信号的差异。 一名受试者在两次独立的舞蹈游戏试验中，含音乐（红色）与无音乐（蓝色）两种条件下的ΔoxyHb（实线）和ΔdeoxyHb（虚线）的时间进程。该图改编自Ono et al.10。
讨论
功能性近红外光谱成像（fNIRS）是一种功能性脑成像技术，有望用于研究自然活动的神经关联。相关技术的开发是一个活跃的研究方向。本文概述了一种有效的方法，可用于记录与参与舞蹈视频游戏相关的单个感兴趣脑区的功能性脑活动。
近年来，随着日立和岛津（以及其他厂商）推出的多通道fNIRS设备能够同时记录大脑多个区域的功能活动，采用fNIRS研究运动学习范式的出版物数量迅速增加20,21。我们此前已证明，可以确定fNIRS信号的解剖学特异性，并利用这些信号分析信号在时序和幅度上的变化如何影响运动任务的行为表现11。近期《神经影像》期刊的一期特刊聚焦于NIRS技术的当前应用，其中包含多项针对运动学习的研究22。尽管目前对NIRS技术的兴趣日益增长，但极少有研究关注通过fMRI验证的自然行为的神经机制。虽然该特刊及大量其他文献23-26明确指出了fNIRS在研究运动行为中的未来作用，但本文所述方案的开发旨在建立一种统一的方法学，用于比较来自自然行为的fMRI与fNIRS数据。
结果表明，在颞叶整合区域，fNIRS 与 fMRI 信号在各组之间具有高度相关性，且信号间的相关性与以往同步 fMRI/fNIRS 研究中所显示的结果一致3。图9表明，颞叶的 fNIRS 活动不仅表现为皮层性质，并具有氧合血红蛋白与脱氧血红蛋白染色体吸收的差异性，而且颞叶的活动模式与额叶明显不同，且与颞叶的 fMRI 活动无相关性。我们强调本研究中若干关键方面，这些因素使得两种技术之间的数据具有可比性。首先，我们明确了光极位置校准作为确认皮层解剖结构和结果解释的关键策略。我们对软件和硬件所做的改进，使我们能够将实验范式与一种优化的区组设计协议同步，以在两种方法中均获得较强的皮层反应。我们还概述了若干关键策略，以确保高信噪比（如清除光极表面的毛发）并减少包括运动和面部刺激在内的伪迹（已明确指示受试者不得触碰头部或面部）。
这些结果以及先前关于同步 fNIRS/fMRI 成像方法的研究结果证实，两种信号之间存在高度相关性，这与理论预测一致1-3。本研究数据解释的一个局限性在于，我们未能采用NIRS记录中新兴的优化技术，这些技术表明可通过高密度记录提高单个通道数据的空间分辨率。此外，高密度技术还被用于将皮层NIRS信号中的表层成分分离出来27，并结合其他方法去除来自血压、心率及其他系统性变量的干扰信号6,7,28。已有研究显示，探头放置位置和发色团选择可用于控制假阳性结果29，而在信噪比较高的情况下，自适应滤波技术也可有效用于NIRS信号处理。我们此前及本研究中所采用的任务范式，均基于商用NIRS系统并以组块设计呈现10,11，已获得具有显著信号的数据，且无需额外的分析方法或硬件即可显示信号间的一致性。然而，通过应用这些及其他NIRS信号处理技术，本研究所呈现的数据仍有进一步提升的可能。
目前，功能性近红外光谱（fNIRS）的方法尚无法取代功能性磁共振成像（fMRI）扫描的需求；相反，正如本文所建议的，这两种成像技术（以及脑电图EEG等其他技术）可相互补充。对于因禁忌症而无法接受fMRI扫描的个体群体，fNIRS可能是唯一可行的技术，用于评估某些训练项目（如针对帕金森病患者的防跌倒风险干预项目）的效果。此外，fNIRS还具有若干未来发展方向，可进一步补充磁共振扫描所提供的解剖学细节信息。通过高密度探头布置和增加探头数量，可提高时间分辨率，从而更精确地进行功能连接分析和主成分分析，并提升血氧水平依赖（BOLD）信号建模的准确性。
披露
本文的出版费用由Shimadzu赞助。
致谢
本研究部分由以下资金来源资助：日本学术振兴会科学研究费补助金（C）25350642（AT），以及早稻田大学科学技术财团科学研究助成金 & 技术与文化（SS & YO），以及罗伯特·伍德·约翰逊基金会（The Robert Wood Johnson Foundation，资助号 #66729）授予的健康游戏研究基金（SB） & JAN)
材料
Shimadzu参考文献
- Heinzel, S., et al. Variability of (functional) hemodynamics as measured with simultaneous fNIRS and fMRI during intertemporal choice. NeuroImage. 71, 125-134 (2013).
- Cui, X., Bray, S., Bryant, D. M., Glover, G. H., Reiss, A. L. A quantitative comparison of NIRS and fMRI across multiple cognitive tasks. Neuroimage. 54, 2808-2821 (2011).
- Sato, H., et al. A NIRS–fMRI investigation of prefrontal cortex activity during a working memory task. Neuroimage. 83, 158-173 (2013).
- Piper, S. K., et al. A wearable multi-channel fNIRS system for brain imaging in freely moving subjects. NeuroImage. 85 (Part 1), 64-71 (2014).
- Funane, T., et al. Quantitative evaluation of deep and shallow tissue layers' contribution to fNIRS signal using multi-distance optodes and independent component analysis). NeuroImage. 85 (Part 1), 150-165 (2014).
- Tachtsidis, I., et al. Ch. 46. Oxygen Transport to Tissue XXX Vol. 645 Advances in Experimental Medicine and Biology. Liss, P., Hansell, P., Bruley, D. F., Harrison, D. K. , Springer. New York, NY. 307-314 (2009).
- Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage. 85 (Part 1), 6-27 (2014).
- Saager, R., Berger, A. Measurement of layer-like hemodynamic trends in scalp and cortex: implications for physiological baseline suppression in functional near-infrared spectroscopy). Journal Of Biomedical Optics. 13 (3), 034017-034017 (2008).
- Takahashi, T., et al. Influence of skin blood flow on near-infrared spectroscopy signals measured on the forehead during a verbal fluency task. Neuroimage. 57, 991-1002 (2011).
- Ono, Y., et al. Frontotemporal oxyhemoglobin dynamics predict performance accuracy of dance simulation gameplay: Temporal characteristics of top-down and bottom-up cortical activities. NeuroImage. 85, 461-470 (2014).
- Tachibana, A., Noah, J. A., Bronner, S., Ono, Y., Onozuka, M. Parietal and temporal activity during a multimodal dance video game: an fNIRS study. Neuroscience Letters. 503 (2), 125-130 (2011).
- Annual Society for Neuroscience Conference. Noah, J., Tachibana, A., Bronner, S. 2010 Nov 13-17, San Diego, CA, , (2010).
- Maldjian, J. A., Laurienti, P. J., Burdette, J. H. Precentral gyrus discrepancy in electronic versions of the Talairach atlas. Neuroimage. 21, 450-455 (2004).
- Maldjian, J. A., Laurienti, P. J., Kraft, R. A., Burdette, J. H. An automated method for neuroanatomic and cytoarchitectonic atlas-based interrogation of fMRI data sets. Neuroimage. 19, 1233-1239 (2003).
- Chatrian, G. E., Lettich, E., Nelson, P. L. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activity. Am J EEG Technol. 25, 83-92 (1985).
- Okamoto, M., Dan, I. Automated cortical projection of head-surface locations for transcranial functional brain mapping. Neuroimage. 26, 18-28 (2005).
- Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM statistical parametric mapping for near-infrared spectroscopy. Neuroimage. 44, 428-447 (2009).
- Cope, M., Delpy, D. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
- Savitzky, A., Golay, M. J. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry. 36 (8), 1627-1639 (1964).
- Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. 21, 1275-1288 (2004).
- Suzuki, M., et al. Prefrontal and premotor cortices are involved in adapting walking and running speed on the treadmill: an optical imaging study. Neuroimage. 23, 1020-1026 (2004).
- Boas, D. A., Elwell, C. E., Ferrari, M., Taga, G. Twenty years of functional near-infrared spectroscopy: introduction for the special issue. NeuroImage. 85, 1-5 (2014).
- Holtzer, R., et al. fNIRS study of walking and walking while talking in young and old individuals. The Journals of Gerontology Series A: Biological Sciences and Medical Sciences. 66 (8), 879-887 (2011).
- Suzuki, M., Miyai, I., Ono, T., Kubota, K. Activities in the frontal cortex and gait performance are modulated by preparation. An fNIRS study. Neuroimage. 39, 600-607 (2008).
- Shimada, S., Hiraki, K., Oda, I. The parietal role in the sense of self-ownership with temporal discrepancy between visual and proprioceptive feedbacks. Neuroimage. 24, 1225-1232 (2005).
- Matsuda, G., Hiraki, K. Sustained decrease in oxygenated hemoglobin during video games in the dorsal prefrontal cortex: a NIRS study of children. Neuroimage. 29, 706-711 (2006).
- Gregg, N. M., White, B. R., Zeff, B. W., Berger, A. J., Culver, J. P. Brain specificity of diffuse optical imaging: improvements from superficial signal regression and tomography. Frontiers in Neuroenergetics. 2, 14(2010).
- Kirilina, E., et al. The physiological origin of task-evoked systemic artefacts in functional near infrared spectroscopy. Neuroimage. 61, 70-81 (2012).
- Strangman, G., Franceschini, M. A., Boas, D. A. Factors affecting the accuracy of near-infrared spectroscopy concentration calculations for focal changes in oxygenation parameters. NeuroImage. 18, 865-879 (2003).
重印与许可
