方法文章

使用全头光学探头阵列和短距离通道同步采集 fMRI 与 fNIRS 测量数据

DOI:

10.3791/65088

2023年10月20日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们介绍一种可对同一受试者同时采集fMRI和fNIRS信号并实现全脑fNIRS覆盖的方法。该方案已在三名年轻成人中进行测试,也可根据需要调整用于发育研究和临床人群的数据采集。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

功能性近红外光谱成像(fNIRS)是一种便携式神经影像学方法,相较于功能性磁共振成像(fMRI),其对运动干扰更具鲁棒性且成本更低,因此非常适用于开展脑功能的自然情境研究,以及用于发育和临床人群。fNIRS与fMRI方法均可检测脑功能激活期间脑血氧水平的变化,先前研究已表明这两种信号在空间和时间上具有高度一致性。然而,目前尚无针对同一受试者、在全脑覆盖的fNIRS条件下同步采集的两种信号的定量比较。此类比较对于全面验证区域水平的激活和功能连接性(以fMRI作为金标准)至关重要,进而有望促进两种信号在全生命周期中的对比研究。为弥补这一空白,本文描述了一种同步采集fMRI 和fNIRS信号的实验方案,该方案:i)实现全脑fNIRS覆盖;ii)包含短距离通道测量,用于回归去除非皮层来源的系统性生理信号;iii)采用两种不同的方法实现fNIRS光极与头皮的共配准。本文展示了来自三名受试者的fMRI与fNIRS数据,并讨论了将该方案应用于发育和临床人群的适应性建议。当前针对成人的实验设置平均可支持约40分钟的扫描时长,包括功能扫描和结构扫描。该方案详细说明了将fNIRS设备适配至磁共振(MR)环境所需的操作步骤,提供了数据记录和光极-头皮共配准的建议,并讨论了根据所用MR兼容fNIRS系统的具体特性对方案进行潜在调整的方法。来自闪烁棋盘格任务的代表性个体响应结果,展示了在MR环境中利用该方案采集全脑fNIRS信号的可行性。本方案对于希望在全生命周期范围内以fMRI为参照验证fNIRS信号的研究人员尤为具有参考价值。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

近三十年来,研究人员通过功能性磁共振成像(fMRI)研究成人人类大脑的认知功能。尽管fMRI具有高空间分辨率,并能同时提供功能和结构图像,但在自然情境下开展的研究,或针对婴儿及临床人群的研究中,fMRI往往不够实用。这些限制显著制约了我们对大脑功能的理解。fMRI的一种替代方法是采用便携式技术,例如功能性近红外光谱成像(fNIRS),该技术成本更低,且对运动干扰更具鲁棒性1,2,3。fNIRS已被用于婴儿和幼儿的研究,以评估多种认知领域的脑功能,如语言发展、社会相关信息的处理以及物体识别4,5,6。由于fNIRS具备在不同年龄段进行重复测试和长期监测的潜力,因此特别适用于临床人群的神经影像研究7,8,9。尽管fNIRS应用广泛,目前尚无研究对同一受试者在全脑覆盖条件下同步采集的fMRI与fNIRS信号进行定量比较。此类比较对于全面验证感兴趣区域(ROIs)的脑区激活水平及功能连接性,使之与fMRI金标准相对照,具有重要意义。此外,建立这种跨模态的对应关系,有望在典型与非典型发育过程中仅采集fNIRS信号时,提升其数据解释的准确性与可靠性。

功能磁共振成像(fMRI)和功能性近红外光谱成像(fNIRS)信号均可检测功能脑激活期间脑血氧(CBO)的变化10,11。fMRI依赖于电磁场的变化,能够提供高空间分辨率的CBO变化信息12。相比之下,fNIRS利用一系列发光和光探测光学探头,测量近红外光的吸收水平2。由于fNIRS可测量不同波长下的光吸收变化,因此能够评估氧合血红蛋白和脱氧血红蛋白浓度的变化。早期研究通过使用少量光学探头同步记录fMRI和fNIRS信号,发现这两种信号在空间和时间上具有高度一致性10。血氧水平依赖性(BOLD)fMRI信号与光学测量指标之间存在强相关性11,13,先前比较fNIRS与fMRI血流动力学响应函数(HRFs)时间动态特性的研究指出,脱氧血红蛋白与BOLD响应的相关性最高14。这些早期研究采用运动反应范式(例如手指敲击),并使用有限数量的光学探头覆盖初级运动皮层和前运动皮层区域。在过去十年中,研究范围已扩展至更多类型的认知任务以及静息态扫描,但仍仅使用覆盖特定感兴趣区域(ROIs)的有限数量光学探头。这些研究表明,fNIRS与fMRI相关性的变异程度取决于光学探头与头皮及大脑之间的距离15。此外,fNIRS可提供与fMRI相当的静息态功能连接测量结果16,17

本方案在先前研究的基础上,通过以下方式解决了关键局限性:i)提供全头部fNIRS覆盖,ii)包含短距离测量以回归非皮层生理信号,iii)实施两种不同的fNIRS测量中光极与头皮共配准方法,以及iv)支持在两次独立实验会话中评估信号的重测信度。该fMRI 与fNIRS信号同步采集的方案最初是为测试年轻成人而开发的。然而,本研究的目标之一是建立一种可用于同步采集fMRI/fNIRS信号的实验设置,以便后续适用于发育人群的测试。因此,当前方案也可作为开发针对儿童测试方案的起点。除了采用全头部fNIRS覆盖外,本方案还旨在整合fNIRS硬件领域的最新进展,例如引入短距离通道以测量系统性生理信号(即来自非皮层源的血管变化,如血压、呼吸和心脏信号)18,19;以及使用3D结构传感器实现光极与头皮的共配准20。尽管本方案的重点是视觉闪烁棋盘任务的结果,但整个实验包含两次会话,结合了传统的区组任务设计、静息态会话以及自然主义电影观看范式。

该方案描述了将fNIRS设备适配用于MRI环境所需的步骤,包括帽具设计、通过触发同步实现时间对齐,以及数据采集开始前所需的模体测试。如前所述,此处重点介绍闪烁棋盘格任务的结果,但整体流程并不局限于特定任务,可适用于多种实验范式。该方案还进一步概述了数据采集过程中的操作步骤,包括fNIRS帽具的佩戴与信号校准、受试者 以及实验设备的设置、实验后的清理工作和数据存储。该方案最后概述了专门用于预处理fNIRS和fMRI数据的分析流程。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该研究已获得耶鲁大学机构审查委员会(IRB)的批准。所有受试者均签署了知情同意书。受试者需通过磁共振成像(MRI)筛查,以确保其参与的安全性。若受试者有严重内科或神经系统疾病的病史,可能影响认知功能者(例如神经认知障碍、抑郁障碍、创伤、精神分裂症或强迫症)将被排除在外。

注意:本实验方案使用一台连续波近红外光谱(CW-NIRS)设备,该设备包含100个长距离通道和8个短距离通道(32个激光二极管光源,波长λ = 785/830 nm,每个波长的平均功率为20 mW,以及38个雪崩光电探测器),采样频率为1.95 Hz。MRI和fMRI扫描在西门子3特斯拉Prisma扫描仪上进行,使用20通道头部线圈。所有数据均在耶鲁脑成像中心(https://brainimaging.yale.edu/)采集。本方案中各步骤均注明了用于同步采集fMRI和fNIRS数据的系统特异性调整方法。

1. 用于同步数据采集的 fNIRS 设备改装与开发

注意:步骤 3 至 6 特定于 NIRScoutXP 系统,由于不同 fNIRS 系统在采集软件和可用于探头评估的模体方面存在差异,这些步骤可能不适用于其他 fNIRS 系统。

  1. 准备 fNIRS 帽
    1. 确定研究所需的 fNIRS 帽。对于成人研究,请确保以下帽尺寸(单位:cm)可用:54、56、58 和 60。
    2. 注意:帽尺寸针对本方案所用系统而定,因此不同 NIRS 系统可能需要的具体尺寸会有所差异。
    3. 使用维生素 E 胶囊和防水材料(例如带 PU 涂层的尼龙织物),制备定位标记(fiducials)。用所选材料包裹胶囊,并将定位标记缝合(或粘贴)至指定位置(见图 1A)。维生素 E 胶囊作为定位标记,用于结合 T1w 图像确定 fNIRS 通道相对于底层脑组织的位置。
    4. 根据光极阵列和共配准方法确定所需定位标记的数量。某些研究仅需检测少数几个解剖标志点,而其他研究则可能受益于在每个光极旁均放置定位标记。
    5. 若 fNIRS 帽在头部后方过松,可使用弹性织物(带预切扣眼)和纽扣在帽的两侧各安装一条绑带,以增强帽子的可调节性。在不同受试者间,无论帽子松紧程度如何,均应固定绑带,以确保帽子设置的一致性。
    6. 若帽子前部在前额处过紧,应在直接接触皮肤的光极上放置橡胶缓冲垫。若 fNIRS 供应商未提供缓冲垫,可用毛毡贴片自制。若使用橡胶缓冲垫,无论帽子贴合度如何,所有受试者均应使用,以确保帽子设置的一致性。确保橡胶缓冲垫成分中不含任何金属成分,以防在 MR 图像中产生伪影。
  2. 在 MRI 控制室和扫描室中设置 fNIRS 设备
    1. 将 fNIRS 设备放置在控制室内,靠近通往扫描室的波导之一。如有需要,使用抬高的表面(例如踏脚凳),确保 fNIRS 设备尽可能靠近波导,以最大化光纤长度。
    2. 使用网状电缆护套,将光纤分组捆扎。分组依据所选光极阵列而定。理想情况下,应将同一侧头部(左侧或右侧)的光极对应的光纤归为一组。
    3. 将光纤连接至 fNIRS 设备,并通过波导将光纤束引导至扫描室。在订购光纤前,应测量 fNIRS 设备与扫描仪孔径中心之间的距离,以确保光纤长度足够。
    4. 将光纤引至扫描床。使用 MRI 安全桥架固定光纤,以确保光纤自重不会导致下垂,并防止其将帽子从受试者头部拉离(见图 1B)。
  3. 设置并行端口复制器盒
    1. 在 fNIRS 数据采集计算机上安装最新版本的 NIRStar 软件。
    2. 根据制造商触发手册(版本 R2.1)的说明,将并行端口复制器连接至传输晶体管-晶体管逻辑(TTL)类脉冲的电缆(见图 1C)。TTL 脉冲对应于扫描仪直接发送的切片时序脉冲。当扫描仪发送脉冲时,其中一个 LED 指示灯将亮起。
    3. 通过并行端口输入将并行端口复制器盒连接至 fNIRS 设备。每当检测到扫描仪的 TTL 脉冲时,该设置将向 NIRStar 软件发送一个触发信号。触发信号将在数据采集记录界面上以虚线形式显示。此设置可确保 fNIRS 与 fMRI 数据采集的同步,因为每次扫描仪采集到切片时序脉冲时,该信号都会反映在 NIRStar 采集软件记录的 fNIRS 数据流中。
  4. 准备用于光极评估的静态模体
    1. 将光极插入 fNIRS 供应商提供的静态模体装置中。光极在模体上的排列方式取决于 fNIRS 仪器的类型以及可用的光源和探测器数量。请查阅制造商提供的入门指南,确认正确的光极排列方式。
    2. 确保模体完全屏蔽所有光源。部分供应商提供专用外壳,有助于屏蔽外部光源对光极的干扰。
    3. 根据指定的光极排列方式,将所有可用的光源和探测器光纤束插入 fNIRS 模体中。
    4. 将 fNIRS 模体连接至采集计算机,并启动 NIRStar 采集软件。
  5. 执行模体暗噪声仪器测试
    1. 在 NIRStar 采集软件的Configure Hardware菜单项下,打开Channel Setup选项卡。确保在Number of SourcesNumber of Detectors中正确设置了可用光源和探测器的总数。点击OK确认设置。
    2. 在主 NIRStar 窗口菜单中,点击Diagnostics菜单项,启动暗噪声测试窗口。
    3. 点击Run Test按钮运行测试,并点击Save Results按钮保存测试结果。
      注意:有关结果解读的指导,请参阅制造商的“入门指南:静态模体故障排除”。
  6. 执行模体校准测试
    1. 在 NIRStar 采集软件的Configure Hardware菜单项下,打开Channel Setup选项卡。确保在Number of Sources and Number of Detectors中正确设置了可用光源和探测器的总数。
    2. Configure Hardware菜单项下,打开Channel Masking选项卡。点击Select All按钮,屏蔽所有通道。
    3. Configure Hardware菜单项下的Hardware Specification选项卡中,在Study Type下选择Static Phantom。点击OK确认设置。
    4. 点击Calibrate按钮开始校准。校准完成后,点击Details按钮查看详细的校准结果。
      ​注意:有关结果解读的指导,请参阅制造商的“入门指南:静态模体故障排除”。

带有样品架、设备接口和信号处理单元的MRI光纤装置。
图1。用于同步采集fMRI和fNIRS数据的设备。A)由黑色防水材料制成的袋子,用于存放缝在fNIRS帽上每个光极附近的维生素E胶囊。(B)一种MRI安全的桥架装置,用于将光纤抬离地面,使其在数据采集期间能够连接到受试者的头部。(C)并行端口复制器,用于将扫描仪的脉冲信号传输至fNIRS设备。请点击此处查看此图的放大版本。

2. 实验任务设计

  1. 根据参与者在扫描仪内的舒适度来确定扫描会话的持续时间。例如,本研究包含两次结构像扫描(T1w 和 T2w),总时长约 14 分钟,以及五次功能扫描,额外持续约 25 分钟。
    注意:由于研究特异性因素(如参与者的年龄、头帽尺寸)会影响舒适度,因此有必要通过多名参与者进行预实验,以确定合适的研究时长。
  2. 根据研究目标设计神经影像任务。该步骤因研究而异。本文展示了闪烁棋盘格任务的实验流程及其代表性结果。

3. 测试当天的 fNIRS 脑电帽放置与信号校准

注意:除非另有说明,以下所有步骤均在MRI控制室或知情同意室内进行。

  1. 采集头部测量数据并选择 fNIRS 帽
    1. 在受试者签署相关知情同意书并接收即将进行的任务指导后,引导其坐在控制室内的一把椅子上。
    2. 使用标准软尺,将软尺环绕受试者头部最宽的周长位置;从额头最突出的部分(通常在眉毛上方一到两个手指宽度处)到头部后方最宽处,再绕回起点。尽量找到最大的头围周长。
    3. 根据测得的头围周长,选择最接近尺寸的帽子。
  2. 在帽上安装短距离探测器探头
    注意:此步骤专用于 NIRx 系统,可能不适用于其他 fNIRS 设备。
    1. 用手牢固握住短距离探测器探头的基部,将其滑动至穿过 fNIRS 帽网眼的衬套部分(见图 2A)。注意不要从电缆端直接拉扯短距离探测器探头,以免损坏电缆。
      注意:在决定探头分布时,请参考近期关于全脑覆盖与特定感兴趣区域(ROI)分布对比的研究18
    2. 如有需要,使用制造商提供的光纤整理夹来管理电缆。确保短距离探测器电缆朝向帽子后方,以保持面部区域整洁无碍。
  3. 将 fNIRS 帽和光极放置于受试者头部
    1. 请受试者将帽子从头顶垂直向下佩戴,就像戴上一顶冬季帽子一样。确保帽子佩戴端正,耳朵位于耳孔内。
    2. 请受试者根据舒适度收紧下巴带。调整后部绑带,确保帽子牢固固定,且光极插座紧贴头部。
    3. 根据 10-20 系统的位置(枕外隆突、鼻根点、耳前点及 Cz 点),使用绿色贴纸标记关键解剖标志点21
      注意:若使用 3D 结构传感器确定光源与探测光极的空间坐标,则必须使用绿色贴纸。具体要求可能因所用 3D 结构传感器类型而异。本方案采用 Occipital 公司的结构传感器(Mark II)20
    4. 使用软尺,通过对称对齐帽上的标记点与头皮上的对应点,确保:i)两侧耳前点到 Cz 点的距离相等;ii)枕外隆突与鼻根点到 Cz 点的距离相等。确保所有受试者的帽子位置保持一致。
  4. 使用 3D 结构传感器数字化仪获取受试者头部模型
    1. 指导受试者保持静止,以便生成其头部的 3D 模型。
    2. 在平板电脑或 iPad 上打开 Structure 应用程序。
      注意:本方案描述了使用 Occipital 公司的结构传感器(Mark II)20 创建头部网格所需的步骤。不同系统间操作可能有所差异。
    3. 确保关闭以下设置:高分辨率彩色成像、红外自动曝光和增强型追踪功能。
    4. 调整受试者位置,使其整个头部位于屏幕上的 3D 方框内,完整呈现头部轮廓,并避免肩部过多进入画面。
    5. 小心地围绕受试者行走 360° 以完成 3D 扫描。每旋转约 90° 后,等待应用程序完成图像采集再继续下一步(见图 3A)。
    6. 完成全部扫描后,点击屏幕右侧按钮生成 3D 渲染图像。
    7. 检查渲染结果,确保图像清晰、细节充足,足以准确判断光极和绿色解剖标志贴纸的位置。将 3D 扫描数据存储于符合 HIPAA 标准的受保护服务器中。
  5. 准备受试者进入扫描室
    1. 生成 3D 模型后,移除绿色贴纸,并指导受试者将耳塞插入耳中。
    2. 遵循磁共振成像中心的安全规程,确保受试者可以安全进入扫描室。该步骤通常包括向受试者确认体内无金属物,并通过金属探测器进行最终检查。大多数成像中心通常要求受试者在到达前完成 MRI 安全问卷。
  6. 将光源与探测器探头安装到 fNIRS 帽上
    1. 在扫描室内,指导受试者舒适地坐在扫描仪检查床上。
    2. 一只手稳定每个光极衬套,另一只手使用 MRI 安全的施用工具将衬套中心区域的头发拨开(见 图 2B)。当头发充分移开(理想情况下可清晰看到头皮)后,用力将光极压入衬套中。
    3. 确保在释放衬套张力后,头发不会回弹遮挡光极中心。若使用全脑阵列,建议将头部后方的光极光纤朝前放置,头部前方的光极光纤朝后放置。这种光纤排布方式可在受试者躺下并将头部置入 MRI 头线圈时,防止光纤缠绕或受压。
      ​注意:由两名实验人员分别位于受试者两侧同时操作,可更快、更轻松地完成光纤插入与对齐过程。
    4. 使用电缆整理器将光纤整齐捆扎成束(见 图 2B图 3B)。使用 NIRStar 软件进行测试校准并测量信号强度。由两名经验丰富的研究人员完成光极放置与校准过程约需 10 分钟。
    5. 根据需要调整各个光极,通过清除干扰光极处的头发以达到足够的信号质量。使用塑料镊子移除光极以便拨开遮挡的头发(见 图 2B)。

斑点表面上的 EEG 电极装置及各种神经功能检测工具。
图 2.近距探测器及 fNIRS 帽准备工具。A)近距探测器探头及橡胶缓冲垫,用于固定在前额毛发较少区域的 fNIRS 帽上。(B)从左至右:光纤束整理器,用于将光学纤维整理成束;MRI 安全型推发器,用于在放置光极时拨开毛发;塑料镊子,用于在 NIRS 帽安装过程中必要时从帽上取下光极以移动毛发。请点击此处查看该图的放大版本。

用于神经数据采集的脑成像装置与脑电帽,科研实验设置。
图3.3D结构传感器数字化仪与功能性近红外光谱(fNIRS)帽的放置。A)实验人员使用3D结构传感器数字化仪构建受试者头部的三维模型。绿色贴片用于标识颅骨标志点位置。(B)将光学纤维插入受试者头部的fNIRS帽中,并使用线缆整理器将其分组排列,随后进行信号校准。请点击此处查看该图的放大版本。

4. 受试者准备

注意:以下步骤在磁共振成像(MRI)扫描室中进行。呼吸带和脉搏血氧仪的使用为可选,仅当研究人员希望从功能性近红外光谱(fNIRS)数据中去除这些信号时才需要22。本方案使用呼吸单元中的呼吸带,通过束缚带采集呼吸幅度信号。同样,生理脉搏单元包含一个光电容积描记传感器,用于采集心律信号。

  1. 确保20通道头部线圈已放置在扫描仪中。如果使用全头部fNIRS阵列,32通道和64通道头部线圈会对成年受试者过紧。
  2. 在MRI头部线圈底部放置一个泡沫枕头,以支撑受试者头部后部(见图4A)。
  3. 请受试者缓慢而小心地躺下,避免其动作移动帽具或牵拉光纤。根据需要调整光纤束,使受试者头部能舒适地置于头部线圈内(见图4B)。根据波导电缆的位置,此步骤中可能需要升高扫描仪床面。
  4. 在受试者腿部下方放置枕头,以确保其舒适。将呼吸带环绕于受试者腰部。
  5. 请受试者将主动降噪耳机佩戴在耳朵上,注意不要干扰fNIRS探头的放置。为防止耳机滑动,可在耳机与头部线圈内侧之间的头部两侧使用MRI安全垫。可使用耳机套以防止耳机与头部线圈直接接触。
  6. 将脉搏血氧仪放置于受试者非优势手的食指上。若实验任务中使用按钮盒,请受试者用优势手持握,并向其说明按钮盒的使用方法。
  7. 将挤压球或紧急报警按钮置于受试者非优势手上,并指导其如何使用。通过让受试者按压按钮来测试报警装置是否正常工作。
  8. 将受试者向扫描仪孔内推进几英寸以对齐头部位置。安放头部线圈的上部组件,随后将麦克风和反射镜插入对应的线圈插槽中。
  9. 在手持光纤的同时,缓慢将受试者推入扫描仪孔内。此过程需两人操作,分别位于扫描仪床的两侧。确保光纤被小心引导进入扫描仪孔内,避免对光极施加拉力,或使光纤在头部线圈与扫描仪孔之间被夹压。
  10. 在确认受试者已准备好开始扫描后,返回控制室,并通过内部对讲系统确认受试者能够听到实验人员的声音,且实验人员也能清楚听到受试者的声音。

MRI脑成像设置及线圈连接,显示受试者处于数据采集位置。
图4.受试者在MRI扫描仪中的设置。A)MR头部线圈内的枕头,用于支撑受试者的头部,以及在设置受试者前已捆扎成束的光纤。(B)受试者仰卧于扫描床,fNIRS帽已准备就绪待测试。头部线圈的上半部分尚未覆盖到受试者面部。请点击此处查看此图的放大版本。

5. 信号记录前的扫描仪和功能性近红外光谱设备设置

  1. 在扫描仪计算机上,选择与研究相关的结构和功能序列。在计算 fNIRS 数据的敏感性光模型时,需同时采集 T1 加权(T1w)和 T2 加权(T2w)图像,以获得最佳的组织对比分辨率。
  2. 检查定位像,确认受试者头部在扫描孔内的位置良好。确保从头部顶部至小脑区域均被完整覆盖。
  3. 与受试者确认,其可通过头线圈镜面清晰看到计算机屏幕。
  4. 运行第一次结构扫描。同时,对 fNIRS 光极进行另一次校准测试,以检查受试者准备过程是否影响了任一通道的信号强度。
  5. 完成第一次结构 MRI 扫描后,采集梯度回波场图序列,并校准降噪耳机,以确保耳机能够向受试者传递听觉刺激,同时屏蔽环境噪声。
    ​注意:部分受试者可能需要调整耳机。若如此,需重新进入扫描室,调整耳机周围的垫料,注意避免干扰 fNIRS 探头的放置。在继续下一步前,需重新运行一次定位像、梯度回波场图序列以及 fNIRS 光极的校准测试。

6. 同时信号记录

  1. 通过对讲机与受试者确认,确保其感觉舒适且状态良好。向受试者说明任务指令,并提醒其保持头部和身体静止。
  2. 提供以下针对闪烁棋盘格任务的具体说明(图5)。
    1. 在此任务中,指示受试者始终注视其前方显示屏幕中央的位置(通过反射镜观察)。有时屏幕上会呈现一个棋盘格图案,其方格以不同频率闪烁;其他时候,受试者将在屏幕中央看到一个白色圆圈。
    2. 当屏幕上出现白色圆圈时,请受试者用食指按下按钮盒。按钮按下后,圆圈将变为红色。
    3. 该任务采用交替的区组设计。让受试者完成一次6分钟的运行,其中包括11个持续10秒的闪烁棋盘格区组和11个持续20秒的圆圈区组。
  3. 在fNIRS计算机上开始fNIRS数据记录,并在刺激呈现计算机上启动任务。实验任务的脚本将作为任务说明显示。
  4. 开始第一次功能运行。当扫描仪发送第一个TTL脉冲时,该信号将在NIRStar软件的数据记录界面上显示为触发信号。此第一个脉冲也将启动实验任务。
  5. 在整个任务过程中监控受试者的表现和运动情况。在某些情况下,特别是使用全头光学探头阵列和小尺寸帽具时,部分受试者佩戴帽具可能会感到不适。因此,始终关注受试者的舒适度非常重要。
    1. 如有需要,可在扫描过程中为受试者安排一次休息。在此期间,如果受试者需要坐起,重新采集定位图像,并在继续实验前重新运行梯度回波场图序列、耳机校准和fNIRS测试校准。如果严格按照本方案中的步骤对年轻成人进行测试,通常无需执行此步骤。
  6. 在数据采集过程中,记录有关本次实验会话的笔记(例如:帽具尺寸、一天中的时间、校准不佳的光学探头,或任何异常情况)。
  7. 在所有功能运行结束后,停止fNIRS数据采集。如有需要,再进行第二次结构扫描。

采用棋盘格任务进行认知研究的同时采集fMRI和fNIRS信号的方法示意图。
图5.以闪烁棋盘格范式作为实验任务。 受试者观看一个黑白棋盘格图案,其中白格以每秒八次的频率闪烁,并与显示白色圆圈的灰色屏幕交替呈现。为检测注意力,要求受试者在看到屏幕中央出现白色圆圈时,用右手按下按钮。按钮按下后,圆圈变为红色。该任务在一次运行中完成,共包含22个区组:11个闪烁棋盘格区组和11个试次间间隔期。每个闪烁棋盘格阶段持续10秒,试次间间隔期持续20秒。因此,闪烁棋盘格的起始间隔为每30秒一次(0.033 Hz)。视觉刺激由PsychoPy v2021.2.4生成,并通过1080p DLP投影系统投射到头部线圈顶部的后向镜上。受试者完成一次该任务(约6分钟)。 请点击此处查看该图的放大版本。

7. 实验后清理与数据存储

  1. 使用电动扫描床缓慢将受试者从扫描仪孔洞中移出,注意不要夹到任何光学纤维。取下头部线圈的上盖,让受试者缓慢坐起。
  2. 从受试者头部取下 fNIRS 帽子,并将每个光极从相应的衬套中取出。即使光极已被移除,头发仍可能卡在衬套中,因此应指导受试者缓慢而小心地取下帽子。
  3. 在取下帽子的过程中,部分衬套可能会脱落。务必找到所有衬套部件,并在下一位受试者扫描前补全任何缺失的部件。
  4. 让受试者从扫描床上滑下,感谢他们的时间,并在适用情况下提供金钱补偿。
  5. 确保任务日志、fNIRS 和 fMRI 数据已妥善存储并备份。按照 fNIRS 设备供应商的建议,使用喷雾清洁剂对帽子进行消毒,并用适用于塑料和橡胶的酒精湿巾擦拭光极尖端。

8. fMRI 数据预处理

注意:fMRI 数据的预处理遵循人类连接组计划的最小预处理流程23,使用 QuNex24 进行处理。QuNex 是一个开源软件套件,支持神经影像多模态数据的组织、预处理、质量控制和分析。有关下述各步骤所用具体设置和参数的详细文档,请访问 QuNex 官方网站 https://qunex.yale.edu/。以下列出了处理数据的主要步骤和所用参数。

  1. 预处理结构数据
    1. PreFreeSurfer 预处理流程. 执行以下步骤:梯度失真校正、使用六自由度(DOF)刚体变换对T1w和T2w图像的重复扫描进行配准、将T1w和T2w图像的AC-PC对齐至MNI空间模板、初步脑提取、读出方向失真校正、在原始体积空间中进行T1w与T2w的跨模态配准、偏置场校正以及MNI非线性体积配准。
    2. Freesurfer 流程。执行以下步骤:使用样条插值将 T1w 图像下采样至 1 mm,并运行 recon-all 以生成白质表面,其中包括使用 Freesurfer 的 BBRegister 算法对 T2w 与 T1w 配准进行精细调整(参见23 有关更多详细信息)。
    3. PostFreeSurfer 分析流程。执行以下步骤:将 recon-all 输出结果转换为原生体空间中的 GIFTI 和 NIFTI 格式,生成最终的脑掩膜和皮层带体积,生成髓鞘图谱,并进行从原生空间到 MNI 空间的非线性体配准。
  2. 预处理功能数据
    1. fMRI 体积分析流程。执行以下步骤:失真校正、基于FLIRT的运动校正、基于TOPUP的场图预处理(使用自旋回波场图)、EPI图像失真校正及EPI图像向T1w图像配准、一步法样条重采样至图谱空间(MNI)、通过偏置场去除和脑部掩膜进行强度归一化。
    2. fMRI 表面处理流程。为将体数据时间序列映射到以 CIFTI 格式存储的结合了表面和体数据的灰质坐标表示,需依次执行以下步骤:fMRI 脑膜带构建、表面平滑、皮层下结构处理以及密集时间序列生成。
    3. 准备BOLD数据。计算反映运动及其伪影特性的定量质量控制(QC)统计量,以识别异常帧。有关生成定量QC统计量的可用选项,请参考QuNex文档。这些统计量通常包括BOLD时间信噪比,以及用于运动擦除的统计指标,如帧位移阈值和图像强度归一化的均方根误差(RMSE)阈值。根据研究特定的标准,忽略或对识别出的问题帧进行插值处理。
    4. 提取干扰信号. 从脑室、白质和灰质中提取干扰信号,以便在后续步骤中进行干扰信号回归。

9. fNIRS 数据预处理

注意:fNIRS 数据的分析遵循 fNIRS 数据分析的最佳实践25,使用 NeuroDOT26 进行处理。NeuroDOT 是一个开源分析环境,可将来自原始光强信号的数据处理为脑功能的体素级图谱,并与特定受试者的解剖结构或脑图谱共同配准。以下描述的所有步骤均可通过 NeuroDOT 完成。有关下述各步骤具体设置和参数的更多文档,可在 https://github.com/WUSTL-ORL/NeuroDOT_Beta 的教程和脚本中找到。最后,光极与头皮的配准需要获取 fNIRS 光极相对于底层脑组织的坐标,若有条件,可使用 3D 数字化仪或维生素 E 胶囊作为标记点来实现。本节将介绍这两种方法,并提供相关软件包的参考信息。

  1. 生成被试特异性头部网格并创建光模型
    1. 将T1加权(T1w)图像分割为相关组织类型,以创建分割后的头部模型:头皮、颅骨、脑脊液(CSF)、灰质和白质。如果条件允许,同时使用T1w和T2加权(T2w)图像,因为它们各自提供了有关相关组织类型的互补信息。
      注:本方案中使用NeuroDOT的“Segment5R_fs”功能完成此步骤,该功能基于Freesurfer的体积分割结果28。其他常用的脑组织分割软件包包括SPM29和AFNI30
    2. 通过NeuroDOT使用Mimics软件包从分割后的头部模型生成头部网格。若使用3D数字化仪将光极位置标定在头部模型上,请遵循FieldTrip关于光极定位的建议31。或者,若使用维生素E胶囊作为源-探测器对坐标的定位标记,则需在T1w图像中手动识别光源和探测器的位置(示例见32)。
    3. 通过NeuroDOT将通过3D数字化仪或维生素E胶囊获得的光源与探测器位置标注在网格的相应位置上。
    4. 设置以下参数,通过NeuroDOT使用NIRFAST软件包计算被试特异性头部模型的灵敏度矩阵:体素化分辨率:2;区域标签:CSF、white、gray、bone、skin;各区域吸收系数:CSF [0.004, 0.004],white [0.0167, 0.0208];gray [0.018, 0.0192],bone [0.0116, 0.0139],skin [0.74, 0.64];各区域散射系数:CSF [0.3, 0.3],white [1.1908, 1.0107];gray [0.8359, 0.6726],bone [0.94, 0.84],skin [0.64, 0.74];各区域折射率:CSF [1.4, 1.4],white [1.4, 1.4];gray [1.4, 1.4],bone [1.4, 1.4],skin [1.4, 1.4]。
      注:本方案使用NIRFAST软件包(版本9.1)33,34,该软件基于扩散近似法求解辐射传输方程,采用有限元法构建前向光模型。NIRFAST计算光模型依赖三类信息:i) 组织边界形状,ii) 基线光学性质的内部分布,iii) 表面上光源与探测器的位置(详见35,36)。蒙特卡洛方法可作为替代方案,用于求解不同组织类型的扩散方程37,38
    5. 可视化测量灵敏度的一个示例,作为定性评估。
  2. 处理源-探测器测量的原始数据
    1. 以成像阵列的二维表示形式显示每个光源和探测器的平均光强水平。剔除时间标准差大于7.5%的源-探测器对36。若数据采集帧率至少为3 Hz,可利用心率功率阈值剔除源-探测器对的测量值,因为良好的光极-头皮耦合会表现出与脉搏频率(约1 Hz)一致的特征。
    2. 对数据进行去趋势处理,以消除每次测量中的线性趋势。使用高通滤波(截止频率0.02 Hz)去除低频漂移。作为滤波的替代方法,也可在广义线性模型(GLM)中加入漂移因子作为协变量。
    3. 对数据进行低通滤波(1 Hz)以去除心脏振荡干扰。
    4. 通过计算所有8 mm源-探测器对测量值的平均值来估计全局表层信号。短距离测量可用于估计系统性非皮层生理信号,因其主要采样头皮和颅骨组织。
    5. 从所有测量中回归去除全局信号39
    6. 对数据进行低通滤波(截止频率0.5 Hz),进一步将剩余数据集中在刺激频率附近,并将数据降采样至1 Hz40,41,42,以降低计算负荷。
    7. 使用时间导数的全局方差(GVTD)时间序列实施运动剔除43。GVTD通过一组测量值或体素的时间导数的均方根计算得到43。通过排除超过GVTD噪声阈值的时间点,实现运动剔除或“擦除”(scrubbing)。
  3. 将光模型与预处理后的数据重建为功能性神经影像体数据
    1. 基于对灵敏度矩阵的正则化反演,采用Tikhonov正则化和空间可变正则化方法,重建785 nm和830 nm波长下吸收率的相对变化44
    2. 通过对波长依赖性吸收数据进行光谱分解,计算血红蛋白浓度的相对变化44,45

10. fMRI/fNIRS 任务诱发数据的分析

  1. 运行单次会话的一级广义线性模型(GLM)分析(采用血流动力学响应函数(HRF)建模,回归生理信号,包括短距离 fNIRS 测量值),以评估特定受试者的大脑活动如何与统计假设相关联。
    注意:GLM 的一种替代方法是区组平均法,该方法避免了对 HRF 形状的先验假设。然而,区组平均法无法在建模刺激引起的血流动力学响应的同时,对 fNIRS 信号中的相关混杂因素进行建模。
  2. 进行组水平或二级 GLM 分析,以整合不同受试者的一级激活估计结果。
  3. 从个体 GLM 文件中提取相关效应估计值,并将其合并为组水平文件。
  4. 计算所需的统计量。FSL PALM46 是一个成熟的软件包,可用于对单变量和多变量 GLM 模型进行置换重采样,实现统计推断。
  5. 获取全脑 GLM 的 Beta 估计值。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本节展示了功能性磁共振成像(fMRI)和功能性近红外光谱成像(fNIRS)信号在棋盘格闪烁任务中具有代表性的被试特异性反应。首先,展示了具有代表性的原始fNIRS数据及其质量评估结果 图6 图7 以说明在磁共振成像(MRI)环境中测量功能性近红外光谱(fNIRS)信号的实验装置的可行性。整个头部探头阵列及灵敏度分布示意图如图所示。 图8.

在785 nm和830 nm激光频率下显示时频数据的光谱分析图
...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本方案通过使用全脑fNIRS探头阵列和短距离通道,同步采集fMRI 与fNIRS信号,并对系统性非皮层生理信号进行测量和回归去除。该方案的关键步骤包括对fNIRS设备进行改造与开发,以实现在MRI环境中采集fNIRS信号。据我们所知,目前尚无完全针对全脑fNIRS阵列同步采集fMRI 和fNIRS信号而优化的即插即用型商用系统。本方案填补了这一空白,尤其适用于希望对两种信号进行全脑比较的研究人员,但也可轻松修改用于针对特定感兴趣区域的研究。

本方案详细阐述了对fNIRS设备进行的关键改进,包括在fNIRS帽中加入可放置维生素E胶囊的插件、改进帽子前额区域的舒适性以及后脑部位的可调节性,以及定制的磁共振安全桥架,用于将fNIRS光学纤维引至扫描仪操作台。在开展同步fMRI/fNIRS研究时,一个关键挑战是确保实验装置能够让受试者在扫描仪内舒适地保持静卧状态。目前针对成人的实验设置平均可支持约40分钟的扫描时间,其中包括功能成像和结构成像。受试者在扫描仪内能够舒适静卧的时间长短主要取决于fNIRS系统所配备的探头类型。本方案采用的是NIRx NIRScout XP系...

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文的出版费用由NIRx赞助。作者无其他事项需要披露。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究得到了以下资助来源的支持:脑与行为研究基金会(Brain and Behavior Research Foundation)颁发的NARSAD青年研究者奖(Grant #29736)(SSA)、比尔及梅琳达·盖茨基金会(Bill and Melinda Gates Foundation)的全球重大挑战奖(Global Grand Challenges Grant)(Grant #INV-005792)(RNA),以及耶鲁大学心理学系的发现基金奖(Discovery Fund Grant)(RNA)。作者还希望感谢耶鲁大学脑成像中心(Yale Brain Imaging Center)的Richard Watts在数据采集过程中提供的支持,以及圣路易斯华盛顿大学(Washington University in St Louis)的Adam Eggebrecht、Ari Segel和Emma Speh在数据分析方面的协助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
280 个低剖面 MRI 兼容 NIRs 帽用衬套NIRxGRM-LOP
4 个 128 位点 NIRS 帽,带 128× 未安装插槽,布局为 10-5NIRxCP-128-128S尺寸:52、54、56、60
8 组 4× 探测器光纤,带低剖面端头;兼容 MRI、MEG 和 TMS NIRxDET-FBO- LOW10 米长
8 组 4× 激光光源光纤,带 MRI 兼容低剖面端头NIRxSRC-FBO- LAS-LOW10 米长
8 个短通道探测器组件,配备专用环形衬套,可适配低剖面衬套NIRxDET-SHRT-SET将单个探测器分成 8 个短通道,可放置于单个 NIRS 帽上的任意位置
Magnetom 3T PRISMASiemensN/A128 通道容量,64/32/20 通道头部线圈,最大梯度幅度 80 mT/m,压摆率 200 T/m/s,支持完整的神经序列
NIRScout XP 核心系统单元NIRxNSXP- CHS最多支持 64× Laser-2(或 32× Laser-4)光源或 64× LED-2 光源;最多支持 32× 探测器;支持串联(多系统)和超扫描(多受试者)测量;兼容 EEG、tDCS、眼动追踪及其他模态;提供 fMRI、TMS、MEG 兼容模块
NIRStar 软件NIRxN/A版本 15.3
NIRx 并口复制器NIRxACC-LPT-REP并口复制器 包含三个组件:并口复制器盒、USB 电源线和 BNC 适配器
生理脉搏单元SiemensPPU098光学体积描记法,用于采集心律信号。
呼吸单元SiemensPERU098 用于采集呼吸幅度的单元(通过气动系统和束缚带实现)。
Structure Sensor Mark IIOccipital101866 (SN)用于光极数字化的 3D 结构传感器。

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences. 1464 (1), 5-29 (2020).
  2. Quaresima, V., Ferrari, M. Functional Near-Infrared Spectroscopy (fNIRS) for Assessing Cerebral Cortex Function During Human Behavior in Natural/Social Situations: A Concise Review. Organizational Research Methods. 22 (1), 46-68 (2016).
  3. Pinti, P., et al. A Review on the Use of Wearable Functional Near-Infrared Spectroscopy in Naturalistic Environments. The Japanese Psychological Research. 60 (4), 347-373 (2018).
  4. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  5. Blasi, A., Lloyd-Fox, S., Katus, L., Elwell, C. E. fNIRS for Tracking Brain Development in the Context of Global Health Projects. Photonics. 6 (3), 89(2019).
  6. Aslin, R. N. Questioning the questions that have been asked about the infant brain using near-infrared spectroscopy. Cognitive Neuropsychology. (1-2), 7-33 (2012).
  7. Chen, W. L., et al. Functional Near-Infrared Spectroscopy and Its Clinical Application in the Field of Neuroscience: Advances and Future Directions. Frontiers in Neuroscience. 14, 724(2020).
  8. Lee, Y. J., Kim, M., Kim, J. S., Lee, Y. S., Shin, J. E. Clinical Applications of Functional Near-Infrared Spectroscopy in Children and Adolescents with Psychiatric Disorders. Journal of Child & Adolescent Psychiatry. 32 (3), 99-103 (2021).
  9. Bonilauri, A., Sangiuliano Intra, F., Baselli, G., Baglio, F. Assessment of fNIRS Signal Processing Pipelines: Towards Clinical Applications. Applied Sciences. 12 (1), 316(2021).
  10. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow and Metabolism. 16 (5), 817-826 (1996).
  11. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A Quantitative Comparison of Simultaneous BOLD fMRI and NIRS Recordings during Functional Brain Activation. NeuroImage. 17 (2), 719-731 (2002).
  12. Glover, G. H. Overview of functional magnetic resonance imaging. Neurosurgery Clinics of North America. 22 (2), (2011).
  13. Toronov, V., et al. Investigation of human brain hemodynamics by simultaneous near-infrared spectroscopy and functional magnetic resonance imaging. Medical Physics. 28 (4), 521-527 (2001).
  14. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  15. 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 (4), 2808-2821 (2011).
  16. Duan, L., Zhang, Y. J., Zhu, C. Z. Quantitative comparison of resting-state functional connectivity derived from fNIRS and fMRI: a simultaneous recording study. NeuroImage. 60 (4), 2008-2018 (2012).
  17. Sasai, S., et al. A NIRS-fMRI study of resting state network. NeuroImage. 63 (1), 179-193 (2012).
  18. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004(2021).
  19. Wyser, D., et al. Short-channel regression in functional near-infrared spectroscopy is more effective when considering heterogeneous scalp hemodynamics. Neurophotonics. 7 (3), 035011(2020).
  20. Homolle, S., Oostenveld, R. Using a structured-light 3D scanner to improve EEG source modeling with more accurate electrode positions. Journal of Neuroscience Methods. 326, 108378(2019).
  21. Jasper, H. H. The ten-twenty electrode system of the International Federation. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
  22. von Luhmann, A., Li, X., Muller, K. R., Boas, D. A., Yucel, M. A. Improved physiological noise regression in fNIRS: A multimodal extension of the General Linear Model using temporally embedded Canonical Correlation Analysis. NeuroImage. 208, 116472(2020).
  23. Glasser, M. F., et al. The minimal preprocessing pipelines for the Human Connectome Project. NeuroImage. 80, 105-124 (2013).
  24. Ji, J. L., et al. QuNex-An integrative platform for reproducible neuroimaging analytics. Frontiers in Neuroinformation. 17, 1104508(2023).
  25. Yucel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  26. Eggebrecht, A., Muccigrosso, D., Culver, J. NeuroDOT: an extensible Matlab toolbox for streamlined optical brain mapping. Diffuse Optical Spectroscopy and Imaging VII. , (2019).
  27. Jenkinson, M., Beckmann, C. F., Behrens, T. W., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62 (2), 782-790 (2012).
  28. Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  29. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. Statistical parametric mapping: the analysis of functional brain images. , Academic Press, Elsevier. (2011).
  30. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  31. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. 2011, 156869(2011).
  32. Sato, H., et al. A NIRS-fMRI investigation of prefrontal cortex activity during a working memory task. NeuroImage. 83, 158-173 (2013).
  33. Jermyn, M., et al. Fast segmentation and high-quality three-dimensional volume mesh creation from medical images for diffuse optical tomography. Journal of Biomedical Optics. 18 (8), 86007(2013).
  34. Dehghani, H., et al. Near infrared optical tomography using NIRFAST: Algorithm for numerical model and image reconstruction. Communications in Numerical Methods in Engineering. 25 (6), 711-732 (2008).
  35. Wheelock, M. D., Culver, J. P., Eggebrecht, A. T. High-density diffuse optical tomography for imaging human brain function. The Review of Scientific Instruments. 90 (5), 051101(2019).
  36. Eggebrecht, A. T., et al. A quantitative spatial comparison of high-density diffuse optical tomography and fMRI cortical mapping. NeuroImage. 61 (4), 1120-1128 (2012).
  37. Boas, D. A., Culver, J. P., Stott, J. J., Dunn, A. K. Three dimensional Monte Carlo code for photon migration through complex heterogeneous media including the adult human head. Optics Express. 10 (3), 159-170 (2002).
  38. Wang, L., Jacques, S. L., Zheng, L. MCML-Monte Carlo modeling of light transport in multi-layered tissues. Computer Methods and Programs in Biomedicine. 47 (2), 131-146 (1995).
  39. 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).
  40. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  41. Pelphrey, K. A., Shultz, S., Hudac, C. M., Vander Wyk, B. C. Research review: Constraining heterogeneity: the social brain and its development in autism spectrum disorder. Journal of Child Psychology and Psychiatry, and Allied Disciplines. 52 (6), 631-644 (2011).
  42. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  43. Sherafati, A., et al. Global motion detection and censoring in high-density diffuse optical tomography. Human Brain Mapping. 41 (14), 4093-4112 (2020).
  44. Eggebrecht, A. T., et al. Mapping distributed brain function and networks with diffuse optical tomography. Nature Photonics. 8 (6), 448-454 (2014).
  45. Ferradal, S. L., et al. Functional Imaging of the Developing Brain at the Bedside Using Diffuse Optical Tomography. Cerebral Cortex. 26 (4), 1558-1568 (2016).
  46. Winkler, A. M., Ridgway, G. R., Webster, M. A., Smith, S. M., Nichols, T. E. Permutation inference for the general linear model. NeuroImage. 92, 381-397 (2014).
  47. Hassanpour, M. S., et al. Statistical analysis of high density diffuse optical tomography. NeuroImage. 85, 104-106 (2014).
  48. Zhang, F., et al. Correcting physiological noise in whole-head functional near-infrared spectroscopy. Journal of Neuroscience Methods. 360, 109262(2021).
  49. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomedical Optics Express. 9 (8), 3805-3820 (2018).
  50. Klein, F., Kranczioch, C. Signal Processing in fNIRS: A Case for the Removal of Systemic Activity for Single Trial Data. Frontiers in Human Neuroscience. 13, 331(2019).
  51. Zhou, X., Sobczak, G., McKay, C. M., Litovsky, R. Y. Comparing fNIRS signal qualities between approaches with and without short channels. PLoS One. 15 (12), 0244186(2020).
  52. Santosa, H., Zhai, X., Fishburn, F., Sparto, P. J., Huppert, T. J. Quantitative comparison of correction techniques for removing systemic physiological signal in functional near-infrared spectroscopy studies. Neurophotonics. 7 (3), 035009(2020).
  53. Emberson, L. L., Crosswhite, S. L., Goodwin, J. R., Berger, A. J., Aslin, R. N. Isolating the effects of surface vasculature in infant neuroimaging using short-distance optical channels: a combination of local and global effects. Neurophotonics. 3 (3), 031406(2016).
  54. Frijia, E. M., et al. Functional imaging of the developing brain with wearable high-density diffuse optical tomography: A new benchmark for infant neuroimaging outside the scanner environment. NeuroImage. 225, 117490(2021).
  55. Brigadoi, S., Cooper, R. J. How short is short? Optimum source-detector distance for short-separation channels in functional near-infrared spectroscopy. Neurophotonics. 2 (2), 025005(2015).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

fMRI fNIRS

相关文章