的fNIRS功能磁共振成像测量验证过程中一个自然主义任务

我们提出了一种方法，可以将使用 fNIRS 在自然任务期间记录的功能性大脑活动与 fMRI 期间记录的活动进行比较。

该程序的总体目标是比较在执行复杂运动任务的受试者中使用功能性 MRI 和功能性近红外光谱或 F nears 获得的方法和结果。这首先是通过开发可用于这两种技术的范例来实现的。第二步是使用 FMRI 采集和处理功能图像。

接下来使用 F ns 获取和处理功能图像。最后一步是比较在可比大脑区域的观察结果。最终，参与每种方法的研究组之间的 FMRI 和 FN'S 结果相似。

与 FMRI 等现有方法相比，该技术的主要优点是 NERS 可以应用于自然环境，而对运动没有极度敏感。伪影和磁化率等排除标准无关紧要。首先通过编辑 SM 配置文件的详细信息来修改游戏 dance stance revolution 或 DDR。

使用 DDR step mania 的开源克隆来更改计时、图形和音乐。使用游戏歌曲蝴蝶，修改 DO SM 配置文件，以便受试者使用游戏机制中内置的交替块设计交替进行游戏，交替 30 秒的游戏时间和第 32 个休息时间。背景图形将向玩家指示何时使用绿色，何时放松红色。

对于 FMRI 数据收集，将移动限制为使用参与者的脚按下左右箭头按钮。在扫描之前，两项任务的按钮按下总数应保持相等。根据机构指南获得知情同意并筛查 MRI 安全性。

然后向受试者解释游戏的基本知识，并在成像前进行几次练习 指导受试者用脚按下相应的箭头按钮，使其尽可能接近移动箭头路径顶部勾勒出的最佳时间，但要尽可能减少头部运动。首先准备好扫描时，请在玩游戏之前获取结构图像。然后获取功能性磁共振成像。

指示被试者使用准备好的范例玩游戏，但仅使用左箭头和右箭头，以减少扫描完成时的运动伪影。使用统计参数映射或 SPM 软件执行 FMRI 粗体信号分析。此外，使用二级随机效应方法对单个结果进行分组分析。

然后将感兴趣区域定义为功能簇与从维克森林大学获得的上颞回和中回解剖掩码之间的连接。选择 Atlas 工具进行近红外光谱分析。使用多通道 F nears 地形系统记录来自 Optos 的数据，这些数据排列成 3 x 5 阵列。

每个源检测器对的距离互作应为 3 厘米。首先确定包含光学传感器阵列的弹性帽的方向，使其从左前额叶皮层到左颞叶对齐。确保最低道路上最前面的光以国际 10 10 系统的 FPZ 为中心。

然后将下排光学元件与解剖标志 FPZ 和 T 7 之间的线平行对齐。就位后，将光学探针阵列拧紧到受试者的头部，并确保使用带子和下巴带将其牢固连接。应注意防止光器件从头部表面移位。

源探测器对应紧贴头部，但不会让拍摄对象感到不舒服。对于 f nears 测试，请确保 FMRI 和 F N'S 任务之间的按箭总数相同，并且只有模式不同。使用与 FMRI 测试相同的范例，并添加上下箭头，而仅用于 FMRI 的左箭头和右箭头。

Hi.在 F n 测试期间，使用标准的四按钮地垫按钮响应系统进行游戏。一旦熟悉了游戏的基础知识，就指导受试者玩第 32 个游戏时间和第 32 个休息时间。对每个科目重复这个 5 分钟的游戏两次。

接下来，使用 3D 数字化笔确定源和探测器光位置的空间值。在 elastic cap 的每个通道中，在数据收集和游戏之前立即确定 nasn Ian Oracles 和 cz 的坐标。将包含源和探测器位置的文本文件保存到文本文件中，并将解剖坐标保存到原始文本文件中。

使用主菜单中 nears SPM 中的注册选项处理捕获的 3D 坐标。选择 Standalone spatial registration（独立空间配准）。在下一个屏幕上，选择 with 3D digitizer，然后使用相应的对话框选择之前保存的其他文件和原始文本文件。

然后选择注册 NFRI 函数以确定空间表示对于 F'S 分析，请根据 3D 数字化仪信息选择要分析的通道。根据配准过程的输出，选择在颞上回配准概率为 80% 或以上的通道进行分析。使用 SPM 8 中的 results 函数确定 T 值大于 2.6 或相应 P 值大于 0.01 的超级阈值体素。

然后使用重叠的超级阈值体素确定感兴趣区域。要定义解剖区域内的簇，请使用 wake forest pick 图集中包含的 A A L 图谱定义颞上回和中颞回。在这种情况下，生成的聚类具有 572 2 x 2 x 2 毫米的体素，位于颞中回，峰值体素位于坐标负 66、负 24 0 和峰值 T 等于 5.73。

对于 F N's。使用 3D 数字化坐标从 FN 数据中确定感兴趣的通道，在大多数受试者中使用 N'S SPM 转换为 MNI 坐标。通道 22 在定义的感兴趣区域内具有最高的活动概率。

确定 FMRI 感兴趣区域的平均事件触发响应，以及 F 附近的相应通道在第 62 个活动和静止块组合的持续时间内。通过缩放 FMRI 数据以最佳匹配 F ns 数据来比较 FMRI 和 F nears。使用线性回归时，使用 F ns 等于 B 乘以 FMRI，其中回归方法获得 B 值，以便 F Ns 减去 B 乘以 FMRI 的根均平方值最小。

最后，通过两组的相关性比较 F 和 FMRI 信号。该图显示了来自 FMRI 扫描程序的 16 名受试者和来自 FN 协议的 26 名受试者的标准化和平均原始数据。数据固定在时间 0 处，游戏交互的活跃阶段发生在图表的前 30 秒内。

此图表示来自单个主体的叠加通道位置的大脑渲染。通道 1 和 22 的平均迹线用实线表示氧合血红蛋白信号，虚线表示脱氧血红蛋白信号。红色轨迹表示音乐游戏，蓝色轨迹表示来自通道 1 的非音乐游戏信号，用作与感兴趣区域进行比较的控制示例。

这两个区域的信号在任务响应方面存在差异。这项技术为系统神经科学领域的研究人员探索与健康正常受试者的复杂运动任务相关的神经活动铺平了道路。观看此视频后，您应该对如何比较使用 FMRI 和 fne 获得的结果有很好的了解。