Summary
Le présent protocole décrit comment effectuer des enregistrements simultanés de l’EEG et du FNIRS et comment inspecter la relation entre les données EEG et fNIRS.
Abstract
Les enregistrements concurrents d’EEG et de fNIRS offrent une excellente occasion d’acquérir une compréhension complète du mécanisme neuronal du traitement cognitif en inspectant la relation entre les signaux neuronaux et hémodynamiques. EEG est une technologie électrophysiologique qui peut mesurer l’activité neuronale rapide du cortex, tandis que fNIRS s’appuie sur les réponses hémodynamiques à l’activation du cerveau infère. La combinaison des techniques de neuroimagerie EEG et fNIRS peut identifier plus de caractéristiques et révéler plus d’informations associées au fonctionnement du cerveau. Dans ce protocole, des mesures EEG-fNIRS fusionnées ont été exécutées pour des enregistrements simultanés des potentiels hermétiques évoqués et des réponses hémodynamiques pendant une tâche de flanker. En outre, les étapes critiques pour la mise en place du système matériel et logiciel ainsi que les procédures d’acquisition et d’analyse des données ont été fournies et discutées en détail. On s’attend à ce que le protocole actuel puisse ouvrir une nouvelle voie pour améliorer la compréhension des mécanismes neuronaux sous-jacents à divers processus cognitifs en utilisant les signaux EEG et fNIRS.
Introduction
Cette étude vise à développer un protocole de travail pour révéler le modèle d’activation neuronale qui sous-tend la tâche Flanker en utilisant des techniques de neuroimagerie EEG et fNIRS fusionnées. Fait intéressant, les enregistrements simultanés fNIRS-EEG permettent l’inspection de la relation entre les signaux hémodynamiques dans le cortex préfrontal et divers composants potentiels liés à l’événement (ERP) du cerveau entier associés à la tâche flanker.
L’intégration de diverses modalités de neuroimagerie non invasive, y compris la spectroscopie fonctionnelle proche infrarouge (FNIRS), l’électroencéphalographie (EEG) et l’imagerie par résonance magnétique fonctionnelle (IRMf) est essentielle pour améliorer la compréhension de l’endroit et du moment où le traitement de l’information a lieu dans le cerveau1,2,3. En outre, il est possible de combiner fNIRS et EEG pour examiner la relation entre l’activité neuronale locale et les changements ultérieurs dans les réponses hémodynamiques, dans lequel EEG et fNIRS peuvent être complémentaires en révélant le mécanisme neuronal de la fonction cognitive du cerveau humain. FNIRS est une technique de neuroimagerie fonctionnelle à base vasculaire qui repose sur les réponses hémodynamiques à l’activation du cerveau infère. FNIRS mesure les changements relatifs de concentration d’oxyhemoglobine (HbO) et de deoxyhemoglobine (HbR) dans le cortex cérébral, qui joue un rôle important dans l’étude du traitement cognitif3,4,5,6,7. Selon le mécanisme d’accouplement neurovasculaire et neurométabolique8, le changement de l’activité neuronale locale associée au traitement cognitif est généralement accompagné de modifications ultérieures dans le flux sanguin local et l’oxygène de sang avec un retard de 4-7 secondes. Il est démontré que le couplage neurovasculaire est probablement un transducteur de puissance, qui intègre la dynamique rapide de l’activité neuronale dans l’apport vasculaire de l’hémodynamique lente9. Plus précisément, fNIRS est principalement utilisé pour inspecter l’activité neurovasculaire dans le lobe frontal, en particulier le cortex préfrontal qui est responsable des fonctions cognitives élevées, telles que les fonctions exécutives10,11,12, raisonnement et la planification13, prise de décision14, et la cognition sociale et le jugement moral15. Cependant, les réponses hémodynamiques mesurées par fNIRS ne saisissent qu’indirectement l’activité neuronale avec une résolution temporelle basse, tandis que l’EEG peut offrir des mesures temporellement fines et directes des activités neuronales. Par conséquent, la combinaison de l’EEG et de l’enregistrement des FNIRS peut identifier plus de fonctionnalités et révéler plus d’informations associées au fonctionnement du cerveau.
Plus important encore, l’acquisition multimodale des signaux EEG et fNIRS a été menée pour inspecter l’activation du cerveau sous-jacente à diverses tâches cognitives16,17,18,19,20,21,22 ou cerveau-ordinateur interface23,24. En particulier, des enregistrements simultanés ERP (potentiel lié à l’événement) et fNIRS ont été effectués sur la base du paradigme auditif1, dans lequel les FNIRS peuvent identifier les changements hémodynamiques dans le cortex frontotemporral plusieurs secondes après l’apparition du composant P300. Horovitz et coll. ont également démontré les mesures simultanées des signaux fNIRS et du composant P300 lors d’une tâche de traitement sémantique25. Fait intéressant, des études antérieures basées sur des enregistrements simultanés EEG et fNIRS ont montré que P300 pendant les stimuli oddball a montré une corrélation significative avec les signaux fNIRS26. Il a été découvert que les mesures multimodales ont le potentiel de révéler le mécanisme neuronal cognitif complet basé sur le paradigme lié à l’événement26. Outre la tâche bizarre, la tâche flanker associée à la composante ERP N200 est également un paradigme important, qui peut être utilisé pour l’étude de la détection et de l’évaluation des capacités cognitives avec des contrôles sains et des patients atteints de divers troubles. Plus précisément, N200 était un composant négatif qui culmine 200-350 ms du cortex cingulé antérieur frontal27 et cortex temporel supérieur28. Bien que les études précédentes aient examiné la relation entre le cortex frontal supérieur et l’oscillation alpha dans la tâche de flanker29, la corrélation entre l’amplitude de N200 et les réponses hémodynamiques pendant la tâche de flanker n’a pas été explorée.
Dans ce protocole, un patch EEG/fNIRS fait maison basé sur le plafond standard de l’EEG a été utilisé pour les enregistrements simultanés eEG et fNIRS. Les arrangements des optodes/électrodes avec le soutien ont été réalisés par le placement des optodes fNIRS fusionnées dans le bouchon d’EEG. Les acquisitions simultanées de données EEG et fNIRS ont été réalisées avec les mêmes tâches de stimuli générées par le logiciel E-prime. Nous émettons l’hypothèse que les composants ERP associés à la tâche flanker peuvent présenter une corrélation significative avec les réponses hémodynamiques dans le cortex préfrontal. Pendant ce temps, les enregistrements combinés ERP et fNIRS peuvent extraire plusieurs indicateurs de signal pour identifier les modèles d’activation du cerveau avec une précision accrue. Pour tester l’hypothèse, la configuration fNIRS et la machine EEG ont été intégrées pour révéler le mécanisme complexe de cognition neuronale correspondant à la tâche flanker liée à l’événement.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Avant les tests expérimentaux, tous les participants ont signé des documents de consentement éclairés. Le protocole de la présente étude a été approuvé par le Comité d’éthique de l’Université de Macao.
1. Réglage matériel et logiciel pour les enregistrements simultanés eEG et fNIRS
- Construire un bouchon de tête pour les enregistrements simultanés EEG-fNIRS.
- Sélectionnez la taille appropriée du capuchon en fonction de la circonférence de la tête des participants. Dans cette étude, utilisez un plafond de taille moyenne puisqu’il convient à la plupart des adolescents et des adultes.
- Concevoir la disposition des optodes fNIRS avec le bouchon EEG dans le cortex préfrontal (figure 1).
- Placez les électrodes EEG dans la section centrale des optodes fNIRS pour assurer la mesure de la même région du cerveau par les deux techniques19,30. Cependant, en raison de la faible résolution spatiale des méthodes de neuroimagerie EEG et fNIRS, placez les électrodes dans la zone cérébrale correspondante couverte par les optodes fNIRS plutôt que l’emplacement exact des canaux FNIRS.
- Faire 22 trous à l’intérieur du bouchon EEG pour tenir les optodes fNIRS en ligne avec la disposition spécifique dans le cortex préfrontal. Identifiez et marquez l’emplacement des optodes fNIRS en fonction de la disposition conçue du capuchon de tête, puis perforez des trous à l’intérieur du bouchon pour placer et réparer les optodes.
- Placez 21 ou 71 électrodes EEG le long de la surface du capuchon EEG (voir Tableau des matériaux)selon le système international 10-20 et montez les grilles pour les optodes.
- Définissez la distance entre chaque paire de détecteurs de sources à 3 cm, puis fixez les optodes, dans lesquelles les optodes bleus dénotent les détecteurs de lumière tandis que les rouges représentent les sources laser.
- Définissez les ports EEG et fNIRS dans le logiciel.
- Utilisez les déclencheurs de temps générés par le port parallèle et le port en série pour assurer la synchronisation de deux signaux différents.
- Définissez le port parallèle (p. ex., H378 dans cette étude) pour le système EEG (voir Tableau des matériaux).
- Définissez le port en série (p. ex. 6 9600 dans cette étude) pour le système fNIRS (voir Tableau des matériaux).
REMARQUE : Le type et le numéro du port doivent être modifiés en ce qui concerne les différentes configurations EEG et fNIRS. Veuillez contacter les fabricants pour plus d’informations.
2. Préparation expérimentale
- Réchauffez le système FNIRS avec des lasers allumés pendant 30 min.
- Définissez tous les paramètres de fonctionnement nécessaires pour le système de mesure fNIRS.
- Afficher la configuration expérimentale fusionnée, y compris les systèmes de mesure EEG et fNIRS aux participants.
- Mesurer et marquer le point Cz selon le système international 10-20. Identifier la position d’électrode de Cz à la moitié de la distance entre l’inion et le nasion et la moitié de la distance entre les indentations interurbaines gauche et droite.
- Placez la partie avant de la casquette le long du front du participant d’abord, puis tirez vers le bas la partie arrière de la casquette vers le cou.
- Validez les positions.
- Mesurez à nouveau la distance entre le Cz et l’inion et le nasion avec une règle souple, et vérifiez à deux reprises si elle est située au point médian. De même, mesurer la distance entre le Cz et la gauche et la droite inter-aurale, et vérifiez si le Cz est situé au point médian.
- Préparez-vous pour les enregistrements de l’EEG.
REMARQUE : Il est fortement recommandé que les électrodes EEG soient installées d’abord, puis les optodes fNIRS. Si le gel conducteur EEG couvre les trous pour le placement des optodes fNIRS, il doit être nettoyé pour empêcher la contamination des optodes.- Remplissez le gel conducteur en insérant une aiguille émoussée à travers les trous de la grille d’électrode EEG.
- Placez toutes les électrodes dans la grille d’électrode EEG selon les étiquettes.
- Ouvrez le logiciel EEG et inspectez la qualité du signal des électrodes EEG.
- Réajustez l’électrode en remplissant le gel conducteur si la qualité du signal n’est pas assez bonne pour répondre aux exigences (40 mV).
- Réajustez l’électrode en remplissant le gel conducteur si l’obstacle ne pouvait pas répondre aux exigences.
- Préparez-vous pour les enregistrements fNIRS.
Attention : N’exposez pas directement les yeux des participants au faisceau laser des sources fNIRS.- Placez les fibres optiques le long des bras de support attachés au système de mesure fNIRS ainsi qu’au support. Assurez-vous que les fibres sont propres et bien rangés.
- Insérez les sources optiques et les détecteurs dans les trous en fonction de la disposition.
- Testez la qualité du signal. Si un canal n’a pas de rapport signal-bruit de haut niveau (c.-à-d., si le canal est marqué en jaune), inspectez doucement les cheveux du participant entourant les sondes optiques pour s’assurer qu’il n’existe rien entre la sonde optique et le cuir chevelu.
- Si l’étape 2.8.3 ne peut pas améliorer la qualité du signal, augmentez l’intensité du signal. S’il y a trop de signal (c’est-à-dire si le canal est marqué en rouge), baissez l’intensité du signal.
3. Exécuter l’expérience
- Commencez l’expérience lorsque les signaux sont stables avec un excellent rapport signal-bruit et que les participants connaissent les instructions d’expérience. Utilisez le paradigme flanker classique pour le test expérimental29,31.
- Après l’expérience, enregistrer et exporter les données de l’EEG et du FNIRS.
- Retirez soigneusement les électrodes EEG et les sondes optiques fNIRS.
4. Mesure des coordonnées MNI tridimensionnelles (3D) des optodes fNIRS avec numériseur 3D
- Laissez les participants s’asseoir dans une chaise et porter les lunettes avec le capteur.
- Ouvrez le logiciel de numériseur sur l’ordinateur. Assurez-vous que le système de numérisage 3D est en relation avec l’ordinateur via un port COM approprié.
- Chargez la disposition du fichier de réglage des optodes.
- Déplacez le stylet de numériseur 3D à travers les positions clés (Nz, Iz, oreille gauche, oreille droite, Cz) avec l’écran et appuyez sur le bouton sur le stylet.
- Localiser les sources optiques et les détecteurs
- Exporter la 3D coordonne les fichiers.
5. Analyse des données
- Analyse des données fNIRS
- Traiter l’INM 3D coordonne les données en utilisant l’option d’enregistrement dans NIRS-SPM avec MATLAB 2019. Sélectionnez : enregistrement spatial autonome . Avec 3D Digitize. Choisissez les fichiers texte précédemment enregistrés et d’origine, puis sélectionnez l’enregistrement.
- Signaux FNIRS pré-traitement avec le logiciel Homer232.
- Convertir les données brutes en changements de densité optique pour différentes longueurs d’onde et convertir davantage en changements de concentration de HbO à différents moments à l’aide d’une loi modifiée Beer-Lambert. En général, la valeur généralement différentielle du facteur de longueur du chemin (DPF) affectée par l’âge, le sexe et la longueur d’onde, et la distance entre la source et le décélérateur33,34 est de 6, ce qui est similaire au DPF moyen des études précédentes34,35.
- Utilisez l’algorithme de détection d’artefacts de mouvement spline du paquet de traitement Homer2 fNIRS pour la correction de mouvement. S’il vous plaît sélectionner les méthodes appropriées de correction de mouvement basée sur la littérature36.
- Traiter les données continues d’hémoglobine brute par un filtre à faible passage de 0,2 Hz et par la suite un filtre à passage élevé de 0,015 Hz.
- Normalisez l’amplitude hémodynamique du signal en divisant les valeurs moyennes.
- Générer les données fNIRS pour chaque canal en fonction des informations de numérisation 3D. Sélectionnez les canaux qui ont une probabilité d’enregistrement de 100% ou plus dans le cortex frontal supérieur (SFC) selon le calcul de régression du NIRS-SPM pour une analyse plus approfondie.
- Exporter les valeurs maximales de l’hémoglobine de l’oxygène (HbO) changements de concentration.
REMARQUE : Dans cette étude, seuls les signaux HbO ont été analysés en raison de leur rapport signal-bruit élevé. Les valeurs maximales des données HbO en moyenne ont été extraites pour chaque canal de chaque participant pour une analyse plus approfondie.
- Traitement des données EEG
REMARQUE : L’analyse hors ligne des données EEG a été effectuée avec l’EEGLAB. Seul N200 à Fz était le composant intéressant pour la présente étude. Toutes les électrodes ont été soumises à une correction automatique d’artefact pour enlever les mouvements des yeux en utilisant un modèle interne de topographies d’artefacts. Les données continues de l’EEG ont ensuite été segmentées en différents essais selon les stimuli cibles et non ciblés, dans lesquels l’époque de chaque essai a duré 2500 ms, impliquant une période de pré-stimulus de 500 ms (époque de référence) et une période post-stimulus de 2000 ms (époque de tâche).- Chargez le dossier de données EEG brut dans l’EEGLAB en utilisant les plugins. Choisissez le plugin BIOSIG pour le fichier BDF dans cette étude.
REMARQUE : Veuillez choisir un plugin approprié selon le format de fichier de données EEG. - Réglez les informations de localisation du canal pour EEGLAB37. Chargez le fichier de localisation correspondant du bouchon.
- Ré-référence électrodes dans l’ERPLAB, qui est un plugin de l’EEGLAB. Choisissez les canaux placés dans les mastoïdes comme électrodes de référence.
- Extraire les époques de données EEG basées sur les fichiers d’événements et de bacs dans l’ERPLAB37.
- Filtrer les segments de données EEG dans l’ERPLAB en utilisant le filtre FIR en filtrant les basses fréquences avec une coupure de 30Hz et en filtrant les hautes fréquences avec une coupure de 0,1 Hz.
- Enlever les artefacts de l’EEG oculaire avec l’analyse indépendante des composants dans EEGLAB.
- Rejeter les segments de données EEG dont les valeurs d’amplitude dépassent 100 V sur n’importe quel canal de l’ERPLAB.
- Moyenne des segments de données EEG dans ERPLAB.
REMARQUE : Il s’agit de la méthode d’analyse des données généralement utilisée et du logiciel de traitement de l’EEG et des données fNIRS. Il existe de nombreux logiciels de traitement et méthodes disponibles.
- Chargez le dossier de données EEG brut dans l’EEGLAB en utilisant les plugins. Choisissez le plugin BIOSIG pour le fichier BDF dans cette étude.
- Calcul de corrélation
- Générer la relation entre les enregistrements fNIRS et EEG en utilisant l’analyse de corrélation Pearson.
i
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
La figure 2 montre les signaux HbO pour tous les canaux tandis que la figure 3 affiche les ERP à Fz et FCz pour les deux conditions de la tâche flanker. Figure 4 a illustré les résultats de l’analyse de corrélation Pearson a montré que les signaux fNIRS dans SFC ont montré une corrélation significative avec le composant ERP N200 à Fz pour la condition incongrue (P'lt;0.05). Cependant, ce n’est pas le cas pour les conditions congruents (P'gt;0.05).
Figure 1. placement du casque fNIRS et configuration du canal. La disposition des optodes numérisées sont converties en système de coordonnées de l’INM, puis superposées le long du cortex cérébral S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 2. Signaux HbO pour tous les canaux associés à la tâche Flanker. Les courbes roses dénotent l’état incongru tandis que les courbes vertes indiquent l’état congruent. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 3. Signaux ERP pour les électrodes Fz et FCz. Les courbes noires définissent l’état incongru tandis que les courbes rouges dénotent l’état congruent. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 4 : Corrélation entre les signaux ERP N200 et HbO le long du cortex frontal supérieur (SFC) pour l’état incongru. Le coefficient de régression entre les deux mesures est de 0,59, p - 0,027. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Dans ce protocole, des enregistrements combinés d’EEG et de fNIRS ont été exécutés pour examiner les modèles d’activation de cerveau impliquant un paradigme de flanker event-related en enregistrant les signaux neuronaux du cerveau entier et les réponses hémodynamiques simultanées du cortex préfrontal. Les résultats de l’ERP ont montré que le N200 à Fz était en mesure de distinguer de manière significative les conditions congruent et incongrues (P-0,037). Pendant ce temps, les signaux HbO dans SFC (canaux 21) ont également montré une différence significative entre les conditions congruent et incongrues, qui ont démontré le rôle important de la capacité de supprimer les réponses qui impliquaient la fonction cognitive du cerveau associée à la tâche de flanker (PFDR - 0.041).
En outre, N200 à Fz a montré une corrélation significative avec la réponse hémodynamique dans le SFC (canal 21) pour la condition incongrue bien que ce n’était pas le cas pour le congruent. L’activation cérébrale dans le cortex préfrontal est fortement corrélée avec des fonctions cognitives élevées, qui peuvent être facilement identifiées par fNIRS avec le rapport signal-bruit élevé dans le domaine spatial. Cependant, l’activité neuronale (N200) détectée par EEG liée à la même tâche de flanker est principalement indiquée dans le cortex pariétal avec la sensibilité élevée et la résolution temporelle élevée. N200 à Fz a montré la différence cognitive entre les deux conditions, tandis que les signaux de fNIRS ont illustré la différence de fonction de suppression dans la région préfrontale entre les deux conditions. Il a été découvert que la cognition a montré une relation significative avec le contrôle exécutif au cours de la tâche flanker. C’est peut-être la principale raison pour laquelle le N200 à Fz a montré une corrélation significative avec la réponse hémodynamique dans SFC.
Dans ce protocole, nous avons décrit comment effectuer des enregistrements fusionnés eEG et fNIRS et comment analyser le potentiel lié à l’événement et mesurer les changements de concentration d’hémoglobine dans le cortex préfrontal. La synchronisation des différentes configurations est une préoccupation essentielle pour la fusion de deux systèmes matériels. Pendant ce temps, le déclencheur lié à l’événement est également la marque cruciale pour la conception des tâches des enregistrements simultanés eEG et fNIRS.
Les enregistrements combinés d’EEG et de fNIRS sont des techniques prometteuses pour l’étude des mécanismes neuronaux sous-jacents à diverses tâches cognitives. En résumé, nous avons acquis avec succès des données concurrentes EEG et fNIRS lors d’une tâche flanker. Les résultats ont indiqué que la réponse hémodynamique de fNIRS et le composant DERP N200 ont été sensiblement corrélés, qui ont montré différentes perspectives du mécanisme cognitif lié à la tâche de flanker. Les résultats de neuroimagerie multimodal soutiennent un rôle essentiel de la technique combinée d’EEG et de fNIRS en contribuant à la cognition de cerveau avec différentes retards et régions d’activation, qui ouvre une nouvelle voie pour améliorer la compréhension des mécanismes neuronaux de la tâche de Flanker.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Les auteurs n’ont rien à divulguer.
Acknowledgments
Ce travail a été effectué en partie au sein du cluster informatique haute performance (HPCC), qui est soutenu par le bureau des technologies de l’information et de la communication (ICTO) de l’Université de Macao. Cette étude a été soutenue par les subventions MYRG2019-00082-FHS et MYRG 2018-00081-FHS de l’Université de Macao, ainsi que par le Fonds de développement des sciences et de la technologie, Macau SAR (FDCT 0011/2018/A1 et FDCT 025/2015/A1).
Materials
| Name | Company | Catalog Number | Comments |
| EEG cap | EASYCAP GmbH | - | - |
| EEG system | BioSemi | - | - |
| fNIRS system | TechEn | - | CW6 System |
References
- Kennan, R. P., et al. Simultaneous recording of event-related auditory oddball response using transcranial near infrared optical topography and surface EEG. NeuroImage. 16 (3), Pt 1 587-592 (2002).
- Horovitz, S. G., Gore, J. C. Simultaneous event-related potential and near-infrared spectroscopic studies of semantic processing. Human Brain Mapping. 22 (2), 110-115 (2004).
- Yuan, Z., Ye, J. Fusion of fNIRS and fMRI data: identifying when and where hemodynamic signals are changing in human brains. Frontiers in Human Neuroscience. 7, 676 (2013).
- Lin, X., Sai, L., Yuan, Z. Detecting Concealed Information with Fused Electroencephalography and Functional Near-infrared Spectroscopy. Neuroscience. 386, 284-294 (2018).
- Ieong, H. F., Yuan, Z. Emotion recognition and its relation to prefrontal function and network in heroin plus nicotine dependence: a pilot study. Neurophotonics. 5 (02), 1 (2018).
- Hu, Z., et al. Optical Mapping of Brain Activation and Connectivity in Occipitotemporal Cortex During Chinese Character Recognition. Brain Topography. 31 (6), 1014-1028 (2018).
- Wang, M. -Y., et al. Concurrent mapping of brain activation from multiple subjects during social interaction by hyperscanning: a mini-review. Quantitative Imaging in Medicine and Surgery. 8 (8), 819-837 (2018).
- Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage. 85, 6-27 (2014).
- Wan, X., et al. The neural basis of the hemodynamic response nonlinearity in human primary visual cortex: Implications for neurovascular coupling mechanism. NeuroImage. 32 (2), 616-625 (2006).
- Miller, E. K. The prefontral cortex and cognitive control. Nature Reviews Neuroscience. 1 (1), 59-65 (2000).
- Miller, E. K., Cohen, J. D. An integrative theory of prefrontal cortex function. Annual review of Neuroscience. 24 (1), 167-202 (2001).
- Mansouri, F. A., Tanaka, K., Buckley, M. J. Conflict-induced behavioural adjustment: a clue to the executive functions of the prefrontal cortex. Nature Reviews Neuroscience. 10 (2), 141-152 (2009).
- Wood, J. N., Grafman, J. Human prefrontal cortex: processing and representational perspectives. Nature Reviews Neuroscience. 4 (2), 139-147 (2003).
- Wallis, J. D. Orbitofrontal Cortex and Its Contribution to Decision-Making. Annual Review of Neuroscience. 30 (1), 31-56 (2007).
- Forbes, C. E., Grafman, J. The Role of the Human Prefrontal Cortex in Social Cognition and Moral Judgment. Annual Review of Neuroscience. 33 (1), 299-324 (2010).
- Nguyen, D. K., et al. Non-invasive continuous EEG-fNIRS recording of temporal lobe seizures. Epilepsy Research. 99 (1-2), 112-126 (2012).
- Peng, K., et al. fNIRS-EEG study of focal interictal epileptiform discharges. Epilepsy Research. 108 (3), 491-505 (2014).
- Liu, Y., Ayaz, H., Shewokis, P. A. Multisubject "learning" for mental workload classification using concurrent EEG, fNIRS, and physiological measures. Frontiers in Human Neuroscience. 11, (2017).
- Aghajani, H., Garbey, M., Omurtag, A. Measuring mental workload with EEG+fNIRS. Frontiers in Human Neuroscience. 11, (2017).
- Balconi, M., Vanutelli, M. E. Hemodynamic (fNIRS) and EEG (N200) correlates of emotional inter-species interactions modulated by visual and auditory stimulation. Scientific Reports. 6, (2016).
- Donohue, S. E., Appelbaum, L. G., McKay, C. C., Woldorff, M. G. The neural dynamics of stimulus and response conflict processing as a function of response complexity and task demands. Neuropsychologia. 84, 14-28 (2016).
- Liu, Y., Ayaz, H., Shewokis, P. A. Mental workload classification with concurrent electroencephalography and functional near-infrared spectroscopy. Brain-Computer Interfaces. 4 (3), 175-185 (2017).
- Fazli, S., et al. Enhanced performance by a hybrid NIRS-EEG brain computer interface. NeuroImage. 59 (1), 519-529 (2012).
- Putze, F., et al. Hybrid fNIRS-EEG based classification of auditory and visual perception processes. Frontiers in Neuroscience. 8, 373 (2014).
- Horovitz, S. G., Gore, J. C. Simultaneous event-related potential and near-infrared spectroscopic studies of semantic processing. Human Brain Mapping. 22 (2), 110-115 (2004).
- Lin, X., et al. Mapping the small-world properties of brain networks in Chinese to English simultaneous interpreting by using functional near-infrared spectroscopy. Journal of Innovative Optical Health Sciences. 11 (03), 1840001 (2018).
- Folstein, J. R., Van Petten, C. Influence of cognitive control and mismatch on the N2 component of the ERP: A review. Psychophysiology. 45 (1), 152 (2008).
- Patel, S. H., Azzam, P. N. Characterization of N200 and P300: Selected studies of the Event-Related Potential. International Journal of Medical Sciences. 2 (4), 147-154 (2005).
- Suzuki, K., et al. The relationship between the superior frontal cortex and alpha oscillation in a flanker task: Simultaneous recording of electroencephalogram (EEG) and near infrared spectroscopy (NIRS). Neuroscience Research. 131, 30-35 (2018).
- Keles, H. O., Barbour, R. L., Omurtag, A. Hemodynamic correlates of spontaneous neural activity measured by human whole-head resting state EEG + fNIRS. NeuroImage. 138, 76-87 (2016).
- Eriksen, B. A., Eriksen, C. W. Effects of noise letters upon the identification of a target letter in a nonsearch task. Perception & Psychophysics. 16 (1), 143-149 (1974).
- Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: a review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied optics. 48 (10), 280-289 (2009).
- Kocsis, L., Herman, P., Eke, A. The modified Beer-Lambert law revisited. Physics in Medicine and Biology. 51 (5), (2006).
- Herold, F., Wiegel, P., Scholkmann, F., Müller, N. Applications of Functional Near-Infrared Spectroscopy (fNIRS) Neuroimaging in Exercise-Cognition Science: A Systematic, Methodology-Focused Review. Journal of Clinical Medicine. 7 (12), 466 (2018).
- Duncan, A., et al. Optical pathlength measurements on adult head, calf and forearm and the head of the newborn infant using phase resolved optical spectroscopy. Physics in Medicine and Biology. 40 (2), 295-304 (1995).
- 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).
- Lopez-Calderon, J., Luck, S. J. ERPLAB: an open-source toolbox for the analysis of event-related potentials. Frontiers in Human Neuroscience. 8, 213 (2014).
