Summary
본 프로토콜은 동시 EEG 및 fNIRS 기록을 수행하는 방법과 EEG 및 fNIRS 데이터 간의 관계를 검사하는 방법을 설명합니다.
Abstract
동시 EEG 및 fNIRS 기록은 신경 및 혈역학 신호 사이의 관계를 검사하여 인지 처리의 신경 메커니즘에 대한 완전한 이해를 얻을 수있는 좋은 기회를 제공합니다. EEG는 피질의 급속한 신경 활동을 측정할 수 있는 전기 생리학 기술인 반면, fNIRS는 뇌 활성화를 추론하기 위해 혈역학적 반응에 의존합니다. EEG와 fNIRS 신경 이미징 기술의 조합은 더 많은 기능을 식별하고 뇌의 기능과 관련된 더 많은 정보를 공개 할 수 있습니다. 이 프로토콜에서는 Flanker 작업 중에 EEG-fNIRS 측정이 동시 기록된 전기 전위 및 혈역학 적 반응을 위해 수행되었습니다. 또한 하드웨어 및 소프트웨어 시스템 설정에 대한 중요한 단계와 데이터 수집 및 분석 절차가 제공되고 자세히 논의되었습니다. 본 프로토콜은 EEG 및 fNIRS 신호를 사용하여 다양한 인지 과정의 근간을 이하는 신경 메커니즘의 이해를 개선하기 위한 새로운 길을 열 수 있습니다.
Introduction
이 연구는 융합된 EEG 및 fNIRS 신경 이미징 기술을 사용하여 Flanker 작업의 근간이 되는 신경 활성화 패턴을 밝히는 작동 프로토콜을 개발하는 것을 목표로 합니다. 흥미롭게도, 동시 fNIRS-EEG 기록은 전두엽 피질의 혈역학적 신호와 Flanker 작업과 관련된 전체 뇌의 다양한 이벤트 관련 전위(ERP) 성분 사이의 관계를 검사할 수 있게 한다.
기능적 근적외선 분광법(fNIRS), 뇌전도(EEG), 기능성 자기공명영상(fMRI)을 포함한 다양한 비침습적 신경영상양식의 통합은뇌에서정보처리가 일어나는 장소와 시기의 이해를 향상시키는 데 필수적이다1,2,,3. 추가적으로, FNIRS와 EEG를 결합하여 혈역학 반응에 있는 현지 신경 활동 그리고 연속적인 변경 사이 관계를 검토하기 위하여 잠재력이 있습니다, 있는 EEG와 fNIRS는 인간 두뇌 인지 기능의 신경 기계장치를 드러내는에서 상호 보완될 수 있습니다. fNIRS는 뇌 활성화를 추론하기 위해 혈역학적 반응에 의존하는 혈관 기반 기능성 신경 이미징 기술입니다. fNIRS는 대뇌 피질의 상대적인 옥시헤모글로빈(HbO) 및 데옥시헤모글로빈(HbR) 농도 변화를 측정하며, 이는 인지처리3,4,,5,,6,,7의연구에서 중요한 역할을 한다. 신경 혈관 및 신경 대사 결합 메커니즘8에따르면, 인지 처리와 관련된 국소 신경 활동의 변화는 일반적으로 4-7 초의 지연과 함께 국소 혈류 및 혈산소의 후속 변경을 수반한다. 신경 혈관 커플링은 느린 혈역학9의혈관 입력에 신경 활동의 빠른 역학을 통합하는 파워 트랜스듀서일 가능성이 있는 것으로 나타났다. 구체적으로, fNIRS는 주로 전두엽의 신경혈관 활성을 검사하는데 사용되며, 특히 집행기능10,,11,,12,추론 및 계획13,의사결정14,사회적 인식 및 도덕적판단(15)과같은 높은 인지 기능을 담당하는 전두엽 피질이다. 그러나 fNIRS에 의해 측정된 혈역학적 반응은 낮은 시간적 해상도로 신경 활동을 간접적으로 포착하는 반면, EEG는 신경 활동의 시간적으로 미세하고 직접적인 측정을 제공할 수 있습니다. 따라서, EEG와 fNIRS 기록의 조합은 더 많은 기능을 식별하고 뇌의 기능과 관련된 더 많은 정보를 공개 할 수 있습니다.
보다 중요한 것은, EEG 및 fNIRS 신호의 다중 모달 획득은 다양한 인지 작업16,,17,,18,,19,20, 21,,,22 또는 뇌-컴퓨터 인터페이스,23,,2124의기초가 되는 뇌 활성화를 검사하기 위해 수행되었다. 특히, 동시 ERP(이벤트 관련 전위) 및 fNIRS 기록은 P300 성분의 출현 후 몇 초 후 fNIRS가 전두측두피질의 혈역학적 변화를 식별할 수 있는 이벤트 관련 청각 홀수 패러다임1에기초하여 수행되었다. Horovitz 외. 또한 의미 처리 작업25동안 fNIRS 신호 및 P300 성분의 동시 측정을 입증했다. 흥미롭게도, 동시 EEG 및 fNIRS 기록에 기초한 이전 연구는 홀수 볼 자극 동안 P300이 fNIRS신호(26)와유의한 상관관계를 나타냈다는 것을 보여주었다. 다중 모달 측정은 이벤트 관련 패러다임26에기초한 포괄적인 인지 신경 메커니즘을 드러낼 가능성이 있다는 것을 발견했습니다. 이상한 작업 외에도 ERP 구성 요소 N200과 관련된 Flanker 작업은 건강한 제어 및 다양한 장애를 가진 환자와 인지 능력 탐지 및 평가의 조사에 사용할 수있는 중요한 패러다임입니다. 구체적으로, N200은 전방 cingulated 피질27 및 우수한 측두피질(28)으로부터 200-350 ms를 피크하는 음성 성분이었다.28 이전 연구는 플랭커 작업29에서우수한 전두엽 피질과 알파 진동 사이의 관계를 조사했지만, N200 진폭과 플랭커 작업 중 혈역학 반응 사이의 상관 관계는 탐구되지 않았습니다.
이 프로토콜에서는 표준 EEG 캡에 기초한 가정용 EEG/fNIRS 패치가 동시 EEG 및 fNIRS 기록용으로 활용되었다. 지원을 가진 광대/전극의 배열은 EEG 캡으로 융합된 fNIRS 광도의 배치를 통해 달성되었습니다. 동시 EEG 및 fNIRS 데이터 수집은 E-prime 소프트웨어에 의해 생성된 동일한 자극 작업으로 수행되었다. 우리는 Flanker 작업과 관련된 ERP 성분이 전두엽 피질의 혈역학 적 반응과 상당한 상관 관계를 나타낼 수 있다고 가설합니다. 한편, 결합 된 ERP및 fNIRS 기록은 향상된 정확도로 뇌 활성화 패턴을 식별하기 위해 여러 신호 지표를 추출 할 수 있습니다. 가설을 테스트하기 위해, fNIRS 설정 및 EEG 기계는 이벤트 관련 Flanker 작업에 대응하는 복잡한 신경 인식 메커니즘을 밝히기 위해 통합되었다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
실험 테스트 전에 모든 참가자는 정보에 입각한 동의 서에 서명했습니다. 본 연구에 대한 프로토콜은 마카오 대학의 윤리위원회에 의해 승인되었다.
1. 동시 EEG 및 fNIRS 레코딩을 위한 하드웨어 및 소프트웨어 설정
- 동시 EEG-fNIRS 레코딩을 위한 헤드 캡을 구성합니다.
- 참가자의 머리 둘레에 따라 적절한 캡 크기를 선택합니다. 이 연구에서는 대부분의 청소년 및 성인 참가자에게 적합하기 때문에 중간 크기의 캡을 사용하십시오.
- 전두엽 피질의 EEG 캡과 함께 fNIRS 광단의 레이아웃을 디자인합니다(그림1).
- 두 기술19,,30에의해 동일한 뇌 영역의 측정을 보장하기 위해 fNIRS 광대의 중간 부분에 EEG 전극을 배치한다. 그러나, EEG와 fNIRS 신경 이미징 방법 모두의 낮은 공간 해상도로 인해, fNIRS 채널의 정확한 위치보다는 fNIRS 광대에 의해 덮여 해당 뇌 영역에 전극을 배치.
- 전두엽 피질의 특정 레이아웃에 맞춰 fNIRS 광단을 유지하기 위해 EEG 캡 내부에 22 구멍을 확인합니다. 헤드 캡의 설계 레이아웃에 따라 fNIRS 광단의 위치를 식별하고 표시한 다음 캡 내부에 구멍을 뚫어 광도를 배치하고 수정합니다.
- 10-20 국제 시스템에 따라 EEG 캡의 표면을 Table of Materials따라 21 또는 71 개의 EEG 전극을 배치하고 광도에 대한 그리드를 장착합니다.
- 각 소스 검출기 쌍 사이의 거리를 3cm로 설정한 다음 파란색 광섬유가 광 검출기를 나타내는 광 검출기를 고정하고 빨간색 은 레이저 소스를 나타냅니다.
- 소프트웨어에서 EEG 및 fNIRS 포트를 설정합니다.
- 병렬 포트 와 직렬 포트를 통해 생성된 시간 트리거를 사용하여 두 개의 서로 다른 신호의 동기화를 보장합니다.
- EEG 시스템에 대한 병렬 포트(예: 본 연구에서 H378)를 설정합니다(재료 표참조).
- fNIRS 시스템에 대한 직렬 포트(예: 이 연구에서 6 9600)를 설정합니다(재료 표참조).
참고: 다양한 EEG 및 fNIRS 설정과 관련하여 포트 유형 및 번호를 수정해야 합니다. 자세한 내용은 제조업체에 문의하십시오.
2. 실험 준비
- 30분 동안 레이저가 켜진 fNIRS 시스템을 데우습니다.
- fNIRS 측정 시스템에 필요한 모든 작동 파라미터를 설정합니다.
- 참가자에게 EEG 및 fNIRS 측정 시스템을 포함한 융합 된 실험 설정을 표시합니다.
- 10-20 국제 시스템에 따라 Cz 포인트를 측정하고 표시합니다. 이니온과 nasion 사이의 거리의 절반과 왼쪽및 오른쪽 청각 간 들여쓰기 사이의 거리의 절반에서 Cz의 전극 위치를 식별합니다.
- 참가자의 이마를 따라 캡의 앞부분을 먼저 놓고 캡의 뒷면을 목쪽으로 당깁니다.
- 위치의 유효성을 검사합니다.
- 소프트 눈금자를 통해 Cz와 이니온 및 나시온 사이의 거리를 다시 측정하고 중간점에 있는지 다시 확인합니다. 마찬가지로 Cz와 왼쪽 및 오른쪽 간 청각 간 사이의 거리를 측정하고 Cz가 중간점에 있는지 여부를 다시 확인합니다.
- EEG 녹화를 준비합니다.
참고: EEG 전극을 먼저 설정한 다음 fNIRS 광도를 설정하는 것이 좋습니다. EEG 전도성 겔이 fNIRS 광도의 배치를 위한 구멍을 덮는 경우에, 광막의 오염을 방지하기 위하여 청소되어야 합니다.- EEG 전극 그리드의 구멍을 통해 무딘 바늘을 삽입하여 전도성 겔을 채웁니다.
- 라벨에 따라 모든 전극을 EEG 전극 그리드에 넣습니다.
- EEG 소프트웨어를 열고 EEG 전극의 신호 품질을 검사합니다.
- 신호 품질이 요구 사항(40 mV)을 충족하기에 충분하지 않은 경우 전극을 전극을 리필하여 재조정합니다.
- 임피던스 요건을 충족할 수 없는 경우 전도성 겔을 리필하여 전극을 재조정합니다.
- fNIRS 레코딩을 준비합니다.
주의: fNIRS 소스의 레이저 빔에 참가자의 눈을 직접 노출시키지 마십시오.- fNIRS 측정 시스템과 홀더에 부착된 홀더 암을 따라 광섬유를 놓습니다. 섬유가 깔끔하고 깔끔한지 확인하십시오.
- 레이아웃에 따라 광학 소스와 검출기를 구멍에 삽입합니다.
- 신호 품질을 테스트합니다. 채널에 높은 수준의 신호 대 잡음 비(예: 채널이 노란색으로 표시된 경우)가 없는 경우 광학 프로브를 둘러싼 참가자의 머리카락을 부드럽게 검사하여 광학 프로브와 두피 사이에 존재하지 않는지 확인합니다.
- 2.8.3단계로 신호 품질을 개선할 수 없는 경우 신호 강도를 높입니다. 신호가 너무 많으면(예: 채널이 빨간색으로 표시되어 있는 경우) 신호 강도를 줄입니다.
3. 실험 실행
- 우수한 신호 대 잡음 비로 신호가 안정적이고 참가자가 실험 지침에 익숙한 경우 실험을 시작합니다. 실험 테스트29,,31에대한 고전적인 플랭커 패러다임을 사용합니다.
- 실험 후 EEG 및 fNIRS 모두에서 데이터를 저장하고 내보냅니다.
- EEG 전극과 fNIRS 광학 프로브를 조심스럽게 제거합니다.
4. 3D 디지타이저와 fNIRS 광도의 3 차원 (3D) MNI 좌표의 측정
- 참가자들이 의자에 앉아 센서가 있는 안경을 착용하게 한다.
- 컴퓨터에서 디지타이저 소프트웨어를 엽니다. 3D 디지타이저 시스템이 적절한 COM 포트를 통해 컴퓨터와 연결되어 있는지 확인합니다.
- 광도 설정 파일의 레이아웃을 로드합니다.
- 3D 디지타이저 스타일러스를 화면과 함께 키 위치(Nz, Iz, 왼쪽 귀, 오른쪽 귀, Cz)에서 이동하고 스타일러스의 버튼을 누릅니다.
- 광학 소스 및 검출기 지역화
- 3D 좌표 파일을 내보냅니다.
5. 데이터 분석
- fNIRS 데이터 분석
- MATLAB 2019를 사용하여 NIRS-SPM의 등록 옵션을 사용하여 3D MNI가 데이터를 조정합니다. 선택: 독립실행형 공간 등록 | 3D 디지타이즈. 이전에 저장된 다른 사용자 및 원본 텍스트 파일을 선택한 다음 등록을선택합니다.
- Homer2 소프트웨어32와사전 프로세스 fNIRS 신호 .
- 원시 데이터를 다양한 파장에 대한 광학 밀도 변화로 변환하고 수정된 맥주 램버트 법칙을 사용하여 서로 다른 시점에서 HbO의 농도 변화로 변환합니다. 일반적으로, 전형적으로 차동 경로 길이 계수(DPF) 값은 연령, 성별 및 파장에 의해 영향을 받고, 소스와 디세토르(33),33,34 사이의 거리는 6이며, 이는 이전연구들(34,,35)으로부터의평균 DPF와 유사하다.
- 모션 보정을 위해 Homer2 fNIRS 처리 패키지의 스플라인 모션 아티팩트 감지 알고리즘을 사용합니다. 문헌36에따라 적절한 동작 수정 방법을 선택하십시오.
- 0.2 Hz의 로우 패스 필터에 의해 원시 헤모글로빈 연속 데이터를 처리하고 이어서 0.015 Hz의 하이 패스 필터를 처리합니다.
- 평균 값을 나누어 혈역학 신호 진폭을 정규화합니다.
- 3D 디지타이저 정보를 기반으로 각 채널에 대한 fNIRS 데이터를 생성합니다. 추가 분석을 위해 NIRS-SPM의 회귀 계산에 따라 우수한 전두엽 피질(SFC)에서 등록 확률이 100% 이상인 채널을 선택합니다.
- 산소 헤모글로빈 (HbO) 농도 변화의 피크 값을 내보냅니다.
참고: 이 연구에서는 높은 신호 대 잡음 비율로 인해 HbO 신호만 분석되었습니다. 추가 분석을 위해 각 참가자로부터 각 채널에 대해 실행 평균 HbO 데이터의 피크 값을 추출했습니다.
- 뇌파 데이터 처리
참고: 오프라인 EEG 데이터 분석은 EEGLAB을 사용하여 수행되었다. Fz에서만 N200이 본 연구에서 흥미로운 구성 요소였다. 모든 전극은 아티팩트 토포그래피의 내부 모델을 사용하여 눈의 움직임을 제거하기 위해 자동 아티팩트 보정을 실시하였다. 연속 EEG 데이터는 표적 및 비표적 자극에 따라 상이한 시험으로 분할되었고, 각 시험에 대한 epoch는 500 ms (기준선 epoch)의 사전 자극 기간과 2000 ms (작업 epoch)의 사후 자극 기간을 포함하는 2500 ms를 지속했습니다.- 플러그인을 사용하여 원시 EEG 데이터 폴더를 EEGLAB에 로드합니다. 이 연구에서 BDF 파일에 대한 BIOSIG 플러그인을 선택합니다.
참고 : EEG 데이터 파일 형식에 따라 적합한 플러그인을 선택하십시오. - EEGLAB37의채널 위치 정보를 설정합니다. 캡의 해당 위치 파일을 로드합니다.
- EEGLAB의 한 플러그인인 ERPLAB에서 전극을 다시 참조합니다. 유스토이드에 배치된 채널을 참조 전극으로 선택합니다.
- ERPLAB37의이벤트 및 빈 파일을 기반으로 EEG 데이터 시대를 추출합니다.
- FIR 필터를 사용하여 30Hz의 컷오프로 낮은 주파수를 필터링하고 0.1Hz의 컷오프로 고주파를 필터링하여 ERPLAB의 EEG 데이터 세그먼트를 필터링합니다.
- EEGLAB에서 독립적인 성분 분석을 통해 안구 EEG 아티팩트를 제거합니다.
- ERPLAB의 모든 채널에서 진폭 값이 ±100 μV를 초과하는 EEG 데이터 세그먼트를 거부합니다.
- ERPLAB의 EEG 데이터 세그먼트 평균.
참고 : 이들은 일반적으로 사용되는 데이터 분석 방법과 EEG 및 fNIRS 데이터를 처리하기위한 소프트웨어입니다. 사용할 수 있는 수많은 처리 소프트웨어 및 방법이 있습니다.
- 플러그인을 사용하여 원시 EEG 데이터 폴더를 EEGLAB에 로드합니다. 이 연구에서 BDF 파일에 대한 BIOSIG 플러그인을 선택합니다.
- 상관 관계 계산
- Pearson 상관 관계 분석을 사용하여 fNIRS 및 EEG 기록 간의 관계를 생성합니다.
i>
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
그림 2는 모든 채널에 대한 HbO 신호를 보여주고 그림 3은 플랭커 작업의 두 조건에 대한 Fz 및 FCz에서 ERP를 표시합니다. Figure 4는 Pearson 상관 분석 결과를 나타내었으며 SFC에서의 fNIRS 신호는 부조화 조건(P&0.05)에P대한 Fz에서ERP N200 성분과 유의한 상관관계를 나타냈다. 그러나, 이것은 합동 조건(P>0.05)에 대 한 경우.
그림 1. fNIRS 헤드셋 배치 및 채널 구성. 디지털화된 광도 레이아웃은 MNI 좌표계로 변환된 다음 뇌 피질을 따라 중첩되어 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2. 플랭커 작업과 관련된 모든 채널에 대한 HbO 신호입니다. 분홍색 곡선은 위화감을 나타내고 녹색 곡선은 합동 상태를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3. Fz 및 FCz 전극에 대한 ERP 신호. 검정 곡선은 위화감을 정의하고 빨간색 곡선은 합동 조건을 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 4: 위화조건에 대한 우수한 전두엽 피질(SFC)을 따라 ERP N200 및 HbO 신호 사이의 상관관계. 두 측정 사이의 회귀 계수는 0.59, p = 0.027입니다. Please click here to view a larger version of this figure.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
이 프로토콜에서, 결합된 EEG 및 fNIRS 기록은 전두엽 피질의 전체 뇌의 신경 신호 및 동시 혈역학 적 반응을 기록함으로써 이벤트 관련 Flanker 패러다임과 관련된 뇌 활성화 패턴을 조사하기 위해 수행되었다. ERP 결과는 Fz에서 N200이 합동 및 부조화 조건을 현저하게 구별할 수 있었다는 것을 보여주었다(P=0.037). 한편, SFC(채널 21)에서의 HbO 신호는 또한 플랭커 태스크와 관련된 뇌 인지 기능을 억제하는 능력의 중요한 역할을 입증한 합동 및 부조화 조건 사이의 유의한 차이를 나타냈다(PFDR = 0.041).
또한, Fz에서의 N200은 합동 조건에 대한 SFC(채널 21)에서의 혈역학 적 반응과 유의한 상관관계를 보였다. 전두엽 피질의 뇌 활성화는 높은 인지 기능과 밀접한 상관 관계가 있으며, 이는 공간 영역에서 높은 신호 대 잡음 비로 fNIRS로 쉽게 식별 할 수 있습니다. 그러나, 동일한 Flanker 작업과 관련된 EEG에 의해 검출된 신경 활성(N200)은 주로 높은 감도와 높은 시간적 분해능을 가진 정수리 피질에서 밝혀진다. Fz에서 N200은 두 조건 사이의 인지 차이를 나타내고, fNIRS 신호는 두 조건 사이의 전두엽 영역에서 억제 기능의 차이를 나타냈다. 그것은 인식 플랭커 작업 동안 집행 제어와 상당한 관계를 보여 주었다 발견되었다. 이것은 Fz의 N200이 SFC의 혈역학 반응과 상당한 상관 관계를 보인 주된 이유일 수 있습니다.
이 프로토콜에서, 우리는 융합된 EEG 및 fNIRS 기록을 수행하는 방법과 사건 관련 전위를 분석하고 전두엽 피질의 헤모글로빈 농도 변화를 측정하는 방법을 설명했다. 서로 다른 설정의 동기화는 두 하드웨어 시스템의 융합에 필수적인 관심사입니다. 한편, 이벤트 관련 트리거는 동시 EEG 및 fNIRS 레코딩의 작업 설계에 중요한 표시이기도 합니다.
결합된 EEG 및 fNIRS 기록은 다양한 인지 작업의 기초가 되는 신경 메커니즘의 조사를 위한 유망한 기술입니다. 요약하면, 우리는 Flanker 작업 중에 동시 EEG 및 fNIRS 데이터를 성공적으로 획득했습니다. 연구 결과는 fNIRS 혈역학 반응 및 ERP 분대 N200가 Flanker 작업과 관련되었던 인식 기계장치의 다른 관점을 전시했다는 것을 현저하게 상관되었다는 것을 표시했습니다. 다중 모달 신경 화상 진찰 결과는 Flanker 작업의 신경 기계장치의 이해를 향상하기 위한 새로운 도로를 포장하는 다른 대기 시간 및 활성화 지구를 가진 두뇌 인식에 기여에 있는 결합한 EEG 및 fNIRS 기술의 필수적인 역할을 지원합니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 할 것이 없다.
Acknowledgments
이 작업은 마카오 대학의 정보 통신 기술 사무소 (ICTO)에 의해 지원되는 고성능 컴퓨팅 클러스터 (HPCC)에서 부분적으로 수행되었습니다. 이 연구는 마카오 마카오 대학의 MYRG2019-00082-FHS 및 MYRG 2018-00081-FHS 교부금에 의해 지원되었으며, 또한 과학 기술 개발 기금, 마카오 SAR (FDCT 0011/2018/A1 및 FDCT 025/2015/A1)에 의해 지원되었습니다.
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).
