Summary
我们提出了一种同时收集来自同一受试者的fMRI和fNIRS信号的方法,并覆盖了整个头部fNIRS。该协议已在三名年轻人中进行了测试,并可用于发育研究和临床人群的数据收集。
Abstract
功能性近红外光谱 (fNIRS) 是一种便携式神经成像方法,比功能性磁共振成像 (fMRI) 更稳健、更具成本效益,因此非常适合进行脑功能的自然研究以及用于发育和临床人群。fNIRS和fMRI方法都可以检测功能性大脑激活过程中脑血氧的变化,先前的研究表明,这两种信号之间存在高度的空间和时间对应关系。然而,没有对同时从具有全头fNIRS覆盖的相同受试者收集的两个信号进行定量比较。这种比较对于根据 fMRI 金标准全面验证区域级激活和功能连接是必要的,这反过来又有可能促进在整个生命周期内对两种信号进行比较。我们通过描述一种同时收集fMRI和fNIRS信号数据的协议来解决这一差距,该协议:i)提供全头fNIRS覆盖;ii) 包括非皮质全身生理信号回归的短距离测量;iii)实施两种不同的方法,用于fNIRS测量的光电点到头皮共同配准。介绍了来自三个受试者的 fMRI 和 fNIRS 数据,并讨论了调整方案以测试发育和临床人群的建议。目前成人的设置允许平均约 40 分钟的扫描会话,其中包括功能和结构扫描。该协议概述了使fNIRS设备适应磁共振(MR)环境所需的步骤,为数据记录和光电管到头皮共同配准提供了建议,并讨论了协议的潜在修改,以适应现有MR-safe fNIRS系统的具体情况。来自闪烁棋盘任务的代表性特定受试者响应说明了该协议在 MR 环境中测量全头 fNIRS 信号的可行性。该协议对于有兴趣在整个生命周期内针对 fMRI 验证 fNIRS 信号的研究人员尤其重要。
Introduction
近三十年来,人们一直在通过功能性磁共振成像 (fMRI) 在成人大脑中研究认知功能。尽管功能磁共振成像(fMRI)提供了高空间分辨率以及功能和结构图像,但对于在自然环境中进行的研究或用于婴儿和临床人群的研究,它通常不实用。这些限制极大地限制了我们对大脑功能的理解。fMRI 的替代方案是使用更具成本效益且对运动更稳健的便携式方法,例如功能性近红外光谱 (fNIRS)1,2,3。fNIRS已被用于婴幼儿,以评估一系列认知领域的大脑功能,例如语言发展,社会相关信息的处理和对象处理4,5,6。fNIRS也是一种神经影像学方法,特别适合检测临床人群,因为它有可能在7,8,9岁人群中重复检测和监测。尽管其适用性很广,但没有研究定量比较同时从同一受试者收集的具有全头部覆盖率的 fMRI 和 fNIRS 信号。这种比较对于根据 fMRI 金标准全面验证区域级激活和感兴趣区域 (ROI) 之间的功能连接是必要的。此外,建立这种模态间对应关系有可能增强对fNIRS的解释,因为它是典型和非典型发育中唯一收集的信号。
fMRI 和 fNIRS 信号都检测功能性脑激活期间脑血氧 (CBO) 的变化10,11。fMRI 依赖于电磁场的变化,并提供 CBO 变化的高空间分辨率12。相比之下,fNIRS使用一系列发光和光检测光电管2测量近红外光的吸收水平。由于fNIRS测量不同波长的吸收变化,因此它可以评估氧血红蛋白和脱氧血红蛋白的浓度变化。先前使用少量光极同时记录 fMRI 和 fNIRS 信号的研究表明,这两种信号具有很高的空间和时间对应关系10。血氧水平依赖性 (BOLD) fMRI 与光学测量之间存在很强的相关性11,13,脱氧血红蛋白与 BOLD 反应的相关性最高,正如先前比较 fNIRS 和 fMRI 血流动力学反应函数 (HRF) 的时间动力学的工作所报告的那样14。这些早期研究实施了运动反应范式(即手指敲击),并使用了有限数量的光电管覆盖初级运动和运动前皮层区域。在过去的十年中,研究已经扩大了关注范围,包括更多的认知任务和静息状态会话,尽管仍然使用有限数量的视光管来覆盖特定的ROI。这些研究表明,fNIRS/fMRI 相关性的变异性取决于光与头皮和大脑的距离15.此外,fNIRS可以提供与fMRI相当的静息态功能连接测量16,17。
目前的协议建立在先前工作的基础上,并通过以下方式解决了关键限制:i)提供全头fNIRS覆盖,ii)包括用于非皮层生理信号回归的短距离测量,iii)实施两种不同的方法,用于fNIRS测量值的光电到头皮共同配准,以及iv)能够在两个独立的会话中评估信号的重测可靠性。这种用于同时收集fMRI和fNIRS信号数据的协议最初是为测试年轻人而开发的。然而,该研究的目标之一是创建一个实验装置,用于收集同时的fMRI / fNIRS信号,这些信号随后可以用于测试发育人群。因此,目前的协议也可以作为制定测试幼儿的协议的起点。除了使用全头fNIRS覆盖外,该协议还旨在结合fNIRS硬件领域的最新进展,例如包括短距离通道来测量全身生理信号(即由非皮质来源引起的血管变化,如血压、呼吸和心脏信号)18,19;以及使用 3D 结构传感器进行光电与头皮共配准20.尽管本协议的重点是视觉闪烁棋盘任务的结果,但整个实验包括两个会话,混合了传统的块任务设计、静止状态会话和自然主义观影范式。
该协议描述了使fNIRS设备适应MRI环境所需的步骤,包括帽设计,通过触发同步进行时间对齐以及数据收集开始前所需的幻象测试。如前所述,这里的重点是闪烁棋盘任务的结果,但整个过程不是特定于任务的,可以适用于任何数量的实验范式。该协议进一步概述了数据收集过程中所需的步骤,包括fNIRS电容放置和信号校准,参与者和实验设备设置,以及实验后清理和数据存储。该协议最后概述了专门用于预处理fNIRS和fMRI数据的分析管道。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
该研究得到了耶鲁大学机构审查委员会(IRB)的批准。所有受试者均获得知情同意。受试者必须通过 MRI 筛查以确保他们安全参与。如果他们有可能影响认知功能的严重躯体或神经系统疾病史(即神经认知或抑郁障碍、创伤、精神分裂症或强迫症),则被排除在外。
注意:当前协议使用具有 100 个长距离通道和 8 个短距离通道(32 个激光二极管源,λ = 785/830 nm,平均功率为 20mW / 波长,以及 38 个雪崩光电二极管探测器)的 CW-NIRS 设备,采样频率为 1.95 Hz。 MRI 和 fMRI 扫描是在西门子 3 特斯拉 Prisma 扫描仪上使用 20 通道头圈收集的。所有数据均在耶鲁大学脑成像中心(https://brainimaging.yale.edu/)收集。在整个协议中都记录了用于收集同时 fMRI 和 fNIRS 数据的特定系统修改。
1. 用于同步数据收集的fNIRS设备的修改和开发
注:步骤3至6特定于NIRScoutXP系统,可能不适用于其他fNIRS系统,因为采集软件和可用于光极评估的模型存在差异。
- fNIRS帽的制备
- 确定研究所需的fNIRS上限。对于成人研究,请确保以下瓶盖尺寸可用(以厘米为单位):54、56、58 和 60。
- 注意:盖子大小特定于此协议中使用的系统。因此,不同近红外光谱系统所需的具体尺寸可能会有所不同。
- 使用维生素E胶囊和防水材料(例如,带有PU涂层的尼龙织物),制备基准点。用选择的材料包裹胶囊,并将基准点缝合(或粘合)到选定的区域(见 图1A)。维生素 E 胶囊用作基准标记,使用 T1w 图像识别 fNIRS 通道相对于下层脑组织的位置。
- 根据光极阵列和共配准方法确定基准点的数量。一些研究只需要检测几个解剖标志,而其他研究可能受益于在每个视导体旁边放置基准点。
- 如果fNIRS帽在后脑勺太松,请使用弹性织物(带有预切的扣眼)和纽扣在帽的两侧连接两条带子,以增加帽的可调节性。在参与者之间,无论帽子有多紧,都要固定带子以确保帽子设置一致。
- 如果帽子的前部在额头上太紧,请在与皮肤直接接触的视光台上放置橡胶缓冲器。如果fNIRS供应商不提供缓冲液,请使用毛毡织物贴纸创建缓冲液。如果使用橡胶缓冲器,无论瓶盖是否贴合,所有参与者都应使用橡胶缓冲器,以确保瓶盖设置一致。确保橡胶缓冲液中的成分没有金属成分,以防止 MR 图像中的伪影。
- 在MRI控制室和扫描仪室设置fNIRS设备
- 将fNIRS设备放置在控制室中,靠近通向扫描仪室的波导之一。如果需要,使用升高的表面(例如,踏脚凳),以确保fNIRS设备尽可能靠近波导,以最大限度地延长光纤长度。
- 使用网状电缆网,将光纤捆扎成组。根据所选的光极阵列确定这些组。理想情况下,光纤将被分组,以便组中的所有光极都放置在头部的同一侧(左与右)。
- 将光纤连接到fNIRS设备,并通过波导将光纤束引导到扫描室。在订购光纤之前,请测量fNIRS设备与扫描仪孔中心之间的距离,以确保光纤的长度足够。
- 将光纤带到扫描仪台上。使用MRI安全桥来固定光纤,以确保光纤的重量不会导致光纤下垂,并防止它们将盖子从受试者的头部拉开(见 图1B)。
- 设置并行端口复制器盒
- 在fNIRS数据采集计算机上安装最新版本的NIRStar软件。
- 将并行端口复制器连接到电缆,按照制造商的触发手册(版本 R2.1;见 图 1C)中的说明,从扫描仪传输晶体管-晶体管逻辑 (TTL) 类脉冲。TTL脉冲对应于直接从扫描仪发送的切片定时脉冲。当扫描仪发送脉冲时,其中一个 LED 指示灯将亮起。
- 通过并行端口输入将并行端口复制器盒连接到fNIRS设备。每当检测到来自扫描仪的TTL脉冲时,这将向NIRStar软件发送触发器。触发信号将以虚线的形式反映在数据采集记录屏幕上。这种设置确保了fNIRS和fMRI数据采集的同步,因为每次在扫描仪中收集切片定时脉冲时,这将反映在NIRStar采集软件记录的fNIRS数据流中。
- 用于光电评估的静态模型的制备
- 将光极放入 fNIRS 供应商提供的静态幻象设备中。体模上光极的排列将取决于fNIRS仪器的类型以及可用的光源和探测器的数量。在制造商提供的提供商入门指南中检查正确的光电管布置。
- 确保模型完全屏蔽任何光源。一些供应商提供了一个合适的外壳,有助于保护光极免受任何外部光源的影响。
- 根据指定的光极布置,将所有可用的光源和探测器束插入fNIRS模型。
- 将fNIRS模型连接到采集计算机并启动NIRStar采集软件。
- 执行幻象暗噪声仪器测试
- 在NIRStar采集软件的 “配置硬件 ”菜单项下,打开 “通道设置 ”选项卡。确保在 “源数 ”和 “检测器数 ”下,正确设置了可用源和检测器的总数。单击 “确定”确认这些设置。
- 单击NIRStar主窗口菜单中的 “诊断 ”菜单项,启动暗噪声测试窗口。
- 按“ 运行测试 ”按钮运行测试。按“ 保存结果” 按钮保存测试结果。
注意:有关如何解释结果的指导,请参阅制造商的“入门指南:静态模型故障排除”。
- 执行模型校准测试
- 在NIRStar采集软件的 “配置硬件 ”菜单项下,打开 “通道设置 ”选项卡。确保在 “源数”和“检测器数 ”下,正确设置了可用源和检测器的总数。
- 在 “配置硬件 ”菜单项下,打开 “通道掩码 ”选项卡。按全 选 按钮屏蔽所有通道。
- 在“配置硬件”菜单项下的“硬件规格”选项卡中,选择“研究类型”下的“静态模型”。单击“确定”确认这些设置。
- 按 校准 按钮开始校准。校准完成后,按 详细信息 按钮查看详细的校准结果。
注意:有关如何解释结果的指导,请参阅制造商的“入门指南:静态模型故障排除”。
图 1.用于同时收集fMRI和fNIRS测量数据的设备。 (A) 由黑色防水材料制成的袋子,用于存放缝在每个光电管附近的fNIRS帽上的维生素E胶囊。(B) MRI 安全桥,用于将光纤固定在地板上方,以便在数据收集过程中它们可以到达参与者的头部。(C) 并行端口复制器,用于将脉冲从扫描仪传输到fNIRS设备。 请点击这里查看此图的较大版本.
2. 实验任务设计
- 通过考虑参与者在扫描仪内的舒适度来决定扫描会话的持续时间。例如,这里强调的研究包括两个结构图像(T1w 和 T2w),总持续时间约为 14 分钟,以及五个功能运行,额外持续时间约为 25 分钟。
注意:有必要与几个参与者一起进行研究试点,以确定研究的适当长度,因为研究特定因素(例如,参与者的年龄、上限大小)将决定舒适度。 - 根据研究目标设计神经影像学任务。这将是针对特定研究的。在这里,介绍了闪烁棋盘任务的过程(和代表性结果)。
3. fNIRS电容放置和测试当天的信号校准
注意:除非另有说明,否则以下所有步骤均在 MRI 控制室或同意室进行。
- 收集头部测量值和选择fNIRS帽
- 一旦参与者签署了相关的同意书并收到了即将到来的任务的说明,请指导他们坐在控制室的椅子上。
- 使用标准的软卷尺,将卷尺缠绕在参与者头部尽可能宽的圆周上;从前额最突出的部分(通常在眉毛上方的 1 或 2 个手指)到后脑勺最宽的部分,然后向后。尝试找到最宽的周长。
- 选择最接近测量周长的瓶盖尺寸。
- 将短距离探测器探头安装在盖子上
注意:此步骤特定于 NIRx 系统,可能不适用于其他 fNIRS 设备。- 通过牢牢抓住底座并将其滑动到穿过fNIRS帽网格的索环部分来放置短距离探测器探头(见 图2A)。小心不要从电缆上拉出短距离探测器探头,因为这会损坏电缆。
注意:在决定探针的分布时,请参阅最近比较全头分布与特定 ROI 分布的工作18。 - 如果需要,请使用制造商提供的光纤管理器夹进行电缆管理。确保短距离检测器电缆朝向盖子的背面,以保持面部周围的区域畅通无阻。
- 通过牢牢抓住底座并将其滑动到穿过fNIRS帽网格的索环部分来放置短距离探测器探头(见 图2A)。小心不要从电缆上拉出短距离探测器探头,因为这会损坏电缆。
- 将 fNIRS 帽和光电镜戴在参与者的头上
- 要求参与者戴上帽子,将帽子从头顶直接滑下,就像他们戴上冬帽一样。确保帽子笔直且耳朵在耳孔中。
- 要求参与者尽可能舒适地收紧下巴带。拧紧背带并确保盖子牢固连接,并且光电插座紧贴头部。
- 根据 10-20 个系统位置(耳前、鼻前、耳前点和 Cz)21 放置绿色贴纸以标记关键的基准位置。
注意: 如果使用 3D 结构传感器确定光源和探测器光极位置的空间坐标,则需要绿色贴纸。这可能因 3D 结构传感器类型而异。目前的协议使用来自 Occipital20 的结构传感器 (Mark II)。 - 使用卷尺,通过确保 i) 耳前点与 Cz 点等距,ii) 鼻孔和鼻点与 Cz 点等距,将帽上的点与头皮点对称对齐。确保所有参与者的上限位置相同。
- 使用 3D 结构传感器数字化仪获取参与者头部模型
- 指导参与者静坐以创建头部的 3D 模型。
- 在平板电脑或 iPad 上打开应用程序 Structure 。
注意:该协议描述了使用 Occipital20 的结构传感器 (Mark II) 创建头部网格所需的步骤。这些步骤可能因系统而异。 - 确保以下设置已关闭:高分辨率色彩、红外自动曝光和改进的跟踪器。
- 将参与者居中,使他们的整个头部都在屏幕上的 3D 正方形内,他们的整个头部都被渲染,并且画面中没有太多的肩膀。
- 小心地在参与者周围进行 360° 走动以创建 3D 扫描。等待应用程序大约每 90° 捕获一次图像,然后再继续(参见图 3A)。
- 捕获整个扫描后,按屏幕右侧的按钮以创建 3D 渲染。
- 检查渲染图以确保其清晰且有足够的细节来确定光极和绿色基准贴纸的位置。将 3D 扫描存储在受 HIPAA 保护的服务器中。
- 准备参与者进入扫描仪室
- 生成 3D 模型后,取下绿色贴纸,并指示参与者将耳塞放入耳朵中。
- 按照 MR 成像中心的说明进行操作,以确保参与者可以安全进入扫描仪室。此步骤通常涉及与参与者确认他们体内没有金属,并通过金属探测器作为最终检查。大多数影像中心通常要求受试者在到达前完成 MRI 安全问卷。
- 将源和探测器探头放在fNIRS盖上
- 在扫描仪室中,引导参与者舒适地坐在扫描仪桌上。
- 在用一只手稳定每个光电索环的同时,用另一只手使用 MRI 安全涂抹器将毛发从索环中心推开(见 图 2B)。当头发充分移出该区域时(理想情况下,头皮可见),将光电极牢牢地压入索环中。
- 确保一旦索环上的张力被释放,头发就不会返回以遮挡视光中心。如果使用全头阵列,建议将视光管定向头部后部,其纤维朝向前方,将光头前部的视光管指向后方。这种光纤配置将防止参与者躺下并将头部置于 MRI 头圈中时它们缠结或卷曲。
注意:这种纤维插入和对齐过程可以更快、更容易地进行,两名实验者位于参与者的每一侧,同时封盖。 - 使用电缆整理器将光纤整齐地排列成束(参见 图 2B 和 图 3B)。使用 NIRStar 软件进行信号强度的测试、校准和测量。由两位经验丰富的研究人员进行的光电放置和校准大约需要 10 分钟。
- 根据需要调整各个视光,直到通过从有问题的视光上移开干扰头发来获得足够的信号质量。使用塑料镊子从盖子上取下视光以置换头发(见 图2B)。
图2.用于fNIRS帽制备的短距离探测器和工具。 (A) 短距离探测器探头和橡胶缓冲器,安装在毛发最少的正面区域的fNIRS帽上。(B) 从左到右:电缆整理器将光纤排列成束,MRI 安全涂抹器在放置光电镜时推开头发,塑料镊子在 NIRS 帽设置期间根据需要从盖子上取下光电点以移位头发。 请点击这里查看此图的较大版本.
图3.3D结构传感器数字化仪和fNIRS帽放置。 (A) 实验者使用 3D 结构传感器数字化仪创建参与者头部的 3D 模型。绿色贴纸用于识别基准点位置。(B) 将光纤插入参与者头部的 fNIRS 帽中,并在信号校准之前使用电缆整理器排列成束。 请点击这里查看此图的较大版本.
4. 参与者设置
注意: 以下步骤在 MRI 扫描仪室进行。呼吸带和脉搏血氧仪的使用是可选的,只有当研究人员有兴趣从fNIRS数据中回归这些信号22时才需要。该协议使用呼吸带,它是呼吸单元的一部分,用于使用约束带获取呼吸振幅。同样,生理脉冲单元由光学体积描记法传感器组成,该传感器允许获取心律。
- 确保将 20 通道磁头线圈放置在扫描仪中。如果使用全头 fNIRS 阵列,则 32 通道和 64 通道头线圈对于成年参与者来说太紧了。
- 在 MRI 头线圈的底部放置一个泡沫枕头以支撑参与者的后脑勺(见 图 4A)。
- 要求参与者缓慢而小心地躺下,这样他们的动作就不会移动盖子或拉扯光纤。根据需要调整光纤束,使参与者的头部舒适地停留在头部线圈内(见 图 4B)。在此步骤中,可能需要抬起扫描仪工作台,具体取决于电缆与波导的位置。
- 在参与者的腿下放一个枕头,以确保参与者感到舒适。将呼吸带系在参与者的腰部。
- 要求参与者将降噪耳机戴在耳朵周围,注意不要干扰 fNIRS 探头的放置。为防止耳机滑动,请在耳机和头圈内侧之间的头部两侧使用 MRI 安全垫。枕套可用于防止耳机与头圈接触。
- 将脉搏血氧仪放在受试者非惯用手的食指上。如果使用按钮框进行实验任务,请让参与者用惯用手握住它。向参与者提供有关如何使用按钮框的说明。
- 将挤压球或按钮警报放在受试者的非惯用手上,并指导参与者如何使用它。通过要求参与者按下警报来测试警报。
- 将参与者滑入扫描仪孔中几英寸以对齐头部。定位头部线圈的顶部。接下来,将麦克风和镜子插入相应的线圈插件中。
- 握住光纤,将参与者缓慢滑入扫描仪孔中。此过程将需要两个人,他们将位于扫描仪工作台的每一侧。确保将光纤小心地引导到扫描器孔中,以避免拉扯光极或夹住头部线圈和扫描器孔之间的光纤。
- 在与参与者确认他们已准备好进行扫描会话后,返回控制室并通过对讲音频确认参与者可以听到实验者的声音,实验者可以听到参与者的声音。
图4.参与者在 MRI 扫描仪中设置。 (A) MR 头线圈内的枕头,用于支撑参与者的头部,并在参与者设置之前将光纤排列成束。(B) 参与者躺在扫描仪床上,准备戴上 fNIRS 帽进行测试。头圈的顶部尚未放在参与者的脸上。 请点击这里查看此图的较大版本.
5. 信号记录前的扫描仪和fNIRS设备设置
- 在扫描仪计算机上,选择研究的相关结构和功能序列。在计算fNIRS数据的灵敏度光模型时,同时收集T1w和T2w图像以获得最佳的组织对比度分辨率。
- 检查定位器以确认扫描仪孔内的头部位置正确。验证从头顶到小脑的全脑覆盖。
- 与参与者确认计算机屏幕通过头圈镜可见。
- 运行第一次结构扫描。同时,对fNIRS光极进行另一次校准测试,以检查参与者设置是否影响了任何通道的信号强度。
- 运行第一次结构 MRI 扫描后,收集梯度回波场图序列并校准降噪耳机,以确保耳机能够向参与者传递听觉刺激,并阻挡任何环境噪音。
注意:一些参与者可能需要调整他们的耳机。如果是这种情况,请重新进入扫描仪室并调整耳机周围的衬垫,注意不要干扰 fNIRS 探头的放置。在继续之前,运行另一个定位器、梯度回波场图序列和 fNIRS 光的校准测试。
6.同步信号记录
- 通过对讲机与参与者核实,以确保他们感到舒适且一切正常。 提供任务说明并提醒参与者保持头部和身体静止。
- 提供以下特定于闪烁棋盘任务的说明(图 5)。
- 在此任务中,指示参与者始终注视他们面前的显示屏中间(通过镜子)。有时,屏幕会显示一个棋盘,上面的瓷砖以不同的频率闪烁。其他时候,参与者会在屏幕中间看到一个白色圆圈。
- 当屏幕上出现白色圆圈时,要求参与者用食指按下 按钮框 。按下按钮后,圆圈将变为红色。
- 此任务使用交替块设计。让参与者完成一次 6 分钟的单次跑步,其中包括 11 个闪烁的棋盘块,每个 10 秒,以及 11 个 20 秒的圆形块。
- 在fNIRS计算机上开始fNIRS数据记录,并在刺激呈现计算机上开始任务。实验任务的脚本将显示为任务说明。
- 启动第一次功能运行。一旦扫描仪发送第一个TTL脉冲,这将在NIRStar软件数据记录屏幕上显示为触发信号。第一个脉冲也将启动实验任务。
- 在所有任务中监控参与者的表现和动作。在某些情况下,特别是当使用全头光电管阵列和小尺寸帽时,一些参与者在戴上帽时可能会感到一些不适。始终监控参与者的舒适度很重要。
- 如果需要,请在会议中间为参与者提供休息时间。在此休息期间,如果参与者需要坐起来,收集定位器,并在继续之前再次运行梯度回波场图序列、耳机校准和 fNIRS 测试校准。如果遵循本协议中的确切步骤,则在扫描仪中测试年轻人时通常不需要此步骤。
- 在数据收集过程中,记录有关会话的笔记(例如,瓶盖大小、一天中的时间、未正确校准的光极或任何异常情况)。
- 在所有功能运行结束时,停止收集fNIRS数据。如果需要,请运行第二次结构扫描。
图5.闪烁棋盘范式作为实验任务。 参与者观看了一个黑白棋盘图案,白色方块每秒闪烁八次,与显示白色圆圈的灰色屏幕交替出现。作为注意力检查,参与者被指示在看到屏幕中间出现一个白色圆圈时用右手按下一个按钮。按下按钮后,圆圈变为红色。该任务在一次运行中完成,总共包括 22 个块:11 个闪烁的棋盘块和 11 个试验间期。闪烁棋盘周期持续 10 秒,试验间持续时间持续 20 秒。因此,闪烁棋盘的开始每 30 秒 (0.033 Hz) 发生一次。显示器由 PsychoPy v2021.2.4 生成,并通过 1080p DLP 投影系统投射到头线圈顶部的后向镜子上。参与者完成了此任务的一次运行(~6 分钟)。 请点击这里查看此图的较大版本.
7. 实验后清理和数据存储
- 使用电动扫描仪床慢慢将参与者从扫描仪的孔中取出,注意不要夹住任何光纤。取下头部线圈的顶部,让参与者慢慢坐起来。
- 从参与者的头部取下 fNIRS 帽,并从相应的索环中取出每个视光。即使在取下视光镜后,头发也经常卡在索环中,因此请指导参与者缓慢而小心地取下帽子。
- 一些索环可能会在开盖过程中脱落。确保找到所有索环部件,并在下一位参与者的扫描会话之前更换任何丢失的部件。
- 让参与者从扫描仪床上滑下来,感谢他们抽出时间,并在适用的情况下提供金钱补偿。
- 确保存储和备份任务日志、fNIRS 和 fMRI 数据。按照 fNIRS 供应商的建议,用喷雾清洁液对盖子进行消毒,并用塑料和橡胶安全的酒精湿巾擦拭光电尖端。
8. fMRI数据预处理
注:使用 QuNex 24 对 fMRI 数据进行预处理,遵循 Human Connectome Project23 的最小预处理管道,QuNex24 是一个开源软件套件,支持跨神经成像模式的数据组织、预处理、质量保证和分析。有关下面突出显示的每个步骤的特定设置和参数的详细文档,请访问 QuNex 网站 https://qunex.yale.edu/.用于处理数据的主要步骤和参数如下。
- 对结构数据进行预处理
- PreFreeSurfer 管道。 执行以下步骤:梯度失真校正、使用 6 自由度 (DOF) 刚体变换对准重复运行的 T1w 和 T2w 图像、将 T1w 和 T2w 图像与 MNI 空间模板对齐、初始脑提取、读出失真校正、原生体积空间中 T1w 和 T2w 的跨模态配准、偏置场校正和 MNI 非线性体积配准。
- Freesurfer 管道。执行以下步骤:使用样条插值将样品 T1w 下调至 1mm,然后运行 recon-all 以生成白质表面,其中包括使用 Freesurfer 的 BBRegister 算法微调 T2w 到 T1w 配准(有关详细信息,请参见23 )。
- PostFreeSurfer 管道。执行以下步骤:将 recon-all 输出转换为原生体积空间中的 GIFTI 和 NIFTI,生成最终的脑掩模和皮质带体积,生成髓鞘图,并执行原生到 MNI 非线性体积变换。
- 预处理功能数据
- fMRI 体积管道。执行以下步骤:失真校正、基于调情的运动校正、使用自旋回波场图的基于 TOP 的场图预处理、EPI 图像畸变校正和 EPI 到 T1w 配准、一步样条重采样到图集空间 (MNI)、通过偏置场去除和脑掩蔽进行强度归一化。
- fMRI 表面管道。执行以下步骤,以便将体积时间序列映射到以 CIFTI 格式存储的组合表面和体积灰坐标表示:fMRI 带状构建、表面平滑、皮层下处理和密集时间序列的生成。
- 准备 BOLD 数据。计算反映运动及其伪影特性的定量 QC 统计数据,以识别不良帧。请参阅 QuNex 文档,了解生成定量 QC 统计数据的可用选项。这些统计量通常包括 BOLD 时间信噪比和运动清理统计量,例如帧位移阈值和图像强度归一化均方根误差 (RMSE) 阈值。根据特定于研究的标准,忽略或插值已识别的问题框架。
- 提取滋扰信号。 从脑室、白质和灰质中提取干扰信号,以在后续步骤中执行干扰信号回归。
9. fNIRS数据预处理
注:fNIRS 数据是按照 fNIRS 数据分析25 中使用 NeuroDOT 26 的最佳实践分析的,NeuroDOT26 是一个开源环境,用于分析从原始光水平到大脑功能体素级地图的光学数据,这些图谱共同配准到特定参与者或图谱的解剖结构。下面描述的所有步骤都可以用 NeuroDOT 执行。有关下面突出显示的每个步骤的特定设置和参数的其他文档,请参阅 https://github.com/WUSTL-ORL/NeuroDOT_Beta 的教程和脚本。最后,光电点到头皮配准需要获得相对于下层脑组织的fNIRS光电点坐标,这可以使用3D数字化仪或维生素E胶囊作为基准点(如果可用)来完成。本节将介绍这两种方法,并提供相关软件包的参考。
- 生成特定主题的头部网格并创建光源模型
- 将 T1w 图像分割为相关的组织类型,以创建分割的头部模型:头皮、颅骨、脑脊液 (CSF)、灰质和白质。如果可用,请使用 T1w 和 T2w 图像,因为它们都提供了有关相关组织类型的互补信息。
注意:此步骤在当前协议中使用 NeuroDOT 的函数“Segment5R_fs”执行,该函数将 Freesurfer 的体积分割28 作为输入信息。其他常用的脑组织分割软件包是 SPM29 和 AFNI30。 - 通过 NeuroDOT 使用 Mimics 软件包从分割的头部模型生成头部网格。如果使用 3D 数字化仪将光极位置放置在头部模型上,请遵循光极定位的外业旅行建议31。或者,如果维生素E胶囊用作识别源-检测器对坐标的基准点,则手动识别T1w图像中源和检测器的位置(示例见32 )。
- 使用 NeuroDOT 将通过 3D 数字化仪或维生素 E 胶囊获得的源和检测器位置放在网格上的相关位点上。
- 设置以下参数,通过 NeuroDOT 使用 NIRFAST 软件包计算特定受试者头部模型的灵敏度矩阵:体素分辨率:2;区域标签:脑脊液、白色、灰色、骨骼、皮肤;各区域的吸收系数:CSF [0.004, 0.004],白色 [0.0167, 0.0208];灰色 [0.018 0.0192]、骨骼 [0.0116, 0.0139]、皮肤 [0.74, 0.64];区域散射系数:CSF [0.3, 0.3],白色 [1.1908, 1.0107];灰色 [0.8359, 0.6726],骨骼 [0.94, 0.84],皮肤 [0.64, 0.74],区域屈光率:脑脊液 [1.4, 1.4],白色 [1.4, 1.4];灰色 [1.4, 1.4], 骨骼 [1.4, 1.4], 皮肤 [1.4, 1.4]。
注意:该协议使用 NIRFAST 软件包(版本 9.1)33,34,该软件包使用基于辐射传输方程的扩散近似的有限元正向光模型。为了计算光模型,NIRFAST依赖于三种类型的信息:i)组织边界形状,ii)基线光学特性的内部分布和iii)光源和探测器在表面上的位置(详见35,36)。蒙特卡罗方法可以用作计算不同组织类型扩散方程的解的替代方法37,38。 - 将测量灵敏度的示例可视化为定性评估。
- 将 T1w 图像分割为相关的组织类型,以创建分割的头部模型:头皮、颅骨、脑脊液 (CSF)、灰质和白质。如果可用,请使用 T1w 和 T2w 图像,因为它们都提供了有关相关组织类型的互补信息。
- 处理源探测器测量的原始数据
- 在成像阵列的 2D 表示中显示每个光源和探测器的平均光水平。移除时间标准偏差大于 7.5% 的源-检测器对36.如果以至少 3Hz 的帧速率采集数据,请使用心脏功率阈值来拒绝源-检测器对测量,因为良好的光-头皮耦合将表现出与脉搏率 (~1 Hz) 频率一致的特征。
- 对数据进行去趋势化,以消除每个测量中的线性趋势。高通滤波器(0.02 Hz截止)数据去除低频漂移。另一种方法是将漂移因子作为回归器添加到 GLM 中,而不是进行过滤。
- 低通滤波器 (1 Hz) 数据以消除心脏振荡。
- 通过计算所有 8 mm 源-检测器对测量值的平均值来估计全局表面信号。使用短距离测量作为全身性非皮质生理信号的估计,因为它们主要对头皮和头骨进行采样。
- 从所有测量中回归出全局信号39.
- 对数据进行低通滤波(0.5 Hz截止),以进一步聚焦剩余数据,并对数据进行下采样至1 Hz 40,41,42,以降低计算负载。
- 使用时间导数的全局方差 (GVTD) 时程43 实现运动删失。GVTD 计算为一组测量值或体素43 中时间导数的均方根。通过排除超过 GVTD 噪声阈值的时间点来实现运动删失或拖拽。
- 将光模型和预处理数据重建为功能性神经成像体积
- 基于灵敏度矩阵的正则化反演,使用Tikhonov正则化和空间变异正则化44,重建785 nm和830 nm处吸收的相对变化。
- 通过波长依赖性吸收数据的光谱分解来计算血红蛋白浓度的相对变化44,45。
10. fMRI/fNIRS任务诱发数据分析
- 运行单会话第一级 GLM 分析(HRF 建模、生理信号回归,包括短距离 fNIRS 测量)以评估大脑活动与给定受试者的统计假设的关系。
注意:GLM 的替代方案是块平均法,它避免了对 HRF 形状的先验假设。然而,区块平均法不允许对fNIRS信号中的相关混杂因素以及对刺激的血流动力学反应进行建模。 - 运行组或二级 GLM 分析,以结合跨受试者激活的一级估计值。
- 从各个 GLM 文件中提取相关的效果估计值,并将它们合并到组文件中。
- 计算所需的统计信息。FSL PALM46 是用于运行单变量和多变量 GLM 模型的排列重采样方法以进行统计推断的成熟软件包。
- 获得全脑 GLM β 估计值。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
本节介绍了 fMRI 和 fNIRS 信号的闪烁棋盘任务的代表性受试者特定反应。首先,图6和图7显示了具有代表性的原始fNIRS数据和质量评估,以说明在MRI环境中测量fNIRS信号的实验装置的可行性。图8显示了整个头部光极阵列和灵敏度曲线的示意图。
图6.带通滤波和表面信号回归后的代表性fNIRS时间序列数据。 左列显示 785 nm 处的数据,右列显示 830 nm 处的数据。(A) 应用带通滤波器(高通滤波器截止:0.02 Hz,低通滤波器截止:0.5 Hz截止)和全局信号回归后的fNIRS数据时间序列。y 轴对数缩放,以突出显示源-检测器距离集的光照水平范围。垂直线表示刺激范式中新块开始的时间点。绿线表示闪烁的棋盘块的开始,蓝线表示试用期的开始。(B) 应用带通滤波器(高通滤波器截止:0.02 Hz,低通滤波器截止:0.5 Hz截止)和全局信号回归后的fNIRS信号频谱。低于截止频率的频率会显著衰减。相对于其他频率,频谱在刺激频率处显示出更强的峰值,即在闪烁棋盘块(0.033 Hz)开始时。 请点击这里查看此图的较大版本.
图7.单个受试者的fNIRS数据质量评估。 (A)整个fNIRS数据流中单个受试者的平均光照水平。白色和黄色用于对每个光极的最佳耦合进行定性评估。(B) 整个fNIRS数据流中单个受试者的测量信噪比(SNR)。白色和黄色表示信噪比良好。位于感觉运动区域上方的fNIRS帽上部的视光往往具有较低的SNR(通常是由于浓密的头发或松散的帽)。(C) 所有 100 个源-检测器对的时间方差用于评估和优化数据质量。保留方差低于 7.5%(红线)的货币对以供进一步分析。(D) 满足噪声阈值的测量值(即方差高于 7.5%)。对于该参与者,97% 的验光镜被认为是可以接受的。 请点击这里查看此图的较大版本.
图8.全头光电管阵列设置和灵敏度曲线。 (A) 具有 32/30 个光源/探测器的光极阵列设置,可产生 100 个通道,整个头部覆盖和 30 毫米间隔,以及 8 个短距离通道,间隔 8 毫米。(B) 给定 Tikhonov 正则化指定参数 (0.01, 0.1) 的光极阵列的灵敏度曲线。单位表示平整场的百分比。置信度高的区域通常具有高于 ~0.5%-1% 的平场值 请点击此处查看此图的较大版本。
在数据预处理后,使用标准通用线性模型 (GLM) 框架估计闪光棋盘任务的 fNIRS 和 fMRI 响应。设计矩阵是使用每个刺激呈现的开始和持续时间与规范 HRF 卷积构建的。对于 fNIRS,与脱氧血红蛋白 (ΔHbR) 或总血红蛋白 (ΔHbT) 相比,氧合血红蛋白 (ΔHbO) 信号表现出更高的对比度与噪声比,显示了 delta HbO 结果44,47。受试者水平的 fNIRS 数据显示,与试验间期相比,在闪烁的棋盘格块期间,双侧视觉皮层区域的激活增加。视觉皮层中大脑活动的时间轨迹显示,在闪烁棋盘的呈现过程中,HbO信号增加,而在试验期间减少(图9A)。在不相关的大脑区域中没有观察到这种响应于闪烁棋盘周期的血流动力学增加(图9B)。正如预期的那样,在闪烁棋盘期间的HbO数据的可视化显示视觉皮层区域的双侧激活(图9C)。
图 9.实验范式期间fNIRS HbO响应的时间轨迹。 显示了 (A) 闪烁棋盘格块期间视觉皮层的活动, (B) 闪烁棋盘格块之间视觉皮层区域的活动,以及 (C) 闪烁棋盘格块期间不相关大脑区域的活动的时间轨迹。 请点击这里查看此图的较大版本.
图 10.闪烁棋盘期间具有代表性的单受试者 fNIRS HbO 反应。 从闪烁的棋盘开始的块平均 (HbO) 数据图,显示了三个受试者。数据包括 10 秒闪烁棋盘周期和 5 秒后,以评估大脑对刺激的反应激活。 请点击这里查看此图的较大版本.
受试者水平的fMRI数据显示,在闪烁的棋盘格期间,相对于试验间期,初级和次级视觉皮层的BOLD信号响应更大(图11A)。在皮质下水平,在丘脑的外侧膝状核(LGN)中观察到激活增加,这是意料之中的,因为LGN接收来自视网膜的视觉输入(图11B)。
图 11.闪烁棋盘期间具有代表性的单受试者 fMRI 激活估计。 (顶行)从一级统计分析中获得的三名受试者的激活 (beta) 估计值,并显示在闪烁棋盘期间主要和次要视觉皮层区域的双侧参与。(底行)皮层下激活估计值显示外侧膝状核 (LGN) 在闪烁棋盘期间的参与,这可作为定性评估,即使用 20 通道头线圈按预期收集 fMRI 数据。红色箭头指向 LGN 在大脑地图上的位置。 请点击这里查看此图的较大版本.
总之,这些结果说明了实施当前协议以与成年人同时收集fMRI和fNIRS信号的可行性。该协议允许总共40分钟的扫描时间,并提供fNIRS数据的全头覆盖。我们已经讨论了使用视觉闪烁棋盘范式的数据收集,但该协议也适用于其他实验范式。我们建议提前评估fNIRS阵列的灵敏度曲线,以确保相关通道对感兴趣的潜在皮质区域具有最大灵敏度。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
该协议用于同时收集fMRI和fNIRS信号的数据,使用全头fNIRS光电阵列和短距离通道来测量和回归系统性非皮层生理信号。该协议中的关键步骤包括修改和开发用于在MRI环境中收集fNIRS信号的fNIRS设备。据我们所知,目前还没有一个交钥匙商业系统完全优化,可以使用全头fNIRS阵列同时捕获fMRI和fNIRS测量。目前的协议解决了这一差距,对于那些对两种信号的全头比较感兴趣的研究人员特别相关,尽管它可以很容易地修改用于调查特定感兴趣区域的研究。
该协议详细概述了对fNIRS设备的关键修改,包括fNIRS帽的制备和插入物以储存维生素E胶囊,帽改进以提高正面区域的舒适度和头部后部的可调节性,以及定制的MR安全桥,将fNIRS光纤带到扫描仪台上。同时进行fMRI/fNIRS研究的主要挑战之一是确保该设置允许参与者在扫描仪中舒适地休息。目前成人的设置允许平均约 40 分钟的扫描会话,其中包括功能和结构扫描。参与者可以在扫描仪中舒适休息的时间将主要取决于fNIRS系统提供的光极类型。本方案使用 NIRx NIRScout XP 系统,该系统具有具有平坦表面的低剖面光极,允许大多数成年受试者在整个研究期间舒适地在扫描仪中休息。最后,该协议还包括通过跨模态触发同步、fNIRS电容放置、参与者设置和信号记录来对两个数据流进行时间对齐的步骤。
局限性和潜在挑战
可能需要修改协议以适应现有fNIRS仪器的具体情况。关键的第一步是与fNIRS供应商核实,以确保光极和光纤适合MR环境中的数据采集。fNIRS系统可能因电容和光电的类型而异。建议使用贴合良好的帽子和表面平坦的低剖面视光座。或者,先前的工作已经描述了使用定制的支持系统来避免对fNIRS光电32施加压力。
fNIRS器件之间可能有所不同的另一个方面是可用于跨模态信号同步的触发系统。本协议使用并行端口复制器盒从扫描仪接收TTL脉冲,并将触发器发送到fNIRS采集软件。鉴于这是确保跨模态同步的关键步骤,研究人员应咨询其fNIRS供应商,了解推荐的信号同步系统。
最后,目前的协议使用8个短距离通道,目前仅适用于有限数量的fNIRS系统。如果没有短距离通道,另一种选择是实施一些最近的分析方法来识别和去除全身生理信号18,25,48,49,50,51。关于最近对现有校正技术的定量比较,见52。
该方案在测试发育和临床人群中的应用
可以修改该协议,以收集发育和临床人群的 fMRI 和 fNIRS 信号的数据。这些人群需要的潜在调整包括帽尺寸(因为帽是特定于年龄和头部尺寸的),增加培训课程以使参与者熟悉扫描仪环境,以及包括较短的扫描课程——所有这些都在测试婴幼儿时特别重要。此外,在婴幼儿中使用短距离通道的益处尚不清楚53,尽管先前的研究表明,10 毫米距离通道似乎确实可以捕获婴儿的脑外血流动力学53,54。光子传输的蒙特卡罗模拟表明,成人和新生儿的短分离通道需要不同的最佳源-检测器距离,这是年龄和头皮上光极位置的函数55。然而,需要进一步的研究来创建标准化的方法,以在婴幼儿中进行短分离回归。最后,依赖高质量听觉刺激的研究需要仔细考虑在MRI扫描仪中传递音频的可用系统。目前用于成人的主动降噪耳机在与清醒的婴幼儿一起使用时,很容易因头部运动而移位。在这种情况下,应使用婴儿专用耳机。或者,婴儿可以在扫描前参加训练课程,以尽量减少头部运动,尽管此选项可能仅适用于年龄较大的婴儿。
结论
该协议允许同时收集fMRI和fNIRS信号的数据。与现有方法相比,它实现了全头fNIRS阵列,并包括短距离通道测量。此外,还描述了两种不同的fNIRS信号从光极到头皮共配准的方法:i)附着在fNIRS帽上的每个光极上的维生素E胶囊和ii)3D结构传感器,该传感器允许相对于头部基准标记的光极位置进行数字化。目前的协议可以很容易地适应从感兴趣的特定区域和各种实验范式中收集数据。尽管目前的方案已经在年轻人中进行了测试,但也提供了关于如何使其适用于发育和临床人群的建议。该协议将特别适用于那些有兴趣在整个生命周期内验证 fNIRS 区域级激活和功能连接与 fMRI 相关的人。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
本文的发表费由NIRx赞助。作者没有其他可透露的。
Acknowledgments
这项研究得到了以下资金来源的支持:大脑与行为研究基金会的 NARSAD 青年研究员奖资助 (Grant #29736) (SSA)、比尔和梅琳达·盖茨基金会的全球大挑战资助 (Grant #INV-005792) (RNA) 和耶鲁大学心理学系的发现基金资助 (RNA)。作者还要感谢Richard Watts(耶鲁大学脑成像中心)在数据收集过程中的支持,以及Adam Eggebrecht,Ari Segel和Emma Speh(圣路易斯华盛顿大学)在数据分析方面的帮助。
Materials
Name | Company | Catalog Number | Comments |
280 low-profile MRI-compatible grommets for NIRs caps | NIRx | GRM-LOP | |
4 128-position NIRS caps with 128x unpopulated slits in 10-5 layout | NIRx | CP-128-128S | Sizes: 52, 54, 56, 60 |
8 bundles of 4x detector fibers with low-profile tip; MRI-, MEG-, and TMS-compatible. | NIRx | DET-FBO- LOW | 10 m long |
8 bundles of 4x laser source fibers with MRI-compatible low-profile tip | NIRx | SRC-FBO- LAS-LOW | 10 m long |
Bundle set of 8 short-channel detectors with specialized ring grommets that fit to low-profile grommets | NIRx | DET-SHRT-SET | Splits a single detector into 8 short channels that may be placed anywhere on a single NIRS cap |
Magnetom 3T PRISMA | Siemens | N/A | 128 channel capacity, 64/32/20 channel head coils, 80 mT/m max gradient amplitude, 200 T/m/s slew rate, full neuro sequences |
NIRScout XP Core System Unit | NIRx | NSXP- CHS | Up to 64x Laser-2 (or 32x laser-4) illuminators or 64 LED-2 illuminators; up to 32x detectors; capable of tandem (multi-system) and hyperscanning (multi-subject) measurements; compatible with EEG, tDCS, eye-tracking, and other modalities; modules available for fMRI, TMS, MEG compatibility |
NIRStar software | NIRx | N/A | Version 15.3 |
NIRx parallel port replicator | NIRx | ACC-LPT-REP | The parallel prot replicator comes with three components: parallel port replicator box, USB power cable and BNC adapter |
Physiological pulse unit | Siemens | PPU098 | Optical plethysmography allowing the acquisiton of the cardiac rhythm. |
Respiratory unit | Siemens | PERU098 | Unit intended for the acquisition of the respiratory amplitude (by means of a pneumatic system and a restraint belt). |
Structure Sensor Mark II | Occipital | 101866 (SN) | 3D structure sensor for optode digitization. |
References
- 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).
- 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).
- 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).
- Wilcox, T., Biondi, M.
fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015). - 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).
- 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).
- 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).
- 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).
- Bonilauri, A., Sangiuliano Intra, F., Baselli, G., Baglio, F. Assessment of fNIRS Signal Processing Pipelines: Towards Clinical Applications. Applied Sciences. 12 (1), 316 (2021).
- 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).
- 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).
- Glover, G. H. Overview of functional magnetic resonance imaging. Neurosurgery Clinics of North America. 22 (2), (2011).
- 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).
- 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).
- 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).
- 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).
- Sasai, S., et al. A NIRS-fMRI study of resting state network. NeuroImage. 63 (1), 179-193 (2012).
- 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).
- 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).
- 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).
- Jasper, H. H. The ten-twenty electrode system of the International Federation. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
- 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).
- Glasser, M. F., et al. The minimal preprocessing pipelines for the Human Connectome Project. NeuroImage. 80, 105-124 (2013).
- Ji, J. L., et al. QuNex-An integrative platform for reproducible neuroimaging analytics. Frontiers in Neuroinformation. 17, 1104508 (2023).
- Yucel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101 (2021).
- Eggebrecht, A., Muccigrosso, D., Culver, J. NeuroDOT: an extensible Matlab toolbox for streamlined optical brain mapping. Diffuse Optical Spectroscopy and Imaging VII. , (2019).
- Jenkinson, M., Beckmann, C. F., Behrens, T. W., Woolrich, M. W., Smith, S. M.
FSL. NeuroImage. 62 (2), 782-790 (2012). - Fischl, B.
FreeSurfer. NeuroImage. 62 (2), 774-781 (2012). - 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).
- Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
- 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).
- Sato, H., et al. A NIRS-fMRI investigation of prefrontal cortex activity during a working memory task. NeuroImage. 83, 158-173 (2013).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Sherafati, A., et al. Global motion detection and censoring in high-density diffuse optical tomography. Human Brain Mapping. 41 (14), 4093-4112 (2020).
- Eggebrecht, A. T., et al. Mapping distributed brain function and networks with diffuse optical tomography. Nature Photonics. 8 (6), 448-454 (2014).
- 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).
- 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).
- Hassanpour, M. S., et al. Statistical analysis of high density diffuse optical tomography. NeuroImage. 85, 104-106 (2014).
- Zhang, F., et al. Correcting physiological noise in whole-head functional near-infrared spectroscopy. Journal of Neuroscience Methods. 360, 109262 (2021).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).