Summary
전체 머리 fNIRS 커버리지를 가진 동일한 피험자로부터 fMRI 및 fNIRS 신호를 동시에 수집하는 방법을 제시합니다. 이 프로토콜은 3명의 젊은 성인을 대상으로 테스트되었으며 발달 연구 및 임상 인구를 위한 데이터 수집에 적용할 수 있습니다.
Abstract
기능적 근적외선 분광법(fNIRS)은 기능적 자기공명영상(fMRI)보다 움직임에 더 강력하고 비용 효율적인 휴대용 신경영상 방법론으로, 뇌 기능에 대한 자연주의적 연구를 수행하고 발달 및 임상 인구에 사용하는 데 매우 적합합니다. fNIRS와 fMRI 방법론 모두 기능적 뇌 활성화 중 대뇌 혈액 산소 공급의 변화를 감지하며, 이전 연구에서는 두 신호 사이에 높은 공간적 및 시간적 대응이 있음을 보여주었습니다. 그러나 전체 헤드 fNIRS 커버리지를 가진 동일한 피험자로부터 동시에 수집된 두 신호의 정량적 비교는 없습니다. 이 비교는 fMRI 골드 스탠다드에 대한 영역 수준 활성화 및 기능적 연결성을 종합적으로 검증하는 데 필요하며, 이는 수명 전반에 걸쳐 두 신호의 비교를 용이하게 할 수 있는 잠재력을 가지고 있습니다. 우리는 fMRI 및 fNIRS 신호의 동시 데이터 수집을 위한 프로토콜을 설명함으로써 이러한 격차를 해결합니다: i) 전체 헤드 fNIRS 커버리지를 제공합니다. ii) 비피질적, 전신 생리학적 신호의 회귀를 위한 단거리 측정을 포함합니다. iii) fNIRS 측정의 optode-to-scalp co-registration을 위한 두 가지 다른 방법을 구현합니다. 세 명의 피험자의 fMRI 및 fNIRS 데이터가 제시되고 발달 및 임상 인구를 테스트하기 위해 프로토콜을 조정하기 위한 권장 사항이 논의됩니다. 성인을 대상으로 한 현재 설정은 기능 및 구조 스캔을 모두 포함하여 평균 약 40분 동안 스캔 세션을 허용합니다. 이 프로토콜은 자기 공명(MR) 환경에서 사용하기 위해 fNIRS 장비를 조정하는 데 필요한 단계를 간략하게 설명하고, 데이터 기록 및 검토-두피 공동 등록에 대한 권장 사항을 제공하며, 사용 가능한 MR-안전 fNIRS 시스템의 세부 사항에 맞게 프로토콜의 잠재적 수정에 대해 논의합니다. 점멸 체커보드 작업의 대표적인 주제별 응답은 MR 환경에서 전체 헤드 fNIRS 신호를 측정하기 위한 프로토콜의 타당성을 보여줍니다. 이 프로토콜은 수명 주기 동안 fMRI에 대한 fNIRS 신호를 검증하는 데 관심이 있는 연구자에게 특히 적합합니다.
Introduction
인지 기능은 거의 30년 동안 기능적 자기 공명 영상(fMRI)을 통해 성인 인간의 뇌에서 연구되어 왔습니다. fMRI는 높은 공간 해상도와 기능적 및 구조적 이미지를 모두 제공하지만, 자연주의적 맥락에서 수행되는 연구나 유아 및 임상 인구를 대상으로 하는 연구에는 실용적이지 않은 경우가 많습니다. 이러한 제약은 뇌 기능에 대한 우리의 이해를 실질적으로 제한한다. fMRI의 대안은 기능적 근적외선 분광법(fNIRS)1,2,3과 같이 보다 비용 효율적이고 움직임에 강한 휴대용 방법을 사용하는 것입니다. fNIRS는 언어 발달, 사회적으로 관련된 정보의 처리 및 객체 처리와 같은 다양한 인지 영역에서 뇌 기능을 평가하기 위해 영유아와 함께 사용되었습니다 4,5,6. fNIRS는 또한 7,8,9세에 걸쳐 반복적인 테스트 및 모니터링이 가능하기 때문에 임상 인구 테스트에 특히 적합한 신경 영상 양식입니다. 광범위한 적용 가능성에도 불구하고 동일한 피험자로부터 동시에 수집된 fMRI와 fNIRS 신호를 머리 전체를 대상으로 정량적으로 비교한 연구는 없습니다. 이 비교는 fMRI 골드 스탠다드에 대해 관심 영역(ROI) 간의 영역 수준 활성화 및 기능적 연결을 종합적으로 검증하는 데 필요합니다. 또한, 이러한 상호모달리티(inter-modality) 대응을 확립하면 fNIRS가 전형적 및 비정형 개발 모두에서 유일하게 수집된 신호인 경우 fNIRS의 해석을 향상시킬 수 있습니다.
fMRI와 fNIRS 신호는 모두 기능적 뇌 활성화 동안 대뇌 혈액 산소화(CBO)의 변화를 감지한다 10,11. fMRI는 전자기장의 변화에 의존하며 CBO 변화의 높은 공간 분해능을 제공한다12. 이와 대조적으로 fNIRS는 일련의 발광 및 광 검출 옵토드를 사용하여 근적외선의 흡수 수준을 측정합니다2. fNIRS는 서로 다른 파장에서 흡수 변화를 측정하기 때문에 산소헤모글로빈과 디옥시헤모글로빈의 농도 변화를 평가할 수 있습니다. 적은 수의 옵토드로 fMRI 및 fNIRS 신호를 동시에 기록한 선행 연구에서는 두 신호가 높은 공간적 및 시간적 대응성을 갖는다는 것을 보여주었다10. 혈중 산소 농도 의존적(BOLD) fMRI와 광학 측정사이에는 강한 상관관계가 있으며, fNIRS와 fMRI 혈역학적 반응 기능(HRF)의 시간적 역학을 비교한 선행 연구에서 보고된 바와 같이 디옥시헤모글로빈이 BOLD 반응과 가장 높은 상관관계를 보였습니다14. 이러한 초기 연구는 운동 반응 패러다임(즉, 손가락 두드리기)을 구현하고 1차 운동 및 전운동 피질 영역을 포괄하는 제한된 수의 옵토드를 사용했습니다. 지난 10년 동안 연구는 더 큰 인지 작업 및 휴식 상태 세션을 포함하도록 초점을 확장했지만 여전히 특정 ROI를 다루는 제한된 수의 옵토드를 사용하고 있습니다. 이러한 연구들은 fNIRS/fMRI 상관관계의 가변성이 두피와 뇌에서 옵토드의 거리에 따라 달라진다는 것을 보여주었다15. 또한, fNIRS는 fMRI16,17에 필적하는 휴지 상태 기능적 연결성 측정을 제공할 수 있다.
현재 프로토콜은 이전 작업을 기반으로 하며, i) 전체 헤드 fNIRS 커버리지를 제공하고, ii) 비피질 생리학적 신호의 회귀를 위한 단거리 측정을 포함하고, iii) fNIRS 측정의 검토-두피 공동 정합을 위한 두 가지 다른 방법을 구현하고, iv) 두 개의 독립적인 세션에서 신호의 테스트-재테스트 신뢰성을 평가할 수 있도록 함으로써 주요 제한 사항을 해결합니다. fMRI 및 fNIRS 신호의 동시 데이터 수집을 위한 이 프로토콜은 처음에 젊은 성인을 테스트하기 위해 개발되었습니다. 그러나 이 연구의 목표 중 하나는 발달 인구 테스트에 적용할 수 있는 동시 fMRI/fNIRS 신호를 수집하기 위한 실험 설정을 만드는 것이었습니다. 따라서 현재 프로토콜은 어린 아이들을 테스트하기 위한 프로토콜을 개발하기 위한 출발점으로도 사용할 수 있습니다. 전체 헤드 fNIRS 커버리지를 사용하는 것 외에도 프로토콜은 전신 생리학적 신호(즉, 혈압, 호흡기 및 심장 신호와 같은 비피질 소스에서 발생하는 혈관 변화)를 측정하기 위한 단거리 채널을 포함하는 것과 같은 fNIRS 하드웨어 분야의 최근 발전을 통합하는 것을 목표로 합니다.18,19 ; 및 검토-두피 공동 정합을 위한 3D 구조 센서의 사용20. 현재 프로토콜의 초점은 시각적으로 깜박이는 바둑판 작업의 결과에 있지만, 전체 실험에는 전통적인 블록 작업 설계, 휴식 상태 세션 및 자연주의적 영화 감상 패러다임이 혼합된 두 개의 세션이 포함됩니다.
이 프로토콜은 캡 설계, 트리거 동기화를 통한 시간적 정렬, 데이터 수집 시작 전에 필요한 팬텀 테스트를 포함하여 MRI 환경에서 사용할 수 있도록 fNIRS 장비를 조정하는 데 필요한 단계를 설명합니다. 앞서 언급했듯이 여기서는 깜박이는 바둑판 작업의 결과에 초점을 맞추지만 전체 절차는 작업에 국한되지 않으며 여러 실험 패러다임에 적합할 수 있습니다. 이 프로토콜은 fNIRS 캡 배치 및 신호 교정, 참가자 및 실험 장비 설정, 실험 후 정리 및 데이터 저장을 포함하여 데이터 수집 중에 필요한 단계를 추가로 설명합니다. 프로토콜은 fNIRS 및 fMRI 데이터 전처리에 특정한 분석 파이프라인에 대한 개요를 제공하는 것으로 끝납니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 연구는 예일 대학의 IRB(Institutional Review Board)의 승인을 받았습니다. 모든 피험자에 대해 정보에 입각한 동의를 얻었습니다. 피험자는 안전한 참여를 보장하기 위해 MRI 검사를 통과해야 했습니다. 인지 기능에 영향을 미칠 수 있는 심각한 의학적 또는 신경학적 장애(예: 신경인지 또는 우울 장애, 외상, 정신 분열증 또는 강박 장애)의 병력이 있는 경우 제외되었습니다.
참고: 현재 프로토콜은 1.95Hz에서 샘플링된 100개의 장거리 채널과 8개의 단거리 채널(32개의 레이저 다이오드 소스, λ = 785/830nm, 평균 출력 20mW/파장, 38개의 애벌랜치 포토다이오드 검출기)이 있는 CW-NIRS 장치를 사용합니다. MRI 및 fMRI 스캔은 20채널 헤드 코일을 사용하여 Siemens 3 Tesla Prisma 스캐너에서 수집되었습니다. 모든 데이터는 예일 뇌 영상 센터(Yale Brain Imaging Center, https://brainimaging.yale.edu/)에서 수집되었습니다. 동시 fMRI 및 fNIRS 데이터를 수집하기 위한 시스템별 수정이 프로토콜 전체에 걸쳐 기록되어 있습니다.
1. 동시 데이터 수집을 위한 fNIRS 장비 개조 및 개발
참고: 3-6단계는 NIRScoutXP 시스템에만 해당되며 수집 소프트웨어 및 옵토드 평가에 사용할 수 있는 팬텀의 차이로 인해 다른 fNIRS 시스템에는 적용되지 않을 수 있습니다.
- fNIRS 캡 준비
- 연구에 필요한 fNIRS 캡을 식별합니다. 성인 연구의 경우 54, 56, 58 및 60의 캡 크기(cm)를 사용할 수 있는지 확인하십시오.
- 참고: 캡 크기는 이 프로토콜에 사용된 시스템에 따라 다릅니다. 따라서 NIRS 시스템마다 필요한 특정 크기에 차이가 있을 수 있습니다.
- 비타민 E 캡슐과 발수성 소재(예: PU 코팅이 된 나일론 직물)를 사용하여 기준점을 준비합니다. 선택한 재료로 캡슐을 감싸고 선택한 영역에 기준점을 꿰매거나 붙입니다( 그림 1A 참조). 비타민 E 캡슐은 T1w 이미지를 사용하여 기저 뇌 조직에 대한 fNIRS 채널의 위치를 식별하기 위한 기준 마커 역할을 합니다.
- optode 배열과 co-registration 방법에 따라 기준점의 개수를 결정합니다. 일부 연구에서는 몇 가지 해부학적 랜드마크만 감지하면 되는 반면, 다른 연구에서는 각 옵토드 옆에 기준점을 배치하는 것이 도움이 될 수 있습니다.
- fNIRS 캡이 머리 뒤쪽에서 너무 느슨한 경우 탄성 천(미리 절단된 단추 구멍 포함)과 단추를 사용하여 캡 양쪽에 두 개의 스트랩을 부착하여 캡의 조절 가능성을 높입니다. 참가자 간에 캡이 얼마나 빡빡한지에 관계없이 스트랩을 고정하여 일관된 캡 설정을 보장합니다.
- 캡 앞면이 이마에 너무 꽉 조이면 피부에 직접 닿는 옵토드에 고무 완충제를 놓습니다. fNIRS 공급업체가 버퍼를 제공하지 않는 경우 펠트 패브릭 스티커를 사용하여 버퍼를 만듭니다. 고무 버퍼를 사용하는 경우 캡 핏에 관계없이 모든 참가자에게 고무 버퍼를 사용하여 일관된 캡 설정을 보장합니다. 고무 버퍼의 성분에 MR 이미지의 아티팩트를 방지하기 위한 금속 성분이 없는지 확인합니다.
- MRI 제어실 및 스캐너실에서 fNIRS 장비 설정
- fNIRS 장치를 스캐너실로 이어지는 도파관 중 하나에 가까운 제어실에 배치합니다. 섬유 길이를 최대화하기 위해 fNIRS 장치가 도파관에 최대한 가깝도록 필요한 경우 높은 표면(예: 발판)을 사용하십시오.
- 메쉬 케이블 그물망을 사용하여 광섬유를 그룹으로 묶습니다. 선택한 optode 배열을 기반으로 이러한 그룹을 결정합니다. 이상적으로는 광섬유가 그룹화되어 그룹의 모든 옵토드가 헤드의 같은 쪽(왼쪽 대 오른쪽)에 배치됩니다.
- 광섬유를 fNIRS 장치에 연결하고 도파관을 통해 번들을 스캐너실로 안내합니다. 광섬유를 주문하기 전에 fNIRS 장치와 스캐너 보어 중심 사이의 거리를 측정하여 광섬유의 길이가 충분한지 확인하십시오.
- 광섬유를 스캐너 테이블로 가져옵니다. MRI 안전 브리지를 사용하여 광섬유를 고정하여 광섬유의 무게로 인해 광섬유가 처지지 않도록 하고 피사체의 머리에서 캡이 당겨지는 것을 방지합니다( 그림 1B 참조).
- 병렬 포트 리플리케이터 박스 설정
- fNIRS 데이터 수집 컴퓨터에 최신 버전의 NIRStar 소프트웨어를 설치합니다.
- 제조업체의 트리거 설명서(버전 R2.1, 그림 1C 참조)에 표시된 대로 스캐너에서 TTL(Transistor-Transistor Logic)과 같은 펄스를 전송하는 케이블에 병렬 포트 리플리케이터를 연결합니다. TTL 펄스는 스캐너에서 직접 전송되는 슬라이스 타이밍 펄스에 해당합니다. 스캐너가 펄스를 보내면 LED 표시등 중 하나가 켜집니다.
- 병렬 포트 입력을 통해 병렬 포트 리플리케이터 박스를 fNIRS 장치에 연결합니다. 이렇게 하면 스캐너의 TTL 펄스가 감지될 때마다 NIRStar 소프트웨어에 트리거가 전송됩니다. 트리거 신호는 데이터 수집 기록 화면에 점선으로 반영됩니다. 이 설정은 스캐너에서 슬라이스 타이밍 펄스가 수집될 때마다 NIRStar 수집 소프트웨어에 의해 기록된 fNIRS 데이터 스트림에 반영되기 때문에 fNIRS 및 fMRI 데이터 수집의 동기화를 보장합니다.
- 옵토드 평가를 위한 정적 팬텀 준비
- fNIRS 공급업체에서 제공하는 정적 팬텀 장치에 옵토드를 배치합니다. 팬텀의 옵토드 배열은 fNIRS 기기의 유형과 사용 가능한 소스 및 검출기의 수에 따라 달라집니다. 제조업체의 공급자 시작 가이드에서 올바른 옵토드 배열을 확인하십시오.
- 팬텀이 모든 광원으로부터 완전히 차폐되었는지 확인하십시오. 일부 공급업체는 외부 광원으로부터 옵토드를 보호하는 데 도움이 되는 피팅 케이스를 제공합니다.
- 사용 가능한 모든 소스와 검출기 번들을 지정된 optode 배열에 따라 fNIRS 팬텀에 연결합니다.
- fNIRS 팬텀을 수집 컴퓨터에 연결하고 NIRStar 수집 소프트웨어를 시작합니다.
- 팬텀 다크 노이즈 기기 테스트 수행
- NIRStar 수집 소프트웨어의 Configure Hardware(하드웨어 구성 ) 메뉴 항목에서 Channel Setup 탭을 엽니다. Number of Sources(소스 수 ) 및 Number of Detectors(감지기 수 )에서 사용 가능한 소스 및 감지기의 총 수가 올바르게 설정되어 있는지 확인합니다. 확인을 클릭하여 이 설정을 확인합니다.
- NIRStar 창의 메인 메뉴에서 Diagnostics(진단 ) 메뉴 항목을 클릭하여 다크 노이즈 테스트 창을 시작합니다.
- 테스트 실행 버튼을 눌러 테스트를 실행합니다. Save Results 버튼을 눌러 테스트 결과를 저장합니다.
참고: 결과를 해석하는 방법에 대한 지침은 제조업체의 "시작 안내서: 정적 팬텀 문제 해결"을 참조하십시오.
- 팬텀 캘리브레이션 테스트 수행
- NIRStar 수집 소프트웨어의 Configure Hardware 메뉴 항목에서 Channel Setup 탭을 엽니다. Number of Sources(소스 수) 및 Number of Detectors(감지기 수 )에서 사용 가능한 소스 및 감지기의 총 수가 올바르게 설정되어 있는지 확인합니다.
- Configure Hardware(하드웨어 구성) 메뉴 항목에서 Channel Masking(채널 마스킹) 탭을 엽니다. Select All 버튼을 눌러 모든 채널을 마스킹합니다.
- Configure Hardware(하드웨어 구성) 메뉴 항목의 Hardware Specification(하드웨어 사양) 탭에서 Study Type(스터디 유형)에서 Static Phantom(정적 팬텀)을 선택합니다. 확인을 클릭하여 이러한 설정을 확인합니다.
- Calibrate 버튼을 눌러 보정을 시작합니다. 캘리브레이션이 완료되면 Details 버튼을 눌러 view 자세한 캘리브레이션 결과.
참고: 결과를 해석하는 방법에 대한 지침은 제조업체의 "시작 안내서: 정적 팬텀 문제 해결"을 참조하십시오.
그림 1. fMRI 및 fNIRS 측정의 동시 데이터 수집을 위한 장비. (A) 각 옵토드에 인접한 fNIRS 캡에 꿰매어진 비타민 E 캡슐을 보관하기 위한 검은색 발수 소재로 만든 파우치. (B) 광섬유를 바닥 위에 고정하여 데이터 수집 중에 참가자의 머리에 도달할 수 있도록 하는 MRI 안전 브리지. (C) 스캐너에서 fNIRS 장치로 펄스를 전송하는 병렬 포트 리플리케이터. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
2. 실험과제 설계
- 스캐너 내부에 있는 참가자의 편안함을 고려하여 스캔 세션 시간을 결정합니다. 예를 들어, 여기에 강조된 연구에는 총 약 14분 동안 2개의 구조 이미지(T1w 및 T2w)와 약 25분의 추가 기간 동안 5개의 기능 실행이 포함됩니다.
참고: 연구별 요인(예: 참가자의 연령, 모자 크기)이 편안함 수준을 결정하기 때문에 적절한 연구 기간을 식별하기 위해 여러 참가자와 함께 연구를 시범 운영하는 것이 필요합니다. - 연구 목표에 따라 신경 영상 작업을 설계합니다. 이것은 연구에 따라 다를 것입니다. 여기에서는 깜박이는 바둑판 작업의 절차(및 대표 결과)가 표시됩니다.
3. 테스트 당일 fNIRS 캡 배치 및 신호 교정
참고: 아래의 모든 단계는 달리 명시되지 않는 한 MRI 제어실 또는 동의실에서 수행됩니다.
- 헤드 측정값 수집 및 fNIRS 캡 선택
- 참가자가 관련 동의서에 서명하고 향후 작업에 대한 지침을 받으면 제어실에 있는 의자에 앉도록 지시합니다.
- 표준 부드러운 측정 테이프를 사용하여 참가자의 머리에서 가능한 가장 넓은 둘레에 테이프를 감습니다. 이마의 가장 눈에 띄는 부분(종종 눈썹 위 1-2개의 손가락)에서 머리 뒤쪽과 뒤쪽의 가장 넓은 부분까지. 가장 넓은 둘레를 찾으십시오.
- 측정된 둘레에 가장 가까운 캡 크기를 선택합니다.
- 캡에 근거리 검출기 프로브 부착
참고: 이 단계는 NIRx 시스템에만 해당되며 다른 fNIRS 장치에는 적용되지 않을 수 있습니다.- 베이스를 단단히 잡고 fNIRS 캡의 메쉬를 통과하는 그로밋 부분 주위로 밀어 단거리 검출기 프로브를 배치합니다( 그림 2A 참조). 케이블이 손상될 수 있으므로 케이블에서 단거리 감지기 프로브를 당기지 않도록 주의하십시오.
참고: 프로브의 분포를 결정할 때 전체 헤드와 ROI별 분포를 비교하는 최근 연구18을 참조하십시오. - 필요한 경우 케이블 관리를 위해 제조업체에서 제공한 Fiber Organizer 클립을 사용하십시오. 얼굴 주변을 깨끗하게 유지하기 위해 단거리 감지기 케이블이 캡 뒤쪽을 향하고 있는지 확인하십시오.
- 베이스를 단단히 잡고 fNIRS 캡의 메쉬를 통과하는 그로밋 부분 주위로 밀어 단거리 검출기 프로브를 배치합니다( 그림 2A 참조). 케이블이 손상될 수 있으므로 케이블에서 단거리 감지기 프로브를 당기지 않도록 주의하십시오.
- 참가자의 머리에 fNIRS 캡과 옵토드 부착
- 참가자에게 겨울 모자를 쓰는 것처럼 머리 꼭대기에서 똑바로 아래로 밀어 모자를 씌우도록 요청합니다. 캡이 곧고 귀가 귓구멍에 있는지 확인하십시오.
- 참가자에게 턱끈을 편안하게 조이도록 요청합니다. 후면 스트랩을 조이고 캡이 단단히 부착되어 있고 옵토드 소켓이 머리에 단단히 고정되어 있는지 확인합니다.
- 녹색 스티커를 부착하여 10-20개의 시스템 위치(이온, 나온, 귀 앞쪽의 귓바퀴 전 지점 및 Cz)21에 따라 주요 기준 위치를 표시합니다.
알림: 3D 구조 센서를 사용하여 소스 및 검출기 옵토드 위치의 공간 좌표를 결정하는 경우 녹색 스티커가 필요합니다. 이는 3D 구조 센서 유형에 따라 다를 수 있습니다. 현재 프로토콜은 Occipital20의 구조 센서(Mark II)를 사용합니다. - 측정 테이프를 사용하여 i) 귓바퀴 전 지점이 Cz 지점에서 등거리에 있고 ii) 이온과 비강 지점이 Cz 지점에서 같은 거리에 있는지 확인하여 캡의 지점을 두피 지점과 대칭으로 정렬합니다. 모든 참가자에 대해 캡 위치가 동일한지 확인합니다.
- 3D 구조 센서 디지타이저를 사용하여 참가자의 머리 모델 획득
- 참가자에게 머리의 3D 모델을 만들기 위해 가만히 앉아 있으라고 지시합니다.
- 응용 프로그램 열기 구조 태블릿 또는 iPad에서.
참고: 이 프로토콜은 Occipital20의 구조 센서(Mark II)를 사용하여 헤드 메시를 만드는 데 필요한 단계를 설명합니다. 이러한 단계는 시스템마다 다를 수 있습니다. - 고해상도 색상, IR 자동 노출 및 향상된 트래커 설정이 꺼져 있는지 확인하십시오.
- 참가자의 머리 전체가 화면의 3D 정사각형 안에 있고, 머리 전체가 렌더링되고, 프레임에 어깨가 너무 많이 나오지 않도록 참가자를 가운데에 맞춥니다.
- 참가자 주위를 360° 조심스럽게 걸어 다니며 3D 스캔을 만듭니다. 계속하기 전에 응용 프로그램이 약 90°마다 이미지를 캡처할 때까지 기다립니다(그림 3A 참조).
- 전체 스캔을 캡처한 후 화면 오른쪽에 있는 버튼을 눌러 3D 렌더링을 만듭니다.
- 렌더링을 확인하여 명확하고 옵토드와 녹색 기준 스티커의 배치를 확인할 수 있는 충분한 세부 정보가 있는지 확인합니다. HIPAA 보호 서버에 3D 스캔을 저장합니다.
- 스캐너실에 입장하기 위한 참가자 준비
- 3D 모델이 생성된 후 녹색 스티커를 제거하고 참가자에게 귀마개를 귀에 꽂도록 지시합니다.
- MR 이미징 센터의 지침에 따라 참가자가 스캐너실에 안전하게 들어갈 수 있는지 확인하십시오. 이 단계에는 일반적으로 참가자와 함께 신체에 금속이 없는지 확인하고 최종 점검으로 금속 탐지기를 통과하는 것이 포함됩니다. 피험자가 도착하기 전에 작성한 MRI 안전성 설문지는 대부분의 영상 센터에서 종종 요구됩니다.
- 소스 및 검출기 프로브를 fNIRS 캡에 놓기
- 스캐너실에서 참가자가 스캐너 테이블에 편안하게 앉도록 지시합니다.
- 한 손으로 각 옵토드 그로밋을 안정화하면서 다른 손으로 MRI 안전 애플리케이터를 사용하여 그로밋 중앙에서 머리카락을 밀어냅니다( 그림 2B 참조). 머리카락이 해당 부위에서 충분히 이동되면(이상적으로는 두피가 보이도록) 옵토드를 그로밋에 단단히 누릅니다.
- 그로밋의 장력이 풀리면 머리카락이 다시 돌아와 옵토드의 중심을 가리지 않도록 하십시오. 전체 헤드 어레이를 사용하는 경우 섬유가 앞쪽을 향하도록 머리 뒤쪽의 옵토드를 향하게 하고 섬유가 뒤쪽을 향하도록 머리 앞쪽의 옵토드를 향하게 하는 것이 좋습니다. 이러한 광섬유 구성은 참가자가 누워서 MRI 헤드 코일에 머리를 넣을 때 광섬유가 엉키거나 주름지는 것을 방지합니다.
알림: 이 섬유 삽입 및 정렬 프로세스는 참가자의 양쪽에 위치한 두 명의 실험자를 사용하여 동시에 캡핑하여 보다 빠르고 쉽게 수행할 수 있습니다. - 케이블 오거나이저를 사용하여 광섬유를 번들로 깔끔하게 정렬합니다( 그림 2B 및 그림 3B 참조). NIRStar 소프트웨어를 사용하여 신호 강도의 테스트 교정 및 측정을 수행합니다. 두 명의 숙련된 연구원이 수행하는 옵토드 배치 및 보정은 약 10분이 소요됩니다.
- 문제가 있는 옵토드에서 간섭 머리카락을 대체하여 충분한 신호 품질을 얻을 때까지 필요에 따라 개별 옵토드를 조정합니다. 플라스틱 핀셋을 사용하여 머리카락을 대체하기 위해 캡에서 옵토드를 제거합니다( 그림 2B 참조).
그림 2. fNIRS 캡 준비를 위한 단거리 검출기 및 도구. (A) 단거리 검출기 프로브 및 고무 버퍼는 머리카락이 최소화된 전면 영역의 fNIRS 캡에 부착됩니다. (B) 왼쪽에서 오른쪽으로: 광섬유를 번들로 배열하는 케이블 정리함, 옵토드를 배치하는 동안 모발을 밀어내는 MRI 안전 애플리케이터, 모발을 대체하기 위해 NIRS 캡을 설정하는 동안 필요한 경우 캡에서 옵토드를 제거하는 플라스틱 핀셋. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3. 3D 구조 센서 디지타이저 및 fNIRS 캡 배치. (A) 3D 구조 센서 디지타이저를 사용하여 참가자 머리의 3D 모델을 만드는 실험자. 녹색 스티커는 기준 위치를 식별하는 데 사용됩니다. (B) 참가자 머리의 fNIRS 캡에 삽입되고 신호 보정 전에 케이블 오거나이저를 사용하여 번들로 배열된 광섬유. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
4. 참가자 설정
알림: 다음 단계는 MRI 스캐너실에서 수행됩니다. 호흡 벨트와 맥박 산소 측정기의 사용은 선택 사항이며, 연구자들이 fNIRS 데이터로부터 이러한 신호를 회귀 분석하는 데 관심이 있는 경우에만 필요하다(22). 이 프로토콜은 구속 벨트를 사용하여 호흡 진폭을 획득하기 위해 호흡 단위의 일부인 호흡 벨트를 사용합니다. 유사하게, 생리학적 맥박 단위는 심장 리듬을 획득할 수 있는 광학 혈량측정 센서로 구성됩니다.
- 20채널 헤드 코일이 스캐너에 배치되어 있는지 확인합니다. 전체 헤드 fNIRS 어레이를 사용하는 경우 32채널 및 64채널 헤드 코일이 성인 참가자에게 너무 빡빡합니다.
- 참가자의 머리 뒤쪽을 지지하기 위해 MRI 헤드 코일 하단 내부에 폼 베개를 놓습니다( 그림 4A 참조).
- 참가자에게 천천히 조심스럽게 눕도록 요청하여 그들의 움직임이 캡을 움직이거나 광섬유를 당기지 않도록 합니다. 참가자의 머리가 헤드 코일 내에 편안하게 놓일 수 있도록 필요에 따라 광섬유 번들을 조정합니다( 그림 4B 참조). 도파관에서 케이블의 위치에 따라 이 단계에서 스캐너 테이블을 올려야 할 수도 있습니다.
- 참가자가 편안할 수 있도록 참가자의 다리 아래에 베개를 놓습니다. 참가자의 허리에 호흡 벨트를 착용합니다.
- 참가자에게 노이즈 캔슬링 헤드폰을 귀 주위에 놓고 fNIRS 프로브 배치를 방해하지 않도록 주의하도록 요청합니다. 헤드폰이 미끄러지는 것을 방지하려면 헤드폰과 헤드 코일 내부 사이의 헤드 양쪽에 MRI 안전 패드를 사용하십시오. 헤드폰이 헤드 코일에 닿는 것을 방지하기 위해 베개 덮개를 사용할 수 있습니다.
- 맥박 산소 측정기를 피험자의 자주 사용하지 않는 손의 검지 손가락에 놓습니다. 실험 과제에 버튼 상자를 사용하는 경우 참가자에게 주로 사용하는 손으로 버튼 상자를 잡도록 요청합니다. 참가자에게 버튼 상자 사용 방법에 대한 지침을 제공합니다.
- 스퀴즈 볼 또는 버튼 알람을 피험자의 자주 사용하지 않는 손에 놓고 참가자에게 사용법을 지시합니다. 참가자에게 알람을 누르도록 요청하여 알람을 테스트합니다.
- 참가자를 스캐너 구멍에 몇 인치 밀어 넣어 머리를 맞춥니다. 헤드 코일의 상단 부분을 배치합니다. 그런 다음 해당 코일 인서트에 마이크와 미러를 삽입합니다.
- 광섬유를 잡고 참가자를 스캐너 구멍에 천천히 밀어 넣습니다. 이 프로세스에는 스캐너 테이블의 양쪽에 있는 두 사람이 필요합니다. 옵토드를 당기거나 헤드 코일과 스캐너 보어 사이의 섬유가 끼지 않도록 광섬유가 스캐너 보어로 조심스럽게 안내되는지 확인하십시오.
- 참가자에게 스캔 세션을 수행할 준비가 되었는지 확인한 후 제어실로 돌아가 인터콤 오디오를 통해 참가자가 실험자의 목소리를 들을 수 있고 실험자가 참가자의 목소리를 들을 수 있는지 확인합니다.
그림 4. MRI 스캐너에 설정된 참가자. (A) 참가자의 머리를 지지하는 데 사용되는 MR 헤드 코일 내부의 베개와 참가자가 설정하기 전에 번들로 배열된 광섬유. (B) 테스트를 위해 fNIRS 캡을 씌운 채 스캐너 베드에 누워 있는 참가자. 헤드 코일의 상단은 아직 참가자의 얼굴 위에 놓이지 않았습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
5. 신호 기록 전 스캐너 및 fNIRS 장비 설정
- 스캐너 컴퓨터에서 스터디와 관련된 구조적 및 기능적 시퀀스를 선택합니다. fNIRS 데이터의 감도 광 모델을 계산할 때 T1w 및 T2w 이미지를 모두 수집하여 최상의 조직 대비 분해능을 얻습니다.
- 로컬라이저를 확인하여 스캐너 보어 내에서 헤드 위치가 양호한지 확인합니다. 머리 꼭대기에서 소뇌까지 뇌 전체를 덮었는지 확인합니다.
- 헤드 코일 미러를 통해 컴퓨터 화면이 보이는지 참가자와 함께 확인합니다.
- 첫 번째 구조 스캔을 실행합니다. 이와 동시에 fNIRS 옵토드의 또 다른 보정 테스트를 실행하여 참가자 설정이 채널의 신호 강도에 영향을 미치는지 확인합니다.
- 첫 번째 구조 MRI 스캔을 실행한 후 그래디언트 에코 필드 맵 시퀀스를 수집하고 노이즈 캔슬링 헤드폰을 보정하여 헤드폰이 참가자에게 청각 자극을 전달하고 주변 소음을 차단할 수 있는지 확인합니다.
알림: 일부 참가자는 헤드폰을 조정해야 할 수 있습니다. 이 경우 스캐너실에 다시 들어가 fNIRS 프로브 배치를 방해하지 않도록 주의하면서 헤드폰 주변의 패딩을 조정하십시오. 계속하기 전에 다른 로컬라이저, 그래디언트 에코 필드 맵 시퀀스 및 fNIRS 옵토드의 보정 테스트를 실행합니다.
6. 동시 신호 기록
- 인터콤을 통해 참가자가 편안하고 잘 지내고 있는지 확인하십시오. 작업에 대한 지침을 제공하고 참가자에게 머리와 몸을 움직이지 않도록 상기시킵니다.
- 깜박이는 바둑판 작업과 관련된 다음 지침을 제공합니다(그림 5).
- 이 작업에서는 참가자에게 항상 앞에 있는 디스플레이 화면의 중앙을 보도록 지시합니다(거울을 통해). 때때로 화면에 타일이 다른 주파수로 깜박이는 바둑판이 표시됩니다. 다른 경우에는 참가자가 화면 중앙에 흰색 원을 볼 수 있습니다.
- 화면에 흰색 원이 나타나면 참가자에게 집게 손가락으로 버튼 상자를 누르도록 요청합니다. 버튼을 누르면 원이 빨간색으로 바뀝니다.
- 이 작업에서는 교대 블록 설계를 사용합니다. 참가자들이 각각 10초의 깜박이는 체커보드 블록 11개와 각각 20초의 원형 블록 11개를 포함하는 6분 동안 단일 달리기를 완료하게 합니다.
- fNIRS 컴퓨터에서 fNIRS 데이터 기록을 시작하고 자극 표시 컴퓨터에서 작업을 시작합니다. 실험적 작업에 대한 스크립트는 작업 지침으로 표시됩니다.
- 첫 번째 기능 실행을 시작합니다. 스캐너가 첫 번째 TTL 펄스를 보내면 NIRStar 소프트웨어 데이터 기록 화면에 트리거 신호로 표시됩니다. 이 첫 번째 펄스도 실험 작업을 시작합니다.
- 모든 작업에서 참가자의 성과와 움직임을 모니터링합니다. 어떤 경우에, 특히 전체 머리 옵토드 어레이와 작은 크기의 캡을 사용할 때 일부 참가자는 캡을 착용할 때 약간의 불편함을 경험할 수 있습니다. 항상 참가자의 편안함을 모니터링하는 것이 중요합니다.
- 필요한 경우 세션 중간에 참가자에게 휴식 시간을 제공합니다. 이 휴식 시간 동안 참가자가 앉아야 하는 경우 로컬라이저를 수집하고 그래디언트 에코 필드 맵 시퀀스, 헤드폰 보정 및 fNIRS 테스트 보정을 다시 실행한 후 진행합니다. 이 단계는 현재 프로토콜의 정확한 단계를 따르는 경우 스캐너에서 젊은 성인을 테스트할 때 일반적으로 필요하지 않습니다.
- 데이터를 수집하는 동안 세션에 대해 기록하십시오(예: 캡 크기, 시간, 잘 보정되지 않은 옵토드 또는 특이한 것).
- 모든 기능 실행이 끝나면 fNIRS 데이터 수집을 중지합니다. 필요한 경우 두 번째 구조 스캔을 실행합니다.
그림 5. 실험 과제로 바둑판 패러다임을 번쩍입니다. 참가자들은 흰색 사각형이 초당 8번 깜박이는 흑백 바둑판 패턴과 흰색 원이 표시된 회색 화면이 번갈아 나타나는 것을 보았습니다. 주의 점검의 일환으로 참가자들은 화면 중앙에 흰색 원이 나타나면 오른손으로 버튼을 누르도록 지시받았습니다. 버튼을 누르면 원이 빨간색으로 바뀝니다. 이 작업은 총 22개의 블록(11개의 깜박이는 바둑판 블록과 11개의 시험 기간 간)으로 구성된 단일 실행으로 완료되었습니다. 깜박이는 바둑판 주기는 10초 동안 지속되었고 시험 간 기간은 20초 동안 지속되었습니다. 따라서 깜박이는 바둑판의 시작은 30초(0.033Hz)마다 발생했습니다. 디스플레이는 PsychoPy v2021.2.4에 의해 생성되었으며 1080p DLP 프로젝션 시스템을 통해 헤드 코일 상단의 후면 미러에 투사되었습니다. 참가자들은 이 과제를 한 번 실행했습니다(~6분). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
7. 실험 후 정리 및 데이터 저장
- 전동 스캐너 베드를 사용하여 광섬유가 끼지 않도록 주의하면서 스캐너 구멍에서 참가자를 천천히 제거합니다. 헤드 코일의 상단을 제거하고 참가자가 천천히 앉도록 합니다.
- 참가자의 머리에서 fNIRS 캡을 제거하고 각 그로밋에서 각 옵토드를 제거합니다. 옵토드를 제거한 후에도 머리카락이 그로밋에 끼는 경우가 많으므로 참가자에게 캡을 천천히 조심스럽게 제거하도록 지시하십시오.
- 일부 그로밋은 뚜껑을 푸는 과정에서 빠질 수 있습니다. 모든 그로밋 부품을 찾고 다음 참가자의 스캔 세션 전에 누락된 부품을 교체해야 합니다.
- 참가자들에게 스캐너 침대에서 내려오게 하고, 시간을 내준 것에 대해 감사를 표하고, 해당되는 경우 금전적 보상을 제공합니다.
- 작업 로그, fNIRS 및 fMRI 데이터가 저장되고 백업되었는지 확인합니다. fNIRS 공급업체에서 권장하는 스프레이 세척액으로 캡을 소독하고 플라스틱 및 고무에 안전한 알코올 물티슈로 옵토드 팁을 닦습니다.
8. fMRI 데이터 전처리
참고: fMRI 데이터는 신경 영상 양식 전반에 걸쳐 데이터 구성, 전처리, 품질 보증 및 분석을 지원하는 오픈 소스 소프트웨어 제품군인 QuNex24를 사용하여 Human Connectome Project23의 최소 전처리 파이프라인에 따라 전처리되었습니다. 아래에 강조 표시된 각 단계의 특정 설정 및 매개변수에 대한 자세한 설명서는 QuNex 웹 사이트(https://qunex.yale.edu/)에서 확인할 수 있습니다. 데이터를 처리하는 데 사용되는 주요 단계와 매개변수는 다음과 같습니다.
- 구조 데이터 전처리
- PreFreeSurfer 파이프라인. 기울기 왜곡 보정, 6 자유도(DOF) 강체 변환을 사용한 T1w 및 T2w 이미지의 반복 실행 정렬, MNI 공간 템플릿에 대한 T1w 및 T2w 이미지의 AC-PC 정렬, 초기 브레인 추출, 판독 왜곡 보정, 네이티브 볼륨 공간에서 T1w 및 T2w의 교차 모달 정합, 바이어스 필드 보정 및 MNI 비선형 볼륨 정합 단계를 수행합니다.
- 프리서퍼 파이프라인. 다음 단계를 수행합니다: 스플라인 보간을 사용하여 T1w를 1mm로 다운샘플링하고 recon-all을 실행하여 Freesurfer의 BBRegister 알고리즘을 사용하여 T2w를 T1w로 미세 조정하는 백질 표면을 생성합니다(자세한 내용은23 참조).
- PostFreeSurfer 파이프라인. 네이티브 볼륨 공간에서 recon-all 출력을 GIFTI 및 NIFTI로 변환하고, 최종 브레인 마스크와 피질 리본 볼륨을 생성하고, 미엘린 맵을 생성하고, 네이티브에서 MNI 비선형 볼륨 변환을 수행하는 단계를 수행합니다.
- 기능 데이터 전처리
- fMRI 볼륨 파이프라인. 왜곡 보정, FLIRT 기반 모션 보정, 스핀 에코 필드 맵을 사용한 TOPUP 기반 필드 맵 전처리, EPI 이미지 왜곡 보정 및 EPI-T1w 정합, MNI(아틀라스 공간)로 1단계 스플라인 리샘플링, 바이어스 필드 제거 및 브레인 마스킹을 통한 강도 정규화.
- fMRI 표면 파이프라인. 부피 시계열을 CIFTI 형식으로 저장된 결합된 표면 및 부피, 회색 종단 표현에 매핑하려면 fMRI 리본 구성, 표면 평활화, 피질하 처리 및 조밀한 시계열 생성과 같은 단계를 수행합니다.
- 굵은 데이터를 준비합니다. 움직임과 아티팩트 속성을 반영하는 정량적 QC 통계를 계산하여 불량 프레임을 식별합니다. 정량적 QC 통계를 생성하는 데 사용할 수 있는 옵션은 QuNex 설명서를 참조하십시오. 이러한 통계에는 프레임 변위 임계값 및 이미지 강도 정규화 RMSE(제곱 평균 제곱근 오차) 임계값과 같은 BOLD, 시간적 신호 대 노이즈 및 모션 스크러빙 통계가 포함되는 경우가 많습니다. 연구별 기준에 따라 식별된 문제가 있는 프레임을 무시하거나 보간합니다.
- 성가신 신호를 추출합니다. 뇌실, 백질, 회백질에서 성가신 신호를 추출하여 후속 단계에서 성가신 신호 회귀를 수행합니다.
9. fNIRS 데이터 전처리
참고: fNIRS 데이터는 특정 참가자 또는 지도책의 해부학에 공동 등록된 뇌 기능의 복셀 수준 맵에 대한 원시 조명 수준의 광학 데이터를 분석하기 위한 오픈 소스 환경인 NeuroDOT26을 사용하여 fNIRS 데이터 분석25의 모범 사례에 따라 분석되었습니다. 아래에 설명된 모든 단계는 NeuroDOT로 수행할 수 있습니다. 아래에 강조 표시된 각 단계의 특정 설정 및 매개 변수에 대한 추가 설명서는 https://github.com/WUSTL-ORL/NeuroDOT_Beta 의 자습서 및 스크립트에서 찾을 수 있습니다. 마지막으로, 검토-두피 정합은 기저 뇌 조직을 기준으로 fNIRS 광선 좌표를 얻어야 하며, 가능한 경우 3D 디지타이저 또는 비타민 E 캡슐을 기준점으로 사용하여 수행할 수 있습니다. 두 방법 모두 이 섹션에 설명되어 있으며 관련 소프트웨어 패키지에 대한 참조가 제공됩니다.
- 피사체별 머리 메시 생성 및 조명 모델 생성
- T1w 이미지를 관련 조직 유형으로 분할하여 두피, 두개골, 뇌척수액(CSF), 회백질 및 백질과 같은 분할된 머리 모델을 만듭니다. T1w 및 T2w 이미지는 각각 관련 조직 유형에 대한 보완 정보를 제공하므로 가능한 경우 둘 다 사용합니다.
참고: 이 단계는 Freesurfer의 체적 분할(28)로부터 입력 정보를 취하는 NeuroDOT의 기능 "Segment5R_fs"를 사용하여 현재 프로토콜에서 수행됩니다. 뇌 조직 분할을 위해 일반적으로 사용할 수 있는 다른 소프트웨어 패키지로는 SPM29 및 AFNI30이 있습니다. - NeuroDOT를 통해 Mimics 소프트웨어 패키지를 사용하여 분할된 머리 모델에서 머리 메시를 생성합니다. 3D 디지타이저를 사용하여 옵토드 위치를 헤드 모델에 배치하는 경우 옵토드 위치 파악을 위한 Fieldtrip 권장 사항31을 따릅니다. 대안적으로, 비타민 E 캡슐이 소스-검출기 쌍의 좌표를 식별하기 위한 기준점으로 사용되는 경우, T1w 이미지에서 소스 및 검출기의 위치를 수동으로 식별한다(예를 들어,32 참조).
- 3D 디지타이저 또는 비타민 E 캡슐을 통해 얻은 소스 및 검출기 위치를 NeuroDOT을 사용하여 메시의 관련 유전자좌에 배치합니다.
- NeuroDOT를 통해 NIRFAST 소프트웨어 패키지를 사용하여 피험자별 머리 모델에 대한 민감도 매트릭스를 계산하려면 다음 매개변수를 설정합니다. 복셀레이션 해상도: 2; 지역 라벨: CSF, 흰색, 회색, 뼈, 피부; 영역 흡수 계수: CSF [0.004, 0.004], 흰색 [0.0167, 0.0208]; 회색 [0.018 0.0192], 뼈 [0.0116, 0.0139], 피부 [0.74, 0.64]; 영역의 산란 계수: CSF [0.3, 0.3], 흰색 [1.1908, 1.0107]; 회색 [0.8359, 0.6726], 뼈 [0.94, 0.84], 피부 [0.64, 0.74], 부위 굴절률: CSF [1.4, 1.4], 흰색 [1.4, 1.4]; 회색 [1.4, 1.4], 뼈 [1.4, 1.4], 피부 [1.4, 1.4].
참고: 이 프로토콜은 NIRFAST 소프트웨어 패키지(버전 9.1)33,34를 사용하며, 이 패키지는 방사 수송 방정식에 대한 확산 근사치를 기반으로 하는 유한 요소 전방 광 모델을 사용합니다. 광 모델을 계산하기 위해 NIRFAST는 세 가지 유형의 정보에 의존합니다: i) 조직 경계 모양, ii) 기준선 광학 특성의 내부 분포 및 iii) 표면의 광원 및 검출기 위치(자세한 내용은 35,36 참조). 몬테카를로 방법은 상이한 조직 유형37,38에 대한 확산 방정식에 대한 해를 계산하기 위한 대안으로 사용될 수 있다. - 측정 민감도의 예를 정성적 평가로 시각화합니다.
- T1w 이미지를 관련 조직 유형으로 분할하여 두피, 두개골, 뇌척수액(CSF), 회백질 및 백질과 같은 분할된 머리 모델을 만듭니다. T1w 및 T2w 이미지는 각각 관련 조직 유형에 대한 보완 정보를 제공하므로 가능한 경우 둘 다 사용합니다.
- 소스 검출기 측정의 원시 데이터 처리
- 각 광원과 검출기의 평균 조도를 이미징 어레이의 2D 표현으로 표시합니다. 시간 표준 편차가 7.5%보다 큰 소스-검출기 쌍을 제거합니다36. 데이터가 최소 3Hz의 프레임 속도로 수집되는 경우 양호한 광토-두피 결합이 맥박수(~1Hz) 주파수와 일치하는 특성을 나타내므로 심전도 임계값을 사용하여 소스-검출기 쌍 측정을 거부합니다.
- 데이터의 추세를 제거하여 각 측정값의 선형 추세를 제거합니다. 고역 통과 필터(0.02Hz 차단)를 사용하여 저주파 드리프트를 제거합니다. 필터링하는 대신 대안은 GLM에 드리프트 계수를 회귀 변수로 추가하는 것입니다.
- 저역 통과 필터(1Hz) 데이터를 사용하여 심장 진동을 제거합니다.
- 모든 8mm 소스-검출기 쌍 측정값의 평균을 계산하여 전체 표면 신호를 추정합니다. 단거리 측정은 주로 두피와 두개골을 샘플링할 때 전신 비피질 생리학적 신호의 추정치로 사용합니다.
- 모든 측정값에서 전역 신호 회귀분석 39.
- 저역 통과 필터링(0.5Hz 컷오프)하여 나머지 데이터를 자극 주파수 주위에 더 집중시키고 데이터를 1Hz40,41,42로 다운 샘플링하여 계산 부하를 줄입니다.
- GVTD(Global Variance of the Temporal Derivatives) 시간 경과43을 사용하여 모션 중도절단을 구현합니다. GVTD는 일련의 측정 또는 복셀(43)에 걸쳐 시간 도함수의 제곱 평균 제곱근으로 계산된다. GVTD 노이즈 임계값을 초과하는 시점을 제외하여 동작 중도절단 또는 스크러빙을 구현합니다.
- 조명 모델 및 전처리된 데이터를 기능적 신경 영상 볼륨으로 재구성
- 785nm 및 830nm에서 Tikhonov 정규화 및 공간적 변형 정규화44를 사용하여 감도 행렬의 정규화된 반전을 기반으로 흡수의 상대적 변화를 재구성합니다.
- 파장 의존적 흡수 데이터44,45의 스펙트럼 분해를 통해 헤모글로빈 농도의 상대적 변화를 계산합니다.
10. fMRI/fNIRS 작업 유발 데이터 분석
- 단일 세션 1단계 GLM 분석(HRF 모델링, 단거리 fNIRS 측정을 포함한 생리학적 신호 회귀)을 실행하여 뇌 활동이 주어진 피험자에 대한 통계적 가설과 어떻게 관련되어 있는지 평가합니다.
참고: GLM의 대안은 HRF의 모양에 대한 선험적 가정을 피하는 블록 평균화입니다. 그러나 블록 평균화는 fNIRS 신호의 관련 교란 인자와 자극에 대한 혈역학적 반응을 모델링할 수 없습니다. - 그룹 또는 두 번째 수준 GLM 분석을 실행하여 피험자 간 활성화에 대한 첫 번째 수준 추정치를 결합합니다.
- 개별 GLM 파일에서 관련 효과 추정값을 추출하여 그룹 파일로 결합합니다.
- 원하는 통계량을 계산합니다. 통계적 추론을 위해 단변량 및 다변량 GLM 모델의 순열 리샘플링 방법을 실행하기 위한 잘 정립된 패키지는 FSL PALM46입니다.
- 전뇌 GLM 베타 추정치를 얻습니다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
이 섹션에서는 fMRI 신호와 fNIRS 신호 모두에 대한 깜박이는 체커보드 작업에 대한 대표적인 피험자별 응답을 제공합니다. 먼저, 대표적인 원시 fNIRS 데이터 및 품질 평가가 그림 6 및 그림 7 에 표시되어 MRI 환경에서 fNIRS 신호를 측정하기 위한 실험 설정의 타당성을 보여줍니다. 전체 헤드 옵토드 어레이 및 감도 프로파일의 다이어그램은 그림 8에 나와 있습니다.
그림 6. 대역통과 필터링 및 표면 신호 회귀 후의 대표적인 fNIRS 시계열 데이터. 왼쪽 열은 785nm의 데이터를 표시하고 오른쪽 열은 830nm의 데이터를 표시합니다. (A) 대역 통과 필터(고역 통과 필터 컷오프: 0.02Hz, 저역 통과 필터 컷오프: 0.5Hz 컷오프) 및 전역 신호 회귀를 적용한 후의 fNIRS 데이터 시계열. y축은 광원 검출기 거리 세트에 대한 조명 수준 범위를 강조하기 위해 로그 스케일링됩니다. 수직선은 자극 패러다임에서 새로운 블록이 시작되는 시점을 나타냅니다. 녹색 선은 깜박이는 바둑판 블록의 시작을 나타내고 파란색 선은 시험 기간 간의 시작을 나타냅니다. (B) 대역 통과 필터(고역 통과 필터 컷오프: 0.02Hz, 저역 통과 필터 컷오프: 0.5Hz 컷오프) 및 전역 신호 회귀를 적용한 후의 fNIRS 신호의 스펙트럼. 차단 주파수 아래의 주파수는 상당히 감쇠됩니다. 스펙트럼은 다른 주파수에 비해 자극 주파수, 즉 깜박이는 바둑판 블록(0.033Hz)의 시작 지점에서 훨씬 더 강한 피크를 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 7. 단일 피험자에 대한 fNIRS 데이터 품질 평가. (A) 전체 fNIRS 데이터 스트림에서 단일 피사체에 대한 평균 조도. 흰색과 노란색은 각 옵토드에 대한 최적의 결합에 대한 정성적 평가 역할을 합니다. (B) 전체 fNIRS 데이터 스트림에서 단일 피사체에 대한 측정에 걸친 신호 대 잡음비(SNR). 흰색과 노란색은 양호한 SNR을 나타냅니다. 감각 운동 영역의 fNIRS 캡 상부에 위치한 옵토드는 SNR이 낮은 경향이 있습니다(일반적으로 빽빽한 모발 또는 느슨한 캡으로 인해). (C) 100개의 소스-검출기 쌍 모두의 시간적 분산은 데이터 품질을 평가하고 최적화하는 데 사용됩니다. 분산이 7.5% 미만인 쌍(빨간색 선)은 추가 분석을 위해 유지됩니다. (D) 노이즈 임계값(즉, 7.5% 이상의 분산)을 충족하는 측정값. 이 참가자의 경우 옵토드의 97%가 허용되는 것으로 간주됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 8. 전체 헤드 옵토드 어레이 설정 및 감도 프로파일. (A) 32/30 소스/검출기를 사용한 Optode 어레이 설정으로 전체 헤드 커버리지 및 30mm 분리의 100개 채널과 8mm 간격의 8개 단거리 채널. (B) Tikhonov 정규화(0.01, 0.1)를 위해 지정된 매개변수가 주어진 옵토드 배열에 대한 민감도 프로파일. 단위는 플랫 필드의 백분율을 나타냅니다. 신뢰도가 높은 영역은 일반적으로 ~0.5%-1%보다 높은 플랫 필드 값을 갖습니다 . 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
데이터 전처리 후, 깜박이는 체커보드 작업에 대한 fNIRS 및 fMRI 응답은 표준 일반 선형 모델(GLM) 프레임워크를 사용하여 추정되었습니다. 설계 매트릭스는 표준 HRF와 결합된 각 자극 제시의 시작과 기간을 사용하여 구성되었습니다. fNIRS의 경우 옥시-헤모글로빈(ΔHbO) 신호가 데옥시-헤모글로빈(ΔHbR) 또는 총 헤모글로빈(ΔHbT)44,47에 비해 더 높은 대비 대 잡음비를 나타낸다는 점을 감안할 때 델타 HbO 결과가 표시됩니다. 피험자 수준의 fNIRS 데이터는 시험 기간 사이에 비해 깜박이는 바둑판 블록 동안 양측 시각 피질 영역의 활성화가 증가했음을 보여줍니다. 시각 피질의 뇌 활동의 시간 흔적은 깜박이는 바둑판이 나타나는 동안 HbO 신호가 증가하고 시험 기간 동안 감소하는 것을 보여줍니다(그림 9A). 번쩍이는 바둑판 주기에 대한 반응의 이러한 혈역학적 증가는 관련 없는 뇌 영역에서는 관찰되지 않습니다(그림 9B). 예상대로, 번쩍이는 바둑판 기간 동안 HbO 데이터를 시각화하면 시각 피질 영역에서 양측 활성화가 나타납니다(그림 9C).
그림 9. 실험 패러다임 동안 fNIRS HbO 응답의 시간 트레이스. (A) 바둑판 블록이 깜박이는 동안 시각 피질의 활동, (B) 깜박이는 바둑판 블록 사이의 시각 피질 영역에서의 활동, (C) 깜박이는 바둑판 블록 동안 관련 없는 뇌 영역의 활동에 대한 시간 추적이 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 10. 깜박이는 바둑판 기간 동안의 대표적인 단일 피험자 fNIRS HbO 반응. 세 명의 피험자에 대해 표시된 깜박이는 바둑판 시작 부분의 블록 평균(HbO) 데이터 맵. 데이터에는 10초의 깜박이는 체커보드 기간과 자극에 대한 반응으로 뇌 활성화를 평가하기 위한 5초 후가 포함됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
피험자 수준의 fMRI 데이터는 시험 간 기간에 비해 깜박이는 바둑판 기간 동안 1차 및 2차 시각 피질에서 더 큰 BOLD 신호 반응을 보여줍니다(그림 11A). 피질하 수준에서는 시상(thalamus)의 외측 원핵(lateral geniculate nucleus, LGN)에서 증가된 활성화가 관찰되는데, 이는 LGN이 망막으로부터 시각적 입력을 받기 때문에 예상됩니다(그림 11B).
그림 11. 대표적인 단일 피험자 fMRI 활성화 추정치는 바둑판 깜박임 기간 동안입니다. (맨 윗줄) 1단계 통계 분석에서 얻은 3명의 피험자에 대한 활성화(베타) 추정치와 깜박이는 바둑판 기간 동안 1차 및 2차 시각 피질 영역의 양측 참여를 보여줍니다. (맨 아래 줄) 피질하 활성화 추정치는 깜박이는 바둑판 기간 동안 외측 원핵(LGN)의 결합을 보여주며, 이는 fMRI 데이터가 20채널 헤드 코일로 예상대로 수집된다는 정성적 평가 역할을 합니다. 빨간색 화살표는 뇌 맵에서 LGN의 위치를 가리킵니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
전체적으로, 이러한 결과는 성인 인구와 동시에 fMRI 및 fNIRS 신호를 수집하기 위해 현재 프로토콜을 구현하는 것의 타당성을 보여줍니다. 이 프로토콜은 총 40분의 스캔 시간을 허용하며 fNIRS 데이터의 전체 헤드 커버리지를 제공합니다. 우리는 시각적 플래싱 체커보드 패러다임으로 데이터 수집에 대해 논의했지만 이 프로토콜은 다른 실험 패러다임에도 적용할 수 있습니다. fNIRS 어레이의 민감도 프로파일을 미리 평가하여 관련 채널에서 기본 관심 영역에 대한 최대 감도를 보장하는 것이 좋습니다.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
fMRI 및 fNIRS 신호의 동시 데이터 수집을 위한 이 프로토콜은 전신 비피질 생리학적 신호를 측정하고 회귀하기 위해 전체 헤드 fNIRS 옵토드 어레이와 단거리 채널을 사용합니다. 이 프로토콜의 중요한 단계에는 MRI 환경에서 fNIRS 신호를 수집하기 위한 fNIRS 장비의 수정 및 개발이 포함됩니다. 우리가 아는 한, 전체 헤드 fNIRS 어레이를 사용하여 동시 fMRI 및 fNIRS 측정을 캡처하는 데 완전히 최적화된 턴키 상용 시스템은 없습니다. 본 프로토콜은 이러한 격차를 해소하며, 특정 관심 영역을 조사하는 연구를 위해 쉽게 수정할 수 있지만 두 신호의 전체 머리 비교에 관심이 있는 연구자에게 특히 적합합니다.
이 프로토콜은 비타민 E 캡슐을 보관하기 위한 인서트를 사용한 fNIRS 캡 준비, 전방 영역의 편안함과 머리 뒤쪽의 조정 가능성을 높이기 위한 캡 개선, fNIRS 광섬유를 스캐너 테이블로 가져오기 위한 맞춤형 MR 안전 브리지를 포함하여 fNIRS 장비에 대한 주요 수정 사항을 자세히 설명합니다. 동시 fMRI/fNIRS 연구를 수행할 때 주요 과제 중 하나는 참가자가 스캐너에서 편안하게 쉴 수 있도록 설정하는 것입니다. 성인을 대상으로 한 현재 설정은 기능 및 구조 스캔을 모두 포함하여 평균 약 40분 동안 스캔 세션을 허용합니다. 참가자가 스캐너에서 편안하게 쉴 수 있는 시간은 주로 fNIRS 시스템과 함께 제공되는 옵토드의 유형에 따라 결정됩니다. 본 프로토콜은 평평한 표면의 로우 프로파일 옵토드가 있는 NIRx NIRScout XP 시스템을 사용하여 대부분의 성인 피험자가 전체 연구 기간 동안 스캐너에서 편안하게 쉴 수 있도록 합니다. 마지막으로, 이 프로토콜에는 모달리티 간 트리거 동기화, fNIRS 캡 배치, 참가자 설정 및 신호 기록을 통해 두 데이터 스트림의 시간적 정렬을 위한 단계도 포함됩니다.
한계 및 잠재적 과제
사용 가능한 fNIRS 기기의 특성에 맞게 프로토콜을 수정해야 할 수도 있습니다. 중요한 첫 번째 단계는 fNIRS 공급업체에 문의하여 옵토드 및 광섬유가 MR 환경에서 데이터 수집에 적합한지 확인하는 것입니다. fNIRS 시스템은 캡 및 옵토드의 유형에 따라 달라질 수 있습니다. 잘 맞는 캡과 평평한 표면의 로우 프로파일 옵토드가 권장됩니다. 대안적으로, 종래 연구는 fNIRS 옵토드(32)에 압력을 가하는 것을 피하기 위해 맞춤형 지지 시스템의 사용을 기술하였다.
fNIRS 장치마다 다를 수 있는 또 다른 측면은 여러 모달리티 간에 신호 동기화에 사용할 수 있는 트리거링 시스템입니다. 본 프로토콜은 병렬 포트 리플리케이터 박스를 사용하여 스캐너로부터 TTL 펄스를 수신하고 fNIRS 수집 소프트웨어로 트리거를 보냅니다. 이것이 모달리티 간 동기화를 보장하기 위한 핵심 단계라는 점을 감안할 때, 연구자는 신호 동기화를 위한 권장 시스템에 대해 fNIRS 공급업체와 상의해야 합니다.
마지막으로, 현재 프로토콜은 8개의 단거리 채널을 사용하며, 이는 현재 제한된 수의 fNIRS 시스템에서만 사용할 수 있습니다. 단거리 채널을 이용할 수 없는 경우, 대안은 전신 생리학적 신호(18,25,48,49,50,51)의 식별 및 제거를 위한 최근의 분석적 접근법 중 일부를 구현하는 것이다. 사용 가능한 보정 기술에 대한 최근의 정량적 비교는52를 참조하십시오.
발달 및 임상 인구 검사를 위한 프로토콜의 응용
이 프로토콜은 발달 및 임상 인구를 대상으로 fMRI 및 fNIRS 신호의 데이터 수집을 위해 수정할 수 있습니다. 이러한 모집단에 필요한 잠재적 조정에는 캡 크기(캡은 연령 및 머리 크기에 따라 다르기 때문에), 참가자가 스캐너 환경에 익숙해지도록 하는 교육 세션 추가, 더 짧은 스캔 세션 포함이 포함되며, 이 모든 것은 영유아를 테스트할 때 특히 관련이 있습니다. 더욱이, 영유아에서 단거리 채널을 사용하는 것의 이점은 여전히 불분명하지만53, 이전 연구에서는 10mm 거리 채널이 유아의 외경뇌 혈류역학을 포착하는 것으로 보인다53,54. 광자 수송의 몬테카를로 시뮬레이션은 성인 및 신생아의 짧은 분리 채널에 대해 연령 및 두피 상의 옵토드 위치의 함수로서 상이한 최적 소스-검출기 거리가 필요하다는 것을 나타낸다(55). 그러나 영유아에서 짧은 분리 회귀를 수행하기 위한 표준화된 접근 방식을 만들기 위해서는 추가 연구가 필요합니다. 마지막으로, 양질의 청각 자극에 의존하는 연구는 MRI 스캐너에서 오디오를 전달하는 데 사용할 수 있는 시스템을 신중하게 고려해야 합니다. 현재 성인에게 사용되는 액티브 노이즈 캔슬링 헤드폰은 깨어 있는 영유아와 함께 사용할 때 머리의 움직임으로 인해 쉽게 변위될 수 있습니다. 이러한 경우 유아용 헤드폰을 사용해야 합니다. 또는 유아는 머리 움직임을 최소화하기 위해 스캔 전에 훈련 세션에 참여할 수 있지만 이 옵션은 나이가 많은 유아에게만 작동할 수 있습니다.
결론
이 프로토콜을 사용하면 fMRI 및 fNIRS 신호의 동시 데이터 수집이 가능합니다. 사용 가능한 방법과 달리 전체 헤드 fNIRS 어레이를 구현하고 단거리 채널 측정을 포함합니다. 또한, fNIRS 신호의 옵토드-두피 공동 정합을 위한 두 가지 다른 방법이 설명되어 있습니다: i) fNIRS 캡의 각 옵토드에 부착된 비타민 E 캡슐 및 ii) 머리의 기준 마커에 대한 옵토드 위치의 디지털화를 허용하는 3D 구조 센서. 현재 프로토콜은 특정 관심 영역과 다양한 실험 패러다임에서 데이터를 수집하도록 쉽게 조정할 수 있습니다. 현재 프로토콜은 젊은 성인을 대상으로 테스트되었지만 발달 및 임상 인구에 사용하기 위해 이를 조정하는 방법에 대한 제안도 제공됩니다. 이 프로토콜은 수명 주기 동안 fMRI에 대한 fNIRS 영역 수준 활성화 및 기능적 연결성을 검증하는 데 관심이 있는 사람들에게 특히 적합합니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
이 논문의 출판비는 NIRx에서 후원합니다. 저자는 더 이상 공개할 것이 없습니다.
Acknowledgments
이 연구는 뇌 및 행동 연구 재단(Brain and Behavior Research Foundation)의 NARSAD Young Investigator Award 보조금(보조금 #29736)(SSA), 빌 앤 멜린다 게이츠 재단(Bill and Melinda Gates Foundation)의 글로벌 그랜드 챌린지 보조금(Grant #INV-005792)(RNA) 및 예일 대학교 심리학과(RNA)의 디스커버리 기금 보조금(Discovery Fund Grant)의 지원을 받았습니다. 저자들은 또한 데이터 수집에 도움을 준 Richard Watts(Yale Brain Imaging Center)와 데이터 분석에 도움을 준 Adam Eggebrecht, Ari Segel 및 Emma Speh(Washington University in St Louis)에게 감사의 뜻을 전합니다.
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.
- 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.
- Fischl, B.
- 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).
