近紅外數(shù)據(jù)處理過程

本文首發(fā)在個人博客上（7988888.xyz），此文章中所有鏈接均通過博客進行訪問。

距離上一次在公眾號發(fā)文已經(jīng)過去了一周了，總感覺每天不寫點東西，手就顯得生疏不已。有一種感覺到當作家的那些人的不易，閱讀也是一樣，每天不讀文字，也會失去了一些東西，曾經(jīng)我很迷戀村上春樹和東野圭吾的小說，我記得有些雜志訪談上他們說每天都會寫點文字，以來維持寫作的靈感。需要維持和堅持一件事，真的太困難，一旦堅持下來，終會有所收獲吧。共勉~

功能性近紅外腦成像技術(shù)（fNIRS）變得越來越流行，越來越多的研究人員發(fā)現(xiàn)了fNIRS的優(yōu)勢及其許多應用。優(yōu)勢內(nèi)容，可以參考之前寫過的與其它技術(shù)的對比《 EEG vs MRI vs fMRI vs fNIRS》，對于應用部分，fNIRS的應用已經(jīng)數(shù)不過來了，有醫(yī)學診斷領(lǐng)域的《fNIRS | 大腦活動可以揭示自閉癥特征的嚴重程度》，也有很多基礎(chǔ)研究的，比如：fNIRS與超掃描、fNIRS與虛擬現(xiàn)實、fNIRS作為駕駛研究的工具、fNIRS用于神經(jīng)經(jīng)濟學和神經(jīng)人體工程學研究、fNIRS與認知科學等等。

結(jié)果，關(guān)于分析fNIRS數(shù)據(jù)的適當方法也有了更多的發(fā)展。當前，有很多方法可以分析數(shù)據(jù)，借助廠家的分析軟件或開源獨立的工具箱和Matlab工具箱等。在腦成像的數(shù)據(jù)結(jié)果處理中，可以說沒有絕對的標準流程來進行，每個人可以有自己的處理方式，不論是EEG/ERP還是fNIRS的數(shù)據(jù)亦是如此，但是在預處理階段，還是很有共性的，該處理的步驟還是需要進行處理的。今天我們就來簡要談?wù)勵A處理 階段的處理過程。

工具箱：請參考文章《 fNIRS分析工具箱》，當然處理文章中提到的工具箱外，還特別推薦NIRS-KIT和FC-NIRS，它是中國人開發(fā)的免費工具箱，比較力薦。

在之前我也轉(zhuǎn)載了UCLA發(fā)布在油管上的整套fNIRS技術(shù)的采集到數(shù)據(jù)展示的視頻，可以參閱一下，《 近紅外視頻學習筆記系列教程完結(jié)》

一般的工作流程：

每個工具箱都以各自不同的方式處理，步驟的順序并沒有統(tǒng)一的規(guī)定，可能在每個工具箱也有所不同，但是大體上的工作流程都差不多，在這里我僅描述建議的操作順序：

——來自Pinti et al., 2018

1.采集數(shù)據(jù)過程

依據(jù)各廠家設(shè)備而定，基本上會涵蓋實驗設(shè)計部分和頭皮定位問題，實驗設(shè)計部分可以參考之前發(fā)布的文章《近紅外腦功能成像實驗設(shè)計(2)》，定位問題除了常規(guī)的10-20系統(tǒng)外，還建議閱讀朱朝喆老師最近發(fā)布的經(jīng)顱腦圖譜定位參考。

2.數(shù)據(jù)格式轉(zhuǎn)換問題

每個廠家所自帶的格式均有所不同，例如日立的.csv、島津的.txt、NIRX的文件夾或.nirs等，但基本上都包含了原始光學數(shù)據(jù)，通道位置，數(shù)據(jù)時間戳和可能的事件標記等。在openfnirs.org網(wǎng)站上，它有一個標準的格式.snirf，它其實是Homer3工具箱的通用格式，因此如果你想使用它來進行預處理的話，就需要進行數(shù)據(jù)格式的轉(zhuǎn)換，可以參考我之前寫過的Homer2的教程—《近紅外分析軟件Homer2教程》以及《  Homer3簡介和使用》

3.數(shù)據(jù)預處理

3.1偽影處理

雖然fNIRS的設(shè)備都有比較好的抗干擾能力，但是在采集過程中，同樣也不可避免的一部分數(shù)據(jù)也會被偽影干擾，這些偽影可能是系統(tǒng)性偽影（心跳、呼吸燈），也可能是外在因素（運動），具體可以參考文章《 fNIRS近紅外光信號質(zhì)量影響因素》。這兩種不同的偽影需要對數(shù)據(jù)質(zhì)量的好壞進行判斷，第一步就需要對變異系數(shù)進行判斷以刪除信號不好的通道；第二步就通過卡閾值的方法進行手動剔除和自動檢測剔除。后面就可以通過樣值插值的方法進行補救數(shù)據(jù)?？梢詤⒖糎omer2里的函數(shù)部分。

3.2 濾波

對數(shù)據(jù)濾波是一個非常常規(guī)的操作，目的就是去掉不需要的頻率信號并保留屬于fNIRS的頻率信號，這里跟EEG一樣同樣有多種過濾器類型可供選擇，但是在大多數(shù)文獻和軟件上自帶的過濾頻段集中在0.1Hz以下，為什么是這個數(shù)值？可以參考文獻《Current Status and Issues Regarding Pre-processing of fNIRS Neuroimaging Data: An Investigation of Diverse Signal Filtering Methods Within a General Linear Model Framework》這里闡述了過濾器的不同選擇

3.3 分段

這個操作跟做ERP很類似，如果是任務(wù)態(tài)的數(shù)據(jù)，基本上都會打marker，以提取相同刺激類型的血流動力學數(shù)據(jù)，通過疊加平均獲得總體的效果。通常情況下，取刺激前5-10s和后10-20s為節(jié)點進行。

3.4 基線對比

在很多時候，近紅外的數(shù)據(jù)分析是相對比對基線的變化量進行的，為什么會這樣呢?一個重要的原因是，當前使用的近紅外基本上是通過連續(xù)波發(fā)射的紅外光，僅能測得當前區(qū)域的相對血流響應的變化，因此，確定好基線是一個非常重要的過程，不論是采集過程還是數(shù)據(jù)分析過程。參考文章《 fNIRS中基線的做法和注意事項》

3.5 將光密度轉(zhuǎn)換為血氧濃度數(shù)據(jù)

修正版的Lambert-Beer定律將fNIRS設(shè)備測得的光密度轉(zhuǎn)換為含氧血紅蛋白和脫氧血紅蛋白濃度的相對變化。

4、疊加平均（Block Averaging）

對于任務(wù)態(tài)數(shù)據(jù)的常規(guī)做法，查看隨時間變化的血氧動力學變化。

5、統(tǒng)計分析（SPM）

它其實是參考了fMRI的分析方法，統(tǒng)計參數(shù)映射是指用于測試有關(guān)功能成像數(shù)據(jù)的假設(shè)的空間擴展統(tǒng)計過程的構(gòu)建和評估。其實就是把將空間位置與血液動力學的信號相結(jié)合，查看每條件下的激活區(qū)域，展示大腦區(qū)域。這一部分還很重要和稍有難度，從這里得出相對應beta值后，就可以進行后面統(tǒng)計學效應分析，得出P值，那你的實驗部分就大功告成了，希望都能得出小于0.05的p值。

fNIRS公共數(shù)據(jù)集搜索方法：https://7988888.xyz/eegdata/

謝謝大家觀看，如有幫助，來個關(guān)注或者轉(zhuǎn)發(fā)吧！

本文作者：陳銳

僅供學習使用，不作其它用途，如有侵權(quán)，請留言聯(lián)系，作刪除處理！

付費咨詢微信號：