XiaoMi-AI文件搜索系统
World File Search System近红外
利用功能性近红外光谱研究早期发育大脑：未来方向和新挑战
功能性磁共振成像 (fMRI) 通常对婴儿和幼儿使用限制过多或侵入性过强。fNIRS 还易于使用，并且对运动具有相对的耐受性。因此，它是一种特别适合发育人群的方法选择。尽管有这些优势，但婴儿和幼童仍然是具有挑战性的研究参与者，因为他们注意力不集中、不理解和/或不一定遵守指令、不容易保持静止或可能不愿意接受 fNIRS 上限。自首次用于婴儿以来的二十五年里，fNIRS 技术、实验方法和数据分析技术已经有了长足的发展 2 – 4 ，以满足发育神经成像的特殊需求和挑战。因此，发育性 fNIRS 研究呈指数级增长 5 (图 1)。事实上，自 2010 年以来，增长特别迅速，这可能与发育社区中 fNIRS 专业知识的增加以及出现了更多种类、价格更实惠的商业化系统有关。相对于 fMRI 和脑电图 (EEG)，自 2017 年以来，新的婴儿发育出版物（0 至 2 岁儿童）的分布显示 fNIRS 有所增加，这表明婴儿研究方法的选择可能会发生转变。6
利用功能性近红外光谱衍生的生物标志物对神经精神疾病进行四级分类
摘要：大多数神经精神疾病的诊断依赖于主观测量，这使得最终临床决策的可靠性值得怀疑。本研究的目的是提出一种基于机器学习的分类方法，利用功能性近红外光谱 (fNIRS) 衍生的生物标志物对三种神经精神或神经系统疾病进行客观诊断。十三名健康青少年和六十七名临床诊断为偏头痛、强迫症或精神分裂症的患者执行了 Stroop 任务，同时用 fNIRS 监测前额皮质血流动力学。提取血流动力学和认知特征来训练三种监督学习算法（朴素贝叶斯 (NB)、线性判别分析 (LDA) 和支持向量机 (SVM)）。通过十次十倍交叉验证程序运行来测试每种算法在四个类别中正确预测每个参与者的类别的性能。所有算法均实现了四类分类性能，准确率超过 81%，特异性超过 94%。SVM 在准确率（85.1 ± 1.77%）、敏感度（84 ± 1.7%）、特异性（95 ± 0.5%）、精确度（86 ± 1.6%）和 F1 分数（85 ± 1.7%）方面表现最佳。fNIRS 衍生特征用于自动分类时没有主观报告偏差。所提出的方法可能对协助客观诊断与额叶功能障碍相关的神经精神疾病具有巨大潜力。
通过混合半导体纳米颗粒基于近红外II荧光和磁共振成像颈动脉斑块负担
大多数动脉粥样硬化事件（例如，脑梗死或心肌梗塞）通常是由于颈动脉中的斑块破裂或侵蚀而发生的，因此迫切需要评估斑块脆弱性并预测不良的脑遭受脑脑事件。然而，从稳定的斑块到纤细颈动脉威胁生命的高风险斑块的监测演变是一个巨大的挑战，由于没有足够的空间分辨率来基于大多数报道的荧光探针对颈动脉进行成像。Herein, copolymerizing with the small molecules of acceptor-donor-acceptor-donor-acceptor (A-D-A ′ -D-A) and the electron-donating units (D ′ ), the screened second near-infrared (NIR-II) nanoprobe presents high quantum yield and good stability, so that it enables to image slender carotid vessel with enough spatial resolution.令人鼓舞的是，NIR-II纳米探针可以有效地靶向内部巨噬细胞，同时区分活着的小鼠颈动脉粥样硬化中的脆弱斑块。此外，NIR-II纳米探针可以动态监测颈动脉斑块中的新鲜出血点，表明斑块不稳定的风险增加。此外，磁共振成像与NIR-II荧光成像集成在一起，从而通过将超级超级磁铁氧化铁掺入NIR-II纳米螺旋体中，从而为微妙的结构（例如窄管腔和脂质池）提供对比度。因此，这种混合NIR-II/磁共振成像多模式纳米探针为评估颈动脉斑块负担，选择高风险斑块和成像内的出血提供了有效的工具，这是有望减少脑/心肌梗塞梗死的介质和摩擦质量的有希望的。
增强弥漫性相关光谱脉冲脑血流信号，并具有近红外光谱光谱学
将DC与NIRS结合起来可以计算氧气6的脑代谢率，并进一步了解健康7、8和病理条件下血红蛋白浓度与脑血流（CBF）变化之间的关系。9，10最近，我们和其他小组提出了使用DCS脉动CBF指数信号（PCBF I）来量化颅内压（ICP），临界关闭压力（CRCP），脉冲指数（PI）和脑抗血管抵抗指数（CVR I）的连续性和非inniNninvasine continally and Inninvasine conteriality。11 – 16 Despite the encouraging results, the low signal-to-noise ratio (SNR) of current DCS devices limits pCBF i to source- detector separations (SDsep) of up to 2.5 cm, which reduces brain sensitivity in adults, 17 and to achieve sufficient time-points within a pulsatile waveform, it requires cardiac-gated averaging of 50 arterial pulses, 11 which dampens the脉冲峰，并提供CRCP和CVR I估计为0.02至0.07 Hz，速率太低，无法研究大脑脉管系统的动态压力流关系。18要克服DCS噪声，增加SDSEP并以较少的平均恢复PCBF I恢复，我们提出了一种基于NIRS和DCS脉冲信号组合的新方法。由于在相同采样速率下的NIRS测量值通常检测到多个数量级的光子，因此NIR的SNR比DCS的SNR（19，20）好得多，允许测量脉冲血容量波形，并在长SDSEP（≥3cm）处具有高时间分辨率。PWA通常是指在短SDSEP上使用脉搏氧量设备测量的PPG波形的形态。21特别是，我们最近开发了一种称为Flexnirs的开源，可穿戴和无线NIRS设备，具有低噪声等效功率（NEP <70 fw∕P Hz），能够以高达266 Hz的采样率以高达266 Hz的采样率获取10个通道。22该设备的高SNR性能使我们能够在NIRS光掌术（PPG）的脉冲光吸光度下以3.3 cm sdsep（Nirs-Pppg）的速度吸收性（NIRS-PPG）与少数Beats Anever to beats Anirs to beative and Beative vellsaTile光吸光度（PPG），从而解决脉动血液量和其时间衍生物。23从表面PPG中提取的形态特征及其时间衍生物已在文献中进行了研究，通常包括PPG波轮廓的振幅，潜伏期和宽度。这些特征通常带有算法，这些算法在信号中找到局部最大值和最小值及其第一个至第三次衍生物。23 PWA量化了脉搏波的特性，以获取有关心血管态的信息，并揭示了特定特征与皮肤血管衰老，刚度和外周耐药性的相关性。24 - 27测量长SDSEP PPG及其时间导数的能力扩展了分析，以表征大脑血管，并通过弥漫性光学方法为研究脑健康打开了新的维度。28 - 30此外，当通过利用脉冲血容量和血流关系同时测量DC和NIR时，31 - 33，我们可以将Pul-Satile流入和流出和流出和模型PCBF I分开，并将模型作为NIRS-PPPG的线性贡献，以及它的首次衍生物[D（NIRS-PPPG）[D（NIRS-PPPG）/DT]。所得拟合的PCBF i-fit在DC上显示超过SNR，同时准确匹配DCS脉冲流，使我们能够在心脏频率下估计PI，CRCP和CVR I。为了验证该模型，我们与Flexnirs同时测量了12位健康受试者，并且在我们的实验室中可用的最先进的DCS原型，该原型在1064 nm处运行，并采用了超导纳米型单杆探测器（SNSPD）。SNSPD-DCS系统提供了> 16倍SNR的增加，而标准DCS技术，17，使我们能够在较大的分离处解决PCBF I，并使用较低的心脏门控平均。，我们对受试者进行了NIR和DCS测量，同时执行改变脑和系统生理的标准任务，并在各种条件下恢复了脉动和慢速变化的信号。
全身生理学增强功能性近红外光谱：一种研究体现人脑的有力方法
摘要。在这篇Outlook论文中，我们解释了为什么当系统的生理活性（例如心脏验证和自主性活动）是通过同时测量系统生理学生理学的近乎幽默谱（例如），促进了功能近红外光谱（FNIRS）神经成像信号的准确生理解释。Spa-Fnirs的基本原理是双重的：（i）SPA-FNIRS可以更完整地解释和理解头部测量的FNIRS信号，因为它们包含源自神经血管偶联的组件以及来自全身生理来源。用SPA-FNIRS测量的系统生理信号可用于回归FNIRS信号中的生理混杂成分。误解可以被微型化。（ii）Spa-Fnirs可以通过将大脑与整个身体的生理状态联系起来来研究体现的大脑，从而可以对其复杂的相互作用进行新颖的见解。我们设想将来的水疗方法将变得越来越重要。©作者。由SPIE在创意共享归因4.0国际许可下出版。全部或部分分发或重新分配或重新分配本工作，需要完全归因于原始出版物，包括其DOI。[doi：10.1117/1.nph.9.3.030801]
新生儿缺氧 - 缺血性脑损伤中的静止状态脑网络：功能性近红外光谱研究
目前，临床HIBD诊断主要依赖两个方面。These include clinical characterization, which specifically refers to abnormal changes in consciousness, original reflec- tion (there are some congenital reflexes in newborns, which reflect whether the body and nervous system function of the newborn is normal), and muscle tension, 6 as well as detection of HIBD- induced lesions using ultrasound, computed tomography (CT), magnetic resonance imaging (MRI), and other medical imaging技术。这些古典技术具有自己的优势和局限性。超声已经逐渐优化了大脑结构扫描的分辨率，但不足以监测功能性血流动力学的能力。ct涉及一定的辐射程度，未成熟的脑组织具有单场耐受性。MRI具有强大的空间分辨率，可以准确区分局部脑血流的灌注水平。但是，由于临床不稳定和/或治疗性干预所需的医疗设备，对新生儿的方便且连续的床边监测有新兴的需求。通过功能近红外光谱（FNIRS）静止状态脑网络分析来满足需求是一项积极的努力。fnirs是一种相对较新的非侵入性脑成像技术，由于其对参与者的友好性，引起了大脑研究人员的极大关注。7，8更重要的是，FNIRS在HIBD诊断中的主要优势是支持便携式和连续的床边监测。9，10fnirs允许我们在几分钟内获得新生儿高质量的数据集。值得注意的是，可以在不需要执行任务或其他辅助试剂（镇静剂）的情况下与婴儿一起以安静或睡眠状态收集数据。床边的短期准备和检测期意味着儿科医生可以在任何关键点反复记录数据。此外，与CT或正电子发射CT相比，FNIRS避免了辐射对新生儿的影响。大脑网络分析已广泛用于评估大脑功能。人脑是具有许多本地或全球拓扑特征的高度复杂的网络系统。
外部评估报告《光波智能传感器技术研究》
在通用晶体基板上制造具有不同特性的近红外和中红外成像元件的技术被认为是独特且有趣的。开发一种即使在新月环境下也能捕捉夜视图像的成像装置满足了现代需求，从技术角度来看受到高度赞扬。 目前已有近红外传感器量产的报道，但实际应用的公告却很少，因此瞄准近红外区域的传感器开发值得关注。
詹姆斯韦伯太空望远镜 (JWST) EEE 零件计划报告
― 近红外相机 (NIRCam) – 亚利桑那大学 ― 近红外光谱仪 (NIRSpec) – ESA ― 中红外仪器 (MIRI) – JPL/ESA ― 精细制导传感器 (FGS) – CSA 运营：巴尔的摩约翰霍普金斯大学太空望远镜科学研究所
使用多距离频域和连续波近红外获取的听觉皮层功能激活反应的比较
行为9-11并研究/实现脑机接口。12-14 fNIRS仪器特别适用于表征与听觉系统相关的功能性血流动力学变化。使用临床成像方式（例如X射线计算机断层扫描或磁共振成像）通常很难测量响应听觉皮层激活的大脑活动，因为仪器声音会增加背景噪音，这可能会破坏向受试者呈现的听觉刺激，从而严重影响实验结果。部分由于这些优势，最近的几项研究7、15-17已经使用商用 fNIRS 仪器来表征人类听觉皮层的功能刺激。例如，Chen 等人7 测量了听觉皮层对 440 和 554 Hz 纯音以及 1000 Hz 调频或颤音的血流动力学反应。 Hong 和 Santosa 16 进行了类似的实验，研究“自然”声音刺激（如英语和非英语单词、恼人的声音和自然声音）的血流动力学反应。Issa 等人 18 测量了在呈现 750 和 8000 Hz 的纯音刺激以及宽带噪声时听觉皮层的血流动力学变化。这些实验的主要目标是测量或成像听觉皮层内脑组织氧合的局部变化 - 这可以被认为是 fNIRS 实验的基本问题。人类的初级听觉皮层跨度约为 1650 mm3，位于颞叶的 Heschl 回内，并沿多个功能维度组织，其中最突出的是音调定位。19、20 因此，我们预计纯音刺激将激活听觉皮层的更局部区域，而宽带噪声将激活更广泛的区域。 19、21、22
随机子空间集成学习在功能性近红外光谱脑机接口中的应用
探索了随机子空间集成学习方法在提高基于功能性近红外光谱的脑机接口 (fNIRS-BCIs) 性能方面的可行性。利用 fNIRS 发色团浓度变化的时间特征（如均值、斜率和方差）构建特征向量，以实现 fNIRS-BCIs 系统。采用 fNIRS-BCIs 中最受欢迎的特征均值和斜率。分别采用线性支持向量机和线性判别分析作为单个强学习器和多个弱学习器。使用每个通道和可用时间窗口内的所有特征来训练强学习器，并随机选择特征子集来训练多个弱学习器。确定随机子空间集成学习有利于提高 fNIRS-BCIs 的性能。