XiaoMi-AI文件搜索系统
World File Search SystemNIRS
利用机器学习释放 fNIRS 的潜力
在本研究中，我们探索了使用功能性近红外光谱 (fNIRS) 信号与现代机器学习技术结合对特定解剖运动进行分类的潜力，以增加基于 fNIRS 的脑机接口 (BCI) 应用的控制命令数量。这项研究的重点是新颖的个体手指敲击，这是 fNIRS 和 fMRI 研究中众所周知的任务，但仅限于左/右手指或几根手指。24 名右撇子参与者执行了个体手指敲击任务。根据 10-10 国际系统，使用放置在运动皮层上的 16 个源和探测器记录数据。该事件的平均氧合 1 HbO 和脱氧 1 HbR 血红蛋白数据被用作特征，以评估不同机器学习 (ML) 模型在具有挑战性的多类分类环境中的性能。这些方法包括 LDA、QDA、MNLR、XGBoost 和 RF。一种新的基于 DL 的模型“Hemo-Net”已被提出，它由多个并行卷积层组成，并使用不同的滤波器来提取特征。本文旨在探索在多类分类任务中使用 fNRIS 与 ML/DL 方法的有效性。与 LDA、MNLR 和 QDA 相比，RF、XGBoost 和 Hemo-Net 等复杂模型具有相对更高的测试集准确率。Hemo-Net 表现出色，达到了 76% 的最高测试集准确率，然而，在这项工作中，我们的目标不是提高模型的准确率，而是探索 fNIRS 是否具有神经特征来帮助现代 ML/DL 方法进行多类分类，这可以用于脑机接口等应用。使用 fNIRS 数据很难对精细解剖运动（例如单个手指运动）进行多类分类。与基于集成的 RF 和 XGBoost 方法相比，MNLR 和 LDA 等传统 ML 模型的性能较差。基于 DL 的方法 Hemo-Net 优于本研究中评估的所有方法，并展示了基于 fNIRS 的 BCI 应用的光明前景。
脑损伤（TBI）中的近红外光谱（NIR）
摘要：当突然的创伤对大脑造成损害时，发生创伤性脑损伤（TBI）。TBI可能会导致。创伤性脑损伤（TBI）后的继发损伤会导致脑充氧和自动调节的损害。考虑到次要脑损伤通常发生在创伤后的第一个小时内，因此无创监测可能有助于提供有关大脑病情的早期信息。近红外光谱法（NIRS）是一种基于红外光的发色团吸收的新出现的非侵入性监测方式，具有监测大脑灌注的能力。本综述调查了NIR在TBI监测中的主要应用，并对这些有关氧合和自动调节监测的应用进行了详尽的修订。数据库，例如PubMed，Embase，Web of Science，Scopus和Cochrane库，用于确定1977年至2020年之间的72个出版物，这些出版物与本综述直接相关。发现的大多数证据都使用NIR用于诊断应用，尤其是在氧合和自动调节监测中（59％）。几乎所有患者都是男性成年人，患有严重创伤的男性，主要是通过持续的波浪NIR或空间分辨的光谱NIR和侵入性监测装置进行监测的。一般而言，尽管NIR有各种方法论和技术局限性，但很大一部分评估的论文可能是评估TBI的潜在无创技术。
基于 fNIRS 和 ML 的消费者神经科学研究
自柏拉图及其学生亚里士多德以来，人类就被描述为理性动物（Keil and Kreft，2019）。这一假设对于人类自我认知方式至关重要，甚至成为整个法律和经济体系的基础（Blasi and Jost，2006）。18 世纪数学家丹尼尔·伯努利提出的圣彼得堡悖论等决策规范理论规定了决策的最佳方法（Bernoulli，1954）。伯努利的解释主要基于潜在货币收益的客观价值（即预期效用）和主观价值（即预期收益）之间的区别。由于缺乏与人类相关的材料，因此需要进行上述区分，以便充分合理地解释这种悖论。 20 世纪中叶，数学家约翰·冯·诺依曼和经济学家奥斯卡·摩根斯坦建立了预期效用理论（Von Neumann and Morgenstern，1944 年）的基本假设，并断言如果满足某些条件，个人的财务决策可以通过效用函数建模（Peasgood 等，2014 年）。然而，虽然这些理论框架很有价值，但它们在解释人类在假设和现实生活中如何做出决策方面却存在局限性。近两千年后，随着行为科学和认知科学的出现，人类理性的问题开始成为学者们争论的主题。随着前景理论（Kahneman and Tversky，1979 年）的普及，对完全理性行为的前提提出了挑战，通过列举框架、主观参照点、损失规避和孤立效应等人类偏见的例子，对阻碍人类理性行事的机制进行了研究。关于启发式、认知偏差和可能引发非理性行为的情况的实证研究也迅速增加（De Martino 等人，2006 年），科学界对金融决策过程的神经基础的兴趣也随之增加。
基于超低功耗实时机器学习的 fNIRS 运动伪影检测
摘要 — 由于迭代矩阵乘法或梯度计算，机器学习模块通常需要大量的处理能力和内存。因此，它们通常不适用于处理能力和内存有限的可穿戴设备。在本研究中，我们提出了一种用于功能性近红外光谱 (fNIRS) 系统的超低功耗、基于实时机器学习的运动伪影检测模块。我们实现了 97.42% 的高分类准确率、38 354 个查找表和 6024 个触发器的低现场可编程门阵列 (FPGA) 资源利用率以及 0.021 W 的动态功耗。这些结果优于传统的 CPU 支持向量机 (SVM) 方法和其他最先进的 SVM 实现。这项研究表明，可以利用基于 FPGA 的 fNIRS 运动伪影分类器，同时满足低功耗和资源限制，这在嵌入式硬件系统中至关重要，同时保持高分类准确率。
移动 fNIRS 用于探索跨代和跨时间的大脑间同步
虽然纵向超扫描研究仍然相对罕见，但它对于记录大脑间同步性的变化非常有价值，而大脑间同步性的变化可能反过来决定了行为在社会环境中如何发展和演变。这种实验方法的普遍性和生态效度取决于所选成像技术是否可移动——功能性近红外光谱 (fNIRS) 满足了这一要求。fNIRS 最常用于检查亲子二元组中大脑间同步性和行为的发展。在本文中，我们认为，关注纵向和代际超扫描将更广泛地造福社会和认知神经科学领域。我们认为，这种方法对于理解代际社会动态背后的神经机制特别重要，并且可能对评估心理和社会干预的进展至关重要，其中许多干预措施都处于代际背景下。根据我们的立场，我们强调了跨代研究的领域，这些领域有望通过使用移动设备进行纵向超扫描而得到加强，描述了现实世界中跨代测量可能出现的挑战，并提供了潜在的解决方案。
与局灶性肌肉振动相关的皮质活性直接应用于势后患者的前臂屈肌：FNIRS研究
方法：为这项研究选择了22例右偏瘫患者进行康复康复的患者。使用块设计范式从受试者中收集了FNIRS数据。随后，使用NIRSPARK软件分析了收集的数据，以确定任务中每个感兴趣的皮质区域（ROI）的平均氧降压蛋白（HBO）浓度和每个受试者的休息状态。刺激任务是直接应用于受影响侧的屈肌腕radialis肌（FCR）的FMV（频率60 Hz，振幅6 mm）。HBO在大脑皮层中的六个兴趣区域（ROI）中进行测量，其中包括双侧前额叶皮层（PFC），感觉运动皮层（SMC）和枕皮层（OC）。同时对患者的临床特征进行评估，包括Lovett的6级肌肉力量评估，临床肌肉张力评估，Fugl-Meyer评估（FMA-EU）的上肢功能项目（FMA-EU），Bruunstrom登台量表（BRS）和Barthel Index（MBI）。统计分析以确定ROI的激活，并理解其与患者的临床特征的相关性。
fnirs-eeg bcis用于运动康复：评论
1智能神经工程枢纽（Hubin），Aspire Create，IOMS，伦敦大学学院（UCL），伦敦Stanmore，伦敦HA7 HA7 4LP，英国伦敦大学学院（UCL）； jianan.chen.22@ucl.ac.uk（J.C。）; yunjia.xia.18@ucl.ac.uk（y.x。）; xinkai.zhou.21@ucl.ac.uk（X.Z。）; Alex.thomas@ucl.ac.uk（A.T。）2 DOT-HUB，伦敦大学学院（UCL）医学物理与生物医学工程系，英国伦敦WC1E 6BT； ernesto.vidal@ucl.ac.uk（e.v.r。）; robert.cooper@ucl.ac.uk（R.J.C.）3数字健康和生物医学工程，电子和计算机科学学院，南安普敦大学，南安普敦大学SO17 1BJ，英国4 Aspire Create，骨科与肌肉骨骼科学系，伦敦大学学院（UCL），斯坦莫尔大学，伦敦伦敦HA7 4LP，英国伦敦HA7 4LP； r.loureiro@ucl.ac.uk（R.L.）; t.carlson@ucl.ac.uk（T.C。）*通信：Hubin.zhao@ucl.ac.uk†这些作者对这项工作也同样贡献。
FNIRS，EEG和经颅电流刺激的潜力探测抗药性训练的神经机制
研究身体性能的神经机制是运动神经科学领域的越来越多的研究重点。Sport is more and more benefiting from and contributing to a greater awareness of concepts such as neuroplasticity (i.e., the structural and functional adaptations in specific brain and spinal circuits), and neuromodulation techniques (i.e., the application of low-level intensity currents to induce polarity-specific changes in neuronal excitability).神经塑性在强度和调节的领域不广泛理解；然而，它从根本上影响了运动员在运动中的运动和表现。理解神经塑性的基本概念可以指导力量训练，这被定义为抗性运动，从而增加了力量能力。要执行多关节运动，大脑必须与合适的肌肉组坐标，以及时执行肌肉收缩。因此，与运动学习有关的力量训练需要在运动皮层中引发的复杂肌内和肌内配位。此外，力量训练会导致中枢神经系统（CNS）（尤其是在运动皮层中）中使用依赖性塑料随时间变化（称为长期增强，Cooke and Bliss，2006）（Hortobagyi等，2021）。广泛接受的是，力量训练需要在培训的早期阶段进行神经适应（Sale，1988； Hortobagyi等，2021）。这一假设的基础是研究表明，训练的初始阶段会导致力产生大量增强，而没有肌肉质量的改变（即结构变化）。特别是，在训练的第一周内，肌肉力量产生的运动单位适应发生（Häkkinen等，1985）。，直到最近，有关力量训练的文献尚未最终确定CNS最负责这些适应的部分。最近的一项灵长类动物研究表明，通过网状脊髓束强度训练引起的脊柱上的脊髓变化与肌肉性能的变化有关（Glover and Baker，2020）。最近的荟萃分析（Siddique等，2020; Hortobagyi等，2021;Gómez-Feria等，2023）强调了一种趋势，趋势趋于同时进行皮质脊髓兴奋性和肌肉力量，并在对肌层降低后的抑制作用后，肌肉力量降低了降低的降低。但是，重要的是要注意，这种趋势根据所选训练方式具有相当程度的异质性（Gómez-Feria等，2023）。迄今为止，鉴于对耐强度训练的神经影响的研究很少，尚不清楚产生大量和持久的神经变化所需的力量训练需要多少。
质量和重复的自我触摸在前额叶皮层中的血液动力学反应不同 - fnirs研究
研究人员没有定义他们检查的自我触摸的种类，实际上是指不同类型的自我触摸（Reinecke等，2020）。这导致了这样一个事实，即自我打击及其神经心理学的相关性仍然知之甚少。因此，在运动学上定义了不同类型的自我触摸类型，例如阶段（离散），重复性和不规则，并探索不同类型的神经相关性，将为自我调控行为的神经心理学功能提供洞察力。自我打击定义为身体两个部分之间的动态物理接触，通常是作用在身体部分的手（Lausberg，2022）。自我打击从刮擦，摩擦和揉捏变成抚摸。基于运动轨迹，可以在日常生活中观察到三种类型的自我触摸，因此如下所示：阶段性自动触摸的特征是相结构。它们包含一个传输阶段，其中手被运输到接触位置，一个概念阶段，带有单向运动路径，其中手在身体上作用于人体，直接后面是一个缩回阶段，其中手被向后移动，例如单笔冲程。重复的自我打击，例如阶段性触摸，由传输阶段，概念阶段和回缩阶段组成。然而，在概念阶段，相同的运动路径被重复使用而没有休息，例如刮擦。仅当运动沿相同方向进行多次移动时，缩回阶段才会随之而来。相比之下，不规则的自我打击没有相结构。它们的特征是各个方向上的短运动路径，实际上没有手的位移。由于它们没有概念阶段，因此它们并非基于任何运动计划（Lausberg，2019年）。重复与阶段性触摸代表两个不同的现象学实体。不是很重要的触摸数量，而是接触的质量（Spencer等，2003； Schaal等，2004； Van Mourik和Beek，2004； Huys等，2008； Lausberg，Lausberg，2013）。不同的自我打击类型发生在日常生活中不同的情况下（Heubach，2016; Mueller等，2019; Neumann et al。，2022）。重复的自我打击与更好的心理健康相关，与不规则的自我打击相反（Reinecke等，2020）。不规则的自我打击可能通过强烈的体感刺激来避免其他负面刺激。此外，发现相反的效果对于阶段与不规则的自我触摸（Lausberg，2022）。阶段性自动触摸也与急性压力期间的调节过程有关，从而增强了认知过程（Freedman和Bucci，1981； Grunwald等，2014； Heubach，2016）。阶段性自我打击的时间比例越高，主观压力体验越低（Heubach，2016年）。所有三种类型的触摸都应从情感，认知和身体功能方面进行区分。在这种情况下，触摸的数量不是重要的，而是联系的质量（Lausberg，2013年）。据我们所知，在三种特定类型的自我触摸中，从未尝试过任何尝试调查大脑激活的尝试。重复，不规则和阶段性自动的差异效果解释了当前研究人员辩论的争议，并表明了对自我打击的精细分析的重要性。先前的研究调查了自动触摸，而没有运动学定义并区分不同类型的自我接触。自我打击被描述为更“重复的”或更“类似的”，但没有使用特定的运动标准
EEG 和 fNIRS 在阿尔茨海默病数字化评估和数字化治疗中的作用：系统评价
在人口老龄化的背景下，阿尔茨海默病（AD）问题日益严重，对人类构成了巨大挑战。尽管在AD病因探索方面已经取得了长足的进展，即淀粉样斑块和神经原纤维缠结在AD进展中的重要作用已被科学界广泛接受，但传统的治疗和监测方式存在很大的局限性。因此，需要出现新的阿尔茨海默病评估和治疗方式。在本研究中，我们试图回顾基于功能性近红外光谱（fNIRS）和脑电图（EEG）监测的数字化治疗的有效性。这项工作使用关键词方法搜索了四个电子数据库，并重点关注以AD和老年认知为重点的期刊。最终纳入了21篇文章。回顾了AD数字化治疗和结果监测的进展，包括不同平台上的数字治疗方法和不同的神经监测技术。由于θ相干性、α和β节律、氧合血红蛋白等生物标志物可有效监测AD患者的认知水平，从而监测数字疗法的疗效，本综述特别关注数字疗法的生物标志物验证结果。结果表明，基于生物标志物监测的数字治疗具有良好的疗效，其疗效体现在数字治疗前后EEG和fNIRS监测到的生物标志物指标的数值变化上。这些指标数值的增加或减少共同指向认知功能的改善（大多为中等到较大的效应量）。该研究首次从多模态监测的角度研究了AD数字治疗的现状，拓宽了AD疗效的研究视角，为临床治疗师提供了一份治疗方案的“参考清单”。他们可以从这个“参考清单”中选择特定的方案，以便根据个体患者的需求定制数字疗法。