XiaoMi-AI文件搜索系统
World File Search SystemfNIRS
使用预注册作为透明 fNIRS 研究设计的工具
Franziska Klein ，f,g,† 和 David MA Mehler g,h,* a 图宾根大学，心理学系，科学学院，图宾根，德国 b 普林斯顿大学，社会与自然科学系，心理学系，新泽西州普林斯顿，美国 c 拉德堡德大学，唐德斯大脑、认知与行为研究所，生物物理系，科学学院，奈梅亨，荷兰 d 开姆尼茨工业大学，人类运动科学与健康研究所，行为与社会科学学院，开姆尼茨，德国 e 科英布拉大学，科英布拉生物医学成像与转化研究所，科英布拉，葡萄牙 f 奥尔登堡大学，心理学系、神经认知与功能神经康复组，奥尔登堡（Oldb），德国 g 亚琛工业大学，医学院，精神病学、心理治疗与心身医学系，亚琛，德国 h德国明斯特医学院转化精神病学研究所
使用卷积神经网络提高四类自愿想象 fNIRS 信号的分类准确率
多类功能性近红外光谱 (fNIRS) 信号分类已成为光学脑机接口的一种便捷方式。当信号由同一肢体的自愿和想象运动产生时，高精度的 fNIRS 信号分类是一项具有挑战性的任务。由于自愿和想象运动在时间和空间上的激活表现出相似的模式，传统浅层分类器的分类精度无法达到可接受的范围。本文提出了一种利用卷积神经网络 (CNN) 提高精度的方法。在这项工作中，几位参与者进行了自愿和想象手部运动（左手和右手）。这些四类信号是利用 fNIRS 设备获取的。根据任务分离信号并进行过滤。通过手动特征提取，使用支持向量机和线性判别分析对信号进行分类。CNN 的自动特征提取和分类机制被应用于 fNIRS 信号。从结果来看，CNN 将分类精度提高到了可接受的范围，这是任何卷积网络都无法实现的。
期刊参考样式endNote样式围嘴样式
方法：我们提出了一个开源基准测试框架，台式框架，以建立最佳的实践机器学习方法，以评估应用于FNIRS数据的模型，并使用用于脑部计算机界面（BCI）应用程序的五个开放式访问数据集。使用嵌套交叉验证的稳健方法，台式框架使研究人员能够优化模型并无偏见评估它们。该框架还使我们能够生产有用的指标和图，以详细介绍新模型的性能以进行比较。为了演示框架的实用性，我们提出了六个基线模型[线性判别分析（LDA），支持 - 矢量机（SVM），K-Neartivt邻居（KNN），人工神经网络（ANN），卷积神经网络（CNN）和长期记忆（LSTM）的（lSTM）的[分类性能的不同因素，包括：训练示例的数量和每个用于分类的FNIRS样本的时间窗口的大小。我们还提供了一个滑动窗口的结果，而不是简单的时期分类，并且通过个性化方法（在主题数据分类中）而不是广义方法（未见主题数据分类）。
fnirs的跨学科观点：当前的进步，公平挑战和对不同FNIRS研究社区未来需求的议程
功能性近红外光谱（FNIRS）是一种创新且有前途的神经影像模式，用于研究现实世界环境中的大脑活动。FNIRS自30年前出现以来的硬件，软件和研究应用程序方面取得了迅速的进步，但在这三个领域的所有三个领域仍然存在局限性，在这些领域中，现有实践在神经科学研究社区内有更大的偏见。我们通过不同的最终应用用户（包括FNIRS制造商的独特观点）聚焦FNIRS，并报告了在几个研究学科和人群中使用该技术的挑战。通过对利用FNIRS的不同研究领域的审查，由于当前FNIRS技术的限制，样本人群之间的有限多样性以及社会偏见，在当今的研究中，我们确定并解决了偏见的存在。最后，我们提供了最大程度地减少神经科学研究中偏见的资源，并为将来使用公平，多样化且包容的FNIRS的应用议程。
短睡眠年轻人的认知表现具有不同的体育锻炼水平：横断面FNIRS研究
摘要：短睡眠是当今常见的问题。这项研究的目的是通过评估短暂睡眠年轻人的认知测试中含氧化血红蛋白（HBO）浓度的变化来研究前额叶皮质血流动力学，并探索了该特定人群中睡眠持续时间，体育活动水平和认知功能之间的关系。我们的研究中总共包括46名参与者（25名男性和21名女性），其中，平均睡眠时间为358分钟/天。在短睡眠种群中的stroop性能与左侧额叶不同部分的较高水平的皮质激活有关。这项研究发现，中度到vi的体育活动（MVPA）与不一致的Stroop测试准确性较低相关。在不同水平的光强度体育锻炼（LPA）和MVPA水平下，睡眠持续时间与Stroop性能之间的剂量反应关系得到了进一步探索，并且不同PA水平的睡眠时间增加与更好的Stroop性能有关。总而言之，本研究在短睡眠人群中提供了皮质血流动力学和认知功能之间的神经行为证据。此外，我们的发现表明，在睡眠短暂的年轻人中，MVPA的认知表现较差。短睡眠年轻人应增加睡眠时间，而不是更多的MVPA，以获得更好的认知功能。
EEG和FNIRS的早期融合改善了运动图像的分类
大脑 - 计算机界面（BCIS）是通信系统，它利用大脑产生的控制信号与周围环境相互作用，而无需参与周围神经系统和肌肉（Nicolas-Alonso和Gomez-Gil，2012年）。这些年来，在BCI领域取得了繁荣的进步。运动图像（MI）是BCI研究中的常见范例之一（Kaiser等，2011），它是通过想象执行给定任务（Jeannerod，1995）来完成的，例如Grabing（Herath and Mel，Mel，2021），Lifting（Kasemsumsumsumsumsumsumsumran and Boonchieng，2019年），以及。mi-bcis被广泛用于帮助由中风引起的运动功能障碍的患者（Ang等，2010），肌萎缩性的侧面硬化症（Lulé等，2007），脊髓损伤（Cramer等，2007），因此，进行日常生活援助或康复训练。由于运动图像任务诱导事件相关的对同步和同步（ERD/ERS）
迷幻药和 fNIRS 神经成像：探索新机遇
摘要。在这篇 Outlook 论文中，我们向光学神经成像界以及迷幻研究界解释了将光学神经成像与功能性近红外光谱 (fNIRS) 结合使用以进一步探索迷幻药引起的大脑活动变化的巨大潜力。我们解释了为什么我们相信现在是时候利用当前对迷幻药影响的研究复苏的势头以及 fNIRS 技术日益进步和普及的势头来在迷幻研究中建立 fNIRS。通过这篇文章，我们希望为这一发展做出贡献。© 作者。由 SPIE 根据知识共享署名 4.0 国际许可出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.NPh.10.1.013506]
迷幻药和 fNIRS 神经成像：探索新机遇
摘要。在这篇 Outlook 论文中，我们向光学神经成像界以及迷幻研究界解释了将光学神经成像与功能性近红外光谱 (fNIRS) 结合使用以进一步探索迷幻药引起的大脑活动变化的巨大潜力。我们解释了为什么我们相信现在是时候利用当前对迷幻药影响的研究复苏的势头以及 fNIRS 技术日益进步和普及的势头来在迷幻研究中建立 fNIRS。通过这篇文章，我们希望为这一发展做出贡献。© 作者。由 SPIE 根据知识共享署名 4.0 国际许可出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.NPh.10.1.013506]
使用功能性大脑连接和机器学习进行基于 EEG/fNIRS 的工作量分类
摘要：为了提高生产率或预防事故，人们迫切需要一种技术来估计人类在某些活动期间的心理负荷。大多数研究都集中于单一的生理感知方式，并使用单变量方法来分析多通道脑电图 (EEG) 数据。本文提出了一个新框架，该框架依赖于混合脑电图 - 功能性近红外光谱 (EEG-fNIRS) 的特征，并由机器学习特征支持，以处理多级心理负荷分类。此外，我们建议在三个频段的时间和频域中使用双变量功能性大脑连接 (FBC) 特征，而不是常用的用于脑电图记录的单变量功率谱密度 (PSD)：delta (0.5-4 Hz)、theta (4-7 Hz) 和 alpha (8-15 Hz)。借助 fNIRS 氧合血红蛋白和脱氧血红蛋白 (HbO 和 HbR) 指标，FBC 技术显著提高了分类性能，使用公共数据集对 0-back 与 2-back 的准确率为 77%，对 0-back 与 3-back 的准确率为 83%。此外，地形和热图可视化表明，EEG 和 fNIRS 的区分区域在 0-back、2-back 和 3-back 测试结果之间存在差异。确定 EEG 和 fNIRS 区分心理工作量的最佳区域是不同的。具体而言，后区在 alpha 波段的后中线枕叶 (POz) EEG 中表现最佳，而 fNIRS 在右额叶区域 (AF8) 中具有优势。
中风后行走时额叶和顶叶区域的相位依赖性大脑激活 - 一项 fNIRS 研究
恢复行走是卒中后的主要康复目标 (1)，但这种恢复往往变化很大 (2)，恢复完全社区行走功能的个体比例有限 (3)。中风是对大脑的直接损伤，但在康复过程中很少评估大脑的功能特征。由于行走恢复的变化，测量和记录大脑特征有助于指导康复治疗的处方 (4)。功能性近红外光谱 (fNIRS) 是一种越来越流行的测量大脑活动的工具。它的便携性、对运动伪影的敏感度相对较低以及低成本使其成为测量行走过程中大脑的有吸引力的工具 (5)。fNIRS 使用成对的近红外光发射器和检测器光极，两者相距 3–4 厘米。这个分离距离允许记录 1.5–2 厘米的深度（即到达大脑皮层的皮层）和与脑电图 (EEG) 相比相对较高的空间分辨率。这些光电极可以放置在头皮的多个区域，以估计该区域氧合血红蛋白 (HbO) 和脱氧血红蛋白 (HbR) 浓度的变化。根据神经血管耦合理论，血红蛋白浓度的这些变化（HbO 增加和 HbR 降低）表明大脑皮层活动增加（6、7）。健康成年人从站立开始行走时，HbO 通常立即下降（表明氧气消耗），然后上升（表明氧气补充/增加氧气以满足神经元需求），并在行走开始后 5-10 秒达到峰值。随着行走的继续，HbO 的初始增加会下降，有时甚至在行走停止之前就达到基线或低于基线站立水平（8）。HbR 的反应通常相反，变化幅度相对较小。研究不同行走阶段（例如加速或稳态行走）的激活程度对于评估不同行走阶段的相对皮质需求非常重要。先前的研究表明，中风人群的血流动力学反应曲线不同（9）。然而，中风人群的血流动力学曲线有限，需要对中风后行走过程中的曲线进行更详细的描述。迄今为止，在中风中，大脑活动主要在