XiaoMi-AI文件搜索系统
World File Search SystemfNIRS
fNIRS 出版物的最佳实践
a 波士顿大学，神经光子学中心，生物医学工程，美国马萨诸塞州波士顿 b 麻省总医院，哈佛医学院，MGH/HST Athinoula A. Martinos 生物医学成像中心，放射科，美国马萨诸塞州查尔斯顿 c 苏黎世大学医院，苏黎世大学，新生儿科，生物医学光学研究实验室，新生儿科研究，瑞士苏黎世 d 伯尔尼大学，补充和综合医学研究所，瑞士伯尔尼 e 巴黎大学，法国国家科学研究院，综合神经科学和认知中心，法国巴黎 f 帕多瓦大学，社会和发展心理学系，意大利帕多瓦 g 中央大学，科学与工程学院，应用认知神经科学实验室，日本东京 h 德雷塞尔大学，生物医学工程学院，科学与健康系统，美国宾夕法尼亚州费城 i 德雷塞尔大学，艺术与科学学院，心理学系，美国宾夕法尼亚州费城 j 德雷塞尔大学，德雷塞尔解决方案研究所，美国宾夕法尼亚州费城 k 宾夕法尼亚大学，家庭和社区健康系，美国宾夕法尼亚州费城 l 费城儿童医院，伤害研究与预防中心，美国宾夕法尼亚州费城 m 伦敦大学学院，DOT-HUB，医学物理与生物医学工程系，生物医学光学研究实验室，英国伦敦 n 华盛顿大学医学院，放射学系，美国密苏里州圣路易斯 o 伦敦大学学院，医学物理与生物医学工程系，英国伦敦 p 华盛顿大学医学院，马林克罗德放射学研究所，美国密苏里州圣路易斯 q 康考迪亚大学，物理学系和 PERFORM 中心，多模式功能成像实验室，加拿大魁北克省蒙特利尔 r 麦吉尔大学，生物医学工程系，多模式功能成像实验室，加拿大魁北克省蒙特利尔 s 东京都立大学，语言科学系，日本东京 t 蒙特利尔理工学院，电气工程系，加拿大蒙特利尔 u 德国莱比锡大学医院、马克斯普朗克人类认知与脑科学研究所及认知神经病学诊所 v 韩国基础科学研究所、生物融合分析研究中心，韩国清州梧仓 w 普渡大学韦尔登生物医学工程学院，美国印第安纳州西拉斐特 x 意大利米兰理工大学、物理系
FNIRS信号质量控制方法的机器学习视角
摘要 - 尽管使用近红外光谱（FNIRS）在研究神经系统的功能上有所增加，但FNIRS信号处理并未标准化，并且受经验和手动程序的影响很大。在任何信号处理过程开始时，信号质量控制（SQC）对于防止错误和不可靠的结果至关重要。在FNIRS分析中，SQC当前依赖于将经验阈值应用于手工信号质量指示器（SQIS）。在这项研究中，我们使用了从67位受试者记录的FNIRS信号（n = 1,340）的数据集，并手动将段子集（n = 548）的信号质量标记为研究当前实践的陷阱，同时探索深度学习方法提供的机会。我们表明，SQI在统计上以不良的质量区分信号，但是通过经验阈值识别的识别缺乏灵敏度。另外，基于SQI的手动阈值旧机器学习模型已被证明更准确，并且基于卷积神经网络的端到端方法，能够进一步提高性能。基于机器学习的方法代表了FNIRS的更客观的SQC，并朝着使用完全自动化和标准化程序的使用。
EEG-fNIRS 研究
要揭示人类大脑如何编码和约束词语，必须识别形态语义加工背后的复杂神经认知机制。形态加工涉及对给定词语的内部形态信息和结构的心理操作，整个过程总是与语义分析交织在一起（Chung, Tong, Liu, McBride-Chang, & Meng, 2010 ; Ip et al., 2017）。迄今为止，尽管形态学在字母语言处理中的作用已得到广泛探索（例如，Bölte、Jansma、Zilverstand和Zwitserlood，2009；Carrasco-Ortiz和Frenck-Mestre，2014；Leminen、Smolka、Dunabeitia和Pliatsikas，2019；Schremm、Nov en、Horne和Roll，2019），但尚不清楚中文形态学在阅读过程中如何表现。由于超过 70% 的中文词是由两个或三个构成字/词素复合而成的，因此书面中文通常被描述为形态音节（DeFrancis，1989），其中每个字对应一个音节/词素。因此，亚词汇层次的构成词素可能在介导词汇获取和整词加工中发挥重要作用。最近，越来越多的研究证明了汉语复合词阅读中词素效应和亚词汇加工的心理现实（例如，Huang, Lee, Huang, & Chou, 2011; Huang, Lee, Tsai, & Tzeng, 2011; Zhao, Wu, Li, & Guo, 2017 ; Gao, Wang, Zhao, & Yuan, 2021 ）。然而，在汉语词汇阅读过程中，人类大脑如何编码形态约束的时空特征仍不清楚。有趣的是，有人将并列复合词（如“花草”、/faa1 cou2/、flower 和 grass、plant）嵌入视觉启动词汇决策任务中，研究了汉语形态结构加工的时间进程和时间特征（Chung et al.，2010）。事件相关电位（ERP）结果显示，纯形态结构效应仅在220 至300 毫秒的时间窗内检测到（额叶P250/P2效应），而经典的N400语义启动效应（表现在中央顶叶电极点）能够指示语义记忆网络的激活，这表明形态结构可能在早期复合词阅读过程中自动调节语义加工（Pylkköanen & Marantz，2003；Pylkköanen、Feintuch、Hopkins & Marantz，2004）。另一项研究也表明，具有相同形态结构的词对比具有不同结构的词对引起的 P2a 波幅更大（在额叶部位为 150 至 180 毫秒）（顾，余，马，2012）。这些发现表明，在汉语复合词阅读的早期阶段可能存在形态结构加工成分，并且独立于后期的词汇语义加工。然而，与早期加工理论（如 P250/P2、P2a）相反，最近的一系列研究表明，汉语形态加工在词汇后层面上暗示着有意识的过程（Allen、Badecker 和 Osterhout，2003；Newman、Ullman、Pancheva、Waligura 和 Neville，2007）。例如，研究发现，形态生产力较高的词（即从属结构）会引发明显更大的 P600
神经工效学中的双模 EEG-fNIRS。当前证据和未来研究前景
神经人体工程学专注于大脑特征和相关心理状态，这些心理状态是行为的基础，旨在设计人机界面，提高认知和身体领域的表现。脑成像技术，如功能性近红外光谱 (fNIRS) 和脑电图 (EEG)，被认为是实现这一目标的关键方法。最近的研究强调了结合 EEG 和 fNIRS 对提高这些接口系统的心理状态解码能力的价值，但对于这些改进是否适用于不同的范式和方法，以及在现实世界中使用这些系统的潜力，人们知之甚少。我们回顾了 33 项研究，比较了双峰 EEG-fNIRS 和单峰 EEG 和 fNIRS 在神经人体工程学的几个子领域中的心理状态解码准确性。根据这些研究，我们还考虑了在现实世界环境中利用这些系统的可穿戴版本的挑战。总体而言，所审查的研究表明，尽管在概念和方法方面存在重大差异，但双峰 EEG-fNIRS 的表现优于单峰 EEG 或 fNIRS。然而，要将双模态 EEG-fNIRS 应用于自然条件下，还有许多工作要做。我们考虑这些要点，以确定双模态 EEG-fNIRS 研究中预期或希望取得进展的方面。
fNIRS 中的深度学习：综述
在过去的二十年里，功能性近红外光谱 (fNIRS) 已经成为一种成熟的神经成像方式，用于监测大脑活动。1 fNIRS 能够长期量化皮质组织血流动力学，具有相对较高的空间采样和时间分辨率，这使得它在许多临床环境中得到了应用。2、3 fNIRS 具有独特的优势，它可以用于自由移动的受试者，比脑电图 (EEG) 或功能性磁共振成像 (fMRI) 的限制更少。这允许在自然场景和通常不适合进行 EEG 或 fMRI 成像的患者群体中部署 fNIRS。4 尽管如此，由于实验设置 5、统计结果的变化 6 等，fNIRS 在增加临床应用方面仍面临着许多挑战。重要的是，fNIRS 的当前趋势旨在通过增加空间采样来提高空间分辨率，使用数据处理消除不需要的生理噪声来提高皮质灵敏度，通过解剖配准改善量化，并通过伪影识别和去除来提高稳健性。 7 然而，目前的算法实现需要很高的专业知识
便携式无线无光纤 fNIRS 头带与固定头罩式系统相比具有优势
本研究的目的是表征原型功能性近红外光谱 (fNIRS) 头带的性能，该头带旨在快速轻松地测量感觉运动皮层。事实上，fNIRS 非常适合人体工程学设计（即它们可以无线连接、对运动伪影具有相对的鲁棒性等特点），这导致了许多新型人体工程学 fNIRS 系统的最新实例；然而，fNIRS 测量的光学性质对测量头部毛发部分下方的大脑区域提出了固有的挑战。正是由于这个原因，迄今为止开发的大多数人体工程学 fNIRS 系统都以前额叶皮层为目标。在本研究中，我们比较了新型便携式 fNIRS 头带与固定式全头罩 fNIRS 系统的性能，以测量 50 岁以上健康个体在简单的上肢和下肢任务中的感觉运动活动。两种 fNIRS 系统均在上肢和下肢任务中表现出预期的血流动力学活动模式，并且两种系统之间的对比度与噪声比的比较表明，原型 fNIRS 头带在检测这些任务期间感觉运动皮层生理反应的能力方面并不逊色于全头罩 fNIRS 系统。这些结果表明，使用无线和无光纤 fNIRS 设计在感觉运动皮层进行测量是可行的。
混杂生理信号的多元卡尔曼滤波回归用于 fNIRS 数据的实时分类
意义：功能性近红外光谱 (fNIRS) 是一种非侵入性技术，用于测量与神经功能相关的人体皮层血流动力学变化。由于其小型化潜力和相对较低的成本，fNIRS 已被提议用于脑机接口 (BCI) 等应用。与诱发神经活动产生的信号相比，大脑外生理产生的信号幅度相对较大，这使得实时 fNIRS 信号解释具有挑战性。通常使用结合生理相关辅助信号（例如短分离通道）的回归技术将脑血流动力学反应与信号中的混杂成分分离。然而，大脑外信号的耦合通常不是瞬时的，需要找到适当的延迟来优化干扰消除。
使用可穿戴 fNIRS 和机器学习自动检测认知疲劳
摘要：可穿戴传感器越来越多地应用于医疗保健领域，以生成数据并以不引人注意的方式监控患者。它们在脑机接口 (BCI) 中的应用允许不引人注意地监控一个人的认知状态。认知疲劳是与多个领域相关的一种特殊状态，它可能会影响绩效和注意力等能力。对这种状态的监测将应用于真实的学习环境中，以检测和建议有效的休息时间。在本研究中，使用两个功能性近红外光谱 (fNIRS) 可穿戴设备构建 BCI，以使用机器学习算法自动检测认知疲劳状态。开发了一种实验程序来有效诱导认知疲劳，其中包括接近真实的数字课程和两个标准认知任务：Corsi-Block 任务和集中任务。机器学习模型经过用户调整，以考虑每个参与者的个人动态，分类准确率达到约 70.91 ± 13.67%。我们得出的结论是，尽管该方法对某些受试者有效，但在应用之前需要单独验证。此外，任务时间并不是分类（即诱发认知疲劳）的特别决定因素。进一步的研究将包括其他生理信号和人机交互变量。
使用FNIRS进行神经反馈的认知训练改善了老年人的认知功能
摘要：这项研究检查了86名健康成年人（M = 66.34岁，范围54-84），研究了为期4周的认知训练计划（CT-NF）的影响，以随机将治疗（基于APP的ABC游戏）或对照组（Tetris）组随机分配。参与者完成了七项认知评估，即干预前和干预后，并使用XB-01功能性近红外光谱（FNIRS）脑传感器测量了其皮质脑活动，同时参与CT-NF。治疗组（ABC）组显示出记忆（MEM），言语记忆（VBM）和综合认知功能的显着改善（干预前/干预后），而对照组则没有。但是，两组均显示出处理速度（PS）和执行功能（EF）的显着改善。与其他研究一致，我们发现皮质大脑活动的强度（在CT-NF期间测量）与认知（前后）和游戏性能都相关。总的来说，我们的发现表明CT-NF和特定的ABC练习，在MEM，VBM，PS和EF的领域中赋予改善的认知。
轮班工作对中国煤矿工人认知功能的影响：静息态 fNIRS 研究
摘要：目的：探讨轮班工作对中国煤矿工人认知功能的影响。背景：轮班工作在煤炭等现代工业中普遍存在，人们越来越关注轮班工作对矿工工作绩效和个人幸福感的影响。方法：共有54名三班矿工（早班17人，下午班18人，夜班19人）参加了这项探索性研究。采用静息态fNIRS功能连接方法评估轮班前后的认知能力。结果：结果显示，三班工人轮班前后的认知能力存在显著差异。大脑功能连接降低的顺序为夜班、下午班和早班。早班和晚班工人在轮班结束时脑功能连接较轮班前有所降低。夜班工人的结果则相反。各组工人前额叶皮层静息态脑功能网络均表现出小世界特性。早班和晚班工人前额叶皮层中介中心性和节点局部效率存在显著差异。结论：本研究结果为从脑科学角度研究轮班工作对中国煤矿工人认知能力的影响提供了新的思路。