XiaoMi-AI文件搜索系统
World File Search SystemfNIRS
o r i g i n a l r e s a a r c h使用活细胞评估癌细胞的钴金属纳米颗粒摄取
脑部计算机界面（BCIS）近年来已经达到了重要的里程碑，但是连续控制运动中的大多数突破都集中在具有运动皮层或周围神经的侵入性神经界面上。相比之下，非侵入性BCI主要在使用事件相关数据的连续解码方面取得了进展，而大脑数据的运动命令或肌肉力的直接解码是一个开放的挑战。来自人类皮层的多模式信号，从相结合的氧合和电信号的移动脑成像中获得，由于缺乏能够融合和解码这些混合测量值的计算技术，因此尚未发挥其全部潜力。为了刺激研究社区和机器学习技术，更接近人工智能的最新技术，我们在此释放了一个整体数据集的混合性非侵入性措施，以进行连续力解码：混合动力学握把（Hygrip）数据集。We aim to provide a complete data set that comprises the target force for the left/right-hand cortical brain signals in form of electroencephalography (EEG) with high temporal resolution and functional near-infrared spectroscopy (fNIRS), which captures in higher spatial resolution a BOLD-like cortical brain response, as well as the muscle activity (EMG) of the grip muscles, the force generated at the grip sensor （力）和混淆噪声源，例如任务过程中的呼吸和眼动活动。总共14位右手受试者在每只手最大自愿收缩的25–50％内执行了单项动态握力任务。Hygrip旨在作为基准，其中有两个开放挑战和用于抓地力解码的研究问题。首先是跨越时间尺度的大脑信号的数据的剥削和融合，因为脑电图的变化速度比FNIRS快三个数量级。第二个是与每只手使用的全脑信号的解码，以及每只手共享特征的程度，或者相反，每只手不同。我们的同伴代码使BCI，神经生理学和机器学习社区中的研究人员易于获取数据。hygrip可以用作开发BCI解码算法和响应的测试床，从而融合了多模式脑信号。由此产生的方法将有助于理解局限性和机会，从而使人们在健康方面受益，并间接地为类似的方法提供信息，从而满足疾病中人们的特殊需求。
EEG-FNIRS休息状态研究-NSF-PAR
摘要 - 目的：肌萎缩性侧索硬化症（ALS）是一种复杂的神经退行性疾病，会导致自愿肌肉控制的逐渐丧失。最近的研究报道了通过测量电生理或血管性神经动力学神经功能的单峰技术，对ALS中静止状态功能性脑网络的变化的变化有冲突。然而，迄今为止，尚无研究探索ALS静息状态大脑中同时的电和血管 - 血流动力学的变化。使用互补的多模式脑电图（EEG）和功能性近红外光谱（FNIRS）记录和分析技术，我们探索了ALS患者的基本多维神经贡献，可改变的振荡和功能连接性。方法：10名ALS患者和9个年龄匹配的对照在静止状态下进行了多模式的EEG-FNIRS记录。在两组中，两组中两种方式的静止状态功能连接性（RSFC）和功率谱进行了分析并在统计学上进行了比较。结果：在ALS中观察到alpha和beta带中的额叶额EEG连通性提高，并增加了额叶和右孔内FNIRS连接性的增加。额叶，中央和颞theta和αEEGEEG的功率在ALS中降低，顶叶和枕αEEGEEG功率也是如此，而ALS的额叶和顶叶血液动力学频谱功率则增加。的意义：这些结果表明，神经元网络中的电 - 血管破坏扩展到ALS患者的运动外区域，这些区域最终可以引入ALS的新型神经标记物，这些神经标志物可以进一步利用为诊断和预后工具。
基于 fNIRS 的超扫描研究
图 5 各组合作系数差异及 WR 与 RTD、阈值和 CC 的相关性（WR = 获胜率，RTD = 反应时间差异，CC = 合作系数）。（a）RTD 与 WR 之间的相关系数为 r = −.44（p = .003）。（b）阈值与 WR 之间的相关系数为 r = .398（p = .008）。（c）CC 在预测参与者的任务表现方面比 WR 更有效（r = .838，p < .001）。（d）使用不同策略的参与者之间存在显著差异（F（2,40）= 6.04，p < .005，휂2 p = 0.232）。* p < .05，** p < .01，*** p < .001
传感器的位置优化无线可穿戴FNIRS系统，用于使用数据驱动方法来改善可耐受性
摘要：功能性近红外光谱（FNIRS）是人类认知工作负载评估中的血液动力学方式，因为从信号处理的角度来看，它更容易实施，非侵入性，低成本和其他好处，因此受到了流行。研究中使用的可穿戴无线FNIRS系统有望表明，可以在诸如操作员的认知工作负载监视中使用FNIRS进行认知工作负载评估。在这种情况下，系统的耐磨性是影响用户舒适性的重要因素。在这方面，如果可以将FNIRS系统最小化，而不会对认知工作负载的检测准确性造成太大损害，则可以提高系统的耐磨性。在这项研究中，使用涵盖整个额头的FNIRS系统获得了与认知工作相关的血液动力学变化，这是大多数认知工作负载监测研究中感兴趣的地区。使用机器学习方法来探索认知工作负载分类准确性的平均准确性如何在额头上的各个感应位置（例如左，中，右，左中间，右中间和整个额头）上有所不同。与整个额头相比，统计显着分析结果表明，中间位置可能导致认知工作负载分类的准确性显着，并且在平均准确性上具有统计学上的微不足道的不同。因此，考虑到额头上的中间位置以进行认知工作负载监测，可以通过优化传感器位置来改善可穿戴的FNIRS系统。
研究论文基于皮尔逊相关的混合 EEG-fNIRS BCI 的计算高效方法
这里考虑的混合脑机接口 (BCI) 系统是脑电图 (EEG) 和功能性近红外光谱 (fNIRS) 的组合。同时记录 EEG-fNIRS 信号以实现高运动想象任务分类。这种集成有助于实现更好的系统性能，但代价是增加系统复杂性和计算时间。在混合 BCI 研究中，通道选择被认为是直接影响系统性能的关键因素。在本文中，我们提出了一种使用 Pearson 积矩相关系数的新型通道选择方法，其中仅从每个半球选择高度相关的通道。然后，提取四个不同的统计特征，并使用它们的不同组合通过 KNN 和树分类器进行分类。据我们所知，目前还没有关于皮尔逊积矩相关系数用于混合EEG-fNIRS BCI通道选择的报道。结果表明，我们的混合系统显著减少了计算负担，同时实现了与现有文献相当的具有高可靠性的分类精度。
精神分裂症和躁郁症风险人群在情绪 Stroop 任务期间的大脑前额叶活动——一项 fNIRS 研究
目标：情绪斯特鲁普效应被定义为与中性刺激相比，对情绪刺激的反应时间增加。文献中经常报道这种效应，包括行为和神经生理层面的报道。本研究的目的是调查在情绪斯特鲁普任务中，有精神分裂症和躁郁症风险的个体的大脑前额叶激活情况。我们预计与健康对照组相比，高危人群的大脑激活程度会降低。方法：精神病高风险（HR）、精神病超高风险（UHR）、躁郁症风险（BIP）个体和健康对照组（HC）执行情绪斯特鲁普任务，其中包括正价、负价和中性词。功能性近红外光谱（fNIRS）用于测量代表背外侧前额叶和额颞叶皮层大脑活动的氧合血红蛋白（O 2 Hb）水平。结果：结果显示，与 HC 组相比，HR 组和 UHR 组的右背外侧前额叶皮层 (DLPFC) 的 O 2 Hb 水平显著降低，表明活动性较低。尽管这种下降与词语的价数无关，但对于负面词语来说，下降最为明显。此外，与 HC 组相比，所有高危人群的额颞叶皮层 (FTC) 中的 O 2 Hb 水平均显著降低。结论：精神病和躁郁症风险人群的 FTC 活动性降低反映了非特异性功能障碍。HR 组和 UHR 组 DLPFC 活动性降低表明，在有精神分裂症精神病风险的个体中已经发现了额叶功能减退。
异性恋亲密关系中与激情相关的强化敏感人格特质：一项 fNIRS 调查
爱情三角理论认为，激情是浪漫爱情中不可或缺的组成部分。一些脑成像研究表明，亲密关系中的激情唤起与大脑中的奖赏回路有关。我们假设个体的奖赏敏感性特质也与亲密关系中的激情有关，本研究进行了两项独立研究。在第一项研究中，选取了558名正处于恋爱中的大学生作为参与者，使用惩罚敏感性和奖赏敏感性问卷、激情爱情量表和爱情三角量表探究异性恋个体的亲密度与强化敏感性之间的相关性。在第二项研究中，选取了42名同样处于恋爱中的大学生，采用功能性近红外光谱（fNIRS）探究参与者在看到伴侣、朋友或陌生人的照片时，奖赏敏感性与情绪唤起之间的神经生理相互作用。结果表明，奖励敏感性与激情呈正相关，惩罚敏感性与亲密度和承诺呈负相关。奖励敏感性和照片类型之间存在显著的相互作用，下额回的三角部分与对伴侣的奖励敏感人格特质表现出特别的相关性。总体而言，研究结果支持强化敏感性理论，并表明强化敏感人格特质（奖励和惩罚敏感性的人格特质）与爱情的所有三个组成部分都相关，只有奖励敏感性与激情相关。
疼痛对 fNIRS 分类的影响
功能性近红外光谱 (fNIRS) 是一种非侵入性神经成像技术，通过监测脑氧合血红蛋白 ([ ∆ HbO]) 和脱氧血红蛋白 ([ ∆ HbR]) 浓度的变化来间接测量大脑活动 [ 1 ]。最近，人们对在脑机接口 (BCI) 中使用 fNIRS 的兴趣日益浓厚。BCI 的目标是将从大脑记录的信号转换为控制外部设备的命令 [ 2 , 3 ]。因此，准确分类脑信号在 BCI 应用中具有重要意义。另一方面，一组 BCI 用户是患者 (例如运动障碍者)，不幸的是，他们也可能因受伤而感到疼痛。然而，疼痛的存在预计会影响大脑活动，从而影响 BCI 的性能。在本研究中，我们首次研究了疼痛的存在如何影响与心算任务相对应的 fNIRS 数据的分类准确度。fNIRS 数据是从 2 名健康受试者身上收集的，并使用热刺激来诱发疼痛。所有通道的 [ ∆ HbR] 信号的平均值用作分类特征。采用二次核支持向量机分类器 (QSVM) 对数据进行分类。我们的分类结果表明，对于基于无痛数据训练的模型，在对有疼痛时获得的数据进行测试时，其平均分类准确度显著降低。这些结果表明，使用无痛数据训练和开发的 BCI 算法在有疼痛的情况下可能会表现不佳。因此，在为患者调整 BCI 算法时考虑疼痛因素非常重要。本文的其余部分安排如下：第 2 部分描述了实验范例和数据收集程序。第 3 部分解释了预处理和分类方法，第 4 部分介绍了结果和讨论。
评估时间分辨的 fNIRS 在脑机接口心理交流中的应用
脑机接口 (BCI) 作为改善残疾患者生活质量的工具正日益流行。最近，基于时间分辨功能性近红外光谱 (TR-fNIRS) 的 BCI 越来越受欢迎，因为它们具有增强的深度灵敏度，从而降低了来自大脑外层的信号污染。这项研究首次介绍了基于 TR-fNIRS 的 BCI 对健康参与者进行“心理交流”的情况。我们招募了二十一 (21) 名参与者，并反复向他们提出一系列问题，其中要求他们想象打网球以表示“是”，保持放松以表示“否”。光子平均飞行时间的变化用于计算氧合血红蛋白和脱氧血红蛋白浓度的变化，因为它在深度灵敏度和信噪比之间提供了良好的折衷。从平均氧合血红蛋白信号中提取特征，将其分类为“是”或“否”响应。使用线性判别分析 (LDA) 和支持向量机 (SVM) 分类器通过留一交叉验证法对答案进行分类。使用 LDA 和 SVM，所有参与者的总体准确率分别为 75% 和 76%。结果还表明，问题之间的准确率没有显著差异。此外，在 21 名参与者中，有 7 名在运动想象 (MI) 和休息期间记录了生理参数 [心率 (HR) 和平均动脉压 (MAP)]，以调查这些参数在不同条件下的变化。未发现这些参数在不同条件下有显著差异。这些发现表明 TR-fNIRS 可能适合作为脑损伤患者的 BCI。
母亲焦虑和抑郁症状对 5 至 7 个月大婴儿 fNIRS 大脑对情绪面孔反应的影响
用脑电图 (EEG) 中的 alpha 功率测量时，右侧 (相对于左侧) 额叶皮质对情绪面孔的相对激活程度较大，这被认为是一种有希望的神经标记，表明患精神病理学和情绪障碍的可能性增加。我们着手探索多通道 fNIRS 作为一种工具，以研究婴儿对情绪面孔的额叶不对称反应 (假设右侧额叶皮质激活程度大于左侧额叶皮质)，这种反应受到产后母亲焦虑和抑郁症状的影响。我们还探讨了与面部情绪处理相关的额颞区域的激活差异。向 91 名正常发育的 5 个月和 7 个月大的婴儿展示了女性描绘快乐、恐惧和愤怒表情的照片。分析了两个额极和七个双侧皮质区域的血流动力学大脑反应，这些区域细分为额叶、颞叶和顶叶区域，由适合年龄的 MRI 模板定义。母亲报告的负面情绪越多，婴儿左下额叶回（与情绪交流有关的区域）在所有情绪上的氧合血红蛋白 (oxyHb) 激活程度就越高。后续分析表明，这种关联是由母亲抑郁而不是焦虑症状引起的。总体而言，我们没有发现与母亲负面情绪相关的右侧额叶皮层激活程度高于左侧额叶皮层激活程度的证据。研究结果表明，fNIRS 可能是一种识别与婴儿期接触母亲抑郁有关的神经基质改变的方法。