fNIRS近红外光信号质量影响因素

距离上一篇更新已经是很久了，小编表示也很自责。这么久没时间来更新内容，其实写文章是需要灵感来源的，公众号的很多文章成型其实也是大家的力量。今天的这篇文章也是来源研究者的问题—伪影的校准（Motion Artifact correction）

很多神经科学的研究技术来说，干扰伪迹是不可避免的。正如小编在前面汇总的脑电伪迹来源——《EEG信号伪迹来源及可能原因分析》一样，在进行fNIRS近红外实验时，虽然说受到的干扰因素会比EEG信号来源小很多，但是不可避免的是fNIRS技术在采集数据时还是会存在一些伪影。那么这些伪迹来源哪些方面？

在开始分析伪迹来源之前，推荐两篇近红外伪影的校准技术的比较paper，大家查阅。

第一篇文献：

[NeuroImage 2014] Motion artifacts in functional near-infrared

spectroscopy: A comparison of motion correction techniques

applied to real cognitive data

第二篇文献：

[Frontiers in Neuroscience 2012] A systematic comparison of

motion artifact correction techniques for functional nearinfrared

spectroscopy

这两篇也是今天文章的主要来源之一。想要多学习近红外知识，必不可少的是多查阅文献，前一段时间还想着能给大家推荐几本fNIRS的书籍，查阅了半天没什么合适的，后又去问了崔旭大牛，问起他如何学习近红外的，他说道多看文献，多交流，多思考，多总结就是了。

fNIRS伪影来源哪些方面？

近红外中的伪影主要来源三个方面：

1、受试者本身的生理噪声

2、外部的运动伪影（这是主要来源）

3、光极间的接触（即信号的评价）

近红外实验中，生理的信号噪声是无法在采集的时候剔除的，这是血流的特性决定的，fNIRS测量通过设备发射近红外光源和接收从组织反向散射的光的检测器，来推断血流的变化过程。这其中不可避免生理运动过程——

Heartbeat(心跳)：周期性变换1次/秒，大概的频率范围1Hz。

respiration（呼吸）：周期性变化0.4次/秒，大概的频率范围0.4Hz。

bloodpressure（血压mayer waves）：这可很接近我们想要的信号频率，这种是很微小的变化，一般我们也很少在意它，频率范围0.1Hz左右。

这是第一个生理的信号干扰，虽然是不可避免的，但是这也是检测信号质量的另类的方法，查看在采集中是否存在这些信号也是评价设备以及信号质量的评价之一。

运动伪影：这是fNIRS信号采集中最大的阻碍，虽然很多厂商都会跟你说，近红外设备可以用来做跑步，音乐表演，研究婴儿和多动症儿童的研究，这的确是近红外的优势之处，但是也避免不了运动诱发的伪影的可能，只是这种伪影相比较明显而稳定，可以在分析数据中应用多种方法（样值插条，小波滤波，主成分分析等）将这种伪影剔除。

运动伪影的特征通常在于幅度大于血流动力学变化的信号变化。它们的波形形状、频谱及时间点均不同，它们可以是高幅度、高频尖峰，在数据波形中很容易发现检测到，也可以是较低的频率变化，并且与正常的fNIRS的信号很难区分。一般来说，运动伪影可分为三类：高频尖峰（A high-frequency spike）、基线偏移（A shift from the baseline intensity）和低频变化（Low-frequency variations）

高频尖峰信号：

基线偏移：这是可能在采集过程中突然发生某种变化导致记录到的信号突然向上或者是向下移动而不再回到之前的基线上，这是可能出现的。

低频变化：这个很难辨别出来，这需要大量的数据分析经验。

最后一个来源是探头与头皮间的接触问题，这个是做近红外实验头疼的地方，虽然没有像脑电那样需要打导电膏，但是对于亚洲人种，黄皮肤、黑头发的我来说，也是一大难题。除了前额叶少拨点头发，测量其它区域没少拨头发。这个地方如果存在接触不好，将会导致头动的高频信号干扰，特别注意，不要将探头的重量全部置于受试者头部了，这将极其难受且容易造成信号干扰。

今天就fNIRS信号的干扰伪影说这么多，至于校准的方法，可以参考Homer2中的应用条目，但是更多的前提是你需要了解这些算法的含义，在后面的更新中，我也希望能写点关于这方面的内容。

---

本文部分内容参考文中文献，文章仅供学习使用，不用于商业行为，若有侵权及疑问，请后台留言！

Make brain technology more simple!

推荐阅读: