关注“心仪脑”查看更多脑科学知识的分享。
近红外光谱脑成像（fNIRS）作为一项无创技术，存在无创脑成像技术的一个共同弱点：信噪比较低。但是因其便携，鲁棒性高，造价较低廉，生态效度高，适用范围广等优点，也是一项难以替代的脑成像技术。那么怎么尽可能的最小化这个弱点，提升fNIRS信号质量呢？
首先要了解fNIRS技术采集到的信号是由什么组成的，影响因素有什么。
我们通过fNIRS想要获取的是大脑活动时，所测量部位大脑浅皮层的氧合血红蛋白和脱氧血红蛋白的浓度变化情况。在这个过程中，光会穿过头皮、颅骨、脑脊液到达大脑皮层之后穿出。fNIRS采集到的数据除了实验刺激引起的大脑活动变化外，还包含头皮血流变化信息以及人体自发性血液动力学振荡（心跳、呼吸、Mayer波等）的影响。
除了这些系统性生理噪声，仪器设备的电气噪声、环境光噪声以及不合理的实验设计，被试的动作等都会对采集信号产生额外的干扰。
电气噪声是指来自实验仪器硬件或者周围环境中的计算机，在实际测量中引入的电气噪声干扰。fNIRS仪器中广泛采用了电子元器件,因此会存在电子元件的固有噪声和外部环境噪声。
fNIRS设备是通过紧紧贴合在头皮的光极采集信号，因此光极的设计、被试发量的多少都会影响到环境光对信号的污染。如果光极和光纤较重，被试头发浓密，光极就很难紧密贴合头皮，造成光极和头皮的耦合度降低，出现缝隙,可能造成射出头皮的光子数的损失或者环境背景光(室外阳光、室内灯光、显示器光等)对探测器探头的污染,影响信号的质量。
不合理的范式也会带来误差。实验设置的时间过长或过短都可能会影响测量结果的稳定性。比如面对长时间、多次重复的实验刺激，被试就有可能会产生一些额外生理因素和个人因素影响(比如产生疲劳、走神、困倦、练习效应、记忆效应，因劳累产生多余肢体动作等)。
每次实验光极的位置不同也会带来实验误差。如在对一个被试长时间的记录中,每次光极位置的不同不仅可能会造成光极对应不同的脑区，由于头上的不同位置具有不同的光学特征。在不同位置的头发、头皮、肌肉、筋膜、血管、颅骨等存在差异,这些组织的光程长可能不一样，就会给实验引入额外的影响因素。而在多被试实验研究中,每个被试的血管和其他组织也会有细微不同，就会给多被试的结果比较带来干扰。
光学成像中的运动伪迹是由光极对头皮的相对位移引起的，如果将光学探头牢牢固定在头部上，则在实验过程中受试者是可以自由移动的。但在心理学实验中,有些实验范式需要被试做一些动作，比如有些stroop实验，需要被试出声应答，会有下颌的动作，如果采用的光极帽是用弹力带固定在下巴的位置，就会引起光极帽的拉扯，从而产生运动伪迹。一些需要被试做配合动作的实验，比如蹲起、转身，如果动作过快，采集帽或头盔就有可能因为光纤牵拉或者设备惯性产生光极位置移动。在婴幼儿实验中因儿童的忍耐性不好也会引入一些头部动作，产生光极和头皮的相对位移。
那么怎么减小这些伪迹噪声的影响？可以从两方面着手。
一种是针对噪声产生的原因，在实验采集的时候，尽量优化实验设计，做好实验准备，尽可能减小噪声的产生，这是获取好的数据的基础。
生理信号会由于不同的姿势或动作而变化，在设计实验时就需要将这些因素考虑进去。下图中显示的是采集的被试分别在坐着和躺着时的闭眼静息fnirs信号，时间总长40s，两段数据都可以看到明显的大概1hz的心跳信号，但在坐位时，还呈现有大概0.1hz左右的慢波，就是全身血压波动信号，可以看到这个伪迹在坐着时非常明显，而仰卧时几乎没有。
生理噪声还包括生理漂移。实验中探头的轻微移动都会导致生理漂移，这类噪声变化的频率相对较慢。在合理的实验范式、舒适的探头采集装置下，控制好每次实验 fNIRS探头的位置,能大大降低因探头发生移位造成的生理漂移。
对于电气和环境噪声，则可以通过在电磁干扰小的环境中进行实验、控制实验环境温度、控制仪器运行时间、防止仪器过热等措施降低噪声。使用较轻便的设备，选取头发较轻薄的部位，在实验室加装窗帘隔绝日光，实验时关灯等措施则可以有效减轻环境噪声污染。
对于运动伪迹的防控，即需要让光极紧密贴合头皮，又要防止光极跟头皮接触过紧，引起被试不适，或压迫头皮血管产生其它影响。可以选择有弹性的、包覆较好的光极头进行实验。在实验设计时，避免时间过长，可恰当设置一些休息时间，避免被试在采集重要信号时段内有大幅动作。
另一种方法是在采集完数据之后，通过算法处理，去除噪声对数据的污染。
对于仪器电气噪声，通常认为这类电噪声具有均匀的频谱。fNIRS设备的采样率高于典型血液动力学的变化率，所以光学信号中较高频区域中的大部分信号都来自仪器噪声。通过对数据进行低通滤波，可以将仪器的大部分高频噪声与生理信号分开。一般由外部环境中的背景光和电气干扰造成的仪器噪声通过(~0.5Hz)的低通滤波就可以将仪器噪声降低到几乎可以忽略的水平。
对于生理噪声，心跳噪声的频率比较高，跟血氧信号差别比较大，可以通过简单的滤波消除。而呼吸和血压振荡产生的噪声就有可能跟研究的fnirs信号重叠，就需要更复杂的方法去除。
运动伪迹的形态就更复杂了，根据出现的不同形态、频率和时间，大致可分为三类：基线偏移，尖波和低频变异。通常需要运用各种的伪迹矫正算法来处理。由于运动伪迹的形状、频率，出现时间各有差异，不可预期，每种运动伪迹矫正技术的效率都可能随运动伪迹类型不同而有差异，最好是依据数据来选择使用适合的矫正方法。
常用的一些伪迹矫正算法有样条插值法，主成分分析（PCA），小波滤波，基于相关的信号改善（CBSI），自适应滤波等。
样条插值法是逐通道的方法，它仅对检测到的运动伪影起作用，而信号的其余部分保持不变。此方法的优势是可以自动检测运动伪迹，对于基线偏移的伪迹效果最好，只处理识别出来的伪迹信号，而不影响非运动伪迹部分的信号，探测参数可以根据数据中不同类型的运动伪迹自行设置最优参数，手动选择参数确保了去除运动伪迹的质量，但这也被认为是它的一个缺点，因为最佳参数不是自动选择的。它的另一个限制是运动伪迹的方差必须大于生理信号成分的方差，以确保能够正确的检测和去除运动伪迹。不过如果运动伪迹的方差小于生理信号的方差，也意味着它不是一个严重的运动伪迹。
主成分分析（PCA）对包含N个测量值的原始数据集进行正交变换，以产生N个不相关的成分。这些成分的顺序与该成分所占原始数据的差异有关。由于运动伪迹的幅度通常比正常的生理fNIRS信号大得多，因此它们应构成数据方差的很大一部分。
小波滤波的方法依赖于伪迹和 (fNIRS)信号在持续时间和振幅方面的差异，主要为尖波伪迹设计的。与运动伪迹相比，生理血液动力学信号通常是平滑的，信号生理分量的小波系数的分布不同于运动伪影的异常值概率分布,信号生理分量的小波系数通常以零为中心，且具有低方差。而运动伪迹的数量小、系数大，运动伪迹系数主要集中在高斯分布的异常值中。那么就可以通过使用概率阈值去除外部小波系数，来去除运动伪影系数，再逆小波变换重建fNIRS信号。
基于相关的信号改善（CBSI）的方法是基于合理假设之上的：在功能激活期间，HbO和HbR应该负相关，但是当运动伪影发生时，它们之间的正相关就更大。依据假设列出HbO(x)和 HbR(y)关系的公式来计算真实的HbO（x0）和HbR（y0）信号。
自适应滤波法利用辅助信号来去除fNIRS信号中的噪声干扰。辅助信号可以是加速度、脉搏血氧，也可以是短间距通道的fNIRS信号。通过额外设置短间距探测器，使采集的信号对感兴趣的功能响应不敏感，但可以采集参考生理信号。比如下图中，光源和探测器1组成正常通道采集fNIRS信号，采集可达到大脑皮层的深度信息。光源和探测器2组成短间距通道，采集头皮生理信息。然后, 可以通过线性回归自适应滤波方法从fNIRS通道消除不关心的噪声。
除了通过大脑各个部位来获取自适应滤波的参考测量信号，还有学者以从脉搏血氧仪获得的信号为参考，采用了自适应滤波技术来消除心脏振荡。但是在大脑受刺激时产生的血液动力学响应过程中包含的生理干扰不仅有心跳还有呼吸、血管收缩等, 脉搏血氧仪采集的信号很难包含这些信号。而且脉搏血氧饱和度通常是从远离头部的手指或脚趾测量的，并且测量的波长不同。因此，这种参考信号不太代表在头部测量过程中观察到的NIRS信号，对于减少基于脑的干扰不是最佳的，从这些部位采集的数据对于主试想要获取的响应信号可能就没有很好的利用价值。另外还可以通过放置在头部的加速度计，记录被试头部运动信息，来辅助运动伪迹处理的方法。
全文完结，整理不易，看不完记得收藏，最后希望点赞支持一下！
了解更多，请关注“心仪脑”公众号！
