導(dǎo)讀

功能性近紅外光譜（fNIRS）是一種越來(lái)越多地用于認(rèn)知過(guò)程的神經(jīng)成像技術(shù)。然而，fNIRS信號(hào)通常會(huì)受到非腦源的任務(wù)誘發(fā)和自發(fā)血流動(dòng)力學(xué)振蕩的影響，這也是fNIRS研究面臨的一個(gè)挑戰(zhàn)。為了分離任務(wù)誘發(fā)的皮層反應(yīng)，研究者考察了腦力活動(dòng)中淺層和深層血流動(dòng)力學(xué)變化之間的耦合。為此，本研究應(yīng)用了一個(gè)有節(jié)奏的心算任務(wù)，來(lái)誘發(fā)適用于有效頻率分辨測(cè)量的周期性血流動(dòng)力學(xué)波動(dòng)。20名年齡在18-25歲之間的大學(xué)生（8名男性）參與了這項(xiàng)任務(wù)，同時(shí)使用新開(kāi)發(fā)的NIRS設(shè)備監(jiān)測(cè)前額的血流動(dòng)力學(xué)變化，該設(shè)備能夠進(jìn)行多通道和多距離記錄。研究結(jié)果發(fā)現(xiàn)氧合血紅蛋白和脫氧血紅蛋白存在顯著的任務(wù)相關(guān)波動(dòng)，在淺層和深層組織之間高度一致，證實(shí)了表層血液動(dòng)力學(xué)對(duì)深層fNIRS信號(hào)的強(qiáng)烈影響。重要的是，通過(guò)線性回歸去除這些表面噪聲后，發(fā)現(xiàn)額葉皮層對(duì)心算任務(wù)的反應(yīng)遵循一種不同尋常的逆氧合模式。此研究首次應(yīng)用基于傳遞函數(shù)分析和相量代數(shù)的替代方法來(lái)估計(jì)神經(jīng)信號(hào)，從而證實(shí)了這一發(fā)現(xiàn)。總而言之，本研究結(jié)果證明了使用有節(jié)奏的心理任務(wù)來(lái)施加振蕩狀態(tài)的可行性，這種振蕩狀態(tài)有助于區(qū)分真實(shí)的大腦功能反應(yīng)和非腦源的反應(yīng)。

1.引言

fNIRS研究中的一個(gè)主要挑戰(zhàn)是有效地將神經(jīng)血管耦合引起的血流動(dòng)力學(xué)反應(yīng)與其他混雜成分分開(kāi)。由大腦活動(dòng)引起的fNIRS變化幅度自然較低，而且還與其他噪聲波動(dòng)重疊，主要是：（i）在大腦和腦外區(qū)域均可檢測(cè)到全身血流動(dòng)力學(xué)活動(dòng)，（ii）頭表組織層的局部血流變化，以及（iii）儀器噪聲和其他偽影。前兩種情況不僅可以自發(fā)地產(chǎn)生，還可以通過(guò)認(rèn)知、情緒或身體任務(wù)誘發(fā)。如果這些非皮層任務(wù)相關(guān)的信號(hào)成分的改變模擬了感興趣的大腦激活動(dòng)態(tài)，那么它們可能成為干擾和噪聲的重要來(lái)源。前人研究表明，與任務(wù)相關(guān)的皮膚血流變化可以解釋語(yǔ)言流暢性實(shí)驗(yàn)中90%以上的NIRS信號(hào)，并且進(jìn)一步證明了動(dòng)脈血壓波動(dòng)會(huì)造成的強(qiáng)烈噪聲。

為了更好地推斷功能性響應(yīng)的存在，實(shí)驗(yàn)方案試圖通過(guò)重復(fù)足夠次數(shù)的刺激來(lái)增加統(tǒng)計(jì)效力，其間穿插著預(yù)期會(huì)出現(xiàn)不同反應(yīng)（或無(wú)反應(yīng)）的對(duì)比條件。為此，fNIRS實(shí)驗(yàn)通常使用block或事件相關(guān)設(shè)計(jì)，這取決于研究者們是否想分別分析持續(xù)或瞬態(tài)響應(yīng)。事件設(shè)計(jì)使用短時(shí)刺激，通常按隨機(jī)順序呈現(xiàn)，并以恒定或變化的刺激間隔開(kāi)來(lái)。Block設(shè)計(jì)通過(guò)呈現(xiàn)一個(gè)有足夠長(zhǎng)時(shí)間間隔的刺激條件，然后是一個(gè)不同的條件或休息的刺激間隔來(lái)維持心理參與。為了研究“持續(xù)”和“瞬時(shí)”響應(yīng)之間的相互作用，也可以使用混合設(shè)計(jì)。

根據(jù)刺激呈現(xiàn)策略，已經(jīng)開(kāi)發(fā)了不同的分析方法來(lái)推斷功能性血流動(dòng)力學(xué)反應(yīng)，并將其與噪聲分開(kāi)。雖然經(jīng)典的平均策略提供了穩(wěn)健的結(jié)果，但通常基于平均的統(tǒng)計(jì)檢驗(yàn)，如t檢驗(yàn)或ANOVA，不允許估計(jì)fNIRS信號(hào)的形狀或時(shí)間過(guò)程，因此它們已逐漸被其他方法所取代。其中包括一般線性模型（GLM）框架、數(shù)據(jù)驅(qū)動(dòng)方法（如主成分分析和獨(dú)立成分分析）和動(dòng)態(tài)狀態(tài)空間模型（DSSM）。GLM是最廣泛采用的統(tǒng)計(jì)框架之一，用于量化測(cè)量的fNIRS信號(hào)與反映預(yù)期神經(jīng)反應(yīng)的血流動(dòng)力學(xué)模型的匹配程度。它利用了fNIRS良好的時(shí)間分辨率，并允許在回歸模型中包含不同的協(xié)變量（例如生理信號(hào)）。在最基本的形式中，該模型是通過(guò)將血流動(dòng)力學(xué)響應(yīng)函數(shù)（HRF）與刺激函數(shù)進(jìn)行卷積獲得的，該刺激函數(shù)對(duì)神經(jīng)元響應(yīng)的假設(shè)時(shí)間過(guò)程進(jìn)行編碼。因此，GLM是一種假設(shè)驅(qū)動(dòng)的方法，需要結(jié)合特定的HRF（通常取自fMRI研究）和其他回歸因子來(lái)構(gòu)建線性模型，根據(jù)任務(wù)類型、大腦區(qū)域和被試的特質(zhì)，線性模型可能不明顯。此外，由于一些統(tǒng)計(jì)問(wèn)題，GLM在應(yīng)用于fNIRS信號(hào)時(shí)需要特別小心。相比之下，“主成分”和“獨(dú)立成分”分析方法分別依賴于正交性和獨(dú)立性等一般統(tǒng)計(jì)假設(shè)。雖然對(duì)于分離組成fNIRS信號(hào)的混合成分很有用，但它們需要額外的處理來(lái)闡明其中哪些與任務(wù)相關(guān)，哪些與任務(wù)無(wú)關(guān)，尤其是當(dāng)腦外和腦內(nèi)反應(yīng)相關(guān)時(shí)。主要基于卡爾曼濾波的SSM允許建立復(fù)雜的血流動(dòng)力學(xué)模型來(lái)描述fNIRS信號(hào)的時(shí)變特征，并估計(jì)HRF。雖然動(dòng)態(tài)分析似乎能更好地估計(jì)HRF，并更好地解釋非平穩(wěn)信號(hào)，但它仍需要改進(jìn)模型規(guī)格和狀態(tài)空間估計(jì)器。

無(wú)論每種實(shí)驗(yàn)方法的優(yōu)缺點(diǎn)如何，所有這些方法都得益于包含短距離記錄，以獲得表層對(duì)fNIRS信號(hào)影響的參考。多距離測(cè)量被認(rèn)為能有效分離實(shí)際的大腦響應(yīng)。然而，仍有一些待解決的問(wèn)題，如，源探測(cè)器距離的理想范圍、短距通道的最佳數(shù)目以及它們相對(duì)于長(zhǎng)距通道的布置。理想的情況是，每個(gè)長(zhǎng)通道應(yīng)該至少與一個(gè)附近的短通道配對(duì)。但目前最常用的NIRS設(shè)備無(wú)法實(shí)現(xiàn)這種配對(duì)測(cè)量的精確空間配置。

研究者的興趣集中在研究大腦活動(dòng)過(guò)程中，由表層和深層引起的血流動(dòng)力學(xué)變化之間的耦合，并從噪聲中分離出任務(wù)誘發(fā)的皮層反應(yīng)。背后的基本原理是：假設(shè)腦外和大腦的反應(yīng)是不同但相互關(guān)聯(lián)過(guò)程的協(xié)調(diào)效應(yīng)下的結(jié)果。將表面波動(dòng)看作是有價(jià)值信息的載體，而不只是必須去除的噪聲。信息不僅可以更好地理解fNIRS數(shù)據(jù)，也可以更準(zhǔn)確地評(píng)估完整的神經(jīng)-內(nèi)臟動(dòng)態(tài)聯(lián)系。但自發(fā)波動(dòng)和任務(wù)鎖定波動(dòng)的難以區(qū)分阻礙了這一目標(biāo)的實(shí)現(xiàn)。一種可能的解決辦法是人為引起周期性振蕩，這樣就可以很容易地使用頻域方法進(jìn)行定位和分析。

本研究假設(shè)執(zhí)行循環(huán)認(rèn)知任務(wù)也會(huì)引起fNIRS可測(cè)量的周期性血液動(dòng)力學(xué)波動(dòng)。為了驗(yàn)證這一假設(shè)，本研究設(shè)計(jì)了一種適用于在頻域進(jìn)行有效分析的振蕩狀態(tài)。采用特定頻率循環(huán)block設(shè)計(jì)的心算任務(wù)，同時(shí)使用新開(kāi)發(fā)的多通道NIRS設(shè)備對(duì)前額進(jìn)行密集的多距離記錄。同時(shí)持續(xù)監(jiān)測(cè)心率記錄心臟活動(dòng)。

分析頻域信號(hào)之間的幅度和相位關(guān)系將允許:(i)識(shí)別常見(jiàn)的與任務(wù)相關(guān)的振蕩活動(dòng)，(ii)估計(jì)淺層和深層組織層對(duì)fNIRS信號(hào)的貢獻(xiàn)，(iii)將任務(wù)相關(guān)的表面血流動(dòng)力學(xué)與假定的皮層反應(yīng)分離，(iv)測(cè)量HbO和HbR變化的相對(duì)時(shí)間，以更好地解釋潛在的生理過(guò)程。此外，使用經(jīng)驗(yàn)傳遞函數(shù)作為一種替代方法來(lái)評(píng)估腦功能活動(dòng)和評(píng)估腦外和大腦反應(yīng)之間的時(shí)間協(xié)調(diào)。這種方法以前從未在fNIRS研究中進(jìn)行過(guò)測(cè)試。

2.方法

所有數(shù)據(jù)處理均使用MATLAB（R2019a，Mathworks，Natick，MA，USA）離線完成，使用原生函數(shù)、自制腳本和開(kāi)源包。

2.1被試：24名志愿者，事先練習(xí)任務(wù)10-15 min確保其理解任務(wù)要求。

2.2心理任務(wù)：采用思維活動(dòng)循環(huán)模式，即心算階段與相同持續(xù)時(shí)間的停頓階段交替進(jìn)行，即有規(guī)律地重復(fù)活動(dòng)-休息。實(shí)驗(yàn)過(guò)程如圖所示：

2.3心率測(cè)量

使用BIOPAC MP36生理監(jiān)測(cè)系統(tǒng)和AcqKnowledge軟件4.1記錄ECG，采樣率為500Hz；采用AcqKnowledge對(duì)原始數(shù)據(jù)進(jìn)行后續(xù)的處理: (i)使用Pan-Tompkins算法，從ECG信號(hào)創(chuàng)建R-R血流速度圖，用于R波檢測(cè)；(2)從血流速度圖的倒數(shù)中提取瞬時(shí)心率。最后，將數(shù)據(jù)導(dǎo)出到MATLAB中，利用三次樣條插值將數(shù)據(jù)重采樣至10Hz。

2.3.1心率排除標(biāo)準(zhǔn)

與基線時(shí)的平均心率相比，任務(wù)期間的閾值被設(shè)置為每分鐘最多增加12次（bpm）。兩名被試因超過(guò)該閾值而被排除在外，最終樣本量N=22。因此，只有那些在基線和任務(wù)期間心率相當(dāng)穩(wěn)定的被試被進(jìn)一步考慮。使用Wilcoxon符號(hào)秩次檢驗(yàn)來(lái)解決基線和任務(wù)期間的最大心率之間的差異。

2.4 fNIRS記錄

2.4.1信號(hào)質(zhì)量檢查：通道和被試的排除標(biāo)準(zhǔn)

評(píng)估原始光學(xué)數(shù)據(jù)，以識(shí)別出極值通道（低于5%或高于95%的范圍），或變異系數(shù)大于7.5%（計(jì)算為標(biāo)準(zhǔn)差和均值之間的百分比）。排除信噪比差的數(shù)據(jù)，矯正了運(yùn)動(dòng)偽影，排除了兩名被試，最終樣本由20名被試組成。

2.4.2 fNIRS數(shù)據(jù)預(yù)處理

使用基于MATLAB的Homer2 NIRS工具包進(jìn)行預(yù)處理。將原始光學(xué)數(shù)據(jù)轉(zhuǎn)換為光密度，然后通過(guò)改進(jìn)的Beer-Lambert定律轉(zhuǎn)換為氧([HbO])和脫氧血紅蛋白([HbR])相對(duì)濃度的變化。使用了一個(gè)微分路徑長(zhǎng)度因子，該因子考慮了被試的年齡和波長(zhǎng)。未使用部分容積校正。fNIRS 數(shù)據(jù)通過(guò)使用零相位、5階巴特沃斯濾波器進(jìn)行低通濾波，截止頻率為2.5Hz；未采用高通濾波。去除高頻噪聲，同時(shí)保留心臟、呼吸、血壓和血管運(yùn)動(dòng)的成分。預(yù)處理后，從每個(gè)發(fā)色團(tuán)中分別得到16個(gè)短通道的時(shí)間序列和12個(gè)被稱為“淺信號(hào)”和“深信號(hào)”的長(zhǎng)通道的時(shí)間序列，以指示在相應(yīng)的記錄中穿透了多少光。因此，研究者有一組多距離記錄，以有效地解決腦外污染問(wèn)題，假設(shè)短間隔記錄只對(duì)腦外變化敏感，而長(zhǎng)間隔記錄對(duì)腦外和大腦活動(dòng)都敏感。當(dāng)使用多距離記錄進(jìn)行回歸時(shí)，可以假設(shè)生理噪聲在淺層和深層信號(hào)中的時(shí)間進(jìn)程具有可比性，且由任務(wù)誘發(fā)的腦血流動(dòng)力學(xué)是獨(dú)立的。然而，不能忽略局部表面波動(dòng)的異質(zhì)性，這就需要在盡可能接近深層信號(hào)的記錄位置收集淺層信號(hào)，以便從表面血液動(dòng)力學(xué)中去除噪聲。研究者使用了一個(gè)NIRS設(shè)備，它允許每個(gè)深層信號(hào)有三個(gè)滿足接近要求的淺信號(hào)：兩個(gè)分別靠近長(zhǎng)通道的探測(cè)器和源，一個(gè)靠近其中心（見(jiàn)圖2a）。采用“雙短間隔測(cè)量”方法，使用在探測(cè)器和源附近記錄的兩個(gè)淺層信號(hào)的組合來(lái)估計(jì)對(duì)應(yīng)的深層信號(hào)。因此，例如，來(lái)自長(zhǎng)通道“A”的信號(hào)對(duì)來(lái)自短通道1和5的信號(hào)求和進(jìn)行回歸（圖2）。在整個(gè)時(shí)間過(guò)程中，對(duì)于計(jì)算的所有深層信號(hào)公式如下：

其中β0和β1為回歸系數(shù)，Sdeep為深信號(hào)，Sshallow由淺層信號(hào)和干凈信號(hào)（Ssclean）組成（實(shí)際上是原始?xì)埐睿?。使用MATLAB函數(shù)“robustfit”來(lái)求解線性回歸，該函數(shù)使用迭代重加權(quán)最小二乘算法，對(duì)異常值的敏感性低于普通最小二乘法?；貧w后，每個(gè)Sdeep都有其關(guān)聯(lián)的一對(duì)Ssclean和Sshallow。這一預(yù)防措施是基于：心理任務(wù)試圖誘發(fā)周期性振蕩，可能無(wú)法滿足腦外和腦血流動(dòng)力學(xué)之間不相關(guān)的要求，從而影響了回歸的表現(xiàn)。之后，在此研究中，將應(yīng)用額外的分析來(lái)驗(yàn)證這些回歸估計(jì)信號(hào)的性質(zhì)。

最后，由于頭部形狀和大小的可變性，通道位置在個(gè)體之間并不完全一致，因此可以通過(guò)空間聚類提高信噪比和信號(hào)可靠性。為了避免解釋孤立的通道，對(duì)每個(gè)被試在屬于左、中、右三個(gè)感興趣區(qū)域(ROI)的信號(hào)進(jìn)行平均(圖2b)。因此，與四個(gè)最左邊的長(zhǎng)通道(A，B，C，D)相關(guān)聯(lián)的信號(hào)產(chǎn)生相應(yīng)的Sshallow，Sdeep和Sclean的三組平均值。對(duì)中間(E，F(xiàn)，G，H)和最右側(cè)(I，J，K，L)四個(gè)長(zhǎng)通道進(jìn)行同樣的處理。因此，三個(gè)ROI中的每一個(gè)現(xiàn)在都減少到只有三個(gè)平均信號(hào)，接下來(lái)用SS(shallow)，DS(deep)和CS(clean)表示。所有的進(jìn)一步處理都是對(duì)這些信號(hào)進(jìn)行的，這顯示出三個(gè)ROI之間的可比信噪比，因?yàn)樗鼈兪峭ㄟ^(guò)平均每個(gè)前極區(qū)域相同數(shù)量的相鄰信號(hào)獲得的。對(duì)于每個(gè)ROI，研究者計(jì)算了三個(gè)信號(hào)在所有被試中的HbO和HbR的平均時(shí)間過(guò)程。此外，還得到了相對(duì)于開(kāi)始時(shí)間在?15到30s之間的試次的總平均值(10個(gè)試次×20個(gè)被試=200個(gè)試次)，計(jì)算了平均標(biāo)準(zhǔn)誤差(SEM)。
2.5任務(wù)誘發(fā)頻率的識(shí)別

首先通過(guò)評(píng)估任務(wù)期和基線期每個(gè)被試的NIRS數(shù)據(jù)的功率譜密度(PSD)，以此來(lái)評(píng)估任務(wù)是否成功引發(fā)了振蕩。利用Welch的平均周期圖法計(jì)算PSD，漢明窗長(zhǎng)度為2000個(gè)樣本，重疊50%，以獲得良好的頻率分辨率(0.005 Hz)，光譜平滑，并降低噪聲方差。為了便于比較，通過(guò)計(jì)算每個(gè)頻率窗口與整個(gè)頻譜總功率之比，將PSD歸一化為相對(duì)百分比值。為了進(jìn)一步分析，將重點(diǎn)放在0.005到0.08 Hz的頻率范圍內(nèi)，假設(shè)預(yù)期的任務(wù)誘發(fā)振蕩將落在這個(gè)范圍內(nèi)。

沿著頻率窗口進(jìn)行單尾配對(duì)t檢驗(yàn)，以檢查被試內(nèi)部的PSD值是否比基線高?；诰垲惖姆菂?shù)方法，對(duì)多重比較的t統(tǒng)計(jì)量進(jìn)行了校正。通過(guò)Monte Carlo聚類測(cè)試計(jì)算了相同t檢驗(yàn)的1000種排列，其中條件，即任務(wù)和基線，為被試內(nèi)隨機(jī)排布。然后，根據(jù)具有比觀測(cè)值更大的聚類統(tǒng)計(jì)量的隨機(jī)實(shí)現(xiàn)的比例來(lái)估計(jì)p值。設(shè)置臨界alpha水平=0.01來(lái)識(shí)別在任務(wù)中顯示顯著較高PSD值的頻率窗口。最后，對(duì)被試(N=20)求平均PSD，以獲得每種信號(hào)類型和ROI的HbO和HbR的平均歸一化PSD。此外，通過(guò)bootstrapping（自舉法）使用超過(guò)1000個(gè)重采樣來(lái)計(jì)算每個(gè)頻率窗口平均值的95%置信區(qū)間(CI)。

2.6 SS和DS關(guān)系

SS數(shù)據(jù)是從探索額極區(qū)域的fNIRS通道獲得的，源探測(cè)器距離為14mm。與大部分外側(cè)額葉區(qū)域相比，該區(qū)域的頭皮-皮層距離增加（15mm至17mm），這與額竇的存在一起降低了大腦fNIRS的敏感性。此外，源探測(cè)器距離在14到16mm之間的短通道對(duì)大腦的靈敏度僅為0.47%。雖然SS不太可能獲取到皮層信號(hào)，但檢驗(yàn)SS和DS之間的共性和差異仍很重要，以合理地確保SS數(shù)據(jù)主要由淺層血流動(dòng)力學(xué)控制，而DS也包含可能來(lái)自皮質(zhì)層的深層成分。該分析的基本原理是，如果DS信號(hào)中出現(xiàn)另一個(gè)深層振蕩過(guò)程（如神經(jīng)血管反應(yīng)），則連接通路SS-DS將在任務(wù)頻率下發(fā)生改變。為此，對(duì)于時(shí)間序列對(duì)HbOss/HbOds和HbRss/HbRds，進(jìn)行了以下被試內(nèi)分析：（i）用交叉來(lái)識(shí)別共同的波動(dòng)，（ii）頻域相關(guān)性以確定顯著的協(xié)變量，以及（iii）傳遞函數(shù)以評(píng)估幅度和相位的關(guān)系。根據(jù)傳遞函數(shù)分析的建議，既不使用去趨勢(shì)化，也不使用高通濾波，并對(duì)自動(dòng)光譜和交叉光譜應(yīng)用三角平滑窗口（系數(shù)?、?、?）。

為了識(shí)別淺層和深層信號(hào)之間的頻域同步性（或共同波動(dòng)），進(jìn)行了交叉譜分析以比較這兩個(gè)信號(hào)。基于Welch的平均周期圖方法，使用MATLAB函數(shù)“CPSD”計(jì)算了二元時(shí)間序列的交叉功率譜密度（CPSD）；為PSD設(shè)置了長(zhǎng)度為2000個(gè)樣本和50%重疊的漢明窗。從復(fù)值結(jié)果中獲得了幅值和相位值，以找到特定頻率下兩個(gè)信號(hào)之間的共享功率和相移。采用與第2.5節(jié)PSD相同的方法定位任務(wù)期間顯示出顯著較高值的峰值；以相同的方式對(duì)值進(jìn)行歸一化和平均。

為了確保交叉譜估計(jì)的可靠性，研究者評(píng)估了信號(hào)在特定頻率下的相對(duì)振幅和相位是否有顯著的穩(wěn)定性。通過(guò)計(jì)算作為PSD和CPSD函數(shù)的幅度平方相干（MSC）來(lái)估計(jì)它們的頻域相關(guān)性。

相干值在0（無(wú)相關(guān)性）和1（完全相關(guān)性）之間變化，描述了頻域中兩個(gè)信號(hào)之間的線性關(guān)系。對(duì)每個(gè)信號(hào)對(duì)和ROI的相干值進(jìn)行平均。只有存在顯著的相干性時(shí)，交叉譜估計(jì)才有意義。通常，0.5的值被視為顯著性閾值，但由于閾值可能取決于頻率，評(píng)估顯著性的更好的方法是替代數(shù)據(jù)法。研究者選擇了保存了原始信號(hào)的功率譜的FT1替代法。FT1替代法是通過(guò)將原始信號(hào)的傅里葉變換相位替換為[?π、π]范圍內(nèi)的隨機(jī)值來(lái)構(gòu)建的，同時(shí)保留模數(shù)，然后通過(guò)傅里葉逆變換返回時(shí)域。生成1000個(gè)替代序列，計(jì)算每個(gè)替代序列原始信號(hào)的平均MSC，實(shí)現(xiàn)了零假設(shè)，即平均MSC來(lái)自以實(shí)驗(yàn)信號(hào)相同頻率異步波動(dòng)的信號(hào)對(duì)。隨后將從實(shí)際信號(hào)中獲得的平均MSC值與FT1分布進(jìn)行比較，以估計(jì)α=0.05時(shí)每個(gè)頻率窗口的MSC閾值水平。

傳遞函數(shù)描述了系統(tǒng)輸出信號(hào)和輸入信號(hào)之間的動(dòng)態(tài)關(guān)系。在此研究中，假設(shè)SS的能量在感興趣的頻率范圍內(nèi)，并且包含準(zhǔn)周期振蕩，則傳遞函數(shù)H（?）根據(jù)實(shí)驗(yàn)fNIRS數(shù)據(jù)近似為

對(duì)于每個(gè)時(shí)間序列對(duì)，淺信號(hào)和深信號(hào)分別是用于獲得特定頻率下傳遞函數(shù)近似值的輸入和輸出數(shù)據(jù)（輸入HBOss，輸出HbOds）。從復(fù)值結(jié)果中得到了幅值（增加），它表示輸入和輸出之間在μM上的相對(duì)變化，以及攜帶時(shí)間耦合的相位（相位差或時(shí)滯），而相干值則表示這些測(cè)量的可靠性。在組水平上，對(duì)于每個(gè)信號(hào)對(duì)和ROI，研究者計(jì)算增益和圓形相位角的平均值；相位統(tǒng)計(jì)通過(guò)Matlab工具箱CircStat進(jìn)行。此外，通過(guò)對(duì)2000次重采樣計(jì)算了平均值周圍的95%置信區(qū)間（CI）帶。最后，為了評(píng)估任務(wù)是否會(huì)在被試之間產(chǎn)生一致的相位耦合，研究者對(duì)任務(wù)頻率下的相位值進(jìn)行了自舉Rayleigh測(cè)試。一致耦合應(yīng)該為相位值在最佳角度周圍的狹窄分布。相反，信號(hào)較差的被試間同步應(yīng)在整個(gè)360°圓內(nèi)呈現(xiàn)出更均勻的分布。

2.7從傳遞函數(shù)估計(jì)深層成分

采用一種新方法從傳遞函數(shù)估計(jì)CS。假設(shè)DS只包含在SS中看到的相同波動(dòng)，兩個(gè)信號(hào)之間的關(guān)系應(yīng)該是高度線性和相干的，只會(huì)因短通道和長(zhǎng)通道采樣的體積的微小差異而改變。因此，傳遞函數(shù)應(yīng)在頻率范圍內(nèi)產(chǎn)生相當(dāng)恒定的增長(zhǎng)值（取決于SS產(chǎn)生的DS功率的小數(shù)部分）和接近零的相移（同相）。此外，相干值應(yīng)接近1。當(dāng)DS中加入另一個(gè)振蕩時(shí)，可以預(yù)期在某些頻率下的增益或相位會(huì)出現(xiàn)一定程度的干擾。在特定頻率下，循環(huán)血流動(dòng)力學(xué)振蕩可以近似為正弦，完全由振幅、相位和頻率值定義。添加兩個(gè)共同頻率的正弦會(huì)產(chǎn)生一個(gè)頻率相同但幅度或相位改變的正弦波。在本例中，如果任務(wù)在淺層和深層引起獨(dú)立的循環(huán)振蕩，則在任務(wù)頻率下觀察到的深正弦波Xds（t）將由兩個(gè)貢獻(xiàn)的正弦曲線Xss（t）和Xuk（t）之和產(chǎn)生，即

其中Xss（t）是觀測(cè)到的淺正弦波，Xuk（t）是未知的深部成分。所有這些正弦波用振幅A，角頻率ω和相位值Φ表示，因此，正弦式為：

因?yàn)樗鼈兇砉差l的諧波振蕩（即，ωds=ωss=ωuk=任務(wù)頻率），它們不依賴于ω或t，只有在A和Φ上，可以將其轉(zhuǎn)換為相量（或復(fù)數(shù)）。指數(shù)形式為：

其中

，

和

分別為Xds（t）、Xss（t）和Xuk（t）的相量，根據(jù)相量代數(shù)：

因此，可以通過(guò)計(jì)算與已知相量對(duì)應(yīng)的兩個(gè)復(fù)數(shù)的減法來(lái)估計(jì)未知分量，即：

為此，首先獲得相位和振幅的相量值，如下所示：（1）指定

?ss作為“參考相量”，因此，Φss=0。（2）根據(jù)傳遞函數(shù)，得到了在任務(wù)頻率下SS和DS之間的相位值ft，所以Φds=arg（H（ft）），表示

ds相對(duì)于

ss的位移。（3）通過(guò)計(jì)算ft處的均方根振幅并將其轉(zhuǎn)換為正弦曲線的峰值振幅，從PSD中獲得Ads，即Ads=

，其中FR是頻率分辨率（0.005Hz）。由于頻譜泄漏，通過(guò)對(duì)頻率間隔[ft-FR，ft+FR]內(nèi)的PSD值求和，可以獲得更好的振幅估計(jì)。（4）用同樣的方法估計(jì)Ass，然后將其縮放到DS中應(yīng)該達(dá)到的理論值。比例是在“基線”期間ft處傳遞函數(shù)的增益值，但它表示沒(méi)有顯著深層成分參與時(shí)，DS中存在的SS影響。因此，將Ass乘以基線增益，得出其縮放幅度。然后執(zhí)行相量減法（方程式1），以獲得振幅Auk和相量

uk的相位Φuk。

uk被轉(zhuǎn)換為正弦曲線，它表示通過(guò)傳遞函數(shù)估計(jì)的替代CS。該程序針對(duì)每個(gè)參與者的信號(hào)進(jìn)行，并計(jì)算每個(gè)ROI和發(fā)色團(tuán)的平均值。

2.8模擬

為了評(píng)估通過(guò)相量估計(jì)CS的可行性，研究者使用任務(wù)期間的數(shù)據(jù)，而不是人工或基線信號(hào)，進(jìn)行了真實(shí)的模擬。DS是將SS縮放至深層記錄中應(yīng)達(dá)到的振幅，即乘以基線期間的傳遞函數(shù)增益得到的。以0.033Hz的正弦波形式生成合成神經(jīng)信號(hào)，振幅和相位由回歸估計(jì)的平均CSs獲得（振幅=0.05μM和0.04μM，HbO時(shí)滯=13s，HbR時(shí)滯=-9.5s，相對(duì)于CS來(lái)說(shuō)）（見(jiàn)結(jié)果3.1和圖4）。然后，將正弦信號(hào)添加到DS中，以構(gòu)建模擬的深層信號(hào)。該程序應(yīng)用于每個(gè)被試的中間ROI數(shù)據(jù)，然后對(duì)神經(jīng)成分進(jìn)行回歸和相量估計(jì)。由于相量估計(jì)結(jié)果代表整個(gè)任務(wù)的平均值，在整個(gè)試次中取回歸估計(jì)信號(hào)的平均值，以便進(jìn)行被試內(nèi)比較。使用真實(shí)合成信號(hào)和恢復(fù)信號(hào)之間的均方根誤差（RMSE）量化神經(jīng)估計(jì)的質(zhì)量。用配對(duì)t檢驗(yàn)來(lái)檢驗(yàn)統(tǒng)計(jì)差異。

2.9測(cè)量HbO/HbR耦合

為了研究HbO和HbR之間的顯著頻域相關(guān)性，計(jì)算了它們?cè)诨€和任務(wù)條件下的MSC和CPSD。在這種情況下，研究者只對(duì)SS和CS信號(hào)感興趣，假設(shè)DS只是前兩者的線性組合。MSC和CPSD數(shù)據(jù)，以及它們的平均值和顯著性閾值，通過(guò)前面的相同程序獲得。從復(fù)值CPSD中提取任務(wù)頻率的相位數(shù)據(jù)，以評(píng)估兩個(gè)發(fā)色團(tuán)之間的時(shí)間關(guān)系（時(shí)間偏移）。接下來(lái)在組水平上計(jì)算了相位角的角度均值，然后，為了評(píng)估相位角是否明顯朝向首選方向，研究者應(yīng)用了自舉Rayleigh檢驗(yàn)進(jìn)行了2000次重采樣。95%的置信區(qū)間也通過(guò)自舉法進(jìn)行計(jì)算。

2.10測(cè)量HbO/心率耦合

如第2.9節(jié)所述，通過(guò)MSC和CPSD研究了HbO與心率之間的關(guān)系。只使用SS信號(hào)的HbO數(shù)據(jù)，因?yàn)樾穆屎推渌盘?hào)之間的耦合可以從之前進(jìn)行的其他測(cè)試中獲得的結(jié)果推斷出來(lái)。

3.結(jié)果

本研究分析了fNIRS信號(hào)如何在周期性心算任務(wù)中進(jìn)行波動(dòng)，這可能會(huì)誘發(fā)生理應(yīng)激反應(yīng)。為了減少可能影響結(jié)果的假定壓力反應(yīng)，研究者采取了以下措施：首先，使用了一個(gè)只有30s的任務(wù)持續(xù)時(shí)間，包括計(jì)算和復(fù)原階段。其次，讓被試事先練習(xí)10-15min，確保其理解實(shí)驗(yàn)任務(wù)。第三，被試在整個(gè)實(shí)驗(yàn)過(guò)程中有穩(wěn)定的心理表現(xiàn)，且心率波動(dòng)較低。實(shí)際上，實(shí)驗(yàn)的兩種條件（基線和任務(wù)）下，他們的心率值沒(méi)有顯著差異（Wilcoxon符號(hào)秩檢驗(yàn)，p=0.091）。就平均而言，在任務(wù)期間，平均心率僅略微增加，即與基線相比增加了7bpm（9%）（見(jiàn)表1）。

3.1振蕩與任務(wù)頻率一致

fNIRS信號(hào)顯示出與任務(wù)頻率一致的明顯振蕩，并且在淺層和深層的多個(gè)ROI上始終觀測(cè)到這種振蕩。圖3顯示了組水平PSD分析的結(jié)果。針對(duì)三個(gè)ROI中的每一個(gè)、每種信號(hào)類型和每種條件（基線和任務(wù)），對(duì)參與者的歸一化PSD進(jìn)行平均。DC成分（頻率=0）設(shè)置為零，顯示頻率范圍的上限值為0.08Hz。在靜息狀態(tài)（圖3，黑線）和心理任務(wù)（圖3，彩線）期間，都可以在～0.01 Hz處看到一個(gè)普遍存在的峰值，盡管聚類置換檢驗(yàn)發(fā)現(xiàn)這兩種條件之間沒(méi)有顯著差異。然而，僅在任務(wù)期間檢測(cè)到ft處的清晰峰值，并通過(guò)聚類檢驗(yàn)標(biāo)記為顯著（p＜.01）（圖3，灰色陰影區(qū)域）。該峰值與任務(wù)頻率密切相關(guān)，并在所有ROI和信號(hào)類型中可以觀察到。在某些情況下，還發(fā)現(xiàn)0.066Hz左右的次級(jí)峰值，這很可能表示基本任務(wù)頻率的諧波。顯然，這項(xiàng)任務(wù)成功地誘發(fā)了HbO和HbR的周期性波動(dòng)，這些波動(dòng)出現(xiàn)在淺層信號(hào)（圖3SS）、深層信號(hào)（圖3DS）和干凈信號(hào)（圖3CS）中。

圖4顯示了在使用0.015 Hz的濾波器寬度對(duì)任務(wù)頻率范圍進(jìn)行帶通濾波后，HbO和HbR組水平的平均時(shí)間軌跡?？梢钥闯鯯Ss（圖4SS）是如何開(kāi)始與任務(wù)試次同步振蕩的，盡管在兩個(gè)發(fā)色團(tuán)之間顯示出明顯的時(shí)間偏移。圖4還描述了被試試次的總平均值（時(shí)間軌跡旁邊的小圖），對(duì)于SS顯示出一個(gè)共同的反應(yīng)，包括：（i）在試次開(kāi)始前不久，HbO強(qiáng)烈增加，在約11.2s時(shí)達(dá)到最大值，（ii）然后HbO在隨后的休息期間緩慢恢復(fù)到之前的水平，（iii）HbR變化不太明顯，領(lǐng)先HbO約4s。DSs可以觀察到類似的周期性響應(yīng)（圖4DS），但HbO峰值略低于SS（約0.3s），而HbR滯后SS約2s。最后，CSs也顯示了與任務(wù)一致的周期性波動(dòng)（圖4CS），但在這種情況下，HbO相對(duì)于SS以反相振蕩。此外，HbO和HbR顯示出相似的振幅（～0.05μM），并且彼此呈反相關(guān)，HbO在約12.6s時(shí)顯示出谷值，HbR在約18.5s時(shí)顯示出峰值。在這一點(diǎn)上，觀察到的DS相對(duì)于SS的時(shí)間偏移似乎是由于CS成分的總和。有趣的是，在CS中看到倒置的HbO/HbR反應(yīng)，即HbO減少，HbR增加。但倒置模式不會(huì)立即出現(xiàn)，會(huì)在最初的幾個(gè)試次中逐漸達(dá)到穩(wěn)定。這一觀察結(jié)果可能有助于初步的生理解釋。

3.2 SS/DS關(guān)系

為了研究淺層波動(dòng)在多大程度上影響深部信號(hào)，研究者在SS和DS數(shù)據(jù)之間進(jìn)行了相干、交叉譜和傳遞函數(shù)估計(jì)（圖5）。分析顯示，在以ft為中心的任務(wù)期間，出現(xiàn)了一個(gè)顯著的交叉譜峰值（p＜.01），并且存在于HbO和HbR的所有ROI中（圖5a，左側(cè)）。這些峰值表明，SS和DS在任務(wù)頻率上振蕩，具有顯著的同步功率。此外，有一個(gè)較高的峰值位于約0.01Hz處，但與基線相比，任務(wù)期間無(wú)顯著差異。

在這兩種條件下，整個(gè)探測(cè)頻率范圍的相干值均高于顯著性閾值（圖5a，右側(cè)圖），描述了頻域中SS和DS之間的一致線性關(guān)系。HbO的相干性水平很高（平均＞0.8），表明相關(guān)性更強(qiáng)，并且HbO可能比HbR更受淺層血流動(dòng)力學(xué)的影響。應(yīng)該注意的是，相干性在ft前后的任務(wù)中也達(dá)到峰值（在HbR上非常明顯），這意味著任務(wù)誘發(fā)的振蕩比自發(fā)振蕩更相干。

在任務(wù)期間，傳遞函數(shù)分析顯示HbO在ft左右的幅度下降，尤其是在中間ROI（圖5b）。相位值在相同頻率下也顯示出一定的擾動(dòng)（圖5c）。HbR表現(xiàn)出輕微的幅度增加，主要在中間和左側(cè)ROI中可以觀察到（圖5b），同時(shí)相位值出現(xiàn)強(qiáng)烈干擾（圖5c）。同樣，靜息狀態(tài)下沒(méi)有顯示出這種變化。t檢驗(yàn)顯示，休息期間的HbO和HbR的增益值在組水平上沒(méi)有差異（p=0.2）。然而，在任務(wù)期間，中間和左側(cè)ROI中HbO的增益值明顯較低（p＜.01），這與圖5b中顯示的增益值下降一致。在比較任務(wù)與休息條件時(shí)，配對(duì)t檢驗(yàn)顯示出HbO或HbR沒(méi)有差異，這表明就平均而言，任務(wù)期間的變化非常細(xì)微。

圓形直方圖顯示，在靜息態(tài)期間，所有情況下的相位角集中在任務(wù)頻率的0°左右（圖5g）。這意味著SS和DS在該頻率下幾乎同相振蕩（無(wú)時(shí)滯）。然而，在任務(wù)期間，中間和左側(cè)ROI的HbR相位分別明顯移向正值（DS滯后于SS）22°和30°，對(duì)應(yīng)于時(shí)間滯后1.8和2.5s的ft（圖5d）。HbO的相位變化不如HbR明顯，在相同的ROI中觀察到輕微的負(fù)值偏移（DS快于SS）。值得注意的是，從相位值計(jì)算的時(shí)滯與從平均時(shí)間序列獲得的時(shí)滯一致（見(jiàn)圖4）。

正如預(yù)期那樣，這些結(jié)果證了實(shí)淺層和深層信號(hào)高度相關(guān)，突出表層血流動(dòng)力學(xué)對(duì)深層記錄的強(qiáng)烈影響，這對(duì)于HbO尤其如此。分析還揭示了與任務(wù)相關(guān)的幅值和相位變化，指出了DS中唯一存在的深層成分的貢獻(xiàn)，它負(fù)責(zé)觀測(cè)到的干擾。因此，這些發(fā)現(xiàn)證實(shí)了深層記錄捕捉到了其他不同于表層的振蕩過(guò)程。

3.3傳遞函數(shù)的神經(jīng)信號(hào)估計(jì)

研究者采用另一種方法，通過(guò)使用從傳遞函數(shù)獲得的幅值和相位數(shù)據(jù)的相量表示來(lái)估計(jì)假定的神經(jīng)信號(hào)。假設(shè)信號(hào)在任務(wù)確定的排序周期內(nèi)是平穩(wěn)的情況下，為其建模在0.033 Hz（即任務(wù)頻率）下振蕩的正弦曲線。相量代數(shù)用于提取解釋DS中觀察到的擾動(dòng)的隱藏深層成分。圖6比較了通過(guò)回歸獲得的CS與通過(guò)中間ROI中的傳遞函數(shù)數(shù)據(jù)估計(jì)的CS。如第3.2節(jié)所述，HbO的傳遞函數(shù)顯示出在ft左右的幅度明顯下降，同時(shí)相移約為?8°，如圖6a中間圖所示。左圖顯示了實(shí)驗(yàn)獲得的試次的總平均值，比較了SS（實(shí)線）和DS（虛線）?？梢钥吹紻S的振幅較小，相對(duì)于SS向左側(cè)輕微移動(dòng)。右圖顯示了在沒(méi)有任何其他干擾成分的情況下，根據(jù)靜息態(tài)得到的幅度估計(jì)值，SS在DS中應(yīng)該是什么樣子。如紅色箭頭所示，與預(yù)測(cè)SS（實(shí)線）相關(guān)的觀測(cè)DS（虛線）的幅值和相位差現(xiàn)在更加明顯。

執(zhí)行相量減法后，干擾深層成分顯示為圖6c右側(cè)圖中紅色跡線所示的正弦曲線。HbR中，在ft處測(cè)量到微小增加的幅度和大約22°的相移。類似地，圖6b的右圖說(shuō)明了預(yù)測(cè)（實(shí)線）和觀察（虛線）DS之間的差異。相量代數(shù)指出圖6c右側(cè)繪制的藍(lán)色正弦曲線是造成干擾的原因。圖6c的左圖顯示了通過(guò)回歸獲得的CSs?？梢钥闯?，它與相量估計(jì)的深層成分非常匹配。對(duì)于三個(gè)ROI（右、中、左），HbO的SS和CS之間的估計(jì)時(shí)滯平均為11.5、13和10.7s，而HbR為?9.9、，?9.5和?9.5s。相量分析證實(shí)，這項(xiàng)任務(wù)以倒置的HbO/HbR反應(yīng)的形式誘發(fā)了深部血流動(dòng)力學(xué)波動(dòng)，研究者將其視為正在尋找的神經(jīng)信號(hào)?？紤]到被試之間的個(gè)體差異和可變性，還是發(fā)現(xiàn)90%的被試（n=18）在至少一個(gè)ROI中表現(xiàn)出這種類型的反應(yīng)。

3.4模擬結(jié)果

圖7a顯示了被試的每個(gè)發(fā)色團(tuán)的帶通濾波SS、模擬DS和合成神經(jīng)響應(yīng)的一部分。對(duì)于每種估計(jì)方法，所有被試的平均恢復(fù)信號(hào)如圖7b所示。在HbO的情況下，可以看出，兩種方法的恢復(fù)信號(hào)的形狀非常相似，但相量更適合真實(shí)的合成信號(hào)，顯示出顯著較低的RMSE值。HbR時(shí)間過(guò)程也具有可比性，但相量的表現(xiàn)也更好。

這些發(fā)現(xiàn)表明，與相量相比，回歸降低了振幅（主要是HbO的振幅）。本研究發(fā)現(xiàn)HbO的SS-DS相干性高于HbR，表明回歸性能可能會(huì)受到強(qiáng)相關(guān)性的影響?？偟膩?lái)說(shuō)，相量法似乎與回歸法一樣好，甚至比回歸法更好，并且在任何情況下都有助于獨(dú)立地驗(yàn)證結(jié)果。

3.5 HbO/HbR耦合

在任務(wù)期間，CPSD在所有ROI的SS（圖8SS，左軸，紅色跡線）和CS（圖8CS，左軸，紅色跡線）的ft處顯示出明顯的同步功率峰值。MSC測(cè)量結(jié)果顯示在多個(gè)頻率下存在顯著的頻域相關(guān)水平。還可以看出，任務(wù)期間（紅色跡線）的MSC水平高于靜息狀態(tài)（黑色跡線），這表明任務(wù)不僅在頻率上增加了耦合，而且在頻率之外也增加了耦合。MSC也在ft左右達(dá)到峰值，在中間和左側(cè)ROI達(dá)到最高水平，這表明HbO和HbR之間有很強(qiáng)的相關(guān)性。關(guān)于SS的時(shí)間耦合，圓形直方圖顯示了ft處的相位差在任務(wù)期間顯著集中在右側(cè)、中間和左側(cè)ROI的-39°、-39°和 -47°上（圖8SS，底部圓形圖）。對(duì)于基線數(shù)據(jù)，相位分析對(duì)任何ROI都不顯著（圖8SS，頂部的圓形圖）。但CS顯示，平均后HbO和HbR在中間和左側(cè)ROI中幾乎呈反相振蕩，顯示時(shí)間延遲約為15s，但優(yōu)先級(jí)不明確。在右側(cè)ROI中，在任何情況下都沒(méi)有達(dá)到顯著性水平。這些結(jié)果表明，該任務(wù)在淺層和深層引起HbO和HbR之間的相干波動(dòng)，但存在一些差異。對(duì)于SS，被試在所有ROI上的時(shí)間耦合是一致的。然而，組水平上的CS相位僅在中間和左側(cè)區(qū)域是一致的，而且顯示出反相波動(dòng)，與反向血流動(dòng)力學(xué)反應(yīng)一致。

3.6 HbO/心率耦合

CPSD和MSC測(cè)量也用于研究HbO和心率耦合。這里只關(guān)注淺層信號(hào)中的顯著峰值。如圖9所示，同步功率的峰值位于三個(gè)ROI中的ft處。同時(shí)，MSC在相同頻率下也達(dá)到峰值，表明在任務(wù)頻率下有很強(qiáng)的相關(guān)性。但在任何情況下，相位平均值均未達(dá)到顯著水平。這些結(jié)果表明，在單一被試水平上，HbO和心率振蕩耦合良好，使得平均后的組水平上有顯著一致性。然而，各個(gè)相位值的差異足以分散角度平均值，這反映出兩個(gè)信號(hào)在時(shí)間耦合上存在明顯的被試間差異。圖9還顯示了帶通濾波HbO（底圖，紅線）和心率（底圖，黑線）的平均波動(dòng)。被試間試次的總平均值（時(shí)間進(jìn)程旁邊的小圖）也顯示，這兩種信號(hào)在試次開(kāi)始前幾秒鐘開(kāi)始增加。

4.結(jié)論

本研究的主要目的是：評(píng)估使用節(jié)律性認(rèn)知任務(wù)，來(lái)誘發(fā)適用于有效頻率分辨測(cè)量的周期性血流動(dòng)力學(xué)波動(dòng)的可行性。首先研究了功率譜分析是否可以區(qū)分任務(wù)期和休息期。接下來(lái)，測(cè)量了不同信號(hào)對(duì)之間的相位-振幅耦合，以估計(jì)其線性關(guān)系，旨在區(qū)分功能性腦反應(yīng)和腦外混雜因素，并推斷潛在過(guò)程的性質(zhì)。

心算任務(wù)成功地誘發(fā)了前額區(qū)域測(cè)量到的NIRS信號(hào)的周期性變化，表現(xiàn)為以任務(wù)頻率（即0.033Hz）為中心的高度特征譜峰。這些峰值明顯可從靜息狀態(tài)下的自發(fā)活動(dòng)中辨別出來(lái)，并且明顯與壓力反應(yīng)無(wú)關(guān)。由于心算任務(wù)經(jīng)常被用作壓力源，而心理超負(fù)荷會(huì)增加壓力，這里使用的實(shí)驗(yàn)方案是為了盡量減少這種影響而定制的。

本研究證實(shí)了表面血流動(dòng)力學(xué)對(duì)深層fNIRS信號(hào)的強(qiáng)烈影響，這反映在從多距離記錄獲得的信號(hào)之間的高相干水平上。利用任務(wù)施加的同步振蕩狀態(tài)來(lái)提取振幅和相位數(shù)據(jù)，并使用它來(lái)分離真實(shí)的深層信號(hào)和來(lái)自腦外組織的信號(hào)。但提取的深部信號(hào)遵循一種不尋常的模式，即HbO減少和HbR增加，這與典型的大腦激活反應(yīng)是相反的。總而言之，本次研究結(jié)果表明，在額葉區(qū)域，深層信號(hào)受到表層活動(dòng)的強(qiáng)烈影響。事實(shí)上，如果只分析深層信號(hào)而不進(jìn)行適當(dāng)?shù)男Ｕ?，則可能錯(cuò)誤地推斷出任務(wù)誘發(fā)的激活反應(yīng)。當(dāng)只考慮HbO時(shí)，更有可能發(fā)生這種錯(cuò)誤。

原文：Frequency-domain analysis of fNIRS fluctuations induced by rhythmic mental arithmetic.

https://doi.org/10.1111/psyp.14063