【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于利用以给定任务频率进行的周期性大脑刺激在受试者体内获得近红外光谱大脑信号的方法，其中，大脑信号是干净的，不存在来自身体其他部位的干扰成分，因此该大脑信号主要对应于大脑活动。
技术介绍
1、基于神经血管耦合原理，功能性近红外光谱技术(fnirs)旨在检测由神经元耗氧量所引起的血液动力学改变。近红外光谱技术(nirs)是一种非侵入式光学成像技术，它已被广泛用于通过氧合血红蛋白(hbo)和脱氧血红蛋白(hbr)的相对浓度变化来测量大脑(主要是皮层)的活动(综述参见：obrig和villringer，2003；pinti等人，2018)。
2、fnirs研究中的一个主要难题是可靠地将因神经血管耦合引起的血液动力学反应与其他混杂成分区分开(tachtsidis和scholkmann，2016)。由大脑活动引起的fnirs变化在幅值上是自然较低的，并且不幸地是，它也与并非源自于大脑皮层的其他波动重叠，这些波动主要是：(i)在大脑区域和脑外区域中均可检测到的全身血液动力学活动(bauernfeind，wressnegger，daly和müller-putz，2014；minati，kress，visani，medford和critchley，2011；tachtsidis等人，2009)，(ii)头部浅表组织层中的局部血流变化(kirilina等人，2012)，以及(iii)仪器噪声和其他伪影。远非简单自发产生的前两者也可以通过认知任务、情感任务或身体任务引起。如果信号的这些与非皮层任务相关的成分的调制模拟了
3、为了更好地推断功能反应的存在，实验方案试图通过重复足够次数的刺激来提高统计检定力，其中穿插着预期不同反应(或无反应)的对比条件。为此，fnirs实验通常使用区块设计或与事件相关的设计，这取决于人们想分别分析持续反应还是瞬态反应(pinti等人，2018)。事件设计使用持续时间短的刺激，其通常按顺序随机进行并由恒定或抖动的刺激间距予以分隔。区块设计试图通过在一种条件下提供刺激并持续足够长的时间间隔，然后是不同的条件或其余的刺激间距来保持心理参与(amaro&barker，2006)。为了研究‘持续’和‘瞬态’反应之间的相互作用，也可以使用混合设计(petersen&dubis，2012)。
4、根据刺激呈现策略，已经研发了不同的分析方法来关于功能性血液动力学反应作出推断，并将其与混杂干扰分离开(综述参见sungho tak和ye，2014)。尽管经典的平均策略提供了稳健的结果，但通常基于平均值的统计测试(例如t检验或方差分析)不允许估计fnirs信号的形状或时间过程，因此它们已被更强大的方法逐渐取代。这些包括一般线性模型(glm)框架(k.friston，ashburner，kiebel和nichols，2007；schroeter，bücheler等人，2004)、数据驱动方法，例如主成分分析(pca)和独立成分分析(ica)(kohno等人，2007；yiheng zhang，brooks，franceschini和boas，2005)和动态状态空间建模(diamond等人，2006；kolehmainen，prince，arridge和kaipio，2003)。glm是最为广泛采用的统计框架之一，用于量化测量到的fnirs信号与反映预期神经反应的血液动力学模型的拟合程度。它利用了fnirs的良好时间分辨率，并允许在回归模型内包括不同的协变量(例如生理信号)。在其最基本的形式中，该模型是通过将血液动力学反应函数(hrf)与编码神经元反应的假设时间进程的刺激函数卷积而获得的(koh等人，2007；sungho tak和ye，2014)。因此，glm是一种假设驱动方法，其需要结合特定的hrf(通常取自fmri研究)和其他干扰回归因子(nuisance regressor)来构建该线性模型，根据任务类型、大脑区域和参与者的特质，该线性模型可能并不是显而易见的。此外，由于一些统计问题，导致glm在应用于fnirs信号时需要特别小心(huppert，2016；huppert，diamond，franceschini和boas，2009；koh等人，2007)。相比之下，pca方法和ica方法分别只依赖于正交性和独立性的一般统计假设。尽管有助于分离组成fnirs信号的混合成分，但它们需要额外的处理来阐明它们中的哪些与任务相关，哪些与任务无关，当脑外反应和大脑反应相关时，这是尤其困难的(zhou，sobczak，mckay和litovsky，2020)。主要基于卡尔曼滤波器的状态空间模型允许建立复杂的血液动力学模型来描述fnirs信号的时变特性并估计hrf。尽管动态分析似乎提供了更好的对于hrf的估计，并更好地考虑了非平稳信号，但它仍然需要改进模型规范和状态空间估计器。
5、无论每种实验方法的优缺点如何，都可以从包括短距离记录中获益，以获得浅表层对fnirs信号的贡献的参考(综述参见：fantini，frederick和sassaroli，2018；tachtsidis和scholkmann，2016；sungho tak和ye，2014)。多距离测量被认为在分离实际大脑反应方面是特别有效的。然而，仍然存在一些悬而未决的问题，例如，关于源探测器距离的理想范围、短通道的最佳数量及其相对于长通道的布置方式。理想情况下，由于越来越多的证据表明表面血流动力学的异质性(wyser等人，2020)，因此每个长通道应与至少一个附近的短通道配对。不幸地是，目前利用最常用的nirs装置不可能实现成对测量的精确空间构型。
6、因此，本专利技术的一个目的是提供一种用以获得受试者体内的仅接入(have accessto)长通道和短通道的近红外光谱大脑信号的方法。
技术实现思路
1、本专利技术描述了一种用以获得受试者体内的近红外光谱大脑信号的方法。本质上，该方法包括下列步骤：将近红外发射器和相应的近侧和远侧近红外探测器放置在受试者的头部的皮肤上；在受试者处于静息状态的基线记录阶段期间，由计算机将从近红外发射器接收到的近红外信号记录在近侧和远侧近红外探测器中，所记录的信号包括由远侧近红外探测器接收到的基线深层信号和由近侧近红外探测器接收到的基线浅层信号；由计算机计算处于给定任务频率下的基线深层信号的幅值与基线浅层信号的幅值之间的比例因子；在受试者在刺激记录阶段期间经历以任务频率进行的周期性大脑刺激的情况下，由计算机将从近红外发射器接收到的近红外信号记录在近侧和远侧探测器中，所记录的信号本文档来自技高网...
【技术保护点】
1.一种获得受试者(1)体内的近红外光谱(fNIRS)大脑信号(SCS)的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述大脑刺激是心理活动或认知活动。
3.根据权利要求1所述的方法，其特征在于，所述大脑刺激是视觉、听觉、嗅觉、味觉、体感或肌动活动。
4.根据前述权利要求中的任一项所述的方法，其特征在于，由所述计算机(20)在所述刺激记录阶段(t2)期间获得处于所述任务频率(ft)下的所述大脑信号(SCS)的步骤包括由所述计算机(20)获得所述大脑信号(SCS)的相位和幅值。
5.根据前一权利要求所述的方法，其特征在于，由所述计算机(20)在刺激期间获得所述大脑信号(SCS)的相位和幅值的步骤包括：
6.根据前述权利要求中的任一项所述的方法，其特征在于，处于所述任务频率(ft)下的所述深层信号(SDS)与所述浅层信号(SSS)之间的相位差通过由所述计算机(20)计算在所述深层信号(SDS)与所述浅层信号(SSS)之间的频域中的经验转移函数(TF)并且由所述计算机(20)计算处于所述任务频率(f
7.根据前述权利要求中的任一项所述的方法，其特征在于，由所述计算机(20)计算处于所述任务频率(ft)下的基本深层信号(BDS)的幅值与基本浅层信号(BSS)的幅值之间的比例因子(K)的步骤包括由所述计算机(20)计算所述基本深层信号(BDS)与所述基本浅层信号(BSS)之间的与复频率相关的基本转移函数(bTF)，并且由所述计算机(20)将处于所述任务频率(ft)下的所述基本转移函数(bTF)的增益确定为所述比例因子(K)。
8.根据前述权利要求中的任一项所述的方法，其特征在于，所述任务频率(ft)是在0.015Hz和0.07Hz之间的频率。
9.根据前一权利要求所述的方法，其特征在于，所述任务频率(ft)是在0.025Hz和0.05Hz之间的频率。
10.根据前一权利要求所述的方法，其特征在于，所述任务频率(ft)是0.033Hz的频率。
11.根据前述权利要求中的任一项所述的方法，其特征在于，具有多组近红外发射器和相应的近侧和远侧近红外探测器，所述方法还包括由所述计算机(20)对针对每组获得的所述浅层信号(SSS)和所述深层信号(SDS)求取平均值。
12.根据前述权利要求中的任一项所述的方法，其特征在于，在所述刺激记录阶段(t2)期间由所述计算机(20)进行记录的步骤包括交替进行：
13.根据前一权利要求所述的方法，其特征在于，所述刺激的半周期和所述基线静息的半周期具有相同的持续时间。
14.一种用于获得所述受试者(1)体内的近红外光谱(fNIRS)大脑信号(SCS)的系统(100)，所述系统包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种获得受试者(1)体内的近红外光谱(fnirs)大脑信号(scs)的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述大脑刺激是心理活动或认知活动。
3.根据权利要求1所述的方法，其特征在于，所述大脑刺激是视觉、听觉、嗅觉、味觉、体感或肌动活动。
4.根据前述权利要求中的任一项所述的方法，其特征在于，由所述计算机(20)在所述刺激记录阶段(t2)期间获得处于所述任务频率(ft)下的所述大脑信号(scs)的步骤包括由所述计算机(20)获得所述大脑信号(scs)的相位和幅值。
5.根据前一权利要求所述的方法，其特征在于，由所述计算机(20)在刺激期间获得所述大脑信号(scs)的相位和幅值的步骤包括：
6.根据前述权利要求中的任一项所述的方法，其特征在于，处于所述任务频率(ft)下的所述深层信号(sds)与所述浅层信号(sss)之间的相位差通过由所述计算机(20)计算在所述深层信号(sds)与所述浅层信号(sss)之间的频域中的经验转移函数(tf)并且由所述计算机(20)计算处于所述任务频率(ft)下的所述转移函数(tf)的自变量来获得。
7.根据前述权利要求中的任一项所述的方法，其特征在于，由所述计算机(20)计算处于所述任务频率(ft)下的基本深层信号(bds)的幅值与基本浅层信号(bss)的幅值之间的比例因子(...
【专利技术属性】
技术研发人员：J·伊巴涅斯巴列斯特罗斯，S·莫利纳罗德里格斯，C·贝尔蒙特马丁内斯，
申请(专利权)人：纽曼布雷恩公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。