010-53352947

近红外专栏第四期:近红外噪声识别(一)




初识噪声




原理回顾


之前的推文中已经详细讲解了近红外的基本原理。为了更好的了解本文,在此我们在此简要回顾一下近红外的原理。

功能近红外光谱技术是一种非侵入性的测量大脑活动的方法。由于含氧血红蛋白(HbO)和脱氧血红蛋白(HbR)的吸收光谱频率不同,因此可以通过近红外光(波长通常为650 – 950 nm)测量来确定HbO和HbR的浓度变化(Ferrari & Quaresima, 2012; Scholkmann et al., 2014)。当光源和探测器的范围在3cm左右时。近红外光可以穿透大脑皮层1-1.5cm,研究者可以借此研究大脑中的神经变化过程(Fukui et al., 2003)。

图1



近红外光子穿行方式


图2



近红外技术原理




大脑组成


大脑由具有不同光学特性的各种组织组成,而近红外技术在原理上是通过探测传入光和穿出光的变化进而反应大脑血氧变化的,因此研究头部的光学非均质性对光在大脑中的传播的影响是十分有必要的(Jue & Masuda, 2013)。

成人头部截面如图所示。人体的大脑是一个分层结构,它是由头皮、颅骨、硬脑膜、蛛网膜、充满脑脊液的蛛网膜下腔、硬脑膜、灰质和白质构成。大脑中头皮和头骨的厚度是不均匀的,大脑表面折叠着沟。这些复杂的结构对大脑中的光子迁移均会产生影响(Jue & Masuda, 2013)。

图3



大脑构成


图4 



大脑横截面




近红外中的噪声


在近红外数据采集中,近红外数据可以写成下图公式。这个数学模型强调了两个重要的事实:首先神经数据是由大脑、设备、获取参数和不同噪音引入的不同成分的混合物;(其次大脑的变化可能由年龄、基因、种族、疾病和其他因素(如刺激、生活方式或环境因素)引起。而在短时间采集中,就算是同种设备,机器噪声的干扰也大于所想探测的生理信号。因此,深入理解噪声不仅有利于我们识别它,更能帮助我们更好的认识神经信号的本质(Scholkmann et al., 2022; Zhu et al., 2023)。

图5 


近红外数据模拟公式


图6





近红外信号构成




引用


Chaddad, A. (2014). Brain Function Diagnosis Enhanced Using Denoised fNIRS Raw Signals. Journal of Biomedical Science and Engineering, 07(04), 218–227.
Fernandez Rojas, R., Huang, X., Hernandez-Juarez, J., & Ou, K.-L. (2017). Physiological fluctuations show frequency-specific networks in fNIRS signals during resting state. 2017 39th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2550–2553.
Ferrari, M., & Quaresima, V. (2012). A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application. NeuroImage, 63(2), 921–935.
Fukui, Y., Ajichi, Y., & Okada, E. (2003). Monte Carlo prediction of near-infrared light propagation in realistic adult and neonatal head models. Applied Optics, 42(16), 2881.
Jue, T., & Masuda, K. (Eds.). (2013). Application of near infrared spectroscopy in biomedicine. Springer.
Lee, G., Lee, S. H., Sang, H. J., & An, J. (2017). Baseline drift detection index using wavelet transform analysis for fNIRS signal. 2017 5th International Winter Conference on Brain-Computer Interface (BCI), 73–76.
Rojas, R. F. (n.d.). Development of an Objective Pain Assessment using Functional Near-Infrared Spectroscopy and Machine Learning.
Scholkmann, F., Kleiser, S., Metz, A. J., Zimmermann, R., Mata Pavia, J., Wolf, U., & Wolf, M. (2014). A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage, 85, 6–27.
Scholkmann, F., Tachtsidis, I., Wolf, M., & Wolf, U. (2022). Systemic physiology augmented functional near-infrared spectroscopy: A powerful approach to study the embodied human brain. Neurophotonics, 9(03).
Zhu, H., Li, T., & Zhao, B. (2023). Statistical Learning Methods for Neuroimaging Data Analysis with Applications. Annual Review of Biomedical Data Science, 6(1), annurev-biodatasci-020722-100353.
公司简介
北京恒挚科技有限公司,由中科(广东)科学集团投资,依托于广东人因技术研究院与武汉人因工程技术研究院,是一家新型的以心理人因、驾驶人因、生物力学、用户体验、虚拟现实等方向为基础,集生产、研发、销售、技术服务于一体的高新科技型企业,已成功入选中关村高新技术企业名单。

恒挚科技自主研发的驾驶人因系统、虚拟现实图形化编辑软件、光环境心理评估系统、心理与人因实验教学系统,已经进入国内市场。
恒挚科技作为波兰Cortivision近红外、俄罗斯Mitsar脑电中国区总代理、意大利BTS表面肌电等生物力学与步态分析的国内产品总代理商,荷兰Noldus行为科学、瑞典Tobii眼动仪、荷兰MindMedia生理与生物反馈、美国Biopac生理、美国ETT嗅觉/味觉刺激仪等产品的国内特许代理商。所经营的高新科技产品,已服务于包括清华大学、北京师范大学、东北师范大学、燕山大学、启元实验室、西安建筑科技大学、西北农林科技大学、深圳技术大学、西安科技大学、上海大学、航天二院、中国电子科技集团27所及28所等国内顶尖高校和最高级别的科研单位,同时为墨迹天气、网易、华为技术提供技术支持,在人才培养、科研合作、成果转化等科技领域内持续进行深度合作。


关注我们:

本篇文章来源于微信公众号:恒挚科技EVERLOYAL

zh_CNChinese