fNIRS數(shù)據(jù)處理需結(jié)合信號特征和研究目標選擇合適的方法。預處理階段應重點關注運動偽跡和噪聲抑制，分析階段可靈活采用 GLM、功能連接或機器學習方法。標準化流程和透明化報告（如遵循 BRIGHT 指南）將有助于提高研究的可重復性。未來，隨著深度學習等技術的引入，fNIRS數(shù)據(jù)分析的自動化與精度有望進一步提升。

1. 引言

功能性近紅外光譜技術（functional Near-Infrared Spectroscopy, fNIRS）是一種非侵入式腦功能成像方法，通過測量大腦皮層血氧水平變化（如氧合血紅蛋白HbO和脫氧血紅蛋白HbR）來研究神經(jīng)活動。由于其便攜性、抗運動干擾能力強、成本較低等優(yōu)勢，fNIRS在認知神經(jīng)科學、臨床醫(yī)學和腦機接口（BCI）等領域得到廣泛應用。然而，fNIRS數(shù)據(jù)的處理和分析仍面臨諸多挑戰(zhàn)，如噪聲干擾、信號漂移、個體差異等。本文針對fNIRS數(shù)據(jù)處理的關鍵步驟提供建議，以提高研究結(jié)果的可靠性和可重復性。

2. fNIRS數(shù)據(jù)預處理

2.1 原始信號質(zhì)量控制

檢查信號質(zhì)量：

通過信噪比（SNR）和變異系數(shù)（CV）評估數(shù)據(jù)質(zhì)量，剔除低質(zhì)量通道（如CV > 15%）。

使用光學密度（OD）曲線檢測運動偽跡（如尖峰噪聲）。

通道排除標準：

信號強度過低（如光強 < 0.1 a.u.）。

長時間信號丟失（如 > 50% 時間點無效）。

2.2 運動偽跡校正

fNIRS易受頭部運動影響，常見校正方法包括：

滑動窗口法（Moving Average）：平滑短期噪聲。

小波變換（Wavelet Denoising）：分離高頻噪聲與真實信號。

主成分分析（PCA）/獨立成分分析（ICA）：去除與運動相關的成分。

基于回歸的方法（如Target PCA, tPCA）：專門針對fNIRS運動偽跡設計。

2.3 濾波與去趨勢

帶通濾波：

高通濾波（如 > 0.01 Hz）去除低頻漂移（如 Mayer 波、呼吸偽跡）。

低通濾波（如 < 0.5 Hz）抑制高頻噪聲（如心跳、儀器噪聲）。

去趨勢（Detrending）：

使用多項式擬合或線性回歸去除基線漂移。

2.4 血氧信號計算

通過修正的 Beer-Lambert 定律（MBLL）將光學密度（OD）轉(zhuǎn)換為 HbO 和 HbR 濃度變化：

ΔC=DPF⋅? −1 ⋅ΔOD

其中，DPF 為差分路徑因子，? 為血紅蛋白消光系數(shù)。

3. fNIRS數(shù)據(jù)分析方法

3.1 單被試分析

一般線性模型（GLM）：

將任務設計矩陣與血氧信號回歸，估計激活強度（β值）。

建議使用 HRF（血流動力學響應函數(shù)）卷積模型，匹配fNIRS的延遲特性。

事件相關分析（ERP-like）：

對多次試驗的血氧信號進行時間鎖定平均，提取事件相關血紅蛋白響應（ER-Hb）。

3.2 組水平分析

標準化方法：

對 HbO/HbR 信號進行 Z-score 或百分比變化（%Δ）標準化，減少個體差異影響。

統(tǒng)計檢驗：

采用非參數(shù)置換檢驗（Permutation Test）或混合效應模型（Mixed-Effects Model）處理小樣本數(shù)據(jù)。

多重比較校正（如 FDR、Bonferroni）控制假陽性率。

3.3 功能連接分析

靜息態(tài)fNIRS：

計算通道間的相關性（如 Pearson’s r）或相位同步（如 Coherence）。

建議使用小波相干性（Wavelet Coherence）分析時變連接模式。

任務態(tài)fNIRS：

采用動態(tài)因果建模（DCM）或格蘭杰因果分析（Granger Causality）研究腦區(qū)交互。

4. 可視化與結(jié)果報告

4.1 數(shù)據(jù)可視化建議

時程曲線：疊加 HbO/HbR 變化曲線，標注任務時間段。

拓撲圖（Topoplot）：展示通道或腦區(qū)激活模式（需使用標準頭模，如 10-20 系統(tǒng)）。

統(tǒng)計結(jié)果圖：使用熱圖或 t 值映射顯示顯著激活區(qū)域。

4.2 結(jié)果報告規(guī)范

預處理細節(jié)：說明濾波參數(shù)、運動校正方法、剔除通道比例等。

統(tǒng)計方法：明確 GLM 模型、HRF 函數(shù)類型、多重比較校正方式。

數(shù)據(jù)共享：建議公開原始數(shù)據(jù)（如 .nirs 格式）或處理腳本（MATLAB/Python）。

5. 常見問題與解決方案

6. 工具推薦

開源軟件：

Homer2 (MATLAB) ：經(jīng)典fNIRS處理工具包。

NIRS-SPM (SPM12插件) ：支持GLM和統(tǒng)計映射。

MNE-NIRS (Python) ：基于 MNE 的fNIRS分析庫。

商業(yè)軟件：

NIRStar (NIRx) 、OxySoft (Artinis) 。