近紅外腦成像出版物手冊
近40年來，功能近紅外光譜（fNIRS）在神經科學中的應用不斷擴大。如今，它在不同人群中得到了廣泛的應用，并利用了各種各樣的實驗范式。隨著研究方法的快速增長和多樣化，方法呈現(xiàn)的方式出現(xiàn)了一些不一致，這可能會使研究的解釋和復制變得不必要的挑戰(zhàn)。因此，功能性近紅外光譜學會（Society for Functional Near Infrared Spectroscopy）已被激勵組織一個具有代表性（但并非詳盡無遺）的領域領導者小組，就描述fNIRS研究中使用的方法的最佳實踐達成共識。這篇論文旨在提供指導方針，幫助提高報告的fNIRS研究的可靠性、可重復性和可追溯性，并鼓勵在整個社區(qū)采用最佳的標準。為此我們提供了一份檢查表，以指導作者編寫手稿，并在評估fNIRS論文時協(xié)助審稿人。
1 動機
功能性近紅外光譜 (fNIRS) 是一種無創(chuàng)、易于使用和便攜式的腦成像技術，可以在實驗室和現(xiàn)實環(huán)境中研究正常的腦功能和疾病中出現(xiàn)的改變。1977 年，Jöbsis 首次使用該技術無創(chuàng)地評估過度換氣導致的人腦氧合變化。從那時起，該工具已發(fā)展成為一種成熟的無創(chuàng)腦成像模式，并已廣泛應用至不同的人群和研究問題中。
隨著商業(yè) fNIRS 系統(tǒng)的日益普及，在過去的二十年中，fNIRS 研究的數(shù)量急劇增加。這種快速增長導致這類研究中的方法實踐、數(shù)據處理方法和統(tǒng)計分析存在巨大的多樣性。 雖然研究方法的多樣化在這個快速發(fā)展的領域中是值得期待和歡迎的，但它會給不同fNIRS研究中結果的解釋、比較和重復帶來挑戰(zhàn)。這種神經影像數(shù)據分析中缺乏標準化流程以及由此導致的研究結果差異并非 fNIRS 社群獨有，功能磁共振成像 (fMRI) 社區(qū)也存在這種問題。且這個問題因報告實踐不佳而加劇，可能會極大地阻礙或偏向審查過程，并大大降低給定論文的影響力和隨后的可復制性。本文的目的是為研究人員提供有關如何以全面、透明和可訪問的方式報告 fNIRS 研究的指南。這些指南并非旨在作為標準；相反，它們是關于如何報告 fNIRS 研究以確保實現(xiàn)研究結果的全面影響的最佳實踐。
本文遵循典型 fNIRS 研究論文的結構，每個部分（簡介、方法等）都討論了與該部分相關的指南。 我們在附錄（表 1）中提供了一份綜合清單，并參考了相關部分，以便于重新閱讀文本以獲取更多詳細信息。 值得注意的是，為簡潔起見，此處介紹的與儀器相關的指南側重于連續(xù)波 fNIRS（CW-NIRS）技術，僅簡要提及其他現(xiàn)有的NIRS技術[頻域NIRS（FD-NIRS）、時域NIRS（TD-NIRS）和擴散相關光譜（DCS）]。
2 標題、摘要與引言
2.1 好的標題和摘要結構
2.1.1 選擇一個好的標題
一個好的標題對于一篇科學論文至關重要。 它應該信息豐富且具體，簡短而簡潔，并包含有關論文內容和主題的足夠信息。 正如 Paiva 等人所表明的，科學論文在標題較短時具有更高的引用率和觀看率， 不包括問號、冒號或連字符，并且是“描述結果的標題”而不是“描述方法的標題”。 例如，這種標題“使用功能性近紅外神經成像研究 2 至 14 歲兒童語言發(fā)展的神經元相關性：一項新研究”就很可能不如“語言發(fā)展導致布洛卡區(qū)的大腦激活的年齡依賴性變化”這樣的標題來的清晰且吸引讀者。
2.1.2 將摘要結構化:清晰性與一致性
摘要是論文的高度精煉概括版本，傳達了其核心發(fā)現(xiàn)和意義。 摘要呈現(xiàn)的科學質量通常是論文其余部分質量的良好預測指標。 一個好的摘要是“信息豐富的”和“激勵的”。 摘要的質量與論文被引用的次數(shù)相關并在文章發(fā)表的初步階段中起絕對性的作用。
我們建議除非期刊本身需要不同的摘要結構，否則在幾句話中內隱式或顯式地構建類似于論文主體的摘要，即“引言”、“目標”、“方法”、“結果”和“結論”，并酌情解決部分或全部這些問題。除非期刊本身需要不同的摘要結構。
引言部分需要提供由必要的科學背景支持的研究目標，并以該目標對該領域的重要性為動力。 目標部分要列出研究的目標。 在“方法”部分，應簡明扼要地報告方法學最相關的方面，例如實驗設計/刺激（如果相關）、樣本量、感興趣的大腦區(qū)域、主要數(shù)據處理和/或統(tǒng)計分析步驟。如果是介紹fNIRS硬件或數(shù)據處理新方法的論文在方法部分應提供關鍵細節(jié)，例如新方法的驗證等。而在結果部分，則需報告論文的主要結果，包括最相關的數(shù)值結果(例如ROI的血液動力學變化及其統(tǒng)計學意義)，此部分中包含的數(shù)據或者結果應與正文中報告且與其中的數(shù)據/結果相匹配。結論部分應綜合對目前結果的解釋與其在相關領域存在的潛在方向/意義/影響。
2.2 fNIRS論文的引言選擇
2.2.1研究的范圍、背景、意義和目標
對所有的研究論文來說，引言都有助于傳達所報告研究的范圍、背景、創(chuàng)新和意義。其中要包含以下部分 (1)大綱:該研究的一般研究問題， (2)回顧與本研究的中心研究問題相關的文獻，突出現(xiàn)有知識和知識差距， (3)進行研究的動機, (4)描述研究的具體假設或是需要驗證的猜想 (5)對用于驗證假設的方法進行簡短的總結說明， (6)說明當前研究的具體目標，鑒于fNIRS現(xiàn)在是一直公開的已知方法，不必嚴格參考基本驗證論文。
對技術和方法論文的引言部分來說，應描述創(chuàng)新技術/方法與現(xiàn)有技術/方法的不同之處和原因、預期的優(yōu)勢以及該方法如何得到驗證。
對涉及臨床、神經學或神經認知問題的論文的引言來說，應側重于研究問題如何促進我們對腦功能、腦疾病或神經認知機制的理解。
此外，如果與研究內容相關且篇幅允許，應闡明使用 fNIRS 而非其他神經影像學方式的原因。引言部分末尾對研究目標的清晰簡潔陳述有助于讀者建立適當?shù)钠谕@些研究目標應與實驗最后得出的結論一致。
3 方法:研究的可重復性
方法部分應該使讀者了解結果如何實現(xiàn)以及如何重現(xiàn)結果。它應包含有關參與者人口統(tǒng)計信息、實驗范式的詳細信息、使用的系統(tǒng)、數(shù)據采集的詳細信息以及包括使用的統(tǒng)計方法在內的預處理步驟。
此部分還應包含一個或多個圖片展示如下內容: (1)測量參數(shù)設置: 對測量界面/現(xiàn)場的高質量原始照片/圖畫重現(xiàn)， (2)頭部的fNIRS光極陣列/通道排列， (3)實驗方案的可視化[包含實驗中的可選項]， (4)一個展示fNIRS設置足以探測到實驗ROI腦區(qū)的靈敏度分析。此外，如果信號處理原理很復雜并且涉及先進和/或創(chuàng)新的步驟，強烈建議放入至少一個框圖，該圖應描述所有處理步驟以及輸入和輸出信號信息。
值得注意的是，有些期刊的末尾要求將方法部分作為附錄。 在這些情況下，引言和結果部分只需足夠的方法學信息來理解上下文，而無需深入研究方法學細節(jié)。
3.1 被試
3.1.1 人類被試
被試通常用一組最相關的人口統(tǒng)計數(shù)據和臨床特征(如果合適)來描述。這些數(shù)據包括參與者的數(shù)量、年齡的平均值和方差，精確的年齡范圍（例如，新生兒的小時數(shù)，嬰兒的月數(shù)和天數(shù)）以及性別分布等。同時對被試進行篩選排除的條件也需列出(如病理特征/母語等)。也可以說明其他與實驗相關的特征，例如慣用手、種族、社會經濟地位等。值得注意的是，報告種族分布可能是相關的，特別是如果它與進行研究的地點的人口預期不同。fNIRS信號質量可能取決于頭發(fā)特性（顏色、厚度和密度）等。有偏見的對參與者進行選擇可能導致 fNIRS 神經影像學結果缺乏普遍性。對于多組對象的研究，應描述對其分組分配的標準與流程。
對于臨床被試來說，疾病相關信息的數(shù)量取決于論文的重點。作者應在文章中簡要提供關鍵特征并在參考（補充）中呈現(xiàn)所需的流行病學/病理學細節(jié)。 通常，表格會列出自發(fā)病以來的時間、腦損傷/功能障礙的原因（例如，缺血性心源性左大腦中動脈卒中）以及相關的臨床發(fā)現(xiàn)等信息（例如，殘余失語）。
對于特定人群，如果適用且可用，報告與整體生理適應性或評估的特定病理學相關的參數(shù)或生物標志物可能是有用的，例如血液標志物（例如，貧血，這可能導致改變或意外結果）。
如果某些被試的數(shù)據被排除在最終分析外，則還應提供最終樣本的人口統(tǒng)計數(shù)據以及數(shù)據拒絕標準。 為了確保透明度和防止有偏見的選擇，還需要在對數(shù)據處理過程中的什么時間點應用了不同的拒絕標準以及它們是分批應用還是逐個應用進行說明。
此外，必須提供有關倫理問題的信息，包括評估和批準研究方案的機構審查委員會 (IRB) 的名稱、遵循的倫理程序（例如，獲得知情同意、輕微同意和/或父母許可）以及作為臨床研究注冊的鏈接（如果存在）。
3.1.2 樣本量和統(tǒng)計效能檢驗(Power analysis)
適當?shù)臉颖玖?被試的數(shù)量對于任何 fNIRS 實驗都很重要，但沒有固定的規(guī)則來確保其統(tǒng)計意義上的有效性。確定樣本量的一種實用方法是執(zhí)行功效/效能分析，它被用來估計在預設情況下功效水平 (1 - β)（即1-II 類錯誤的概率，通常設置為 0.8）和 α（I 類錯誤的概率，通常設置為 0.05)的效應量。功效分析報告通常包含樣本量（先驗功效分析的必要樣本量和后驗功效分析的實際樣本量）、功效（a先驗功效分析和后驗功效分析的實現(xiàn)功效），使用的 alpha 水平，選擇的效應大小及其理由（例如，先前的研究或試點研究），假設檢驗的相關統(tǒng)計檢驗，以及相關引用用于執(zhí)行功率分析的平臺等因素。
3.2 實驗參數(shù)和設備
3.2.1 實驗設計
在設計實驗范式時，必須考慮 fNIRS 信號的一些細節(jié)。例如，生理混淆在 fNIRS 信號中占主導地位（參見第 3.5 節(jié)），這意味著每個刺激條件幾乎總是必須重復多次才能解決功能反應。同時，如果要對數(shù)據進行塊平均，則血流動力學響應的時間特征會限制連續(xù)刺激之間的間隔持續(xù)時間。還需要考慮與刺激在時間上相關的生理混淆。例如，如果參與者的呼吸模式定期呈現(xiàn)，則它們可能與刺激塊對齊。這可能會增加假陽性反應。19 這些問題可以通過深思熟慮的實驗設計來減少預期效應，例如，通過偽隨機化條件順序和刺激間隔的長度。在描述研究的實驗設計時，這些考慮可能會提供信息。
對實驗設計的準確描述對于讀者的理解至關重要—這關乎fNIRS 研究的結果和工作的可重復性。任何可能影響結果或其解釋的實驗特征都應在方法部分報告，建議盡可能加入包含實驗范式的示意圖。
絕大多數(shù) fNIRS 范式屬于以下三類之一:用于功能連接研究的組塊設計、事件相關設計和靜息狀態(tài)范式。 在不包括對參與者的明確刺激的靜息狀態(tài)范式的情況下，可以通過記錄持續(xù)時間的細節(jié)來恰當?shù)孛枋龇妒剑?參與者所處的環(huán)境（例如，照明條件、聽覺條件、睜眼/閉眼、視野中的物體或顯示器等）； 以及給參與者的任何指示（參見第 3.2.2 節(jié)）。
應該為組塊和事件相關的范式另外報告的特征包括：刺激、條件的數(shù)量、每個條件的塊或試驗的數(shù)量、塊或試驗的呈現(xiàn)順序、每個條件的持續(xù)時間塊或試驗，以及塊間或試驗間間隔的持續(xù)時間。提供刺激時間和示例的草圖（例如，描述視覺刺激幀的靜止圖像）可以提供大量信息。圖1顯
示了一個示例。
圖 1 實驗范式可視化范例:n-back范式的示意圖。每個實驗由 30 個block組成，block間間隔為 15 秒。 每個block有 15 次trial，并以屏幕上顯示 2 秒的任務指令“n-back”開始。 指令結束后，屏幕上會顯示字母，一次一個，持續(xù) 0.5 秒。 trial間隔為 1.5 s，在此期間屏幕上顯示注視十字。 參與者被要求指出當前字母是否與之前呈現(xiàn)的“n”個試驗相同。
3.2.2 被試引導/培訓與互動
fNIRS 論文應清楚地描述向參與者提供的有關任務的引導指示。這些信息通常在解釋神經數(shù)據的過程中至關重要。例如，關于學習刺激集的明確指令與對相同刺激集記憶的內隱指令會誘發(fā)不同的注意/動機/學習機制。因此，需要提及與參與者如何構思和完成任務相關的方面，例如，反應的時間限制、顯性或隱性任務、任務目標的描述等。同樣，給予參與者的反饋或其他激勵措施也需要說明，因為這可能會改變他們執(zhí)行任務的注意力或動機。在數(shù)據采集過程中可能影響參與者表現(xiàn)的實驗條件，例如設置程序過長、在昏暗/黑暗的照明條件下采集、環(huán)境干擾等其他影響因素也需要報告。
3.3 設備系統(tǒng)與數(shù)據采集
3.3.1 fNIRS設備和數(shù)據采集參數(shù)描述
fNIRS 研究領域在技術創(chuàng)新和神經科學應用方面都在迅速擴展，從而導致了各種商用和定制內部開發(fā)設備的出現(xiàn)。
儀器的不同之處不僅在于其基本的硬件操作模式，還在于用于回收血紅素、氧合血紅蛋白和脫氧血紅蛋白（因此也包括總血紅蛋白）的方法程序，除此之外在細胞色素c-氧化酶22濃度變化或反映它們的光信號的計算方式上也都有所不同（分別縮寫為HbO2、Hb、tHb和CCO）[值得注意的是，其他首字母縮寫詞（例如HbO/HbR/HbT，O2Hb∕HHb∕tHb，或氧血紅蛋白/脫氧血紅蛋白/總血紅蛋白）也是常見且可接受的]。因此，必須準確報告儀器規(guī)范的基本方面。雖然大多數(shù)商用fNIRS儀器是連續(xù)波的，但它們不一定使用相同的近紅外（NIR）波長或相同的算法來恢復血紅蛋白濃度。此外，大量定制的fNIRS儀器傾向于采用TD-NIRS(時域)、FD-NIRS(頻域)、或高密度（HD）技術等技術，這些技術與當前的商業(yè)儀器有根本性的區(qū)別；這是一個非專業(yè)用戶幾乎不知道的事實。
準確報告相關儀器規(guī)格將有助于更好地解釋與復制結果，并提高研究的透明度。在描述fNIRS設備規(guī)格時，出版物應明確報告以下信息：（1）制造商和版本，（2）操作模式（CW、FD和TD），（3） 波長的數(shù)量和光譜，（4）輻照度（暴露區(qū)域內的光源功率）或平均功率或兩者[應注意光源暴露符合ANSI（美國）或IEC-60825（歐洲）等安全標準]，（5）采樣率、光電二極管的數(shù)量和類型以及產生的通道，和源-檢測器距離，以及（6）將數(shù)據轉換為生色團濃度的方法（如果由儀器軟件自動完成；否則將在數(shù)據分析部分報告）。這些信息可以用一個簡短的總結句給出，例如“我們使用了一個NIRSdev（NIRScomp，國家）連續(xù)-近紅外設備，具有24個活動通道（8個激光二極管發(fā)射器，λ1/2=750/850 nm，平均功率<1 mW，以及8個雪崩光電二極管探測器（以50 Hz采樣）。使用改進的比爾-蘭伯特定律（mBLL）將數(shù)據轉換為濃度變化。
”應報告轉換的所有假設（固定散射和水濃度）和參數(shù)[如消光系數(shù)和微分路徑長度因子（DPF）]，包括如何解釋DPF的變化，例如在嬰兒發(fā)育的縱向研究中。還可以報告所選參數(shù)的參考。如果使用FD或TD裝置，則應說明獲得吸收和散射系數(shù)所采用的程序。
3.3.2 光極陣列和設計、采集帽與目標大腦區(qū)域接觸問題
fNIRS 測量的可重復性在很大程度上取決于對蒙太奇設計（幾何形狀）和源-探測器陣列位置的清晰記錄。盡管 fNIRS 技術正在迅速發(fā)展，但大多數(shù) fNIRS 研究仍然被儀器有限的視野和/或通道密度限制，因此頭皮上的源和探測器的布局因研究而異。許多 fNIRS 設備配備了可靈活布置的成套光源和探測器或“光極”。還有的則帶有預設好的光源和探測器墊(排列)，或者可以自由定位但不能重新組織的固定分布。因此，有必要為所描述的fNIRS研究提供其光電極位置和布置，由于fNIRS測量高度依賴于fNIRS源和探測器陣列的位置、范圍、源-探測器分離和密度，因此這一過程非常關鍵。這些因素影響測量對給定皮質區(qū)域的靈敏度、大腦和腦外組織對每個信號的相對貢獻，以及整個視野中測量靈敏度的均勻性。數(shù)字頭部模型（虛擬模型/模擬）可用于理解特定于設備的近紅外光傳播，這對于設計下一代光學腦成像設備和光電二極管陣列至關重要。蒙特卡羅模擬提供了一種用于表征和評估不同fNIRS傳感器配置和參數(shù)的貢獻的一種受控參數(shù)，如光程長度、探測器表面積和源-探測器分離。
在出版物中報告陣列設計時，強烈建議包括一份陣列圖(蒙太奇)，其中包含：（1）源和探測器位置的總數(shù)；（2） 頻道總數(shù)；（3）源-檢測器分離的分布。在可能的情況下，拍下光極序列在被試身上的照片也是可行的。這可能會提供有關陣列的物理設計和人體工程學的額外信息。圖2顯示了一個示例。
圖 2 使用 12/14 源/檢測器設置的光極陣列示例，在前額葉皮層上形成 34 個通道，間距為 30 毫米。 以 log10 mm−1 為單位的靈敏度曲線。 使用 AtlasViewer.14 進行可視化。
3.3.3 關于儀器/硬件開發(fā)的出版物
隨著全球fNIRS儀器新設計和創(chuàng)新的不斷進步，需要具體的指導方針和標準化來簡化工作，加快新技術的采用。這些工作可以通過首先在設備規(guī)范中推廣使用標準命名約定來促進（見表2中的樣本命名法）。雖然對于舊設備，參考描述設備的論文可能就足夠了，如果論文的重點是介紹新技術，則對新設備的描述應包括: (1)描述連接和控制機制的硬件框圖，(2)軟件流程圖，描述信息流、硬件組件控制和數(shù)據采集協(xié)議， (3)光源和探測器的類型，(4)為防止外部污染和通道間串擾（如時間復用、頻率復用或兩者的組合）而采取的措施(如果有)，(5)關鍵部件和單個零件號的電路圖。如果使用數(shù)字頭部模型來指導硬件設計，則應適當引用這些模型。
對光源類型的描述應包括(激光/LED)，特殊的波長和單位面積發(fā)射功率(例如:0.2W/cm2)都需要報告——用以評估設備的安全級別和潛在分類。同時也應強調眼睛和皮膚的近紅外光照射（如果需要，防護裝備后的照射）應保持在普遍接受的安全規(guī)范范圍內，如激光產品安全國際標準或燈具和燈具系統(tǒng)光生物安全國際標準。
對光檢測器類型的描述應包括（例如，pin光電二極管/雪崩光電二極管/光電倍增管/單光子雪崩檢測器等）、以及其配置（例如，單像素光電二極管、光電二極管陣列、成像電荷耦合器件等），應注意其特定波長（增益、噪聲系數(shù)和噪聲等效功率）的感光度曲線，以及與皮膚接觸方式（直接接觸、使用光導或光纖）。
對于fNIRS儀器的開發(fā)商和制造商，尤其是監(jiān)管部門的批準，必須了解最近發(fā)布的國際電工委員會（IEC）/國際標準化組織（ISO）fNIRS設備標準（IEC 80601-2-71），60601醫(yī)用電氣設備標準系列中的特定標準。與任何電氣儀表一樣，產品安全測試應獨立認證（例如，美國的保險商實驗室UL認證、歐盟的消費電子產品CE認證、日本的產品安全電器和材料PSE認證，以及中國的強制認證CCC認證）。對于大學培養(yǎng)體系，這可以通過當?shù)氐尼t(yī)院生物醫(yī)學工程部門來完成，這些部門在用于人類之前測試這些研究設備的電氣安全性。
對于大學研究體系來說，在臨床/研究研究中使用新的光學腦成像設備只需要獲得當?shù)貍惱砦瘑T會的批準。對于診斷或治療等最終臨床應用，需要進一步的監(jiān)管批準（例如，美國的FDA、歐洲的EU MDR、日本的《藥品和醫(yī)療器械法案》PMDA，以及中國的國家醫(yī)療產品管理局NMPA，前身為CFDA）。
為了在臨床研究中實現(xiàn)可比性和可靠性，基于專用模型的fNIRS儀器的標準化性能評估應該是儀器開發(fā)論文的重要組成部分。上述IEC 80601-2-71標準還包括對混濁模型的若干性能測試。主要在于對fNIRS平臺的測試，包含該平臺是否具有用以產生與HbO2和Hb的特定變化相對應定義衰減變化真實的整體衰減和可變的內部孔徑等。本標準中描述的其他基于模型的測試包括信號穩(wěn)定性、響應時間、信噪比（SNR）和信號串擾。
基于多實驗室共識建立工作的多個協(xié)議促進了擴散光學儀器和方法更全面的性能表征和比較[例如，用于疾病診斷和監(jiān)測的光學方法（MEDPHOT）協(xié)議，基本儀器性能（BIP）協(xié)議，以及通過脈沖近紅外光（Neuromit）協(xié)議對大腦功能和疾病進行無創(chuàng)成像。nEUROPt協(xié)議是專門針對fNIRS儀器的方案，旨在表征儀器的對比度、對比噪聲比（CNR）、橫向分辨率、深度敏感性和大腦吸收變化的量化。它由均勻混濁的、帶有小黑色內含物的系統(tǒng)構成，例如，一個固體-固體可切換的模型和兩個分層的模型。據報道，其他fNIRS模型模擬HbO2和Hb濃度的時間變化，例如通過電致變色可變吸收體或可移動層。用于組織血氧儀測試的含Hb的可變氧合模型也應能夠定量評估fNIRS信號質量。創(chuàng)造這種解剖學上逼真的動態(tài)模型可能是一項挑戰(zhàn)，但也是可以實現(xiàn)的。
描述儀器開發(fā)的論文應報告所執(zhí)行的特定模型測試的以下數(shù)據：模型類型、其光學和幾何參數(shù)、測試安排，包括源-探測器距離，以及測試結果。有關示例，請參見參考。
盡管商用fNIRS設備很少附帶模型，但fNIRS儀器的開發(fā)人員和制造商可以受益于采用基于模型的常規(guī)質量檢查測試的既定指南。全面檢查信號幅度的可重復性有助于識別諸如光纖斷裂和光源或探測器退化等問題。如果制造商建議進行基于模型的常規(guī)試驗，則應報告制備和表征模型所采用的程序。
3.4 預處理步驟
為了便于對實驗結果進行重復，并確保在分析過程中不會跳過重要的處理步驟，方法部分應包括所有數(shù)據分析步驟的詳細說明。圖3總結了fNIRS數(shù)據分析原則中的主要預處理步驟，以下各節(jié)同樣也給出了方法部分中應呈現(xiàn)的預期詳細程度。
圖3元素fNIRS預處理步驟概述。淺藍色圓形箭頭表示常規(guī)處理順序。并非所有步驟都是存在或必要的。
3.4.1 fNIRS信號質量指標和channel抑制
fNIRS數(shù)據分析中的一個重要預處理步驟是對每個通道的原始信號進行信號質量檢查。fNIRS信號中的噪聲可能來自測量系統(tǒng)（例如，由于光源不穩(wěn)定、電子噪聲和散粒噪聲），我們稱之為“噪聲”，也可能來自生理原因或頭部/身體運動，我們在論文中稱之為“混雜信號”或“混淆信號”。
fNIRS對噪聲的信號質量檢查可以通過簡單的SNR檢查或通過頻譜分析獲得每個通道的心臟功率來測試。當采樣率相當高（例如，10 Hz）時，心跳是光級頭皮耦合的良好指示器，因此是fNIRS信號的良好質量控制指標。因此，方法部分可以包括SNR閾值（例如，>20db）和心臟功率閾值的指示，用于拒絕進一步分析的數(shù)據信道。由于不同的測量通道可能不符合不同參與者的標準，因此還應報告每個通道的剩余參與者人數(shù)，以避免對結果的任何誤解。
特別是在fNIRS中，由于各種類型的混雜信號和噪聲，重要的是要了解指標SNR、CNR和對比背景比（CBR）之間的概念差異，并明確使用這些術語。術語SNR應用于量化儀器fNIRS信道的信號質量。它是根據固定時間窗口內測量的原始光強度計算得出的，表示為SNR¼20 log10Þ，其中μ對應于信號的強度偏移（dc分量），σ對應于信號的方差（ac分量）。當提取的血流動力學響應強度與背景混雜信號或測量噪聲有關，因此取決于信號的特定預處理時，使用對比度指標（CBR/CNR）。有關這些指標的更多詳細信息，請參閱參考。
3.4.2 運動偽跡
fNIRS信號可能包含尖峰或基線位移形式的運動偽影，尤其是在從非常規(guī)人群收集的數(shù)據中，如嬰兒（見第3.6.7節(jié)）或在需要運動（行走或說話）的實驗任務中。在這種情況下，可以識別運動偽影并從分析中刪除相鄰試驗，或者可以使用先前文獻中的許多運動偽影校正算法。
在任何一種情況下，都應報告運動偽影和相關參數(shù)的處理和校正（例如，識別運動的閾值、校正方法的特定參數(shù)）。此外，由于前一種方法（即識別和移除與運動偽影重疊的試驗）將減少試驗中的試次數(shù)量，因此應報告剩余試次的數(shù)量。最后，運動偽影消除算法的輸出需要通過評估算法性能的理論和經驗方法進行驗證（參見如何驗證新算法的示例）。
3.4.3 矯正后的比爾郎伯定律/參數(shù)和修正
通過mBLL(矯正后的比爾朗博定律)，光密度或吸光度的變化可以被轉化為血紅蛋白細胞HbO2和Hb的變化。然而，在連續(xù)波近紅外光譜中，探測到的光子所經過的平均路徑長度是未知的。在高散射介質中，軌跡的路徑長度比源-探測器距離的路徑長度長。通過將源-探測器距離乘以通過FD-NIRS或TD-NIRS實驗獲得的DPF，可以估計整個采樣區(qū)域內的光程長度。因此，在報告時，一種選擇是使用DPF（取自文獻）并以摩爾濃度單位（例如μM）報告生色團濃度變化的結果。該選項考慮了波長和源檢測器距離對路徑長度的依賴性，因此，比較來自不同分離渠道的信息時更合適。當DPF數(shù)據不可用時，研究人員可能會依賴另一種選擇，即不使用平均路徑長度從比爾-蘭伯特定律中提取濃度變化。在這種情況下，信號變化表示為濃度變化和平均路徑長度的乘積，單位為（摩爾濃度×距離），例如μM-cm或μM-mm。當使用單個分離時，后一種方法可能是合適的，但對多個分離有限制。
值得注意的是，發(fā)色團濃度的變化可能會因處理方法、是否應用校正以及應用校正方法的不同而顯著不同。例如，對于同一測量通道，所產生的HbO2濃度變化可報告為：40μM mm，無需任何校正；當使用微分路徑長度校正系數(shù)6和源-檢測器距離30 mm進行路徑長度校正時，可報告為0.22μM。在所有情況下，應說明選擇方法和相關參數(shù)（如DPF），并提供引文。當呈現(xiàn)濃度變化結果時，應清楚地標記其單位。
3.4.4 混雜系統(tǒng)信號對fNIRS的影響
從光源到探測器的近紅外光探測大腦皮層，但在更大程度上也探測腦外組織層。腦外組織（尤其是頭皮）的血流和氧合變化會影響fNIRS信號，并導致對測量信號的潛在誤解。此外，全身生理變化也會影響腦血流動力學。生理干擾的主要來源有兩個（1）二氧化碳分壓（PaCO2）/全身血壓節(jié)律/自主神經系統(tǒng)和交感神經系統(tǒng)相互作用引起的腦外和腦組織心率和血管張力變化（2）頭部運動、咬牙或揚眉引起的血流和氧合變化。
忽略生理混雜效應可能會導致假陽性，即錯誤地將檢測到的血流動力學變化分配給功能性大腦活動，或導致假陰性，即在存在時掩蓋大腦活動。因此，建議采用系統(tǒng)生理學增強fNIRS方法，同時測量這些系統(tǒng)參數(shù)。另一方面，識別和分離系統(tǒng)生理學中的這些變化，可以對大腦血流動力學的復雜調節(jié)提供創(chuàng)新性見解，例如，涉及特別對神經元活動或系統(tǒng)生理學變化做出反應的網絡。fNIRS（預）處理的大部分工作集中在分離或拒絕混雜信號上，可以采用多種策略，最突出的是通用線性模型（GLM）。本節(jié)將再次詳細討論此主題。
3.4.5 統(tǒng)計檢驗和去除混雜信號的策略
fNIRS研究的目的通常需要以下集中統(tǒng)計檢驗內容來進行下一步解釋：(1)比較大腦對任務和基線的反應，（2）比較不同任務期間的大腦反應，（3）大腦內部或跨腦區(qū)間的血流動力學信號之間的相關性。這些測試結果受到fNIRS數(shù)據特定噪聲結構的高度影響。由于強烈的生理成分（心臟、呼吸和血壓變化），fNIRS數(shù)據中的噪聲具有頻率依賴性（有色）和相關性。由于這些特征違反了GLM中的主要假設，即噪聲不依賴于頻率（白色）且不相關，因此在采用GLM分析之前，有必要（1）對數(shù)據進行預濾波，以消除混淆信號，如生理混淆和運動偽影，和/或（2）預白信號，和/或（3）對信號進行預著色。作為預美白方法的一個例子，可以使用自回歸模型估計fNIRS數(shù)據的內在時間相關性。然后在廣義最小二乘法中使用時間相關估計的反演來獲得GLM參數(shù)的無偏有效估計。另一方面，預白化方法中的這種反演對時間相關性的正確估計很敏感。因此，作為替代方法，可以使用時間濾波器（平滑）矩陣來估計fNIRS數(shù)據的時間相關性。當對fNIRS數(shù)據應用具有足夠大內核寬度的低通濾波器時，這種預著色方法是有效的。然后，可以對時間平滑的數(shù)據應用最小二乘法，并將GLM擴展為包括濾波器矩陣。這個過程產生無偏的參數(shù)估計，但不能保持其最大效率。在所有情況下，應明確說明選擇的方法和預過濾步驟。
3.4.6 濾波和漂移回歸
信號中的高頻成分，如儀器噪聲和心臟搏動，通常使用低通濾波器（例如巴特沃斯濾波器或切比雪夫濾波器）去除。但如果低通濾波器閾值太低，ROI的大腦反應也會被消除，因此應謹慎選擇（通常為0.5 Hz或更高）。另一方面，可以使用高通濾波器去除信號中的低頻成分，可隨之而來的首要問題是使用過高的值作為閾值可能會去除實際的期望大腦信號，尤其是當實驗任務塊的持續(xù)時間與高通閾值相當時（例如，0.05-Hz高通濾波器與20 s的刺激持續(xù)時間）。在對實驗進行描述時應說明應用的濾波類型、濾波器的階數(shù)（如有）和截止頻率（例如，截止頻率為0.01至0.5 Hz的三階零相位巴特沃斯帶通濾波器）。
其次，了解相位響應至關重要，因為具有非線性相位響應的濾波器會使信號失真。有限沖激響應（FIR）濾波器具有線性相位響應，可在離線和在線（數(shù)據采集期間）安全應用，而不像無限沖激響應（IIR）濾波器（例如巴特沃斯），后者需要零相位校正，并且只能在離線應用，因為校正需要一次獲得整個信號。
3.5 fNIRS信號中的生理學信息: 優(yōu)化策略
3.5.1 提高大腦活動測量可靠性的策略
由于fNIRS信號中存在生理混淆，因此不建議報告僅使用長分離通道測量的信號的結果，也不建議報告考慮可能的混淆系統(tǒng)生理變化的數(shù)據處理，尤其是在大腦外組織覆蓋較厚的成年參與者中。圖4顯示了fNIRS儀器（與使用的源-檢測器布置有關）與測量大腦（大腦皮層）真實血流動力學變化的可能性之間的關系。此表格適用于使用CW連續(xù)波近紅外儀器的情況。
在以下情況下，檢測到大腦活動相關變化的可靠性較高:（1） 可以排除系統(tǒng)生理學的顯著變化，（2）使用對深度敏感的多距離fNIRS方法，并以過濾大腦外層變化干擾的方式處理數(shù)據，或（3）CW-NIRS設置僅用于每個通道的長源-檢測器分離，但對信號進行特定的信號處理，以減少腦外組織的干擾影響。在沒有短分離通道測量的情況下，大量通道或系統(tǒng)生理學的額外測量信號協(xié)助優(yōu)化數(shù)據。以下各節(jié)總結了這些策略的既定方法
圖4測量大腦皮層真實血流動力學變化的可靠性由fNIRS測量的深度敏感性和混淆的系統(tǒng)生理信號的影響決定。(a)評估獲取腦信號可靠性的檢查表，(b)影響獲取腦源性信號可靠性的方法學因素。
3.5.2 策略1: 通過儀器和信號處理提高深度靈敏度
這種方法需要擴展fNIRS測量設置，以使測量對深度敏感，例如能夠區(qū)分腦外和大腦各層的變化。為了提高深度靈敏度，fNIRS設置應包含具有不同長度的源-檢測器分離的光學通道，尤其是短的（圖4）。短分離通道（<15 mm，最佳距離∼成人和成人8毫米∼4至5毫米（嬰兒）對腦外組織層的血液灌注和氧合變化最為敏感。
在使用 CW-NIRS的情況下，短和長分離通道的并行使用最大限度地提高了對大腦皮層的敏感性，同時最大限度地降低了對腦外層的敏感性。 使用短分離通道進行的此類測量能夠從長分離通道中回歸出大腦外層的信號變化，這種方法通常被稱為“短分離回歸”，由 Saager 和 Berger 開創(chuàng)。還有幾種方法被開發(fā)用于回歸，包括最小二乘算法和各種類型的自適應濾波或卡爾曼濾波。最近一個有希望的發(fā)展是將GLM與時間嵌入典型相關分析結合對fNIRS數(shù)據進行分析。之前的研究證明，短分離回歸降低了血流動力學反應的試次間變異性，并降低了發(fā)生在腦外層強烈血流動力學變化的影響。
其他對深度敏感的儀器包括：(1) 多距離測量，它使用擴散理論和來自多個源-探測器分離的信號斜率，(2) 擴散光學斷層掃描 (DOT) {其他首字母縮略詞 [例如，擴散光學光譜 (DOS)， 近紅外成像 (NIRI)、漫反射光學成像 (DOI)、近紅外光學斷層掃描 (NIROT) 和高密度斷層掃描 (HD-tomography)] 也是可以接受的}，它使用大量通道提供深度分辨測量， 和 TD-NIRS(時域) 系統(tǒng):用于測量光子的飛行時間：深度編碼在光子的到達時間中，因為晚期光子在皮層中走過的路徑更長，深度也就更深。
3.5.3 策略2:進行沒有內在深度敏感測量的信號處理
在亞理想測量的情況下（即，只有長的分離通道可用），應努力將數(shù)據分解為大腦活動和生理混亂（圖4）。一種方法是從所有通道的平均值（或中值）中用全局分量近似系統(tǒng)變化，并從每個通道中過濾。另一種替代方法是數(shù)據驅動的信號處理方法，將fNIRS信號分解為大腦和系統(tǒng)成分（盲源分離方法，例如獨立成分分析和主成分分析）。
3.5.4 策略3:在fNIRS信號處理中結合系統(tǒng)生理學變化的測量
當有額外系統(tǒng)生理信號可用時（例如心率、呼吸率、呼吸量、動脈CO2濃度、血壓和皮膚電導），研究者可以（1）從fNIRS信號中回歸這些影響（2）詳細研究這些信號與fNIRS信號的關系。例如，可以使用GLM方法來實現(xiàn)這一點，該方法使用系統(tǒng)生理信號或這些信號的線性時滯混合物作為額外的回歸器。應報告此類回歸器的處理和生成細節(jié)（例如，包括的信號和使用的相位/時滯）。值得注意的是，由于頭皮內血管系統(tǒng)的異質性，策略2和策略3都有移除大腦活動或無法正確移除系統(tǒng)生理成分的風險。
3.6 統(tǒng)計和分析方法
3.6.1 血液動力學反應函數(shù)(HRF)估量: 區(qū)間(block)平均與一般線性模型(GLM)
使用mBLL計算血紅蛋白濃度變化后，通常通過簡單的組塊間(Block)平均、卷積或線性估計模型來估計血液動力學響應函數(shù)（HRF）。GLM將測量數(shù)據表示為功能不同組件的線性組合。雖然塊平均避免了對HRF形狀的先驗假設，但GLM允許對fNIRS信號中的不同混雜因素以及對刺激的血流動力學反應進行建模。GLM能夠同時估計fNIRS成分的貢獻，從而提供較少偏差的HRF估計。GLM報告應包括所有建模的回歸系數(shù)及其參數(shù)，以及用于估計回歸系數(shù)權重的方法（例如。，“HRF使用標準偏差為0.5 s的高斯函數(shù)建模，平均值間隔為0.5 s。回歸系數(shù)的權重使用普通最小二乘擬合獲得。”）。如果由于各種原因（如運動偽影污染），總試驗次數(shù)比實驗方案中報告的次數(shù)減少，則報告還應包括最終分析中包含的試驗次數(shù)。
3.6.2 血液動力學反應函數(shù)(HRF)估量: GLM方法中HRF回歸量的選擇
HRF通常由固定的標準形狀（如伽馬函數(shù)變體）或更靈活的模型（如多個基函數(shù)的線性組合，如高斯函數(shù)）建模。
為了提高統(tǒng)計效能(power)，如果HRF的形狀是先驗已知的，則固定的標準形狀是較好的。文章描寫的方法應包括模型及其參數(shù)，以及在選擇固定形狀的情況下模型偏好的理由。然而，如果HRF的形狀未知（在不同人群、實驗范式、大腦區(qū)域等中），使用固定模型可能會導致其統(tǒng)計效能的損失，并使結果產生偏差。在這種情況下，首選靈活的模型，因為它們允許捕捉HRF的真實時間特征。
3.6.3 統(tǒng)計分析: 一般說明
論文中提出的主張應得到統(tǒng)計分析的支持。所有統(tǒng)計分析都與實驗設計和基本假設相關聯(lián)，因此，沒有單一的標準化方式來描述統(tǒng)計分析。如果缺少部分信息，則無法驗證統(tǒng)計方法的準確性，并且無法在研究或未來重復中比較結果。強烈建議報告效應量和置信區(qū)間，因為它們都是無樣本統(tǒng)計量，因此可以更方便地比較不同研究。使用表格和數(shù)字來呈現(xiàn)統(tǒng)計結果可以提高可讀性。
3.6.5 GLM結果的統(tǒng)計分析
每個通道處GLM回歸器的權重通常使用最小二乘法進行估計，該方法使實際值和擬合值之間的平方差之和最小化。就最小二乘法的類型而言，普通最小二乘法基于觀測值之間誤差不相關的模型假設。因此，當回歸模型中的殘差之間存在一定程度的時間相關性時，可以使用廣義最小二乘法進行預白化或預著色。 然后通過檢驗零假設進行統(tǒng)計推斷，即估計系數(shù)與零假設之間沒有顯著差異。否定零假設表明對刺激有反應。通常，使用t檢驗執(zhí)行單個對比（即效果的線性組合）的假設檢驗，而使用 F 統(tǒng)計量同時測試多個對比的。因此，在報告GLM分析結果時，重要的是描述對比中包括哪些回歸系數(shù)，并說明應用的具體統(tǒng)計測試。在二級GLM分析中，可以使用固定效應、隨機效應或混合效應分析來估計人口效應。與固定效應相比，隨機效應模型同時考慮了變異來源(受試者內部和受試者之間的變異性),如此這樣就可以對抽取樣本的人群進行推斷。無論哪種情況，作者都必須在論文中清楚地描述用于二級分析的方法。最后，通過在較高Z值處對測試統(tǒng)計量Z（例如，t或F統(tǒng)計量）設定閾值來評估通道特定效應的統(tǒng)計顯著性。由于每個通道同時進行大量統(tǒng)計測試，多通道fNIRS系統(tǒng)具有I型錯誤（假陽性）的高風險，因此，I型錯誤控制至關重要。至于所謂的“多重比較問題”我們將在下一節(jié)討論。
3.6.6 臨床人群中數(shù)據處理的具體指南
雖然處理步驟與其他人群基本相同，但病理學特征導致需要和普通被試做出區(qū)分。由于臨床研究通常旨在檢測個體而不是群體水平的病理特征，因此證明神經典型對照和一組患者之間的差異發(fā)現(xiàn)的潛在病理學相關特征，并不被允許用于診斷或治療指導。除此之外行為變化（即神經功能缺損的影響）和與疾病相關的腦功能改變之間潛在的復雜相互作用是分析中需要處理的另一個挑戰(zhàn)。腦功能的改變可能與神經元信號傳導（例如癲癇）、血管反應（例如中風/腦血管疾�。┖蜕窠浹荞詈系母淖儯ɡ绨V呆）有關。此外，病理學可能會改變采樣組織的光學特性，包括不同層厚度的變化 [例如，萎縮增加腦脊液 (CSF) 空間] 或它們的吸收和散射特性（例如，由于蛛網膜下腔出血導致的 CSF 中的血液)。
關于臨床人群數(shù)據處理的其他考慮如下:
（1） 行為的變異性：無論病理表現(xiàn)如何，表現(xiàn)較差可能導致激活程度較小。相反，為實現(xiàn)接近正常的任務性能而使用的額外大腦區(qū)域可能是大腦病理學的一個指標。因此，建議將表現(xiàn)/行為納入分析和/或在出版物中報告。由于典型的 fNIRS 從大腦表面的非常有限的部分進行采樣，因此應該精確地對性能進行記錄。這允許將fNIRS數(shù)據與任務表現(xiàn)指標進行分解或關聯(lián)，提供了一種將fNIRS結果的一般方面和任務特定方面分開的方法。（2） 臨床數(shù)據整合：除了疾病嚴重程度外，病變部位、合并癥和病前表現(xiàn)范圍都有助于臨床參與者的變異性，因此應予以報告。如果臨床數(shù)據可用，最好將這些數(shù)據整合到分析中。（3） 整合共注冊數(shù)據：在臨床人群中，不同模式的大量數(shù)據（如fNIRS/EEG數(shù)據）產生的沖突結果通常被解釋為病理改變的信號。然而，應該記住，在采樣的區(qū)域或生理信號以及響應動態(tài)方面，方法學有所不同，并且這與病理學的影響有關。來自同一參與者未受影響大腦區(qū)域的參考數(shù)據可能會增加敏感性，因此應在適當?shù)臅r候報告。如果將病理大腦區(qū)域或功能系統(tǒng)中的反應與未受影響的參考系統(tǒng)進行比較，結果的可靠性就會提高。
3.6.7 神經發(fā)育研究中數(shù)據處理的具體指南
對發(fā)育群體數(shù)據的分析和測試與成年人基本相同。然而，數(shù)據的數(shù)量通常較小，質量也更高。嬰幼兒缺乏對指令的理解或遵守，運動控制較低，注意力持續(xù)時間較短，導致研究中的試驗次數(shù)減少和/或運動相關偽影數(shù)量增加。在成年人中，損壞的數(shù)據段通常會使用周圍數(shù)據或整個數(shù)據集的中心趨勢進行糾正或替換（例如，通過插值），這需要足夠的容量和質量。在發(fā)育數(shù)據中，這種方法可能并不總是有效的。然而，如果用于糾正的數(shù)據具有足夠的質量，那么糾正方法也應該與發(fā)展心理數(shù)據一起使用�；蛘�，可以使用數(shù)據拒絕。需要在手冊中詳細記錄拒收程序，以避免結果出現(xiàn)偏差（需要報告拒收標準的詳細信息、拒收數(shù)據的數(shù)量、拒收是手動還是自動等）。發(fā)育數(shù)據中較高的噪聲和偽影水平也可能增加可變性，降低統(tǒng)計意義。盡管存在這些挑戰(zhàn)，但fNIRS數(shù)據采集和分析在嬰兒身上還是相當成功的，因為嬰兒較小的頭部尺寸和較薄的頭骨和組織允許更深入的滲透和更好的對皮質的可見性。適合年齡的實驗設計和足夠的注意力吸引器也可以防止一些運動偽影和注意力限制。
3.6.8 連接性分析
功能連通性是由兩個不同大腦區(qū)域的血液動力學變化的時間進程之間的時間相關性定義的。使用在兩個FNIR通道上測量的信號，可以通過計算Spearman相關性、滯后相關性、互信息、熵、鎖相指數(shù)、小波變換相干性等來評估兩個區(qū)域之間的關系，通常在低頻范圍內（例如，0.009到0.10 Hz）。報告連接性分析時，應包括計算方法、感興趣的頻帶、分析中應用的預處理方法，以及是否對原始信號或HbO2進行了相關分析∕Hb時間序列，以及它是半球內的還是半球間的，或者如果基于感興趣區(qū)域（ROI），那么它是在ROI內還是在ROI之間。靈敏度分析顯示了在選擇不同頻帶時結果如何變化，這也很有幫助，并提供了對連通性測量的基本生理學的額外見解。對于動態(tài)靜息狀態(tài)功能連接性分析，還應報告時間窗口的持續(xù)時間和步長（例如，“使用滑動窗口相關法計算任意兩個測量通道之間的皮爾遜相關系數(shù)，時間窗口為100秒，步長為5秒”)。還應報告統(tǒng)計測試前的轉換（如Fisher z變換）、統(tǒng)計閾值和多重比較的校正方法。
雖然從適當?shù)脑?探測器距離測量的 fNIRS 信號確定的功能連接主要反映了嬰兒的腦血流動力學變化而不是表面污染，但對于成人來說可能并非如此。這是非常關鍵的，因為頭皮上對稱的脈管解剖結構可能對長分離通道中產生的高相關性有很大貢獻。雖然多個通道之間的部分相關性可能會減少表面和全局信號的影響，所以最可靠的方法是使用可以進行深度成像的儀器，如DOT或TD-NIRS。論文應報告處理頭皮生理混淆的具體程序，以及該問題如何顯著影響結果。討論還應包括這樣一個事實，即fNIRS不測量深層皮質區(qū)域的信號變化，因此對結果的解釋總是局限于測量的皮質表面。重要的是要記住，兩個緊密的fNIRS通道也可能反映出一些虛假的連通性，因為它們通過fNIRS正向模型對相同的底層皮質腦區(qū)部分敏感。
3.6.9 影像重構
DOT通過求解線性方程y＝Ax，通過稱為靈敏度矩陣（或雅可比矩陣）的微分模型a，提供了從頭部表面上的源探測器測量y到頭部體積x內局部血流動力學變化的映射。圖像重建為光學數(shù)據提供了更高的解剖學特異性，促進了解剖學參考對象的平均，以及組內/跨組和跨模態(tài)比較。報告應包含有關基于 fNIRS 的圖像重建流程中以下五個主要步驟中每一個以及方法、軟件和參數(shù)選擇的足夠詳細信息:
（1） 理想情況下，頭部解剖模型由被試特定的解剖磁共振成像（MRI）體積提供，如此不論默認頭模與參與者配準是否良好，基于圖譜的方法也可以很好地工作。該頭模包含三個基本信息：頭部的大小和形狀、光學特性的內部分布以及光學陣列元件在表面上的位置。（2） 選定的頭部解剖圖被分割成一組假定的組織。需要報告這些參數(shù)以及分割方法。（3） 頭部網格生成：對于任何模型，應報告標記組織區(qū)域的數(shù)量及其光學特性。（4） 光學陣列通過電磁定位或參考EEG標準（如10-20）等方法定位在網狀解剖結構上。光學元件在頭部表面上的真實位置的準確協(xié)同記錄至關重要，因為不匹配會直接導致指向不適當大腦區(qū)域的虛假結果。（5）一旦陣列定位在組織上，通過使用 Monte Carlo 模擬（例如，使用 TOAST++ 或 MCX）或擴散近似對組織中的光傳輸進行建模，生成源-檢測器測量的靈敏度分布矩陣(A) （例如，使用 NIRFAST）。這一步時候需要說明選擇的蒙特卡洛模擬類型。 (6) 隨后使用適當?shù)恼齽t化（例如，Tikhonov、空間變體、總變差或彈性網絡）對靈敏度矩陣(A)進行反轉。 目前存在多個支持圖像重建管道（例如 NeuroDOT、AtlasViewer、NIRS-SPM 和 NIRSTORM）的軟件套件，具有用于優(yōu)化和處理的直接可調交互。所有應用的過程/方法必須明確記錄，以便清晰地再現(xiàn)結果。
3.6.10 單試次分析與機器學習
腦機接口、神經工效學和神經反饋等領域專注于fNIRS信號的單試次和實時解碼內容，且越來越多地融入機器學習相關內容。機器學習可以為大腦信號的分析和分類提供強大的工具，但這需要用戶有意識地避免一些常見錯誤，并在確保數(shù)據科學的良好實踐方面做出努力。
分類方法會使用信號中任何可辨別的誘發(fā)變化和偽影。因此由情緒或身體活動（如頭皮血流）誘發(fā)的非神經元信號成分可能會導致實驗的分辨性(即特異性)提高，但會顯著降低受限范式之外的解碼性能和導致實驗結果假陽性。這種情況無疑強調了將混淆信號和大腦信號適當分離的重要性，如第3.5中所說，應明確報告僅對大腦信號進行分類以及從生理角度解釋分類權重的工作。
將分析數(shù)據嚴格分離為訓練和測試集對于避免過度擬合和報告有缺陷的性能結果是至關重要的一步。隨后重要的一點是要確保在學習期間對數(shù)據的任何統(tǒng)計推斷都必須限于訓練集。這不僅包括對分類的模型選擇/訓練，還包括基于數(shù)據的通道或特征選擇，或用于處理的線性回歸和濾波設置的訓練。
如果數(shù)據集太小，無法將其拆分為單獨的培訓和測試分區(qū)，則可以應用交叉驗證方案。如果要執(zhí)行附加參數(shù)的自動選擇，例如fNIRS特征選擇，則應嵌套交叉驗證。例如，如果使用GLM方法學習回歸變量，則需要將GLM嵌入交叉驗證中。130在單次試驗分析之前，對整個數(shù)據集應用學習過濾器或GLM會使方法的完整性失效。應報告模型和參數(shù)的培訓和選擇的所有步驟，以便進行方法學評估和再現(xiàn)性。
3.6.11 fNIRS的多模態(tài)集成
從測量互補生理參數(shù) HbO2 和 Hb 的角度來看，fNIRS 在多模態(tài)研究中的整合使用變得越來越頻繁。 從歷史上看，首次同時進行的 fNIRS/fMRI 研究旨在闡明共性并改善激活過程中血紅蛋白的量化。 還研究了將 fNIRS 或 TD-NIRS 與正電子發(fā)射斷層掃描 (PET) 相結合的量化。 fNIRS 與 EEG 和腦磁圖 (MEG) 的早期整合旨在研究神經-血管耦合過程。 這些早期研究有助于制定報告多模態(tài)研究的具體指南。
總所周知，多模態(tài)研究的實際困難和成本要遠遠高出單fNIRS研究。 因此，任何多模式 fNIRS 研究都應首先描述將 fNIRS 與另一種模式結合的動機，這些模式通常屬于以下四個主要類別之一：(1) 提供更好的腦血流動力學和氧合定量（例如，將血紅蛋白測量與功能磁共振成像、DCS或CCO測量相結合，以提供生理解釋參數(shù)的定量測量，如CMRO2和血紅蛋白） （2） 評估復雜或短暫事件時的大腦活動，通常使用頭皮EEG進行監(jiān)測和檢測（例如，長時間記錄以描述癲癇放電、睡眠生理學和睡眠障礙或靜息狀態(tài)波動的血流動力學反應）(3) 實時監(jiān)測腦機接口和非侵入性腦刺激期間的大腦活動，或 (4) 當涉及復雜認知過程的實驗設計可以從同步記錄中受益時，以更好地探索潛在的復雜神經過程（例如，語言 、學習、注意力、意圖、情感）。
在報告fNIRS多模式研究時，應仔細描述采集的設置，尤其是及時同步不同模態(tài)的方法。為了充分受益于多模態(tài)方法的額外信息，利用神經導航工具獲取的準確的傳感器定位和協(xié)同登記信息也需要報告。因此，我們建議報告中放入一個詳細的實驗設置圖。除此之外需要報告的內容是是 (1) 在掃描儀中引導光纖以進行 fNIRS/fMRI 共同記錄并確保光源與頭部耦合，（2）與EEG同步安排（集成fNIRS/EEG傳感器、集成fNIRS和EEG位置的最佳拼接設計，以及在頭皮上粘貼光纖），（3）fNIRS傳感器輪廓和厚度，用于同時采集fNIRS/經顱磁刺激（TMS）、fNIRS/MEG和fNIRS/功能磁共振成像（例如，已考慮使用低輪廓傳感器使TMS刺激線圈靠近頭皮）。
每種多模式方法都需要一種獨特的方法來組合數(shù)據并同時對其進行分析。例如在對fNIRS/EEG進行同步的過程中，EEG 振蕩或瞬態(tài)放電可用于使用基于GLM的方法對 fNIRS 血氧反應進行建模。 斷層掃描、統(tǒng)計方法和大腦標準化的整合可以促進未來的研究，除此之外對軟件包開發(fā)的促進也需要報告，例如允許在同一環(huán)境（例如，NIRS-SPM）內分析幾種功能模式（fMRI、fNIRS 和 EEG/MEG） 和 NIRSTORM的新方法。
4 結果:報告什么與如何報告
4.1 圖表與可視化
良好的可視化技術能夠清晰、形象地描述所有相關信息，使讀者能夠快速、輕松地理解復雜信息。結果部分應包括HbO2和Hb兩個生色團的可視化，以及大腦/頭部模板上的統(tǒng)計結果（例如，t-val-ues），或者如果兩個生色團中的一個未報告，則說明理由。在報告統(tǒng)計數(shù)據時，應遵循美國心理協(xié)會制定的規(guī)則。在受試者或組水平上，每個通道或一組選定通道或ROI的平均HbO2和Hb時間序列對于提供變化的時間特征以及數(shù)據質量非常有益。在此類圖中，提供標準差是最低要求。為了說明統(tǒng)計對比，還可以將數(shù)據顯示為包含單個數(shù)據點的方框圖或分布。如果分析側重于使用機器學習進行預測/分類，則應遵循既定的數(shù)據科學報告。用于可視化統(tǒng)計數(shù)據和性能的工具包括接收器操作特征圖、混淆矩陣和顯示統(tǒng)計分布的散點圖。
一種已經被證明可以創(chuàng)建高質量圖形的策略是，首先使用所使用的信號處理和數(shù)據分析工具（如MATLAB®、R、Python）創(chuàng)建原始圖形，然后使用專業(yè)的矢量圖形軟件完成圖像。
4.2 簡潔且嚴謹?shù)奈淖直硎?/span>
結果部分應該非常簡潔且組織良好，完整但僅展示使用所描述的方法獲得的結果。如果期刊有長度限制，部分結果可以顯示在補充材料中。以前發(fā)表的結果應與新結果明確區(qū)分。人們經常觀察到對發(fā)表證實被檢驗假設的結果的偏見，這可能會損害客觀性。因此，強烈建議報告所使用的所有分析的結果，無論其是陽性還是無效。此外，將在數(shù)據分析之前決定的計劃分析（如果這些分析是在開放科學平臺上預先注冊的，則可以提供預注冊研究計劃的URL，參見第7.1節(jié)）和探索性分析（受分析期間數(shù)據的啟發(fā)）分開是一種好的做法。突出顯示無效結果或與原始假設相矛盾的結果對于透明度和可復制性很重要。
5. 討論與結論: 此研究對該研究方向大局的影響
5.1根據現(xiàn)有得到的研究結果討論: 優(yōu)勢、局限于未來潛在的研究方向
在討論中，應將之前在相同或相關領域（fNIRS、fMRI、EEG或其他）的研究結果與現(xiàn)有結果進行比較和情境化。這確保了與文獻的一致性檢查，并展示了這些發(fā)現(xiàn)的創(chuàng)新貢獻和意義。不應混淆相關性和因果關系，也不應在沒有證據的情況下報告因果關系。
理想情況下，討論應該有一個單獨的部分專門討論研究的優(yōu)勢和局限性。fNIRS研究的優(yōu)勢可能包括所采用的創(chuàng)新實驗范式、對特定神經/認知現(xiàn)象的深入研究、大樣本量，或創(chuàng)新硬件或信號處理方法的開發(fā)和應用。局限性可能是樣本量小、儀器儀表以及測量和分析中存在混雜效應。。例如，一項研究表明，盡管由于頭皮/顱骨厚度較小，年輕人群中fNIRS的大腦敏感性較高，如果沒有獨立測量外腦血流動力學變化（例如，通過短的分離通道），仍然應該考慮他們的分析中的生理混雜因素，并討論生理噪聲對其結果和解釋的可能影響。
根據手稿中呈現(xiàn)的內容，對未來可能的研究步驟進行專門描述有助于討論開放性科學問題，理想情況下包括新課題產生的假設的形成，這些假設可以在后續(xù)研究中進行進一步實驗。
5.2 結論
結論應綜合研究的主要發(fā)現(xiàn)，并以非常簡潔的形式總結其對該領域的意義和影響。結論必須與目標和結果呈現(xiàn)的內容相符合。建議首先仔細考慮和定義這些結論。這對編寫一份連貫、直截了當?shù)恼撐姆浅Ｓ杏谩?br />
6. 參考
6.1引用的正確格式
熟悉研究領域的文獻是對所介紹工作進行背景化的先決條件。為了提供背景和基本原理，并將研究結果與現(xiàn)有文獻進行比較，必須提供包括有關手頭特定主題的相關評論文章和原創(chuàng)研究文章。 同樣，在終稿中應仔細檢查每個參考文獻，以確認論文中中提及的信息與引用的原始作品中提供的信息一致。
7. 附錄:強化實驗可重復性
7.1 預注冊、數(shù)據和代碼共享
研究和分析計劃可以在數(shù)據采集開始預注冊。這種做法確保了透明度，使研究人員能夠區(qū)分計劃分析和探索性分析，并據此解釋其結果。研究可以在許多開放科學文獻庫中預先注冊，如神經成像工具和資源合作組織（Neuroimaging Tools and Resources Collaboratory，NITRC）、GitHub、rOpenSci、Dryad、開放科學框架（Open Science Framework，OSF）、Mendeley、Figshare和arXiv。一旦研究完成，其中許多文獻庫中還允許數(shù)據和代碼共享。與研究社區(qū)共享數(shù)據和代碼有助于研究結果的可重復性，因為它允許研究人員獨立測試和驗證結果，并獲得新的發(fā)現(xiàn)和解釋，而無需對工作進行不必要的重復。因此，我們強烈鼓勵分享fNIRS數(shù)據和代碼，以及其他有用的信息，如實驗期間呈現(xiàn)的刺激。一些期刊提供了分享這些額外信息的機會作為論文主體的補充。如果期刊不允許，那么可以使用其他途徑進行，例如在線存儲庫。本文的方法部分提供了相關存儲庫的鏈接。使用這些資源的一個優(yōu)點是，它們允許記錄有權訪問數(shù)據的下載者，這是許多倫理委員會的要求。當來自人類研究的數(shù)據被公開分享時，確保其完全去標識化是至關重要的。IRB是在共享數(shù)據的同時獲得保護人類隱私指導的重要資源。可以進一步加快創(chuàng)新技術的公開共享硬件/軟件也非常有用（例如opennirs/openfnirs項目）。最后，數(shù)據應該以公開和廣泛可訪問的格式共享。fNIRS社區(qū)正在采用一種常見的fNIRS數(shù)據格式：“shared near-infrared data format”——“snirf”(https://github.com/fNIRS/snirf)。使用fNIRS通用的標準格式和標準指南，可以極大地促進使用不同采集系統(tǒng)和處理管道的研究小組之間的數(shù)據共享，例如與sMRI結構像的兼容性。
額外：本手冊由Meryem A. Yücel(2022)進行撰寫，中文版由上海心儀電子科技有限公司（心儀腦平臺）翻譯校對。未經授權不允許任何形式的中文版轉錄，復制、修改、印刷等行為。
1 動機
功能性近紅外光譜 (fNIRS) 是一種無創(chuàng)、易于使用和便攜式的腦成像技術，可以在實驗室和現(xiàn)實環(huán)境中研究正常的腦功能和疾病中出現(xiàn)的改變。1977 年，Jöbsis 首次使用該技術無創(chuàng)地評估過度換氣導致的人腦氧合變化。從那時起，該工具已發(fā)展成為一種成熟的無創(chuàng)腦成像模式，并已廣泛應用至不同的人群和研究問題中。
隨著商業(yè) fNIRS 系統(tǒng)的日益普及，在過去的二十年中，fNIRS 研究的數(shù)量急劇增加。這種快速增長導致這類研究中的方法實踐、數(shù)據處理方法和統(tǒng)計分析存在巨大的多樣性。 雖然研究方法的多樣化在這個快速發(fā)展的領域中是值得期待和歡迎的，但它會給不同fNIRS研究中結果的解釋、比較和重復帶來挑戰(zhàn)。這種神經影像數(shù)據分析中缺乏標準化流程以及由此導致的研究結果差異并非 fNIRS 社群獨有，功能磁共振成像 (fMRI) 社區(qū)也存在這種問題。且這個問題因報告實踐不佳而加劇，可能會極大地阻礙或偏向審查過程，并大大降低給定論文的影響力和隨后的可復制性。本文的目的是為研究人員提供有關如何以全面、透明和可訪問的方式報告 fNIRS 研究的指南。這些指南并非旨在作為標準；相反，它們是關于如何報告 fNIRS 研究以確保實現(xiàn)研究結果的全面影響的最佳實踐。
本文遵循典型 fNIRS 研究論文的結構，每個部分（簡介、方法等）都討論了與該部分相關的指南。 我們在附錄（表 1）中提供了一份綜合清單，并參考了相關部分，以便于重新閱讀文本以獲取更多詳細信息。 值得注意的是，為簡潔起見，此處介紹的與儀器相關的指南側重于連續(xù)波 fNIRS（CW-NIRS）技術，僅簡要提及其他現(xiàn)有的NIRS技術[頻域NIRS（FD-NIRS）、時域NIRS（TD-NIRS）和擴散相關光譜（DCS）]。
2 標題、摘要與引言
2.1 好的標題和摘要結構
2.1.1 選擇一個好的標題
一個好的標題對于一篇科學論文至關重要。 它應該信息豐富且具體，簡短而簡潔，并包含有關論文內容和主題的足夠信息。 正如 Paiva 等人所表明的，科學論文在標題較短時具有更高的引用率和觀看率， 不包括問號、冒號或連字符，并且是“描述結果的標題”而不是“描述方法的標題”。 例如，這種標題“使用功能性近紅外神經成像研究 2 至 14 歲兒童語言發(fā)展的神經元相關性：一項新研究”就很可能不如“語言發(fā)展導致布洛卡區(qū)的大腦激活的年齡依賴性變化”這樣的標題來的清晰且吸引讀者。
2.1.2 將摘要結構化:清晰性與一致性
摘要是論文的高度精煉概括版本，傳達了其核心發(fā)現(xiàn)和意義。 摘要呈現(xiàn)的科學質量通常是論文其余部分質量的良好預測指標。 一個好的摘要是“信息豐富的”和“激勵的”。 摘要的質量與論文被引用的次數(shù)相關并在文章發(fā)表的初步階段中起絕對性的作用。
我們建議除非期刊本身需要不同的摘要結構，否則在幾句話中內隱式或顯式地構建類似于論文主體的摘要，即“引言”、“目標”、“方法”、“結果”和“結論”，并酌情解決部分或全部這些問題。除非期刊本身需要不同的摘要結構。
引言部分需要提供由必要的科學背景支持的研究目標，并以該目標對該領域的重要性為動力。 目標部分要列出研究的目標。 在“方法”部分，應簡明扼要地報告方法學最相關的方面，例如實驗設計/刺激（如果相關）、樣本量、感興趣的大腦區(qū)域、主要數(shù)據處理和/或統(tǒng)計分析步驟。如果是介紹fNIRS硬件或數(shù)據處理新方法的論文在方法部分應提供關鍵細節(jié)，例如新方法的驗證等。而在結果部分，則需報告論文的主要結果，包括最相關的數(shù)值結果(例如ROI的血液動力學變化及其統(tǒng)計學意義)，此部分中包含的數(shù)據或者結果應與正文中報告且與其中的數(shù)據/結果相匹配。結論部分應綜合對目前結果的解釋與其在相關領域存在的潛在方向/意義/影響。
2.2 fNIRS論文的引言選擇
2.2.1研究的范圍、背景、意義和目標
對所有的研究論文來說，引言都有助于傳達所報告研究的范圍、背景、創(chuàng)新和意義。其中要包含以下部分 (1)大綱:該研究的一般研究問題， (2)回顧與本研究的中心研究問題相關的文獻，突出現(xiàn)有知識和知識差距， (3)進行研究的動機, (4)描述研究的具體假設或是需要驗證的猜想 (5)對用于驗證假設的方法進行簡短的總結說明， (6)說明當前研究的具體目標，鑒于fNIRS現(xiàn)在是一直公開的已知方法，不必嚴格參考基本驗證論文。
對技術和方法論文的引言部分來說，應描述創(chuàng)新技術/方法與現(xiàn)有技術/方法的不同之處和原因、預期的優(yōu)勢以及該方法如何得到驗證。
對涉及臨床、神經學或神經認知問題的論文的引言來說，應側重于研究問題如何促進我們對腦功能、腦疾病或神經認知機制的理解。
此外，如果與研究內容相關且篇幅允許，應闡明使用 fNIRS 而非其他神經影像學方式的原因。引言部分末尾對研究目標的清晰簡潔陳述有助于讀者建立適當?shù)钠谕@些研究目標應與實驗最后得出的結論一致。
3 方法:研究的可重復性
方法部分應該使讀者了解結果如何實現(xiàn)以及如何重現(xiàn)結果。它應包含有關參與者人口統(tǒng)計信息、實驗范式的詳細信息、使用的系統(tǒng)、數(shù)據采集的詳細信息以及包括使用的統(tǒng)計方法在內的預處理步驟。
此部分還應包含一個或多個圖片展示如下內容: (1)測量參數(shù)設置: 對測量界面/現(xiàn)場的高質量原始照片/圖畫重現(xiàn)， (2)頭部的fNIRS光極陣列/通道排列， (3)實驗方案的可視化[包含實驗中的可選項]， (4)一個展示fNIRS設置足以探測到實驗ROI腦區(qū)的靈敏度分析。此外，如果信號處理原理很復雜并且涉及先進和/或創(chuàng)新的步驟，強烈建議放入至少一個框圖，該圖應描述所有處理步驟以及輸入和輸出信號信息。
值得注意的是，有些期刊的末尾要求將方法部分作為附錄。 在這些情況下，引言和結果部分只需足夠的方法學信息來理解上下文，而無需深入研究方法學細節(jié)。
3.1 被試
3.1.1 人類被試
被試通常用一組最相關的人口統(tǒng)計數(shù)據和臨床特征(如果合適)來描述。這些數(shù)據包括參與者的數(shù)量、年齡的平均值和方差，精確的年齡范圍（例如，新生兒的小時數(shù)，嬰兒的月數(shù)和天數(shù)）以及性別分布等。同時對被試進行篩選排除的條件也需列出(如病理特征/母語等)。也可以說明其他與實驗相關的特征，例如慣用手、種族、社會經濟地位等。值得注意的是，報告種族分布可能是相關的，特別是如果它與進行研究的地點的人口預期不同。fNIRS信號質量可能取決于頭發(fā)特性（顏色、厚度和密度）等。有偏見的對參與者進行選擇可能導致 fNIRS 神經影像學結果缺乏普遍性。對于多組對象的研究，應描述對其分組分配的標準與流程。
對于臨床被試來說，疾病相關信息的數(shù)量取決于論文的重點。作者應在文章中簡要提供關鍵特征并在參考（補充）中呈現(xiàn)所需的流行病學/病理學細節(jié)。 通常，表格會列出自發(fā)病以來的時間、腦損傷/功能障礙的原因（例如，缺血性心源性左大腦中動脈卒中）以及相關的臨床發(fā)現(xiàn)等信息（例如，殘余失語）。
對于特定人群，如果適用且可用，報告與整體生理適應性或評估的特定病理學相關的參數(shù)或生物標志物可能是有用的，例如血液標志物（例如，貧血，這可能導致改變或意外結果）。
如果某些被試的數(shù)據被排除在最終分析外，則還應提供最終樣本的人口統(tǒng)計數(shù)據以及數(shù)據拒絕標準。 為了確保透明度和防止有偏見的選擇，還需要在對數(shù)據處理過程中的什么時間點應用了不同的拒絕標準以及它們是分批應用還是逐個應用進行說明。
此外，必須提供有關倫理問題的信息，包括評估和批準研究方案的機構審查委員會 (IRB) 的名稱、遵循的倫理程序（例如，獲得知情同意、輕微同意和/或父母許可）以及作為臨床研究注冊的鏈接（如果存在）。
3.1.2 樣本量和統(tǒng)計效能檢驗(Power analysis)
適當?shù)臉颖玖?被試的數(shù)量對于任何 fNIRS 實驗都很重要，但沒有固定的規(guī)則來確保其統(tǒng)計意義上的有效性。確定樣本量的一種實用方法是執(zhí)行功效/效能分析，它被用來估計在預設情況下功效水平 (1 - β)（即1-II 類錯誤的概率，通常設置為 0.8）和 α（I 類錯誤的概率，通常設置為 0.05)的效應量。功效分析報告通常包含樣本量（先驗功效分析的必要樣本量和后驗功效分析的實際樣本量）、功效（a先驗功效分析和后驗功效分析的實現(xiàn)功效），使用的 alpha 水平，選擇的效應大小及其理由（例如，先前的研究或試點研究），假設檢驗的相關統(tǒng)計檢驗，以及相關引用用于執(zhí)行功率分析的平臺等因素。
3.2 實驗參數(shù)和設備
3.2.1 實驗設計
在設計實驗范式時，必須考慮 fNIRS 信號的一些細節(jié)。例如，生理混淆在 fNIRS 信號中占主導地位（參見第 3.5 節(jié)），這意味著每個刺激條件幾乎總是必須重復多次才能解決功能反應。同時，如果要對數(shù)據進行塊平均，則血流動力學響應的時間特征會限制連續(xù)刺激之間的間隔持續(xù)時間。還需要考慮與刺激在時間上相關的生理混淆。例如，如果參與者的呼吸模式定期呈現(xiàn)，則它們可能與刺激塊對齊。這可能會增加假陽性反應。19 這些問題可以通過深思熟慮的實驗設計來減少預期效應，例如，通過偽隨機化條件順序和刺激間隔的長度。在描述研究的實驗設計時，這些考慮可能會提供信息。
對實驗設計的準確描述對于讀者的理解至關重要—這關乎fNIRS 研究的結果和工作的可重復性。任何可能影響結果或其解釋的實驗特征都應在方法部分報告，建議盡可能加入包含實驗范式的示意圖。
絕大多數(shù) fNIRS 范式屬于以下三類之一:用于功能連接研究的組塊設計、事件相關設計和靜息狀態(tài)范式。 在不包括對參與者的明確刺激的靜息狀態(tài)范式的情況下，可以通過記錄持續(xù)時間的細節(jié)來恰當?shù)孛枋龇妒剑?參與者所處的環(huán)境（例如，照明條件、聽覺條件、睜眼/閉眼、視野中的物體或顯示器等）； 以及給參與者的任何指示（參見第 3.2.2 節(jié)）。
應該為組塊和事件相關的范式另外報告的特征包括：刺激、條件的數(shù)量、每個條件的塊或試驗的數(shù)量、塊或試驗的呈現(xiàn)順序、每個條件的持續(xù)時間塊或試驗，以及塊間或試驗間間隔的持續(xù)時間。提供刺激時間和示例的草圖（例如，描述視覺刺激幀的靜止圖像）可以提供大量信息。圖1顯
示了一個示例。
圖 1 實驗范式可視化范例:n-back范式的示意圖。每個實驗由 30 個block組成，block間間隔為 15 秒。 每個block有 15 次trial，并以屏幕上顯示 2 秒的任務指令“n-back”開始。 指令結束后，屏幕上會顯示字母，一次一個，持續(xù) 0.5 秒。 trial間隔為 1.5 s，在此期間屏幕上顯示注視十字。 參與者被要求指出當前字母是否與之前呈現(xiàn)的“n”個試驗相同。
3.2.2 被試引導/培訓與互動
fNIRS 論文應清楚地描述向參與者提供的有關任務的引導指示。這些信息通常在解釋神經數(shù)據的過程中至關重要。例如，關于學習刺激集的明確指令與對相同刺激集記憶的內隱指令會誘發(fā)不同的注意/動機/學習機制。因此，需要提及與參與者如何構思和完成任務相關的方面，例如，反應的時間限制、顯性或隱性任務、任務目標的描述等。同樣，給予參與者的反饋或其他激勵措施也需要說明，因為這可能會改變他們執(zhí)行任務的注意力或動機。在數(shù)據采集過程中可能影響參與者表現(xiàn)的實驗條件，例如設置程序過長、在昏暗/黑暗的照明條件下采集、環(huán)境干擾等其他影響因素也需要報告。
3.3 設備系統(tǒng)與數(shù)據采集
3.3.1 fNIRS設備和數(shù)據采集參數(shù)描述
fNIRS 研究領域在技術創(chuàng)新和神經科學應用方面都在迅速擴展，從而導致了各種商用和定制內部開發(fā)設備的出現(xiàn)。
儀器的不同之處不僅在于其基本的硬件操作模式，還在于用于回收血紅素、氧合血紅蛋白和脫氧血紅蛋白（因此也包括總血紅蛋白）的方法程序，除此之外在細胞色素c-氧化酶22濃度變化或反映它們的光信號的計算方式上也都有所不同（分別縮寫為HbO2、Hb、tHb和CCO）[值得注意的是，其他首字母縮寫詞（例如HbO/HbR/HbT，O2Hb∕HHb∕tHb，或氧血紅蛋白/脫氧血紅蛋白/總血紅蛋白）也是常見且可接受的]。因此，必須準確報告儀器規(guī)范的基本方面。雖然大多數(shù)商用fNIRS儀器是連續(xù)波的，但它們不一定使用相同的近紅外（NIR）波長或相同的算法來恢復血紅蛋白濃度。此外，大量定制的fNIRS儀器傾向于采用TD-NIRS(時域)、FD-NIRS(頻域)、或高密度（HD）技術等技術，這些技術與當前的商業(yè)儀器有根本性的區(qū)別；這是一個非專業(yè)用戶幾乎不知道的事實。
準確報告相關儀器規(guī)格將有助于更好地解釋與復制結果，并提高研究的透明度。在描述fNIRS設備規(guī)格時，出版物應明確報告以下信息：（1）制造商和版本，（2）操作模式（CW、FD和TD），（3） 波長的數(shù)量和光譜，（4）輻照度（暴露區(qū)域內的光源功率）或平均功率或兩者[應注意光源暴露符合ANSI（美國）或IEC-60825（歐洲）等安全標準]，（5）采樣率、光電二極管的數(shù)量和類型以及產生的通道，和源-檢測器距離，以及（6）將數(shù)據轉換為生色團濃度的方法（如果由儀器軟件自動完成；否則將在數(shù)據分析部分報告）。這些信息可以用一個簡短的總結句給出，例如“我們使用了一個NIRSdev（NIRScomp，國家）連續(xù)-近紅外設備，具有24個活動通道（8個激光二極管發(fā)射器，λ1/2=750/850 nm，平均功率<1 mW，以及8個雪崩光電二極管探測器（以50 Hz采樣）。使用改進的比爾-蘭伯特定律（mBLL）將數(shù)據轉換為濃度變化。
”應報告轉換的所有假設（固定散射和水濃度）和參數(shù)[如消光系數(shù)和微分路徑長度因子（DPF）]，包括如何解釋DPF的變化，例如在嬰兒發(fā)育的縱向研究中。還可以報告所選參數(shù)的參考。如果使用FD或TD裝置，則應說明獲得吸收和散射系數(shù)所采用的程序。
3.3.2 光極陣列和設計、采集帽與目標大腦區(qū)域接觸問題
fNIRS 測量的可重復性在很大程度上取決于對蒙太奇設計（幾何形狀）和源-探測器陣列位置的清晰記錄。盡管 fNIRS 技術正在迅速發(fā)展，但大多數(shù) fNIRS 研究仍然被儀器有限的視野和/或通道密度限制，因此頭皮上的源和探測器的布局因研究而異。許多 fNIRS 設備配備了可靈活布置的成套光源和探測器或“光極”。還有的則帶有預設好的光源和探測器墊(排列)，或者可以自由定位但不能重新組織的固定分布。因此，有必要為所描述的fNIRS研究提供其光電極位置和布置，由于fNIRS測量高度依賴于fNIRS源和探測器陣列的位置、范圍、源-探測器分離和密度，因此這一過程非常關鍵。這些因素影響測量對給定皮質區(qū)域的靈敏度、大腦和腦外組織對每個信號的相對貢獻，以及整個視野中測量靈敏度的均勻性。數(shù)字頭部模型（虛擬模型/模擬）可用于理解特定于設備的近紅外光傳播，這對于設計下一代光學腦成像設備和光電二極管陣列至關重要。蒙特卡羅模擬提供了一種用于表征和評估不同fNIRS傳感器配置和參數(shù)的貢獻的一種受控參數(shù)，如光程長度、探測器表面積和源-探測器分離。
在出版物中報告陣列設計時，強烈建議包括一份陣列圖(蒙太奇)，其中包含：（1）源和探測器位置的總數(shù)；（2） 頻道總數(shù)；（3）源-檢測器分離的分布。在可能的情況下，拍下光極序列在被試身上的照片也是可行的。這可能會提供有關陣列的物理設計和人體工程學的額外信息。圖2顯示了一個示例。
圖 2 使用 12/14 源/檢測器設置的光極陣列示例，在前額葉皮層上形成 34 個通道，間距為 30 毫米。 以 log10 mm−1 為單位的靈敏度曲線。 使用 AtlasViewer.14 進行可視化。
3.3.3 關于儀器/硬件開發(fā)的出版物
隨著全球fNIRS儀器新設計和創(chuàng)新的不斷進步，需要具體的指導方針和標準化來簡化工作，加快新技術的采用。這些工作可以通過首先在設備規(guī)范中推廣使用標準命名約定來促進（見表2中的樣本命名法）。雖然對于舊設備，參考描述設備的論文可能就足夠了，如果論文的重點是介紹新技術，則對新設備的描述應包括: (1)描述連接和控制機制的硬件框圖，(2)軟件流程圖，描述信息流、硬件組件控制和數(shù)據采集協(xié)議， (3)光源和探測器的類型，(4)為防止外部污染和通道間串擾（如時間復用、頻率復用或兩者的組合）而采取的措施(如果有)，(5)關鍵部件和單個零件號的電路圖。如果使用數(shù)字頭部模型來指導硬件設計，則應適當引用這些模型。
對光源類型的描述應包括(激光/LED)，特殊的波長和單位面積發(fā)射功率(例如:0.2W/cm2)都需要報告——用以評估設備的安全級別和潛在分類。同時也應強調眼睛和皮膚的近紅外光照射（如果需要，防護裝備后的照射）應保持在普遍接受的安全規(guī)范范圍內，如激光產品安全國際標準或燈具和燈具系統(tǒng)光生物安全國際標準。
對光檢測器類型的描述應包括（例如，pin光電二極管/雪崩光電二極管/光電倍增管/單光子雪崩檢測器等）、以及其配置（例如，單像素光電二極管、光電二極管陣列、成像電荷耦合器件等），應注意其特定波長（增益、噪聲系數(shù)和噪聲等效功率）的感光度曲線，以及與皮膚接觸方式（直接接觸、使用光導或光纖）。
對于fNIRS儀器的開發(fā)商和制造商，尤其是監(jiān)管部門的批準，必須了解最近發(fā)布的國際電工委員會（IEC）/國際標準化組織（ISO）fNIRS設備標準（IEC 80601-2-71），60601醫(yī)用電氣設備標準系列中的特定標準。與任何電氣儀表一樣，產品安全測試應獨立認證（例如，美國的保險商實驗室UL認證、歐盟的消費電子產品CE認證、日本的產品安全電器和材料PSE認證，以及中國的強制認證CCC認證）。對于大學培養(yǎng)體系，這可以通過當?shù)氐尼t(yī)院生物醫(yī)學工程部門來完成，這些部門在用于人類之前測試這些研究設備的電氣安全性。
對于大學研究體系來說，在臨床/研究研究中使用新的光學腦成像設備只需要獲得當?shù)貍惱砦瘑T會的批準。對于診斷或治療等最終臨床應用，需要進一步的監(jiān)管批準（例如，美國的FDA、歐洲的EU MDR、日本的《藥品和醫(yī)療器械法案》PMDA，以及中國的國家醫(yī)療產品管理局NMPA，前身為CFDA）。
為了在臨床研究中實現(xiàn)可比性和可靠性，基于專用模型的fNIRS儀器的標準化性能評估應該是儀器開發(fā)論文的重要組成部分。上述IEC 80601-2-71標準還包括對混濁模型的若干性能測試。主要在于對fNIRS平臺的測試，包含該平臺是否具有用以產生與HbO2和Hb的特定變化相對應定義衰減變化真實的整體衰減和可變的內部孔徑等。本標準中描述的其他基于模型的測試包括信號穩(wěn)定性、響應時間、信噪比（SNR）和信號串擾。
基于多實驗室共識建立工作的多個協(xié)議促進了擴散光學儀器和方法更全面的性能表征和比較[例如，用于疾病診斷和監(jiān)測的光學方法（MEDPHOT）協(xié)議，基本儀器性能（BIP）協(xié)議，以及通過脈沖近紅外光（Neuromit）協(xié)議對大腦功能和疾病進行無創(chuàng)成像。nEUROPt協(xié)議是專門針對fNIRS儀器的方案，旨在表征儀器的對比度、對比噪聲比（CNR）、橫向分辨率、深度敏感性和大腦吸收變化的量化。它由均勻混濁的、帶有小黑色內含物的系統(tǒng)構成，例如，一個固體-固體可切換的模型和兩個分層的模型。據報道，其他fNIRS模型模擬HbO2和Hb濃度的時間變化，例如通過電致變色可變吸收體或可移動層。用于組織血氧儀測試的含Hb的可變氧合模型也應能夠定量評估fNIRS信號質量。創(chuàng)造這種解剖學上逼真的動態(tài)模型可能是一項挑戰(zhàn)，但也是可以實現(xiàn)的。
描述儀器開發(fā)的論文應報告所執(zhí)行的特定模型測試的以下數(shù)據：模型類型、其光學和幾何參數(shù)、測試安排，包括源-探測器距離，以及測試結果。有關示例，請參見參考。
盡管商用fNIRS設備很少附帶模型，但fNIRS儀器的開發(fā)人員和制造商可以受益于采用基于模型的常規(guī)質量檢查測試的既定指南。全面檢查信號幅度的可重復性有助于識別諸如光纖斷裂和光源或探測器退化等問題。如果制造商建議進行基于模型的常規(guī)試驗，則應報告制備和表征模型所采用的程序。
3.4 預處理步驟
為了便于對實驗結果進行重復，并確保在分析過程中不會跳過重要的處理步驟，方法部分應包括所有數(shù)據分析步驟的詳細說明。圖3總結了fNIRS數(shù)據分析原則中的主要預處理步驟，以下各節(jié)同樣也給出了方法部分中應呈現(xiàn)的預期詳細程度。
圖3元素fNIRS預處理步驟概述。淺藍色圓形箭頭表示常規(guī)處理順序。并非所有步驟都是存在或必要的。
3.4.1 fNIRS信號質量指標和channel抑制
fNIRS數(shù)據分析中的一個重要預處理步驟是對每個通道的原始信號進行信號質量檢查。fNIRS信號中的噪聲可能來自測量系統(tǒng)（例如，由于光源不穩(wěn)定、電子噪聲和散粒噪聲），我們稱之為“噪聲”，也可能來自生理原因或頭部/身體運動，我們在論文中稱之為“混雜信號”或“混淆信號”。
fNIRS對噪聲的信號質量檢查可以通過簡單的SNR檢查或通過頻譜分析獲得每個通道的心臟功率來測試。當采樣率相當高（例如，10 Hz）時，心跳是光級頭皮耦合的良好指示器，因此是fNIRS信號的良好質量控制指標。因此，方法部分可以包括SNR閾值（例如，>20db）和心臟功率閾值的指示，用于拒絕進一步分析的數(shù)據信道。由于不同的測量通道可能不符合不同參與者的標準，因此還應報告每個通道的剩余參與者人數(shù)，以避免對結果的任何誤解。
特別是在fNIRS中，由于各種類型的混雜信號和噪聲，重要的是要了解指標SNR、CNR和對比背景比（CBR）之間的概念差異，并明確使用這些術語。術語SNR應用于量化儀器fNIRS信道的信號質量。它是根據固定時間窗口內測量的原始光強度計算得出的，表示為SNR¼20 log10Þ，其中μ對應于信號的強度偏移（dc分量），σ對應于信號的方差（ac分量）。當提取的血流動力學響應強度與背景混雜信號或測量噪聲有關，因此取決于信號的特定預處理時，使用對比度指標（CBR/CNR）。有關這些指標的更多詳細信息，請參閱參考。
3.4.2 運動偽跡
fNIRS信號可能包含尖峰或基線位移形式的運動偽影，尤其是在從非常規(guī)人群收集的數(shù)據中，如嬰兒（見第3.6.7節(jié)）或在需要運動（行走或說話）的實驗任務中。在這種情況下，可以識別運動偽影并從分析中刪除相鄰試驗，或者可以使用先前文獻中的許多運動偽影校正算法。
在任何一種情況下，都應報告運動偽影和相關參數(shù)的處理和校正（例如，識別運動的閾值、校正方法的特定參數(shù)）。此外，由于前一種方法（即識別和移除與運動偽影重疊的試驗）將減少試驗中的試次數(shù)量，因此應報告剩余試次的數(shù)量。最后，運動偽影消除算法的輸出需要通過評估算法性能的理論和經驗方法進行驗證（參見如何驗證新算法的示例）。
3.4.3 矯正后的比爾郎伯定律/參數(shù)和修正
通過mBLL(矯正后的比爾朗博定律)，光密度或吸光度的變化可以被轉化為血紅蛋白細胞HbO2和Hb的變化。然而，在連續(xù)波近紅外光譜中，探測到的光子所經過的平均路徑長度是未知的。在高散射介質中，軌跡的路徑長度比源-探測器距離的路徑長度長。通過將源-探測器距離乘以通過FD-NIRS或TD-NIRS實驗獲得的DPF，可以估計整個采樣區(qū)域內的光程長度。因此，在報告時，一種選擇是使用DPF（取自文獻）并以摩爾濃度單位（例如μM）報告生色團濃度變化的結果。該選項考慮了波長和源檢測器距離對路徑長度的依賴性，因此，比較來自不同分離渠道的信息時更合適。當DPF數(shù)據不可用時，研究人員可能會依賴另一種選擇，即不使用平均路徑長度從比爾-蘭伯特定律中提取濃度變化。在這種情況下，信號變化表示為濃度變化和平均路徑長度的乘積，單位為（摩爾濃度×距離），例如μM-cm或μM-mm。當使用單個分離時，后一種方法可能是合適的，但對多個分離有限制。
值得注意的是，發(fā)色團濃度的變化可能會因處理方法、是否應用校正以及應用校正方法的不同而顯著不同。例如，對于同一測量通道，所產生的HbO2濃度變化可報告為：40μM mm，無需任何校正；當使用微分路徑長度校正系數(shù)6和源-檢測器距離30 mm進行路徑長度校正時，可報告為0.22μM。在所有情況下，應說明選擇方法和相關參數(shù)（如DPF），并提供引文。當呈現(xiàn)濃度變化結果時，應清楚地標記其單位。
3.4.4 混雜系統(tǒng)信號對fNIRS的影響
從光源到探測器的近紅外光探測大腦皮層，但在更大程度上也探測腦外組織層。腦外組織（尤其是頭皮）的血流和氧合變化會影響fNIRS信號，并導致對測量信號的潛在誤解。此外，全身生理變化也會影響腦血流動力學。生理干擾的主要來源有兩個（1）二氧化碳分壓（PaCO2）/全身血壓節(jié)律/自主神經系統(tǒng)和交感神經系統(tǒng)相互作用引起的腦外和腦組織心率和血管張力變化（2）頭部運動、咬牙或揚眉引起的血流和氧合變化。
忽略生理混雜效應可能會導致假陽性，即錯誤地將檢測到的血流動力學變化分配給功能性大腦活動，或導致假陰性，即在存在時掩蓋大腦活動。因此，建議采用系統(tǒng)生理學增強fNIRS方法，同時測量這些系統(tǒng)參數(shù)。另一方面，識別和分離系統(tǒng)生理學中的這些變化，可以對大腦血流動力學的復雜調節(jié)提供創(chuàng)新性見解，例如，涉及特別對神經元活動或系統(tǒng)生理學變化做出反應的網絡。fNIRS（預）處理的大部分工作集中在分離或拒絕混雜信號上，可以采用多種策略，最突出的是通用線性模型（GLM）。本節(jié)將再次詳細討論此主題。
3.4.5 統(tǒng)計檢驗和去除混雜信號的策略
fNIRS研究的目的通常需要以下集中統(tǒng)計檢驗內容來進行下一步解釋：(1)比較大腦對任務和基線的反應，（2）比較不同任務期間的大腦反應，（3）大腦內部或跨腦區(qū)間的血流動力學信號之間的相關性。這些測試結果受到fNIRS數(shù)據特定噪聲結構的高度影響。由于強烈的生理成分（心臟、呼吸和血壓變化），fNIRS數(shù)據中的噪聲具有頻率依賴性（有色）和相關性。由于這些特征違反了GLM中的主要假設，即噪聲不依賴于頻率（白色）且不相關，因此在采用GLM分析之前，有必要（1）對數(shù)據進行預濾波，以消除混淆信號，如生理混淆和運動偽影，和/或（2）預白信號，和/或（3）對信號進行預著色。作為預美白方法的一個例子，可以使用自回歸模型估計fNIRS數(shù)據的內在時間相關性。然后在廣義最小二乘法中使用時間相關估計的反演來獲得GLM參數(shù)的無偏有效估計。另一方面，預白化方法中的這種反演對時間相關性的正確估計很敏感。因此，作為替代方法，可以使用時間濾波器（平滑）矩陣來估計fNIRS數(shù)據的時間相關性。當對fNIRS數(shù)據應用具有足夠大內核寬度的低通濾波器時，這種預著色方法是有效的。然后，可以對時間平滑的數(shù)據應用最小二乘法，并將GLM擴展為包括濾波器矩陣。這個過程產生無偏的參數(shù)估計，但不能保持其最大效率。在所有情況下，應明確說明選擇的方法和預過濾步驟。
3.4.6 濾波和漂移回歸
信號中的高頻成分，如儀器噪聲和心臟搏動，通常使用低通濾波器（例如巴特沃斯濾波器或切比雪夫濾波器）去除。但如果低通濾波器閾值太低，ROI的大腦反應也會被消除，因此應謹慎選擇（通常為0.5 Hz或更高）。另一方面，可以使用高通濾波器去除信號中的低頻成分，可隨之而來的首要問題是使用過高的值作為閾值可能會去除實際的期望大腦信號，尤其是當實驗任務塊的持續(xù)時間與高通閾值相當時（例如，0.05-Hz高通濾波器與20 s的刺激持續(xù)時間）。在對實驗進行描述時應說明應用的濾波類型、濾波器的階數(shù)（如有）和截止頻率（例如，截止頻率為0.01至0.5 Hz的三階零相位巴特沃斯帶通濾波器）。
其次，了解相位響應至關重要，因為具有非線性相位響應的濾波器會使信號失真。有限沖激響應（FIR）濾波器具有線性相位響應，可在離線和在線（數(shù)據采集期間）安全應用，而不像無限沖激響應（IIR）濾波器（例如巴特沃斯），后者需要零相位校正，并且只能在離線應用，因為校正需要一次獲得整個信號。
3.5 fNIRS信號中的生理學信息: 優(yōu)化策略
3.5.1 提高大腦活動測量可靠性的策略
由于fNIRS信號中存在生理混淆，因此不建議報告僅使用長分離通道測量的信號的結果，也不建議報告考慮可能的混淆系統(tǒng)生理變化的數(shù)據處理，尤其是在大腦外組織覆蓋較厚的成年參與者中。圖4顯示了fNIRS儀器（與使用的源-檢測器布置有關）與測量大腦（大腦皮層）真實血流動力學變化的可能性之間的關系。此表格適用于使用CW連續(xù)波近紅外儀器的情況。
在以下情況下，檢測到大腦活動相關變化的可靠性較高:（1） 可以排除系統(tǒng)生理學的顯著變化，（2）使用對深度敏感的多距離fNIRS方法，并以過濾大腦外層變化干擾的方式處理數(shù)據，或（3）CW-NIRS設置僅用于每個通道的長源-檢測器分離，但對信號進行特定的信號處理，以減少腦外組織的干擾影響。在沒有短分離通道測量的情況下，大量通道或系統(tǒng)生理學的額外測量信號協(xié)助優(yōu)化數(shù)據。以下各節(jié)總結了這些策略的既定方法
圖4測量大腦皮層真實血流動力學變化的可靠性由fNIRS測量的深度敏感性和混淆的系統(tǒng)生理信號的影響決定。(a)評估獲取腦信號可靠性的檢查表，(b)影響獲取腦源性信號可靠性的方法學因素。
3.5.2 策略1: 通過儀器和信號處理提高深度靈敏度
這種方法需要擴展fNIRS測量設置，以使測量對深度敏感，例如能夠區(qū)分腦外和大腦各層的變化。為了提高深度靈敏度，fNIRS設置應包含具有不同長度的源-檢測器分離的光學通道，尤其是短的（圖4）。短分離通道（<15 mm，最佳距離∼成人和成人8毫米∼4至5毫米（嬰兒）對腦外組織層的血液灌注和氧合變化最為敏感。
在使用 CW-NIRS的情況下，短和長分離通道的并行使用最大限度地提高了對大腦皮層的敏感性，同時最大限度地降低了對腦外層的敏感性。 使用短分離通道進行的此類測量能夠從長分離通道中回歸出大腦外層的信號變化，這種方法通常被稱為“短分離回歸”，由 Saager 和 Berger 開創(chuàng)。還有幾種方法被開發(fā)用于回歸，包括最小二乘算法和各種類型的自適應濾波或卡爾曼濾波。最近一個有希望的發(fā)展是將GLM與時間嵌入典型相關分析結合對fNIRS數(shù)據進行分析。之前的研究證明，短分離回歸降低了血流動力學反應的試次間變異性，并降低了發(fā)生在腦外層強烈血流動力學變化的影響。
其他對深度敏感的儀器包括：(1) 多距離測量，它使用擴散理論和來自多個源-探測器分離的信號斜率，(2) 擴散光學斷層掃描 (DOT) {其他首字母縮略詞 [例如，擴散光學光譜 (DOS)， 近紅外成像 (NIRI)、漫反射光學成像 (DOI)、近紅外光學斷層掃描 (NIROT) 和高密度斷層掃描 (HD-tomography)] 也是可以接受的}，它使用大量通道提供深度分辨測量， 和 TD-NIRS(時域) 系統(tǒng):用于測量光子的飛行時間：深度編碼在光子的到達時間中，因為晚期光子在皮層中走過的路徑更長，深度也就更深。
3.5.3 策略2:進行沒有內在深度敏感測量的信號處理
在亞理想測量的情況下（即，只有長的分離通道可用），應努力將數(shù)據分解為大腦活動和生理混亂（圖4）。一種方法是從所有通道的平均值（或中值）中用全局分量近似系統(tǒng)變化，并從每個通道中過濾。另一種替代方法是數(shù)據驅動的信號處理方法，將fNIRS信號分解為大腦和系統(tǒng)成分（盲源分離方法，例如獨立成分分析和主成分分析）。
3.5.4 策略3:在fNIRS信號處理中結合系統(tǒng)生理學變化的測量
當有額外系統(tǒng)生理信號可用時（例如心率、呼吸率、呼吸量、動脈CO2濃度、血壓和皮膚電導），研究者可以（1）從fNIRS信號中回歸這些影響（2）詳細研究這些信號與fNIRS信號的關系。例如，可以使用GLM方法來實現(xiàn)這一點，該方法使用系統(tǒng)生理信號或這些信號的線性時滯混合物作為額外的回歸器。應報告此類回歸器的處理和生成細節(jié)（例如，包括的信號和使用的相位/時滯）。值得注意的是，由于頭皮內血管系統(tǒng)的異質性，策略2和策略3都有移除大腦活動或無法正確移除系統(tǒng)生理成分的風險。
3.6 統(tǒng)計和分析方法
3.6.1 血液動力學反應函數(shù)(HRF)估量: 區(qū)間(block)平均與一般線性模型(GLM)
使用mBLL計算血紅蛋白濃度變化后，通常通過簡單的組塊間(Block)平均、卷積或線性估計模型來估計血液動力學響應函數(shù)（HRF）。GLM將測量數(shù)據表示為功能不同組件的線性組合。雖然塊平均避免了對HRF形狀的先驗假設，但GLM允許對fNIRS信號中的不同混雜因素以及對刺激的血流動力學反應進行建模。GLM能夠同時估計fNIRS成分的貢獻，從而提供較少偏差的HRF估計。GLM報告應包括所有建模的回歸系數(shù)及其參數(shù)，以及用于估計回歸系數(shù)權重的方法（例如。，“HRF使用標準偏差為0.5 s的高斯函數(shù)建模，平均值間隔為0.5 s。回歸系數(shù)的權重使用普通最小二乘擬合獲得。”）。如果由于各種原因（如運動偽影污染），總試驗次數(shù)比實驗方案中報告的次數(shù)減少，則報告還應包括最終分析中包含的試驗次數(shù)。
3.6.2 血液動力學反應函數(shù)(HRF)估量: GLM方法中HRF回歸量的選擇
HRF通常由固定的標準形狀（如伽馬函數(shù)變體）或更靈活的模型（如多個基函數(shù)的線性組合，如高斯函數(shù)）建模。
為了提高統(tǒng)計效能(power)，如果HRF的形狀是先驗已知的，則固定的標準形狀是較好的。文章描寫的方法應包括模型及其參數(shù)，以及在選擇固定形狀的情況下模型偏好的理由。然而，如果HRF的形狀未知（在不同人群、實驗范式、大腦區(qū)域等中），使用固定模型可能會導致其統(tǒng)計效能的損失，并使結果產生偏差。在這種情況下，首選靈活的模型，因為它們允許捕捉HRF的真實時間特征。
3.6.3 統(tǒng)計分析: 一般說明
論文中提出的主張應得到統(tǒng)計分析的支持。所有統(tǒng)計分析都與實驗設計和基本假設相關聯(lián)，因此，沒有單一的標準化方式來描述統(tǒng)計分析。如果缺少部分信息，則無法驗證統(tǒng)計方法的準確性，并且無法在研究或未來重復中比較結果。強烈建議報告效應量和置信區(qū)間，因為它們都是無樣本統(tǒng)計量，因此可以更方便地比較不同研究。使用表格和數(shù)字來呈現(xiàn)統(tǒng)計結果可以提高可讀性。
3.6.5 GLM結果的統(tǒng)計分析
每個通道處GLM回歸器的權重通常使用最小二乘法進行估計，該方法使實際值和擬合值之間的平方差之和最小化。就最小二乘法的類型而言，普通最小二乘法基于觀測值之間誤差不相關的模型假設。因此，當回歸模型中的殘差之間存在一定程度的時間相關性時，可以使用廣義最小二乘法進行預白化或預著色。 然后通過檢驗零假設進行統(tǒng)計推斷，即估計系數(shù)與零假設之間沒有顯著差異。否定零假設表明對刺激有反應。通常，使用t檢驗執(zhí)行單個對比（即效果的線性組合）的假設檢驗，而使用 F 統(tǒng)計量同時測試多個對比的。因此，在報告GLM分析結果時，重要的是描述對比中包括哪些回歸系數(shù)，并說明應用的具體統(tǒng)計測試。在二級GLM分析中，可以使用固定效應、隨機效應或混合效應分析來估計人口效應。與固定效應相比，隨機效應模型同時考慮了變異來源(受試者內部和受試者之間的變異性),如此這樣就可以對抽取樣本的人群進行推斷。無論哪種情況，作者都必須在論文中清楚地描述用于二級分析的方法。最后，通過在較高Z值處對測試統(tǒng)計量Z（例如，t或F統(tǒng)計量）設定閾值來評估通道特定效應的統(tǒng)計顯著性。由于每個通道同時進行大量統(tǒng)計測試，多通道fNIRS系統(tǒng)具有I型錯誤（假陽性）的高風險，因此，I型錯誤控制至關重要。至于所謂的“多重比較問題”我們將在下一節(jié)討論。
3.6.6 臨床人群中數(shù)據處理的具體指南
雖然處理步驟與其他人群基本相同，但病理學特征導致需要和普通被試做出區(qū)分。由于臨床研究通常旨在檢測個體而不是群體水平的病理特征，因此證明神經典型對照和一組患者之間的差異發(fā)現(xiàn)的潛在病理學相關特征，并不被允許用于診斷或治療指導。除此之外行為變化（即神經功能缺損的影響）和與疾病相關的腦功能改變之間潛在的復雜相互作用是分析中需要處理的另一個挑戰(zhàn)。腦功能的改變可能與神經元信號傳導（例如癲癇）、血管反應（例如中風/腦血管疾�。┖蜕窠浹荞詈系母淖儯ɡ绨V呆）有關。此外，病理學可能會改變采樣組織的光學特性，包括不同層厚度的變化 [例如，萎縮增加腦脊液 (CSF) 空間] 或它們的吸收和散射特性（例如，由于蛛網膜下腔出血導致的 CSF 中的血液)。
關于臨床人群數(shù)據處理的其他考慮如下:
（1） 行為的變異性：無論病理表現(xiàn)如何，表現(xiàn)較差可能導致激活程度較小。相反，為實現(xiàn)接近正常的任務性能而使用的額外大腦區(qū)域可能是大腦病理學的一個指標。因此，建議將表現(xiàn)/行為納入分析和/或在出版物中報告。由于典型的 fNIRS 從大腦表面的非常有限的部分進行采樣，因此應該精確地對性能進行記錄。這允許將fNIRS數(shù)據與任務表現(xiàn)指標進行分解或關聯(lián)，提供了一種將fNIRS結果的一般方面和任務特定方面分開的方法。（2） 臨床數(shù)據整合：除了疾病嚴重程度外，病變部位、合并癥和病前表現(xiàn)范圍都有助于臨床參與者的變異性，因此應予以報告。如果臨床數(shù)據可用，最好將這些數(shù)據整合到分析中。（3） 整合共注冊數(shù)據：在臨床人群中，不同模式的大量數(shù)據（如fNIRS/EEG數(shù)據）產生的沖突結果通常被解釋為病理改變的信號。然而，應該記住，在采樣的區(qū)域或生理信號以及響應動態(tài)方面，方法學有所不同，并且這與病理學的影響有關。來自同一參與者未受影響大腦區(qū)域的參考數(shù)據可能會增加敏感性，因此應在適當?shù)臅r候報告。如果將病理大腦區(qū)域或功能系統(tǒng)中的反應與未受影響的參考系統(tǒng)進行比較，結果的可靠性就會提高。
3.6.7 神經發(fā)育研究中數(shù)據處理的具體指南
對發(fā)育群體數(shù)據的分析和測試與成年人基本相同。然而，數(shù)據的數(shù)量通常較小，質量也更高。嬰幼兒缺乏對指令的理解或遵守，運動控制較低，注意力持續(xù)時間較短，導致研究中的試驗次數(shù)減少和/或運動相關偽影數(shù)量增加。在成年人中，損壞的數(shù)據段通常會使用周圍數(shù)據或整個數(shù)據集的中心趨勢進行糾正或替換（例如，通過插值），這需要足夠的容量和質量。在發(fā)育數(shù)據中，這種方法可能并不總是有效的。然而，如果用于糾正的數(shù)據具有足夠的質量，那么糾正方法也應該與發(fā)展心理數(shù)據一起使用�；蛘�，可以使用數(shù)據拒絕。需要在手冊中詳細記錄拒收程序，以避免結果出現(xiàn)偏差（需要報告拒收標準的詳細信息、拒收數(shù)據的數(shù)量、拒收是手動還是自動等）。發(fā)育數(shù)據中較高的噪聲和偽影水平也可能增加可變性，降低統(tǒng)計意義。盡管存在這些挑戰(zhàn)，但fNIRS數(shù)據采集和分析在嬰兒身上還是相當成功的，因為嬰兒較小的頭部尺寸和較薄的頭骨和組織允許更深入的滲透和更好的對皮質的可見性。適合年齡的實驗設計和足夠的注意力吸引器也可以防止一些運動偽影和注意力限制。
3.6.8 連接性分析
功能連通性是由兩個不同大腦區(qū)域的血液動力學變化的時間進程之間的時間相關性定義的。使用在兩個FNIR通道上測量的信號，可以通過計算Spearman相關性、滯后相關性、互信息、熵、鎖相指數(shù)、小波變換相干性等來評估兩個區(qū)域之間的關系，通常在低頻范圍內（例如，0.009到0.10 Hz）。報告連接性分析時，應包括計算方法、感興趣的頻帶、分析中應用的預處理方法，以及是否對原始信號或HbO2進行了相關分析∕Hb時間序列，以及它是半球內的還是半球間的，或者如果基于感興趣區(qū)域（ROI），那么它是在ROI內還是在ROI之間。靈敏度分析顯示了在選擇不同頻帶時結果如何變化，這也很有幫助，并提供了對連通性測量的基本生理學的額外見解。對于動態(tài)靜息狀態(tài)功能連接性分析，還應報告時間窗口的持續(xù)時間和步長（例如，“使用滑動窗口相關法計算任意兩個測量通道之間的皮爾遜相關系數(shù)，時間窗口為100秒，步長為5秒”)。還應報告統(tǒng)計測試前的轉換（如Fisher z變換）、統(tǒng)計閾值和多重比較的校正方法。
雖然從適當?shù)脑?探測器距離測量的 fNIRS 信號確定的功能連接主要反映了嬰兒的腦血流動力學變化而不是表面污染，但對于成人來說可能并非如此。這是非常關鍵的，因為頭皮上對稱的脈管解剖結構可能對長分離通道中產生的高相關性有很大貢獻。雖然多個通道之間的部分相關性可能會減少表面和全局信號的影響，所以最可靠的方法是使用可以進行深度成像的儀器，如DOT或TD-NIRS。論文應報告處理頭皮生理混淆的具體程序，以及該問題如何顯著影響結果。討論還應包括這樣一個事實，即fNIRS不測量深層皮質區(qū)域的信號變化，因此對結果的解釋總是局限于測量的皮質表面。重要的是要記住，兩個緊密的fNIRS通道也可能反映出一些虛假的連通性，因為它們通過fNIRS正向模型對相同的底層皮質腦區(qū)部分敏感。
3.6.9 影像重構
DOT通過求解線性方程y＝Ax，通過稱為靈敏度矩陣（或雅可比矩陣）的微分模型a，提供了從頭部表面上的源探測器測量y到頭部體積x內局部血流動力學變化的映射。圖像重建為光學數(shù)據提供了更高的解剖學特異性，促進了解剖學參考對象的平均，以及組內/跨組和跨模態(tài)比較。報告應包含有關基于 fNIRS 的圖像重建流程中以下五個主要步驟中每一個以及方法、軟件和參數(shù)選擇的足夠詳細信息:
（1） 理想情況下，頭部解剖模型由被試特定的解剖磁共振成像（MRI）體積提供，如此不論默認頭模與參與者配準是否良好，基于圖譜的方法也可以很好地工作。該頭模包含三個基本信息：頭部的大小和形狀、光學特性的內部分布以及光學陣列元件在表面上的位置。（2） 選定的頭部解剖圖被分割成一組假定的組織。需要報告這些參數(shù)以及分割方法。（3） 頭部網格生成：對于任何模型，應報告標記組織區(qū)域的數(shù)量及其光學特性。（4） 光學陣列通過電磁定位或參考EEG標準（如10-20）等方法定位在網狀解剖結構上。光學元件在頭部表面上的真實位置的準確協(xié)同記錄至關重要，因為不匹配會直接導致指向不適當大腦區(qū)域的虛假結果。（5）一旦陣列定位在組織上，通過使用 Monte Carlo 模擬（例如，使用 TOAST++ 或 MCX）或擴散近似對組織中的光傳輸進行建模，生成源-檢測器測量的靈敏度分布矩陣(A) （例如，使用 NIRFAST）。這一步時候需要說明選擇的蒙特卡洛模擬類型。 (6) 隨后使用適當?shù)恼齽t化（例如，Tikhonov、空間變體、總變差或彈性網絡）對靈敏度矩陣(A)進行反轉。 目前存在多個支持圖像重建管道（例如 NeuroDOT、AtlasViewer、NIRS-SPM 和 NIRSTORM）的軟件套件，具有用于優(yōu)化和處理的直接可調交互。所有應用的過程/方法必須明確記錄，以便清晰地再現(xiàn)結果。
3.6.10 單試次分析與機器學習
腦機接口、神經工效學和神經反饋等領域專注于fNIRS信號的單試次和實時解碼內容，且越來越多地融入機器學習相關內容。機器學習可以為大腦信號的分析和分類提供強大的工具，但這需要用戶有意識地避免一些常見錯誤，并在確保數(shù)據科學的良好實踐方面做出努力。
分類方法會使用信號中任何可辨別的誘發(fā)變化和偽影。因此由情緒或身體活動（如頭皮血流）誘發(fā)的非神經元信號成分可能會導致實驗的分辨性(即特異性)提高，但會顯著降低受限范式之外的解碼性能和導致實驗結果假陽性。這種情況無疑強調了將混淆信號和大腦信號適當分離的重要性，如第3.5中所說，應明確報告僅對大腦信號進行分類以及從生理角度解釋分類權重的工作。
將分析數(shù)據嚴格分離為訓練和測試集對于避免過度擬合和報告有缺陷的性能結果是至關重要的一步。隨后重要的一點是要確保在學習期間對數(shù)據的任何統(tǒng)計推斷都必須限于訓練集。這不僅包括對分類的模型選擇/訓練，還包括基于數(shù)據的通道或特征選擇，或用于處理的線性回歸和濾波設置的訓練。
如果數(shù)據集太小，無法將其拆分為單獨的培訓和測試分區(qū)，則可以應用交叉驗證方案。如果要執(zhí)行附加參數(shù)的自動選擇，例如fNIRS特征選擇，則應嵌套交叉驗證。例如，如果使用GLM方法學習回歸變量，則需要將GLM嵌入交叉驗證中。130在單次試驗分析之前，對整個數(shù)據集應用學習過濾器或GLM會使方法的完整性失效。應報告模型和參數(shù)的培訓和選擇的所有步驟，以便進行方法學評估和再現(xiàn)性。
3.6.11 fNIRS的多模態(tài)集成
從測量互補生理參數(shù) HbO2 和 Hb 的角度來看，fNIRS 在多模態(tài)研究中的整合使用變得越來越頻繁。 從歷史上看，首次同時進行的 fNIRS/fMRI 研究旨在闡明共性并改善激活過程中血紅蛋白的量化。 還研究了將 fNIRS 或 TD-NIRS 與正電子發(fā)射斷層掃描 (PET) 相結合的量化。 fNIRS 與 EEG 和腦磁圖 (MEG) 的早期整合旨在研究神經-血管耦合過程。 這些早期研究有助于制定報告多模態(tài)研究的具體指南。
總所周知，多模態(tài)研究的實際困難和成本要遠遠高出單fNIRS研究。 因此，任何多模式 fNIRS 研究都應首先描述將 fNIRS 與另一種模式結合的動機，這些模式通常屬于以下四個主要類別之一：(1) 提供更好的腦血流動力學和氧合定量（例如，將血紅蛋白測量與功能磁共振成像、DCS或CCO測量相結合，以提供生理解釋參數(shù)的定量測量，如CMRO2和血紅蛋白） （2） 評估復雜或短暫事件時的大腦活動，通常使用頭皮EEG進行監(jiān)測和檢測（例如，長時間記錄以描述癲癇放電、睡眠生理學和睡眠障礙或靜息狀態(tài)波動的血流動力學反應）(3) 實時監(jiān)測腦機接口和非侵入性腦刺激期間的大腦活動，或 (4) 當涉及復雜認知過程的實驗設計可以從同步記錄中受益時，以更好地探索潛在的復雜神經過程（例如，語言 、學習、注意力、意圖、情感）。
在報告fNIRS多模式研究時，應仔細描述采集的設置，尤其是及時同步不同模態(tài)的方法。為了充分受益于多模態(tài)方法的額外信息，利用神經導航工具獲取的準確的傳感器定位和協(xié)同登記信息也需要報告。因此，我們建議報告中放入一個詳細的實驗設置圖。除此之外需要報告的內容是是 (1) 在掃描儀中引導光纖以進行 fNIRS/fMRI 共同記錄并確保光源與頭部耦合，（2）與EEG同步安排（集成fNIRS/EEG傳感器、集成fNIRS和EEG位置的最佳拼接設計，以及在頭皮上粘貼光纖），（3）fNIRS傳感器輪廓和厚度，用于同時采集fNIRS/經顱磁刺激（TMS）、fNIRS/MEG和fNIRS/功能磁共振成像（例如，已考慮使用低輪廓傳感器使TMS刺激線圈靠近頭皮）。
每種多模式方法都需要一種獨特的方法來組合數(shù)據并同時對其進行分析。例如在對fNIRS/EEG進行同步的過程中，EEG 振蕩或瞬態(tài)放電可用于使用基于GLM的方法對 fNIRS 血氧反應進行建模。 斷層掃描、統(tǒng)計方法和大腦標準化的整合可以促進未來的研究，除此之外對軟件包開發(fā)的促進也需要報告，例如允許在同一環(huán)境（例如，NIRS-SPM）內分析幾種功能模式（fMRI、fNIRS 和 EEG/MEG） 和 NIRSTORM的新方法。
4 結果:報告什么與如何報告
4.1 圖表與可視化
良好的可視化技術能夠清晰、形象地描述所有相關信息，使讀者能夠快速、輕松地理解復雜信息。結果部分應包括HbO2和Hb兩個生色團的可視化，以及大腦/頭部模板上的統(tǒng)計結果（例如，t-val-ues），或者如果兩個生色團中的一個未報告，則說明理由。在報告統(tǒng)計數(shù)據時，應遵循美國心理協(xié)會制定的規(guī)則。在受試者或組水平上，每個通道或一組選定通道或ROI的平均HbO2和Hb時間序列對于提供變化的時間特征以及數(shù)據質量非常有益。在此類圖中，提供標準差是最低要求。為了說明統(tǒng)計對比，還可以將數(shù)據顯示為包含單個數(shù)據點的方框圖或分布。如果分析側重于使用機器學習進行預測/分類，則應遵循既定的數(shù)據科學報告。用于可視化統(tǒng)計數(shù)據和性能的工具包括接收器操作特征圖、混淆矩陣和顯示統(tǒng)計分布的散點圖。
一種已經被證明可以創(chuàng)建高質量圖形的策略是，首先使用所使用的信號處理和數(shù)據分析工具（如MATLAB®、R、Python）創(chuàng)建原始圖形，然后使用專業(yè)的矢量圖形軟件完成圖像。
4.2 簡潔且嚴謹?shù)奈淖直硎?/span>
結果部分應該非常簡潔且組織良好，完整但僅展示使用所描述的方法獲得的結果。如果期刊有長度限制，部分結果可以顯示在補充材料中。以前發(fā)表的結果應與新結果明確區(qū)分。人們經常觀察到對發(fā)表證實被檢驗假設的結果的偏見，這可能會損害客觀性。因此，強烈建議報告所使用的所有分析的結果，無論其是陽性還是無效。此外，將在數(shù)據分析之前決定的計劃分析（如果這些分析是在開放科學平臺上預先注冊的，則可以提供預注冊研究計劃的URL，參見第7.1節(jié)）和探索性分析（受分析期間數(shù)據的啟發(fā)）分開是一種好的做法。突出顯示無效結果或與原始假設相矛盾的結果對于透明度和可復制性很重要。
5. 討論與結論: 此研究對該研究方向大局的影響
5.1根據現(xiàn)有得到的研究結果討論: 優(yōu)勢、局限于未來潛在的研究方向
在討論中，應將之前在相同或相關領域（fNIRS、fMRI、EEG或其他）的研究結果與現(xiàn)有結果進行比較和情境化。這確保了與文獻的一致性檢查，并展示了這些發(fā)現(xiàn)的創(chuàng)新貢獻和意義。不應混淆相關性和因果關系，也不應在沒有證據的情況下報告因果關系。
理想情況下，討論應該有一個單獨的部分專門討論研究的優(yōu)勢和局限性。fNIRS研究的優(yōu)勢可能包括所采用的創(chuàng)新實驗范式、對特定神經/認知現(xiàn)象的深入研究、大樣本量，或創(chuàng)新硬件或信號處理方法的開發(fā)和應用。局限性可能是樣本量小、儀器儀表以及測量和分析中存在混雜效應。。例如，一項研究表明，盡管由于頭皮/顱骨厚度較小，年輕人群中fNIRS的大腦敏感性較高，如果沒有獨立測量外腦血流動力學變化（例如，通過短的分離通道），仍然應該考慮他們的分析中的生理混雜因素，并討論生理噪聲對其結果和解釋的可能影響。
根據手稿中呈現(xiàn)的內容，對未來可能的研究步驟進行專門描述有助于討論開放性科學問題，理想情況下包括新課題產生的假設的形成，這些假設可以在后續(xù)研究中進行進一步實驗。
5.2 結論
結論應綜合研究的主要發(fā)現(xiàn)，并以非常簡潔的形式總結其對該領域的意義和影響。結論必須與目標和結果呈現(xiàn)的內容相符合。建議首先仔細考慮和定義這些結論。這對編寫一份連貫、直截了當?shù)恼撐姆浅Ｓ杏谩?br />
6. 參考
6.1引用的正確格式
熟悉研究領域的文獻是對所介紹工作進行背景化的先決條件。為了提供背景和基本原理，并將研究結果與現(xiàn)有文獻進行比較，必須提供包括有關手頭特定主題的相關評論文章和原創(chuàng)研究文章。 同樣，在終稿中應仔細檢查每個參考文獻，以確認論文中中提及的信息與引用的原始作品中提供的信息一致。
7. 附錄:強化實驗可重復性
7.1 預注冊、數(shù)據和代碼共享
研究和分析計劃可以在數(shù)據采集開始預注冊。這種做法確保了透明度，使研究人員能夠區(qū)分計劃分析和探索性分析，并據此解釋其結果。研究可以在許多開放科學文獻庫中預先注冊，如神經成像工具和資源合作組織（Neuroimaging Tools and Resources Collaboratory，NITRC）、GitHub、rOpenSci、Dryad、開放科學框架（Open Science Framework，OSF）、Mendeley、Figshare和arXiv。一旦研究完成，其中許多文獻庫中還允許數(shù)據和代碼共享。與研究社區(qū)共享數(shù)據和代碼有助于研究結果的可重復性，因為它允許研究人員獨立測試和驗證結果，并獲得新的發(fā)現(xiàn)和解釋，而無需對工作進行不必要的重復。因此，我們強烈鼓勵分享fNIRS數(shù)據和代碼，以及其他有用的信息，如實驗期間呈現(xiàn)的刺激。一些期刊提供了分享這些額外信息的機會作為論文主體的補充。如果期刊不允許，那么可以使用其他途徑進行，例如在線存儲庫。本文的方法部分提供了相關存儲庫的鏈接。使用這些資源的一個優(yōu)點是，它們允許記錄有權訪問數(shù)據的下載者，這是許多倫理委員會的要求。當來自人類研究的數(shù)據被公開分享時，確保其完全去標識化是至關重要的。IRB是在共享數(shù)據的同時獲得保護人類隱私指導的重要資源。可以進一步加快創(chuàng)新技術的公開共享硬件/軟件也非常有用（例如opennirs/openfnirs項目）。最后，數(shù)據應該以公開和廣泛可訪問的格式共享。fNIRS社區(qū)正在采用一種常見的fNIRS數(shù)據格式：“shared near-infrared data format”——“snirf”(https://github.com/fNIRS/snirf)。使用fNIRS通用的標準格式和標準指南，可以極大地促進使用不同采集系統(tǒng)和處理管道的研究小組之間的數(shù)據共享，例如與sMRI結構像的兼容性。
額外：本手冊由Meryem A. Yücel(2022)進行撰寫，中文版由上海心儀電子科技有限公司（心儀腦平臺）翻譯校對。未經授權不允許任何形式的中文版轉錄，復制、修改、印刷等行為。
標簽：
近紅外腦成像
