文章來源于微信公眾號(茗創(chuàng)科技),歡迎有興趣的朋友搜索關(guān)注机打。
導(dǎo)讀
功能近紅外光譜(fNIRS)是認(rèn)知神經(jīng)科學(xué)中一種重要的神經(jīng)成像技術(shù)。但對于最佳的預(yù)處理流程還未達(dá)成共識。這個問題是非常有價值的毕箍,特別是因為嬰兒血流動力學(xué)反應(yīng)(HRF)的發(fā)展和變化還不完全清楚。因此道盏,系統(tǒng)地比較分析方法是有必要的而柑。本研究在兩個實驗中考察了五種不同預(yù)處理流程的性能,這些流程是在對嬰兒fNIRS文獻(xiàn)進(jìn)行系統(tǒng)搜索的基礎(chǔ)上選擇的荷逞。在實驗1中媒咳,研究者使用合成數(shù)據(jù)來比較恢復(fù)的HRFs和真實的HRF,并評估每種方法對增加的噪聲水平的魯棒性种远。在實驗2中涩澡,分析了一項已發(fā)表的研究的實驗數(shù)據(jù),評估了新生兒人工語法加工的神經(jīng)關(guān)聯(lián)坠敷。研究者發(fā)現(xiàn)妙同,運動偽影校正(而不是拒絕)能夠保留大量的試次,但HRF振幅往往大幅降低膝迎。相比之下粥帚,偽影拒絕導(dǎo)致高排除率,但充分保留了HRF的特征限次。研究者還發(fā)現(xiàn)芒涡,所有這些預(yù)處理流程的性能都隨著噪聲的增加而下降,但明顯小于未應(yīng)用預(yù)處理的情況卖漫。最后费尽,對光密度或濃度變化數(shù)據(jù)進(jìn)行預(yù)處理沒有區(qū)別。這些結(jié)果表明羊始,近紅外數(shù)據(jù)預(yù)處理應(yīng)作為明確質(zhì)量問題的函數(shù)進(jìn)行優(yōu)化旱幼。
1?前言
功能近紅外光譜(fNIRS)技術(shù)是一種基于測量腦血液光散射的無創(chuàng)神經(jīng)成像技術(shù)。由于氧合血紅蛋白和脫氧血紅蛋白(分別為HbO和HbR)在電磁波譜(650-900nm)的近紅外區(qū)域有不同的吸收光譜店枣,因而fNIRS可以測量人腦在休息或響應(yīng)特定任務(wù)時氧合和血液灌注的相對變化速警。
近紅外光譜是一種相對年輕的技術(shù),但它在認(rèn)知神經(jīng)科學(xué)的許多領(lǐng)域獲得越來越多的認(rèn)可鸯两。發(fā)展神經(jīng)科學(xué)是其應(yīng)用最活躍的領(lǐng)域之一闷旧。該技術(shù)完全非侵入性,易于使用钧唐,無聲忙灼,即使是最年輕的參與者都對其具有很好地耐受性。它不需要使用示蹤物質(zhì)或強磁場/脈沖。此外该园,重要的是酸舍,嬰兒的頭骨和大腦周圍的其他組織相對較薄,這使得光線能夠更深入地穿透大腦皮層里初。在源-探測器距離為3cm時啃勉,新生兒的近紅外光可穿透皮層1-1.5cm,而成人則為0.5cm双妨。由于這些原因淮阐,近紅外成像技術(shù)正迅速成為許多發(fā)展研究領(lǐng)域的首選成像技術(shù)之一,包括對幼兒言語知覺和言語發(fā)展刁品、社會認(rèn)知泣特、物體知覺和預(yù)測的研究。
由于fNIRS是一種相對較新的技術(shù)挑随,目前還沒有關(guān)于最佳預(yù)處理做法的普遍共識状您。由于嬰兒血流動力學(xué)反應(yīng)(HRF)的發(fā)展和變化尚不完全清楚,因而這一問題未能得到進(jìn)一步的解決兜挨。因此膏孟,系統(tǒng)地比較分析方法是必要的。本研究的目的是研究從嬰兒近紅外光譜文獻(xiàn)中選擇的五種不同數(shù)據(jù)預(yù)處理流程的性能拌汇。在實驗1中骆莹,研究者使用合成數(shù)據(jù)來比較恢復(fù)的HRF和真實的HRF,并評估每種方法對增加的噪聲水平的魯棒性担猛。在實驗2中,研究者分析了一項已發(fā)表研究的實驗數(shù)據(jù)丢氢,評估了新生兒人工語法加工的神經(jīng)關(guān)聯(lián)傅联。
1.1?嬰兒HRF
研究嬰幼兒參與者是具有挑戰(zhàn)性的,他們不能遵守指令疚察,而且注意力持續(xù)時間很短蒸走。當(dāng)使用大腦成像,如近紅外光譜儀貌嫡,也會有一些其他的困難出現(xiàn)比驻。無法讓嬰兒靜止不動,嬰兒也不能像成人一樣耐受住探頭帽岛抄,很難調(diào)整探頭帽的位置或梳理頭發(fā)别惦。這些問題導(dǎo)致被測信號中存在較大且頻繁的運動偽影、高頻噪聲等夫椭。因此掸掸,在數(shù)據(jù)處理和分析過程中需要考慮這些數(shù)據(jù)質(zhì)量問題。與成人研究相比,嬰兒研究的數(shù)據(jù)質(zhì)量往往差得多扰付,這就需要有專門針對嬰兒數(shù)據(jù)的處理和分析方法堤撵。
此外,嬰兒fNIRS數(shù)據(jù)的特征與成人數(shù)據(jù)有本質(zhì)上的不同羽莺。首先实昨,盡管嬰兒fNIRS的研究越來越多,但嬰兒血流動力學(xué)反應(yīng)功能(HRF)尚未完全確定盐固。除了典型的反應(yīng)(HbO的增加和HbR的相應(yīng)減少)荒给,反向反應(yīng)(HbO的減少和HbR的增加)也經(jīng)常被報告。這種反向反應(yīng)在大腦的所有區(qū)域都有發(fā)現(xiàn)闰挡,在0~3個月大時出現(xiàn)的頻率更高锐墙,但這一趨勢與通道位置、基線選擇长酗、實驗任務(wù)溪北、刺激的性質(zhì)和復(fù)雜性相互作用。根據(jù)最近的一篇綜述夺脾,HbR的形態(tài)似乎有多種類型之拨。但即使是典型的反應(yīng)(HbO的增加和HbR的相應(yīng)減少),嬰兒與成人也有所不同咧叭。有研究者使用fMRI發(fā)現(xiàn)蚀乔,嬰兒的HRF通常有更小的幅值和更長的峰值時間,以及明顯更深的下沖點菲茬。峰值潛伏期的延遲在嬰兒期逐漸減少吉挣。這些差異背后的生理原因可能是多方面的,但這是基于嬰兒期大腦發(fā)育和神經(jīng)血管耦合的實質(zhì)性發(fā)展變化婉弹。早產(chǎn)兒HRF的形態(tài)與出生時的體重和身高顯著相關(guān)睬魂,而與修正月齡無關(guān),因此即使在同一年齡組也存在個體差異镀赌。
這些獨特的特征對數(shù)據(jù)預(yù)處理和分析具有重要的意義氯哮。即使在數(shù)據(jù)質(zhì)量相似的情況下,嬰兒的HRF也比成人的HRF更不容易被檢測到商佛,因為它的幅值更小喉钢,潛伏期更長,尤其是在較短刺激呈現(xiàn)block或事件相關(guān)設(shè)計中良姆。因此肠虽,嬰兒數(shù)據(jù)的預(yù)處理程序應(yīng)該在盡可能保持其幅值的同時,將HRF從背景噪聲中去除玛追。此外舔痕,預(yù)處理應(yīng)該保留個體的HRF形狀,即使這些形狀是非典型的,因為它們可能提供關(guān)于潛在的發(fā)育原因的重要信息伯复,如大腦成熟的不同狀態(tài)或不同刺激復(fù)雜性誘發(fā)的不同認(rèn)知神經(jīng)機制等慨代。
1.2 嬰兒數(shù)據(jù)最常見的預(yù)處理方法
近紅外光譜文獻(xiàn)中常用的分析方法有幾個方面的不同。其中最重要的是①運動偽影如何處理啸如;②生理噪聲如何過濾侍匙;③預(yù)處理步驟如何排序。
1.2.1?偽影處理
當(dāng)數(shù)據(jù)存在運動偽影時叮雳,可以對這些偽影進(jìn)行校正或舍棄想暗。文獻(xiàn)中已經(jīng)提出了幾種運動偽影校正方法,以往的研究系統(tǒng)地比較了這些方法的有效性帘不,得出的結(jié)論是基于小波的濾波通常在成人數(shù)據(jù)上的表現(xiàn)最好说莫。對兒童fNIRS數(shù)據(jù)的研究發(fā)現(xiàn),移動平均濾波器和維納濾波(WF)的組合比單獨使用WF效果更好寞焙,盡管研究指出WF可能會降低恢復(fù)信號的幅度储狭。與本研究目的非常相關(guān)的是,從6-12個月大的嬰兒中獲得的NIRS數(shù)據(jù)捣郊,單獨使用WF的表現(xiàn)要優(yōu)于目標(biāo)主成分分析(tPCA)或tPCA和WF的結(jié)合众羡,而對于4-11個月大的嬰兒的NIRS數(shù)據(jù)寻定,樣條插值和WF結(jié)合在噪聲很大的數(shù)據(jù)集上表現(xiàn)最好输枯,而單獨使用WF在中等噪聲的數(shù)據(jù)集上表現(xiàn)良好嚼贡。WF的主要優(yōu)點是保留了大量的實驗試次,缺點是降低了HRF的幅值娘扩,并且計算量大着茸。
1.2.2 濾波
系統(tǒng)回顧成人NIRS研究中的濾波方法,比較了不同階的無限脈沖響應(yīng)(IIR)和有限脈沖響應(yīng)(FIR)濾波器琐旁,發(fā)現(xiàn)高階(>500)帶通FIR濾波器的性能最好元扔。在一項腦機接口研究中,當(dāng)比較濾波器對分類性能的影響時旋膳,血流動力學(xué)響應(yīng)濾波器是最有效的。
1.2.3 預(yù)處理步驟的順序
預(yù)處理可應(yīng)用于光強度途事、光密度或血紅蛋白濃度的變化验懊,不同的處理步驟可應(yīng)用于不同的數(shù)據(jù)類型。這些選擇帶來的不同影響在很大程度上仍未被探索尸变。唯一可用的發(fā)現(xiàn)表明义图,就最終統(tǒng)計結(jié)果而言,對光密度或血紅蛋白濃度變化應(yīng)用頻率濾波沒有區(qū)別召烂。
1.3 現(xiàn)有研究
鑒于上述嬰兒NIRS數(shù)據(jù)的特殊性碱工,特別是在新生兒和最幼小的嬰兒中,不同的分析策略如何在這一發(fā)育人群中發(fā)揮作用的問題尤為相關(guān)。到目前為止怕篷,還沒有研究系統(tǒng)地考察過這個問題历筝。
因此,本研究系統(tǒng)地比較了從已發(fā)表的嬰兒NIRS研究中采用的幾種預(yù)處理方法廊谓,并展示了在恢復(fù)的HRF和數(shù)據(jù)拒絕的特征方面梳猪,不同的數(shù)據(jù)處理選項是如何導(dǎo)致明顯不同結(jié)果的。
由于使用不同的處理方法可能會在很大程度上影響研究的結(jié)果和結(jié)論蒸痹,因此現(xiàn)在提出處理方法的選擇是一個特別及時的問題春弥。在過去的幾年里,許多關(guān)注點和研究致力于考察心理學(xué)和神經(jīng)科學(xué)研究的可復(fù)制性叠荠。一些研究表明匿沛,許多已發(fā)表的結(jié)果是不可復(fù)制的,這可能是由于在方法和分析實踐中存在跨實驗室的差異榛鼎,其中許多結(jié)果沒有在出版物中明確報告或記錄逃呼。不同的分析操作是這種不可復(fù)制情況的一個重要的潛在來源,嬰兒NIRS研究也不例外借帘。因此蜘渣,比較和系統(tǒng)地研究分析流程對于更好地理解分析決策如何影響結(jié)果和可復(fù)制性是至關(guān)重要的。
為此肺然,研究者首先回顧了2016-2020年發(fā)表的0-12個月大的嬰兒的NIRS文獻(xiàn)蔫缸,并總結(jié)了他們使用的預(yù)處理步驟。然后际起,研究者創(chuàng)建了五種典型的預(yù)處理流程拾碌,它們在參數(shù)上彼此不同,即每次在一個處理步驟中街望,發(fā)現(xiàn)文獻(xiàn)中預(yù)處理方法之間存在86%的差異校翔。這五種流程如圖2所示,并在4.2.1中詳細(xì)描述灾前。
在分析兩個數(shù)據(jù)集時防症,研究者比較了這五種處理流程以及一個控制流程對數(shù)據(jù)質(zhì)量的影響。第一個是研究者專門為這項研究生成的合成數(shù)據(jù)集哎甲,由一些合成的偽影組成蔫敲,以峰值和基線偏移、生理混淆和血流動力學(xué)反應(yīng)的形式出現(xiàn)炭玫,類似于嬰兒數(shù)據(jù)中發(fā)現(xiàn)的數(shù)據(jù)質(zhì)量問題類型奈嘿。這能夠?qū)⑽宸N流程恢復(fù)的HRFs與嵌在合成數(shù)據(jù)中的真實的HRF進(jìn)行比較,以及用一種可控的方式改變不同偽影參數(shù)和真實的HRF幅值吞加,以評估每個方法對不斷增加的噪音水平的魯棒性裙犹。第二個數(shù)據(jù)集實際上來自于一項已發(fā)表研究的測量數(shù)據(jù)尽狠,使用了NIRS來評估新生兒人工語法處理的神經(jīng)相關(guān)性。
2?預(yù)處理方法文獻(xiàn)綜述
2.1 文獻(xiàn)綜述:選擇標(biāo)準(zhǔn)
對2016-2020年發(fā)表的fNIRS研究進(jìn)行了搜索叶圃,目的是回顧發(fā)展研究中使用的最常見的預(yù)處理方法袄膏。使用以下標(biāo)準(zhǔn)在PubMed、Scopus和Web of Science數(shù)據(jù)庫上進(jìn)行文獻(xiàn)搜索:
①2016-2020年發(fā)表的論文盗似,即近5年哩陕。
②研究對象為12個月或以下的嬰兒(如果有研究中參與者的年齡范圍超過了12個月的分界點,例如10-14個月赫舒,該研究包括在內(nèi))悍及。
③原始fNIRS研究的同行評審報告。對已發(fā)表數(shù)據(jù)集的二次分析的文章不包括在內(nèi)接癌。
④采用區(qū)組或事件相關(guān)刺激設(shè)計的研究心赶。由于本研究的重點是HRF的恢復(fù),因此功能連接和靜息態(tài)研究沒有包括在內(nèi)缺猛。
⑤使用連續(xù)波(CW)近紅外光譜儀進(jìn)行研究缨叫。
⑥包含多個研究的論文被認(rèn)為是一篇,如果研究采用相同的預(yù)處理流程荔燎,則分開處理耻姥。
根據(jù)這些納入標(biāo)準(zhǔn),共選擇了75項研究有咨。圖1概括了這些研究最重要的方法論特征琐簇。
2.2 為進(jìn)一步分析選擇流程
這些研究在預(yù)處理方法上的差異很大渣叛。圖2對這些不同的預(yù)處理流程進(jìn)行了概括丈秩。下面,研究者按照前面討論的三個預(yù)處理步驟來對此進(jìn)行探討:(i)偽影拒絕/校正淳衙,(ii)濾波和(iii)順序蘑秽。
2.2.1 偽影
在這75篇研究中,有42篇由于運動偽影剔除了試次墓赴,通過視覺識別(8/42)或使用自動檢測算法(33/42)竞膳,并結(jié)合視覺進(jìn)行評估。在后者中诫硕,許多研究報告使用了信號幅值在某一時間窗內(nèi)變化的閾值坦辟,或信號的標(biāo)準(zhǔn)差,或兩者兼用章办。這些閾值通常對整個組的參與者都是固定的锉走,但一些研究在視覺檢查后在參與者水平上進(jìn)行了調(diào)整。在應(yīng)用運動偽影校正的33項研究中藕届,有14項采用了WF法挪蹭,10項采用tPCA法,6項采用樣條插值法休偶,2項采用線性插值法梁厉,1項采用多種算法的組合。
2.2.2 濾波
大多數(shù)研究采用帶通濾波椅贱,要么使用帶通濾波(N=41)懂算,要么使用低通和高通濾波組合(N=6)。有24項研究單獨使用了低通濾波器庇麦。有3項研究沒有報告關(guān)于頻率濾波器的相關(guān)信息计技。
2.2.3 排序
18項研究應(yīng)用過濾技術(shù)對血紅蛋白濃度的變化進(jìn)行了研究。其中10項研究山橄,是在濾波后進(jìn)行運動偽影檢測垮媒,而另外8項研究的運動偽影檢測則先于濾波。有10項研究在直接轉(zhuǎn)化為血紅蛋白變化之前航棱,對光強度進(jìn)行了運動偽影檢測睡雇、試次拒絕和濾波,而在7個研究中饮醇,在轉(zhuǎn)化為血紅蛋白變化之前它抱,對光密度執(zhí)行了這些步驟。在33項應(yīng)用偽影校正的研究中朴艰,大多數(shù)(N=28)對光密度進(jìn)行了校正观蓄,2項對光強度進(jìn)行了校正混移,3項對血紅蛋白變化進(jìn)行了校正。
基于上述嬰兒NIRS文獻(xiàn)的趨勢和研究者想要回答的理論問題侮穿,研究者選擇了5種最常使用的預(yù)處理流程(圖2C)歌径,標(biāo)記為A、B亲茅、BA回铛、BB和C。重要的是克锣,這五種流程沒有顯示這些研究中所應(yīng)用的精確設(shè)置和參數(shù)茵肃,而是以上述三個關(guān)鍵方面進(jìn)行劃分:偽影處理方式,頻率濾波和預(yù)處理步驟的順序娶耍。
值得注意的是免姿,這5種流程的選擇是系統(tǒng)化的,由于特定流程對在單個步驟中有所不同榕酒,這使得測試每個分析步驟對HRF恢復(fù)的影響成為可能胚膊。流程C執(zhí)行了偽影校正,而其他的則執(zhí)行了偽影拒絕想鹰。采用試次拒絕的流程在步驟順序上有所不同:流程A與流程BA的不同之處在于濾波和偽影檢測先后順序是相反的紊婉;B,BA和BB根據(jù)處理所應(yīng)用的數(shù)據(jù)類型不同(分別是Hb辑舷、OD和光強度變化)進(jìn)行區(qū)分喻犁。所有流程都采用帶通濾波。
3?實驗1
研究者評估了這些流程在一個合成數(shù)據(jù)集上的性能何缓,這些數(shù)據(jù)集系統(tǒng)地改變了噪聲和HRF的參數(shù)肢础。
4?方法
4.1 數(shù)據(jù)生成
合成數(shù)據(jù)是根據(jù)Gervain等人(2012)使用的蒙太奇和刺激設(shè)計生成的。在該研究中碌廓,使用24通道蒙太奇獲得了22名新生兒的NIRS(圖8)传轰。因此,研究者生成了一個包含22名參與者的合成數(shù)據(jù)集谷婆,每個數(shù)據(jù)集有24個時間序列慨蛙,對應(yīng)于24個通道。和原始研究一樣纪挎,這個時間序列包含14個試次期贫,每個試次大約持續(xù)18s,并以25-35s不等的時間間隔開來异袄。
合成數(shù)據(jù)是使用Matlab中的Brain AnalyzIR?toolbox?生成通砍。對于每個參與者,基線噪聲首先是白噪聲烤蜕,然后采用30階自回歸模型進(jìn)行時間相關(guān)性分析封孙。不同通道在空間上沒有相關(guān)性垢揩。然后,模擬心率敛瓷、呼吸和邁耶波對NIRS信號的貢獻(xiàn),在新生兒HRF典型頻率下斑匪,信號幅值增加了0.01-0.03mM×mm(約占總信號變化的3-10%)呐籽,即分別在1.5±0.2Hz、0.25±0.05Hz和0.1±0.02Hz的范圍內(nèi)蚀瘸。
通過系統(tǒng)地改變HRF和偽影參數(shù)狡蝶,研究者創(chuàng)建了20個不同的數(shù)據(jù)集。以峰值和基線偏移的形式添加運動偽影贮勃。在20個數(shù)據(jù)集上贪惹,尖峰被模擬為0.1-2 V電壓之間的突然變化,而基線偏移偽影被模擬為電壓的隨機正或負(fù)的變化寂嘉,也在0.1-2 V之間奏瞬。HbO的HRF幅值范圍為0.1 ~?0.35mM×mm,HbR的HRF幅值范圍為-0.05 ~?-0.175 mM×mm泉孩,到達(dá)峰值的時間為6s硼端。在12個通道(即50%的通道,共24個通道)中加入HRF寓搬。這些通道被稱為“激活通道”珍昨。
對每個參與者的數(shù)據(jù)執(zhí)行這一過程,相同數(shù)據(jù)集中的通道在基線和生理噪聲方面存在差異句喷,但具有相同的HRF和偽影振幅镣典,而不同數(shù)據(jù)集中的相同通道具有相同的基線噪聲,但在HRF和運動偽影方面存在差異唾琼。
圖3中描述了模擬步驟兄春,并給出了模擬數(shù)據(jù)示例。這種合成fNIRS數(shù)據(jù)的方法與其他研究中使用的分析方法類似父叙。
4.2 數(shù)據(jù)分析
4.2.1 預(yù)處理流程
使用以下流程對數(shù)據(jù)進(jìn)行預(yù)處理。對于所有流程趾唱,采用Beer-Lambert定律計算吸收系數(shù)(μa涌乳,mm-1×mM-1):μa(HbO,695nm)=0.0955甜癞,μa(HbO夕晓,830nm)=0.232,μa(HbR悠咱,695nm)=0.451蒸辆, μa(HbR征炼,830nm)=0.179。將光路長與差分光路長因子的乘積設(shè)為1躬贡,由此得到的濃度變化用mM×mm表示谆奥。
在刺激開始前5s,對每個block進(jìn)行基線校正拂玻,計算通道上的block平均值酸些。然后對所有參與者的均值進(jìn)行計算得出總平均。
4.2.1.1 流程A
利用改進(jìn)的Beer-Lambert定律檐蚜,先將光強度轉(zhuǎn)換為光密度魄懂,再轉(zhuǎn)換為HbO和HbR濃度的變化。隨后闯第,使用fft?濾波器對0.01~0.7Hz之間的數(shù)據(jù)進(jìn)行帶通濾波市栗。下限值是在設(shè)計的基礎(chǔ)上定義的,因為預(yù)期峰值的頻率為0.02Hz(block持續(xù)時間和block間的間隔~45s)咳短,上限值可以抑制心率填帽、吮吸奶嘴等生理噪音。
如果光強達(dá)到飽和值咙好,或者如果block包含運動偽影盲赊,或兩種情況同時存在,則拒絕單個block敷扫。運動偽影定義為在0.2s內(nèi)濃度變化大于0.1mM×mm的值哀蘑。此過程在每個通道上獨立執(zhí)行。每個條件中有效block少于30%的通道將被排除葵第。
對于未被拒絕的block绘迁,在block開始前5s和block開始15s后的5s內(nèi)的均值進(jìn)行基線線性擬合,以便HRF有足夠的時間回到基線卒密。
4.2.1.2 流程B
將光強度轉(zhuǎn)換為光密度(OD)缀台。然后,識別逐個通道的運動偽影哮奇,即在1s的窗口內(nèi)信號幅值變化為0.4或以上膛腐,或者在1s內(nèi)標(biāo)準(zhǔn)差的變化為15倍或更大。這些參數(shù)設(shè)置是根據(jù)最新的文獻(xiàn)選擇的鼎俘。
基于這一步的結(jié)果哲身,如果運動偽影落在刺激窗口,則排除該試次贸伐,以刺激開始前2s和結(jié)束后10s來判別運動偽影是否落在刺激窗口勘天。這步操作也是在逐個通道上執(zhí)行的。
最后,利用3階巴特沃斯濾波器對0.01~0.7Hz的光密度進(jìn)行帶通濾波脯丝,并利用Beer-Lambert定律計算濃度的變化商膊。
4.2.1.3 流程BA
利用Beer-Lambert定律將光強度轉(zhuǎn)化為光密度,再轉(zhuǎn)化為相對濃度變化宠进。
然后晕拆,與流程B類似,運動偽影是以1s的窗口內(nèi)幅值變化≥1.3mM×mm材蹬,或者在1s內(nèi)標(biāo)準(zhǔn)差的變化為15倍或更大來進(jìn)行判別的潦匈。基于這一步的結(jié)果赚导,如果運動偽影落在刺激窗口,則排除該試次赤惊,以刺激開始前2s和結(jié)束后10s為準(zhǔn)吼旧。
最后,濃度變化用3階巴特沃斯濾波器在0.01~0.7Hz之間進(jìn)行帶通濾波未舟。
4.2.1.4 流程BB
光強在轉(zhuǎn)化為光密度和濃度變化前進(jìn)行預(yù)處理圈暗。與流程B和流程BA類似,運動偽影是以1s內(nèi)的幅值變化≥0.6V裕膀,或者1s內(nèi)的標(biāo)準(zhǔn)差為15倍或更大來進(jìn)行辨別员串。基于這一步的結(jié)果昼扛,如果運動偽影落在刺激窗口寸齐,則排除該試次,以刺激開始前2s和結(jié)束后10s為準(zhǔn)抄谐。
然后渺鹦,用3階巴特沃斯濾波器對0.01~0.7 Hz之間的數(shù)據(jù)進(jìn)行帶通濾波。最后蛹含,利用改進(jìn)的Beer-Lambert定律將預(yù)處理后的數(shù)據(jù)轉(zhuǎn)換為光密度和相對濃度的變化毅厚。
4.2.1.5 流程C
該流程與流程B相同,只是在檢測運動偽影之前浦箱,需要進(jìn)行一個自動檢測和校正步驟吸耿。為此,采用了Molavi和Dumont提出的基于小波的濾波算法酷窥。簡而言之咽安,通道方向的時間序列被分解成一系列小波細(xì)節(jié)系數(shù)。這種算法背后的基本原理是蓬推,當(dāng)與感興趣的信號相關(guān)的系數(shù)分布在零附近時板乙,表示運動偽影的系數(shù)將位于分布的末端。自動校正的偽影是通過去除這些后者系數(shù),然后重建信號募逞。調(diào)諧參數(shù)α指定了分布的邊界蛋铆,超過這個邊界的系數(shù)被認(rèn)為是離群值,因此是偽影:去除超過α乘以四分位范圍的系數(shù)放接,并且利用離散小波逆變換重構(gòu)無偽影信號刺啦。根據(jù)最近的研究發(fā)現(xiàn),該算法以α=0.5為閾值纠脾,并且通過目測驗證了這種選擇的合理性玛瘸。在自動檢測和校正偽影后,利用流程B中描述的閾值識別剩余未校正的運動偽影苟蹈,并拒絕相應(yīng)的block糊渊。
4.2.1.6 控制流程
這個流程被用作基線。它包括轉(zhuǎn)換到Hb和使用與流程A-C相同的參數(shù)進(jìn)行濾波慧脱。
4.2.2 比較指標(biāo)
采用不同預(yù)處理方案的效果通過比較幾個指標(biāo)來評估:恢復(fù)的和真實的HRF之間的均方根誤差(RMSE)渺绒、它們的相關(guān)性、納入試次的百分比和激活窗口中信號的最大幅值菱鸥。指標(biāo)的計算如下:
RMSE:計算每個參與者和通道的RMSE宗兼,作為恢復(fù)的HRF和真實HRF的block平均之間的均方差的平方根。
相關(guān)性:對于每個參與者和通道氮采,通過計算其Pearson相關(guān)系數(shù)來評估平均恢復(fù)的HRF和真實HRF之間的相關(guān)性殷绍。
試次納入率:試次納入率的計算為保留試次數(shù)占試次總數(shù)(N=14)的比例,跨通道進(jìn)行平均計算鹊漠。
信號幅值:提取激活窗口內(nèi)恢復(fù)的HRF的最大正振幅或最大負(fù)振幅主到。激活窗口是一個block顯著不同于零基線的時間窗,用作排列檢驗計算躯概。
4.2.3 統(tǒng)計分析
比較流程的統(tǒng)計性能镰烧,將混合效應(yīng)線性模型擬合到每個指標(biāo)作為因變量,對于被試內(nèi)因素:流程(A楞陷,B怔鳖,BA,BB固蛾,C结执,控制)和噪聲水平(20),及其交互作用采用固定效應(yīng)模型艾凯,噪聲為隨機斜率和數(shù)據(jù)集為隨機截距献幔。將20個合成數(shù)據(jù)集中的噪聲量化為變異系數(shù),即通道方向時間序列的標(biāo)準(zhǔn)差除以其平均振幅趾诗。研究者測試了所有模型蜡感,從僅隨機截距的模型開始蹬蚁,并增量地添加因子。對于每個指標(biāo)郑兴,最佳的擬合模型犀斋,即達(dá)到最低赤池信息準(zhǔn)則(AIC)的一個,被證明是每個指標(biāo)的全模型(或稱飽和模型)情连。
模型在SPSS v. 25.0中實現(xiàn)叽粹。SPSS對固定效應(yīng)的顯著性進(jìn)行了ANOVA-like評估。隨后的兩兩比較為Bonferroni多重比較却舀。
5?結(jié)果
對于HbO虫几,不同預(yù)處理流程在四個指標(biāo)上的統(tǒng)計性能如圖4所示。HbR兩兩比較的結(jié)果可參見補充材料挽拔,因為它們與HbO的結(jié)果非常相似辆脸。恢復(fù)的HRF (HbO和HbR)如圖5所示螃诅。
5.1 幅值
最優(yōu)擬合(全)混合效應(yīng)模型得出冻晤,流程的主效應(yīng)顯著(HbO:F(5苇羡,2153)=35.78,p<0.001鼻弧,HbR:F(5设江,2151)=44.84,p<0.001)攘轩,兩兩比較如圖4A所示叉存。與此相關(guān)的是,流程C的幅值最低度帮,顯著低于其他所有流程的幅值歼捏,且流程BB恢復(fù)的HRF幅值顯著低于流程B和BA,在圖6中也可以看到。
在較高的噪聲水平下瓣履,流程BB的HRF形狀的失真尤為明顯(圖7)。噪聲的主效應(yīng)不顯著寂诱,但流程×噪聲的交互作用為(HbO:F(5拂苹,2154)=43.79,p<0.001痰洒,HbR:F(5瓢棒,2152)=18.3,p<0.001)丘喻。這種交互作用(圖7)表現(xiàn)為控制流程幅值隨著噪聲的增加而大幅度增加脯宿,流程B和流程BA幅值小幅度增加,而流程A泉粉、C和BB的幅值則下降连霉。
5.2?RMSE
最優(yōu)擬合(全)混合效應(yīng)模型得出,流程的主效應(yīng)顯著(HbO:p<0.001嗡靡,HbR:p<0.001)跺撼。表現(xiàn)為流程A的RMSE低于其他流程:A–B= -0.037,A-C=?-0.27讨彼,A–BA=-0.036歉井,A–BB=?-0.031,所有ps<0.001哈误。噪聲的主效應(yīng)也顯著(HbO:p<0.001哩至,HbR:p<0.001)。流程和噪聲之間的交互作用顯著(HbO:p<0.001蜜自,HbR:p<0.001)菩貌,即與其他流程相比,流程A重荠、C箭阶、BB隨噪聲的RMSE增加而增幅較小。
5.3 納入試次的百分比
最優(yōu)擬合(全)混合效應(yīng)模型發(fā)現(xiàn)戈鲁,流程的主效應(yīng)顯著尾膊,除流程C外,所有流程的試次納入率均顯著低于控制流程荞彼。值得注意的是冈敛,流程BB與流程B之間的差異顯著,但流程BB和流程BA之間的差異不顯著鸣皂。噪聲的主效應(yīng)顯著抓谴,流程×噪聲的交互作用顯著暮蹂,即對于流程A和流程B,隨著噪聲水平的增加癌压,保留試次數(shù)量的減少是顯著的仰泻,但對于其他流程則不是這樣。
5.4 恢復(fù)和真實HRF的相關(guān)性
最優(yōu)擬合(全)混合效應(yīng)模型得出滩届,流程主效應(yīng)顯著(HbO:p<0.001集侯,HbR:p<0.001)。流程A和流程C的相關(guān)性最高帜消。噪聲的主效應(yīng)顯著棠枉,流程與噪聲存在交互作用,即與B泡挺、BA和BB相比辈讶,隨著噪聲水平的增加,流程A和流程C的相關(guān)性下降較小娄猫。所有流程的下降幅度均小于未進(jìn)行預(yù)處理的流程贱除。
6?實驗2
實驗2中,為了探究實驗1的結(jié)果的生態(tài)效度和可推廣性媳溺,研究者在真實數(shù)據(jù)上對其進(jìn)行了測試月幌。
7?方法
7.1 數(shù)據(jù)
數(shù)據(jù)來自Gervain等人(2012)的研究。這項研究的目的是評估新生兒的大腦是否能從言語刺激的基于重復(fù)的規(guī)律中辨別出隨機序列悬蔽。
7.1.1 參與者
22名健康的足月新生兒(13名男嬰扯躺,9名女嬰;平均年齡=1.14days屯阀,范圍=0-3days缅帘;阿普加評分≥8)參加了實驗轴术。另外收集了13名嬰兒的數(shù)據(jù)难衰,但由于嬰兒哭鬧(11名嬰兒);較大的運動偽影(2名嬰兒)逗栽;頭發(fā)濃密(2名嬰兒)原因排除在數(shù)據(jù)分析之外盖袭。所有家長在參與前均給予知情同意。實驗獲得了哥倫比亞大學(xué)和BC女子醫(yī)院的倫理委員會許可彼宠。
7.1.2 刺激和程序
采用日立ETG-4000近紅外光譜儀(源-探測器分離:3 cm鳄虱;兩個連續(xù)波長為695和830nm霎烙;采樣率:10Hz)粱甫,24個通道,覆蓋雙側(cè)顳袜茧、頂葉和額葉區(qū)域(圖8B)摧冀。對刺激的詳細(xì)描述可以在Gervain等人(2012)的研究中找到倍踪。每種條件共有14個block系宫;block持續(xù)時間約為18s,以不同持續(xù)時間(25~35s)間隔block建车,并按隨機順序呈現(xiàn)(圖8A)扩借。
7.2 數(shù)據(jù)分析
7.2.1 預(yù)處理流程
預(yù)處理流程與實驗1相同缤至。
7.2.2 比較指標(biāo)
如實驗1所示潮罪,將流程按納入試次的百分比和信號幅值進(jìn)行比較。由于真實HRF是未知的领斥,因此均方根誤差和相關(guān)系數(shù)無法計算嫉到。研究者還增加了一種新的測量方法,即HRF的標(biāo)準(zhǔn)差戒突,以評估恢復(fù)信號中的噪聲和變異性屯碴。
7.2.3 統(tǒng)計分析
對Gervain等人(2012)報告的對AAB條件有顯著反應(yīng)的通道進(jìn)行了信號幅度和標(biāo)準(zhǔn)差的統(tǒng)計分析,即顯示了可檢測到的血流動力學(xué)反應(yīng)膊存,在使用排列測試定義的時間窗口中导而,通過100次迭代將AAB響應(yīng)與零基線進(jìn)行比較。通道分別為3隔崎、4今艺、6和15(圖8)。與此相關(guān)的是爵卒,這些通道有不同程度的噪聲虚缎,其中通道4噪聲尤其大(圖9)。具體來說钓株,通道4的平均信號標(biāo)準(zhǔn)差為0.3416实牡,而通道3、6和15的平均信號標(biāo)準(zhǔn)差分別為0.17轴合、0.18和0.16创坞。
線性混合效應(yīng)模型分別以HRF幅值和標(biāo)準(zhǔn)差為因變量進(jìn)行擬合席函,流程(A、B冈涧、BA茂附、BB蝌以、C)和通道(3、4何之、6跟畅、15)及其交互的效應(yīng)固定,通道為隨機斜率溶推,參與者為隨機截距徊件。該模型是基于AIC準(zhǔn)則最小化的基礎(chǔ)上選擇的,類似于實驗1蒜危。對所有通道和兩種條件下平均試次納入的百分比擬合成一個線性混合模型虱痕,這一模型是基于AIC準(zhǔn)則的最佳擬合模型。在SPSS v. 25.0中進(jìn)行操作辐赞,隨后的兩兩比較為Bonferroni多重比較部翘。
8?結(jié)果
恢復(fù)的HbO的HRF及相應(yīng)的幅值和標(biāo)準(zhǔn)差如圖9所示。HbR的結(jié)果與此高度相似响委,可參見補充材料新思。但是這里報告了兩種Hb數(shù)據(jù)的統(tǒng)計結(jié)果。
在HRF幅值上赘风,流程夹囚、通道的主效應(yīng)顯著,兩者之間存在交互作用邀窃。流程的主效應(yīng)表現(xiàn)在流程C的HRF幅值顯著低于其他流程荸哟;通道的主效應(yīng)表現(xiàn)在通道15的HRF幅值顯著低于其他通道。流程×通道的交互作用顯著(事后檢驗結(jié)果見圖9)瞬捕,主要是因為流程C在不同通道中得到的幅值明顯低于其他流程的幅值鞍历。在任意通道中,流程B的幅值與流程BA的幅值不存在顯著差異(也就是說肪虎,在HRF幅值上劣砍,如果用流程B或流程BA進(jìn)行fNIRS數(shù)據(jù)的預(yù)處理時是沒有顯著差別的),而在通道4中笋轨,流程BB的幅值明顯高于其他流程秆剪,是因為噪聲特別大赊淑。
在HRF的標(biāo)準(zhǔn)差上爵政,流程、通道的主效應(yīng)顯著陶缺,兩者之間存在交互作用钾挟。流程的主效應(yīng)表現(xiàn)在三種類型的流程B (B-BB-BA)?的HRF變異性顯著大于其他流程。事后比較顯示饱岸,流程B掺出、BB徽千、BA之間沒有顯著差異,但三者的標(biāo)準(zhǔn)偏差均顯著高于流程A汤锨。通道的主效應(yīng)表為在HbR上双抽,通道3的標(biāo)準(zhǔn)差顯著低于通道4。流程×通道交互作用顯著闲礼,主要是因為通道4在所有流程上的HRF標(biāo)準(zhǔn)差差異顯著大于其他通道(事后多重比較如圖9所示)牍汹。
試次納入率如圖10所示。流程的主效應(yīng)顯著柬泽,除控制流程與流程C之間慎菲,以及流程B、BA與BB之間外锨并,所有其他事后兩兩比較均具有統(tǒng)計學(xué)意義露该。
9?結(jié)論
雖然fNIRS在認(rèn)知發(fā)展研究領(lǐng)域得到了廣泛的應(yīng)用,但在預(yù)處理流程上卻缺乏共識第煮。本文從最近的嬰兒fNIRS文獻(xiàn)中選擇了五種常用的數(shù)據(jù)預(yù)處理方法解幼。預(yù)處理階段對恢復(fù)HRF的形狀有著關(guān)鍵的影響,因而最終會影響到對結(jié)果的解釋包警。在本文中书幕,研究者給我們說明了不同預(yù)處理流程選擇上存在的優(yōu)勢和局限性。特別地揽趾,研究者強調(diào)了運動偽影的自動校正不僅會保留絕大多數(shù)的噪聲試次台汇,而且會降低恢復(fù)的響應(yīng)幅值。相比之下篱瞎,采用嚴(yán)格的試次納入標(biāo)準(zhǔn)苟呐,排除率較高,雖然并不總是可行俐筋,但能夠更好地保留HRF的特征和幅值牵素。最后,對于光密度或濃度的變化澄者,可以執(zhí)行相同的預(yù)處理步驟笆呆,但不適用于原始光強度。
此外粱挡,關(guān)于可用試次的數(shù)量赠幕,參與者的行為狀態(tài),參與者的年齡询筏,刺激的性質(zhì)等因素都有助于確定選擇最佳的分析方法榕堰,這里研究者提供了一些指導(dǎo)建議,以幫助研究人員選擇一個合適的預(yù)處理策略嫌套。
①在非典型逆屡、臨床或其他難以招募的人群的研究中圾旨,參與者的可用性和實驗時間都非常有限,而且控制參與者的行為特別具有挑戰(zhàn)性魏蔗,因此建議嘗試對運動偽影進(jìn)行校正砍的。
②如果有可能進(jìn)行長時間的測試,例如對睡眠中的新生兒進(jìn)行測試莺治,并且可以獲得大量的試次挨约,為了最準(zhǔn)確地恢復(fù)HRF,特別是其幅值产雹,可以應(yīng)用偽影拒絕诫惭。
③如果文獻(xiàn)的預(yù)期效應(yīng)量較小,研究者建議排除質(zhì)量差的試次:這種方法能夠在block內(nèi)產(chǎn)生最高幅值和最低標(biāo)準(zhǔn)差蔓挖,從而有助于更高的效應(yīng)大小夕土。
④當(dāng)兩種條件的最大可辨別性非常重要時(例如,在臨床應(yīng)用中瘟判,當(dāng)病理狀態(tài)需要與典型狀態(tài)區(qū)分時)怨绣,建議排除質(zhì)量差的試次。
⑤當(dāng)研究試圖在特定人群拷获、腦區(qū)篮撑、年齡范圍或任務(wù)中考察或表征HRF本身的形狀時,為了最好地保留HRF的形狀和幅值匆瓜,排除質(zhì)量差的試次是合理的赢笨。
原文:Comparing different pre-processing routines for infant fNIRS data.
https://doi.org/10.1016/j.dcn.2021.100943