使用短通道校正减少静息态功能连接中的假阳性发现：一项fNIRS研究

重要性：功能性近红外光谱（fNIRS）是一种神经成像工具，可以测量静息状态下的功能连接；然而，fNIRS信号中存在的非神经元成分会导致连接中的虚假发现，从而影响功能网络的解释。

目的：我们研究了通过从fNIRS长通道数据中去除非神经元信号，短通道校正对静息状态连接的影响。我们假设可以减少连接中的虚假发现，从而提高已知不同连接强度的功能网络的可区分性。

方法：将基于主成分分析的短通道校正技术应用于10名健康成人受试者的静息状态数据。通过分析连接度量中的虚假相关性，短通道校正减少了连接度量中的虚假相关性，并提高了同源和对照组之间的可区分性。

结果：通过使用短通道校正去除非神经元成分，在与静息状态连接重叠的Mayer波频率相关的氧合血红蛋白浓度变化中观察到显著的相干度降低。结果表明，短通道校正减少了连接度量中的虚假相关性，并提高了同源和对照组之间的可区分性。

结论：与不进行校正相比，应用短通道校正的静息状态功能连接分析在区分具有不同连接特征的功能网络方面表现更好。

关键词：功能性近红外光谱；静息态功能连接；幅度平方相干性；生理噪声去除；短通道校正；主成分分析。

引言

      重要名词注释：Mayer波（Mayer wave）是一种自主神经系统对血压变化的调节现象，主要与血管收缩和舒张有关。Mayer波的频率范围通常在0.1Hz左右，即每10秒出现一次波动。它们是由慢性交感神经活动引起的血管收缩和舒张的周期性变化，通常与血压的低频波动相关。

      静息态功能连接性是指当大脑处于静息状态时，空间上相隔较远的自发神经活动的时间同步。在静息状态下产生显著相关神经活动的大脑区域在响应任务或刺激时也高度相关。了解静息大脑的内在功能组织有助于解释大脑不同区域在休息状态或响应任务时是如何协同工作的。例如，静息态功能连接性研究为不同受试者群体（包括人工耳蜗使用者、婴儿和幼儿）的大脑网络发育和神经可塑性变化提供了有益的见解。

      静息态研究中使用功能性磁共振成像（fMRI）已经证明可以检测到低频范围（<0.1 Hz）内不同脑区之间自发波动的显著相关性。功能性近红外光谱（fNIRS）是一种无创功能性神经成像技术，可测量浅表脑组织中氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）浓度的相对变化，以推断感兴趣脑区的局部神经活动。fNIRS被广泛用作一种便携式、相对较便宜且限制较少的替代fMRI的方法，用于任务相关和静息态神经科学研究。先前基于fNIRS的静息态功能连接研究已在表征婴儿功能网络发育变化方面取得了有希望的结果。在患有慢性神经疾病如阿尔茨海默病的患者中，已报道前额叶网络功能连接发生了显著改变。与静息态fMRI研究的发现一致，一些fNIRS研究已证实在感觉运动、视觉和听觉系统的同源脑区存在静息态网络。

      尽管存在这些优势，fNIRS信号中还包含一些不需要的噪声成分，如运动伪影和包括心跳（约1 Hz）、呼吸（约0.2 Hz）和Mayer波（约0.1 Hz）在内的全身生理噪声，这些噪声来自大脑的脑内和/或脑外层。使用fNIRS进行功能连接分析面临着重大挑战，因为全身生理噪声通常会违反无关性的假设。在之前的一项研究中，已报道超过70%的假阳性发现率，这突显了在连接性研究中使用对照条件的重要性。已经提出并使用了几种方法来去除fNIRS信号中的系统伪影。最初在fNIRS中使用的方法采用了与EEG预处理中发现的策略相似的策略，只需要进行滤波。在静息态功能连接研究中，最广泛采用的时域滤波方法是使用截止频率约为0.1 Hz的低通滤波器来去除生理噪声。然而，这种截止频率的低通滤波无法去除Mayer波（约0.05至0.15 Hz）造成的生理噪声，它们也发生在低于0.1 Hz的频率中。这意味着fNIRS信号的非神经元成分可能引入虚假相关性，对功能网络的解释产生不利影响。显然，应该开发方法来去除fNIRS信号中不需要的非神经元成分，以降低fNIRS功能连接分析中的假阳性发现率。

       短通道校正已成为去除fNIRS信号中全身生理噪声的标准方法。多距离光学探头布局包括源-探测器间距约8毫米的短距离通道，以及源-探测器间距约30毫米的标准长距离通道。理论上，长通道测量大脑和头皮血流动力学反应的组合，而短通道则只捕捉额外反应，因为光探头之间的距离足够近，无法捕捉到来自深层大脑层的反射光。基于心跳、呼吸和Mayer波等全身噪声在大脑中是均匀分布的这一假设，以及长短通道中存在相同的噪声结构，可以设计一个空间滤波器，用于从长通道的fNIRS测量中去除由短通道捕获的系统响应。

       尽管对开发去除fNIRS数据中生理噪声的方法有很大兴趣，但这些方法主要应用于分析任务相关反应。主成分和独立成分分析技术已用于去除fNIRS信号中的常见伪影。这些研究的发现表明，基于成分的分析在减少fNIRS信号中非神经元成分的影响方面是有效的。然而，只有少数研究描述了这些方法在功能连接研究中去除噪声的效果。尤其是由于生理噪声（如Mayer波）引起的连接测量中的虚假相关问题，在许多静息态功能连接研究中经常被忽视。此外，许多先前研究中的连接测量很少与合理的基准对照进行比较。这样做会导致连接测量的高估，并增加误解功能网络特征的可能性。

      在这项研究中，我们进行了带有和不带短通道校正的功能连接分析，通过使用理论和实验对照条件对连接性进行客观验证，研究连接测量中虚假相关的影响。我们使用基于主成分分析的短通道校正技术（短距离滤波器）来去除fNIRS数据长通道中的全身生理噪声。我们比较了两种方法在准确量化静息态功能网络连接性方面的性能。比较了两个已知连接组的同源和对照通道对的连接强度，分别为已知高连接性和低连接性。使用可区分性指数（也称为灵敏度指数或

）来描述带有和不带短通道校正的同源和对照功能网络之间的连接性差异。我们假设，带有短通道校正的功能连接测量在准确量化具有已知连接特性的功能网络的连接强度方面的表现会优于不带校正的测量，因为它会产生更高的可区分性指数。

2 方法 

2.1 参与者 

      从10名健康成年人（5名男性和5名女性，年龄均值和标准差：29.9 ± 4.23岁，年龄范围：23至36岁）中获取静息态数据。所有参与者都没有已知的神经疾病或精神病症史。本研究已获得研究伦理委员会的批准。在记录会话开始前，已获得参与者的书面知情同意。

2.2 实验过程 

      静息态记录在一个昏暗的隔音室内进行，参与者保持清醒，闭上眼睛。在实验过程中，参与者坐在舒适的椅子上，被要求尽量限制头部运动并保持静止，放松心情，不特意思考任何事情或参与认知任务。整个实验持续约90分钟，包括准备和校准时间。每个受试者的静息态记录持续45分钟。在实验开始前，参与者被明确指示在整个实验过程中保持清醒。实验结束后进行调查，以确定他们在记录过程中是否有入睡或在任何时候感到异常紧张，但没有参与者报告重大事件。尽管我们在实验设置中没有使用额外的传感器来监测参与者的警觉性、压力水平或情绪状态的变化，但我们间歇性地从远处观察他们的生理状况，每隔约10到15分钟观察一次，以免干扰正在进行的实验。

2.3 静息态数据采集 

图 1 本研究中所用的光学探头布局和连接组示意图。

(a) 示意图显示长通道和短通道光路和穿透深度的差异。

(b) 光学探头布局的俯视图。源和探测器用红色和棕色点标记，它们的编号分别用红色和蓝色圈显示。通道用实线白线标记，每个通道的中点用黄色点标记。

(c) 光学探头布局的侧视图。根据国际 10-20 标准（即 Nz、Cz、Iz、LPA 和 RPA）的地标，已配准的通道位置显示在大脑的左右半球上。

(d) 双尖光学探头的物理布局。

(e) 连接组的通道对定义；同源连接组连接大脑两个半球间的额、颞、枕同源区域的通道，而控制连接组包括迄今尚无已知直接结构联系的长距离连接。

     使用NIRScout（NIRx Medical Technologies, LLC）连续波fNIRS系统获取静息态数据。该系统包括发射两种波长（760和850 nm）的近红外光源。每个通道以6.25 Hz的采样率记录fNIRS数据。

    参与者佩戴适当尺寸的柔性头帽（EasyCap，Brain Products GmbH），探头位于双侧额、颞和枕区。探头测量布置包括10个光源，8个标准探测器和8个短探测器，如图1所示。基于国际10-10标准系统，在头帽上安装双尖探头。与单尖探头相比，双尖探头具有双倍的发光（光源）和接收（探测器）光的区域[图1（d）]，从而产生更一致的信号。短探测器对称地放置在头部，每个半球有四个，以捕获额外脑信号。测量布置有16个长距离通道和8个短距离通道，光源与探测器之间的距离分别为约30毫米和8毫米。代表性受试者的时间序列信号如图2所示。

2.4 数据分析 

     使用MATLAB R2019b中的内置工具箱以及专门为fNIRS数据分析开发的开源MATLAB软件包NIRS-toolbox进行fNIRS数据预处理和分析。自定义脚本用于进一步分析。图3中的流程图展示了我们研究中使用的信号处理流程。处理流程可以分为五个主要阶段。这些阶段包括：(i) 识别信号质量差的通道；(ii) 运动伪迹校正；(iii) 将光强度原始数据转换为HbO和HbR的浓度变化；(iv) 使用短通道校正去除系统生理噪声；以及(v) 功能连接性分析。

2.4.1 信号预处理 

图 2 静息态信号的代表性示例及生理噪声对静息态功能连接的影响。

(a) 光学探头布局的配置，包括 10 个光源（红点）、8 个探测器（蓝点）和 16 个长距离通道（实线灰线）。图中显示了一个代表性的同源通道对（用黑色和绿色标记）和一个控制通道对（用黑色和粉红色标记）。

(b) 受试者 #3 静息态 HbO 浓度变化的样本时间痕迹。时间序列信号用图 2(a) 中的通道颜色进行编码。

(c) 三个信号的功率谱描绘了 fNIRS 信号中系统生理噪声的存在，如 Mayer 波（约 0.1 Hz）、呼吸（0.2 至 0.3 Hz）和心跳（约 1 Hz）。还强调了 Mayer 波频率（M 带：0.05 至 0.15 Hz）与静息态功能连接感兴趣的频率带（RSFC 带：0.009 至 0.1 Hz）之间的部分重叠。

图 3 静息态 fNIRS 数据的信号处理流程。

(a) 在原始 fNIRS 信号转换为 HbO 和 HbR 浓度变化之前，使用通用流程。在进行和不进行短通道校正的情况下进行功能连接性分析，以评估消除系统生理噪声对静息态功能连接性测量的影响（由阴影蓝框标出）。

(b) 流程中每个步骤使用的重要参数。

(c) 受阶跃式运动伪迹影响的通道的代表性示例（受试者 #2，通道：S10-D8，运动伪迹的时间点由灰色圈标出），显示了光密度、运动伪迹校正：使用TDDR（时间导数分布修复( temporal derivative distribution repair )方法），用小波滤波器处理两个波长（760 nm 和 850 nm）的信号以及 HbO 和 HbR 浓度变化的图。

图 4 每个受试者长通道的信号质量评估。

(a) 每个点表示每个受试者长通道的头皮耦合指数。灰色虚线表示本研究中使用的头皮耦合指数阈值（SCI 1/4 0.5）。头皮耦合指数低于阈值的通道被排除在连接性分析之外。

(b) 条形图显示了在同源和对照组中每个受试者连接性分析中保留的通道对数量。

       信号质量差的通道分两个阶段进行识别。首先，标记为临界信号质量的通道由信号采集软件NIRStar记录并排除在进一步分析之外。其次，在数据预处理阶段计算头皮耦合指数，以确定探头（光源和探测器）与头皮之间的接触程度。在我们的研究中使用的探头布置分布在许多大脑区域，有些探头放置在头发较厚的区域（特别是位于颞部和枕部区域的通道）。因此，任何头皮耦合指数低于0.5的长通道都被拒绝并排除在功能连接性分析之外。对于头皮耦合指数阈值为0.5，所有受试者在每个连接性组中至少保留了两个（8个中的两个）通道对进行功能连接性分析。

      大多数受试者信号质量相当好，至少保留了4对（即50％或更多；同源组的所有10名受试者和对照组的7名受试者中的10名）通道对，如图4（b）所示。

      在将原始光强度数据转换为光密度之后，9对于受试者的头部运动和探头的轻微位移所导致的运动伪迹采用了两种方法进行校正。首先，应用时间导数分布修复（TDDR）方法来校正数据振幅中的突然变化。在校正阶跃状运动伪迹时，正导数和负导数分别处理。其次，使用小波滤波器校正类似尖刺的运动伪迹。离群值被定义为小波系数分布平均值四个标准差以外的数值，sym8函数用作小波基函数。在预处理步骤之后，使用修正的Beer-Lambert定律将光密度数据转换为HbO和HbR浓度变化。

2.4.2 短通道校正

       接下来是从测量的fNIRS长通道数据中去除如心跳、呼吸和Mayer波等不需要的系统生理信号分量。使用基于主成分分析的短通道校正技术。如图1（b）所示，使用多距离探头布局，长通道记录了来自大脑和额外脑层的血流动力学反应。短通道仅捕捉来自额外脑层的血流动力学反应。对每个受试者的所有短通道数据的HbO和HbR信号分别应用主成分分析，以捕捉公共伪迹。将HbO和HbR视为独立实体，解释生理噪声的空间结构差异。

       将每个主成分在每个长通道上的贡献比（加权项）使用自回归迭代递归最小二乘法（AR-IRLS）回归模型计算。然后，通过将每个主成分与其相应的贡献比相乘，将所有主成分重构回时域信号。使用短通道数据的所有主成分假定短通道设计有最佳源-探测器分离（∼8毫米），以便短通道不捕捉任何大脑神经元成分。一项近期研究调查了短通道主成分数量的影响，也报告了在包含短通道所有主成分时获得了最佳性能。最后，将重构的信号（将短通道响应投影到长通道上）从长通道数据中回归去除，以分离长通道信号的大脑神经元成分。使用从短通道捕捉的系统血流动力学响应设计的短距离滤波器可以表示如下：

      其中 XShort 和 YLong 分别是包含短通道和长通道时间序列信号集合的矩阵。

2.4.3 功能连接分析 

       将幅度平方相干性，一种频域功能连接度量，应用于经过短通道校正和未经短通道校正的HbO和HbR数据，以比较两种不同处理流程的性能。谱相干性衡量特定频率范围内两个信号的幅度和相位之间的关系，可以表示为：

      其中 Pxx(f) 和 Pyy(f) 分别表示信号 x 和 y 的功率谱密度。Pxy(f) 是 x 和 y 之间的交叉功率谱密度。通过在 MATLAB R2019b 中使用 pwelch 函数应用 Welch 的平均修改周期图方法来计算功率谱密度和交叉谱密度估计。Welch 方法旨在通过计算时间序列小段的单独周期图并平均估计值以生成修改后的周期图，从而降低功率谱密度和交叉功率谱密度估计的方差。每个时间序列块被划分为8个等分段，重叠50%，使用 Hamming 窗来估计功率谱密度。

      定义了两个连接组，以研究连接度量在区分不同功能网络之间的能力。这些是 (i) 同源连接组链接双脑半球前、颞、枕同源区域的通道，以及 (ii) 控制连接组与没有已知直接结构连接的长距离连接。如图 1(e) 所示，在保持控制组通道对称的同时，在每个连接组中定义了8个通道对。计算每个连接组和每个参与者的每个通道对的幅度平方相干。然后在每个连接组的通道对和参与者之间对相干性进行平均，以获得每个组在拒绝头皮耦合指数测试（如 2.4.1 节所述）的通道对之后的总体平均相干。与以前的研究一致，将频率范围从 0.009 到 0.1 Hz 的平均相干定义为功能连接的代表性度量。计算可分辨指数 (

) 以量化同源和控制相干分布的分离和扩散。可分辨指数（范围：0.5 到 2.5；在典型的两种强制选择任务中对应于约 60% 到 90% 的准确性）是一种非线性距离度量，可以表示为：

      其中 μH 和 μC 分别表示同源组和控制组的平均相干。σH 和 σC 分别是同源组和控制组在被试之间相干的标准差。比较有无短通道校正的对比条件的相干对于理解由于生理噪声引起的不同条件下连接度量的伪相关性非常重要。为了客观验证这些发现，使用来自合成数据和实验 fNIRS 数据的相干进行了分析。通过计算由白高斯噪声分布产生的信号的相干（合成数据）来建立基线相干条件。根据定义，这些信号是独立且不相关的。这意味着任何随机的白高斯信号对应生成的相关系数接近于零。生成一对具有与实验数据相同数量数据样本的白噪声信号。这个过程重复了 100 次，对每对信号计算幅度平方相干。然后将相干值在重复次数之间取平均值以找到基线相干。

     基线条件的相干性与使用实验 fNIRS 数据定义的其他三个条件（内部同源、内部控制和内部随机）进行了比较，以展示合成和实验数据的相干性特征的差异。使用两个内部条件（同源和控制）来研究同一受试者不同连接组之间连接性的差异。对于每个受试者，从同源和控制组中随机选择一对静息状态 fNIRS HbO 信号并计算相干性。通过使用来自不同受试者的任意随机长通道对的相干性来定义一个内部条件。我们假设内部条件的相干性会更接近基线条件，因为不同受试者的随机时间痕迹不会因神经元活动而产生显著相关性。考虑两个随机受试者，从所有长通道组中随机选择每个受试者的一个 HbO 信号，以计算内部条件的相干性。与合成数据的相干性分析类似，该过程重复了 100 次，并在重复次数之间取平均值，以减少内部和内部条件的相干性估计的变异性。

3 结果

3.1 静息态功能连接中的伪相关性

图 5 四种对比条件下 HbO 信号的幅度平方相干性比较。

(a) 连接组的通道对定义。同源组和对照组分别包含双侧脑间通道对和没有已知直接结构联系的通道对。

(b) 在不进行短通道校正（左）和进行短通道校正（右）的情况下，同一受试者同源、同一受试者对照、不同受试者随机以及白高斯噪声（基线）条件的相干性图。虚线灰色竖线表示静息态频率带（0.009 到 0.1 Hz）。以递增的颜色强度突出显示了 Mayer 波频率带（0.05 到 0.15 Hz）、呼吸带（0.2 到 0.3 Hz）和心跳带（约 1 Hz）的灰色阴影框。

     大多数先前的 fNIRS 静息态功能连接研究忽略了生理噪声（特别是 Mayer 波）对连接测量的影响。为了解决这个问题，我们考虑了四个反映数据中不同生理噪声水平的对比条件。然后，将这些条件的大小平方相干性与短通道校正进行比较，以客观验证功能连接中由 Mayer 波引起的伪相关性的存在。合成数据用于定义白高斯噪声条件（基线条件），而使用实验 fNIRS 数据定义剩余的三个条件，即：内部同源、内部控制和内部随机。图 5(b) 展示了 HbO 信号在有和无短通道校正情况下四个对比条件的相干性特征。补充材料中的图 S1 展示了 HbR 信号的结果。

      同源内部对象和内部控制条件的相干性图显示，与基线相干性相比，在与 Mayer 波（∼0.1 Hz）、呼吸（∼0.2 Hz）和心跳（∼1 Hz）相关的频率上出现较大的峰值[图 5(b) 左]。呼吸和心跳伪像的频率超出了静息态功能连接感兴趣的频率范围。因此，功能连接测量不受高于 0.1 Hz 的高频生理噪声影响。然而，由于未去除与静息态频带重叠的 Mayer 波分量，伪相关性可能被引入到功能连接测量中。

      对于使用实验 fNIRS 数据的所有三个条件，在短距离过滤器下观察到相干性的降低，特别是在与生理噪声（Mayer 波、呼吸和心跳）相关的频率[图 5(b) 右]。当选择参加不同日期静息态记录的两名受试者时，不期望从任何通道对获得显著的受试者间神经活动相关性。这种受试者间通道选择产生了最接近白高斯噪声条件的相干结构，只是它在与 Mayer 波和心跳相关的频率上有两个小而突出的峰值。这些峰值展示了生理噪声的同步效应，因为它们是每个受试者共同频带的伪影。

      观察到白高斯噪声条件的非零、平坦相干结构。白高斯噪声条件反映了基线相干性，在四种条件中具有最低的相干性。这种观察是预期的，因为根据定义，任何两个来自白高斯噪声分布的信号是不相关的，它们具有非零、平坦的功率谱和互功率谱。相反，相反，来自真实fNIRS信号的相干性表现出一种彩色结构，这是大多数生物信号的共同特征，原因是底层神经连接和某些频率的系统生理噪声污染。

      为了描述短通道校正在 Mayer 波频率范围内的影响，对 0.05 到 0.1 Hz 频带的平均相干进行了两路平衡设计重复测量方差分析。两个因素是处理流程（有和无短通道校正）和对比条件（内部同源和控制，以及外部随机）。方差分析结果显示处理流程

和条件的主效应显著。处理流程和条件之间的相互作用效应也显著。后续测试（Bonferroni 校正，α =0.05）证实，与没有短通道校正的相应峰值相比，内部同源和内部控制条件的 Mayer 波峰值在短距离过滤器下明显较小（分别）。由于 Mayer 波存在于所有通道中，因此预计内部同源和控制条件的相干性降低程度相似。然而，在没有校正和短距离过滤器的外部随机条件下没有发现显著差异（p > 0.99）。这种观察可能可以通过不同个体之间 Mayer 波的频率和相位的可变性来解释。

3.2 短通道捕捉生理噪声引入的伪相关性

图 6. 长通道和短通道同源组的参与者平均幅度平方相干结果。

(a) 同源长通道和同源短通道的通道对定义。 

(b) 带有和不带短通道校正的短通道数据和长通道数据的HbO信号（左）和HbR信号（右）的相干图。未经校正的长通道相干和短通道相干在与生理噪声相关的频率（如Mayer波、呼吸和心跳分别约为0.1、0.2和1 Hz）附近显示出类似的峰值，这适用于HbO和HbR信号。

      我们假设短通道校正方法可以减少Mayer波引起的功能连接测量中的伪相关性。然而，这个假设认为长通道和短通道具有相似的系统生理噪声结构。为了测试这个假设并比较短通道校正对代表性连接组的影响，我们对图6（a）中定义的同源通道对的长通道和短通道数据进行了连接性分析。

     在未经校正的长通道和短通道的HbO相干性上观察到三个突出的峰值，频率分别在0.1、0.2和1 Hz附近[图6（b）左]。这些频率与Mayer波、呼吸和心跳等已知的生理噪声相关。当对HbR信号进行相同的分析时，也观察到类似的峰值[图6（b）右]。然而，我们发现与所有生理伪迹相关的HbO相干性峰值比HbR信号的峰值大。在与Mayer波频带（0.05至0.1 Hz）重叠的静息态频带中，HbO和HbR信号的同源短通道相干性呈现出逐渐上升的趋势（r=0.45和r=0.57，p分别为8.10×10^-4和1.21×10^-5）。

     在与Mayer波频率（0.05至0.1 Hz）重叠的静息态频率带中，对HbO信号的平均相干性进行的单因素方差分析（one-way ANOVA）发现了显著差异

。事后分析（Bonferroni校正，α=0.05）显示，在未经校正的长通道相干性和短通道相干性之间没有显著差异（调整后p>0.99）。这一观察结果验证了同源长通道和短通道在Mayer波频率附近具有类似的噪声结构。上述结果表明，在0.05至0.1 Hz频率带中可能存在Mayer波引起的伪相关性。此外，事后分析报告了同源长通道对在无短通道校正和有短通道校正情况下HbO相干性之间的显著差异（调整后p=0.0036）。对HbR信号相同频率带的平均相干性重复进行单因素方差分析，未发现显著差异。

      静息态频率带的低端（0.009至0.05 Hz）并未受到主要生理伪迹的影响。这一现象反映在图6（b）中的HbO和HbR相干性图上，未经校正的长通道和经过短通道校正（使用短距离滤波器）的长通道相干性轨迹非常接近。在0.009至0.05 Hz频率带上进行的单因素方差分析和随后的事后检验显示，对于HbO和HbR信号，未经校正的长通道相干性和短距离滤波器校正之间没有显著差异（调整后p分别为0.2115和p>0.99）。使用短通道校正后，HbO相干性图中因呼吸和心跳而在0.2和1 Hz附近的峰值也被抑制。与HbO相干性类似，HbR信号在与呼吸和心跳相关的频率上观察到一致的相干性减小[图6（b）右]。

3.3 短通道校正提高同源和对照连接组之间的可区分性

图7：两个连接组在有无短通道校正情况下的参与者平均幅度平方相干结果。

（a）HbO信号在无短通道校正（左图）和有短通道校正（右图）情况下的相干性比较。

（b）HbR信号在无短通道校正（左图）和有短通道校正（右图）情况下的相干性比较。

（c）条形图表示频带0.05至0.1赫兹的两个连接组在有无短通道校正情况下的HbO（左图）和HbR（右图）平均相干。误差线表示各参与者间相干的标准差。

      3.2节的结果表明，在代表性同源组中，短通道校正减少了连接测量中的伪相关性。然而，尚不清楚这种相干性降低是否更广泛地影响了静息态网络的表征。为了研究短通道校正是否使不同连接组之间能够更好地区分，需要比较两组具有已知不同连接特征的功能连接测量。我们使用同源组和对照组，因为它们分别反映了双侧大脑半球之间的连接和由于直接神经解剖连接而没有已知连接。因此，预期在整个静息态频率带中，同源组相对于对照组表现出更高的连接性。我们假设，通过去除fNIRS信号的非神经元组分相关性，可以减少功能连接中的误报。因此，预期短通道校正会提高同源和对照连接组之间的可区分性。图7显示了同源和对照连接组的参与者平均平方相干性，包括有和无短通道校正的情况。这个分析考虑了HbO和HbR信号，以评估不同类型的fNIRS信号在相干性结果上的一致性。关于记录前10分钟和最后10分钟的较短持续时间的结果也显示在补充材料中的图S2和S3中。

      在同源和对照连接组的HbO相干性图中，都观察到了在0.1 Hz附近的明显峰值[图7（a）左]。这一观察表明，fNIRS数据中存在的Mayer波的影响是全身性的，而非局部性的，因此在两个连接组中都引入了伪相关性。在0.05至0.1 Hz频率带中，两组的相干性都呈上升趋势。这种上升趋势可能是由于Mayer波引入的伪相关性。当采用短通道校正时，与生理噪声（Mayer波、呼吸和心跳）相关的相干性峰值在两个连接组中都被抑制[图7（a）右]。对0.05至0.1 Hz频率带的平均相干性进行了两因素平衡设计重复测量方差分析。两个因素分别是处理流程（有和无短通道校正）和连接组（同源和对照）。HbO相干性的处理流程和连接组都发现了显著的主效应。处理流程：

；连接组；。处理流程和连接组之间没有观察到显著的交互作用。

       尽管没有观察到与Mayer波频率相关的明显相干性峰值，但在HbR相干性图中，两组的心跳伪影（∼1 Hz）都出现了明显峰值[图7（b）左]。当对相同频率带的平均HbR相干性进行双因素方差分析时，既没有发现处理流程的显著主效应，也没有发现处理流程和连接组之间的交互作用效应。然而，方差分析的结果报告了连接组的显著主效应的柱状图显示了两个连接组在有和无短通道校正的情况下，与Mayer波频率重叠的静息态频率带（0.05至0.1 Hz）的平均相干性。误差线代表了不同受试者之间相干性的标准差。在HbO和HbR信号中，同源组的相干性高于对照组。在短通道校正的情况下，两个连接组的相干性都呈现出一致的降低。我们发现，对于HbO信号，在短通道校正的情况下，两组的相干性标准差也减小了。

       通过消除特别是由于Mayer波引起的伪相关性，在短通道校正下，两组的平均相干性和标准差都有所降低。因此，预计短通道校正会提高可区分性。计算可区分性指数（

），也称为敏感性指数，以量化对应于同源和对照连接组的两个相干性分布的分离和扩散。分离和扩散分别定义为同源（存在双侧连接）和对照（不存在双侧连接）组之间与Mayer波频率重叠的静息态频率带中的平均值差和受试者间相干性标准差。可区分性越大，方法在准确量化同源组中反映的双侧连接性方面就越好。表1报告了未经短通道校正和经过短通道校正的HbO和HbR信号的平方幅度相干性的

值。

       非参数置换检验被用来量化

值的不确定性。结果表明，所有的值都显著不同于零，表明同源和对照组具有明显不同的相干性分布（对于未校正的HbO，p=0.0112；对于所有其他条件，p<0.001；经过短通道校正的HbO相干性和未经短通道校正及经短通道校正的HbR相干性）。我们遵循重新抽样统计方法，使用自助法生成可区分性指数的置信区间，以了解对于HbO和HbR相干性，无校正和有短通道校正之间是否存在显著差异。表2中给出的结果表明，使用短通道校正进行功能连接性分析显著提高了区分功能网络的能力，这些网络具有不同的连接特征。

4 讨论

      本研究探讨了基于主成分的短通道校正在减少静息态功能连接测量中的伪相关性方面的作用。通过比较具有和不具有短通道校正的四种对比条件的相干结构，我们发现在与Mayer波频率重叠的静息态频率带中，同一受试者的同源和对照条件的相干性显著降低。然而，在相同频率带中，受试者间的随机相干性并未显示出类似的相干性降低。这些观察结果证实了在受试者水平上，功能连接测量中确实存在由Mayer波引起的伪相关性。

      当使用同源组进行功能连接性分析时，未观察到HbO信号在与Mayer波频率重叠的静息态频率带中长通道和短通道相干性之间的显著差异。这一观察结果表明，同源长通道和短通道在Mayer波频率附近具有相似的噪声结构。当将连接性分析扩展到包括对照组时，在同样的频率带中，对于两个连接性组，短通道校正都观察到一致的相干性降低。此外，我们发现本研究中使用的短距离滤波器校正改善了具有已知连接特征的两个静息态网络（如同源和对照）之间的可区分性。

4.1 移除系统生理噪声

     主成分分析和独立成分分析是两种常用的预滤波方法，用于从fNIRS信号中去除运动伪迹和系统生理噪声。主成分分析假设生理噪声与神经活动无关且在所有通道中均匀分布，这些全局信号对fNIRS信号的共同方差贡献最大。通过去除代表全局信号强空间协方差的主成分，预计将去除fNIRS信号中的大部分运动伪迹和系统生理噪声。本研究中使用的短通道校正方法被认为足够稳健，以捕捉不同脑区之间（或缺乏）系统生理学的差异，因为AR-IRLS回归模型为每个长通道的时间进程分配适当的贡献比率，以回归短通道捕获的响应的加权部分。与之前研究的发现一致，我们在短通道相干性的初步观察结果（如图6（b）所示）表明，生理噪声在主成分中的贡献可能依赖于色素。为了解释这种差异，我们在分析中对每个受试者的所有短通道数据的HbO和HbR信号分别应用主成分分析。另一方面，独立成分分析基于盲源分离概念设计，假设不同的噪声和信号源不仅不相关，而且统计上相互独立。在以前的一项研究中，独立成分分析用于测量功能连接性。在那项研究中，独立成分分析将原始fNIRS信号的浅层和深层成分分离，部分相关性分析去除了由于共同伪迹而产生的相互依赖性。另一项研究表明，这两种基于成分的分析方法都能从fNIRS信号中去除系统噪声，但主成分分析比独立成分分析表现更好。这个结果可能是因为系统噪声和脑神经反应之间的统计独立性假设可能不是始终成立。

      在这项研究中，我们没有系统地研究诸如全局信号回归、长通道上的独立/主成分分析或反相关分离等方法，这些方法在短通道不可用或无法实施时可能在一定程度上有效地去除生理噪声。周等人在之前的一项研究中报告称，反相关分离方法不如基于主成分分析的短通道校正方法有效。在这项研究中，我们没有评估不同的噪声去除方法，而是研究了使用目前被视为黄金标准的生理噪声去除技术，是否可以更好地区分两个不同群体之间的静息态功能连接。通过使用主成分分析为基础的短通道校正方法，我们发现了静息态频率带（与Mayer波频率重叠）中内部连接的显著减少，而这在没有短通道校正的情况下是无法实现的。这表明，短通道校正方法可以有效地去除生理噪声，从而提高了在两个不同连接性组之间进行区分的能力。

      总之，这项研究表明，使用目前被认为是黄金标准的生理噪声去除技术，可以更好地区分两个不同群体之间的静息态功能连接。这对于fNIRS功能连接性研究的准确性和可靠性至关重要，为未来的研究和应用奠定了基础。

4.2 使用控制条件客观验证结果

      由于fNIRS信号中非神经元成分的存在以及由于fNIRS的有限空间分辨率导致的相邻通道中潜在的非连接性相关性，伪相关性破坏了连接性测量。之前的一项研究报告，在截止频率为0.1 Hz的传统低通滤波器应用时，无法控制的错误率高达90%。因此，将感兴趣的连接性组的相干性与“基准”控制条件进行比较非常重要。在选择控制条件时，我们可以使用模拟在不同组之间系统地改变连接强度，或者考虑反映不同程度连接性（或缺乏连接性）和生理噪声的实验条件。

      在本研究中，我们使用了四种对比条件，即：内部同源，内部控制，跨个体随机和白高斯噪声（基线）。基线相干性是从既没有神经源也不受生理噪声影响的合成数据中推导出来的纯理论条件。由于可能存在同步的自发神经活动和生理噪声，我们预计在两个内部条件（同源和控制）中，与基线条件相比，感兴趣的静息态频率带的相干性较高。然而，与基线条件相比，跨个体随机条件是一个更实际的实验控制条件，因为我们不希望在没有时间锁定的不同受试者的随机化轨迹对中出现由于神经活动引起的实际连接性。

     在功能连接性分析中使用这些控制条件不仅为客观验证研究结果提供了方法，还有助于将连接性测量的假发现率降至最低，从而减少误解功能网络特性的可能性。

4.3 HbO与HbR相干性的差异     

      总的来说，我们可以观察到在0.05至0.1 Hz频率带内，HbO和HbR信号的相干性都降低了，这表明我们研究中采用的短通道校正技术无论对于哪种色素都是有效的。然而，与HbR相比，HbO在两组连接性中观察到的效果更大，这与先前的研究结果一致。这些差异可以用大脑功能的基础生理现象来解释。一种可能性是梅尔波（由于动脉血压自动调节而产生）在HbO信号中的反映可能比HbR信号更好。先前的研究证据也表明，动脉过程如心跳在HbO信号中的表现要优于HbR信号。

      我们的结果通过比较HbO和HbR信号在心跳和Mayer波的相干性峰值来证实了这种效果。在HbR的相干性方面，未观察到有无短通道校正的显著差异。这一观察表明，HbR信号在0.05至0.1 Hz频率带内受生理噪声影响较小，与使用未经短通道校正的HbO信号相比，可能会得出更可靠的连接结果。然而，HbR相干性的区分度改善表明，我们研究中使用的短通道校正方法对整体结果没有不利影响。

4.4 局限性

      以前的研究报告了成年人0.1 - 0.05 Hz频率带中Mayer波的一致性。然而，值得注意的是，一些成年参与者的Mayer波可能比其他人更大。在这项研究中，我们研究了短通道校正对提高每个参与者在与Mayer波频率（0.05至0.1 Hz）重叠的静息状态频带中的连接度量信噪比的影响。结果中报告的误差条表示的是主题间相干性的一个标准差。虽然观察到的HbO信号的短通道校正相干性减小在统计上是显著的，而且HbR信号的结果与以前的发现一致，我们承认一个更大的样本量将考虑到不同个体的系统生理变异，并为我们提供更好地推广结果的见解。

5 结论

      在这项研究中，我们应用了短通道校正技术来减少静息态功能连接中的误报发现。结果表明，在受试者内部水平的Mayer波频率附近，虚假的相关性尤其存在于连接测量中。这一发现强调了在静息态功能连接研究中从fNIRS数据中去除系统生理噪声的重要性。我们发现，本研究使用的基于主成分分析的短通道校正技术能够一致地减少Mayer波引起的虚假相关性，并提高同源和对照连接组之间的区分度。与未经校正相比，应用短通道校正的静息态功能连接分析在提高连接测量的可靠性和更准确地解释静息态网络连接特征方面表现更好。