2020-03-22-fNIRS技术入门文章

最新推荐文章于 2025-03-26 16:55:51 发布
最新推荐文章于 2025-03-26 16:55:51 发布
阅读量960 收藏 18
点赞数 2
本博客文章作者为陈锐CR时均采用属于个人原创撰写，未经许可，禁止在任何媒介以任何形式复制、发行本文章，如需转载，请查看联系方式，非商业转载请注明出处，不得用于商业目的。
本文链接：https://blog.csdn.net/craig_cc/article/details/105560490
版权
layout title subtitle date author preview-img header-img catalog istop tags
post
fNIRS技术入门文章
fNIRS technology
2020-03-23
陈锐CR
/img/Brain+Lobes.jpg
img/post-bg-desk.jpg
true
fNIRS
入门文章
technology

前序

在很多时候，我经常收到很多来信，让我推荐一些关于近红外入门的书籍资料，但很不幸的是，目前来说，近红外技术的书籍并不是很多，在前面我也写过《如何学习近红外技术》的文章，但想要更加深入的理解近红外技术，以下的这些入门的技术文章你一定得看看，首先我强烈推荐的是2014年发布的fNIRS特刊——庆祝功能近红外光谱技术诞生20周年,在这里包含了9篇评论文章和49篇研究文章，涉及有近红外技术的仪器设计技术、数据分析方法、大脑发育、认知科学、运动、精神病学以及神经病学等。

当然除了特刊里的文章外，你还应该查看下以下的技术研究文章。（ps：本文仅分享与技术相关的文章）

基础软件文章

Huppert T. J., Diamond S. G., Franceschini M. A., Boas D. A., “Homer: a review of time-series analysis methods for near-infrared spectroscopy of the brain,” Appl. Opt. 48, 280–298 (2009)10.1364/AO.48.00D280 10.1364/AO.48.00D280

Y

最低0.47元/天 解锁文章
大脑技术
关注
我的fNIRS学习之路（一）
psybrain的博客
07-02 1978
关注“心仪脑”查看更多脑科学知识的分享。 功能性近红外光谱技术 (Functional Near-Infrared Spectroscopy , fNIRS) 简称近红外，是一种脑功能成像技术。你或许从来没有听说过它，或许听说过但不了解它具体怎么用。不管属于哪种情况，看完这篇文章，相信你能get到近红外技术的基本原理，为进一步的应用打下基础。 近红外测的是什么？ 我们都知道，脑电技术是观测大脑活动一种常用的手段，它记录的是神经元活动时产生的电信号。 神经元的本质是细胞，在活动时不仅会产生电信号，
2020-02-26-如何学习近红外技术
Chen Rui blog
04-14 1110
title: 如何学习近红外脑功能成像技术(fNIRS)? subtitle: fNIRS technology date: 2020-02-26 tags: - 脑成像 - fNIRS 本文首发在chen rui blog (7988888.xyz) 前言 近红外脑功能成像技术（以下简称fNIRS），目前来说，越来越多的科研院所探索脑功能常见的技术手段，它不同于脑（E...
文献速递第4期：fNIRS的近期研究
u011661076的博客
09-15 978
近红外光谱（fNIRS）是一种公认的神经成像技术，可以应用于临床和自然环境研究中。本期整理的近红外相关研究中，近红外超扫描领域的文章居多。近年来，超扫描技术在竞争、合作、儿童游戏、人际交互、团体创造力、社会认知等方面的应用十分广泛。这为我们理解人类社会交往中的大脑同步关系开辟了新的视角。 -fNIRS的近期研究- 1.NeuroImage（6.556）：现实生活中人际合作的动态脑间同步：功能性近红外光谱超扫描研究 合作是人类社会交往的重要组成部分。特别是，两个或更多个体...
Brainstorm简单分析近红外数据（fNIRS）（一）
最新发布
weixin_43604817的博客
03-26 826
Brainstorm分析fNIRS数据
近红外光学成像（fNIRS）介绍
热门推荐
小吕的博客
03-06 1万+
功能性近红外光谱技术是近年来新兴的一种非侵入式脑功能成像技术。fNIRS进行脑功能成像的原理与fMRI相似，即大脑神经活动会导致局部的血液动力学变化。其主要利用脑组织中的氧合血红蛋白和脱氧血红蛋白对600-900nm不同波长的近红外光吸收率的差异特性，来实时、直接检测大脑皮层的血液动力学活动。通过观测这种血液动力学变化，即通过神经血管耦合规律可以反推大脑的神经活动情况（Pellicer, &amp...
fNIRS在发育科学中的应用
cc1609130201的博客
03-26 2852
功能性近红外光谱成像技术(fNIRS)可以研究清醒状态下的婴儿大脑功能激活。fNIRS的优势明显大于局限，领域内也已将fNIRS应用于婴儿群体。大多fNIRS研究集中于：目标处理、生物和社会信息处理、语言发展。有关人类知识起源和发展的争论不断，因此早期神经影像学研究作用很大。fNIRS的应用使我们能够确定未成熟大脑中处理早期目标、社会、语言知识的区域，及其随时间、经验发生的变化。小部分研究深入探索：支持、促进出生后第一年的学习的神经机制。与其他新兴领域一样，当前研究得出的结论也存在局限。我们探讨了应该如何改
fNIRS用于评估自然/社会情况下人类行为中的脑功能
cc1609130201的博客
08-10 2804
在足够的刺激下，功能近红外光谱（fNIRS）可以获得皮层血流动力学反应的实时拓扑图，该技术在头皮上定位多个光源和探测器后，可以无创地测量含氧和脱氧血红蛋白的变化。本文简要概述fNIRS的基本原理，包括功能、优点、优势、局限性和用于评估人类行为的效用。便携式/无线商用fNIRS系统的时间分辨率为1-10Hz，深度灵敏度约为1.5cm，空间分辨率高达1cm。fNIRS在社会科学、神经成像基础研究和医学等领域已被广泛应用于成人和婴幼儿。本文将提供一些实例，说明fNIRS在不同情况（自然和社会情况）下评估人类行为时
我的fNIRS学习之路第“零”期 — fNIRS学习资料汇总
psybrain的博客
07-20 4022
关注“心仪脑”查看更多脑科学知识的分享。 关键词：资料汇总、fNIRS 写在前边 功能性近红外光谱技术（functional Near-infrared spectroscopy, fNIRS）是一种非侵入无创的脑成像技术，它利用血液的主要成分对600-900nm近红外光良好的散射性，从而测量大脑活动时氧合血红蛋白（HbO2）和脱氧血红蛋白（HbR）的变化情况。 相比于fMRI/PET等脑成像技术，fNIRS的时间分辨率可达10Hz，能够有效避免高频噪声（呼吸、心跳、血压）造成的频谱混叠问题；它的空
超详细！一篇文章带你轻松入门神经调控
psybrain的博客
07-02 2957
关注“心仪脑”查看更多脑科学知识的分享。 关键词：神经调控、脑科学、神经科学、TMS、tDCS 我们已经知道，EEG可以在头皮表面测量神经元的放电活动；fNIRS通过向脑内发射近红外光，测量目标脑区含氧血红蛋白和脱氧血红蛋白的浓度变化；还有fMRI、MEG、PET等神经影像技术，分别基于不同的原理对大脑活动进行观测。 然而，在人类一步步接近大脑真相的过程中，我们是否只能做一个被动的观察者呢？ 答案是否定的，也是振奋人心的：神经调控技术的发展，使得人为调节大脑活动不再遥不可及。 什么是神经调控？
基于EEGLAB2023.0数据预处理步骤GUI实操指南
Chen Rui blog
08-30 1763
坏导是指在数据采集时，由于各种原因（如，电极本身问题或阻抗不好等）导致数据记录有问题，但是在后期又特别想要该通道的数据，那么就可以利用插值的方法进行——利用该导联周边的几个电极点的均值作为该导的数据。点击红框的按钮后会出现长条对话框，框中显示的是Marker的名称。按钮，会出现如上图所示的长条形对话框，方框里面是所有电极的名称，这时将需要的剔除的电极选择上，如上图，我选择了。通常进行ERP时，必做的分段数据，即根据对应的刺激marker或是反应marker将采集的连续数据进行分段，取一定的时间窗。
不同运动校正方法对静息态fNIRS功能连接分析的影响
u011661076的博客
10-17 1165
摘要 意义：运动伪影是功能近红外光谱(fNIRS)领域中一个众所周知的挑战。然而，关于如何处理静息态数据中运动伪影的信息仍然较少。 目的：本研究使用含有不同运动伪影污染百分比和类型的半模拟数据集评估了运动伪影校正方法对功能连接的影响。 方法：三十五名健康成年人接受了15分钟的静息态数据采集。通过向真实数据集中添加尖峰状或基线偏移的运动伪影生成半模拟数据集。对每个数据集应用了十五种不同的处理流程，采用各种校正方法，并计算了组相关矩阵。使用三个指标来测试每种方法的性能。 结果：当运动伪影污染较低时，各种
matlab最简单的代码-fnirsr:用于分析功能近红外光谱（fNIRS）数据的软件包
05-22
matlab最简单的代码fnirsr 用于分析功能性近红外光谱（fNIRS）数据的R包 安装 如果还没有，请安装devtools ： install.packages("devtools") 使用devtools::install_github("erzk/fnirsr")安装软件包。 样本数据文件来自和。 用法 加载文件（ETG-4000） 在目前的开发阶段，该程序包只能读取Hitachi ETG-4000生成的原始csv文件。 其他系统生成的文件具有不同的结构，到目前为止，我不需要使用它们。 最终，我可能会扩展此包以使其与其他文件类型一起使用。 此小插图中使用的并且随附于此软件包的文件Hitachi_ETG4000_24Ch_Total.csv来自。 有关记录的顶级信息保存在标题中。 它具有不规则形式，因此解析起来有些棘手。 此软件包版本在数据部分之前读取csv文件的部分，并返回带有标头信息的向量： library( fnirsr ) file_path <- system.file( " extdata " , " Hitachi_ETG4000_24Ch_Total.csv "
NIRS_SPM数据分析方法详细介绍
05-18
近红外数据处理软件包的使用方法，简单可行
教程 | 多通道fNIRS数据的预处理和平均（下）
u011661076的博客
04-13 3743
本文将处理由多个通道组成的功能性近红外光谱(fNIRS)数据集。包括读取原始数据，查看设置和数据，结合多通道设置的特定程序对数据进行预处理，并探索使用不同的方法来可视化响应时间和地形图。注意，其他NIRS系统的文件格式与这里使用的不同，本文可能不会详细的讲解不同格式数据的转换，因为这不是本教程的目标，但是这种总体分析结构同样适用于其他近红外系统。
fNIRS | 非平稳波形的预处理方法
u011661076的博客
10-11 2815
导读本文提出了功能性近红外光谱(fNIRS)数据预处理的算法。该方法可以自动识别噪声通道，并采用非平稳滤波步骤来去趋势和去除高频干扰源。使用最近发布的累积曲线拟合近似(CCFA)算法对信号进行滤波，以减少由于fNIRS数据的非平稳性导致的失真效应。将输出结果与基于离散余弦变换(DCT)的滤波、低通滤波(LPF)和带通滤波(BPF)方法进行比较。结果表明，与常用或常规方法相比，基于CCFA的滤波具有更大的信噪比(SNR)改善。
浅谈近红外脑成像英文期刊文章撰写
qq_42872324的博客
06-24 183
https://www.alivelearn.net/?p=3241 浅谈近红外脑成像英文期刊文章撰写 June 23, 202211 sec read 本文作者是刘宁博士 作者简介： 刘宁，塔夫斯大学生物医学工程博士（Tufts University），斯坦福大学脑科学方向科研人员。 Frontiers 杂志客座编辑（Guest Associate Editor for Frontiers in Brain Imaging Methods）。FNIRS Journal Club初创人员。近红...
想改进婴儿fNIRS数据分析？基于这些先进方法的评估值得一看！
u011661076的博客
05-18 682
在过去的十年中，fNIRS提供了一种非侵入性的方法来研究发展人群的神经激活。尽管fNIRS在发展认知神经科学中的应用越来越多，但在如何预处理和分析婴儿fNIRS数据方面却缺乏一致性或共识。本研究考察了对婴儿fNIRS数据应用更高级统计分析的可行性，并比较了最常用的基线校正平均法、基于一般线性模型(GLM)的单变量法和多变量模式分析(MVPA)方法，展示了基于这些不同分析方法得出的结论是如何趋同或不同的。
基于fNIRS的脑功能连接分析：图论方法
u011661076的博客
05-08 2160
fNIRS是一种利用近红外光谱进行功能神经成像的光学脑监测技术。它使用近红外光来测量大脑活动，并估计由于运动活动而引起的大脑皮层血流动力学活动。fNIRS通过光学吸收来测量含氧和脱氧血红蛋白中氧水平的变化。多源噪声和伪影干扰导致的信号衰减是fNIRS信号分析面临的主要挑战之一。方法：在此背景下，本研究旨在使用图论分析大脑不同区域之间的连接性，从而分析大脑网络在功能参数方面的几何关联。
mne-python处理fnirs
04-30
mne-python是一个用于处理脑电图（EEG）和磁共振成像（MRI）数据的Python库，不支持直接处理fNIRS数据。但是，可以使用mne-nirs扩展来处理fNIRS数据。mne-nirs是mne-python的一个扩展，用于处理光学脑成像（fNIRS）数据。 使用mne-nirs，你可以读取、预处理和分析fNIRS数据。这个库提供了许多处理fNIRS数据的功能，如光程校正、信号质量评估、通道选择、参考选择、基线校正、时间对齐、心理学指标计算等等。 以下是一个简单的使用mne-nirs处理fNIRS数据的示例： ```python import mne import mne_nirs # 读取fNIRS数据 raw = mne.io.read_raw_nirx('my_data.nirs') # 选择通道 raw = raw.pick(picks='hbo') # 光程校正 raw = mne_nirs.optical_density(raw) # 信号质量评估 raw = mne_nirs.scalp_coupling_index(raw) # 基线校正 raw = mne_nirs.baseline_correction(raw) # 时间对齐 raw = mne_nirs.time_shift(raw) # 计算心理学指标 epochs = mne.Epochs(raw, events=events, tmin=-5, tmax=25, baseline=(-5, 0), reject=dict(hbo=100e-6)) tfd = mne_nirs.time_frequency_derivative(epochs) ``` 这是一个简单的示例，演示了如何使用mne-nirs处理fNIRS数据。你可以使用mne-nirs文档中提供的更多功能来处理你的数据。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值