本文探讨了EEG-fNIRS混合技术在阿尔茨海默病四类分类中的应用。通过结合EEG的宏观电活动和fNIRS的血红蛋白变化，提供了无创、运动伪迹抵抗强的功能脑成像方法。研究涉及29名受试者，包括健康对照和不同程度的阿尔茨海默病患者。项目使用Python、Jupyter和深度学习技术，分析了数据并评估了每种认知任务的贡献，表明EEG与fNIRS的联合使用在分类任务中表现最佳。
多模式监测：
EEG: 通过无源电压评估（passive voltages evaluations）来捕捉大脑电活动的宏观时间动态。
fNIRS：通常依赖于通过光纤或纤维束向头皮内射入和探测光线。光纤在电方面绝缘于受试者，且它们可以使光源和探测器离头皮足够远。不同的仪器技术程序被开发出来，并用于近红外光谱监测。具体可以识别出三个主要类别，为时域(TD)、频域(FD)和连续波(CW)记录系统。TD系统使用非常短的光脉冲(picoseconds)，而FD系统使用无线电频率调制的光(50 MHz)来研究感兴趣的组织。由于其简单的技术特点，连续波CW系统是临床和非临床环境中最广泛的系统。CW系统依赖于测量通过组织的光的CW成分。它们可以估计血红蛋白和氧合随时间的变化（通过使用先验微分路径长度因子的改进的Beer Lambert方程），但它们不能在通道水平上提供组织光学特性的绝对估计（吸收和减少散射系数）。当空间分辨光谱方法被采用，它们可以测量区域脑氧饱和度(rSO2)和部分组织氧提取(FTOE)随时间的变化。
在fNIRS与EEG联合中的应用。整篇文章中提到和/或描述近红外光谱时，我们指的是CWfNIRS，除非明确提到TD或FD系统。
含氧和脱氧血红蛋白(O2Hb和HHb)
EEG &fNIRS 共同点：头皮定位，无创。
优点：
1.能较好地抵御运动伪迹，无明显物理限制。
2.无高强度磁场或电离辐射暴露。
3.硬件成本显著低于大多数其他功能性脑成像方法。
近日在准备一个fNIRS与EEG联合数据分析的项目，过程中发现fNIRS数据分析相关开源项目并不多，联合数据分析更是少之又少，几番筛选找到以下论文及其源码。
An EEG-fNIRS hybridization technique in the four-class classification of alzheimer’s disease
https://doi.org/10.1016/j.jneumeth.2020.108618
最低0.47元/天 解锁文章
扫一扫
3633
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
