IF＝5.8| 基于 fNIRS 技术的 4 个月大婴儿睡眠期无任务血流动力学活动开放数据集研究
本研究“Open access dataset of task-free hemodynamic activity in 4-month-old infants during sleep using fNIRS”2022年发表于《Scientific Data》（IF＝5.8），由 Borja Blanco、Monika Molnar、Manuel Carreiras 和 César Caballero-Gaudes 等人撰写。
背景介绍
在神经科学研究领域，静息态或无任务功能连接（FC）对于探究人类大脑的内在功能组织意义重大。它通过测量大脑血流动力学活动的自发波动，来识别脑区之间在时间上连贯的活动模式，这些模式构成的功能性脑网络支撑着各类感觉和认知过程。同时，FC 还能用于研究典型与非典型大脑功能发育成熟过程中的差异，因为其发展会受到多种产前和产后因素的影响。这种成像方式尤其适用于发育中的人群，比如婴儿，在测量时无需他们配合任务，还能在自然睡眠状态下记录数据。
以往，测量无任务 FC 多借助功能性磁共振成像（fMRI），但该技术用于发育中人群时存在局限，像扫描仪噪音干扰以及需要严格固定头部等问题，对婴儿不太适用。功能性近红外光谱（fNIRS）作为一种非侵入性、无噪音的神经成像技术，逐渐受到关注。它通过测量近红外光在脑组织中的衰减，来确定氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）的相对浓度变化，进而反映大脑功能激活情况。虽然 fNIRS 在婴儿大脑研究中展现出一定能力，但现有相关研究存在运动伪影、记录时间短、样本量小等问题。本研究旨在利用高质量 fNIRS 数据，精确描绘 4 个月大婴儿的大规模功能连接模式，并探究双语环境对其功能脑网络发展的影响 。
研究方法
01
实验对象选取
研究人员精心招募了 104 名健康足月的 4 个月大婴儿参与实验。这些婴儿来自三种不同的语言环境：西班牙语单语家庭、巴斯克语单语家庭以及西班牙语 - 巴斯克语双语家庭。在后续分析时，由于数据质量问题，5 名婴儿的数据被排除，最终 99 名婴儿的数据纳入研究。为精准确定婴儿的语言背景，研究人员让家长填写了详细的问卷，问卷综合考虑多种场景，评估婴儿在出生后前几个月接触西班牙语和巴斯克语的比例。其中，单语组婴儿是指对单一语言接触比例极高，对第二种语言接触比例低于 10% 的婴儿；双语组则是从出生起就同时接触两种语言，且对第二种语言接触比例高于 10% 的婴儿。此外，婴儿的性别、年龄等个体信息也被详细记录，为后续分析提供了丰富的数据基础。
图 1.（a）无任务实验范式的 fNIRS 数据采集过程示意图。（b）基于所有个体受试者计算得出的数据质量评估指标。（c）fNIRS 数据预处理流程主要步骤概述。（d）在三个实验组中分别进行的组水平技术验证
02
数据采集过程
数据采集时，婴儿在自然睡眠状态下，舒适地靠在父母腿上进行测量。研究人员为婴儿佩戴专门的 fNIRS 头带，该头带由美国 NIRx NIRScout Medical Technologies 公司生产，配备 16 个光发射器和 24 个探测器，形成 52 个通道，可同时监测 HbO 和 HbR 的变化。头带光源采用 760nm 和 850nm 两个连续波长，采样频率为 8.93Hz。研究人员依据国际 10 - 20 系统，以鼻根、枕外隆凸和耳前点作为头部外部标志，将光极布局固定在德国 Easycap GmbH 公司生产的弹性织物帽上，确保光极能覆盖婴儿大脑的额叶、颞叶、顶叶和枕叶区域，且不同婴儿的光极位置保持相对一致，便于后续对比分析。为适应不同婴儿的头围大小，准备了 40cm 和 42cm 两种尺寸的帽子。数据采集在安静的隔音房间进行，房间内仅保留电脑屏幕发出的微弱光源。待婴儿进入深度睡眠，如出现闭眼、身体静止等状态后，研究人员开始记录数据，每次记录时长在 9 - 25 分钟之间。在记录过程中，父母需保持安静，尽量减少身体动作，避免影响头带和光极的位置。
03
数据预处理步骤
采集到的原始数据需要经过复杂且精细的预处理流程才能用于研究。研究人员在 Matlab 软件中，运用自编脚本和第三方函数进行数据处理。首先，将原始光强度数据转化为光密度变化数据，同时仔细检查并去除记录起始和结束部分可能存在的噪音数据。由于是在婴儿睡眠时采集数据，整体数据质量较好，但仍存在少量运动伪影，研究人员运用基于小波的去噪方法有效减少了伪影的影响。接着，借助修正的比尔 - 朗伯定律，结合 5.3 和 4.2 的微分路径长度因子，将光密度数据进一步转化为 HbO 和 HbR 的浓度变化数据。为保证每个婴儿的数据在后续分析中具有可比性，研究人员将所有数据集手动裁剪为 5000 个样本（约 560 秒）。最后，为降低呼吸、心跳等全身系统波动对 fNIRS 信号的干扰，研究人员采用了包含时间滤波和全局信号回归的干扰回归模型。该模型充分考虑不同频率的生理成分，分别对 HbO 和 HbR 进行滤波处理，最大程度地还原真实的大脑活动信号。
技术验证
在本研究中，技术验证是确保数据可靠性与研究科学性的关键环节，研究人员从个体和组两个层面进行了严谨的评估。
个体数据质量评估是技术验证的重要基础。研究人员对每个参与者的个体通道时间序列进行了多轮细致检查，旨在精准识别运动诱导的伪影和信号漂移。这一检查贯穿数据预处理的多个关键阶段，涵盖从原始强度数据到经过全局信号回归后的 HbO 和 HbR 数据。同时，研究人员还对 HbO 和 HbR 功率谱密度中的生理成分进行评估，婴儿大脑活动数据中，心脏脉搏和呼吸有着独特的频率模式，心脏脉搏约在 2Hz，呼吸相关成分约在 0.6Hz，这些成分的存在状况反映了光极与头皮的耦合效果。此外，HbO 和 HbR 时间序列的相位差和时间相关性也是评估重点，高质量数据中二者应呈现反相状态和强负相关。
组水平的数据质量评估进一步强化了研究的可靠性。研究人员重复了两项先前的 fNIRS 研究。一方面，在三个实验组中均验证了 HbO 和 HbR 信号的反相状态，这一结果与过往研究相呼应，证明了数据的一致性和稳定性。另一方面，通过基于通道时间序列相似性进行空间分组，在每个实验组的双侧额叶、颞叶和顶叶区域，都获得了与原研究相似的空间聚类结果。这些验证步骤不仅保障了数据质量，也为后续基于该数据集的深入分析提供了坚实保障，确保研究结论的科学性与可信度。
文献来源：https://doi.org/10.1038/s41597-022-01210-y
一家科研设备供应商及科研技术服务公司，公司致力于为神经科学和脑科学及运动领域研究提供卓越的解决方案及后续技术服务。我们的产品线涵盖了近红外脑成像系统、便携式脑电设备、生理多参数仪器、眼动仪、电刺激设备、生物力学跑台以及自行车训练台等领域，为用户提供高品质、高性能的科研工具
南京尖创科技有限公司秉承质量至上，精益求精的服务理念，现已为北京大学，北京师范大学，复旦大学，浙江大学，中国科学技术大学，南京大学，天津大学，深圳大学 ，南京理工大学，东南大学，河南大学，北京理工大学，西安交通大学，中国兵器集团兵器研究所，中国电子科技集团等超过五十所国内高校和科研院所提供了完备的产品服务
