短距离回归结合扩散光学断层扫描图像重建模型用于高密度功能性近红外光谱
本研究“Short-separation regression incorporated diffuse optical tomography image reconstruction modeling for high-density functional near-infrared spectroscopy” 由 Yuanyuan Gao 等人撰写，于 2023 年发表于《Neurophotonics》（IF＝4.8）。文章提出了一种将短距离回归（SS）和扩散光学断层扫描（DOT）相结合的 SSDOT 模型，以提高高密度功能近红外光谱（fNIRS）的图像重建质量。
研究背景
功能近红外光谱（fNIRS）技术可通过测量大脑血红蛋白浓度变化来反映大脑活动，但检测信号易受脑外组织干扰，准确区分脑内和脑外信号对精确估计大脑激活至关重要。为此，人们采用了多种方法，如低通滤波、辅助生理测量回归、数据驱动方法等，同时，短距离（SS）测量和扩散光学断层扫描（DOT）也成为关键技术。前者利用长、短距离通道信号采样差异，从长距离通道信号中去除脑外组织信号以改善脑血流动力学估计；后者则通过重建血红蛋白浓度变化的三维图，依据不同源 - 探测器距离的深度敏感性来分离脑内外血流动力学 。
以往研究表明，顺序应用 SS 和 DOT 可提升效果。受此启发，本文作者假设同时使用这两种方法能进一步优化性能，进而提出了 SS-DOT 模型。研究中设计了高密度探头，借助时空基函数实现大脑激活的同时空重建，并分别通过模拟研究方案和实验研究方案，用对比度与背景比、t 值和偏侧化指数等指标，对 SS-DOT 模型与传统顺序模型（即先进行SS回归，然后进行DOT图像重建）展开对比 。
研究设计
模拟研究设计：在 11 名受试者的实验静息态数据上叠加合成 HRF 创建模拟数据集（数据收集见实验研究设计），模拟大脑皮层运动区域血红蛋白变化，设置不同 HRF 振幅和两种 SS 回归模型测试。
实验研究设计：12 名健康年轻成人参与实验。实验包含 5 分钟静息态任务和 8 分钟左右手捏球任务。捏球任务时，参与者依据电脑屏幕的视觉提示和音频信号，挤压指定手的球，刺激持续 5 秒，间隔休息时间在 5 - 15 秒随机设定，每次实验左右手刺激各 15 次且顺序随机。实验全程使用两个级联的 NIRSport2 16×16 设备（NIRx, Berlin, Germany，南京尖创科技有限公司为该设备代理商）采集 fNIRS 信号，该设备搭配的探头布局与模拟研究中的设计一致。
图 1. 实验范式：(a) 5 分钟静息态任务；(b) 捏球任务
研究方法
高密度探头布局：研究采用六边形图案设计了一款高密度 fNIRS 探头，它包含 7 个光源和 16 个探测器，相互连接形成 50 个通道。其中，SS 探测器与光源相距 19mm，长距离探测器与光源相距32.9mm，覆盖特定头部区域。在模拟研究中，该探头仅放置在左半球运动区域；实验研究时，则在左右半球均有放置。为确保光电极在头部的准确位置，研究人员采用 “NinjaCap” 方法，3D 打印了 AtlasViewer47 设计的帽子，并精确对齐帽子的 Cz 标记与头部的真实 Cz 位置。
图 2. 探头设计及空间核示意图
时空基函数构建：用重叠 3D 高斯核表示空间变化，修改的 Gamma 函数线性组合表示时间动态，二者结合成 Kronecker 算子描述血红蛋白浓度变化。
灵敏度矩阵计算：利用 Monte Carlo 模拟和 MCXLAB 工具箱计算，基于 Colin 头模型，设定相关参数，确定不同波长下吸收系数与光密度变化关系。
模型构建：正向模型构建时，先将光强度转换为光密度变化值，去除信噪比低于 5 的噪声通道，并校正运动伪影。测量信号被建模为刺激诱发的大脑活动、脑外活动、全身生理信号和测量漂移这四个分量的线性组合，从而建立起完整的正向模型方程。反向模型求解采用空间正则化和 Tikhonov 正则化方法，对功能性变化进行正则化处理，以平衡因A⋅GT矩阵病态而产生的高空间频率噪声和图像平滑度，同时设定了相关正则化参数。
顺序模型：先在通道空间进行 SS 回归，利用修正的 Beer-Lambert 定律将光密度时间序列数据转换为 Hb 信号，构建 GLM 并求解得到 HRF 函数，再将其转换为光密度变化值输入图像重建步骤。研究测试了三种 SS 条件和两种图像重建模型。
模型性能评估：使用对比度与背景比（CBR）、t 值来评估模型性能，针对实验数据集还计算了偏侧化指数（LI）。通过特定的 Hb 值阈值定义感兴趣区域（ROI）和背景区域，分别计算每个模型在这些指标上的数值，以量化模型性能。
计算负载考量：同时模型计算量较大，在 CPU 上处理实验数据集时，顺序模型耗时约 40 秒，同时模型约 62 分钟。为解决这一问题，研究人员开发了 GPU 算法，经其加速后，处理时间可缩短至 28 分钟。
研究结果
模拟结果：随着 HRF 振幅增加，所有模型 CBR 呈上升趋势，fakeSS SS-DOT 模型 CBR 最高，但 HRF 振幅小时提升不明显；ROI 区域 t 值随 HRF 振幅增加，avgSS 模型在高 HRF 振幅时下降，noSS 模型 t 值最高，fakeSS SS-DOT 在最大 HRF 值时超过；背景区域 t 值，avgSS 模型增加，其他模型不受影响，fakeSS SS-DOT 模型 HbO 的背景 t 值最低。
图 3. 模拟数据集（HbO）的结果
实验结果：捏球任务中，多数模型在组水平上对侧半球 HbO 激活明显，SS-DOT 模型在组水平和个体水平上结果与预期一致，且 CBR 值高于顺序模型；顺序模型中 SS head 模型表现较好；HbR 结果与 HbO 类似，组水平有意义，模型间 LI 值无显著差异。
图 4. 各模型在左手条件下的组平均 HbO 图像
图 5. 各模型在右手条件下的组平均 HbO 图像
图 6. 各模型在左手条件下的个体水平 HbO 图像
图 7. 各模型在右手条件下的个体水平 HbO 图像
图 8. 实验数据集上各模型在（a）左手条件和（b）右手条件下的 HbO 偏侧化指数（LI）
图 9. 实验数据集（12 名受试者）的对比度与背景比（CBR）评估
总结
在本研究中，研究团队提出了 SS-DOT 模型，将短距离回归（SS）和扩散光学断层扫描（DOT）图像重建方法同时应用。通过设计高密度 fNIRS 探头，对 12 名健康受试者在静息态和捏球任务时进行数据采集，并基于采集的静息态数据模拟了包含合成 HRF 的数据集。研究还测试了 avgSS 和 fakeSS 两种不同的 SS 分离模型。在模拟和实验捏球数据集上，对 SS-DOT 模型和其他顺序模型进行了全面的定量和定性测试。
模拟结果显示，fakeSS SS-DOT 模型在提升 CBR 值上表现突出，但在小 HRF 振幅时优势微弱。实验结果与模拟结果相符，SS-DOT 模型的 CBR 值最大，不过各模型间的 LI 值差异并不显著。这表明 SS-DOT 模型在改善 fNIRS 数据重建图像质量方面具有潜力，尤其在较大 HRF 振幅时优势明显。然而，传统的顺序模型在大多数情况下仍然适用且实用，它们在本研究中展现出了分离大脑激活信号与脑外生理噪声的能力。本研究还存在一些局限性，由于物理限制，探头中没有真正的 8mm SS 通道，模拟的 “fake” SS 通道不能完全模拟真实的 SS 数据。因为本研究中的SS通道采用的是对所有19mm通道的平均OD数据进行计算的。未来随着小型化光电极设计的发展，有望在高密度探头中加入 SS 探测器，进一步深入研究。此外，研究还可在正则化方法和半高宽分析等方面展开探索 。
文献来源：https://doi.org/10.1117/1.NPh.10.2.025007
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
