在使用高密度NIRS设备的多样化人口中解码快速运动图像

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 功能近红外光谱 (fNIRS) 使用光学方法通过测量血液氧化率来推断大脑活动.
• 大脑计算机接口 (BCI) 旨在解码潜在应用的认知状态,例如运动图像.

研究的目的:

• 评估一种高密度的fNIRS设备,用于在多样化的群体中解码短时间手动图像.
• 调查人口因素和头发特征对fNIRS数据质量和BCI性能的影响.

主要方法:

• 使用高密度fNIRS系统 (>3000通道) 来解码运动图像.
• 采用多种BCI绩效量化方法,包括学科特定和学科独立的方法.
• 评估数据质量,人口统计和BCI表现之间的关系,不排除受试者.

主要成果:

• 机动图像解码证明具有挑战性,最佳方法达到59.1%的准确性 (不包括不良的光极接触) 和54.7% (包括所有会话).
• 信号质量,血液动力学反应和BCI性能受到头发类型和人口统计因素的显著影响.
• 超过一半的信号质量差异仅仅归因于人口因素.

结论:

• 当前一代fNIRS设备面临着不同人群的挑战,特别是那些长,密,黑发的人群,可能会引入偏见.
• 强调需要对这些人群进行研究,并对数据处理进行透明报告.
• 呼吁开发NIRS optode设计,以优化更广泛的人口包容性和更强大的研究成果.