解开运动工件校正算法的对基于近红外光谱的功能性脑网络分析的影响

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) 对于评估大脑功能网络非常有价值,因为它具有生态有效性.
• fNIRS信号易受运动工件 (MA) 的影响,需要校正算法.
• 马校正可以扭曲fNIRS信号,改变功能连接 (FC) 分析结果.

研究的目的:

• 研究各种MA校正算法的对大脑FC和拓分析的影响.
• 在fNIRS数据中比较不同MA校正技术的性能.

主要方法:

• 评估了主要组件分析,spline插值,基于关联的信号改进,卡尔曼过,波形过和时间衍生分布修复 (TDDR).
• 使用模拟和实验fNIRS数据集.
• 使用平均FC,接收器运行特征 (ROC) 曲线和图形理论指标评估性能.

主要成果:

• 大多数MA校正算法显示了类似的性能.
• TDDR和波形波器显示出卓越的无雾化能力.
• 通过TDDR和波纹过,实现了最佳的ROC,并有效地恢复了原来的FC模式.

结论:

• 马校正算法显著影响大脑FC分析结果.
• 建议在脑网络分析中使用TDDR和波纹过来最大限度地减少MA校正的影响.
• 这些发现为在fNIRS研究中选择适当的MA校正方法提供了指导.