使用近红外光谱学进行神经监测的脑自调节动态的基于连续波段的传递函数分析

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
• 信号处理 信号处理

背景情况:

• 近红外光谱 (NIRS) 是一个流行的神经监测工具.
• 像Fast Fourier Transform (FFT) 这样的现有方法在静态数据和低时间分辨率方面存在局限性.
• 波段传输函数分析为分析信号关系提供了更强大的替代方案.

研究的目的:

• 扩展格林斯特德波段包,用于增强大脑自我调节的评估.
• 用模拟和人类受试者数据验证修改后的波纹算法.
• 为了比较基于波纹的估计与传统的基于FT的方法.

主要方法:

• 修改的格林斯特德波段包,包含功率和传输功能的增益估计的修正偏差.
• 使用模拟信号和血液动力学数据进行验证,这些数据来自健康的受试者,他们的下体负压 (LBNP) 和下体正压 (LBPP) 均为低氧.
• 与基于FT的估计进行波形波形衍生的连贯性,增益和相位的比较.

主要成果:

• 在波段和FT方法之间发现了一致性和增益的良好一致性,特别是在低频范围内 (0.04-0.15 Hz).
• 在非常低的 (≤0.04 Hz) 和高的 (0.15-0.4 Hz) 频率范围内,一致性是适度的.
• 波形估计显示,在0.5.5以下的值中,相比FFT,波形估计的连贯性更高.

结论:

• 修改后的波纹方法与基于FT的方法很好地一致,用于估计功率,连贯性和传递函数增益.
• 近红外光谱学衍生波波变换是分析大脑自我调节动态的宝贵工具.
• 这种方法对于在非静止数据中探索大脑自我调节特别有用.