HRfunc:用于模拟fNIRS中的血液动力学反应变异性的工具
Denny Schaedig1, Megan Schumer1, Bedilia Mata-Centeno1
1Washington University in St. Louis, School of Medicine, St. Louis, Missouri, United States.
Neurophotonics
|November 24, 2025
概括
本研究介绍了HRfunc,这是一个Python工具,用于通过模拟血液动力反应函数 (HRF) 来分析功能近红外光谱 (fNIRS) 数据. 在fNIRS研究中,HRfunc可以改善神经活动的恢复.
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:
- 功能近红外光谱 (fNIRS) 信号中的神经激活被血液动力学响应函数 (HRF) 掩盖.
- HRF的变化使得从fNIRS数据中精确恢复神经活动变得复杂.
- 改善HRF的建模对于推进fNIRS分析至关重要.
研究的目的:
- 介绍HRfunc,这是一个新的Python工具,用于通过解卷的方式从fNIRS数据中估计本地HRF分布和神经活动.
- 开发一个高效的数据结构 (树和哈希表混合) 用于对相关HRF的空间和上下文识别.
- 为了促进基于事件的HRF和fNIRS研究中的神经活动的估计.
主要方法:
- HRfunc工具使用两种对血红蛋白和估计的神经活动的分析进行了验证.
- 对儿童执行功能任务数据集 (n=79) 进行了通用线性模型 (GLM) 分析.
- 通过神经同步分析,评估了儿童-父母二极管 (92个二极管) 之间的波形连贯性.
主要成果:
- 估计的HRF通常表现为规范形状.
- 分析显示,估计的神经活动的曲率增加和稳定,信号与噪声比率下降.
- 观察到新兴的神经同步侧面化效应和一致的GLM结果.
结论:
- 在fNIRS研究中,HRfunc工具有效地估计基于事件的HRF和神经活动.
- 该研究支持HRfunc的实用性,用于提高fNIRS数据解释的准确性.
- 建立一个集体HRF数据库将为各种研究环境提供有价值的资源.
