Professional Documents
Culture Documents
基于fNIRS的脑功能连接研究综述
基于fNIRS的脑功能连接研究综述
・综 述・
基于fNIRS的脑功能连接研究综述
赵佳
摘 要 脑功能连接是指脑皮质区域问在神经生理活动上的相互关联,在大脑功能分析中具有重
要的地位和作用。功能性近红外光谱技术(functional near.infrared spectroscopy,fNIRS)作为一种新兴的
神经影像学工具在脑功能连接的研究领域中愈加受到重视。本文首先简要介绍了fNIRS应用于脑功能
检测的基本原理,并结合fMRI从多角度分析了fNIRS应用在静息态脑功能连接研究中的优势与可行
性,然后重点介绍了脑功能连接的两种主要分析方法——种子相关分析和基于图论的静息态复杂脑网
络分析,最后讨论了基于fNIRS的脑功能连接在认知障碍及相关疾病研究中的应用,使读者对基于
fNIRS的脑功能连接的基本理论、研究方法及发展现状有一个较为清晰全面的了解。
关键词 功能性近红外光谱技术;功能连接;复杂脑网络;图论;/J、世界特性
DOI:10.3969/j.issn.1002—3208.2015.06.17.
中图分类号 R318.04 文献标志码 A 文章编号 1002-3208(2015)06-0633-06
【Abstract】 Functional brain connectivity refers to the associations between different cortical areas
during the neural physiological activity,which plays an important role in the of brain
analysis
function.Functional near infrared spectroscopy(fNIRS)has been paid more and more attention in the field of
functional brain connectivity.In this paper,we first briefly introduce the basic principle of fNIRS,and
summarize the advantage and feasibility of fNIRS to assess resting-state functional connectivity in comparison
namely seed--based correlation analysis and resting--state complex brain network analysis based on graph・-
theoretical.Finally,a discussion on the application of functional brain connectivity for the studies of cognitive
dysfunction and related mental illness is provided.Readers can have a clear and comprehensive understanding of
the basic theory,research methods and development status of functional brain connectivity based on fNIRS.
theory;small-world characteristics
spectroscopy,fNIRS)是一种多功能神经影像学工具,
0引言 近年来在科学研究及临床医学领域中均得到广泛应
功能性近红外光谱技术(functional near・infrared 用。相较于功能磁共振成像(functional magnetic
resonance
imaging,fMRI),fNIRS除了其明显的便携
基金项目:中央高校基本科研业务费专项资金(2013JBZ014)资助 性,在神经领域的研究中还显示出更大的优势——
作者单位:北京交通大学计算机与信息技术学院(北京 100044) 更高的时间采样率及更广泛的应用范围,从而为脑
通信作者:赵佳。E-mail:13120469@bjtu.edu.ca
功能连接的分析提供了有利的条件,并且以其更适
万方数据
・634・ 北京生物医学工程 第34卷
合大规模数据采集等特点,多方面弥补了fMRI的不 扫描,且具有对特定的大脑活动皮质区域进行准确
足,为脑功能研究提供了又一种安全有效的成像 定位以及实时跟踪信号改变的能力。但是fMRI存
方式。 在着一定的局限性,如受试者活动范围狭小、设备噪
脑功能成像是研究大脑活动的基本手段之一, 声过大等,使得fNIRS在神经领域的研究中逐渐显
而脑功能连接在大脑功能分析中具有重要作用。近 示出其优势”3。
几年来,基于fNIRS技术的脑功能连接研究已取得 时间采样率:fMRI的时间采样率一般限制在秒
临床诊断中。本文首先介绍fNIRS应用于脑功能检 程度上排除各种生理噪声,获取完整的信号"’。
测的基本原理,并从多角度将该技术与fMRI进行对 测量指标:fMRI利用脱氧血红蛋白的磁敏感性
比,分析其在脑功能连接研究中的优势与可行性,之 获得持续变化的电磁信号,理论上只能够提供脱氧
后简述基于该技术的脑功能连接主要算法及应用, 血红蛋白的信息,而fNIRS则可同时测量含氧血红
蛋白和脱氧血红蛋白的浓度变化,通过对此两项指
并提出研究展望。
标在各方面的一致性与差别性分析,可以更全面地
1 fNIRS的基本原理 进行脑功能连接研究,从而提高准确性与可靠性。
实际应用:相较于fMRI,fNIRS具有更强的实用
fNIRS是指利用近红外光检测大脑皮质功能活
性。第一,fNIRS系统使用成本低,操作便捷;第二,
动的一项技术。研究表明:“人类大脑活动需要通
它对于特殊人群具有更好的适用性,因此fNIRS被
过血液的新陈代谢为脑神经元提供氧,当神经细胞
广泛应用于幼儿及特异病症患者的临床研究;第三,
活动增强时,神经活动区域中血流携带氧的增加量
它对运动不敏感,被试者可在自然环境中进行实时
将超过局部神经元的耗氧量,导致激活区的脑血氧
检测而不必局限于狭小空间内;第四,fNIRS的高时
量的大大增加,继而使处于活动状态的皮质区域出
间分辨率使得血氧信号的变化过程能够被更加完整
现含氧血红蛋白(oxygenated hemoglobin,HbO)浓度
和准确地刻画出来,因而为脑功能连接的分析提供
上升、脱氧血红蛋白(deoxygenated hemoglobin,
了有利的条件;第五,fNIRS允许长时问连续测量和
HbR)浓度下降的现象。”¨引
短时问内多次测量,并且更适合大规模的数据采集。
通过大脑皮质的组织光学特性并凭借数学方法
该大样本数据集不仅能够提高传统数理统计分析的
可以间接获取血液中血红蛋白的浓度。近红外光线
稳定性,同时也为机器学习的方法在脑功能数据分
对生物体具有强穿透性,组织中主要吸收光团为
析中的应用提供更多的训练和测试样本,很大程度
HbO与HbR,且二者在光谱窗内(600~900 nm)特
上解决了fMRI应用中样本过少的问题。
定波段(760 nm左右及850 nm左右)对红外光具有
很多研究者致力于fNIRS与fMRI的比较研究。
不同的吸收率¨o。据此特性,可以将近红外光直射
Kleinschmidt¨1首次同时采用fMRI与fNIRS技术探
于头皮表面,通过测定大脑皮质中散射光的强度,并 究大脑初级感觉皮层的血氧变化;Kashou等¨1采用
利用朗伯比尔定律(Beer—Lambert law)完成原始光 fMRI进行空间定位、fMRI与fNIRS共同对激活区进
学数据到血氧浓度的转换∞o,即可实现特定区域的 行血氧水平监测来研究视觉皮质的激活情况;Tong
HbO与HbR浓度变化的多点同时测量,进而推知该 与Frederick等¨1进一步将fNIRS与fMRI低频振荡
脑区的血氧与血容量变化。一般认为,大脑皮质中 信号同步采集,发现二者在全脑范围内广泛相关;
的血氧与血容变化量是代表该脑区活动强度的重要 Heinzel等同样采用fNIRS和fMRI两种成像模式进
指标,因此,采用fNIRS技术定位和测量局部脑皮质 行前额叶激活水平的检测,更加严谨地证明了二者
的功能激活状态,并据此进行脑区间功能连接的研 信号的时问序列的显著相关性。这些研究结果表
究即成为可能。 明,以fNIRS代替fMRI进行人类脑功能连接的探究
存在可行性。
2 fNIRS较fMRI的优势
3基于fNIRS的静息态脑功能连接分析
fMRI是目前最广泛使用的脑功能研究手段,其
空问分辨率达到毫米水平,能够对受试者进行反复 功能连接是指大脑皮质各区域之间在神经生理
万方数据
第6期 赵佳,等:基于fNIRS的脑功能连接研究综述 ・635・
活动上的相互关系。以往研究表明,大脑神经元在 研究者们常以SCA结果作为对照组来证明某种方
静息状态下保持着与任务状态下几乎等同的能量消 法在脑功能连接研究中的有效性。例如Zhang
耗。1…,所以静息态的脑功能研究越来越受到人们的 等Ⅲ1分别采用传统SCA法和独立成分分析法
重视。近年来,基于fMRI的静息态脑功能连接在认 (independent components analysis,ICA)进行静息态
知障碍和精神类疾病的临床研究中的应用已取得多 脑功能连接研究并将二者结果作详细的分析与比
项成果,例如vanden Heuvel等…o发现人类智商与 较,发现ICA法在此项研究中具有较高的灵敏度与
静息态下脑功能网络的全局效率呈正相关关系; 特异性。
Buckner等¨21验证了大脑功能网络的核心节点与阿 此外,SCA法可以较好地反映人脑神经生理特
尔兹海默病患者脑中B一淀粉样蛋白沉积区域的重 性。White等¨引采用近红外扩散光学色谱成像技术
合关联。 进行健康新生儿与早产儿的视觉功能差异的研究。
随着近红外脑功能成像技术的迅速发展,fNIRS 首先依据解剖学定位标志将枕叶皮质内6 mm范围
以其各项优势为人类脑功能连接的研究提供了一条 确定为感兴趣区域,即种子区域,然后通过SCA法
新的思路。White等‘1纠首次将fNIRS技术应用到大 分析证明了早产儿与健康新生儿的视觉皮质均具有
脑运动皮质和视觉皮质的功能连接的研究中,并通 强双侧功能连接性。
过fMRI验证了fNIRS在静息态脑功能连接的研究 然而,SCA法中种子位置的定位精确程度对于
中的可行性;Kozel等¨41将fNIRS与重复性经颅磁 功能连接的分析结果具有至关重要的作用,因此种
活状态与功能连接的可行性;Niu等¨纠采用两种扩 基于图论的分析方法以全脑相关分析为基础,
散光学色谱系统(DYNOT和CW5)进一步评估了 可以从整体的角度表征脑功能网络的拓扑性质。
fNIRS在静息态脑功能连接研究中的可行性与可重 fNIRS数据能够有效地描述大脑神经活动,根据血
复性。 氧浓度准确定位局部激活区域,进而表征各脑区之
3.1种子相关分析法 间神经活动的相互关联及信息传递效率,从而为脑
相关分析是脑功能连接研究中最简单也最常用 功能网络的建立提供了可能。
的方法,是指使用相关系数来衡量区域问的功能连 节点定义:复杂网络的构建中最关键的一步是
接性。种子相关分析法(seed—based correlation 定义网络节点。基于fMRI的脑网络构建通常按照
analysis,SCA)即根据相关分析理论计算已选定的感 国际脑成像领域广泛使用的自动解剖标记
兴趣脑区与其他脑区之间的相关程度,并以此作为 (anatomical automatic labeling,AAL)标准脑模板对
功能连接强度。 全脑进行划分,而采用fNIRS数据则需要依据仪器
Lu等¨钊基于fNIRS技术分别在大脑感觉运动 通道的配置,以每个通道为中心进行脑区划分,即在
皮质与听觉皮质上采用种子相关分析法获得静息态 覆盖全脑的前提下,建立与通道数量相等节点数的
脑功能连接图。具体而言,首先使用广义线性模型 网络。
进行估计,通过t检验确定显著激活的通道,即视为 数据到血氧浓度的转换,经过预处理(去除高频生
种子点;然后将种子点与全脑其他各通道的时间序 理噪声、低频信号振荡等)之后,即得到各通道的时
列进行相关性分析,再通过统计方法判断哪些通道 间序列,并以此代表相应脑区的功能活动属性。节
与种子点密切相关,从而获得功能连接图;研究者于 点之间的连接边由时间序列之间的相关性来衡量。
该文中还采用数据驱动的聚类分析法进行相同目的 一般采用皮尔逊相关分析法计算相关性,其公式为:
五
的分析,发现二者所得的结果具有高度一致性,进一
>:h(磊)一互][名i(k)一亏] ‘
步验证了fNIRS用于评估静息态脑功能连接的可 f—l
~2■彳二二==二二;二二二二二二
行性。
SCA法是脑功能连接中比较传统的分析方法。
^/∑Ixi(.|})一五]2∑E xj(1|})一亏]2
万方数据
・636・ 北京生物医学工程 第34卷
式中:戈。(k)与Xj(k)为第i与第J通道时间序列的第
k个数据值;K为序列值总数;ii与孑,为该通道序列
L:寺塞Li
=一、>。.
Ⅳ台‘
的平均值。 式中:djj代表节点i与节点J之间的最短路径;N为
由此得到一个NxN阶对称相关矩阵(N为通道 网络总节点数¨…。
总数),元素r。表示两个节点之间的相关系数。 可以看出平均最短路径的计算必须基于全网连
阈值设定:设定阈值的目的是将弱连接去除,同 通的前提。
时又要保证全网的联通性。一般以网络稀疏度S作 聚类系数:聚类系数是衡量网络局部互联性的
为衡量指标:.s定义为网络中实际边连接数与理论 指标,是研究网络模块化结构的重要参数。以往基
连接总数的商值,在一定程度上表征该网络的复杂 于fMRI的研究表明,某些认知功能障碍及精神类疾
程度。Duan等¨1在对利用fNIRS与fMRI进行静息 病的诱发与脑功能网络模块化性质的改变密切相
态脑功能连接分析的有效性对比中,以稀疏度.s作 关。例如:Brier等‘2引发现脑功能网络的聚类系数
为阈值并检测不同阈值下的网络指标(10%~50%, 即模块化程度受年龄的影响显著,这一发现对老年
间隔1%),发现两种成像模式下的结果具有高度一 痴呆症的预防具有重要意义。节点i的聚类系数Cj
2E.
致性‘41。阈值的设定需要遵循两个原则:网络的节
定义为:C。=_万二i;全网度量C计算公式为:C=
点平均度应大于节点数的自然对数,即->InN‘19]; 厅iL,c;一l,
同时为了保证脑功能网络的稀疏性,稀疏度Js要小
÷∑c。,其中Ej代表与节点i相邻的所有节点之f.7
于50%㈨0|。
近年来,采用fMRI技术通过建立复杂脑网络进 的边连接数,k.为节点i的度【1 9|。可知聚类系数0<
行脑功能研究的方法已相对成熟,而多通道近红外 c<1,其值越大意味着该网络模块化程度越显著。
成像设备的迅速发展使得fNIRS与图论相结合在脑 与随机网络相比,小世界网络具有更高的聚类系数,
区尺度上构建脑功能网络也成为可能。Sasai等心¨ 大约与规则网络在同一数量级¨9。。
通过同时采用fNIRS与fMRI进行静息态脑功能连 小世界特性:小世界特性具体描述为or=T/A>
接分析,发现二者结果的高度一致,从而证明了将近 1,其中A=L.o,/L…一1和7=C。。。/C。>1分别表
红外技术应用于研究静息态脑功能网络特性的可行 示该网络的最短路径长度及聚类系数与对等随机网
性;Duan等‘41首次将fNIRS与图论结合,将基于 络的比值,or为小世界特性参数口“,该参数准确概
fNIRS与fMRI数据得到的脑功能连接激活图进行 括了网络的小世界属性,即模块化处理与模块间信
相似度比对,进一步证明了上述结论¨1。 息高效传递并存的网络特性。
3.3小世界特性分析 Duan等。4。分别采用fMRI与fNIRS获取了脑功
生物网络在全局水平上具有更显著的信息传递 能连接激活图,在此基础上进一步对两种成像模式
高效性与局部互联性,即“小世界”网络特性心川。 下的静息态脑功能网络的网络拓扑参数进行定量分
最短路径长度和聚类系数是复杂脑网络的两个常用 析,其结果证明了基于fNIRS的静息态脑功能网络
度量指标。 方法的有效性。Niu等¨副发现基于fNIRS数据建立
最短路径长度:平均最短路径长度是衡量网络 的脑功能网络具有显著且稳定的小世界特性,进一
信息传递效率的指标,在生理学研究上具有重要意 步证实了采用fNIRS技术结合图论研究脑网络拓扑
义,例如,Li等旧引采用fMRI技术研究证明大脑网络 结构的可行性和有效性;之后通过探究脑功能连接
的平均最短路径长度与智力水平(IQ)呈显著负相 的全局网络度量指标及节点中心性,验证了fNIRS
关。节点i的最短路径长度L,定义为: 与图论相结合建立脑功能网络的可靠性。最近,
Cano等旧叫采用fNIRS在全脑范围内建立脑功能网
∑d。 络,并通过对每名受试者多次采集NIRS信号来验
L。2等等 证网络拓扑参数的稳定性,进一步表明基于fNIRS
全网度量£计算公式为: 构建的脑功能网络能够可靠地反映人类脑功能激活
状态。
万方数据
第6期 赵佳,等:基于fNIRS的脑功能连接研究综述 ・637・
万方数据
・638・ 北京生物医学工程 第34卷
参考文献 tomography[J].Neuroimage,2009,47(1):148—156.
[7] Kashou NH,Xu R,Rubens CJ,et a1.Using FMRl and FNIRS for
[J].PLoS Computational Biology,2009,5(5):e1000395.
localization and monitoring of visual codex activities[C].
[23] Brier MR,Thomas JB,Fagan AM。et a1.Functional connectivity
Engineering in Medicine and Biology Society,2007.EMBS 2007.
and graph theory in preclinical Alzheimer’s disease[J].
29th Annual International Conference of the IEEE.2007:2634—
Neurobiology of Aging,2014,35(4):757—768.
2638.
[24] Humphries MD,Guroey K,Prescott TJ.The brainstem reticular
[8] Tong Y.Time lag dependent multimodal processing of concurrent
formation is a small—world,not scale-free,network[J].
fMRI and near—infrared spectroscopy(NIRS)data suggests a
万方数据
・656・ 北京生物医学工程 第34卷
nitric oxide therapy for hypoxic respiratory failure in term and Cheng Huanhuan,Zhang Jian,Fu Yanna.Curative effect analysis
near.term infants[J].Chinese Journal of Contemporary of nitric oxide inhalation combined with pulmonary surfactant in
胸中的应用[J].实用儿科l临床杂志,2011,26(6):433—435.
Wang Yuhong,Fu Chunhua.Application of high frequency (2014—12—14收稿,2015一O卜20修回)
oscillatory ventilation combined with inhaled nitric oxide in
祭秘零秘零祭秘鹕琴秘琴祭秘秘祭祭祭祭秘祭秘祭秘祭祭祭祭祭秘祭祭祭秘秘鹕秘祭秘祭零撰撰撰撰秘零秘撰撰
(上接第638页)
[25]Niu H,Wang J,Zhao T,et a1.Revealing topological organization of Cortex of term and preterm infants and infants with Down’s
[26] Cano R,Tapia LC,Castellano G,et a1.Analysis of Brain Networks connectivity in the first year of life in infants at-risk for autism:a
during Resting State with Near-Infrared Spectroscopy[c]. preliminary near・infrared spectroscopy study[J].Frontiers in
[27] Niu H,He Y.Resting—state functional brain connectivity:lessons [33] Zhu H,Fan Y,Guo H,et a1.Reduced interhemjspheric functional
from functional near—infrared spectroscopy[J].The Neurosientist, connectivity of children with autism disorder:evidence
spectrum
infrared spectroscopy[J].Frontiers in Human Neuroscience, in prefrontal cortex correlate with predictors of psychopathology
cognitive state and load[J].Frontiers in Human Neuroscience, [35] Han Q,Zhang M,Li W,et a1.Wavelet coherence analysis of
[30] Chuang CC,Sun CW.Gender—related effects of prefrontal cortex infrared spectroscopy in elderly subjects with cerebral infarction
零祭棼祭攀攀攀毋零喾喾辞磬窜螭窜窜螭帮嶝喾螭棼螭辞螭喾帮螭喾攀琴攀攀攀攀攀辞螭攀鹕祭秘祭撰零撰鹞祭
(上接第644页)
[37] Wein W,Brnnke S,Khamene A,et a1.Automatic CT—ultrasound Medical Image Analysis,2004,8(1):8l-91.
registration for diagnostic imaging and image・guided intervention [41] Milko S,Melvaer EL,Samset E,et a1.A novel method for
[J].Medical Image Analysis,2008,12(5):577—585. registration of US/MR of the liver based on the analysis of US
[38] Wein W,Kutter O,Aichen A,et a1.Automatic non—linear mapping dynamics[J].Med Image Comput Comput Assist Interv,2009,12
registration[C].201 3 IEEE Point-of-Care Heahhcare Technologies registration based on multi—resolution and Powell algorithm[J].
(PHT),2013:101—104. Application Research of Computers,2013,30(4):1256-1258.
万方数据