来自英国伦敦大学医学物理与生物医学工程系的Paola Pinti等研究人员在Annals of theNew York Academy of Sciences期刊发表了一篇有关近红外光谱成像技术（fNIRS）在认知神经科学中的应用现状和未来的文章。在过去的几十年中，fNIRS在认知神经科学中的使用迅速增加。这种快速增长是由于相比其他神经影像模态（如功能性磁共振成像、脑电图、脑磁图），fNIRS具有无创性、对身体运动不敏感、高度可便携、适用于所有可能的被试群体（从新生儿到老年人）和实验场景（实验室内部和外部）等方面的优势。这篇文章提供了有关fNIRS的基础知识、技术发展及应用研究的全面的、最新的综述，尤其是讨论了fNIRS在认知神经科学领域（尤其关注在自然环境中和社会认知神经科学中的神经影像应用中）的一些开放性挑战和潜力。

关键词：功能性近红外光谱成像 认知神经科学 社会神经科学

引言

功能性神经成像技术和研究的进展对我们了解广泛的大脑功能（健康的以及处于神经和精神疾病状态下的大脑）具有重要作用。然而，要理解在严格控制的认知任务中的大脑激活是怎样与我们的日常生活相关及其在临床病症的诊断和治疗中具有怎样的价值，仍然是具有挑战性的。其中一些挑战来自于神经影像技术本身的限制。而这篇综述性文章描述了一种有潜力克服其中一些问题的新兴技术，即功能性近红外光谱成像技术（fNIRS）。

过去25年来，fNIRS迅速发展，成为一种监测广泛应用领域和人群中功能性大脑活动的工具。fNIRS最成功的研究领域之一是神经发育。fNIRS的一些特点（如便携性、允许运动和使用安全性）使得该技术特别适用于研究婴儿和儿童的脑功能。已有研究表明，fNIRS揭示了无法用其他神经影像学方法（如fMRI）进行适当研究的大脑发育中认知的几个方面，包括物体、面孔和语言加工，以及视觉、听觉和感觉运动系统的功能特异化。此外，在严格限制的环境（如，fMRI 扫描仪）中难以考察的非典型发育领域（关注执行功能和语言发展障碍，以及诸如自闭症、注意缺陷多动障碍的神经发育障碍）也进行了令人兴奋的研究。尤其是，对儿童和成人自闭症患者的功能性组织和社会脑已经进行了测查，证明了fNIRS在测量该群体的神经认知功能上的能力。

fNIRS也被证明是研究精神疾病中皮质扰动的一种非常有前途的工具。例如，对精神分裂症研究已经进行了大量研究，都在言语流畅性任务期间观察到特别的前额皮质（PFC）的功能异常。一般而言，在精神分裂症患者中会观察到血氧动力学响应的差异、减少的大脑活动以及非典型的大脑功能连接模式。

对身体运动的低敏感性和该设备的便携性使得fNIRS适合于在运动任务期间或在涉及行走的任务期间监测皮质的血流动力学情况，而这在扫描仪的受限环境中是不可能实现的。这对于了解日常活动期间（如，探查边行走边使用智能手机时跌倒的风险增加或探查航行期间的心理负荷）的功能性脑激活模式以及对于探究神经康复的效果非常有用。例如，有研究评估了中风患者在康复前后两个月大脑皮层激活的变化情况，该研究证明了fNIRS在检测与运动恢复相关的脑区激活变化方面的潜力，这反映在康复后受到影响的半球前运动皮层激活的增加。其他使用可穿戴式的fNIRS设备的研究考察了在不同的疾病（如帕金森病，患有轻度认知障碍的老年人）中前额叶（PFC）功能障碍对在行走的同时执行第二项任务的困难的影响。通过这种方式，fNIRS已经显示出作为神经康复工具的明显潜力，用以监测随时间的推移患者的运动和认知改善。除此之外，fNIRS还可以用作运动障碍患者的脑-机接口系统中的通信设备。

这篇文章基于过去几十年中进行的研究，这些研究已经确立了fNIRS作为一种稳定可靠的神经影像学方法。本文旨在讨论fNIRS在那些将从使用该技术受益最多的认知神经科学领域的新应用。具体来说，作者在提供与其他神经影像学方法的更详细的比较之前，先总结了fNIRS的历史及其工作原理。然后，探讨了在执行功能和社会认知领域的新研究是如何使用fNIRS的，并强调了令人振奋的未来发展的领域。

近红外（NIR）光谱技术的历史和基础知识

fNIRS是一种光学的、非侵入性的神经成像技术，可以测量神经元激活后大脑组织中氧合血红蛋白和脱氧血红蛋白的浓度变化。这是通过将近红外光（650-950nm）照射到头部来实现的，通过生物组织的相对透明度到达脑组织。

近红外光学窗口存在于我们体内的发现可以追溯到1977年，当Fransis Jobsis拿着牛排骨头抵挡可见光时观察到红光能够穿透4毫米厚的牛排骨头。这表明红光和甚至更多具有更长波长的近红外光可以穿过我们的头皮和头骨并到达下面的脑组织。fNIRS技术利用皮肤和骨骼对近红外光的穿透性，已用于许多不同领域，包括肌肉生理学研究和大脑皮层病理生理学的临床监测。简单地说，在20世纪90年代早期，fNIRS记录最初使用单通道装置进行，并证明了fNIRS能够测量成人（如，左侧PFC相关的心算任务、枕叶相关的视觉刺激、类比任务）和婴儿（如，枕叶相关的视觉刺激）响应功能性激活任务时大脑中氧合作用和血流动力学的变化。为了充分利用和扩展fNIRS的潜力，需要进行多通道测量。

最初，单通道的设备是组合在一起来用于多个皮层位置；后来，开发了第一台多通道的设备，允许监测氧合血红蛋白和脱氧血红蛋白。进一步的原理验证研究因此得以进行，同步探查了更多位置的基本功能需求的脑血流动力学变化（例如，手指敲击任务，言语流畅性任务），并验证了fNIRS是一种可靠的功能性神经影像工具。

随着更加复杂的多通道和可穿戴仪器的开发并用于认知实验，fNIRS已经在理解健康和疾病状态下的成人和婴儿的功能性大脑活动和更高级的认知功能方面取得了重要进展。fNIRS团体现在呈指数增长，期刊发表的论文数量每3.5年翻一倍。例如，NeuroImage是一个高度相关的神经影像学期刊，专门在2014年发行一期，用于纪念fNIRS研究的前20年。fNIRS作为神经成像工具的成功促成了2014年fNIRS协会的组建，该协会旨在将fNIRS团体聚集在一起，以便合作和加强关于fNIRS使用的知识来了解人脑的特性和功能。该协会每两年举行一次官方fNIRS会议，提交论文的数量越来越多（从2010年提交的49份到2014年的221份和2016年的247份），并且，最近采用Neurophotonics作为其官方期刊，以进一步促进光学和神经科学之间的这种强有力的关系。

fNIRS的物理学原理

fNIRS测量通过将近红外光传输到头皮上进行。近红外光必须穿过几个不同的层次（如，头皮、头骨、脑脊液），每个层具有不同的光学特性。因此，近红外光与人体组织的相互作用是复杂的，因为穿过不同的层，组织是各向异性和不均匀的。然而，考虑到近红外光通过吸收和散射而衰减，这一点可以简化。

吸收是将光子的能量转换成它所进入的介质的内能的过程，并且吸收取决于材料的分子特性。在我们的组织中，有几种物质，如水、脂质、血红蛋白、黑色素和细胞色素-氧化酶，每种物质在不同波长下具有不同的吸收特性。具体说来，我们的身体由大约70％的水组成，并且在近红外光学窗口中，水的吸收率是最小的，允许近红外光穿过组织。在近红外光学窗口内，最占主导地位和生理依赖性的吸收发色团是血红蛋白。基于其饱和状态，血红蛋白存在于两种形式中，即氧合（即氧合血红蛋白，HbO₂）和脱氧（即脱氧血红蛋白，HbR）。尤其是，HbO₂和HbR对近红外光的吸收率不同：HbO₂吸收系数在波长大于 800 nm更高; 相反，HbR吸收系数在波长小于 800 nm 时更高。这种吸收率的差异也反映在血液的颜色上，氧合血液（动脉血，≈98％饱和）更显红色，静脉血更显紫色（≈75％饱和），并且这还可以通过光谱测量来量化。

当脑区活跃并参与某项任务的执行时，大脑对氧和葡萄糖的代谢需求增加，导致局部脑血流（CBF）供过于求，以满足大脑增加的代谢需求。响应神经元活动增加的CBF被称为功能性充血，并且受到几种神经血管耦合机制的调节，例如毛细血管直径和血管活性代谢物的变化。因此，局部CBF的过量供应会导致HbO₂浓度升高和HbR浓度降低; 这些是通过fNIRS测量的光衰减变化来估算的。除了被吸收以外，近红外光在穿过生物组织时也会发生散射。散射比吸收频率高100倍，并导致光衰减。光子散射得越多，行进路径就越长且被吸收的概率就越大。照射到头部的光将被散射、扩散，并能穿透组织几厘米（见下图1）。

图1. 路径图示（以红色显示），接着是近红外光子从光源穿过头部的不同层到达探测器。光的穿透深度与光源-探测器距离成比例（d1：更深的通道; d2：表面通道）。通道由成对的光源-探测器所组成，并且位于光源和检测器之间的中点处，深度约为光源-探测器间隔的一半。

 

因此，如果将光探测器放置在距离近红外光源一定距离处，就能够收集反向散射光（见上图1）并能够测量光衰减的变化。由于近红外光学窗口内的吸收主要是由于HbO₂和HbR引起的，因此在给定波长下光衰减的变化可以表示为HbO₂和HbR的浓度变化的线性组合。大多数市售的设备，被称为连续波（CW）fNIRS仪器，它使用连续发射的近红外光（通常为两个或三个波长），并通过估计输入（I_IN）和输出（I_OUT）的光的比率来测量由组织散射和吸收引起的光衰减（A），如下图2所示。通过从后面的衰减测量值中减去第一个衰减测量值来估计衰减量（ΔA）的变化并用于推导HbO₂和HbR浓度的变化。这假设：ΔA只取决于血氧依赖的血红蛋白发色团的吸收变化，从而去除了其他因素，例如散射、黑色素和水浓度，这些因素在测量期间不太可能发生显著变化。该方法通常被称为修正的Beer-Lambert定律或差分光谱法，并且广泛应用于fNIRS中。

图2. 连续波设备基于输入（I_IN）和输出（I_OUT）的光的强度来测量由于散射和吸收引起的光衰减。将第一个衰减测量值减至后面的衰减值，以去除散射、黑色素和水浓度的影响（差分光谱）。根据修正的Beer-Lambert定律，衰减量ΔA的变化与发色团浓度（Δc，HbO₂或HbR）的变化有关。注意，d表示光源-探测器距离，ε表示特定波长λ下发色团的吸光系数，DPF表示差分路径长度并且由于预示着由散射引起的光子路径的增加。

 

CW fNIRS设备可以提供有关HbO₂和HbR浓度变化的信息，但无法解析绝对基线浓度，因为它们无法分离和量化吸收和散射的影响。这就是为什么HbO₂和HbR的测量从零开始的原因。然而，这些设备非常适合认知神经科学中的应用，因为绝对浓度不是必需的，功能活动通常相对基线进行评估。

除了基于CW技术的fNIRS系统外，fNIRS仪器还可以分为其他两类：时域（TD）和频域（FD）设备。这些设备能够分离光吸收和散射的贡献，从而获得绝对的HbO2和HbR浓度。FD（频域）设备采用强度调制的近红外光照射大脑，而TD（时域）系统则更复杂并实现几皮秒脉冲的近红外光源和快速的时间分辨探测器来恢复重新出现的光子的飞行时间（时间扩散函数）。时间扩散函数提供关于散射和吸收的光的信息，还提供关于光子所达到的大脑深度的信息（即，光子在大脑内部所用时间越长，它们能到达的距离就越大）。

近红外光经过的组织部分被称为通道，位于光源和探测器的中点处，深度约为光源-探测器间隔的一半。近红外光的穿透深度与光源-探测器间隔的距离有关（即，光源-探测器间隔的距离越长，穿透就越深）。一些研究使用蒙特卡洛模拟评估了fNIRS对脑组织的空间和深度敏感性，作为不同光源-探测器间隔距离的函数。例如，有研究表明，使用55毫米的光源-探检测间距，可以获得对成人脑组织的更高灵敏度。然而，增加光源-探测器间距以达到更深的脑结构会导致信噪比（SNR）变差，因为光被吸收的概率增加而探测器接收到的光更少。因此，光源-探测器间距必须是深度敏感性和SNR之间的一个折衷值。确保这种权衡的典型值是：成人研究的光源-检测器间距为30-35 mm，婴儿为20-25 mm。

通常，fNIRS技术可以根据通道数量及其配置以两种方式使用。在其简单、最常见和市售的形式中，fNIRS设备的光源和探测器光纤（或光极）以固定的光源-探测器间距独特地分布在头部的不同位置。每个光源-探测器间距代表一个测量通道，测量在皮层表面上HbO₂和HbR的浓度变化分布的局部表征。另一种配置需要在头部上安置多种光源-检测器间距以使用重叠通道，从而获得在皮质表面上HbO₂和HbR的浓度变化分布的断层表示。fNIRS的后面这种配置被称为扩散光学层析技术（DOT），使用更密集的通道阵列来对重叠的大脑体积进行采样。

最近，开发了可穿戴的、无光纤的fNIRS仪器。这些设备是基于CW技术、电池供电，通常使用直接与头部耦合的LED。没有光纤束使得它们更轻巧、对运动伪影更不敏感。因此，参与者可以更自然地运动，受到更少地约束。通常可以将数据记录在可穿戴记录单元上，也可以将数据无线发送到笔记本电脑。

fNIRS和血氧动力学响应

神经活动与局部动脉血管扩张的增加、随后CBF的过量供应以及皮层血容量（CBV）的增加（即功能性充血）有关，以满足神经元对营养物质（即葡萄糖和氧）需求的增加。到达激活脑区域的氧含量高于其被消耗的速率，从而导致HbO₂的增加和HbR的降低（图3A）。这被称为血氧动力学响应，并且可以通过fNIRS（图3B）在大脑皮层的多个位置（图3C）测得。下图3中的数据表示的是带有闪烁棋盘格的视觉刺激。

图3. 图A是在组块设计的闪烁棋盘格实验期间，使用52个通道近红外设备测量视觉皮层时，来自一个被试的代表性通道（在图C中用洋红色圈出）的HbO2（红色）和HbR（蓝色）信号的示例。

   

该实验任务刺激了双侧枕叶皮层，图A中的灰色区域指的是刺激期。图B显示了组块平均的血流动力学响应（平均值±SD），这是对图A所呈现的HbO2和HbR信号的10个任务组块平均计算的。其特征在于同时发生的HbO2增加和HbR降低。图C表示所有通道在图B所显示的灰色区块内最大的组块平均的浓度变化的分布，包括HbO2（顶部）和HbR（底部）。双侧枕叶皮层始终响应完全闪烁的棋盘格，如HbO2更红和HBR更蓝的通道所示。

认知实验也是如此，这些认知实验让被试积极参与执行涉及高级认知功能的功能性任务，如下图4所示。数据表示的是一个前瞻性记忆任务，在该任务中，呈现给被试两张物体图片并要求他们判断哪一个更重，同时使用不同的键盘按钮对目标物体反应。记录PFC的fNIRS信号，在测量脑区的不同位置（图4C）可以观察到HbO₂的增加和HbR的减少（图4A和B）。

图4. 图A是在组块设计的前瞻记忆实验期间，使用16个通道近红外设备测量前额叶时，来自一个被试的一个通道（在图C中用洋红色圈出）的HbO₂（红色）和HbR（蓝色）信号的示例。     

灰色区域指的是刺激期。图B显示了组块平均的血流动力学响应（平均值±SD），这是对图A所呈现的HbO₂和HbR信号平均任务组块后计算的。其特征在于同时发生的HbO₂增加和HbR降低。     

图C表示所有通道在图B所显示的灰色区块内最大的组块平均的浓度变化的分布，包括HbO₂（顶部）和HbR（底部）。前瞻记忆任务激活了前额叶，如HbO₂更红和HBR更蓝的通道所示。

 

通常，在一个刺激事件期间，血氧动力学响应在刺激开始后约5秒达到峰值并且以一定的延迟（距刺激开始约16秒）回到基线。响应动力学（例如，峰值和下冲潜伏期、持续时间）随着不同测量脑区、任务类型和设计以及被试的年龄而有所变化。已有多项研究验证和比较了通过fNIRS测量的神经活动的代谢相关性（即，HbO₂的增加和HbR的减少）和通过fMRI测量的金标准（即，血氧水平依赖性（BOLD）响应），发现BOLD信号和HbO₂之间的正相关以及与HbR的负相关。图5显示了在刺激期间，与BOLD信号相比，HbO₂、HbR和总血红蛋白（HbT）在时域（TD）（图5A）和频域（FD）（图5B）上的变化的示例。

图5. 图A表示的是视觉刺激期间在枕叶皮层通过fNIRS测量的HbO₂、HbR和HbT（HbT = HbO₂+ HbR）信号和通过fMRI测得的BOLD信号的示例。

图B显示了这四个信号的频谱。该图取自参考文献51中的研究（感兴趣可添加：siyingyxf获取原文），该研究采用内部开发的配置有24个光源和28个探测器的扩散光学层析成像系统。

 

fNIRS的数据分析

随着fNIRS的硬件开发和新应用的进展，这些年来，fNIRS数据的分析方法也在发展。最初，使用定性方法（例如，视觉检查信号或使用幅度阈值）推断任务诱发的大脑活动。现在，采用了更具统计意义和可靠性的方法，包括对连续的fNIRS信号特定部分的事件锁定或任务锁定的平均; 然后统计检验可应用于不同事件的平均激活。鉴于fNIRS和fMRI测量的血流动力学信号的相似性，通常被用于fMRI的更复杂的分析方法也已扩展到fNIRS的数据分析中。一个典型的例子是广泛使用的基于一般线性模型（GLM）的统计参数映射方法。该方法将fNIRS数据与反映刺激方案设计的解释变量（即回归量）的线性组合进行拟合。因此，GLM具有比平均值更高的统计效力，因为它考虑了整个fNIRS时间序列，并利用fNIRS记录的较高采样率（通常高达10 Hz）。其他数据驱动的方法检测功能性脑激活，其假设为：记录的fNIRS数据是任务诱发成分和任务独立成分的组合，而这两种成分可通过独立成分分析（ICA）、主成分分析（PCA）或任务相关成分分析进行分离。最近，统计效力更高的多变量技术，如多体素模式分析（MVPA），已经从fMRI中借鉴过来，该技术能够在两个或多个实验条件之间区分出任务诱发的脑活动。软件分析工具包已经开发出来。

如果您对近红外脑功能数据处理感兴趣，请点击以下文字：
第六届近红外脑功能数据处理班

所有这些方法都依赖于实验中记录的刺激的时间信息。下图6A表示的是基于计算机的fNIRS实验流程的示例。通常，在软件中编码所选刺激序列（图 6A1）中，该软件也可用于用于fNIRS记录。在数据采集（图6A2）期间，刺激通常遵循组块设计或与事件相关的设计结构（即，刺激重复多次交替，然后休息）被呈现给被试。fNIRS数据记录与刺激呈现同步，事件的时间线也被记录下来。然后对fNIRS数据进行预处理（图6A3）以去除由于头部运动和生理干扰引起的误差，且fNIRS数据被用于推断功能性大脑活动（图6A4）。传统分析方法（如，平均或GLM）开始于记录的事件时间线，在所记录的任务时间段内（黄色区域，图6A4）查找HbO₂和HbR的显著变化。这可以被称为行为优先法，因为它基于将神经事件的发生与在特定时间发生的行为（例如，在电脑屏幕上观看闪烁的棋盘格或响应Stroop任务）关联起来。

然而，在真实环境中进行的实验，被试可以自由选择运动的位置和参与的内容，所以刺激的时间线并不总是已知的。例如，我们重点关注了参考文献 60 中的研究，其中被试在一条典型的伦敦街中完成一项前瞻性记忆任务，同时监测PFC的活动。该任务中的重要事件有时由被试决定（例如，接近目标停车计时器，图6B1）或者由外部世界决定（例如，驶过的汽车）并且不受实验者的严格控制。一种分析方法是对整个任务进行录像，然后对视频片段进行编码以识别关键事件，并对这些事件的血流动力学响应的时间进行预测，然后可以在GLM中建模。但是，这非常耗时且可能是不准确的，因为很难估计被试遇到并处理某种刺激的确切时刻。为了克服这个问题，需要采用其他方法。

最近，Pinti等人就开发了一种方法。他们描述了一种从fNIRS数据中直接识别出功能性事件起始时间点的新技术（图6B4）。这种称为AIDE（功能性事件的自动识别）的算法适用于预处理的fNIRS数据（图6B3），并采用相反的方法，即brain-first（图6B4），因为它考虑了fNIRS数据中的特定模式（洋红色区域，图6B4）来检测功能性事件的起始时间点和持续时间。然后将找到的事件与被试的行为联系起来，并且找到的时间还可以用于推断功能激活（黄色区域，图6B4）。用这种方式，就不需要刺激呈现的先验信息了。

图6. 在经典的基于电脑的（A）和生态的（B）实验条件下，fNIRS神经成像实验流程的示例。在第一种条件下，刺激的时间线是预先决定的（A1），并且fNIRS数据与时间线同步记录（A2）。预处理的fNIRS数据（A3）用于评估显著的血流动力学变化（黄色区域，A4），与对事件时间线采用常规分析方法（A4）（行为优先）的比较。     在生态实验中，任务没有特定的结构（B1），fNIRS数据是连续的（B2）。诸如AIDE（B4）的新方法能够通过查看HbO₂和HbR信号（洋红色区域，B4）中的特定模式，从预处理的fNIRS数据（B3，大脑优先）中找到功能性事件的时间线。找到的事件可用于评估功能性脑激活的存在（黄色区域，B4）。

使用 fNIRS 测量功能连接

除了任务诱发的功能性实验，fNIRS还被广泛用于评估脑区的静息状态功能连接。功能连接涉及研究大脑不同部分之间慢信号变化（<0.1 Hz）的相关性。常用的fNIRS设备的采样率为10Hz，与 fMRI相比，fNIRS降低了将高频（例如，心率（~1 Hz））活动混淆到低频（<0.1 Hz）中的风险，这为功能连接的测量提供了理想的数据。一些研究展示了fNIRS评估皮层连接的灵活性。该方法已经使用fNIRS-fMRI同步测量得以验证，并且也适用于婴儿（无需镇静剂）。

就分析方法而言，经典方法已从fMRI扩展到fNIRS，例如基于种子的相关方法，用来评估种子脑区与其他脑区之间的相关性。种子可以是fNIRS通道，并且可以评估所有可能的种子通道对之间在不同频带的相关性或一致性。然而，基于种子的方法强烈依赖于种子脑区的选择并忽略了大脑的多个部分之间的关系。为了解决这个问题，研究者提出了其他数据驱动的方法，如聚类分析或ICA（参考思影科技脑电中级班内容：第十六届脑电数据处理班和磁共振脑网络班：第十一届磁共振脑网络数据处理班）。包括动态因果建模在内的先进的fMRI方法已应用于fNIRS数据。总体而言，fNIRS在我们对大脑连接的日益增长的理解中具有非凡的潜力，且在研究发育和患者人群中的大脑功能连接方面可能尤其重要。

fNIRS的优缺点

可以通过多种方式评估特定神经影像技术的效用，包括空间和时间分辨率、数据的稳健性、伪迹的潜在来源、高级分析的可能性以及该方法对各种被试群体的可用性。这篇文章综述了fNIRS在神经影像学研究中的优缺点（见下表1），然后在fNIRS和其他可用的神经影像学方法之间进行了更有针对性的比较（见表2）。

表1. fNIRS的优缺点

 

表2. fNIRS与其他神经影像学方法的比较

 

如上所述，fNIRS系统提供测量的皮质表面的两种血液动力学信号-HbO₂和HbR，空间分辨率为2-3cm。对这两种信号之间相互关系的研究使我们能够对功能性大脑活动做出更准确的结论。与fMRI一样，fNIRS记录血流动力学响应，其通常在约6秒后达到峰值。然而，fNIRS系统具有一般高达10Hz的时间采样率，其对血流动力学响应函数（HRF）高采样，这允许更好地跟踪HRF的形状。

推动fNIRS研究增加的主要原因之一是该方法对运动伪影具有良好的容忍性。当被试走路、进行对话甚至跳舞时，安置良好的fNIRS光极帽将继续发出良好的信号。新的可穿戴式fNIRS设备变得更小、更轻，因此对于身体运动具有更好的耐受性。这使得fNIRS适用于更广泛的认知任务，例如那些用于神经康复目的需要行走的任务。在由于快速头动导致光极（即，近红外光源和探测器）的光位移的情况下，运动伪迹可以表现为fNIRS信号中基线值的快速狭窄的尖峰或偏移。几种技术被开发用来识别和有效地纠正运动误差，并已有综述对其讨论。然而，如果使用fNIRS仪器通过光纤引导光进行高覆盖或全头测量，则探头支架的重量会增加，从而增加出现更大运动误差和信号损坏的可能性。

fNIRS系统在被试的安全和舒适性优先考虑的方面具有许多优势。fNIRS记录是安静无声、相对舒适的，并且不会对被试进行身体限制，这意味着它是许多婴儿和儿童研究以及长时间记录阶段的首选方法。与fMRI不同，fNIRS不存在安全问题，可用于从早产儿到患者群体的所有被试。

总之，fNIRS可以在各种背景和群体中提供具有高时间采样率的血流动力学信号。这包括对自由运动的被试、运动任务、听觉刺激、社会神经科学（包括同时对多个被试进行同步扫描）、临床监测以及包括老年人和婴儿在内的各种被试的研究。由于光学组件不会干扰电磁场，因此 fNIRS非常适用于多模态成像（例如，fNIRS-fMRI，fNIRS-EEG），以收集与神经血管耦合相关的更完整信息，并且在植入治疗装置（如人工耳蜗）的个体上使用时不会对其造成任何伤害。

最后，值得一提的是，系统性血流变化对血流动力学信号的影响是fMRI和fNIRS数据都存在的潜在问题，尽管其在自由移动的人身上记录的数据中可能更为明显。测量的fNIRS信号是神经元活动引起的成分和系统性来源成分的组合，这些成分可能导致功能脑活动的统计推理中的假阳性和/或假阴性。Tachtsidis和Scholkmann在最近的一篇综述中讨论了这个问题以及如何解决这个问题。

用于研究人类认知的其他可用技术包括依赖于神经血管耦合的fMRI和正电子发射断层扫描（PET），以及检测大脑的电磁活动的脑电图（EEG）和脑磁图（或MEG）。通常根据各自的时间和空间分辨率对这些技术进行比较，但还有其他重要因素。特别是，对运动的稳健性以及可以研究的被试样本的广度和多样性是许多情景（尤其是在生态有效性是优先考虑的情况下）的重要考虑因素。表2总结了神经影像技术的优缺点。

然而，总的来说，必须强调这样一个事实，即虽然有很多的fNIRS预处理和分析程序以及团体可用的免费软件，但迄今为止在fNIRS数据分析方面却没有像fMRI等其他成熟的技术那样的一致看法和准则。正如最近在参考文献85中指出的，这种缺乏标准化以及用于预处理和分析算法的为数众多的可调参数可能会使新fNIRS用户感到困惑，并且可能导致质量差的研究或错误解释以及结果的不可重复性。例如，作者们演示了对通道排除标准、运动伪迹校正方法、信号去噪技术和推理方法的不同选择和组合是如何导致不同的结果的。fNIRS研究团体的一个相关问题涉及考察哪种fNIRS导出信号可以最好地用于推断功能性大脑活动。NIRS提供两种信号（氧合血红蛋白和脱氧血红蛋白）的浓度变化，每种信号都有其优点和缺点。理论上，功能性脑激活由同步的HbO2的增加和HbR的减少来反映。然而，在真实的fNIRS数据中并非总是如此，例如，只有一个发色团可能对某一任务的响应显示出显著的变化。这可能是由于不同的原因而发生，例如，HbO2变化的幅度更高并且具有更高的信噪比（SNR），但是HbO2由于生理干扰而被更多地混淆，而HbR可能缺乏统计效力，但其对系统性变化更为稳健（更不易受到系统性变化的影响）。因此，一些论文中的结论通常只基于一个发色团得出，没有就使用哪一个达成一致，并且很少两个都使用。因此，血红蛋白种类选择（HbO2、HbR或其组合）也会影响得出的结论。总之，还需要进行额外的工作和研究来建立分析fNIRS数据的指南和自动化程序，以确保通过fNIRS技术准确推断和定位功能性大脑活动。

fNIRS硬件发展的未来方向

在过去二十年中，在fNIRS仪器方面取得了重大进展，促进了无线和可穿戴系统在最近的发展。本文作者们预计，这一进展将在未来几年继续，当前基于CW的设备将延伸和扩展至更先进和更精密的技术，这些技术将突破fNIRS应用的界限，为新的应用开辟道路。

特别是，我们强调了：

（1）DOT fNIRS仪器的发展，这类仪器可以实现具有类似于fMRI的空间分辨率的皮质组织成像。DOT可以将当前大脑活动的局部表征扩展到三维成像，并通过组合不同深度的重叠测量增加其空间分辨率。然而，在具有非常多光极的高密度和全头DOT的情况下，仍然需要解决减轻重量和优化这些系统的性能和人体工程学的问题;

（2）TD fNIRS仪器的发展，这类仪器可以进行深度分辨测量并能量化光路经长度和光散射，从而显著改善血红蛋白浓度的定量分析。然而，TD系统比CW仪器更昂贵，迄今为止，它们大部分是在实验室开发的原型，而不是市售的;

（3）宽带NIRS仪器的发展，这类仪器使用数百个近红外光波长，通过量化细胞色素C氧化酶（或oxCCO）氧化状态的变化，来测量脑组织皮质代谢的变化。这类设备大多数是基于CW的，但最近TD宽带仪器也已经开发出来。和前面的一样，其原型系统目前在一些实验室中使用，但它们不是市售的。

迄今为止，在开发新的DOT、TD和宽带硬件方面取得了很大进展。例如，TD设备的成本和尺寸在过去20年中降低了四个数量级。本文作者们期望在未来20年内，采用小型化和低成本的fNIRS仪器，可以实现更多令人振奋的进步。任何未来的fNIRS仪器都应该是便携式、易于操作、易于与其他测量系统连接、具有广泛适用性、允许实时可视化、可进行功能推断的简单分析、大脑覆盖范围大、安全且便宜的。这些是使fNIRS对神经科学家非常有吸引力的一些特性，任何新的fNIRS技术都应该保留这些特性。

为什么在认知神经科学中使用fNIRS？

认知神经科学领域试图理解大脑的认知机制，并试图将其与健康、疾病和整个生命周期中的日常生活联系起来。任何fMRI研究都是新颖的，并且已经研究了大多数基本的认知过程，从这点来说，现在这个领域已经成熟，研究人员正在转向研究大脑如何让我们在世界上正常工作的新方法。

一种方法是开发大数据神经影像项目，例如WU-Minn人体连接组项目，其中超过1000名被试已经被扫描了大约4小时的时间，或者UK BIOBANK，其中大约100,000名被试正在被扫描。这些大型项目虽然面临着相当大的挑战，但仍是具有巨大前景的卓越事业。这是一个神经影像学的发现在多大程度上帮助我们了解大脑如何使人们能够应对日常生活的问题，因为测量不是现场进行的（即生态效度低）。例如，fMRI或PET研究将被试置于远离正常日常生活的环境中，严格限制正常的运动、听觉范围等，并且通常要求被试执行的任务不同于被试平常在真实生活中会选择或需要做的任务。因此，这些结果的生态效度是不确定的。如果想要将科学发现应用到解决扫描仪环境中无法测量的残疾或某些精神或心理问题，这就不是一件小事。如果数据没有在与所证明问题相同的条件下收集，那么自然不太能确定理解这些数据的相关性以及中介变量和附带现象出现的可能性。

一段时间以来，与认知神经科学相关的领域一直在努力解决这个问题。大数据神经影像项目可以通过收集足够的数据来解决这个问题，以便根据个体差异方法在真实的变量和神经影像数据之间建立统计关联。然而，在神经心理学领域，已经开发了另一种方法来处理这个问题。这种方法是自然主义评估方法的发展，强调在现场中研究感兴趣的大脑系统。在神经心理学背景下，这就意味着使用模仿日常情景的任务，在这类情景中被试表现出他们的困难。这种方法并不能取代实验范式的使用，而是一种强有力的辅助手段，实际上有时用作验证。fNIRS技术的最新发展意味着神经成像学现在可以遵循类似的路径，即强调与日常情景下的表现相关的大脑系统，以便收集更直接（而非推断）相关性的数据。对于那些研究相对基本的感觉过程（例如视觉或听觉的早期阶段）的认知神经科学家，或假定认知资源相对封闭的领域，以及感兴趣的过程与以下任何一个都无关的领域：

（1）身体运动，包括头动;

（2）直接的人际交互;

（3）自然化的行为;

（4）处理自然化的刺激（与电脑显示屏上呈现的刺激相反）;

（5）选择如何响应，如，讲话vs手势信号;

（6）在环境中可以身体运动;

（7）涉及安静环境的情景;

（8）涉及在开放环境中的情景;

（9）任何通常不会在躺着且基本不能动时进行的行为；

（10）任何会受到直接观察影响的心理过程或心理状态，那么，fMRI非常适合其研究。然而，由于很多的排除条件，MRI目前无法检查很多行为、情境和心理过程。可能的情况是，神经影像学界已经如此习惯于fMRI对实验的限制以至于对与自由身体运动或参与社交互动等有关的脑-行为关系研究的缺乏却很少被考虑到。然而，这些是非常重要的认知领域，对于理解大脑如何促进现实世界中的行为，以及理解通常相对经典的实验情景，在日常情景中更容易测量的认知障碍至关重要。

fNIRS的新应用概述

除了那些通常用fMRI研究的情景之外，fNIRS最近的技术进步提供了研究上面列出的几乎所有情景（1-10）中大脑活动和认知之间关系的机会。随着新型可穿戴和便携式fNIRS设备的开发，过去几年已经出现第一批研究来考察使用fNIRS研究自由运动的被试的可行性。这些研究是在健康成人和神经功能缺陷的患者（例如帕金森病和轻度认知障碍）上实施的，并证明了fNIRS在测量脑血流动力学和氧合作用响应被试在自由活动时执行的认知任务的能力。更令人振奋的是，这些研究可以在实验室外进行，也可以在日常生活中进行。在下图7中，提供了戴着便携和可穿戴式fNIRS系统的被试的示例，展示了fNIRS是怎样允许在环境中自由运动并以最小的限制完成任务的。图7A指的是Pinti等人使用便携fNIRS装置进行的研究，图7B显示的是LIGHTNIRSTM系统（日本岛津）。

相比传统的fNIRS设备，可穿戴的fNIRS设备重量轻、结构紧凑、对运动伪迹更加抗干扰-特别是无光纤的设备，并且要在自然化的环境中使用，那么在使用这些新设备时应考虑由于太阳光引起的探测器饱和。通过使用遮光帽（如，图7A）可以最小化该问题，遮光帽是具有高动态范围的光学检测器的装置，或是包含旨在仅测量散射光并将其从其他探测信号中除去的参考探测器的系统。

图7. （A）一名被试在执行真实世界中的生态性的前瞻性记忆任务的示例，同时该被试PFC的脑活动通过便携、可穿戴、无线的fNIRS设备监测。

      （B）一名被试在实验室外的没有限制的情景中自由运动的示例，同时其PFC的功能性脑活动通过便携、可穿戴的fNIRS设备（日本岛津出售的LIGHTNIRS）测量；这种系统配备有通过背包携带的连接到控制单元的光纤。

其他新的和有前途的fNIRS应用有很多，包括营养不良和社会的或环境的困难对生活在低资源环境中的婴儿的神经发育上的影响的研究。例如，BRIGHT项目团队对非洲的婴儿进行了研究。冈比亚婴儿认知功能的研究（见下图8A）表明，fNIRS能够提供客观的标记和稳健的发育曲线，并且由于其低成本和便携性，有可能被用于资源匮乏的地区。图8B显示了参考文献105中研究的一个例子，其中在9个月大婴儿的前颞叶皮质中发现了专门针对听觉社会线索的变化。

图8. A图是参考文献105中描述的研究的例子，是6至24个月的冈比亚婴儿的近红外研究。使用包含12个通道的UCL光学局部系统记录数据。在4-8个月大（绿色）的婴儿组和9-13个月大（橙色）、12-16个月大（红色）、18-24个月大（紫色）的婴儿组之间发现了前颞叶皮层专门针对听觉社会刺激的变化（B）。HbO2和HbR（此处为HHb）的响应分别用实线和虚线表示。

 

下文概述了fNIRS在认知神经科学领域的当前的和潜在的应用，作者认为这一领域将通过使用这种新兴的神经影像方法获益最多。作者尤其关注自然情境和社交交互中的神经影像学，强调了该领域的现状和潜在的未来方向。

自然情境中的认知研究：进展，挑战和未来方向

在自然化的情景中监测大脑活动的可能性对于那些研究PFC的学者来说尤为重要，因为大脑这块特别大的区域与有意愿行为密切相关并且处理开放式情况，并且已经发现在真实的而非模拟的日常任务（如，削苹果皮）中由fNIRS测得的PFC激活更高。实际上，fNIRS很适用于PFC激活的研究。这有两个特殊原因。第一个是技术性的：头骨前部的头发较少。但第二个更为重要的因素是上面提到的：大部分PFC支持加工有意的、自发的行为相关的心理过程，特别是对“开放式”或“结构不合理”情况的响应。

数十年来学者们一直认为，将人置于高度受限的情景（环境方面、社交方面以及就指导语和响应的可能性而言）来测量额叶功能有降低结构效度的风险（即，在多大程度上你测量的是你想要测量的东西）。最常见的解释是，由于PFC的部分功能是通过建立各种形式的自上而下的控制（“塑造相应空间”）来设置行为和响应的边界，如果实验人员通过将被试置于一种只有有限的运动、行为、响应或思考方式被允许的情景中来人为地提供这些边界，这就有效地消除了很多PFC支持的通常在自然化或真实世界的情景中必需的心理过程。这样就有充分的理由认为，由PFC支持的在现实世界中具有高度预测力某些心理过程，最好通过使用自然化的情境进行研究，这种自然化情境试图尽可能地减少人为（即，通常不在实验室外发生）的限制。如今，结构效度的问题与生态效度的问题，最常用于指代普遍性问题（即实验结果在其外的一系列情景下的适用程度）和代表性（实验任务在形式和背景上与实验室外情景的对应程度）。一般认为，后者（代表性）的增加是改善前者（普遍性）的一种方式，并且它们的实验发现旨在阐明临床或人体工程学实践方面是尤其重要的。

当与fNIRS一起使用时，这种自然化的方法就已显示出对PFC功能的某些原理的支持。例如，在参考文献114的研究中，研究者们在一辆正在驾驶在一段不向公众开放的高速公路上的车辆中使用了fNIRS设备，测量了驾驶员在停车、加速、减速、保持恒定速度或执行掉头时的PFC脑活动。PFC功能的监控注意系统模型的网关假设会预测在执行U形转弯时的延髓PC（BA 10）的脑激活应该比在停车期间更大（因为U形转弯是罕见的且通常是更危险的活动），而这确实是Yoshino等人发现的结果。类似地，在赌博任务期间激活模式随时间的变化可能与PFC功能的若干理论一致。通过这种方式，fNIRS在自然情景下对PFC的研究结果是我们在理论水平上理解PFC功能和组织的程度的有用测试，并在潜在的临床、神经工效学或工程可能性方面提供可能有用的数据。同样，与PFC功能研究重叠的是下文讨论的社会交互的研究以及复杂身体运动期间大脑皮层激活的研究。fNIRS也有希望这些领域增强测量的生态效度。

然而，在研究自然情境中的行为时，会产生新的观念上的问题并应予以考虑。例如，在更加生态有效的环境中被试的行为可能是自愿、自发的。这可能使确定心理活动的时间进程变得更加困难。在一些行为范式中，可以在高置信度水平确定心理事件发生的时间（如，简单的刺激-反应任务，其中与每个刺激相关的心理事件可以被假定发生在接近每个刺激呈现的时刻）。然而，在其他情况下，确定与特定行为推定相关的心理活动的时间特征远非直接的。显性行为可能会受到更早发生的心理活动的影响。一种方法学路径已被采用来研究这种情况，它平均多个试次中的大脑活动，对特定行为结果进行时间锁定，并搜索先于此结果的最早的时间点，这样大脑活动与基线之间的差异就可以被检测到。在脑电图研究中，研究准备就绪的电位就是这种方法的一个例子。一个相关的方法是将试次分成两个或更多个类别（例如，按左键和按右键）并搜寻先于显性行为的最早时间点，在该点大脑活动区分这两种类别。偏侧化准备就绪的电位就是这方面的一个例子。最近的研究已经将这种方法应用于fMRI。

因此，传统的神经影像学方法如fMRI受到自发的或刺激独立的思维研究的挑战，这对于理解认知神经科学中的几个领域（如，PFC的功能、社会交互、创造力、主动适应新情景）至关重要。那么fNIRS如何有助于这些研究呢？与fMRI相比，fNIRS在这方面的第一个优势当然是更好的时间分辨率（尽管没有EEG/MEG的时间分辨率好）。这很重要，因为思考的心理体验（例如，顿悟的时刻）可能持续时间相对较短。然而，从实验角度来看，可能更为严重的问题是，通常用于引发这些心理体验的复杂问题的解决方法，对于fMRI实验中使用的这些刺激来说，花费的时间太长。在这里，fNIRS也提供了一个潜在的解决方案，因为被试可以更容易地容忍相对长时间的数据采集（例如，在参考文献60的研究中，被试良好的容忍时间高达1.5小时，其中fNIRS耳机的重量为700 g，佩戴在腰部的处理单元是650克），部分原因在于他们可以自由运动，当然也因为fNIRS是无声的，各种身高和体重的人都可以变得舒适（不像fMRI）。与此相关的是能够使用诸如上述AIDE之类的自动检测程序来研究血流动力学变化与行为或感兴趣的心理体验之间的关系。通过这种方式，可以探索与刺激无关的思想（或与行为相关但远离行为的认知）。这一优势仍然因无噪声和缺少身体约束而变得更加强大，因为除非研究者对MRI扫描仪的噪音或由被固定引起的不适或刺激的响应特别感兴趣，否则这些都是潜在的严重混淆因素，因为它们可能会极大地干扰与刺激无关的思想的固有频率或类型。   

顺便提一下，fNIRS对于静息态数据的采集可能会特别有用。事实上，我们不知道静息态fMRI研究的结果会在多大程度上受到这些混淆因素的影响：当我们被固定并放置进像MRI扫描仪这样嘈杂而又令人生畏的环境中时，我们会真的休息吗？fNIRS可能是搞清楚该问题的一种方法。

使用fNIRS探索社会神经科学

人类社会认知的神经影像学研究揭示了一个在社会感知、情感、模仿和对他人心理状态的理解中起作用的复杂的交互作用的大脑区域网络，其中包括社会感知，情感，模仿和对其他人心理状态的理解。然而，躺在黑暗嘈杂的fMRI扫描仪中不是典型的社会情景，并且社会交互的许多方面在这些环境下难以操纵。其中包括自然的社会行为（包括姿势、手势、自发模仿和无拘无束的言语）的产生、被另一个人观看的感觉，以及两个人之间持续的动态互动，是自然对话的特点。最后一个因素尤其重要，因为研究者们认识到研究实时互动行为的第二个人的神经活动情况可能是了解社会大脑和精神疾病的重要方法。

如上所述，fNIRS可以记录自然情景中的脑活动，因此兼容所有这些更丰富的社会行为。近年来，研究者们已经开始在社会环境中使用单被试fNIRS和同步记录两个或更多被试，从而对社会交互的神经机制提供新的见解。在此，本文作者回顾了该领域最近的一些研究，然后强调了该领域面临的挑战和潜在的未来方向。

fNIRS的社会神经科学。

采用fNIRS已经进行了一系列针对儿童和成人的社会认知和互动的研究。其中一些类似于经典的fMRI研究，考察儿童和成人群体的面孔知觉、情绪知觉和心理理论。例如，参考文献130中的研究显示，当看到对方微笑的录像时，婴儿和母亲的PFC都有正性的fNIRS响应。其他人利用fNIRS的灵活性来考查对情感性触觉或模仿行为的神经反应。例如，在一项fNIRS研究中，被试完成了一项互动性任务，在这项任务中，他们看到一个演示者做出经典的笔直的动作或异常的弯曲的动作，然后被给予机会模仿这些动作; 当观察弯曲动作时，右下顶叶皮层显示出更强的激活信号，这复制了先前的fMRI研究。然而，在fMRI中，很难实施模仿行为，而fNIRS为探索交互行为的神经机制提供了更大的灵活性。甚至有研究尝试使用fNIRS作为一种生物反馈机制来创建可以与被试互动的社交虚拟角色。

在fNIRS的被试友好性特点的基础上，大量研究使用这种方法来探索婴儿、儿童和患有发育障碍的个体的认知和社会认知的发展。这些工作追踪了身体感知的发展、对直接凝视的反应、对言语的反应和许多其他任务。作者在此重点介绍一些发展。首先，fNIRS已被用于识别4个月大的有自闭症风险的婴儿对社会刺激的神经反应的差异，表明有进行早期诊断的潜力。同样，患有自闭症的成人在完成模仿任务和面孔观察任务时表现出fNIRS反应的差异。fNIRS在各种情况下收集数据的灵活性也被证实，该项目利用农村条件下的fNIRS追踪了冈比亚营养不良婴儿的发展情况。

fNIRS同步扫描。

除了上述的单被试研究之外，fNIRS最令人振奋和快速发展的领域之一是同时记录来自两个或多个被试的信号的同步扫描。fMRI同步扫描是通过将扫描仪链接在一起来记录竞争或合作游戏中的互动、对表达情绪性面部表情的亲密伴侣进行顺序扫描，以及对讲述和聆听故事的成对被试的顺序扫描而开发的。然而，这些方法并未充分体现来自面对面的和对内在状态、影响和意图的信息的实时更新的关键社会信息。使用fNIRS同步扫描可以监测大脑激活并允许自然的交互行为。这种技术形式的第一项研究发表于2012年，其研究了两名被试在进行基于电脑的合作游戏时他们额叶皮层的神经激活。有多种方法可用于分析这些类型的数据，其主要关注的是脑间同步性的测量。这通常根据小波相干性来量化，小波相干性提供功能超连接或格兰杰因果关系的估计值作为有效超连接的度量。在这两种情况下，一个关键的分析是比较真实互动中的同步性度量值和通过改组被试或时间窗口之间的数据而创建的伪交互，同时保留相同的测量参数。这为统计比较提供了重要的基准。然而，即使是这种方法也不能完全去除由两个被试响应共同输入或甚至生理指标（例如心跳和呼吸）的同步性所导致的大脑之间显著同步的可能性。开发新的分析方法以查明和分离脑间同步的原因将是该领域未来的一个重要方向。

尽管存在这些注意事项，但自2012年以来已经取得了许多重要进展。研究表明，可以在唱歌、合作手动游戏、涉及欺骗的纸牌游戏和模仿的情景中记录和分析fNIRS同步扫描数据。还有一些研究超越了双人同步扫描，同时记录来自三个或四个被试的信号。一项关于三方对话的研究发现，每组被试中有一人倾向于充当领导者，并且相比追随者彼此之间的脑同步，领导者的颞顶联合区显示出与追随者被试相同脑区神经激活信号的显著更大的同步性。这种三方设计还能够克服共同输入的一些问题，因为所有三个被试都暴露在相同的刺激中。类似地，四人同步扫描也已被尝试以探索不同的分析方法。

为了更详细地说明fNIRS同步扫描的价值，本文作者深入描述了参考文献81中的研究，该研究将fNIRS技术与面孔和注视追踪相结合，探索两个人之间眼神接触的神经机制。在这项研究中，两名被试完成直接注视对方眼睛或静态面孔照片的试次。fNIRS数据采用岛津LABNIRS设备获得，该设备的134个通道在两个被试之间平均分配。这些数据的采集与视觉刺激的呈现、眼动追踪、语音记录、用于面部分类的Kinect^TM相机以及表示实验期间连续主观评级的响应按键是同时进行的，如下图9A所示。

图9. （A）在参考文献81中使用的同步扫描设置，使用了与视觉模拟监视器、眼动追踪眼镜、语音记录麦克风、提供主观响应的连续模拟报告的旋转拨号盘以及用于面部分类的壁挂式Kinect摄像机同步的岛津LABNIRS系统（84个通道）。所有组件对于两个被试都是相同的并且由触发器同步记录。照片由耶鲁大学医学院Hirsch脑功能实验室提供。     

（B）通过小波相干分析测量的真实的眼神接触条件（与对面孔和眼睛的图片的共同注视条件相比）下的脑间同步性并显示在这里。该图显示的是左侧颞顶联合区的子系统，包括缘上回（SMG），颞上回（STG）、颞中回（MTG）、中央下部区域（SCA）和左前运动（pM）皮层在真实的面对面眼对眼接触中比观看面部/眼睛图像有显著更多的共振（P < 0.001）。当所有的搭档在电脑上被打乱时，真实搭档之间的这些相关性就消失了，证实搭档大脑之间的同步性是真实的、交互活动而非一般的观看动态面孔的结果。

 

这说明了将fNIRS技术本身与高分辨率行为记录相结合以获得最佳数据的重要性。该研究使用两种GLM来分析被试内的数据并采用小波相干性测量（图9B）来分析脑间同步。在这两种测量中眼神接触都涉及与社会交往相关的主动神经系统，这种结果在静态图像条件下没有被发现。此外，中央下回（BA43），一个以前未被描述的功能性脑区，在眼神接触期间而不是在非交互的条件期间被选择性地激活并且在功能上与面孔、语言、感觉运动和执行系统相连接，这表明了连续的、双向流动的社会交互的基础机制。这些发现有助于形成人与人之间交互作用的新兴模型，并表明神经运作的一部分在现场实时的眼神接触期间是共同参与的。诸如图9B所示的脑间一致性的观察为理解人际互动的快速感觉过程提供了新的机会，这种人际互动以前没有进行研究的部分原因在于传统的组块设计、稀疏的时间采样以及自然的两人互动期间成像方面的局限性。未来的fNIRS研究将侧重于把现场实时的和自发的互动中参与一致的神经活动的感觉过程作为在真实的人际互动中驱动神经响应的关键的感觉成分。

社会神经科学和同步扫描的未来方向。

总而言之，采用fNIRS研究人类社会互动是一个具有巨大潜力的发展迅速的领域。当与行为的细致记录结合起来和在同步扫描情境中使用时，fNIRS有可能揭示在fMRI环境中无法检测到的互动脑机制的重要方面。在建立第二人神经科学领域和检验互动性的大脑假说的不断探索中，fNIRS同步扫描将是一种必不可少的工具。

fNIRS的未来

fNIRS在神经科学领域占据了重要且快速扩展的空间，提供了巨大的神经影像学能力，对被试行为的限制更少。事实上，fNIRS允许对新生儿和老年人等各种人群进行神经监测。更有趣的是，由于硬件开发的进步，神经检测现在可以在更现实的环境和日常生活中进行。例如，可穿戴的fNIRS设备的可用性为新的、具有潜在革命性的神经影像学研究铺平了道路，这些研究可能在未来几年呈指数级增长，特别是在真实世界的认知、社会互动和神经发育领域。

然而，这些仍然是fNIRS在认知神经科学中应用的早期阶段，但毫无疑问，未来几年将会看到应用该技术的新途径。例如，在不同脑区以及跨不同任务和条件的氧合血红蛋白和脱氧血红蛋白信号之间的关系的动力学仍有待研究，并且在这些类型的研究中可能会有根本性的发现。此外，fNIRS仪器还可以很容易地与其他生理测量相结合，包括其他神经成像模式（如EEG或fMRI）、系统性测量（如心率、血压、呼吸速率等）和行为（如眼动追踪、动作捕捉、录像等）。这将允许360°观察神经动力学如何与身体内的其他变化协调，这可能对于焦虑、压力方面的研究或情绪和认知之间的接口方面的类似研究很有必要。同样，fNIRS相比fMRI的改进的采样率可能会提供还未被想到的包括新的连接分析在内的方法和考量。在许多方面，fNIRS的早期应用反映了fMRI在科学发展的早期阶段。fNIRS物理学家、工程师和方法研究团体正在考察采用这种新技术能做到什么，并且在某种程度上，这与可能推动他们的科学问题无关，因为很少有认知神经科学研究者对fNIRS有足够了解，花了很多时间考虑这种新技术到底能让他们提出什么样的问题，而不能用fMRI或MEG的既定方法来考虑这些问题。

在fMRI的早期历史中，很快就达到了这样一个阶段：设备和方法足以让那些对查明人类大脑-行为关系感兴趣的研究人员开始思考他们能够提出的问题。随着认知科学家和医学物理学家之间的互动成为常态，他们开始分享共同的科学目标，并且跨学科合作成为常态，这种思考引起了巨大的兴趣。fNIRS现在也处于这个关键点上。现在研究者已经足够了解其作为一种方法的潜力，而且该设备成熟到可以发挥作用，且很容易（也很便宜），可以让各种认知神经科学家都能够使用。实际上，这种安全性和廉价性使fNIRS以超出fMRI的可能方式在广泛应用方面具有巨大潜力。因此，现在几乎可以肯定的是，fNIRS的使用将大大增加，这将推动新的科学问题以及解决这些问题的新方法，这些方法反映了发生于fMRI领域的转变。这对于早期的新技术采用者来说将是有激发性的，因为现在可以进行由于先前技术的限制而从未进行过的新研究。

实际上，fNIRS的研究增长可能比fMRI更快，因为科学基础设施（例如，用于分析的软件包、设计实验的标准方法）现在以一种在fMRI之前没有的方式存在。此外，还存在许多其研究受限于fMRI和其他方法所施加的限制神经科学家。因此，有一个现成的受众。这些研究人员越来越多地采用fNIRS技术来克服与其他神经影像学方法有关的一些问题，突破了该技术应用的局限，同时也增加了对新分析方法和程序的需求，以便该技术的有效使用，且往往与他们熟悉的更成熟的方法一起使用。有了fNIRS技术，认知和社会神经科学的未来似乎更加光明。

文末，思影曾经对于fNIRS技术，做过一篇介绍，放在这里给大家巩固下：

大话脑成像之四--浅谈近红外脑功能成像

 

原文：

Pinti, P.,Tachtsidis, I., Hamilton, A., Hirsch, J., Aichelburg, C., Gilbert, S., &Burgess, P. W. (2018). The present and future use of functional near‐infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences.

如需原文及补充材料，请加微信：siyingyxf 获取,如对思影课程感兴趣也可加此微信号咨询。

微信扫码或者长按选择识别关注思影

感谢转发支持与推荐

 

欢迎浏览思影的其他课程以及数据处理业务介绍。（请直接点击下文文字即可浏览，欢迎报名与咨询）：

 

第六届近红外脑功能数据处理班（上海）

 

思影数据处理服务五：近红外脑功能数据处理

 

第五届脑电数据处理入门班(南京）

 

第十六届脑电数据处理班（南京）

第五届脑电信号数据处理提高班（南京）

 

第十七届脑电数据处理班（重庆）

 

第五届眼动数据处理班（重庆）

 

第十一届磁共振脑网络数据处理班（重庆）

 

第二十二届功能磁共振数据处理基础班(重庆）

 

第七届脑影像机器学习班（重庆）

 

第六届磁共振ASL（动脉自旋标记）数据处理班

 

第二十一届功能磁共振数据处理基础班（南京）

第十二届磁共振脑网络数据处理班(南京）

第九届磁共振弥散张量成像数据处理班(南京）

 

第一届弥散磁共振成像数据处理提高班

 

第八届脑影像机器学习班(南京）

 

第八届磁共振脑影像结构班

 

第二十三届功能磁共振数据处理基础班（南京）

 

第十届磁共振弥散张量成像数据处理班

 

第五届任务态fMRI专题班（南京）

 

思影数据处理业务一：功能磁共振（fMRI）

 

思影数据处理业务二：结构磁共振成像(sMRI)与DTI

 

思影数据处理业务三：ASL数据处理

 

思影数据处理业务四：EEG/ERP数据处理

 

招聘：脑影像数据处理工程师（重庆&南京）