Summary

איסוף נתונים סימולטני של מדידות fMRI ו-fNIRS באמצעות מערך Optode של ראש שלם וערוצים למרחקים קצרים

Published: October 20, 2023
doi:

Summary

אנו מציגים שיטה לאיסוף סימולטני של אותות fMRI ו-fNIRS מאותם נבדקים עם כיסוי fNIRS של כל הראש. הפרוטוקול נבדק עם שלושה צעירים וניתן להתאים אותו לאיסוף נתונים עבור מחקרים התפתחותיים ואוכלוסיות קליניות.

Abstract

ספקטרוסקופיה תפקודית תת-אדומה קרובה (fNIRS) היא מתודולוגיית דימות מוחי ניידת, עמידה יותר לתנועה וחסכונית יותר מדימות תהודה מגנטית תפקודי (fMRI), מה שהופך אותה למתאימה ביותר לביצוע מחקרים נטורליסטיים של תפקוד המוח ולשימוש עם אוכלוסיות התפתחותיות וקליניות. הן מתודולוגיות fNIRS והן fMRI מזהות שינויים בחמצון הדם המוחי במהלך הפעלה תפקודית של המוח, ומחקרים קודמים הראו התאמה מרחבית וזמנית גבוהה בין שני האותות. עם זאת, אין השוואה כמותית בין שני האותות שנאספו בו זמנית מאותם נבדקים עם כיסוי fNIRS של ראש שלם. השוואה זו נחוצה כדי לאמת באופן מקיף הפעלות ברמת האזור וקישוריות תפקודית מול תקן הזהב fMRI, אשר בתורו יש פוטנציאל להקל על השוואה של שני האותות לאורך תוחלת החיים. אנו מטפלים בפער זה על ידי תיאור פרוטוקול לאיסוף נתונים סימולטני של אותות fMRI ו-fNIRS אשר: i) מספק כיסוי fNIRS לכל הראש; 2) כולל מדידות למרחקים קצרים עבור רגרסיה של האות הפיזיולוגי המערכתי שאינו קליפת המוח; ו-iii) מיישמת שתי שיטות שונות לרישום משותף של אופטודה לקרקפת של מדידות fNIRS. מוצגים נתוני fMRI ו-fNIRS משלושה נבדקים, ונדונות המלצות להתאמת הפרוטוקול לבדיקת אוכלוסיות התפתחותיות וקליניות. המערך הנוכחי עם מבוגרים מאפשר סבבי סריקה של כ-40 דקות בממוצע, הכוללים סריקות פונקציונליות ומבניות כאחד. הפרוטוקול מתאר את השלבים הדרושים להתאמת ציוד fNIRS לשימוש בסביבת התהודה המגנטית (MR), מספק המלצות הן לרישום נתונים והן לרישום משותף של אופטודה לקרקפת, ודן בשינויים אפשריים של הפרוטוקול כך שיתאים לפרטים הספציפיים של מערכת fNIRS הזמינה הבטוחה ל-MR. תגובות מייצגות ספציפיות לנושא ממשימת לוח משבצות מהבהב ממחישות את ההיתכנות של הפרוטוקול למדידת אותות fNIRS של ראש שלם בסביבת MR. פרוטוקול זה יהיה רלוונטי במיוחד עבור חוקרים המעוניינים לאמת אותות fNIRS כנגד fMRI לאורך תוחלת החיים.

Introduction

תפקוד קוגניטיבי נחקר במוח האנושי הבוגר באמצעות דימות תהודה מגנטית תפקודי (fMRI) במשך כמעט שלושה עשורים. למרות ש-fMRI מספק רזולוציה מרחבית גבוהה ותמונות תפקודיות ומבניות, לעתים קרובות הוא אינו מעשי למחקרים שנערכו בהקשרים נטורליסטיים או לשימוש עם תינוקות ואוכלוסיות קליניות. אילוצים אלה מגבילים באופן משמעותי את הבנתנו את תפקוד המוח. חלופה ל-fMRI היא שימוש במתודולוגיות ניידות שהן חסכוניות יותר ועמידות יותר לתנועה, כגון ספקטרוסקופיה תפקודית של אינפרא-אדום קרוב (fNIRS)1,2,3. fNIRS שימש עם תינוקות וילדים צעירים כדי להעריך את תפקוד המוח במגוון תחומים קוגניטיביים, כגון התפתחות שפה, עיבוד מידע רלוונטי חברתית ועיבוד אובייקטים 4,5,6. fNIRS היא גם שיטת דימות מוחי המתאימה במיוחד לבדיקת אוכלוסיות קליניות בשל הפוטנציאל שלה לבדיקות וניטור חוזרים בקרב גילאי 7,8,9. למרות תחולתו הרחבה, אין מחקרים המשווים כמותית אותות fMRI ו-fNIRS שנאספו בו זמנית מאותם נבדקים עם כיסוי ראש שלם. השוואה זו נחוצה כדי לאמת באופן מקיף הפעלות ברמת האזור וקישוריות תפקודית בין אזורי עניין (ROIs) מול תקן הזהב fMRI. יתר על כן, לביסוס התאמה בין-מודאלית זו יש פוטנציאל לשפר את הפרשנות של fNIRS כאשר זהו האות היחיד שנאסף לאורך התפתחות טיפוסית ולא טיפוסית.

אותות fMRI ו-fNIRS מזהים שינויים בחמצון הדם המוחי (CBO) במהלך הפעלה תפקודיתשל המוח 10,11. fMRI מסתמך על שינויים בשדות אלקטרומגנטיים ומספק רזולוציה מרחבית גבוהה של שינויי CBO12. fNIRS, לעומת זאת, מודד את רמות הבליעה של אור אינפרא אדום קרוב באמצעות סדרה של אופטודות פולטות אור וגילוי אור2. מאחר ש-fNIRS מודד שינויים בבליעה באורכי גל שונים, הוא יכול להעריך שינויי ריכוז הן באוקסיהמוגלובין והן בדאוקסיהמוגלובין. מחקרים קודמים שהשתמשו בהקלטות סימולטניות של אותות fMRI ו-fNIRS עם מספר קטן של אופטודות הראו כי לשני האותות יש התאמה מרחבית וזמנית גבוהה10. ישנם מתאמים חזקים בין fMRI תלוי רמת חמצן בדם (BOLD) לבין מדדים אופטיים11,13, כאשר deoxyhemoglobin הראה את המתאם הגבוה ביותר עם תגובת BOLD, כפי שדווח על ידי עבודה קודמת המשווה את הדינמיקה הטמפורלית של פונקציות התגובה ההמודינמית fNIRS ו- fMRI (HRFs)14. מחקרים מוקדמים אלה יישמו פרדיגמות של תגובה מוטורית (כלומר, הקשה על אצבעות) והשתמשו במספר מוגבל של אופטודות המכסות אזורים מוטוריים ראשוניים וקליפת המוח הקדם-מוטורית. בעשור האחרון, מחקרים הרחיבו את המיקוד כדי לכלול סוללה גדולה יותר של משימות קוגניטיביות והפעלות במצב מנוחה, אם כי עדיין משתמשים במספר מוגבל של אופטודות המכסות ROI ספציפי. מחקרים אלה הראו כי השונות במתאמי fNIRS/fMRI תלויה במרחק של האופטודה מהקרקפת ומהמוח15. יתר על כן, fNIRS יכול לספק אמצעי קישוריות תפקודית במצב מנוחה הדומים ל-fMRI16,17.

הפרוטוקול הנוכחי מתבסס על עבודה קודמת ומתייחס למגבלות מרכזיות על ידי i) מתן כיסוי fNIRS לכל הראש, ii) כולל מדידות למרחקים קצרים עבור רגרסיה של אותות פיזיולוגיים שאינם קליפת המוח, iii) יישום שתי שיטות שונות לרישום משותף של אופטודה לקרקפת של מדידות fNIRS ו- iv) מאפשר הערכה של אמינות הבדיקה החוזרת של האות על פני שני מפגשים עצמאיים. פרוטוקול זה לאיסוף נתונים סימולטני של אותות fMRI ו-fNIRS פותח בתחילה לבדיקת צעירים. עם זאת, אחת ממטרות המחקר הייתה ליצור מערך ניסויי לאיסוף אותות fMRI/fNIRS בו זמנית שניתן להתאים לאחר מכן לבדיקת אוכלוסיות התפתחותיות. לכן, הפרוטוקול הנוכחי יכול לשמש גם כנקודת מוצא לפיתוח פרוטוקול לבדיקת ילדים צעירים. בנוסף לשימוש בכיסוי fNIRS של כל הראש, הפרוטוקול שואף גם לשלב את ההתקדמות האחרונה בתחום חומרת fNIRS, כגון הכללת ערוצים למרחקים קצרים למדידת האות הפיזיולוגי המערכתי (כלומר, שינויים בכלי הדם הנובעים ממקורות שאינם קליפת המוח, כגון לחץ דם, אותות נשימה ולב)18,19 ; ושימוש בחיישן מבנה תלת-ממדי לרישום משותף של אופטודה לקרקפת20. למרות שהפרוטוקול הנוכחי מתמקד בתוצאות של משימת לוח משבצות מהבהב חזותי, הניסוי כולו כולל שני מפגשים עם שילוב של עיצובים מסורתיים של משימות בלוקים, סשנים של מצב מנוחה ופרדיגמות נטורליסטיות של צפייה בסרטים.

הפרוטוקול מתאר את השלבים הדרושים להתאמת ציוד fNIRS לשימוש בסביבת MRI, כולל תכנון מכסה, יישור זמני באמצעות סנכרון טריגר ובדיקות פנטום הנדרשות לפני תחילת איסוף הנתונים. כאמור, ההתמקדות כאן היא בתוצאות משימת לוח המשבצות המהבהב, אך ההליך הכולל אינו ספציפי למשימה ויכול להתאים למספר רב של פרדיגמות ניסיוניות. הפרוטוקול מתאר גם את השלבים הנדרשים במהלך איסוף הנתונים, הכוללים מיקום מכסה fNIRS וכיול אותות, הגדרת משתתפים וציוד ניסיוני, כמו גם ניקוי לאחר ניסוי ואחסון נתונים. הפרוטוקול מסתיים במתן סקירה כללית של הצינורות האנליטיים הספציפיים לעיבוד מקדים של נתוני fNIRS ו-fMRI.

Protocol

המחקר אושר על ידי מועצת הביקורת המוסדית (IRB) באוניברסיטת ייל. התקבלה הסכמה מדעת לכל הנבדקים. הנבדקים היו צריכים לעבור בדיקת MRI כדי להבטיח את השתתפותם הבטוחה. הם נשללו אם הייתה להם היסטוריה של הפרעה רפואית או נוירולוגית חמורה שככל הנראה תשפיע על תפקוד קוגניטיבי (כלומר, הפרעה נוירו-קוגניטיבית…

Representative Results

סעיף זה מציג תגובות מייצגות ספציפיות לנושא עבור משימת לוח המשבצות עבור אותות fMRI ו-fNIRS. ראשית, נתוני fNIRS גולמיים מייצגים והערכות איכות מוצגים באיור 6 ובאיור 7 כדי להמחיש את ההיתכנות של מערך הניסוי למדידת אותות fNIRS בסביבת MRI. תרשים של כל מערך אופטודות ה?…

Discussion

פרוטוקול זה לאיסוף נתונים סימולטני של אותות fMRI ו-fNIRS משתמש במערך אופטודות fNIRS של ראש שלם ובערוצים למרחקים קצרים למדידה ונסיגה החוצה של אותות פיזיולוגיים מערכתיים שאינם קליפת המוח. צעדים קריטיים בפרוטוקול זה כוללים שינוי ופיתוח של ציוד fNIRS לאיסוף אותות fNIRS בסביבת MRI. למיטב ידיעתנו, אין מערכת…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

מחקר זה נתמך על ידי מקורות המימון הבאים: מענק פרס חוקר צעיר של NARSAD מהקרן לחקר המוח וההתנהגות (מענק #29736) (SSA), מענק אתגרים גדולים גלובליים מקרן ביל ומלינדה גייטס (מענק #INV-005792) (RNA) ומענק קרן דיסקברי מהמחלקה לפסיכולוגיה באוניברסיטת ייל (RNA). המחברים מבקשים גם להודות לריצ’רד ווטס (מרכז דימות המוח של ייל) על תמיכתו במהלך איסוף הנתונים ולאדם אגברכט, ארי סגל ואמה ספה (אוניברסיטת וושינגטון בסנט לואיס) על עזרתם בניתוח נתונים.

Materials

280 low-profile MRI-compatible grommets for NIRs caps NIRx GRM-LOP
4 128-position NIRS caps with 128x unpopulated slits in 10-5 layout NIRx CP-128-128S Sizes: 52, 54, 56, 60
8 bundles of 4x detector fibers with low-profile tip; MRI-, MEG-, and TMS-compatible.  NIRx DET-FBO- LOW 10 m long
8 bundles of 4x laser source fibers with MRI-compatible low-profile tip NIRx SRC-FBO- LAS-LOW 10 m long
Bundle set of 8 short-channel detectors with specialized ring grommets that fit to low-profile grommets NIRx DET-SHRT-SET Splits a single detector into 8 short channels that may be placed anywhere on a single NIRS cap
Magnetom 3T PRISMA Siemens N/A 128 channel capacity, 64/32/20 channel head coils, 80 mT/m max gradient amplitude, 200 T/m/s slew rate, full neuro sequences
NIRScout XP Core System Unit NIRx NSXP- CHS Up to 64x Laser-2 (or 32x laser-4) illuminators or 64 LED-2 illuminators; up to 32x detectors; capable of tandem (multi-system) and hyperscanning (multi-subject) measurements; compatible with EEG, tDCS, eye-tracking, and other modalities; modules available for fMRI, TMS, MEG compatibility
NIRStar software NIRx N/A Version 15.3
NIRx parallel port replicator NIRx ACC-LPT-REP The parallel prot replicator  comes with three components: parallel port replicator box, USB power cable and BNC adapter
Physiological pulse unit Siemens PPU098 Optical plethysmography allowing the acquisiton of the cardiac rhythm.
Respiratory unit Siemens PERU098  Unit intended for the acquisition of the respiratory amplitude (by means of a pneumatic system and a restraint belt).
Structure Sensor Mark II Occipital 101866 (SN) 3D structure sensor for optode digitization.

Referenzen

  1. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences. 1464 (1), 5-29 (2020).
  2. Quaresima, V., Ferrari, M. Functional Near-Infrared Spectroscopy (fNIRS) for Assessing Cerebral Cortex Function During Human Behavior in Natural/Social Situations: A Concise Review. Organizational Research Methods. 22 (1), 46-68 (2016).
  3. Pinti, P., et al. A Review on the Use of Wearable Functional Near-Infrared Spectroscopy in Naturalistic Environments. The Japanese Psychological Research. 60 (4), 347-373 (2018).
  4. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  5. Blasi, A., Lloyd-Fox, S., Katus, L., Elwell, C. E. fNIRS for Tracking Brain Development in the Context of Global Health Projects. Photonics. 6 (3), 89 (2019).
  6. Aslin, R. N. Questioning the questions that have been asked about the infant brain using near-infrared spectroscopy. Cognitive Neuropsychology. (1-2), 7-33 (2012).
  7. Chen, W. L., et al. Functional Near-Infrared Spectroscopy and Its Clinical Application in the Field of Neuroscience: Advances and Future Directions. Frontiers in Neuroscience. 14, 724 (2020).
  8. Lee, Y. J., Kim, M., Kim, J. S., Lee, Y. S., Shin, J. E. Clinical Applications of Functional Near-Infrared Spectroscopy in Children and Adolescents with Psychiatric Disorders. Journal of Child & Adolescent Psychiatry. 32 (3), 99-103 (2021).
  9. Bonilauri, A., Sangiuliano Intra, F., Baselli, G., Baglio, F. Assessment of fNIRS Signal Processing Pipelines: Towards Clinical Applications. Applied Sciences. 12 (1), 316 (2021).
  10. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow and Metabolism. 16 (5), 817-826 (1996).
  11. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A Quantitative Comparison of Simultaneous BOLD fMRI and NIRS Recordings during Functional Brain Activation. NeuroImage. 17 (2), 719-731 (2002).
  12. Glover, G. H. Overview of functional magnetic resonance imaging. Neurosurgery Clinics of North America. 22 (2), (2011).
  13. Toronov, V., et al. Investigation of human brain hemodynamics by simultaneous near-infrared spectroscopy and functional magnetic resonance imaging. Medical Physics. 28 (4), 521-527 (2001).
  14. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  15. Cui, X., Bray, S., Bryant, D. M., Glover, G. H., Reiss, A. L. A quantitative comparison of NIRS and fMRI across multiple cognitive tasks. NeuroImage. 54 (4), 2808-2821 (2011).
  16. Duan, L., Zhang, Y. J., Zhu, C. Z. Quantitative comparison of resting-state functional connectivity derived from fNIRS and fMRI: a simultaneous recording study. NeuroImage. 60 (4), 2008-2018 (2012).
  17. Sasai, S., et al. A NIRS-fMRI study of resting state network. NeuroImage. 63 (1), 179-193 (2012).
  18. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  19. Wyser, D., et al. Short-channel regression in functional near-infrared spectroscopy is more effective when considering heterogeneous scalp hemodynamics. Neurophotonics. 7 (3), 035011 (2020).
  20. Homolle, S., Oostenveld, R. Using a structured-light 3D scanner to improve EEG source modeling with more accurate electrode positions. Journal of Neuroscience Methods. 326, 108378 (2019).
  21. Jasper, H. H. The ten-twenty electrode system of the International Federation. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
  22. von Luhmann, A., Li, X., Muller, K. R., Boas, D. A., Yucel, M. A. Improved physiological noise regression in fNIRS: A multimodal extension of the General Linear Model using temporally embedded Canonical Correlation Analysis. NeuroImage. 208, 116472 (2020).
  23. Glasser, M. F., et al. The minimal preprocessing pipelines for the Human Connectome Project. NeuroImage. 80, 105-124 (2013).
  24. Ji, J. L., et al. QuNex-An integrative platform for reproducible neuroimaging analytics. Frontiers in Neuroinformation. 17, 1104508 (2023).
  25. Yucel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101 (2021).
  26. Eggebrecht, A., Muccigrosso, D., Culver, J. NeuroDOT: an extensible Matlab toolbox for streamlined optical brain mapping. Diffuse Optical Spectroscopy and Imaging VII. , (2019).
  27. Jenkinson, M., Beckmann, C. F., Behrens, T. W., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62 (2), 782-790 (2012).
  28. Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  29. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. . Statistical parametric mapping: the analysis of functional brain images. , (2011).
  30. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  31. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. 2011, 156869 (2011).
  32. Sato, H., et al. A NIRS-fMRI investigation of prefrontal cortex activity during a working memory task. NeuroImage. 83, 158-173 (2013).
  33. Jermyn, M., et al. Fast segmentation and high-quality three-dimensional volume mesh creation from medical images for diffuse optical tomography. Journal of Biomedical Optics. 18 (8), 86007 (2013).
  34. Dehghani, H., et al. Near infrared optical tomography using NIRFAST: Algorithm for numerical model and image reconstruction. Communications in Numerical Methods in Engineering. 25 (6), 711-732 (2008).
  35. Wheelock, M. D., Culver, J. P., Eggebrecht, A. T. High-density diffuse optical tomography for imaging human brain function. The Review of Scientific Instruments. 90 (5), 051101 (2019).
  36. Eggebrecht, A. T., et al. A quantitative spatial comparison of high-density diffuse optical tomography and fMRI cortical mapping. NeuroImage. 61 (4), 1120-1128 (2012).
  37. Boas, D. A., Culver, J. P., Stott, J. J., Dunn, A. K. Three dimensional Monte Carlo code for photon migration through complex heterogeneous media including the adult human head. Optics Express. 10 (3), 159-170 (2002).
  38. Wang, L., Jacques, S. L., Zheng, L. MCML-Monte Carlo modeling of light transport in multi-layered tissues. Computer Methods and Programs in Biomedicine. 47 (2), 131-146 (1995).
  39. Gregg, N. M., White, B. R., Zeff, B. W., Berger, A. J., Culver, J. P. Brain specificity of diffuse optical imaging: improvements from superficial signal regression and tomography. Frontiers in Neuroenergetics. 2, 14 (2010).
  40. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  41. Pelphrey, K. A., Shultz, S., Hudac, C. M., Vander Wyk, B. C. Research review: Constraining heterogeneity: the social brain and its development in autism spectrum disorder. Journal of Child Psychology and Psychiatry, and Allied Disciplines. 52 (6), 631-644 (2011).
  42. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  43. Sherafati, A., et al. Global motion detection and censoring in high-density diffuse optical tomography. Human Brain Mapping. 41 (14), 4093-4112 (2020).
  44. Eggebrecht, A. T., et al. Mapping distributed brain function and networks with diffuse optical tomography. Nature Photonics. 8 (6), 448-454 (2014).
  45. Ferradal, S. L., et al. Functional Imaging of the Developing Brain at the Bedside Using Diffuse Optical Tomography. Cerebral Cortex. 26 (4), 1558-1568 (2016).
  46. Winkler, A. M., Ridgway, G. R., Webster, M. A., Smith, S. M., Nichols, T. E. Permutation inference for the general linear model. NeuroImage. 92, 381-397 (2014).
  47. Hassanpour, M. S., et al. Statistical analysis of high density diffuse optical tomography. NeuroImage. 85, 104-106 (2014).
  48. Zhang, F., et al. Correcting physiological noise in whole-head functional near-infrared spectroscopy. Journal of Neuroscience Methods. 360, 109262 (2021).
  49. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomedical Optics Express. 9 (8), 3805-3820 (2018).
  50. Klein, F., Kranczioch, C. Signal Processing in fNIRS: A Case for the Removal of Systemic Activity for Single Trial Data. Frontiers in Human Neuroscience. 13, 331 (2019).
  51. Zhou, X., Sobczak, G., McKay, C. M., Litovsky, R. Y. Comparing fNIRS signal qualities between approaches with and without short channels. PLoS One. 15 (12), 0244186 (2020).
  52. Santosa, H., Zhai, X., Fishburn, F., Sparto, P. J., Huppert, T. J. Quantitative comparison of correction techniques for removing systemic physiological signal in functional near-infrared spectroscopy studies. Neurophotonics. 7 (3), 035009 (2020).
  53. Emberson, L. L., Crosswhite, S. L., Goodwin, J. R., Berger, A. J., Aslin, R. N. Isolating the effects of surface vasculature in infant neuroimaging using short-distance optical channels: a combination of local and global effects. Neurophotonics. 3 (3), 031406 (2016).
  54. Frijia, E. M., et al. Functional imaging of the developing brain with wearable high-density diffuse optical tomography: A new benchmark for infant neuroimaging outside the scanner environment. NeuroImage. 225, 117490 (2021).
  55. Brigadoi, S., Cooper, R. J. How short is short? Optimum source-detector distance for short-separation channels in functional near-infrared spectroscopy. Neurophotonics. 2 (2), 025005 (2015).

Play Video

Diesen Artikel zitieren
Sanchez-Alonso, S., Canale, R. R., Nichoson, I. F., Aslin, R. N. Simultaneous Data Collection of fMRI and fNIRS Measurements Using a Whole-Head Optode Array and Short-Distance Channels. J. Vis. Exp. (200), e65088, doi:10.3791/65088 (2023).

View Video