JoVE Journal > Neuroscience
概要
Abstract
Introduction
Protocol
結果
Discussion
開示
Acknowledgements
Materials
参考文献
自動翻訳
Please note that all translations are automatically generated. Click here for the English version.
神経科学

전체 헤드 옵토드 어레이 및 근거리 채널을 사용한 fMRI 및 fNIRS 측정의 동시 데이터 수집

Published: October 20, 2023
doi:
10.3791/65088
, , ,
1Child Study Center,Yale University School of Medicine, 2心理学科,University of Connecticut, 3心理学科,Yale University

概要

전체 머리 fNIRS 커버리지를 가진 동일한 피험자로부터 fMRI 및 fNIRS 신호를 동시에 수집하는 방법을 제시합니다. 이 프로토콜은 3명의 젊은 성인을 대상으로 테스트되었으며 발달 연구 및 임상 인구를 위한 데이터 수집에 적용할 수 있습니다.

Abstract

기능적 근적외선 분광법(fNIRS)은 기능적 자기공명영상(fMRI)보다 움직임에 더 강력하고 비용 효율적인 휴대용 신경영상 방법론으로, 뇌 기능에 대한 자연주의적 연구를 수행하고 발달 및 임상 인구에 사용하는 데 매우 적합합니다. fNIRS와 fMRI 방법론 모두 기능적 뇌 활성화 중 대뇌 혈액 산소 공급의 변화를 감지하며, 이전 연구에서는 두 신호 사이에 높은 공간적 및 시간적 대응이 있음을 보여주었습니다. 그러나 전체 헤드 fNIRS 커버리지를 가진 동일한 피험자로부터 동시에 수집된 두 신호의 정량적 비교는 없습니다. 이 비교는 fMRI 골드 스탠다드에 대한 영역 수준 활성화 및 기능적 연결성을 종합적으로 검증하는 데 필요하며, 이는 수명 전반에 걸쳐 두 신호의 비교를 용이하게 할 수 있는 잠재력을 가지고 있습니다. 우리는 fMRI 및 fNIRS 신호의 동시 데이터 수집을 위한 프로토콜을 설명함으로써 이러한 격차를 해결합니다: i) 전체 헤드 fNIRS 커버리지를 제공합니다. ii) 비피질적, 전신 생리학적 신호의 회귀를 위한 단거리 측정을 포함합니다. iii) fNIRS 측정의 optode-to-scalp co-registration을 위한 두 가지 다른 방법을 구현합니다. 세 명의 피험자의 fMRI 및 fNIRS 데이터가 제시되고 발달 및 임상 인구를 테스트하기 위해 프로토콜을 조정하기 위한 권장 사항이 논의됩니다. 성인을 대상으로 한 현재 설정은 기능 및 구조 스캔을 모두 포함하여 평균 약 40분 동안 스캔 세션을 허용합니다. 이 프로토콜은 자기 공명(MR) 환경에서 사용하기 위해 fNIRS 장비를 조정하는 데 필요한 단계를 간략하게 설명하고, 데이터 기록 및 검토-두피 공동 등록에 대한 권장 사항을 제공하며, 사용 가능한 MR-안전 fNIRS 시스템의 세부 사항에 맞게 프로토콜의 잠재적 수정에 대해 논의합니다. 점멸 체커보드 작업의 대표적인 주제별 응답은 MR 환경에서 전체 헤드 fNIRS 신호를 측정하기 위한 프로토콜의 타당성을 보여줍니다. 이 프로토콜은 수명 주기 동안 fMRI에 대한 fNIRS 신호를 검증하는 데 관심이 있는 연구자에게 특히 적합합니다.

Introduction

인지 기능은 거의 30년 동안 기능적 자기 공명 영상(fMRI)을 통해 성인 인간의 뇌에서 연구되어 왔습니다. fMRI는 높은 공간 해상도와 기능적 및 구조적 이미지를 모두 제공하지만, 자연주의적 맥락에서 수행되는 연구나 유아 및 임상 인구를 대상으로 하는 연구에는 실용적이지 않은 경우가 많습니다. 이러한 제약은 뇌 기능에 대한 우리의 이해를 실질적으로 제한한다. fMRI의 대안은 기능적 근적외선 분광법(fNIRS)1,2,3과 같이 보다 비용 효율적이고 움직임에 강한 휴대용 방법을 사용하는 것입니다. fNIRS는 언어 발달, 사회적으로 관련된 정보의 처리 및 객체 처리와 같은 다양한 인지 영역에서 뇌 기능을 평가하기 위해 영유아와 함께 사용되었습니다 4,5,6. fNIRS는 또한 7,8,9세에 걸쳐 반복적인 테스트 및 모니터링이 가능하기 때문에 임상 인구 테스트에 특히 적합한 신경 영상 양식입니다. 광범위한 적용 가능성에도 불구하고 동일한 피험자로부터 동시에 수집된 fMRI와 fNIRS 신호를 머리 전체를 대상으로 정량적으로 비교한 연구는 없습니다. 이 비교는 fMRI 골드 스탠다드에 대해 관심 영역(ROI) 간의 영역 수준 활성화 및 기능적 연결을 종합적으로 검증하는 데 필요합니다. 또한, 이러한 상호모달리티(inter-modality) 대응을 확립하면 fNIRS가 전형적 및 비정형 개발 모두에서 유일하게 수집된 신호인 경우 fNIRS의 해석을 향상시킬 수 있습니다.

fMRI와 fNIRS 신호는 모두 기능적 뇌 활성화 동안 대뇌 혈액 산소화(CBO)의 변화를 감지한다 10,11. fMRI는 전자기장의 변화에 의존하며 CBO 변화의 높은 공간 분해능을 제공한다12. 이와 대조적으로 fNIRS는 일련의 발광 및 광 검출 옵토드를 사용하여 근적외선의 흡수 수준을 측정합니다2. fNIRS는 서로 다른 파장에서 흡수 변화를 측정하기 때문에 산소헤모글로빈과 디옥시헤모글로빈의 농도 변화를 평가할 수 있습니다. 적은 수의 옵토드로 fMRI 및 fNIRS 신호를 동시에 기록한 선행 연구에서는 두 신호가 높은 공간적 및 시간적 대응성을 갖는다는 것을 보여주었다10. 혈중 산소 농도 의존적(BOLD) fMRI와 광학 측정사이에는 강한 상관관계가 있으며, fNIRS와 fMRI 혈역학적 반응 기능(HRF)의 시간적 역학을 비교한 선행 연구에서 보고된 바와 같이 디옥시헤모글로빈이 BOLD 반응과 가장 높은 상관관계를 보였습니다14. 이러한 초기 연구는 운동 반응 패러다임(즉, 손가락 두드리기)을 구현하고 1차 운동 및 전운동 피질 영역을 포괄하는 제한된 수의 옵토드를 사용했습니다. 지난 10년 동안 연구는 더 큰 인지 작업 및 휴식 상태 세션을 포함하도록 초점을 확장했지만 여전히 특정 ROI를 다루는 제한된 수의 옵토드를 사용하고 있습니다. 이러한 연구들은 fNIRS/fMRI 상관관계의 가변성이 두피와 뇌에서 옵토드의 거리에 따라 달라진다는 것을 보여주었다15. 또한, fNIRS는 fMRI16,17에 필적하는 휴지 상태 기능적 연결성 측정을 제공할 수 있다.

현재 프로토콜은 이전 작업을 기반으로 하며, i) 전체 헤드 fNIRS 커버리지를 제공하고, ii) 비피질 생리학적 신호의 회귀를 위한 단거리 측정을 포함하고, iii) fNIRS 측정의 검토-두피 공동 정합을 위한 두 가지 다른 방법을 구현하고, iv) 두 개의 독립적인 세션에서 신호의 테스트-재테스트 신뢰성을 평가할 수 있도록 함으로써 주요 제한 사항을 해결합니다. fMRI 및 fNIRS 신호의 동시 데이터 수집을 위한 이 프로토콜은 처음에 젊은 성인을 테스트하기 위해 개발되었습니다. 그러나 이 연구의 목표 중 하나는 발달 인구 테스트에 적용할 수 있는 동시 fMRI/fNIRS 신호를 수집하기 위한 실험 설정을 만드는 것이었습니다. 따라서 현재 프로토콜은 어린 아이들을 테스트하기 위한 프로토콜을 개발하기 위한 출발점으로도 사용할 수 있습니다. 전체 헤드 fNIRS 커버리지를 사용하는 것 외에도 프로토콜은 전신 생리학적 신호(즉, 혈압, 호흡기 및 심장 신호와 같은 비피질 소스에서 발생하는 혈관 변화)를 측정하기 위한 단거리 채널을 포함하는 것과 같은 fNIRS 하드웨어 분야의 최근 발전을 통합하는 것을 목표로 합니다.18,19 ; 및 검토-두피 공동 정합을 위한 3D 구조 센서의 사용20. 현재 프로토콜의 초점은 시각적으로 깜박이는 바둑판 작업의 결과에 있지만, 전체 실험에는 전통적인 블록 작업 설계, 휴식 상태 세션 및 자연주의적 영화 감상 패러다임이 혼합된 두 개의 세션이 포함됩니다.

이 프로토콜은 캡 설계, 트리거 동기화를 통한 시간적 정렬, 데이터 수집 시작 전에 필요한 팬텀 테스트를 포함하여 MRI 환경에서 사용할 수 있도록 fNIRS 장비를 조정하는 데 필요한 단계를 설명합니다. 앞서 언급했듯이 여기서는 깜박이는 바둑판 작업의 결과에 초점을 맞추지만 전체 절차는 작업에 국한되지 않으며 여러 실험 패러다임에 적합할 수 있습니다. 이 프로토콜은 fNIRS 캡 배치 및 신호 교정, 참가자 및 실험 장비 설정, 실험 후 정리 및 데이터 저장을 포함하여 데이터 수집 중에 필요한 단계를 추가로 설명합니다. 프로토콜은 fNIRS 및 fMRI 데이터 전처리에 특정한 분석 파이프라인에 대한 개요를 제공하는 것으로 끝납니다.

Protocol

이 연구는 예일 대학의 IRB(Institutional Review Board)의 승인을 받았습니다. 모든 피험자에 대해 정보에 입각한 동의를 얻었습니다. 피험자는 안전한 참여를 보장하기 위해 MRI 검사를 통과해야 했습니다. 인지 기능에 영향을 미칠 수 있는 심각한 의학적 또는 신경학적 장애(예: 신경인지 또는 우울 장애, 외상, 정신 분열증 또는 강박 장애)의 병력이 있는 경우 제외되었습니다. 참고: …

Representative Results

이 섹션에서는 fMRI 신호와 fNIRS 신호 모두에 대한 깜박이는 체커보드 작업에 대한 대표적인 피험자별 응답을 제공합니다. 먼저, 대표적인 원시 fNIRS 데이터 및 품질 평가가 그림 6 및 그림 7 에 표시되어 MRI 환경에서 fNIRS 신호를 측정하기 위한 실험 설정의 타당성을 보여줍니다. 전체 헤드 옵토드 어레이 및 감도 프로파일의 다이어그램은 <str…

Discussion

fMRI 및 fNIRS 신호의 동시 데이터 수집을 위한 이 프로토콜은 전신 비피질 생리학적 신호를 측정하고 회귀하기 위해 전체 헤드 fNIRS 옵토드 어레이와 단거리 채널을 사용합니다. 이 프로토콜의 중요한 단계에는 MRI 환경에서 fNIRS 신호를 수집하기 위한 fNIRS 장비의 수정 및 개발이 포함됩니다. 우리가 아는 한, 전체 헤드 fNIRS 어레이를 사용하여 동시 fMRI 및 fNIRS 측정을 캡처하는 데 완전히 최적화된 턴?…

開示

The authors have nothing to disclose.

Acknowledgements

이 연구는 뇌 및 행동 연구 재단(Brain and Behavior Research Foundation)의 NARSAD Young Investigator Award 보조금(보조금 #29736)(SSA), 빌 앤 멜린다 게이츠 재단(Bill and Melinda Gates Foundation)의 글로벌 그랜드 챌린지 보조금(Grant #INV-005792)(RNA) 및 예일 대학교 심리학과(RNA)의 디스커버리 기금 보조금(Discovery Fund Grant)의 지원을 받았습니다. 저자들은 또한 데이터 수집에 도움을 준 Richard Watts(Yale Brain Imaging Center)와 데이터 분석에 도움을 준 Adam Eggebrecht, Ari Segel 및 Emma Speh(Washington University in St Louis)에게 감사의 뜻을 전합니다.

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.
DOWNLOAD MATERIALS LIST

参考文献

  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).

タグ

FMRIFNIRSSimultaneous Data CollectionWhole-head Optode ArrayShort-distance ChannelsNeuroimagingClinical PopulationsDevelopmental PopulationsNeural NetworksBrainSpecial PopulationsChildrenProtocol

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
記事を引用
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).
引用ダウンロード
転載と許可

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image