Summary

Gelijktijdige gegevensverzameling van fMRI- en fNIRS-metingen met behulp van een optode-array voor het hele hoofd en kanalen over korte afstand

Published: October 20, 2023
doi:

Summary

We presenteren een methode voor het gelijktijdig verzamelen van fMRI- en fNIRS-signalen van dezelfde proefpersonen met fNIRS-dekking van het hele hoofd. Het protocol is getest met drie jongvolwassenen en kan worden aangepast voor gegevensverzameling voor ontwikkelingsstudies en klinische populaties.

Abstract

Functionele nabij-infraroodspectroscopie (fNIRS) is een draagbare neuroimaging-methodologie, robuuster voor beweging en kosteneffectiever dan functionele magnetische resonantiebeeldvorming (fMRI), waardoor het zeer geschikt is voor het uitvoeren van naturalistische studies van de hersenfunctie en voor gebruik met ontwikkelings- en klinische populaties. Zowel fNIRS- als fMRI-methodologieën detecteren veranderingen in cerebrale bloedoxygenatie tijdens functionele hersenactivering, en eerdere studies hebben een hoge ruimtelijke en temporele correspondentie tussen de twee signalen aangetoond. Er is echter geen kwantitatieve vergelijking van de twee signalen die gelijktijdig worden verzameld van dezelfde proefpersonen met fNIRS-dekking over het hele hoofd. Deze vergelijking is nodig om activeringen op gebiedsniveau en functionele connectiviteit uitgebreid te valideren aan de hand van de gouden standaard van fMRI, die op zijn beurt het potentieel heeft om vergelijkingen van de twee signalen gedurende de levensduur te vergemakkelijken. We pakken deze lacune aan door een protocol te beschrijven voor gelijktijdige gegevensverzameling van fMRI- en fNIRS-signalen dat: i) fNIRS-dekking voor het hele hoofd biedt; ii) omvat korteafstandsmetingen voor regressie van het niet-corticale, systemische fysiologische signaal; en iii) implementeert twee verschillende methoden voor co-registratie van fNIRS-metingen tussen optode en hoofdhuid. fMRI- en fNIRS-gegevens van drie proefpersonen worden gepresenteerd en aanbevelingen voor het aanpassen van het protocol aan testontwikkelings- en klinische populaties worden besproken. De huidige opstelling met volwassenen maakt scansessies van gemiddeld ongeveer 40 minuten mogelijk, die zowel functionele als structurele scans omvatten. Het protocol schetst de stappen die nodig zijn om de fNIRS-apparatuur aan te passen voor gebruik in de magnetische resonantie (MR)-omgeving, geeft aanbevelingen voor zowel gegevensregistratie als co-registratie van optode tot hoofdhuid, en bespreekt mogelijke aanpassingen van het protocol om te voldoen aan de specifieke kenmerken van het beschikbare MR-veilige fNIRS-systeem. Representatieve onderwerpspecifieke reacties van een knipperende schaakbordtaak illustreren de haalbaarheid van het protocol om fNIRS-signalen van het hele hoofd in de MR-omgeving te meten. Dit protocol zal met name relevant zijn voor onderzoekers die geïnteresseerd zijn in het valideren van fNIRS-signalen tegen fMRI gedurende de hele levensduur.

Introduction

Cognitieve functie wordt al bijna drie decennia bestudeerd in het volwassen menselijke brein via functionele magnetische resonantiebeeldvorming (fMRI). Hoewel fMRI een hoge ruimtelijke resolutie en zowel functionele als structurele beelden biedt, is het vaak niet praktisch voor studies die worden uitgevoerd in naturalistische contexten of voor gebruik bij zuigelingen en klinische populaties. Deze beperkingen beperken ons begrip van de hersenfunctie aanzienlijk. Een alternatief voor fMRI is het gebruik van draagbare methodologieën die kosteneffectiever en robuuster zijn voor beweging, zoals functionele nabij-infraroodspectroscopie (fNIRS)1,2,3. fNIRS is gebruikt bij zuigelingen en jonge kinderen om de hersenfunctie te beoordelen in een reeks cognitieve domeinen, zoals taalontwikkeling, verwerking van maatschappelijk relevante informatie en objectverwerking 4,5,6. fNIRS is ook een neuroimaging-modaliteit die vooral geschikt is voor het testen van klinische populaties vanwege het potentieel voor herhaald testen en monitoren in de leeftijd van 7,8,9 jaar. Ondanks de brede toepasbaarheid zijn er geen studies die fMRI- en fNIRS-signalen kwantitatief vergelijken die gelijktijdig van dezelfde proefpersonen zijn verzameld met dekking van het hele hoofd. Deze vergelijking is nodig om activeringen op gebiedsniveau en functionele connectiviteit tussen interessegebieden (ROI’s) uitgebreid te valideren ten opzichte van de gouden standaard van fMRI. Bovendien heeft het tot stand brengen van deze intermodale correspondentie het potentieel om de interpretatie van fNIRS te verbeteren wanneer dit het enige verzamelde signaal is voor zowel typische als atypische ontwikkeling.

Zowel fMRI- als fNIRS-signalen detecteren veranderingen in cerebrale bloedoxygenatie (CBO) tijdens functionele hersenactivatie10,11. fMRI is gebaseerd op veranderingen in elektromagnetische velden en biedt een hoge ruimtelijke resolutie van CBO-veranderingen12. fNIRS daarentegen meet de absorptieniveaus van nabij-infrarood licht met behulp van een reeks lichtgevende en lichtdetecterende optodes2. Omdat fNIRS veranderingen in absorptie op verschillende golflengten meet, kan het concentratieveranderingen in zowel oxy- als deoxyhemoglobine beoordelen. Eerdere studies met gelijktijdige opnames van fMRI- en fNIRS-signalen met een klein aantal optodes hebben aangetoond dat de twee signalen een hoge ruimtelijke en temporele correspondentie hebben10. Er zijn sterke correlaties tussen bloed-zuurstofniveau-afhankelijke (BOLD) fMRI en optische metingen11,13, waarbij deoxyhemoglobine de hoogste correlatie vertoont met de BOLD-respons, zoals gerapporteerd door eerder werk waarin de temporele dynamiek van de fNIRS en fMRI hemodynamische responsfuncties (HRF’s) worden vergeleken14. Deze vroege studies implementeerden motorische responsparadigma’s (d.w.z. tikken met de vingers) en gebruikten een beperkt aantal optoden die de primaire motorische en premotorische cortexgebieden bedekten. In het afgelopen decennium hebben studies de focus uitgebreid met een grotere reeks cognitieve taken en rusttoestandssessies, hoewel er nog steeds een beperkt aantal optodes wordt gebruikt die specifieke ROI’s dekken. Deze studies hebben aangetoond dat variabiliteit in fNIRS/fMRI-correlaties afhankelijk is van de afstand van de optode tot de hoofdhuid en de hersenen15. Bovendien kan fNIRS functionele connectiviteitsmetingen in rusttoestand bieden die vergelijkbaar zijn met fMRI 16,17.

Het huidige protocol bouwt voort op eerder werk en pakt de belangrijkste beperkingen aan door i) fNIRS-dekking voor het hele hoofd te bieden, ii) metingen op korte afstand op te nemen voor regressie van niet-corticale fysiologische signalen, iii) twee verschillende methoden te implementeren voor co-registratie van fNIRS-metingen van optode tot hoofdhuid en iv) beoordeling van de test-hertestbetrouwbaarheid van het signaal over twee onafhankelijke sessies mogelijk te maken. Dit protocol voor het gelijktijdig verzamelen van gegevens van fMRI- en fNIRS-signalen is in eerste instantie ontwikkeld voor het testen van jongvolwassenen. Een van de doelen van de studie was echter om een experimentele opstelling te creëren voor het verzamelen van gelijktijdige fMRI/fNIRS-signalen die vervolgens kunnen worden aangepast voor het testen van ontwikkelingspopulaties. Daarom kan het huidige protocol ook als uitgangspunt worden gebruikt voor het ontwikkelen van een protocol om jonge kinderen te testen. Naast het gebruik van fNIRS-dekking voor het hele hoofd, beoogt het protocol ook recente ontwikkelingen op het gebied van fNIRS-hardware op te nemen, zoals de opname van korteafstandskanalen om het systemische fysiologische signaal te meten (d.w.z. vasculaire veranderingen die voortkomen uit niet-corticale bronnen, zoals bloeddruk, ademhalings- en hartsignalen)18,19; en het gebruik van een 3D-structuursensor voor co-registratie van optode tot hoofdhuid20. Hoewel de focus van het huidige protocol ligt op de resultaten van een visueel knipperend dambordtaak, omvat het hele experiment twee sessies met een mix van traditionele bloktaakontwerpen, rusttoestandssessies en naturalistische filmkijkparadigma’s.

Het protocol beschrijft de stappen die nodig zijn om de fNIRS-apparatuur aan te passen voor gebruik in de MRI-omgeving, inclusief het ontwerp van de dop, temporele uitlijning via triggersynchronisatie en fantoomtests die nodig zijn voor de start van de gegevensverzameling. Zoals opgemerkt, ligt de focus hier op de resultaten van de knipperende schaakbordtaak, maar de algemene procedure is niet taakspecifiek en kan geschikt zijn voor een willekeurig aantal experimentele paradigma’s. Het protocol schetst verder de stappen die nodig zijn tijdens het verzamelen van gegevens, waaronder het plaatsen van fNIRS-dop en signaalkalibratie, het instellen van deelnemers en experimentele apparatuur, evenals het opschonen en opslaan van gegevens na het experiment. Het protocol eindigt met een overzicht van de analytische pijplijnen die specifiek zijn voor het voorverwerken van fNIRS- en fMRI-gegevens.

Protocol

Het onderzoek werd goedgekeurd door de Institutional Review Board (IRB) van Yale University. Geïnformeerde toestemming werd verkregen voor alle proefpersonen. Proefpersonen moesten een MRI-screening doorstaan om hun veilige deelname te garanderen. Ze werden uitgesloten als ze een voorgeschiedenis hadden van een ernstige medische of neurologische aandoening die waarschijnlijk het cognitief functioneren zou beïnvloeden (d.w.z. een neurocognitieve of depressieve stoornis, trauma, schizofrenie of obsessief-compulsieve stoo…

Representative Results

In dit gedeelte worden representatieve onderwerpspecifieke reacties gepresenteerd voor de knipperende schaakbordtaak voor zowel fMRI- als fNIRS-signalen. Ten eerste worden representatieve ruwe fNIRS-gegevens en kwaliteitsbeoordelingen getoond in figuur 6 en figuur 7 om de haalbaarheid te illustreren van de experimentele opstelling om fNIRS-signalen in de MRI-omgeving te meten. Een diagram van de gehele optode-array en het gevoeligheidsprofiel va…

Discussion

Dit protocol voor gelijktijdige gegevensverzameling van fMRI- en fNIRS-signalen maakt gebruik van een fNIRS-optode-array voor het hele hoofd en korteafstandskanalen voor het meten en regresseren van de systemische niet-corticale fysiologische signalen. Cruciale stappen in dit protocol zijn onder meer het aanpassen en ontwikkelen van de fNIRS-apparatuur voor het verzamelen van fNIRS-signalen in de MRI-omgeving. Voor zover wij weten, is er geen kant-en-klaar commercieel systeem dat volledig is geoptimaliseerd voor het vast…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dit onderzoek werd ondersteund door de volgende financieringsbronnen: een NARSAD Young Investigator Award Grant van de Brain and Behavior Research Foundation (Grant #29736) (SSA), een Global Grand Challenges Grant van de Bill and Melinda Gates Foundation (Grant #INV-005792) (RNA) en een Discovery Fund Grant van de afdeling Psychologie van Yale University (RNA). De auteurs willen ook Richard Watts (Yale Brain Imaging Center) bedanken voor zijn steun tijdens het verzamelen van gegevens en Adam Eggebrecht, Ari Segel en Emma Speh (Washington University in St. Louis) voor hun hulp bij de data-analyse.

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.

References

  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

Cite This Article
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