طیف‌نگاری کارکردی فروسرخ نزدیک

طیف‌ سنجی عملکردی مادون قرمز نزدیک (به انگلیسی: functional Near InfraRed Spectroscopic) یک تکنیک مانیتورینگ نوری مغز است که از طیف‌سنجی نزدیک فروسرخ به منظور تصویر برداری عصبی عملکردی استفاده می‌ کند. با استفاده ازfNIRS، فعالیت مغز به کمک نور مادون قرمز یا فرو سرخ نزدیک است و برای تخمین فعالیت همودینامیکی قشر مغز انجام می شود که در پاسخ به فعالیت عصبی رخ می‌ دهد، در این روش این میزان اندازه‌گیری می‌ شود. در کنارEEG, fNIRS یکی از رایج‌ ترین روش‌ های تصویر برداری عصبی غیر تهاجمی است که می‌ تواند به صورت قابل‌حمل استفاده شود. این سیگنال اغلب با سیگنال BOLD که توسط fMRI اندازه‌ گیری می‌ شود، مقایسه می‌ شود و قادر به اندازه‌ گیری تغییرات غلظت اکسی هموگلوبین و دی اکسی هموگلوبین است، اما فقط می‌ تواند از مناطق نزدیک به کورتکس اندازه‌گیری کند. fNIRS همچنین ممکن است به عنوان توپوگرافی نوری شناخته شود و گاهی اوقات به سادگی با نام NIRS نیز شناخته می‌ شود.

طیف‌نگاری کارکردی فروسرخ نزدیک هیتاچی ETG-4000

fNIRS به همراه یک سیستم Gowerlabs NTS

شرح

هموگلبین اکسیژنه و هموگلبین بدون اکسیژن

fNIRS غلظت هموگلوبین را به واسطهٔ تغییرات میزان جذب نور فروسرخ نزدیک تخمین می‌ زند. هنگامی که نور از سر عبور می‌ کند، به‌طور متناوب توسط بافتی که از آن می‌ گذرد، پراکنده شده یا جذب می‌ شود. از آنجا که هموگلوبین یک جذب‌ کنندهٔ قابل توجه نور فروسرخ نزدیک است، می‌ توان از تغییرات میزان نور جذب شده برای اندازه‌ گیری قابل اعتماد غلظت هموگلوبین استفاده کرد. تکنیک‌ های مختلف fNIRS همچنین می‌ توانند از روش انتشار نور برای تخمین حجم خون و اکسیژن رسانی استفاده کنند. این یک روش ایمن و غیرتهاجمی است و می‌ تواند در کنار سایر روشهای تصویر برداری نیز مورد استفاده قرار گیرد.

fNIRS یک روش تصویر برداری غیرتهاجمی است که شامل کمی سازی غلظت کروموفور است. غلظت کروموفور ها از اندازه‌ گیری میرایی نور فروسرخ نزدیک یا تغییرات زمانی یا فازی به دست می‌ آید. نور طیف fNIRS از مزیت پنجره نوری فروسرخ نزدیک (فاصله طیفی ۷۰۰–۹۰۰ نانومتر) استفاده می‌ کند. در این پنجره نوری پوست، بافت و استخوان تقریبا شفاف هستند و هموگلوبین اکسیژنه (Hb) و هموگلوبین فاقد اکسیژن (deoxy-Hb) جذب‌کننده‌ های قوی این طیف نور هستند. این اصول اساسی از پالس اکسی مترها گرفته شدند.

طیف جذب هموگلوبین اکسیژنه و دئوکسی-هموگلوبین برای طول موجهای فروسرخ نزدیک

شش روش مختلف برای تعامل نور فروسرخ با بافت مغز وجود دارد: انتقال مستقیم، انتقال پراکنده، بازتاب منظم، بازتاب پراکنده، تفرق و جذب. fNIRS بر پدیده جذب تمرکز دارد. طیف جذب هموگلوبین اکسیژنه و هموگلوبین فاقد اکسیژن متفاوت هستند. این پدیده اندازه‌ گیری تغییرات نسبی غلظت هموگلوبین را به کمک خاصیت میرایی نور در طول موجهای مختلف فراهم می‌ کند. دو یا چند طول موج انتخاب می‌ شوند. یک طول موج بالاتر و دیگری زیر نقطه ایزوبستیک با طول موج ۸۱۰ نانومتر (که در آن deoxy-Hb و oxy-Hb ضرایب جذب یکسان دارند)انتخاب می‌ شوند. با استفاده از قانون بیر- لمبرت اصلاح شده، تغییرات نسبی غلظت می‌ تواند به عنوان تابعی از کل طول مسیر طی شده فوتون محاسبه شود.

به‌طور معمول، ساطع کننده نور و آشکارساز هر دو بر یک طرف سطح جمجمه سوژه قرار می‌ گیرند؛ بنابراین اندازه‌گیری‌ های ثبت شده از نور پراکنده برگشتی (منعکس شده) پس از طی کردن مسیر های بیضوی است. fNIRS بیشترین حساسیت همودینامیکی را به تغییراتی که در نزدیکی پوست سر رخ می‌ دهند دارد. این آرتیفکتهای سطحی غالبا با استفاده از آشکارساز های اضافی نور که در نزدیکی منبع نور قرار دارند، قابل تشخیص می‌ شوند.

قانون اصلاح شده بیر-لمبرت

قانون بیر-لامبرت (به انگلیسی: Beer-Lambert law) یکی از قوانین اصلی در طیف‌ سنجی فوتومتری و اپتیک است. این قانون دربرگیرندهٔ ارتباط شدت نور جذب‌ شده در اثر عبور از ماده همگن بدون پراکندگی با خصوصیات مواد می‌ باشد. این قانون به‌طور کلی به صورت زیر بیان می‌ شود:

$Log({\frac {I_{0}}{I}})=A$

که در آن $I_{0}$

شدت نور اولیه، I شدت نور عبوری و A مقدار جذب ماده است؛ که به صورت زیر تعریف می‌ شود:

$A=abc$

که در آن a ضریب جذب ماده (گاهی نیز با ε نشان داده می شود)، b طول نمونه (ظرف نمونه) و c غلظت آن است.

تغییرات در شدت نور را می‌ توان به تغییر غلظت نسبی هموگلوبین از طریق قانون اصلاح شده بیر-لمبرت ربط داد. این روش همچنین برای تعیین اندازه تغییرات غلظت هموگلوبین، از تغییرات نسبی در میرایی نور و قانون بیر- لمبرت استفاده می‌ کند.

اختصارات پایه (fNIRS) BFi = blood flow index CBF = cerebral blood flow CBV = cerebral blood volume CMRO₂= metabolic rate of oxygen CW= continuous wave DCS = diffuse correlation spectroscopy FD = frequency-domain Hb, HbR= deoxygenated hemoglobin HbO, HbO₂= oxygenated hemoglobin HbT= total hemoglobin concentration HGB = blood hemoglobin SaO₂= arterial saturation SO₂= hemoglobin saturation SvO₂= venous saturation TD=time-domain

تاریخچه

آمریکا و بریتانیا

در سال ۱۹۷۷، جابسیس گزارش داد که شفافیت بافت مغز در برابر نور فروسرخ نزدیک، یک روش غیر تهاجمی و مداوم را برای بررسی اشباع اکسیژن بافتی ممکن می‌ سازد. Transillumination (پراکندگی در مسیر مستقیم) در بزرگسالان به دلیل میرایی نور از کاربرد محدودی برخوردار بود و به سرعت با تکنیک‌ های مبتنی بر حالت بازتاب جایگزین شد و در نتیجه سیستم‌ های NIRS به سرعت پیشرفت کردند. تا سال ۱۹۸۵، اولین مطالعات در مورد اکسیژن رسانی بافت کورتکس توسط ام. فراری انجام شد. در سال ۱۹۸۹، هاماماتسو با همکاری دیوید دلپی از دانشگاه کالج لندن، اولین سیستم تجاری NIRS را با نام NIR-1000 ساختند که یک دستگاه مانیتورینگ اکسیژن مغزی بود. روش‌ های NIRS در ابتدا برای اکسیژن سنجی مغزی در دهه ۱۹۹۰ استفاده شد. در سال ۱۹۹۳، چهار مقاله منتشر شد که امکان‌ پذیری fnirs در انسان بالغ را نشان داد. تکنیک‌ های NIRS با کار های دانشمندانی چون Randall Barbour , Britton Chance , Arno Villringer , M.Cope , D. T. Delpy , Enrico Gratton و دیگران گسترش یافت. در حال حاضر، fNIRS پوشیدنی در حال توسعه است.

ژاپن

Hitachi ETG-4000

در همین حال، در اواسط دهه ۸۰، محققان ژاپنی در آزمایشگاه تحقیقاتی مرکزی هیتاچی تصمیم گرفتند تا با استفاده از رشته پالس متشکل از اشعه‌ های ۷۰ پیکوثانیه‌ ای، یک سیستم مانیتورینگ مغزی مبتنی بر NIRS بسازند. این تلاش زمانی آشکار شد که این تیم، به همراه کارشناس برجسته خود، دکتر هیداکی کویزومی، یک سمپوزیوم را برای اعلام اصل "توپوگرافی نوری" در ژانویه ۱۹۹۵ برگزار کردند. در واقع، اصطلاح توپوگرافی نوری از مفهوم استفاده از نور در "نقشه برداری ۲ بعدی به همراه اطلاعات ۱ بعدی" یا توپوگرافی گرفته شده‌ است. این ایده با موفقیت در راه اندازی اولین دستگاه fNIRS (یا همان توپوگرافی نوری) بر اساس حوزه فرکانس در سال ۲۰۰۱ اجرا شد: Hitachi ETG-100. بعدا، هارومی اویشی، دانشجوی دکترای دانشگاه ناگویا، رساله دکترای خود را در سال ۲۰۰۳ با موضوع "الگو های فعالیت عصبی کورتکس در زبان آموزان با استفاده از ETG-100" زیر نظر پروفسور تورو کینوشیتا منتشر کرد و چشم‌ انداز جدیدی در مورد استفاده از fNIRS ارائه کرد. این شرکت از آن زمان تاکنون سری ETG را گسترش داده‌ است.

روشهای طیف‌ سنجی

در حال حاضر، سه روش طیف‌ سنجی کارکردی فروسرخ نزدیک وجود دارد:

موج پیوسته
حوزه فرکانس
حوزه زمان

موج پیوسته

سیستم موج پیوسته از منابع نوری با فرکانس و دامنه ثابت استفاده می‌ کند. در حقیقت، برای اندازه‌ گیری تغییرات دقیق غلظت HbO با قانون بیر-لمبرت اصلاح شده، باید طول مسیر طی شده فوتون را بدانیم. با این حال، این سیستم هیچ اطلاعاتی از طول مسیر فوتون ارائه نمی‌ دهد، بنابراین تغییرات در غلظت HbO نسبت به طول مسیر ناشناخته است. بسیاری از سیستم های تجاری fnirs موج پیوسته، از تخمین های طول مسیر فوتون حاصل از شبیه‌ سازی رایانه ای مونت کارلو و مدل های فیزیکی، برای تخمین تقریبی کمیت غلظت هموگلوبین استفاده می‌ کنند.

${\text{OD}}=\operatorname {log} _{10}(I_{0}/I)=\epsilon \cdot [X]\cdot l\cdot {\text{DPF}}+G$

که در این معادله OD چگالی نوری یا میرایی است. I0 شدت نور ساطع شده‌ است و I شدت نور اندازه‌ گیری شده‌ است. ԑ ضریب میرایی و [X] غلظت کروموفومور است. فاصله بین منبع و آشکار ساز است و DPF فاکتور دیفرانسیلی طول مسیر است. و در نهایت G یک عامل هندسی مرتبط با پراکندگی است. هنگامی که ضریب میرایی ԑ را داشته باشیم. افت پراکندگی دائمی محاسبه می‌ شود. در نتیجه محاسبات به حالت دیفرانسیلی در زمان حل می‌ شوند و معادله به معادله زیر کاهش می‌یابد:

$\Delta [X]=\Delta {\frac {\text{OD}}{\epsilon d}}$

که d کل طول مسیر تصحیح شده فوتون است. با استفاده از یک سیستم دو طول موجی، اندازه غلظت HbO2 و Hb را می‌ توان از حل معادله ماتریسی زیر به دست آورد:

${\begin{pmatrix}\Delta {\text{OD}}_{\lambda _{1}}\\\Delta {\text{OD}}_{\lambda _{2}}\end{pmatrix}}={\begin{pmatrix}\epsilon _{\lambda _{1}}^{\text{Hb}}d&\epsilon _{\lambda _{1}}^{{\text{HbO}}_{2}}d\\\epsilon _{\lambda _{2}}^{\text{Hb}}d&\epsilon _{\lambda _{2}}^{{\text{HbO}}_{2}}d\end{pmatrix}}{\begin{pmatrix}\Delta [X]^{\text{Hb}}\\\Delta [X]^{{\text{HbO}}_{2}}\end{pmatrix}}$

fNIRS موج پیوسته به دلیل سادگی و مقرون به صرفه بودن، رایج‌ ترین شکل fNIRS است زیرا ارزان‌ ترین هزینه ساخت را دارد، با کانال‌ های بیشتر قابل استفاده است و از وضوح زمانی بالایی برخوردار است. با این حال، تفاوت بین تغییرات جذب و پراکندگی را تشخیص نمی‌ دهد و نمی‌ تواند مقادیر جذب مطلق را اندازه‌ گیری کند؛ این بدان معنی است که فقط به تغییر نسبی غلظت HbO حساس است. سادگی و مقرون به صرفه بودن دستگاه‌ های مبتنی بر موج پیوسته برای تعدادی از کاربرد های بالینی مطلوب‌ ترین تکنیک است: مراقبت از نوزاد، سیستم‌ های نظارت بر بیمار، توموگرافی نوری منتشر و غیره. علاوه بر این، به لطف قابلیت جابجایی آن، سیستم‌ های موج پیوسته بی‌ سیم توسعه یافته‌ اند که این امکان را ایجاد می‌ کنند تا افراد در محیط‌ های سرپایی، بالینی و ورزشی تحت نظر قرار گیرند.

حوزه فرکانس

سیستم حوزه فرکانس، شامل منابع لیزر فروسرخ نزدیک است که یک موج سینوسی با دامنه مدوله‌ شده را در فرکانس‌ های نزدیک به ۱۰۰ مگاهرتز تولید می‌ کند. این سیستم میرایی، تغییر فاز و متوسط طول مسیر نور عبوری از بافت را اندازه‌ گیری می‌ کند. سیستم چند مسافته، که بخشی از fNIRS حوزه فرکانس است، نسبت به تفاوت در رنگ پوست حساس نیست و بدون در نظر گرفتن تنوع سوژه‌ های مورد بررسی، نتایج ثابت می‌ دهد.

تغییرات دامنه و فاز سیگنال برگشتی پراکنده، امکان اندازه‌ گیری ضرایب جذب و پراکندگی بافت را فراهم می‌ کند، بنابراین دیگر نیازی به اطلاعات طول مسیر فوتون نخواهیم داشت. همچنین از ضرایب به دست آمده، تغییرات غلظت پارامتر های همودینامیک را تعیین می‌ کنیم. به دلیل نیاز به لیزر های مدوله شده و همچنین اندازه‌گیری‌ های فازی، دستگاه‌ های مبتنی بر سیستم حوزه فرکانس از نظر فنی نسبت به دستگاه‌ های مبتنی بر موج پیوسته، پیچیده‌ تر هستند. (بنابراین گران‌ تر و بسیار کم‌ تر قابل حمل هستند) سیستم قادر به اندازه‌ گیری مقدار مطلق غلظت های HbO و HbR است.

حوزه زمان

سیستم حوزه زمان یک پالس کوتاه فروسرخ نزدیک با طول پالسی در مرتبه پیکو ثانیه (حدود 70 ps) تولید می‌ کند. از طریق اندازه‌ گیری‌ های زمان عبور، ممکن است با تقسیم زمان به‌ دست‌ آمده بر سرعت نور، طول مسیر فوتون به‌ طور مستقیم به دست آید. اطلاعات مربوط به تغییرات همودینامیکی را می‌ت وان در میرایی، زوال و مشخصات زمانی سیگنال برگشتی پراکنده یافت. برای این فناوری شمارش فوتون معرفی شده، به منظور حفظ خطی بودن ۱ فوتون برای هر ۱۰۰ پالس شمارش می‌ کند. دستگاه های fnirs حوزه زمان دارای سرعت نمونه برداری آهسته و همچنین تعداد طول موج محدودی هستند. به دلیل نیاز به دستگاه شمارش فوتون، تشخیص سرعت بالا و انتشار دهنده‌ های پرسرعت، روشهای حل شده با زمان گرانترین و از نظر فنی پیچیده‌ تر هستند.

دستگاه‌ های حوزه زمان کاملا غیرمتحرک، اشغال کننده فضا، پیچیده‌ ترین از نظر ساخت، پر هزینه‌ ترین، بزرگ‌ ترین و سنگین‌ ترین هستند. اما با این وجود، بالا ترین حساسیت به عمق را دارند و توانایی ارائه دقیق‌ ترین مقادیر پایه هموگلوبین و اکسیژن رسانی را دارند.

طیف‌ سنجی همبستگی پراکنده

سیستم‌ های طیف‌ سنجی همبستگی پراکنده از گرادیان های موضعی در میرایی نور برای تعیین نسبت مطلق oxy-Hb و deoxy-Hb استفاده می‌ کنند. با استفاده از یک اندازه‌ گیری فضایی، سیستم های طیف‌ سنجی همبستگی پراکنده برای انجام این محاسبه به طول مسیر فوتون نیاز ندارند، با این حال غلظت های اندازه‌گیری‌ شده از اکسی-هموگلوبین و دی‌اکسید-هموگلوبین وابسته به به ضریب ناشناخته پراکندگی در بافت است. این روش معمولا در سیستم‌ های اکسی متری مغزی که شاخص اکسیژن بافت (TOI) یا شاخص اشباع بافت (TSI) را گزارش می‌ دهند، استفاده می‌ شود.

طراحی سیستم

حداقل دو مدل متن باز fNIRS به صورت آنلاین در دسترس است:

نرم‌افزار های تجزیه و تحلیل داده‌ ها

Homer3

HOMER3 به کاربران امکان می‌ دهد تخمین‌ ها و نقشه‌ های فعالیت مغزی را بدست آورند. این مجموعه ای از اسکریپت‌ های Matlab است که برای تجزیه و تحلیل داده‌ های fNIRS استفاده می‌ شود. این مجموعه از اسکریپت‌ ها از اوایل دهه ۱۹۹۰ ابتدا به عنوان جعبه ابزار تصویر برداری حرکت فوتون به HOMER1 و HOMER2 و اکنون HOMER3 تکامل یافته‌ اند.

جعبه ابزار NIRS

جدید ترین نرم‌ افزار این حوزه است. این جعبه ابزار مجموعه ای از ابزار های مبتنی بر Matlab برای تجزیه و تحلیل طیف‌ سنجی عملکردی نزدیک فروسرخ (fNIRS) است. این جعبه ابزار فضای نام +nirs را تعریف می‌ کند و شامل مجموعه ای از ابزار ها برای پردازش سیگنال، نمایش و بررسی آماری داده‌ های fNIRS است. این جعبه ابزار حول یک چارچوب شی گرا از کلاسها و فضا های نامی Matlab ساخته شده‌ است.

AtlasViewer

AtlasViewer اجازه می‌ دهد داده‌ های fNIRS بر روی یک مدل از مغز تصویر شوند. علاوه بر این، همچنین به کاربر اجازه می‌ دهد پروب‌ هایی را طراحی کند که در نهایت می‌ توانند بر روی سر سوژه قرار گیرند.

کاربرد

رابط مغز کامپیوتر

fNIRS با موفقیت به عنوان سیگنال کنترلی برای سیستم‌ های رابط مغز و کامپیوتر استفاده شده‌ است.

اتصالات کارکردی میان نواحی مغز

از اندازه‌گیری fNIRS می‌ توان برای شناخت اتصالات عملکردی مغز استفاده کرد. اندازه‌ گیری fNIRS چند کاناله یک نقشه توپوگرافی از فعالیت عصبی ایجاد می‌ کند. به موجب آن همبستگی زمانی بین وقایع مجزا از نظر مکانی می‌ تواند تجزیه و تحلیل شود. اتصال عملکردی معمولا همبستگی بین پاسخ‌ های همودینامیک مناطق هدف را که از نظر مکانی مجزا هستند، در نظر گرفته می‌ شود. در مطالعات مغزی، اندازه‌ گیری اتصالات کارکردی معمولا برای داده‌ های بیمار در حالت استراحت و همچنین داده‌ های ثبت شده در پارادایم‌ های تحریک انجام می‌ شود. با توجه به هزینه کم، قابل حمل بودن و رزولوشن زمانی بالای fNIRS، در قیاس با fMRI، این روش در بعضی مطالعات مفیدتر است.

اکسی‌ متری مغزی

مانیتورینگ NIRS از چند جهت مفید است. نوزادان نارس را می‌ توان تحت نظارت قرار داد تا هیپوکسی مغزی و هایپراکسی مغزی را با الگو های مختلف فعالیت کاهش داد. همچنین ای یک کمک مؤثر در ایجاد گذرگاه فرعی قلبی-ریوی است و برای بهبود نتایج بیمار و کاهش هزینه‌ ها و اقامت طولانی مدت به شدت توصیه می‌شود. استفاده از NIRS برای بیماران با آسیب مغزی نتایج غیر قطعی داشته‌ است. به همین علت این کاربرد ها همچنان در حوزه تحقیقات باقی مانده‌ اند.

کلاه Fnirs

سیستم ۱۰–۲۰

مکان ها و نام های الکترود fNIRS توسط سیستم بین‌ المللی ۱۰–۲۰ تعیین شده‌ است. علاوه بر موقعیت‌ های استاندارد الکترود ها، می‌توان کانال‌ های تفکیک کوتاه را هم اضافه کرد. کانال های تفکیک کوتاه امکان اندازه‌ گیری سیگنال های پوست سر را فراهم می‌ کنند. از آنجا که کانال های تفکیک کوتاه، سیگنال ناشی از پوست سر را اندازه‌ گیری می‌ کنند، سیگنال لایه‌ های سطحی را که آرتیفکت محسوب می‌ شوند را می‌ توان حذف کرد. در نتیجه پاسخ واقعی مغز را خواهیم داشت. آشکارساز های کانال تفکیک کوتاه معمولا ۸ میلی‌ متر دورتر از منبع قرار می‌ گیرند. نیازی نیست که آن ها در یک جهت خاص یا هم‌ جهت با منبع باشند.

تصویر برداری عصبی کارکردی

استفاده از fNIRS به عنوان یک روش تصویر برداری عصبی عملکردی متکی به اصل همبستگی عصبی-عروقی است که با نام پاسخ همودینامیک یا پاسخ وابسته به سطح اکسیژن خون (BOLD) نیز شناخته می‌ شود. این اصل همچنین هسته اصلی تکنیک‌ های fMRI را تشکیل می‌ دهد. طبق این اصل، فعالیت عصبی یک ناحیه مغز با تغییرات مرتبط در جریان خون مغزی موضعی مرتبط است. fNIRS و fMRI به تغییرات فیزیولوژیکی مشابه حساس هستند و اغلب روش‌ های مقایسه ای هستند. مطالعات مربوط به fMRI و fNIRS نتایج بسیار همبستگی را در وظایف شناختی نشان می‌ دهد.

مطالعات مربوط به fMRI و fNIRS نتایج بسیار نزدیکی را در وظایف شناختی نشان می‌ دهند. fNIRS مزایای مختلفی در هزینه و قابلیت حمل نسبت به fMRI دارد، اما به دلیل محدودیت در قدرت گسیل کننده نور نمی‌ تواند برای اندازه‌ گیری فعالیت قشر بیش از ۴ سانتی‌ متر استفاده شود و دارای رزولوشن مکانی محدود تری است. fNIRS شامل استفاده از توموگرافی نوری منتشر برای اهداف کاربردی است. کانالهای fNIRS چندگانه می‌ توانند نقشه‌ های عملکردی توپوگرافی دوبعدی از فعالیت مغز را فراهم کنند (به عنوان مثال با دستگاه های Hitachi ETG-۴۰۰۰، Artinis Oxymon , NIRx NIRScout). در حالی که برای ایجاد نقشه‌ های توموگرافی سه بعدی می‌ توان از فاصله‌ های مختلف منابع نوری استفاده کرد.

هایپراسکنینگ با دو ویولونیست

هایپراسکنینگ

hyperscanning به معنی مانیتور کردن دو یا چند مغز به صورت همزمان است. با این روش همبستگی عصبی بین فردی (درون مغزی) در موقعیت‌ های مختلف اجتماعی بررسی می‌ شود، که ثابت می‌ کند fNIRS یک روش مناسب برای بررسی تعاملات اجتماعی زنده مغز به مغز است.

موسیقی و مغز

fNIRSمتصل به یک پیانیست

از fNIRS می‌ توان برای نظارت بر فعالیت مغزی نوازندگان هنگام نواختن آلات موسیقی استفاده کرد.

مزایا و معایب

مزایای fNIRS در میان روش های تصویر برداری مغز عبارتند از: غیرتهاجمی بودن، روش های کم هزینه، ایمنی کامل، رزولوشن زمانی بالا، سازگاری کامل با سایر روش های تصویربرداری و نشانگر های متعدد زیستی همودینامیکی. با این حال، هیچ سیستمی بدون محدودیت نیست. برای fNIRS این موارد عبارتند از: حساسیت کم به فعالیت های عصبی، تفکیک مکانی کم و عمق نفوذ کم.

مسیر های آینده

علی‌ رغم محدودیت‌ های اندک، دستگاه‌ های fNIRS نسبتا کوچک، سبک، قابل حمل و پوشیدنی هستند. با توجه به این ویژگی‌ ها، برنامه‌ های کاربردی برای این دستگاه‌ ها حیرت‌آور است. این امر باعث می‌ شود آنها در بسیاری از سناریو ها به راحتی در دسترس باشند. به عنوان مثال، آنها توانایی استفاده در کلینیک‌ ها، پایش وضعیت کلی سلامت، یک محیط کاملا طبیعی و به عنوان یک ردیاب سلامتی را دارند. در نهایت، افراد در معرض خطر در بیمارستان‌ ها می‌ توانند از مانیتورینگ عصبی و توانبخشی عصبی به کمک fNIRS، بهره‌ مند شوند. اکنون سیستم‌ های fNIRS تحقیقاتی کاملا بی‌ سیم در بازار وجود دارد.

Fnirs در مقایسه با دیگر روش های تصویر برداری عصبی

مقایسه تکنیک های تصویر برداری عصبی نکته مهمی است که باید مورد توجه قرار گیرد. هنگام مقایسه این تکنیک ها، مهم است که به رزولوشن زمانی، رزولوشن مکانی و درجه آزادی حرکت توجه کنیم. EEG (الکتروانسفالوگراف) و MEG (مگنتوآنسفالوگرافی) وضوح زمانی بالایی دارند، اما وضوح مکانی کمی دارند. EEG همچنین از درجه آزادی حرکت بالاتری از MEG برخوردار است. هنگام مشاهده fNIRS، در میابیم آنها شبیه EEG هستند. از تحرک و همچنین رزولوشن زمانی بالایی برخوردار هستند و از رزولوشن مکانی پایینی برخوردار هستند. اسکن‌ های PET و fMRI ها با هم گروه‌ بندی می‌ شوند، با این حال تفاوت آن‌ ها با سایر اسکن‌ های تصویربرداری عصبی از همدیگر مجزا است. همه این اسکن‌ های تصویربرداری عصبی دارای ویژگی‌ های مهم و ارزشمند هستند که بسته به اهداف مورد نظر باید در موقعیت مناسب استفاده شوند. آنچه fNIRS را به عنوان یکی از موارد خاص تصویربرداری مورد توجه قرار می‌ دهد سازگاری آن با برخی از این روش‌ ها از جمله: MRI , EEG و MEG است.

جستار های وابسته

پیوند به بیرون

منابع

↑ Ferrari, Marco; Quaresima, Valentina (2012). "A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application". NeuroImage. 63 (2): 921–935. doi:10.1016/j.neuroimage.2012.03.049. ISSN 1053-8119.
↑ Cui, Xu; Bray, Signe; Bryant, Daniel M.; Glover, Gary H.; Reiss, Allan L. (2011). "A quantitative comparison of NIRS and fMRI across multiple cognitive tasks". NeuroImage. 54 (4): 2808–2821. doi:10.1016/j.neuroimage.2010.10.069. ISSN 1053-8119. PMC 3021967.
↑ Villringer, A.; Chance, B. (1997). "Non-invasive optical spectroscopy and imaging of human brain function". Trends in Neurosciences. 20 (10): 435–442. doi:10.1016/S0166-2236(97)01132-6. PMID 9347608. S2CID 18077839.
↑ Li, Ting; Gong, Hui; Luo, Qingming (2011). "Visualization of light propagation in visible Chinese human head for functional near-infrared spectroscopy". Journal of Biomedical Optics. 16 (4): 045001. doi:10.1117/1.3567085. ISSN 1083-3668.
↑ Kohno, Satoru; Miyai, Ichiro; Seiyama, Akitoshi; Oda, Ichiro; Ishikawa, Akihiro; Tsuneishi, Shoichi; Amita, Takashi; Shimizu, Koji (2007). "Removal of the skin blood flow artifact in functional near-infrared spectroscopic imaging data through independent component analysis". Journal of Biomedical Optics. 12 (6): 062111. doi:10.1117/1.2814249. ISSN 1083-3668.
↑ Brigadoi, Sabrina; Cooper, Robert J. (2015). "How short is short? Optimum source–detector distance for short-separation channels in functional near-infrared spectroscopy". Neurophotonics. 2 (2): 025005. doi:10.1117/1.NPh.2.2.025005. ISSN 2329-423X. PMC 4478880.
↑ absorbance
↑ Modified Beer Lambert Law (به انگلیسی), retrieved 2020-03-26
↑ Jöbsis (1997). "Noninvasive, infrared monitoring of cerebral and myocardial oxygen sufficiency and circulatory parameters". Science. 198 (4323): 1264–1267. doi:10.1126/science.929199. PMID 929199.
↑ Ayaz, Hasan; Shewokis, Patricia A.; Curtin, Adrian; Izzetoglu, Meltem; Izzetoglu, Kurtulus; Onaral, Banu (2011). "Using MazeSuite and Functional Near Infrared Spectroscopy to Study Learning in Spatial Navigation". Journal of Visualized Experiments (56). doi:10.3791/3443. ISSN 1940-087X.
↑ Piper, Sophie K.; Krueger, Arne; Koch, Stefan P.; Mehnert, Jan; Habermehl, Christina; Steinbrink, Jens; Obrig, Hellmuth; Schmitz, Christoph H. (2014). "A wearable multi-channel fNIRS system for brain imaging in freely moving subjects". NeuroImage. 85: 64–71. doi:10.1016/j.neuroimage.2013.06.062. ISSN 1053-8119. PMC 3859838.
↑ Curtin, Adrian; Ayaz, Hasan (2018). "The Age of Neuroergonomics: Towards Ubiquitous and Continuous Measurement of Brain Function with fNIRS". Japanese Psychological Research. 60 (4): 374–386. doi:10.1111/jpr.12227. ISSN 0021-5368.
↑ Quaresima, Valentina; Ferrari, Marco (2016). "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. doi:10.1177/1094428116658959. ISSN 1094-4281.
↑ Ferrari, Marco (2007). "Progress of near-infrared spectroscopy and topography for brain and muscle clinical applications". Journal of Biomedical Optics. 12 (6): 062104. doi:10.1117/1.2804899. ISSN 1083-3668.
↑ "HOMER2". HOMER2. Retrieved 2019-11-26.
↑ Santosa, H. , Zhai, X. , Fishburn, F. , & Huppert, T. (2018). The NIRS Brain AnalyzIR Toolbox. Algorithms, 11(5), 73.
↑ Aasted, Christopher M.; Yücel, Meryem A.; Cooper, Robert J.; Dubb, Jay; Tsuzuki, Daisuke; Becerra, Lino; Petkov, Mike P.; Borsook, David; Dan, Ippeita; Boas, David A. (April 2015). "Anatomical guidance for functional near-infrared spectroscopy: AtlasViewer tutorial". Neurophotonics. 2 (2): 020801. doi:10.1117/1.NPh.2.2.020801. ISSN 2329-423X. PMC 4478785. PMID 26157991.
↑ Ayaz, H.; Shewokis, P. A.; Bunce, S.; Onaral, B. (2011). "An optical brain computer interface for environmental control". 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. p. 6327. doi:10.1109/IEMBS.2011.6091561. ISBN 978-1-4577-1589-1.
↑ Coyle, S. M.; Ward, T. S. E.; Markham, C. M. (2007). "Brain–computer interface using a simplified functional near-infrared spectroscopy system". Journal of Neural Engineering. 4 (3): 219–226. doi:10.1088/1741-2560/4/3/007. PMID 17873424.
↑ Sitaram, R.; Zhang, H.; Guan, C.; Thulasidas, M.; Hoshi, Y.; Ishikawa, A.; Shimizu, K.; Birbaumer, N. (2007). "Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain–computer interface". NeuroImage. 34 (4): 1416–1427. doi:10.1016/j.neuroimage.2006.11.005. PMID 17196832.
↑ Naseer N.; Hong M.J.; Hong K. -S. (2014). "Online binary decision decoding using functional near-infrared spectroscopy for the development of brain-computer interface". Experimental Brain Research. 232 (2): 555–564. doi:10.1007/s00221-013-3764-1.
↑ Naseer N.; Hong K. -S. (2013). "Classification of functional near-infrared spectroscopy signals corresponding to the right- and left-wrist motor imagery for development of a brain-computer interfaces". Neuroscience Letters. 553: 84–89. doi:10.1016/j.neulet.2013.08.021.
↑ Nguyen, Thien; Babawale, Olajide; Kim, Tae; Jo, Hang Joon; Liu, Hanli; Kim, Jae Gwan (2018-11-01). "Exploring brain functional connectivity in rest and sleep states: a fNIRS study". Scientific Reports (به انگلیسی). 8 (1): 16144. Bibcode:2018NatSR...816144N. doi:10.1038/s41598-018-33439-2. ISSN 2045-2322. PMC 6212555. PMID 30385843.
↑ {{Rahimpour, A., Noubari, H. A., & Kazemian, M. (2018). A case-study of NIRS application for infant cerebral hemodynamic monitoring: A report of data analysis for feature extraction and infant classification into healthy and unhealthy. Informatics in Medicine Unlocked, 11, 44-50.}}
↑ Yücel, Meryem A.; Selb, Juliette; Aasted, Christopher M.; Petkov, Mike P.; Becerra, Lino; Borsook, David; Boas, David A. (July 2015). "Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses". Neurophotonics. 2 (3): 035005. doi:10.1117/1.NPh.2.3.035005. ISSN 2329-423X. PMC 4717232. PMID 26835480.
↑ mari (2018-02-04). "fNIRS Hyperscanning: A door to real-world social neuroscience research". The Society for functional Near Infrared Spectroscopy (به انگلیسی). Retrieved 2020-03-26.
↑ "YouTube". www.youtube.com. Retrieved 2020-03-26.
↑ fNIRS of playing piano (به انگلیسی), retrieved 2020-03-26
↑ fNIRS of Observation (به انگلیسی), retrieved 2020-03-26
↑ fNIRS of Imagery (به انگلیسی), retrieved 2020-03-26
↑ Shin, Jaeyoung; Kwon, Jinuk; Choi, Jongkwan; Im, Chang-Hwan (2017-11-29). "Performance enhancement of a brain-computer interface using high-density multi-distance NIRS". Scientific Reports. 7 (1): 16545. Bibcode:2017NatSR...716545S. doi:10.1038/s41598-017-16639-0. ISSN 2045-2322. PMC 5707382. PMID 29185494.
↑ Yücel, Meryem A.; Selb, Juliette; Aasted, Christopher M.; Petkov, Mike P.; Becerra, Lino; Borsook, David; Boas, David A. (July 2015). "Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses". Neurophotonics. 2 (3): 035005. doi:10.1117/1.NPh.2.3.035005. ISSN 2329-423X. PMC 4717232. PMID 26835480.
↑ "NIRx | fNIRS Systems | NIRS Devices". NIRx Medical Technologies. Retrieved 2019-11-26.

[FerrariQuaresima2012-1] Ferrari, Marco; Quaresima, Valentina (2012). "A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application". NeuroImage. 63 (2): 921–935. doi:10.1016/j.neuroimage.2012.03.049. ISSN 1053-8119.

[CuiBray2011-2] Cui, Xu; Bray, Signe; Bryant, Daniel M.; Glover, Gary H.; Reiss, Allan L. (2011). "A quantitative comparison of NIRS and fMRI across multiple cognitive tasks". NeuroImage. 54 (4): 2808–2821. doi:10.1016/j.neuroimage.2010.10.069. ISSN 1053-8119. PMC 3021967.

[Villager1997-3] Villringer, A.; Chance, B. (1997). "Non-invasive optical spectroscopy and imaging of human brain function". Trends in Neurosciences. 20 (10): 435–442. doi:10.1016/S0166-2236(97)01132-6. PMID 9347608. S2CID 18077839.

[LiGong2011-4] Li, Ting; Gong, Hui; Luo, Qingming (2011). "Visualization of light propagation in visible Chinese human head for functional near-infrared spectroscopy". Journal of Biomedical Optics. 16 (4): 045001. doi:10.1117/1.3567085. ISSN 1083-3668.

[KohnoMiyai2007-5] Kohno, Satoru; Miyai, Ichiro; Seiyama, Akitoshi; Oda, Ichiro; Ishikawa, Akihiro; Tsuneishi, Shoichi; Amita, Takashi; Shimizu, Koji (2007). "Removal of the skin blood flow artifact in functional near-infrared spectroscopic imaging data through independent component analysis". Journal of Biomedical Optics. 12 (6): 062111. doi:10.1117/1.2814249. ISSN 1083-3668.

[BrigadoiCooper2015-6] Brigadoi, Sabrina; Cooper, Robert J. (2015). "How short is short? Optimum source–detector distance for short-separation channels in functional near-infrared spectroscopy". Neurophotonics. 2 (2): 025005. doi:10.1117/1.NPh.2.2.025005. ISSN 2329-423X. PMC 4478880.

[7] sorbance

[8] Modified Beer Lambert Law (به انگلیسی), retrieved 2020-03-26

[9] Jöbsis (1997). "Noninvasive, infrared monitoring of cerebral and myocardial oxygen sufficiency and circulatory parameters". Science. 198 (4323): 1264–1267. doi:10.1126/science.929199. PMID 929199.

[AyazShewokis2011-10] Ayaz, Hasan; Shewokis, Patricia A.; Curtin, Adrian; Izzetoglu, Meltem; Izzetoglu, Kurtulus; Onaral, Banu (2011). "Using MazeSuite and Functional Near Infrared Spectroscopy to Study Learning in Spatial Navigation". Journal of Visualized Experiments (56). doi:10.3791/3443. ISSN 1940-087X.

[PiperKrueger2014-11] Piper, Sophie K.; Krueger, Arne; Koch, Stefan P.; Mehnert, Jan; Habermehl, Christina; Steinbrink, Jens; Obrig, Hellmuth; Schmitz, Christoph H. (2014). "A wearable multi-channel fNIRS system for brain imaging in freely moving subjects". NeuroImage. 85: 64–71. doi:10.1016/j.neuroimage.2013.06.062. ISSN 1053-8119. PMC 3859838.

[CurtinAyaz2018-12] Curtin, Adrian; Ayaz, Hasan (2018). "The Age of Neuroergonomics: Towards Ubiquitous and Continuous Measurement of Brain Function with fNIRS". Japanese Psychological Research. 60 (4): 374–386. doi:10.1111/jpr.12227. ISSN 0021-5368.

[QuaresimaFerrari2016-13] Quaresima, Valentina; Ferrari, Marco (2016). "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. doi:10.1177/1094428116658959. ISSN 1094-4281.

[Ferrari2007-14] Ferrari, Marco (2007). "Progress of near-infrared spectroscopy and topography for brain and muscle clinical applications". Journal of Biomedical Optics. 12 (6): 062104. doi:10.1117/1.2804899. ISSN 1083-3668.

[15] "HOMER2". HOMER2. Retrieved 2019-11-26.

[16] Santosa, H. , Zhai, X. , Fishburn, F. , & Huppert, T. (2018). The NIRS Brain AnalyzIR Toolbox. Algorithms, 11(5), 73.

[17] Aasted, Christopher M.; Yücel, Meryem A.; Cooper, Robert J.; Dubb, Jay; Tsuzuki, Daisuke; Becerra, Lino; Petkov, Mike P.; Borsook, David; Dan, Ippeita; Boas, David A. (April 2015). "Anatomical guidance for functional near-infrared spectroscopy: AtlasViewer tutorial". Neurophotonics. 2 (2): 020801. doi:10.1117/1.NPh.2.2.020801. ISSN 2329-423X. PMC 4478785. PMID 26157991.

[ayaz2009-18] Ayaz, H.; Shewokis, P. A.; Bunce, S.; Onaral, B. (2011). "An optical brain computer interface for environmental control". 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. p. 6327. doi:10.1109/IEMBS.2011.6091561. ISBN 978-1-4577-1589-1.

[Coyle2007-19] Coyle, S. M.; Ward, T. S. E.; Markham, C. M. (2007). "Brain–computer interface using a simplified functional near-infrared spectroscopy system". Journal of Neural Engineering. 4 (3): 219–226. doi:10.1088/1741-2560/4/3/007. PMID 17873424.

[Sitaram2007-20] Sitaram, R.; Zhang, H.; Guan, C.; Thulasidas, M.; Hoshi, Y.; Ishikawa, A.; Shimizu, K.; Birbaumer, N. (2007). "Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain–computer interface". NeuroImage. 34 (4): 1416–1427. doi:10.1016/j.neuroimage.2006.11.005. PMID 17196832.

[21] Naseer N.; Hong M.J.; Hong K. -S. (2014). "Online binary decision decoding using functional near-infrared spectroscopy for the development of brain-computer interface". Experimental Brain Research. 232 (2): 555–564. doi:10.1007/s00221-013-3764-1.

[22] Naseer N.; Hong K. -S. (2013). "Classification of functional near-infrared spectroscopy signals corresponding to the right- and left-wrist motor imagery for development of a brain-computer interfaces". Neuroscience Letters. 553: 84–89. doi:10.1016/j.neulet.2013.08.021.

[23] Nguyen, Thien; Babawale, Olajide; Kim, Tae; Jo, Hang Joon; Liu, Hanli; Kim, Jae Gwan (2018-11-01). "Exploring brain functional connectivity in rest and sleep states: a fNIRS study". Scientific Reports (به انگلیسی). 8 (1): 16144. Bibcode:2018NatSR...816144N. doi:10.1038/s41598-018-33439-2. ISSN 2045-2322. PMC 6212555. PMID 30385843.

[24] {{Rahimpour, A., Noubari, H. A., & Kazemian, M. (2018). A case-study of NIRS application for infant cerebral hemodynamic monitoring: A report of data analysis for feature extraction and infant classification into healthy and unhealthy. Informatics in Medicine Unlocked, 11, 44-50.}}

[25] Yücel, Meryem A.; Selb, Juliette; Aasted, Christopher M.; Petkov, Mike P.; Becerra, Lino; Borsook, David; Boas, David A. (July 2015). "Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses". Neurophotonics. 2 (3): 035005. doi:10.1117/1.NPh.2.3.035005. ISSN 2329-423X. PMC 4717232. PMID 26835480.

[26] ri (2018-02-04). "fNIRS Hyperscanning: A door to real-world social neuroscience research". The Society for functional Near Infrared Spectroscopy (به انگلیسی). Retrieved 2020-03-26.

[27] "YouTube". www.youtube.com. Retrieved 2020-03-26.

[28] fNIRS of playing piano (به انگلیسی), retrieved 2020-03-26

[29] fNIRS of Observation (به انگلیسی), retrieved 2020-03-26

[30] fNIRS of Imagery (به انگلیسی), retrieved 2020-03-26

[31] Shin, Jaeyoung; Kwon, Jinuk; Choi, Jongkwan; Im, Chang-Hwan (2017-11-29). "Performance enhancement of a brain-computer interface using high-density multi-distance NIRS". Scientific Reports. 7 (1): 16545. Bibcode:2017NatSR...716545S. doi:10.1038/s41598-017-16639-0. ISSN 2045-2322. PMC 5707382. PMID 29185494.

[32] Yücel, Meryem A.; Selb, Juliette; Aasted, Christopher M.; Petkov, Mike P.; Becerra, Lino; Borsook, David; Boas, David A. (July 2015). "Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses". Neurophotonics. 2 (3): 035005. doi:10.1117/1.NPh.2.3.035005. ISSN 2329-423X. PMC 4717232. PMID 26835480.

[33] "NIRx | fNIRS Systems | NIRS Devices". NIRx Medical Technologies. Retrieved 2019-11-26.