使用Flanker任务同步进行脑电图与功能性近红外光谱记录

本研究旨在建立一种工作流程，通过融合脑电图（EEG）和功能性近红外光谱（fNIRS）神经成像技术，揭示在执行侧翼任务时的神经激活模式。同步记录的fNIRS与EEG信号可用于分析前额叶皮层活动与全脑不同事件相关电位成分之间的关系。fNIRS能够检测大脑皮层的活动，在认知加工研究中具有重要意义。

我们了解到，功能性近红外光谱成像（fNIRS）主要用于检测额叶的神经血管活动，该区域与高级脑认知功能相关。然而，fNIRS所测量的血流动力学反应时间分辨率较低，而脑电图（EEG）则能够提供神经活动的高时间分辨率记录和直接测量。

脑电图（EEG）与功能性近红外光谱（fNIRS）联合记录能够识别更多特征，并揭示与脑功能相关的更丰富信息。在本研究中，采用EEG-fNIRS技术，结合侧向任务（flanker task）同步记录事件相关电位（ERP）成分与血流动力学反应。可以合理推测，与侧向任务相关的ERP成分会与血流动力学反应表现出显著相关性。

为了验证这一假设，将功能性近红外光谱成像（fNIRS）设备与脑电图（EEG）仪器结合使用，以揭示与侧翼任务事件相关的复杂神经认知机制。实验开始前，所有参与者均签署了知情同意书。本研究已获得澳门大学伦理委员会的批准。

第一步，同步进行脑电图（EEG）和功能性近红外光谱成像（fNIRS）记录所需的硬件与软件设置。构建适用于同步EEG与fNIRS记录的可行头帽。根据受试者的头围选择合适尺寸的头帽。

本研究中使用中等尺寸的帽套，因其适用于大多数青少年或成年受试者。根据文献中的实验设计绘制布局。在 EEG 帽套内部挖掘 22 个孔位，用于安置 fNIRS 光极，位置对应于特定的前额皮层区域。

根据国际10-20系统，将21个或71个脑电图（EEG）电极沿脑电图帽表面放置，并安装光学探头的支架。将每个光源-探测器对之间的距离设为3厘米，然后固定光学探头。其中，蓝色光学探头为探测器，红色光学探头为激光光源。

在软件中设置 EEG 和 fNIRS 端口。为 EEG 系统设置并行端口，本研究中示例为 H378。为 fNIRS 系统设置串行端口，本研究中示例为 600。

应根据不同的脑电图（EEG）和功能性近红外光谱（fNIRS）设置来调整端口类型和编号。有关更多信息，请联系制造商。实验前准备。

启动配备激光器的fNIRS系统并预热30分钟。设置fNIRS测量系统所需的所有操作参数。

应将包括脑电图（EEG）和功能性近红外光谱（fNIRS）测量系统在内的设备连接至受试者。根据国际10-20系统测量并标记CZ点。通过确定鼻根与枕外隆凸之间距离的中点，以及左右眶上切迹之间距离的中点，来定位CZ电极位置。

先将帽的前部沿受试者的额头放置，然后将帽的后部向下拉至颈部。验证位置是否正确。注意：强烈建议先放置脑电图（EEG）电极，随后放置最近的光学探头（optodes）。

如果脑电图导电凝胶覆盖了最近光学探头放置位置的孔洞，则应将其清理干净，以防止光学探头被污染。脑电图记录的准备工作：通过将钝头针插入脑电图电极网格的孔洞中，注入导电凝胶。

根据层级将所有电极放入脑电图（EEG）电极网格中。打开EEG软件并检查电极的信号质量。如果信号质量未达到要求，通过补充导电凝胶重新调整电极。

进行 fNIRS 记录前的准备工作。注意：切勿使受试者的眼睛直接暴露于光源的激光束下。将光纤沿附着在 fNIRS 测量系统及附加支架上的支架臂放置。

确保光纤整齐有序。根据布局将光源和探测器插入相应的孔中。测试信号质量。

如果某个通道的信噪比较低，例如该通道显示为黄色，则应轻柔地拨动光学探头周围的受试者头发，确保光学探头与颅骨之间无任何遮挡物。如果步骤2.8.3仍无法改善信号质量，则调高信号强度。

如果信号过强。例如，当通道显示为红色时，应降低信号强度，然后运行实验。

当信号稳定且信噪比良好，且受试者已熟悉实验说明后，开始实验。实验结束后，保存并导出 EEG-fNIRS 数据。小心移除 EEG 电极和 fNIRS 光学探头。

使用三维数字化仪测量功能性近红外光谱（fNIRS）探头的三维（3D）MNI坐标。让受试者坐在椅子上并佩戴带有传感器的眼镜。在计算机上打开数字化仪软件。

确保3D数字化系统通过适当的通信端口与计算机连接。加载文件中设置的光极布局。根据关键位置移动3D数字化仪的探针。

NZ、LZ、左耳、右耳、CZ 沿屏幕定位，并按下触控笔上的按钮。定位光学光源与探测器。导出三维坐标文件。

数据分析。fNIRS 数据分析。使用 fNIRS SPM 中的配准选项，结合 MetLife 2019 对 3D MNI 坐标文件进行处理。

选择独立的特殊配准与3D数字化。选择先前保存的其他文件和原始文本文件。进行配准。根据以下步骤，使用Homer2软件对fNIRS信号进行预处理。

应用改进的运动伪影校正方法，随后进行0.015赫兹至0.2赫兹的带通滤波。通过除以平均值对动态信号幅度进行标准化。

基于三维数字化信息生成每个通道的fNIRS数据。根据fNIRS SPM的回归计算结果，在SFC中选择注册概率为100%或更高的通道用于进一步分析。导出HbO的峰值数据。

脑电图数据处理。通过使用插件将原始脑电图数据文件夹加载到EEG lab中。本研究中针对BDF文件请选择BOC插件。

注意，请根据脑电图数据文件格式选择合适的插件。为脑电图实验室设置通道位置信息。加载对应帽型的位置文件。

我们在ERP实验室中参考电极，该实验室是EEG实验室的一个插件。选择通道，并将其放置在作为参考电极的接地位置。根据ERP实验室中的事件和分段文件提取EEG数据。

在ERP实验室中，使用IIR滤波器对EEG数据段进行滤波。通过截止频率为30赫兹的滤波器滤除低频成分，并通过截止频率为0.1赫兹的滤波器滤除高频成分。在EEG实验室中，利用Bendon成分分析去除眼电伪迹。

在ERP实验室中，若任一通道的脑电数据片段振幅值超出正100至负100微伏范围，则应剔除该数据片段。注意，这些是常用的脑电和功能性近红外光谱数据预处理分析方法及软件。

目前有多种可用的处理软件和方法。相关性计算：通过皮尔逊相关性分析，生成近红外光谱（fNIRS）与脑电图（EEG）记录之间的关系。

代表性结果。fNIRS 头戴装置的放置与通道配置。数字化的光学探头布局被转换为 MNI 坐标系，并沿大脑皮层重叠显示。

与Flanker任务相关的所有通道的HbO信号。粉红色曲线表示一致条件，绿色曲线表示不一致条件。FZ和FCZ电极的ERP信号。

黑色曲线表示不一致条件，而红色曲线表示一致条件。不一致条件下，ERP N200 与 fNIRS 信号在侧额叶皮层（SFC）上的相关性。综上所述，结合 EEG 与 fNIRS 神经成像技术，通过记录全脑神经信号及前额叶皮层的血流动力学反应，对参与的脑区激活进行了映射。

我们成功地通过侧翼任务获取了脑电图（EEG）和功能性近红外光谱（fNIRS）数据。研究结果表明，fNIRS的血流动力学反应与事件相关电位N200成分之间存在显著相关性，二者从不同角度反映了与侧翼任务相关的认知机制。我们的多模态神经影像结果支持了联合使用EEG与fNIRS技术在研究大脑功能中的重要作用，为深入理解不同认知加工过程的神经机制开辟了新的途径。