fNIRS经系统伪影矫正后对初级运动皮层的腿部活动敏感

功能性近红外光谱（fNIRS）是一种越来越流行的研究运动和步态过程中皮层活动的工具，需要进一步验证。本研究旨在评估（1）fNIRS是否可以检测初级运动皮层（M1）难以测量的腿部区域，并将其与手部区域区分开来；以及（2）fNIRS是否可以区分自动（即不需要注意）和非自动运动过程。特别关注的是系统性伪影（即血压、心率、呼吸的变化），这些伪影通过短通道（即主要对头皮浅表血流动力学敏感的fNIRS通道）进行评估和校正。结果表明，fNIRS对M1的腿部活动敏感，尽管其灵敏度低于手指活动，并且需要对系统波动进行严格校正。我们进一步强调，当短通道显示出与预期血液动力学反应相似的信号时，系统伪影可能导致不可靠的GLM分析。

1. 引言

功能性近红外光谱（fNIRS）是一种越来越流行的血液动力学神经成像技术，用于研究运动和步态过程中的皮层活动尤其是因为它的便携性。尽管许多功能性磁共振成像（fMRI）研究试图通过模拟虚拟现实中的行走来研究步态的神经相关性，但问题仍然是我们是否可以推断这些发现到实际步态。与fMRI不同，fNIRS设备可以无线连接到头部，允许参与者在测量皮层活动时自由移动。此外，它的低成本和非侵入性使其成为研究步态障碍的一种有吸引力的技术，如帕金森病、中风或自然衰老。

尽管fNIRS有望研究自由运动人群的大脑活动，但它也面临着一些挑战，尤其是在研究运动时。首先，该技术显示出比fMRI更低的信噪比，因此需要更大的样本量来检测类似的影响。其次，虽然fNIRS旨在测量局部脑血流动力学，但它对全身生理变化也很敏感，即心率、血压、血管张力、二氧化碳分压（PCO2）等的变化。当所研究的任务引起系统性变化时，这就变得更成问题了，当研究身体活动引起全身生理反应时，情况往往如此。解决这一问题的一个越来越流行的策略是包括短渠道；这些大多对头皮浅表血流动力学敏感，并用于估计全局系统波动。目前缺乏关于如何将短通道纳入fNIRS分析的明确建议。然而，最近的一篇论文证明，与在单独步骤中用短通道过滤fNIRS数据相比，在一般线性模型（GLM）中整合短通道作为干扰回归因子的优越性（Santosa等人，2020）。fNIRS技术的第三个挑战是其有限的深度灵敏度仅达到皮层的浅层（对于典型的30毫米长的通道，深度可达15毫米），其有限的空间分辨率被认为低于fMRI。最后，将光极准确定位在感兴趣区域上可能具有挑战性，因为fNIRS测量通常在没有结构MRI扫描的情况下进行，以提供神经解剖学信息。我们将在稍后对这份手稿的讨论中回顾这些挑战。

本研究的目标是评估fNIRS在两个关键方面对真实运动和步态研究的影响：一是与将粗大（腿）运动活动与潜在的方法学混杂因素分离的能力有关，二是与识别运动产生的自动性中更细微差异的能力有关。我们根据文献研究了预期会产生特定影响的任务，尽管由于fNIRS研究的方法挑战，即低信噪比、系统伪影、低空间分辨率和盲光极放置。我们首先研究了fNIRS对M1中腿部运动的灵敏度，并将其与作为对照条件的fNIRS对于手指运动的灵敏度进行了比较。我们假设，在M1中，腿部运动应激活最内侧的通道，接近Cz，而手指运动应激活最多外侧的通道，靠近C3坐标。其次，我们研究了手指和腿的自动和非自动运动之间差异的fNIRS灵敏度。我们预计，在除M1外的所有测量皮层区域，与自动任务相比，非自动任务期间的活动更高。总体而言，我们预计M1中手指运动的效果大小最强，其次是M1中腿部运动的效果尺寸，自动性差异的效果大小最小。此外，我们特别关注通过短通道测量的与任务相关的系统伪影，以及在感兴趣区域上放置光电二极管。

2. 方法

2.1 被试

资格标准要求个人必须是右手（荷兰右手问卷的阳性分数）、右脚（Waterloo Footness问卷的阳性得分）和至少18岁。当个体的身体状况或损伤可能干扰实验或fNIRS记录时（即，以前的大脑手术或大脑结构损伤；认知、视觉、前庭或肌肉骨骼残疾；癫痫；或有起搏器等有源植入物），则被排除在参与之外。总共招募了27名符合合格性标准的参与者。参与者还完成了金匠音乐复杂度指数的“音乐训练”s u b p a r t（金牌-MSI，范围7至49）。所有参与者都提供了书面知情同意书，研究方案得到了拉德布大学理学院研究伦理委员会的批准（REC21012）。

2.2 任务

手指敲击任务基于先前的研究，涉及以1.5Hz的频率在数字键盘上敲击右手手指，按12位序列（例如434141243212）的顺序，1、2、3和4分别代表食指、中指、无名指和小指。我们设计了一个类似的脚部敲击任务，包括在坐着的时候用右脚以1.5赫兹的频率在地板上的四个矩形垫子上敲击，按相同的12位数字顺序。在这种情况下，1、2、3和4分别表示中间、前面、后面和侧面的轻拍（图1A）。

图1 研究设计和任务概述

参与者学习了两个不同的序列，A（434141243212）和B（212321324241）。在一项初步研究中，我们证实了这两个序列的难度相似。一个序列在实验前7天进行，每个肢体每天5分钟（总共10分钟）；接下来，我们将把它称为自动序列。在实验当天，每个肢体只练习另一个序列5分钟，刚好足以记住该序列（经初步研究证实）；我们将把它称为非自动序列。参与者必须提前学习的具体顺序与参与者相比是平衡的。同样，学习手指或脚非自动序列的顺序在参与者身上得到了平衡，因此潜在的遗留效应可以在参与者身抵消。

当动作对次要任务没有干扰或干扰最小时，它们被认为是自动的，所有四项任务（自动和非自动；手指和脚）也在双任务范式下进行了测试，以评估它们的自动水平。这需要在执行序列的同时，从屏幕上随机出现的字母列表中同时计数字母“G”（图1B） 。

2.3 研究设计

图1C总结了研究访问的组织和八个任务块（手指/脚、自动/非自动、单/双）的顺序。参与者从5分钟的练习阶段开始，在此期间，他们最后一次练习在家学习的自动序列，同时适应实验环境。随后，参与者在手指和脚的双重任务条件下（以伪随机顺序）执行自动序列。接下来，以伪随机顺序执行所有单个任务条件（自动和非自动、手指和脚）。然而，对于非自动任务，总是有一个5分钟的练习阶段（用节拍器），并且总是有紧接着的双重任务条件。在每个任务块之后，参与者都被鼓励休息一下，以防止疲劳并提高注意力。

对于自动序列，总是在单个任务之前执行双重任务的原因是允许在访问开始时排除没有充分执行序列的参与者（即，那些不能在没有重大错误的情况下执行序列的人）。相反，对于非自动序列，双任务总是在单任务条件之后执行，以避免在单任务状态期间进一步练习序列时低估双任务性能。

在8个区块中的每一个区块中，参与者连续完成了同一任务的11次试验（图1B） 。每个区块的第一次试验被视为测试试验，并被排除在随后的分析之外。试验总是从8秒的1.5赫兹节拍器声音开始，以提醒参与者节奏，但不能作为提示。然后是一个没有节拍器声音的白色固定十字架，持续12-15秒。当十字架变成红色时，参与者被指示敲击该序列一次（以+-1.5 Hz的自配速，总共+-8秒）。接着是一个5秒的固定十字架。对于双重任务条件，红色固定十字被一个外观相似的字母（C、G、O或Q）的随机序列所取代随机间隔（0.5–1.5 s），指示参与者计算G的数量。在5秒钟的注视交叉后，参与者被要求报告G的数量。

2.4 仪器

2.4.1 fNIRS

通过以50Hz的速率采样的两个多通道连续波fNIRS设备（两个Brite24，Artinis Medical Systems，荷兰）测量光密度变化。每个装置由16个发光二极管（标称波长为760和850 nm）和8个光电二极管探测器组成，以覆盖其中一个半球。光极被放置在定制的帽中，用于54–58 cm或58–62 cm的头部周长，从而构建了24个长分离通道和12个短分离通道，光极间距离分别为30和10 mm。

图2. 帽布局的示意图和图像

2.5 信号处理

2.5.1 fNIRS

在FieldTrip工具箱的帮助下，fNIRS数据被降采样到5 Hz，并从.oxy4格式转换为.snirf格式导出的.snirf文件随后使用Homer3工具箱和自定义函数进行分析。只有单一任务条件被考虑用于fNIRS分析，因为我们预期在双任务条件下混淆行为差异，因此在此条件下的fNIRS分析无效。首先，我们排除了每个区块的第一个测试试验和包含一个以上错误按键/脚击的所有试验。其次，仅保留头皮耦合指数(SCI)为0.75或更高的通道进行分析(Pollonini et al, 2014)。随后用0.25 Hz三阶巴特沃斯滤波器对数据进行低通滤波，并根据修正的比尔-朗伯定律(部分路径长度因子为1)将数据转换为血红蛋白浓度变化。

使用迭代加权最小二乘一般线性模型(GLM)评估氧合(HbO)和脱氧(HbR)血红蛋白浓度变化的任务相关变化。我们使用所有可用的短信道信号(HbO和HbR)作为回归量，而不是仅使用每个长信道的最近短信道。回归的残差随后用于GLM估计。

借助FieldTrip工具箱在MATLAB中可视化3D扫描，并手动选择头部表面的光极位置和解剖标志(鼻、腹、左耳前点、右耳前点和Cz)，提取光极位置。随后，我们使用传统的经线方法(刚体经线与各个轴重新缩放)，基于解剖地标位置与这些地标的参考MNI坐标的共配准，将3D optode位置转换为蒙特利尔神经学研究所(MNI)坐标。

2.6 统计数据

对于HbO和HbR的变化，在GLM任务回归量的模型估计上，通过单样本t检验(任务对基线)和双样本t检验(手指对腿)来评估七个M1通道内手指和腿相关的活动。每个渠道的效应量用科恩d来计算，定义为t值除以每个渠道参与者人数的平方根。同样，自动序列和非自动序列之间的差异通过一个分别对手指和脚进行双样本t检验，但在这种情况下，对所有测量的近红外通道进行t检验。显著性水平设置为0.05，并对具有错误发现率(FDR)控制的渠道进行多次比较时的p值进行校正。

3. 结果

3.1 M1的手指和腿部活动

我们发现了M1的外侧-内侧激活效应，手指运动激活了最多的外侧通道，腿部运动激活了最多的内侧通道。图3显示了手指(上图)和脚(下图)敲击任务期间7个M1通道的血流动力学响应。

图3. 在主要运动皮层的七个通道中，所有参与者（n=23）在手指（上图）和腿部（下图）运动过程中估计的血液动力学反应

在手指运动期间，发现位于侧位通道1,2,3的HbO和HbR的任务-基线变化显著;在第4和第5通道仅有HbO变化显著。大多数外侧通道(通道1和2)活性最高。

在腿部运动期间，与基线相比，位于中间位置的通道5、6和7的HbO发生了显著变化，通道1和2也发生了显著变化(p = 0.033 - 0.039)。没有一个HbR通道显示出显著的任务对基线的反应。中间通道6和7表现出最高的活动。

当直接比较手指和脚的活动时，我们发现两个任务在最外侧通道和最内侧通道上存在显著差异:外侧通道1 - 4和内侧通道7的HbR显著差异。此外，在侧通道1-3中发现显著的HbO差异。请注意，前内侧通道5在两个任务中都具有统计学意义，但在比较两个任务时却没有统计学意义，这表明该通道可能位于PMC而不是M1中。

3.3 短通道测量的脑外系统效应

图4显示了短通道回归对信号的影响。图中显示了短通道回归前后最侧向的通道1和最中间的通道7上的信号，以及手指和脚轻拍时位置较近的短通道。请注意，所有可用的短频道(HbO和HbR)都用于回归。值得注意的是，在腿部运动过程中，原始的长通道和短通道在信号中都显示出较大的双相波动，这些波动被短通道回归完全滤除，导致通道7中的血流动力学响应在统计上明显(注意图之间的比例差异)。如果没有应用短通道回归，通道1和通道7在手指敲击时都会显示出显著的HbO增加。然而，通过去除被短通道捕获的假定的浅表(脑外)系统成分，只有内侧通道1在手指敲击时是重要的。

图4. 初级运动皮层位于外侧的通道1（左栏）和位于内侧的通道7（右栏）的手指（左图）和腿部（右图）运动期间短通道回归对信号的影响

3.4 自动与非自动序列

自动手指敲打序列显示重要task-vs-baseline HbO频道的变化在M1(通道1、2、3、4、5)和PMC(通道8、9和10)，而非自动的手指敲打序列显示显著的HbO频道的变化在M1(通道1、3和5), PMC(通道9和10)和左dlPFC(11通道)。

与自动任务相比，在非自动任务期间，除了M1外，所有皮质区域的活动都更高(图5)。然而，经过多次比较校正后，左侧dlPFC中只有一个通道显著(通道11，非自动序列的HbR显著低于自动序列)，与假设一致。对于拍脚任务，无论是任务与基线对比，还是自动与非自动对比，所有通道都没有显示出统计学上显著的结果。

图5. 手指敲击（中间面板）和脚部敲击（右侧面板）任务的自动和非自动序列之间HbO差异的假设和测量效果大小

4. 建议

本文对未来近红外光谱研究提出了一些实用建议。首先，研究人员应该意识到，在近红外光谱研究中，所需的样本量往往被低估。我们的研究表明，腿部运动所需的样本量比手指运动所需的样本量要大，在评估与非自动运动编程相关的高级皮层信号时，样本量可能更大。我们报告的效应量可以指导未来研究的样本量计算，尽管应该考虑到效应量也取决于试验持续时间、试验数量、记录设备和其他实验变量。其次，我们在运动相关的近红外光谱研究中发现了任务诱发的系统性变化，从文献中可以推断，它们在没有运动的研究中也很常见。为了避免假阳性结果，需要仔细监测多个短通道的系统伪影，如果可能的话，还需要采取其他生理措施。此外，在使用GLM模型分析fNIRS数据时，fNIRS研究人员应该意识到多重共线性，这甚至可能出现在简单的手指敲击任务中。目前，对于多重共线性问题，最稳健(虽然保守)的方法是两步线性方程组。最后，需要精确的光电器件放置，以获得对参与者一致的稳健效果。我们相信，结合使用神经导航工具和报告HbR值可以指导我们更优化地利用相对较高的fNIRS空间特异性。

参考文献：fNIRS is sensitive to leg activity in the primary motor cortex after systemic artifact correction. ,