fNIRS Optodes的位置决定器（fOLD）：由感兴趣的大脑区域引导的探针排列工具箱

Guilherme Augusto Zimeo Morais、Joana Bisol Balardin和João Ricardo Sato

，文章编号：3341（2018）引用本文

13k通道

87引文

12测高

指标详细信息

摘要

由于功能近红外光谱（fNIRS）的便携性、低成本和对受试者运动的鲁棒性，在过去几年中，功能近红外光谱学（fNIR）作为大脑成像方法的应用有所增加。fNIRS的实验是在有限数量的源和检测器（光电二极管）面前设计的，这些源和检测器位于头皮的选定部分。视标位置代表了评估与实验假设相关的皮质区域的期望。然而，这种翻译过程仍然是fNIRS实验设计的一个挑战。在本研究中，我们提出了一种从一组预定义位置自动确定fNIRS视标位置的方法，目的是最大化对感兴趣的脑区域的解剖特异性。所实现的方法基于两个头部图谱上的光子输运模拟。结果被汇编到公开的“fNIRS Optodes位置决定器”（fOLD）中。该工具箱是一种一阶方法，可将分割方法和功能性磁共振成像的荟萃分析的先进性结合起来，以更精确地指导fNIRS实验中光电极位置的选择。

介绍

功能近红外光谱（fNIRS）是一种能够通过吸收的近红外光在组织中运输过程中的变化来测量含氧和脱氧血红蛋白浓度变化的技术1。在过去几年中，使用fNIRS评估大脑活动的情况有所增加，这是因为它比功能磁共振成像（fMRI）和脑电图（EEG）具有优势，主要是因为它对运动造成的伪影的鲁棒性2，从而实现了更大范围的自然实验3、4、5、6、7、8。

虽然fMRI能够测量整个大脑的功能活动以及个体的结构图像，但fNIRS实验的设计使用了有限数量的光源和检测器（光电二极管）。将视标定位在头皮的选定部分，期望评估与设计实验相关的一组大脑皮层区域的活动。然而，感兴趣区域的平移到测量帽上的光电二极管的放置（如图1所示）仍然是fNIRS实验设计的挑战。

图1

图1

在设计fNIRS实验以评估根据研究假设预期激活的一组感兴趣区域时通常面临的挑战：通过选择合适的源和检测器位置来最大化感兴趣区域的解剖特异性，从而转换为fNIRS光电极布局。图示为布罗德曼4区、9区、19区和21区以及具有相应颜色编码通道的fNIRS帽布局。

全尺寸图像

最近的一些研究已经提出了克服这一挑战的方法，例如针对癫痫放电9，或基于迭代探针几何修改10，其被扩展到基于图像的方法11的体素空间，我们提出了另一种方法，根据一组感兴趣的大脑区域，基于10–10和10–5系统12自动确定光电二极管位置。该方法基于在两个头部图谱上运行的光子传输模拟的灵敏度分布（方法部分）。结果被汇编到工具箱中，以便于定义光电二极管的位置，即fNIRS光电二极管位置决定器（fOLD）。

方法

组织分割

由于人类头部的不同组织呈现出不同的光学特性（例如吸收和散射）13、14，因此有必要分割用于光子传输模拟的图谱。这种分割导致五种组织的区分：头皮、颅骨、脑脊液（CSF）以及灰质和白质。

SPM1215中使用默认参数实现的分割算法已用于将MRIcron软件17中提供的Colin27头部图谱16的T1图像分割为“ch2.nii.gz”。

简言之，SPM12中的分割过程为我们感兴趣的五个组织中的每一个返回概率图。对于每个组织，使用与输入文件（例如Colin27图集）中具有相同大小和来源的图像生成NIfTI文件，并且将每个体素设置为给定组织的一部分的概率。给定体素沿头部组织加上空气的概率之和为1。例如，体素（x = 57岁 = 126，z = 144）对应于MNI坐标（x = −34岁 = 0，z = 72）颅骨和脑脊液的概率分别为86.27%和13.73%。

为了为最终组织分割创建单个图像文件，我们使用defi我们已经将每个体素定义为给定组织的一部分，如果其概率高于所有其他组织并且大于0.2。后者对于边界体素（例如头皮和空气之间的边界体素）尤为重要。与头皮相对应的体素被指定为值1、颅骨2、脑脊液3、灰质4和白质5。所有不符合任何组织比较的体素都被指定为0（空气）。

由于该过程可能会导致组织内部出现单一孔洞（即分配给空气的组织体素），因此在SPM12中对所得图像进行了平滑处理，半最大全宽（FWHM）为[2] 毫米，2 毫米，2 毫米]。平滑图像中的值在Matlab2017a中舍入。Colin27的最终分割如图2A所示。

图2:

图2:

（A）Colin27模板和（B）SPM12组织概率图（TPM.nii）的组织分割轴视图。这导致了五层：头皮（蓝色）、颅骨（青色）、脑脊液（CSF，黄色）、灰质（红色）和白质（黑色）。

全尺寸图像

除了基于单个受试者27个平均值的Colin27头部模型外，我们还考虑了基于SPM12中提供的组织概率图的第二个头部图谱。这些图谱是基于IXI数据集18中的549个受试者生成的。用于计算TPM的特定受试者。nii可以在spm_templates.man19中找到。我们对TPM进行了空间重新采样。nii图像从1.5 × 1.5 × 1.5 mm3至2 × 2. × 2. mm3，并遵循与Colin27相同的程序获得分割图像（此处称为“SPM12”），如图2B所示。

光电二极管坐标

一旦执行了组织分割程序，就为两个感兴趣的脑图谱定义了头皮边界，因此我们继续进行光子迁移模拟中使用的光电二极管的空间定位。

我们最初将10–10国际系统视为视标放置的主要参考，因为它的位置可以从一组基准点（例如鼻根、鼻尖和左/右耳前点）12识别，这可以在头部模型中视觉确定。

首先，我们使用iso2mesh工具箱21、22中提供的函数“v2s”将组织分割的图像文件转换为网格。我们还通过考虑图像的体素大小和原点，将坐标校正为MNI空间。在绘制Matlab2017a中的校正网格后，我们视觉上识别了四个基准点（如图3A所示），其空间识别遵循Jurcak等人12为鼻根点、鼻根点和耳前点提供的定义。

图3

图3

（A） Colin27网格上基准点的MNI空间定位（单位：mm）。（B）最初考虑用于光子传输模拟的10–10国际系统上源（红色）和探测器（绿色）位置的左视图（方法部分）。

全尺寸图像

定位基准点后，我们使用工具Mesh2EEG23、24中提供的功能，该工具返回10–5国际系统329个位置的MNI坐标作为输出。由此，我们最初考虑了10–10系统中的74个位置，如图3B所示。

根据经验将每个位置分配给一个源或检测器，目的是最大化通道数量，同时也实现类似数量的源和检测器。我们在相邻位置上交替使用源和探测器，结果得到38个源和36个探测器。

光子输运模拟

为了评估光子在头部组织内的迁移，并识别可能由每个测量通道（即源-探测器对）测量的大脑区域，我们使用Monte Carlo Extreme（MCX，v2017.3）对每个光电极位置的光子传输进行了模拟，该软件可加速图形处理单元的模拟，如参考文献25、26所述。

作为MCX的输入，我们提供了*。inp文本文件，包含模拟的相关信息，如参考文献25所示。我们将要发射的光子数定义为108。光电极位置已在体素空间的坐标中设置。光子的原始方向朝向图像的中心，我们将其定义为与MNI空间中的原点（0，0，0）相对应的体素坐标。二进制卷文件（*.bin）是从感兴趣的分段NIfTI文件（Colin27或SPM12）创建的。时间门的步长和终点都设置为5 ns以产生单个通量分布。根据感兴趣的图谱定义体素大小和尺寸。光电二极管被建模为铅笔束（MCX中的默认设置）。最后，我们考虑了五种不同的介质（方法部分中描述的组织），其光学特性根据Strangman等人27（表1）进行设置。

表1作为蒙特卡罗模拟输入的光学特性。

全尺寸表

对于每个光电二极管全尺寸表

对于每个光电二极管模拟，调用MCX二进制文件以及以下设置：（i）启用自动线程和块配置以最大化速度（-A）；（ii）禁用解归一化（-U 0）；（iii）保存通量场（-S 1）；以及（iv）将光子分成100组（-r 100）。后者被要求避免由于非专用图形卡28而导致的“内核启动超时”错误。在Ubuntu 16.04.02 LTS（Xenial Xerus）中使用Intel Xeon E5 2650 v3 2.3进行了模拟 GHz、GeForce Gtx 770和CUDA 8.0。

如Boas等人29所述，在AtlasViewer30中实现后，通过将输出除以模拟光子的数量，并校正产生的光子通量，以遵守能量守恒（发射的所有光子应离开介质或被其吸收），对每个光电极模拟的通量场解进行了归一化。

每个fNIRS通道（源-检测器对）的灵敏度计算为源和检测器（伴随场）29获得的校正光子注量的体素乘积。这通过所有体素的灵敏度之和进行归一化，类似于Brigadoi和Cooper，201531，因此每个体素由相对于整个体积的百分比灵敏度表示。图4A描述了源Fz和检测器AFz形成的通道的归一化灵敏度结果。

图4

图4

（A） 灵敏度归一化后的单通道光子传输模拟图解。（B） 基于图3B所示的源和探测器位置，考虑所有通道的归一化灵敏度结果。在这两种情况下，色阶都设置为10−6（黑色）至3*10−3（白色），头部图谱为Colin27。

全尺寸图像

基于位于每个头部图谱（方法部分）上的38个源和36个检测器（方法部分部分），计算每个fNIRS通道的归一化灵敏度。130个fNIRS通道已经由相邻的源和检测器形成。Colin27左半球上所有通道的归一化灵敏度如图4B所示。

特异性和通道坐标

在计算归一化灵敏度（normSens）之后，如方法部分所述，计算给定通道（ch）相对于头部图谱（h）的大脑灵敏度（brainSens）。这是通过对所有体素的normSens求和来完成的（i）在组织分割27期间被分类为灰质和白质，如下所示：

大脑Sens（ch）=∑易卜拉欣诺姆森（ch，i）

(1)

为了更好地评估大脑内给定感兴趣区域（即体素集合）对脑Sens（ch）的影响，我们将“特异性”定义如下：

特异性ROI（ch）=100×∑jROInormSens（ch，j）大脑Sens（ch）

(2)

等式2可以被转换为给定感兴趣区域（ROI）内的体素（j）的加权平均值，其中权重对应于归一化灵敏度（normSens），通过对大脑的灵敏度（brainSens）对百分比的归一化。因此，它为感兴趣区域（ROI）提供了通道（ch）的解剖特异性。

最后，我们将给定通道的MNI空间中的坐标定义为给定通道可以到达的脑内体素（k）的MNI坐标的加权平均值。同样，权重是归一化灵敏度：

MNIx、y、z（ch）=∑kbrainnormSens（ch，k）×MNIx，y，z（k）大脑Sens（ch）

(3)

根据等式（3），每个fNIRS通道可以相对于从感兴趣的头部图谱（Colin27或SPM12）获得的标准化灵敏度和大脑灵敏度结果用一组MNI坐标（x，y，z）在空间上表示。

脑分割图谱

为了在感兴趣区域的定义方面帮助fNIRS的实验设计，我们考虑了五个可用的分割图谱：（a）自动解剖标记（AAL2）32，33，（b）同源区域内在连接性图谱（AICHA）34，（c）布罗德曼-Areas35，（d）Jülich组织学（细胞和骨髓结构）图谱（解剖工具箱）36，37，38，和（e）LONI概率脑图谱（LPBA40）39。

这些拼版图册均受版权保护，由开发商“按原样”提供：无任何担保，可能会更改。因此，我们鼓励读者参考相应的出版物，了解有关方法的详细信息。

简言之，AAL是从Colin2716的高分辨率T1体积的分割中创建的，其第二个也是最新的版本（AAL2）实现了眶额皮层的新分割。AICHA显示了192个功能区，这些功能区由281名患者的fMRI收集的静息状态数据确定。布罗德曼区域是从Chris Rorden开发的MRIcron17获得的，并与Colin27图谱进行了分割。Jülich组织学图谱是从SPM解剖工具箱获得的，基于10名受试者的死后大脑，并标准化为Colin27图谱。LPBA40基于40名健康受试者和空间