LPBA40基于40名健康受试者创建，并使用不同的算法进行空间归一化，我们从中选择了SPM5统一分割方法40。图谱如图所示。5。

图5

图5

工具箱中包含的脑分割图谱结果图解：（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35，（D）Jülich（SPM解剖工具箱）36，37，38，（E）LONI概率脑图谱（LPBA40）39。（A，C，D）覆盖在Colin27上。以及（B，E）覆盖在由SPM12的组织概率图生成的头部图谱上。

全尺寸图像

作为AAL2，布罗德曼和Jülich图谱被登记到Colin27；我们将其用作解剖标记程序的参考头部图谱。然后在SPM12中可用的组织概率图生成的头部图谱中考虑AICHA和LPBA40，如方法部分所述。将每个分块图谱的比对与SPM12中的参考头图谱进行了比较。我们使用SPM12函数“Coregister:Estimate”41来改进Jülich分块图谱与从MRIcron获得的Colin27头图谱的比对。

在分割图谱和参考图谱之间的对齐校正之后，我们根据等式2的定义计算了给定通道的每个地标的特异性，其中每个ROI被定义为感兴趣的分割方法中可用的地标。脑体积内参考图谱中与分割不存在任何重叠的剩余体素被分类为“brain_Outside”。最后，将解剖标志和各自的特异性分配给每个通道。例如，由检测器AFz和源Fz形成的信道的结果如表2所示。

表2通道AFz-Fz和布罗德曼分割法的解剖标志和特异性结果示例。与覆盖率<10%相关的结果被省略。

全尺寸表

由于本方法和工具箱的目标是检索通道作为所选感兴趣区域的输出，结果已按界标分组，因此能够从感兴趣的解剖界标查找表。表3显示了AAL2中定义的地标“Precentral_L”的示例以及由此产生的信道信息（源、检测器和MNI坐标）。

表3“Precentral_L”（AAL2）特异性至少为10%的通道示例。

全尺寸表

表2和表3中所示的类似结果已存储在Matlab文件（*.mat）中，用于从fOLD（工具箱部分）中直接调用每个分段方法，以加快过程并避免重复的结果计算。

扩展至10-5系统

目前提出的方法有望在皮层上提供广泛的通道，从而覆盖fNIRS可以到达的大部分区域。然而，由于这些通道是由放置在10–10国际系统上的源和检测器形成的，因此有兴趣运行EEG fNIRS多模态测量的用户将无法使用工具箱，因为EEG标准放置基于10–20和10–10的国际系统12。

为了将可能的光电二极管位置扩展到10–5个国际系统位置，关于EEG帽的可用布局，我们将总共130个位置的帽作为参考。使用这种新设计，可以使用32个位置（图6A）或64个位置作为EEG电极（图6B），而fNIRS光电二极管的位置与10–10系统不重叠。

图6

图6

（A） 将10–10国际系统的方法扩展到（B）10–5系统，以允许使用32或64个电极的脑电图进行多模态测量。EEG和fNIRS位置基于总共容纳130个位置的布局。EEG 1–32个电极位置用绿色表示，而互补的33–64个电极位置则用黄色表示；fNIRS源位置为红色，检测器为蓝色。

全尺寸图像

我们已将光源和探测器视觉分配到10–5个系统位置，目标是考虑到相邻光电二极管，最大化可能的通道数量。这导致了图6所示的布局，其中显示了头皮上的28个源位置和28个检测器位置。从这些立场出发，我们总共考虑了89个可能的渠道。

一旦为两个头部图谱分配了位置并检索了它们的坐标（方法部分），我们就继续使用方法部分中描述的方法。因此，我们运行光子传输模拟，计算归一化灵敏度、ROI特异性和通道坐标，并获得每个分割图谱的解剖标志结果。

导出的结果也存储在fOLD工具箱中的Matlab文件中。

数据可用性

作者可以确认所有相关数据都包含在论文和/或其补充中a补充材料。

工具箱

根据方法部分中描述的方法以及所考虑的所有脑分割方法的10–10和10–5扩展位置的导出结果，并基于两个头部参考图谱，我们在Matlab2017a App Designer42中开发了工具箱“fNIRS Optodes位置决定器”（fOLD）。软件初始化时显示的图形用户界面如图7所示。

图7

图7

fNIRS光电定位仪（fOLD）的图形用户界面。描述的是工具箱初始化时显示的空白10–10布局。

全尺寸图像

在左上角，有一个可用的分割图谱列表（方法部分）。解剖标志列表对应于所选图集（图中为AAL2），可通过方法部分所述方法产生的任何fNIRS通道到达该图集。

在解剖标志列表下，有一个特异性阈值，可以用数字或滑动条设置，以定义通道必须存在的选定标志的特异性下限，以将其包括在fNIRS光电二极管排列中（方法部分）。“强制对称”复选框允许用户强制光电二极管位置选择算法始终在左半球和右半球之间生成对称位置（根据放置的光电二极管）。

“保存”按钮允许用户通过单击“加载”来存储当前排列设置，以便在后期会话中加载。“导出”按钮允许将当前位置的最相关信息保存为文本和Excel文件（*.xls）。“帮助”将显示黄色文本框，其中包含有关重要功能的补充信息。

在主面板上，所选布局（10–10、10–5 EEG_32或10–5 EEG_64–方法部分）将被描述，并根据所选模式、分割方法、解剖标志和最小特异性阈值自动填充光源（红色）和检测器（蓝色）光电二极管。

通过单击“摘要”选项卡，用户可以访问有关创建的光电二极管排列的最相关信息。如图8所示，信息汇总在三个不同的子选项卡中：（i）地标、（ii）通道和（iii）源和探测器。第一个显示为给定感兴趣地标生成的所有频道的信息，类似于表3所示。“频道”将显示一个表格，其中包含已形成的频道和每个频道所覆盖的地标列表，类似于图2所示。最后一个选项卡（“源和探测器”）显示所需的源和探测器列表，并按已形成频道的数量进行排序。

图8

图8

“摘要”下的其他选项卡说明“地标”（顶部）、“通道”（中部）和“光源和探测器”（底部），每个都显示了有关设计的fNIRS光电二极管布局的汇总信息。

全尺寸图像

除了基于分割图谱选择解剖标志外，还可以通过单击“模式：分割”将工作模式切换到“图像掩模”。这将向用户弹出一个消息对话框，通知切换到“图像掩码”，如果接受继续，将提示用户选择NIfTI或ANALYZE文件。

选定的图像文件将加载到工具箱中，重新采样为2 × 2. × 2. mm3，并且工具箱将查找其呈现大于0的值的体素与每个fNIRS通道范围的值的任何重叠。对于每个通道，将计算加载的感兴趣区域的特异性（方程3），并且与在最小特异性阈值下存活的通道相关的光电二极管将显示在主面板中。

图9说明了NIfTI文件的一个示例，该文件表示在“模式：图像掩模”中加载的后颞顶叶连接（pTPJ），并在给定20%的设置最小特异性阈值的情况下在通道CP6-P6上生成。该图还显示了Colin27分段磁头的轴向视图，其中覆盖了pTPJ NIfTI文件和CP6-P6通道的归一化灵敏度（方法部分），显示了它们的重叠。有趣的是，对pTPJ产生更大空间特异性的位置与通常选择的标记为“TP”（颞顶叶）的国际位置不一致。

图9

图9

从神经成像元分析档案（ANIMA）50获得并由Bzdok等人出版的后颞顶叶连接（pTPJ）的代表性NIfTI文件53以“图像掩模”模式加载到fOLD工具箱中，（A）在由位置CP6和P6形成的通道上产生。（B）在Colin27片段图谱上叠加pTPJ（紫色），具有通道CP6-P6的额外灵敏度叠加。

全尺寸图像

在“模式：图像掩模”中，“大脑图谱”下可用的选项不再与分割图谱相关，而是与头部分割图谱Colin27和SPM12（方法部分）相关。此外，接下来此外，在“解剖界标”旁边，用户可以加载更多图像，将其包括在界标列表中，以便从NIfTI或ANALYZE文件中更稳健地创建fNIRS光电二极管排列。

讨论和结论

当前的研究提供了一个工具箱，以便于基于大脑内感兴趣区域的重叠和来自位于帽上130个位置的光电二极管的模拟光子传输来选择fNIRS光电二极管头皮位置。

工具箱结合了从五种不同分割方法（方法部分）的解剖标志获得的重叠结果，同时还允许用户加载感兴趣的图像文件，用作位置定义的掩模（工具箱部分和图9）。

工具箱的输出结果显示在感兴趣的参考帽布局（10–10、10–5_EEG-32或10–5_ EEG-64–方法部分）以及汇总表中。这些表格提供了有关解剖标志（ROI）特异性（方程2）、通道的MNI坐标（方程3）和每个光电二极管的通道数量的汇总信息（图8）。汇总信息也可以导出到Excel工作表（*.xls）和文本文件（*.txt），如工具箱部分所述。

当前版本存在以下限制：（I）生成的通道只能针对基于10–10或10–5范围的位置形成，即不能将它们组合成单个布局；（二） 无法从fOLD内自动生成3D漫射光学断层摄影43、44的高密度布置；（三） 归一化灵敏度是在信道基础上单独计算的，并且对于具有最终重叠光子传输的近信道不累积。前三个限制主要涉及扩展所提出的方法以评估断层扫描研究的潜力的可能性，而当前版本的fOLD更侧重于地形（即，在光子传输的灵敏度分布没有主要重叠的情况下）。然而，我们相信，通过在检索到的地形位置周围放置更多通道，可以潜在地从fOLD内识别最相关的位置，并将其输出扩展到更高密度的光电二极管。

此外，进一步的限制与所实施的方法有关：（A）光子传输模拟是用两个不同的头部图谱（Colin27和SPM12）生成的，其组织的几何结构（例如头皮和头骨厚度）可能与其他成人个体有显著差异27；（B） 我们的结果只对成人有效，因为我们没有考虑儿童或婴儿的头部图谱45；（C） 组织光学性质的数值似乎没有黄金标准，因为最近基于光子传输模拟的研究应用了彼此不同的数值27、30、31、46；（D） 每个头部图谱的基准点已经被视觉识别，而已经表明，inion的视觉识别可能是模糊的12，47；（E） 可用的不同组织分割方法可能会产生不同的厚度结果48，尽管尚未对SPM12进行评估；（F） 作为工具箱输出提供的结果仅限于10–10/10–5国际系统位置12。

此外，由于基于国际系统（10–10和10–5）的光电二极管的预定义潜在位置，因此所产生的光电二极管间距离对于所产生的信道来说不是恒定的。然而，为了避免太长的距离无法提供具有适当信噪比的测量，我们只考虑了10–10或10–5上相邻光学位置形成的信道。这产生了3.60的中值光电极间距离 cm，而上四分位数为3.98 cm，下四分位数为3.13 厘米只有五个可能的信道超过4.50 厘米（两个10–10，三个10–5）。给定适当的头套准备和检测到的信号放大，我们设想fNIRS用户可以通过工具箱的通道输出获得合理的信噪比。

在先前提出的解决fNIRS的光电二极管位置定义的方法中，以一组大脑感兴趣区域为目标9，10，11，我们的方法和开发的工具箱的主要区别在于其简化和随后的可访问性。这种简化依赖于这样一个事实，即fOLD不需要光电二极管位置的数字化，也不需要单独的结构扫描，光子传输模拟的结果已经离线计算，并且可以在工具箱中随时获得。此外，通过将10–10和10–5国际系统作为光电二极管排列的参考，并将头部图谱作为光子传输模拟的模板，可以实现该方法的可访问性。因此，具有不同专业水平和背景的团体可以访问和使用fOLD，而不需要额外的硬件（数字化也没有进一步的光子传输模拟。然而，结果是独立于受试者之间的解剖差异而获得的，并且需要根据国际系统12精确放置视标。与Machado等人9提出的结论一致，我们认为这些简化对于fNIRS非临床应用是可接受的。此外，Wijeakumar等人10报道了成人受试者特异性和头部图谱结果的显著相关性。最后，使用头部图谱作为模板有助于大脑分割图谱的应用（方法部分）和基于荟萃分析的fNIRS位置定义（工具箱部分），因为Wijeakumar等人10也将后者作为识别ROI的未来方法。

在未来版本的fOLD中，我们打算包括：（1）显示源和探测器位置之间的线以说明形成的通道的可能性；（2） 优化算法，用于找到给定数量的源和检测器的最佳位置；（3） 源检测器距离的阈值；以及（4）基于大脑灵敏度的附加阈值度量（等式1），以帮助选择对大脑呈现更高灵敏度的通道。我们设想，在从时间序列中去除皮质外成分后，大脑敏感性信息可以更好地预测给定通道的信噪比。具有较低大脑灵敏度的通道具有较低部分的皮质成分，因此可以预期相对于皮质外信号的较低信噪比。然而，虽然这还没有被纳入fOLD，但它是在补充数据集中提供的。此外，考虑到人们能够从测量的通道中正确地检索皮质成分，例如通过包括短距离通道来测量皮质外变化49，我们期望当前提供的特异性阈值能够最好地代表所覆盖的感兴趣区域的部分，而不考虑对大脑的敏感性。

总之，我们认为所提出的工具箱是一种一阶方法，可将fMRI中有关分割方法（方法部分）和荟萃分析50、51、52的进展带到fNIRS光电极位置选择中。虽然已知fNIRS空间分辨率低于fMRI，但通过找到与模拟的fNIRS灵敏度曲线重叠的感兴趣区域，有可能提高假设驱动实验设计的精度，如图所示。9基于后颞顶叶连接的荟萃分析53。我们设想，工具箱不仅将有利于fNIRS实验和光电极位置的设计，而且还将改进fNIRS结果的讨论，以应对通道的先验期望，从而为感兴趣的区域提供更大的解剖特异性。最后，基于给定信道的归一化灵敏度，从加权平均值计算的所提出的MNI坐标（方程3）也可以进一步改进与fMRI的结果比较，并实现fNIRS荟萃分析。

fOLD工具箱作为Windows的独立版本（*.exe）或Matlab的应用程序包提供。该应用程序包与Windows、Mac或Ubutu兼容，但目前仅适用于Matlab2017a。fOLD的最新版本