恢复fNIRS脑信号：具有独立成分分析的生理干扰抑制

在阐述fNIRS脑信号恢复与生理干扰抑制方面的知识前，有必要先解释几个关键术语和概念，即功能性近红外光谱成像（fNIRS），独立成分分析（ICA），以及生理干扰。 fNIRS是一种非侵入性监测大脑活动的技术，其工作原理基于近红外光对血红蛋白的吸收特性，通过分析血液中氧合与脱氧血红蛋白的浓度变化来监测大脑活动。fNIRS相较于其他监测大脑活动的技术，如功能性磁共振成像（fMRI），具有更多的优势，包括灵活性、便携性、低成本以及对被测试者物理限制较少。 然而，在实际应用中，fNIRS测量常受到来自心脏收缩、呼吸和血压波动等生理干扰源的污染，这些干扰源产生的信号会严重影响fNIRS数据质量，限制了其在提取大脑活动信息中的实用性。为了能够从fNIRS数据中可靠地提取出诱发的大脑活动信息，必须对这些干扰进行抑制或消除。 独立成分分析（ICA）是一种统计和信号处理技术，它通过寻找线性变换将多通道信号分解为统计上相互独立的成分，从而达到将多个信号源混合的原始信号分离出来。在fNIRS信号处理中，利用ICA能够区分出脑信号和生理干扰信号。 文章中提到的多距离fNIRS探针配置是指通过采用不同距离的探针来收集信号，其中短距离测量的信号用作虚拟通道，而长距离测量的信号用作测量通道。这种配置能够提供额外的信息，以帮助区分脑信号和干扰信号。 为了进一步验证和评估这一方法的有效性，作者还使用了基于成人头部五层模型的蒙特卡洛模拟方法。蒙特卡洛模拟是一种基于概率和统计的计算方法，它使用随机抽样来评估复杂系统中各个变量的影响。 文章中还提到了最小绝对偏差（LAD）估计器，这是一种统计方法，用于估计线性回归模型中的参数，使其最小化残差的绝对值之和，而非残差的平方和（如最小二乘法）。LAD估计器在处理含有异常值的数据时尤其有用。 fNIRS技术在监测大脑活动方面具有独特的优势，但在信号处理中需要解决的挑战是如何有效地分离出大脑信号和各种生理干扰信号。ICA算法为解决这一问题提供了可能，通过多距离探针配置以及LAD估计器等方法，可以进一步提高fNIRS技术在认知神经科学研究中的应用效果。这方面的研究对于医学、心理学、人机交互等领域都具有重要的意义。随着技术的不断进步和研究的深入，未来fNIRS技术在脑信号监测和分析中的应用将更加广泛。