基于fNIRS-BCI判别前额叶和运动顶叶的initial dip

1.研究背景

fNIRS信号根据脑活动分为三个阶段：initial dip, conventional hemodynamic response(HR), undershoot。此文聚焦于initial dip，initial dip是对血氧变化做出反应最快的一种信号，在大脑视觉和运动皮层。以往基于fNIRS-BCI使用血氧动力学变化（HR）作为BCI的控制信号，问题是这种信号有5s左右的延迟。为解决上述问题，Zafar and Hong提出一种方法探测前额顶叶的multiple initial dip，这种方法检测0-2.5s时间窗内的信号，证明这种方法具有很大的潜力提升延迟问题。在此文中提出另一个中法，判别前额叶和顶叶运动区的initial dip，以此作为BCI控制信号。结果显示三分类正确率为66.6%。

2.研究方法

2.1 被试

五位男性被试，年龄在27.5 ± 4.5左右，没有精神疾病。

2.2 实验范式

包括心算，静默数数，右手手指敲击。光源放在前额叶和左顶叶运动区。实验包括三个sessions，session前静息120s，session后静息40s。心算范式内容为三位数内减法；静默数数范式内容为三位数倒数；右手手指敲击被要求越快越好。

2.3 信号获取和预处理

设备和分析软件使用ISS Imagent。使用690nm和830nm两种波长光源测量ΔHbO和ΔHbR信号，采样频率为12.625Hz。前额叶和顶叶运动脑区各包括8个光源，2个探测器。预处理使用0.15Hz低通滤波器减少呼吸和心跳信号。

2.4 特征提取

Initial dip检测方法为向量相位分析（vector phase analysis），同时设定阈值剔除质量不好的信号，以减少对initial dip的错误分类。对各种到信号做加算平均后，计算0-1s,0-1.5s,0-2s,0-2.5s时间窗内的信号均值，信号斜率，信号最小值，峰度，偏度作为特征放入LDA判别器中分类。

3.实验结果

上图是三种范式的信号加算平均的结果，区别很明显。

上表为各被试分类结果，可以看出分类准确率超过chance level。

各特征分别做分类结果如上，均值和最小值的组合有最好的分类准确率。

4.结论

实验结果证明检测前额叶和顶叶运动区的initial dip，可以作为BCI的控制信号。未来加入ΔCOE信号或可进一步提高分类准确率。

5.文献名称及DOI号

Classification of prefrontal and motor cortex initial dips for fNIRS-based-BCI. Amad Zafar IEEE Transactions.

DOI:10.1109/CACS.2017.8284261