功能近紅外光譜與功能核磁共振運動想象腦機接口雙模態比較研究*

安嘉琳，張屾，王玲，田一竹，李德玉△，汪待發△

(1.北京航空航天大學生物與醫學工程學院，北京 100083； 2.生物醫學工程高精尖創新中心，北京航空航天大學，北京 100083)

1 引 言

運動想象(motor imagery, MI)是腦機接口(brain machine interface, BCI)領域應用最廣泛的范式之一[1-3]。通過對肢體運動的想象，實現對外部設備的控制，在中風等運動功能障礙患者的康復訓練、助行等方面具有重要的應用價值[4-5]。

相對腦電(electroencephalography, EEG)，作為新興的腦功能成像模態，功能近紅外光譜技術(functional near-infrared spectroscopy, fNIRS)具備佩戴方便，抗運動、電磁干擾能力強等優勢，近年來吸引了國內外BCI研究者的廣泛關注[6]，期望解決EEG-BCI從實驗室走向臨床所面臨的實際應用挑戰。相對EEG在頭皮采集直接的神經元電發放信號，基于光學的fNIRS與基于磁學的fMRI類似，采集的是神經血管耦合效應引起的血紅蛋白濃度變化，是一類間接的腦功能成像方法。血紅蛋白濃度是一種慢變信號，有效頻率通常在0.2 Hz以下。因而，相對EEG-BCI，fNIRS-BCI在實驗及算法設計上有較大差異。

目前基于fNIRS的MI研究取得了重要的進展。已有研究多集中在范式、算法設計等方面[7-8]，或是通過反饋系統提升被試的訓練效率[9]，但所報道的運動想象分類率普遍較低，例如左右手運動想象的平均分類率通常在70%左右，與EEG-BCI(80%以上)[10-11]報道的分類效果尚有較大的距離。

本研究擬探究目前fNIRS-BCI運動想象分類率相對較低的原因。具體而言，分類率較低的主要原因是目前常用的實驗范式引起的大腦皮層血紅蛋白濃度變化差異性或穩定性不足，還是由于常用的fNIRS拓撲排布式在腦活動信息獲取方面存在不足。在fNIRS中，一對光學發射-接收探頭獲取一個通道的腦血紅蛋白變化信息。由于近紅外光在經過皮層的過程中穿過了皮膚和顱骨，造成信號在較大程度上受到淺表信號干擾[12]。相對而言，基于磁學的fMRI具備空間分辨率高，不受淺層信號干擾的優勢。這里，我們對同一批被試先后開展fNIRS和fMRI左右手運動想象實驗，并將fMRI數據映射到fNIRS通道上。結果表明，fMRI-BCI分類結果顯著高于fNIRS-BCI，說明受淺表信號干擾的拓撲式排布fNIRS腦皮層信息獲取能力不足是左右手運動想象分類率較低的瓶頸所在。

2 方法

利用fMRI和fNIRS兩種方式采集運動想象任務時的大腦響應數據。為保證實驗對照效果，同一被試的fMRI與fNIRS數據采集在同一天進行，間隔不超過4 h。同時，為避免可能存在的訓練效應，fNIRS和fMRI采集的先后順序隨機。

由于兩種影像模態的空間分辨率有顯著差異，為保證可比性，將fMRI數據映射到fNIRS通道上，使得兩種模態所提取輸入到分類器的數據具有同樣的維數。

2.1 研究對象

實驗隨機選取12名右利手男性被試，年齡20～25歲，無磁共振掃描禁忌，心腦血管和運動功能障礙疾病。正式實驗之前，被試需要熟悉實驗流程并簽署知情同意書。

2.2 實驗系統

本實驗中fNIRS數據采用丹陽慧創醫療設備有限公司的功能近紅外光譜成像系統NirsScan采集，該系統擁有雙波長光源：740、850 nm，采樣頻率17 Hz。fNIRS系統中的發射與接收探頭排布方式見圖1(a)，其中S1～S17為發射探頭，D1～D22為接收探頭，62條灰色連線代表通道，其中S5、S9 與S13對應腦電10-20系統中C3、Cz和C4點，該排布覆蓋運動區及頂葉區。

fMRI數據采用清華大學生物醫學影像研究中心的Philips Achieva 3.0 T TX 磁共振成像系統，進行fMRI全腦成像時所采用的是平面回波成像序列。采集參數如下：TR=2 000 ms，TE=35 ms，反轉角度為90°，共30個掃描層，層厚3.5 mm，隔行掃描。在功能像掃描前獲取結構像，在此過程中，被試需佩戴與fNIRS實驗階段相同的頭帽(未安裝光纖)，在原放置探頭的孔中放置維生素E[13]，用以獲取與fNIRS數據采集過程中發射與接收探頭排布位置相對應的空間坐標。根據結構像標定點坐標，提取相應的fMRI點信號，實現從fMRI到fNIRS通道的映射，以保證兩模態運動想象BCI的比較。

2.3 范式

采用腦機接口經典范式——運動想象。實驗開始之前，要求被試休息5 min，保持平靜狀態。每一個實驗段由8 s的任務時間與12 s的休息時間組成(見圖1(b))，任務開始時，被試根據屏幕提示想象左手(或右手)手指以大約3 Hz的頻率進行敲擊，休息開始時，被試被要求思維放空，保持平靜。左、右手想象任務各隨機重復15次。

在fNIRS實驗時，被試坐在舒適的座椅中，注視座位前電子屏幕中的任務提示，想象手指敲擊桌面。在fMRI實驗中，被試頭戴降噪耳機平躺在掃描儀中，通過眼前的方鏡反射觀察屏幕中的任務提示想象運動。

圖1 發射-接收探頭排布及實驗設計

2.4 數據分析

2.4.1信號預處理 對于近紅外數據，被試在實驗過程中可能的頭動會導致頭皮與探頭的相對滑動，帶來運動偽跡，表現為信號的沖激式或斷崖式跳變，這里采用樣條插值法修正[14-15]。之后進行0.01～0.2 Hz的帶通濾波，去除脈搏、呼吸等生理波動引發的噪聲以及環境、溫度變化造成的基線漂移。利用修正的Beer-Lambert定律，將光強數據轉化為含氧、脫氧血紅蛋白濃度的相對變化量。

(1)

Lλi=r×DPFλii=1，2

(2)

(3)

對于fMRI數據，需要進行預處理及通道時間序列提取為后期與fNIRS數據的比較研究做準備。預處理過程主要包括數據準備、空間預處理、空間標準化和平滑，見圖2。數據準備是要將采集到的原始數據進行分類并將其轉換為SPM解析格式；空間預處理用來校正層間由于圖像獲取時間不同產生的差異，排除頭動允許范圍外的數據，將功能圖像與高分辨率的結構圖像疊加配準，進行信息的變換；空間標準化是將不同被試的圖像同一化到標準腦上；最后進行空間平滑處理，修正圖像重建過程中引入的誤差。預處理后，結合帶有維生素E標記的結構像與平滑后的功能像提取出標記區域腦皮層深度的時間序列，以標定的通道位置中心對應腦皮層內的體素點為圓心，取半徑為5 mm的球體為感興趣區域，得到感興趣區域內所有體素的平均時間序列值作為此通道的時間序列用于后續分類。

圖2 磁共振數據處理流程圖

2.4.2共空間模式空間濾波分類 利用共空間模式(common spatial pattern, CSP)算法構建分類器。CSP的核心思想是在高維空間中尋找兩類數據的最佳投影方向，使得其中一類樣本方差最大，另一類樣本方差最小[16-18]。對于有共同神經活動源的兩種任務，該方法以各自協方差矩陣為基礎，通過矩陣分解最大化二者的差異，從而得到任務特異的空域模式。以基于fNIRS的左手運動想象數據樣本為例，維度為N(通道數)×T(采樣點)，其CSP空間濾波器(SFL)可由式(4)計算得出[19-20]：

(4)

CovL與CovR分別是二者的協方差矩陣，SFL代表針對左手樣本的各通道之間的權重。

對于fNIRS主運動區的數據(S5與S13相關通道)，經過CSP空間濾波后，對任務階段數據(考慮到2 s的血液動力響應，取2～10 s數據)以2 s為窗長分窗，在4個時間窗內提取均值作為特征，采用線性判別分析(linear discriminant analysis, LDA)對左、右手任務特征進行分類；同理對于fMRI主運動區及部分軀體感覺區(S5, S6, S13及S14相關通道)數據，利用CSP濾波后，將任務段數據(BOLD信號的延遲響應約4 s)的幅值作為特征進行分類。

3 結果與討論

3.1 雙模態血液動力響應

圖3(a)、(b)為12名被試左、右手運動想象的fMRI BOLD信號歸一化均值曲線，圖3(c)、(d)為fNIRS信號含氧血紅蛋白濃度均值曲線。其中-2～0 s時刻為基線狀態，0～8 s為任務狀態，8～20 s為休息階段，每一條曲線代表一個通道的時間序列。對于fNIRS信號，隨著任務階段的開始，含氧血紅蛋白濃度逐漸上升，由于約2 s的血液動力響應延遲，在10 s左右到達峰值，隨后在休息階段回歸至基線值。BOLD信號隨著任務的執行，幅值也顯著增強，且延遲響應要高于fNIRS信號。這是由于fMRI的采樣頻率只有0.5 Hz，對血氧代謝的細節信息未能完整獲取。總體而言，雙模態血液動力響應均與任務范式的設計相吻合，反映了大腦神經活動引發的血氧代謝的變化。

圖3BOLD信號與含氧血紅蛋白濃度均值曲線

Fig3MeanBOLDgreyvalueandHbOconcentrationcurves

圖4(a)、(b)、(c)、(d)分別為峰值時刻左、右手運動想象BOLD信號歸一化均值曲線與HbO濃度均值曲線的分布圖像，其中白色虛線方框代表主運動區。結果表明，在任務執行過程中，對側主運動區HbO濃度與BOLD灰度值均明顯上升，體現了交叉控制的特點，而同側運動區以及部分軀體感覺區也有一定程度的激活。相對而言，fMRI信號雙側主運動區的差異對比度更加顯著，而fNIRS信號受到淺表信號以及全局變量的影響，通道之間具有更高的相關性，空間特異性明顯低于fMRI信號。

圖4峰值時刻血紅蛋白濃度分布及BOLD信號灰度值分布圖

Fig4ThedistributionofHbOandgrayvalueatthepeaktime

3.2 分類準確率

圖5為fNIRS信號和BOLD信號使用CSP算法處理后的分類準確率結果，橫坐標表示被試編號，縱軸為分類準確率。藍色柱狀代表fNIRS數據，其左、右手運動想象的平均分類準確率為67.3%±10.2%，紅色柱狀代表fMRI數據，其分類準確率則達到80.3%±16.0%，二者具有顯著差異(P=0.02)。該結果也與兩種模態所能獲取的腦功能信息直接相關，fMRI主運動區的高對比度體現了更強的任務響應差異度，有利于任務的二分類。

圖5 左右手運動想象分類結果

4 結論

本研究比較了fNIRS與fMRI兩種模態的左右手運動想象BCI分類效果。結果表明，fMRI-BCI分類結果顯著高于fNIRS-BCI，說明目前研究中常用的拓撲式排布fNIRS在獲取腦皮層信息方面依然存在局限，是限制左右手運動想象fNIRS-BCI分類率的主要瓶頸。

從研究結果來看，fMRI與fNIRS均能反映運動想象任務期間的腦部血氧代謝變化。二者均在對側主運動區顯著激活，體現了偏側化控制的特點。不同之處在于，fMRI信號相比fNIRS信號在兩側主運動區表現出了更強的對比度，相應的分類效果也顯著更優。這是因為，fNIRS信號的獲取易受到全局變量的影響，當被試執行想象任務時，淺層血流供應狀況也會隨之改變[12,21]，并疊加到所觀測的腦皮層信號中。對于MI信號較低的信噪比，淺層信息的影響會更加嚴重，進而為信號的分類帶來不利因素。對于fNIRS技術而言，拓撲式的探頭排布有其自身明顯的局限性，信號不可避免地受到非目標層的干擾，為后期的分析與應用帶來不確定因素，然而，在血氧代謝的評估上，得益于更高的時間分辨率，fNIRS比fMRI能獲取更多的細節變化。在未來的研究中，借助高密度fNIRS[22]提升空間分辨率，并利用斷層重建去除不同淺層信息的干擾，將有望攻克fNIRS-BCI當前所面臨的分類率較低的瓶頸。

在本研究中，受限于實驗條件，fNIRS與fMRI數據并未做到同步采集。因而，無法在單試次任務的尺度對兩模態獲取的信息進行細致比較。在下一步的研究中，將開展兩種模態的同步數據采集，以fMRI作為參考金標準，開展對照研究，為fNIRS-BCI的實驗設計、數據獲取、算法設計等提供理論指導。