用于大腦疲勞檢測的INIRS系統設計

摘要：大腦疲勞的癥狀體現在認知能力的下降，認知功能主要由前額葉皮層（PFC）調控。功能性近紅外腦成像技術（fNIRS）能夠測量一段時間內的大腦血氧濃度變化，從而間接反映大腦皮層的激活程度。設計了一款具有10通道且可覆蓋前額葉區域的可穿戴fNIRS頭帶，并使用該頭帶對受試者大腦進行檢測，觀察受試者是否進入疲勞狀態。設備采用780 nm和850 nm的激光二極管和光電二極管作為光源和光電探測器，光源采用頻分復用的調制方法來區分兩種波長以及屏蔽環境光的干擾，并且采用時分復用的方法驅動光源以獲得較高的探測效率。fNIRS頭帶制作完成后將其應用于間隔認知測試，結果發現氧合血紅蛋白（HbO）和脫氧血紅蛋白（Hb）的濃度均存在間隔性變化，證實了fNIRS頭帶的可行性。隨后招募受試者參與模擬駕駛實驗，并在模擬前后測量認知能力。fNIRS成像結果均能觀察到在實驗后期背外側前額葉（DLPFC）皮層HbO濃度的下降，且認知任務結果顯示認知能力下降，表明實驗后期受試者大腦開始疲勞，由此驗證了fNIRS頭帶檢測疲勞的可行性。

關鍵詞：功能性近紅外腦成像技術（fNIRS）；前額葉；血氧濃度；疲勞檢測

中圖分類號：TH 773文獻標志碼：A

Design offNIRS system used for mental fatigue detection

SHEN Wushuang1，SHEN Huijuan1，SU Tong2，WANG Hao2，ZHANG Xuedian1，MA Pei1

（1.School of Optical-Electrical and Computer Engineering，University of Shanghai forScience and Technology，Shanghai 200093，China;

2.Faculty of Psychology，Naval Medical University，Shanghai 200433，China）

Abstract：The symptoms of brain fatigue are reflected in a decline in cognitive function，which is mainly regulated by the prefrontal cortex（PFC）.Functional near-infrared spectroscopy（fNIRS）can measure the changes in cerebral blood oxygen concentration over a period of time，thereby indirectly reflecting the degree of activation of the cerebral cortex.Therefore，a wearable fNIRS headband with 10 channels that can cover the prefrontal area is designed，and the headband is used to detect the subject's brain to observe whether the subject enters the fatigue state.The headbanduses 780 nm and 850 nm laser diodes and silicon photodiodes as light source and photodetector.The light source uses frequency division multiplexing modulation method to distinguish two different wavelengths and to shield the interference of ambient light，and also time division multiplexing to drive the light source to obtain higher detection efficiency.After the fNIRS headband was made，it was applied to the interval cognitive test.The results showed that there were interval changes in the concentration of oxygenated hemoglobin（HbO）and hemoglobin（Hb），which confirmed the feasibility of the fNIRS headband.Subjects were then recruited to participate in a simulated driving experiment，and cognitive ability was measured before and after the simulation.The results of fNIRS imaging showed a decrease in the concentration of HbO in the dorolateral prefrontal cortex（DLPFC）in the late stage of the experiment.Cognitive tasks showed a decline in cognitive ability，indicating that the subjects'brain began to fatigue in the late stage of the experiment，thus verifying the feasibility offNIRS headband in detecting fatigue.

Keywords：functional near-infrared spectroscopy;prefrontal cortex;blood oxygen concentration;test of fatigue

引言

疲勞主要分為精神疲勞和生理疲勞，是由于過度的身體活動或者心理活動導致的。生理疲勞主要體現在身體活動功能以及效率下降，而精神疲勞主要體現在潛在的認知功能損害[1]。人類大腦的前額葉主要負責認知和記憶等功能[2]，大腦精神疲勞體現在認知功能下降，因此對前額葉區域進行認知功能監測可以看出受試者在長時間精神高度集中的工作狀態下是否產生疲勞[3]。對于需要長時間注意力集中的工作人員來說，若在工作時因腦疲勞發生失誤可能會導致嚴重的后果，例如：司機長時間在高速公路行駛容易因疲勞駕駛而發生車禍；工廠操作工容易因長時間的工作而產生腦疲勞，從而導致發生安全事故的概率上升；甚至在軍事領域中，若作戰人員需要面對突發情況但已經處于大腦疲勞的狀態，由于其操作能力和反應能力的下降容易造成工作失誤。因此，實時監測工作人員的大腦疲勞狀態對于保障其人身安全來說非常重要。

目前檢測疲勞狀態的主流方法是在工作前后通過測試認知能力并查看能力是否下降的結果來判斷疲勞狀態，或者在工作結束后通過《疲勞自測表》來判斷[4]。因此此類判斷疲勞的方法存在較大的漏洞，無法在工作過程中檢測到疲勞狀態，容易在工作后期因大腦疲勞而產生安全隱患。此外還有通過監控檢測眼動信號，手環檢測心率變異性、肌肉抽搐等生理指標[5]來檢測疲勞狀態，這些生理指標間接檢測了大腦的疲勞狀態，而功能性近紅外腦成像技術（functional near-infrared spectroscopy，fNIRS）設備能夠直接檢測大腦的認知狀態，對于疲勞狀態檢測具有直接效果[6]，此外fNIRS具有良好的時間分辨率和空間分辨率，具有非侵入性、無損、便攜、低成本等特點[7]，fNIRS設備的可穿戴性以及便攜性可以使其應用于各個工作場景。

fNIRS可以實時對大腦前額葉的激活程度進行成像，是一種通過放置在頭顱上的fNIRS頭套去采集分析信號從而反映腦活動的一種技術[8]。fNIRS的檢測原理為當大腦受到外界任務刺激并且開始劇烈的腦活動時，在神經血管耦合的作用下會引起氧合血紅蛋白（HbO）的濃度上升以及脫氧血紅蛋白（Hb）的濃度下降[9]，由于HbO和Hb在600～900 nm波長范圍內具有較高的吸收系數，可采用近紅外波段來檢測HbO和Hb的濃度變化[10]。其檢測過程為放置在頭皮上的光源發射近紅外光并且穿過腦組織，由放置頭皮上的光電探測器接收出射光強，出射光強在腦組織吸收和散射的作用下與入射光強相比幅值有所減少，因此根據已知的入射光強和采集到的出射光強應用修正的比爾–朗伯定律（modified Beer-Lambert law，MBLL）[11]可以將其轉化為HbO和Hb的濃度，MBLL如式（1）所示，血紅蛋白濃度變化的求解如式（2）所示。

式中：ΔOD為光衰減量，可由已知的入射光強和探測到的出射光強計算得到；ε為消光系數，可通過文獻查閱HbO和Hb在各種波長下對應的ε[12]；C為需要求解的HbO和Hb的濃度變化；DPF為路徑長度修正因子，可通過文獻查閱得到不同波長下的DPF[13]；d為光源–探測器之間的距離。

血紅蛋白的濃度變化反映了大腦的血液動力學活動，從而間接反映了大腦皮層各個腦區的激活程度。在fNIRS系統中，大腦精神疲勞導致的認知能力下降體現在HbO的濃度下降以及Hb的濃度上升，因此普遍認為血紅蛋白的濃度變化是認知狀態變化的直接響應[14]。

為了檢測工作過程中的大腦疲勞狀態，本文設計了一款測量前額葉血紅蛋白濃度變化的連續波型[15]fNIRS頭帶，采用激光二極管（LD）和光電二極管（PD）的組合作為該系統的發射光源和信號接收模塊，為了使探測通道能覆蓋前額葉整個區域，采用3 cm的光源–探測器距離，共組成10通道對受試者的前額葉進行測量。隨后通過間隔認知實驗測試了fNIRS系統的性能，證實了fNIRS系統能夠按照實驗設計產生相應的血紅蛋白濃度響應。在驗證fNIRS設備可正常工作后，設計了一個模擬駕駛實驗，監測受試者在模擬駕駛過程中從精神狀態良好過渡到疲勞狀態時大腦前額葉的血氧濃度變化，并且通過測試認知任務的對比反應受試者在模擬駕駛任務前后的認知能力，其結果與fNIRS設備顯示的結果一致，驗證了fNIRS設備在工作時檢測疲勞狀態的可行性。

1 fNIRS系統設計

1.1光源模塊設計

本實驗所設計的fNIRS頭帶共由4組光源和4個探測器組成，共組成10個通道，可以對大腦前額葉全域進行測量。每組光源由一個780 nm和850 nm波長的N型激光二極管（LD型號QL78J6SA和QL85J6SA）組成。除LD之外，將LED作為光源也較為常見[16]，因為LED相比于LD的波長選擇范圍更廣、體積更小、安全性能更高且其價格更便宜[15]，但是LED的缺點在于它發射出來的是帶寬較寬的非相干光，而激光二極管則能發射窄帶寬的相干光。當光源應用于fNIRS系統時，LD可以避免兩波長的重疊，能夠大大降低光源波長重疊帶來的干擾[17]，該優勢對于同時發射不同波長光源的fNIRS系統來說尤為重要，因此本文采用LD作為該系統的發射光源。為了完全區分每組光源中同時發光的兩個不同波長的激光二極管，采用了頻分復用的方法，將780 nm波長的LD和830 nm波長的LD分別調制在1.3 kHz和1.8 kHz的頻率上，然后對采集到的數據利用帶通濾波器提取1.3 kHz和1.8 kHz頻率上的信號，該信號即光源穿過頭皮的真實光強變化信號，此方法還可以屏蔽環境光的干擾。

激光二極管的驅動電路采用了德國IC-Haus公司的IC-NZN集成芯片，用于驅動N型激光二極管，其驅動電路如圖1（a）所示。為了使探測器在光源時分復用時探測到個位數級的電壓，將LD的平均輸出光功率設置為15 mW，屬于三類激光產品[18]。LD的光功率由該芯片第3引腳MD所連接的RMON電阻調節，該電阻用于控制流過LD的電流大小；為了防止流過LD的電流太大而損壞LD，因此在第19引腳連接RSI電阻來設置限制電流，當電流達到所設置的極限時，第23引腳NERR會發出過流信號，放置在NERR端的LED能夠發光警告；第22腳NSLP實現對LD的開關控制，當NSLP接高電平時，LD發光，因此將NSLP端外接數據采集卡（DAQ）來控制LD的驅動順序。

1.2光電探測器模塊設計

光電探測器采用的是普通光電二極管（PD，TI公司，型號OPT101），光電二極管與雪崩光電二極管（APD）和光電倍增管（PMT）相比，它的成本低且線性度好，OPT101內部集成了光敏器件和一個互阻放大器，能夠有效地減少漏電流和雜散電容所引起的誤差，對提升系統的抗干擾性具有較大的幫助[19]；OPT101的輸出信號為電壓信號，能夠被數據采集卡直接采集，不需要轉換電路將電流信號轉化為電壓信號，從而減少I/V轉換帶來的損耗。OPT101的探測電路如圖1（b）所示，OPT101為8引腳的探測器，其4腳和5腳用于連接數據采集卡，將實時的電壓變化輸出至數據采集卡儲存；當探測器處于相對黑暗的環境時，易產生暗電流，因此采用REF200、OPA177以及500 kΩ的可調電阻用于減少光電探測器產生的暗電流，提高采集信號的準確度。

1.3系統控制及數據采集模塊設計

光電探測器和光源被分別安裝于3D打印的探頭外殼內，光源和探測器的距離為3 cm[20]，如圖2所示。測量時將所需要的光源和探測器探頭放入fNIRS頭帶的凹槽底座內，此設計利用簡單的旋轉可將探頭與底座拆卸和安裝，探頭的平面設計可以使光源垂直入射大腦，以便光電探測器接收。

為了避免4組光源同時發光從而導致探測器在接收時無法區分來自各個方向的光強，系統采用時分復用[21]的方法將每組LD輪流點亮，為了提高探測器的測量效率，光源輪流點亮的過程為S2、S3、然后S1和S4同時點亮，每組光源點亮200 ms，整個周期為600 ms，光源和探測器的排布以及光源驅動時序圖如圖3所示。4個光電探測器持續采集大腦的出射光強信號，采集完畢后將不同時段采集到的信號進行通道標號，例如當S2亮時，D1采集到的信號標為CH3；D2采集到的信號為CH4；D3采集到的信號為CH6，以此類推，每組光源驅動時探測器采集的通道如表1所示，其中由于S2與D4以及S3與D1的探測距離過長，因此舍棄D4與D1所采集到的信號。

數據采集卡（DAQ，型號USB3136A）的模擬I/O口接收來自OPT101的電壓信號，并將其保存在指定文件夾中。該數據采集卡的編程環境為LabView，因此光源的控制以及光電探測器的采集和保存均由LabView完成。其采集過程為：首先，由正弦波控件生成頻率為1.3 kHz和1.8 kHz、相位為90、幅值為0.28、偏移量為0.28的兩路余弦調制信號，由DAQ的模擬輸出端AO0，AO1輸出，由于該DAQ只有2個模擬輸出，因此采用8選2的CD4052芯片將兩路調制信號按照圖3所示的時序圖輪流對每組光源進行調制；其次，OPT101接收穿過大腦的光強信號并將其轉化為電壓信號；最后，由數據采集卡模擬輸入端接收并保存，其中為了保證保存速度高于采樣速度，增加了生產者/消費者結構[22]，以便數據不易丟失。

2 fNIRS系統性能測試

2.1系統性能測試方法

當大腦受到外界的刺激時，在fNIRS的結果中顯示為HbO的濃度上升以及Hb的濃度下降。為了測試所設計的fNIRS系統的可行性，設計了間隔性認知測試來驗證fNIRS結果是否呈現間隔上升或下降。間隔性認知實驗主要分為4個階段，過程如圖4所示。

第一階段：受試者佩戴好fNIRS頭帶，安靜地坐著，告知受試者閉眼放松，在此狀態下測量血氧的濃度變化2 min，該過程稱為測量靜息狀態下的基線變化。在測量基線的過程中，由于受試者處于閉眼安靜且沒有外界刺激的環境下，大腦的活動會趨于平靜，表現為HbO的濃度能夠變化至平緩狀態。第二階段：讓受試者開始3 min的尋物認知測試，過程為根據提示點擊對應的圖片，在此過程中，由于大腦受到外界的任務刺激，從而導致該階段內HbO的濃度上升，Hb的濃度下降。第三階段和第四階段重復第一和第二階段的過程。

實驗共招募了兩名受試者進行間隔認知任務實驗，兩名受試者的平均年齡為25歲，且身體健康，在開始間隔認知任務實驗前均具有良好的精神狀態。

2.2數據處理及分析

fNIRS頭帶的原始數據由DAQ傳輸至上位機進行處理分析，數據處理及結果分析以其中一名受試者的CH1為例。fNIRS原始信號數據是由光電探測器連續采集所得，根據系統時分復用驅動光源的方法，每個探測器所采集到的數據均由3個通道數據共同組成，探測器的原始數據如圖5（a）所示，不同的通道采集到的幅值有所區別，因此首先需要將每個光電探測器所采集到的數據進行分割，將其劃分成所需的10個通道數據。小波分解[23]能夠清晰地反映出信號中發生突變的斷點位置，斷點所包含的高頻分量可以在多層小波分解中顯現出來，因此可以通過斷點所在的索引將數據劃分成各個通道數據。查看原始數據的頻譜可知數據中包含780 nm的1.3 kHz以及850 nm的1.8 kHz光強信號，如圖5（b）所示。在調制過程中探測到的載波與原始載波存在一個時間差，因此實際探測到的信號與調制過后的信號存在一個相位差φ，為了消除相位差φ干擾，本文采用正交解調[24]的方法對每個通道信號解調，解調后的780 nm和850 nm波長的信號如圖5（c）所示。

解調后的fNIRS信號可能含有生理噪聲和受試者在測試過程中因不當行為所引起的噪聲等，因此需要通過預處理去除噪聲，提高信號的信噪比。生理噪聲主要包括心跳信號（1～1.5 Hz）、呼吸信號（0.2～0.3 Hz）、Mayer波（0.1 Hz左右），通過<0.1 Hz的低通濾波器可以將大部分生理信號噪聲去除[25]。針對頭動等不當行為引起的噪聲大部分在數據中呈現異常值的狀態，因此可以通過簡單的閾值濾波可以將其去除。本文采用上述所提到的小波分解檢測每個通道的異常值并將其用附近點的平均值代替。預處理后將兩個波長的光強數據轉化成光密度數據后代入修正的比爾?朗伯定律得到HbO和Hb的濃度變化曲線，區域平滑處理后的曲線如圖5（d）所示，其中紅色為HbO的濃度變化，藍色為Hb的濃度變化。

在fNIRS系統中，由圖5（d）可知，在測量基線的前2 min內，HbO和Hb的濃度變化趨于平緩。當大腦受到任務刺激時，即從第2 min開始，HbO的濃度明顯上升，Hb的濃度相比于基線有所下降，血紅蛋白濃度隨著任務的進行出現起伏變化。當任務結束受試者重新閉眼靜坐時，HbO的濃度大幅度下降以及Hb的濃度略微上升，符合受試者處于靜息狀態時大腦活動較少的血液動力學響應。當第4階段重新開始任務時，HbO的濃度再次上升，直至任務結束。實驗結果表明fNIRS所測得的HbO曲線與實驗理想的HbO濃度變化基本一致，驗證了本文所設計的fNIRS系統的可行性，可進一步用于檢測大腦的疲勞狀態。

3 fNIRS用于疲勞檢測實驗

3.1實驗對象及方法

本次實驗通過長時間的模擬駕駛來監測受試者的大腦血紅蛋白濃度變化，由此驗證fNIRS頭帶用于疲勞狀態檢測的可行性。實驗共招募了3名受試者進行實驗，由2名女性和1名男性組成，他們的平均年齡為26歲，且身體健康，實驗前保證其8h睡眠時間，使其在實驗初期精神狀態良好。實驗過程主要分為4個階段，如圖6所示。第一階段：測量基線，讓受試者閉眼舒適地坐2 min，測量該狀態下的fNIRS數據作為基線。第二階段：舒爾特方格游戲，該游戲通過從小到大點擊7×7方格內的1～49的數字來測試認知反應能力，并記錄游戲時長；第三階段：1 h的模擬駕駛，該模擬駕駛游戲為《歐洲卡車模擬2》，受試者需要佩戴耳機，用游戲手柄操控卡車，以獲取模擬駕駛的真實狀態，如圖7所示；第四階段：舒爾特方格游戲，在模擬駕駛結束后再次測試認知游戲，對比之前的游戲時長驗證大腦是否產生疲勞。本實驗符合《赫爾辛基宣言》規定的倫理標準，所有參與本實驗的受試者均熟悉實驗目的和流程，并簽署知情同意書。

3.2實驗結果分析

圖8是3名受試者在整個實驗過程中10個通道的大腦HbO的平均變化曲線，對照實驗流程圖6可知，在模擬駕駛前的5 min中，受試者處于閉眼測量基線和完成簡單認知測試的狀態，因此大腦的激活程度與模擬任務開始時對比相對平緩。當受試者開始模擬駕駛時，HbO的曲線開始上升，由此可知當大腦開始復雜的模擬駕駛任務時會使受試者的HbO濃度上升，Hb濃度下降，且隨著模擬駕駛的進行，HbO的濃度開始出現活躍的變化，對比受試者模擬駕駛時的錄屏發現，當突遇緊急狀況時，HbO曲線會有快速上升的現象；當勻速在公路上行駛時，HbO曲線會逐漸下降。大約從實驗的第22 min左右開始，可以看到明顯的HbO濃度下降，如圖8藍色直線所示，說明受試者在該模擬測試后期到達疲勞峰值，隨后由于大腦氧氣濃度的持續降低，供氧系統對這一變化做出反應[26]，即實驗末期HbO濃度開始逐漸回升以實現腦血氧的動態平衡，后期的幅度變化與剛開始相比較為平緩，說明在后期模擬駕駛對大腦的刺激程度無法達到剛開始實驗時的水平，驗證了受試者已經腦疲勞。觀察實驗錄屏過程發現在后期當注意力下降時，受試者出現車禍，車輛剮蹭等現象的次數上升，如圖8事故點所示。這些現象的頻繁出現也客觀反映了受試者的大腦已經疲勞。

將受試者10個通道的HbO數據進行歸一化并且將其按照探頭分布繪制前額葉中不同腦區的HbO濃度，圖9為受試者C在實驗過程中不同時間點的前額葉HbO濃度分布圖，其中紅色代表HbO的濃度高，藍色代表HbO的濃度低。由圖9可知，背外側前額葉（DLPFC）皮層在整個前額葉激活區域中占主導地位。當模擬開始時，DLPFC皮層的激活程度開始上升，并于模擬中期逐漸下降，在模擬后期下降至最小值。Ngetich等[27]提出DLPFC在認知領域的功能主要體現在注意力、規劃、工作記憶、決策、執行能力等方面，其中左側DLPFC主要負責決策中的認知能力和執行能力，右側DLPFC主要負責決策的注意力以及規劃等。對比模擬前和模擬開始時期，左側和右側DLPFC的HbO濃度均有上升，且右側的激活程度大于左側，說明模擬駕駛需要注意力高度集中。在模擬駕駛的中期和后期，DLPFC皮層的激活程度逐漸下降，并由內側前額葉（MPFC）占主導地位，Papasideris等[28]研究表明MPFC主要負責情緒控制、意識等，由此可見在模擬駕駛任務的中后期，注意力和認知能力的下降并且由意識占據主導地位來完成剩余的駕駛任務，說明此時受試者已產生腦疲勞。受試者在模擬駕駛任務前后所測試的認知任務時長如表2所示，時長變化均為正說明在模擬駕駛任務后大腦的認知能力下降，與任務前相比已經產生疲勞，該結果與fNIRS設備顯示的結果保持一致，因此可以驗證本文所設計fNIRS頭帶用于檢測腦疲勞的可行性。

4結論

首先基于LD和OPT101的優點，結合光源的頻分復用以及時分復用技術設計出了具有10通道的可穿戴fNIRS頭帶。采用fNIRS頭帶對受試者采集模擬駕駛任務時的血紅蛋白濃度，通過對實驗結果可視化后發現均能在實驗后期觀察到HbO濃度的下降以及HbO的濃度變化不再活躍，從而證明大腦已進入疲勞狀態，驗證了fNIRS檢測疲勞狀態的可行性。fNIRS應用于疲勞檢測彌補了只能在工作結束后才能判斷疲勞與否的弊端，對于需要長時間監測疲勞狀態的工作者來說具有積極的意義。未來可將深度學習與fNIRS系統相結合，通過對大量模擬駕駛樣本的訓練，達到能夠實時對采集到的數據進行疲勞狀態判斷及預警的目的，同時還可以對大腦疲勞狀態進行一系列的研究，這對于人類大腦的疲勞機制的認知具有重要意義。

參考文獻：

[1]ISHII A，TANAKA M，WATANABE Y.Neural mechanisms of mental fatigue[J].Reviews in the Neurosciences，2014，25（4）：469–479.

[2]MACHINSKAYA R I.The Brain executive systems[J].Zhurnal Vysshei?Nervnoi?Deiatelnosti Imeni I P Pavlova，2015，65（1）：33–60.

[3]REN Y F，CUI G，ZHANG X Q，et al.The promising fNIRS：uncovering the function of prefrontal working memory networks based on multi-cognitive tasks[J].Frontiers in Psychiatry，2022，13：985076.

[4]PAN T，WANG H B，SI H Q，et al.Research on the identification of pilots'fatigue status based on functional near-infrared spectroscopy[J].Aerospace，2022，9（3）：173.

[5]ANWER S，LI H，ANTWI-AFARI M F，et al.Evaluation of physiological metrics as real-time measurement of physical fatigue in construction workers：state-of-the-art review[J].Journal of Construction Engineering and Management，2021，147（5）：03121001.

[6]ZHANG Z，XU F G，YANG H J，et al.Mental fatigue detection based on the functional near infrared spectroscopy[C]//Proceedings of SPIE 10250，International Conference on Optical and Photonics Engineering（icOPEN）.Chengdu，China：SPIE，2016.

[7]FERRARI M，QUARESIMA V.A brief review on the history of human functional near-infrared spectroscopy（fNIRS）development and fields of application[J].Neuroimage，2012，63（2）：921–935.

[8]LI M Q，GONG A M，NAN W Y，et al.Neurofeedbacktechnology based on functional near infrared spectroscopy imaging and its applications[J].Journal of Biomedical Engineering，2022，39（5）：1041-1049.

[9]KORHONEN V O，MYLLYL?T S，KIRILLIN M Y，et al.Light propagation in NIR spectroscopy of the Human Brain[J].IEEE Journal of Selected Topics in Quantum Electronics，2014，20（2）：7100310.

[10]OBRIG H，WENZEL R，KOHL M，et al.Near-infrared spectroscopy：does it function in functional activation studies of the adult brain？[J].International Journal of Psychophysiology，2000，35（2/3）：125–142.

[11]CHEN X R，SONG X Z，CHEN L，et al.Corrigendum：performance improvement for detecting brain function using fNIRS：a multi-distance probe configuration with PPL method[J].Frontiers in Human Neuroscience，2021，15：786352.

[12]MATCHER S J，ELWELL C E，COOPER C E，et al.Performance comparison of several published tissue near-infrared spectroscopy algorithms[J].Analytical Biochemistry，1995，227（1）：54–68.

[13]ESSENPREIS M，ELWELL C E，COPE M，et al.Spectral dependence of temporal point spread functions in human tissues[J].Applied Optics，1993，32（4）：418–425.

[14]HEROLD F，WIEGEL P，SCHOLKMANN F，et al.Applications of functional near-infrared spectroscopy（fNIRS）neuroimaging in exercise-cognition science：a systematic，methodology-focused review[J].Journal of Clinical Medicine，2018，7（12）：466.

[15]SCHOLKMANN F，KLEISER S，METZ A J，et al.A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology[J].Neuroimage，2014，85：6–27.

[16]CHEN C，MA Z C，LIU Z H，et al.An energy-efficient wearable functional near-infrared spectroscopy system employing dual-level adaptive sampling technique[J].IEEE Transactions on Biomedical Circuits and Systems，2022，16（1）：119–128.

[17]熊偉超.基于連續波調制的功能近紅外光譜成像系統設計與實現[D].秦皇島：燕山大學，2018.

[18]王海娟，丁罕，黃志強，等.GB7247.1-2012中激光輻射分類的兩種評估方法[J].中國醫療器械信息，2021，27（23）：10–12，16.

[19]YAQUB M A，WOO S W，HONG K S.Compact，portable，high-density functional near-infrared spectroscopy system for brain imaging[J].IEEE Access，2020，8：128224–128238.

[20]KARTHIKEYAN P，HONKA U，ILVESM?KI M，et al.In vivo study on NIR light propagation in the human head[C]//Proceedings of SPIE 12192，Optical Technologies for Biology and Medicine.Saratov，Russian Federation：SPIE，2022：121920S.

[21]LIU D Y，WANG B Y，ZHANG Y，et al.Improving temporal resolution of fNIRS-DOT by the guidance of data-reduced pre-OT[C]//Proceedings of SPIE 11234，Optical Biopsy XVIII-Toward Real-Time Spectroscopic Imaging and Diagnosis.San Francisco，California，United States：SPIE，2020.

[22]李俊嬌，朱磊，張曉丹，等.基于LabVIEW的采集數據快速文件存儲方法[J].西安工程大學學報，2018，32（3）：311–315.

[23]WANG C J，NIE D X.Wavelet analysis realization of data pretreatment in acoustic emission detection of discharges[J].Relay，2003，31（11）：7?10.

[24]劉洋，劉東遠，張耀，等.面向腦機接口應用的便攜式fNIRS拓撲成像系統：全并行檢測與初步范式實驗[J].中國激光，2021，48（11）：1107001.

[25]張陽陽，李征.功能性近紅外光譜腦成像噪聲源及去噪方法綜述[J].紅外，2019，40（7）：35–46.

[26]MASAMOTO K，TANISHITA K.Oxygen transport in brain tissue[J].Journal of Biomechanical Engineering，2009，131（7）：074002.

[27]NGETICH R，ZHOU J，ZHANG J J，et al.Assessing the effects of continuous theta burst stimulation over the dorsolateral prefrontal cortex on human cognition：a systematic review[J].Frontiers in Integrative Neuroscience，2020，14：35.

[28]PAPASIDERIS M，AYAZ H，HALL P A.Medial prefrontal brain activity correlates with emerging symptoms of anxiety and depression in late adolescence：a fNIRS study[J].Developmental Psychobiology，2021，63（7）：e22199.

（編輯：張磊）