如何评估近红外光谱NIRS信号质量?


假设你打算晚餐做一份沙拉——最重要的前提条件是什么呢?那便是拥有优质的食材,比如生菜、菠菜、番茄等。否则,如果食材不够新鲜,都有可能导致生病。

 

在近红外光谱(NIRS)中,获得良好的数据质量就好像是拥有优质的食材(信号)一样重要,这样才能得到一个“健康”的测量结果,不会让你的分析“生病”。信号质量差可能导致对收集到的数据做出错误的解释。但是,如何评估NIRS信号的质量呢?请继续阅读这篇博文,跟随小编学习一种简单的方法来直观地评估近红外测量的信号质量,了解三种确定NIRS信号质量的方法。

 

让我们先看一个高质量近红外测量的样本数据。在图1中,我们可以在50 Hz的高采样率下用Brite进行的测量数据中找到一个10秒的功能性NIRS通道片段。近红外光谱信号由多种成分组成,除了血液动力学信号外,还包括心率和呼吸频率等生理信号。因此,在信号中可以看到指示心跳的周期性脉动。它在红色信号(O2Hb)中比蓝色信号(hbb)更明显,因为hbb信号通常比O2Hb信号具有更小的尺度和更高的噪声水平。

 

 

图1:10秒fNIRS测量片段(采样率:50 Hz),红色和蓝色信号分别表示氧合血红蛋白(O2Hb)和脱氧血红蛋白(hbb)的相对浓度变化。

 

研究表明,要想获得良好的NIRS信号质量,必须确保光极与头皮紧密贴合,也就是确保光极正确放置在头部。NIRS信号的一些组分,比如心脏(心跳)和呼吸信号,在光极与头皮之间的贴合程度越好,捕捉得越明显。因此,利用心跳的噪声,我们可以通过测定信号中的心跳强度来评估信号质量。信号中心跳越清晰,信号质量越好。

 

信号质量指数(SQI)

 

Artinis团队开发了对近红外光谱信号质量进行评估的算法即信号质量指数SQI,用于将NIRS信号质量进行连续的数值等级评定,从1(代表非常低的信号质量)到5(代表非常高的信号质量)。该算法为每个测量通道的分段时间窗口计算SQI指数。例如,在图2中展示了两个10秒的信号片段,其中使用SQI算法来确定信号质量。第一幅图显示的信号片段的SQI评分约为1,表示信号质量非常低,而第二幅图显示的信号片段的SQI评分约为5,表示信号质量非常高。

 

 

图2:用SQI评分的两个信号段,第一个信号段的评分为1,第二个信号段的评分为5

 

评估近红外光谱NIRS信号质量的三种方法

 

1、通过使用Oxysoft采集软件

 

Artinis开发的采集软件Oxysoft目前提供了可实现评估SQI的版本,可以在DAQ Values工具栏中访问。可以通过在下拉列表中选择“SQI(Experimental)”选项来启用该功能,如下图所示。然后,SQI的定性评分将以三个级别显示:“差”、“中”和“好”。OxySoft中的SQI算法使用5秒的时间来计算SQI。计算完成后,SQI的值将转换为三个级别:1和2表示“差”,3表示“中”,4和5表示“好”。

 

图3显示了第二个面板中使用PortaLite MKII完成的测量示例。每个通道的SQI定性评分实时确定并显示在DAQ值工具栏中。在本例中,示例测量中使用的系统的两个通道的SQI分数被确定为“良好”。在三个通道中,SQI评分被判定为“中等”。在一个通道中,即, Rx2-Tx1, SQI评分计算为“差”。O2Hb中具有更清晰心跳的通道也提供了更好的信号质量级别。

SQI的这种实现既可以在初始化期间使用(即,将帽放在头上),也可以在实验期间使用,以确定三个级别的每个(f)NIRS通道的信号质量。

 

 

图3:使用PortaLite MKII执行的测量。每个通道采用SQI算法,信号质量实时分为“好”、“中”、“坏”三个等级。

 

2.通过Matlab和Python函数(开源)实现

 

Artinis还开发了用于计算10秒近红外信号段的SQI等级的 Matlab和Python函数。函数包已公开发布在artiis GitHub存储库(SQI.m)中。该函数有五个参数:OD1、OD2、oxy、dxy和Fs。OD1和OD2分别表示高、低波长的光密度值。Oxy和dxy分别代表O2Hb和hbb信号,Fs为采样率。该函数返回从1到5的连续范围内的SQI评级

 

3、通过Fieldtrip工具包(开源)实现

 

对于FieldTrip用户而言,修改后的MATLAB函数已公开发布在FieldTrip GitHub存储库(ft_nirs_signalqualityindex.m)中。该函数采用二元制评估SQI结果,即它将信号质量分为好和坏两个级别。如果SQI等级高于或等于预定义的阈值,则认为信号质量良好,否则被归类为信号质量差。这个函数有两个参数,cfg和data。cfg是一个结构数组,它应该有两个字段:阈值和cfg.窗口长度。前者是前面提到的预定义阈值,默认设置为3.5。后者是分割中的窗口长度,默认设置为10(秒)。该函数的第二个参数(即datain)是原始的NIRS数据,该数据是根据ft_预处理函数(用于导入和预处理数据的FieldTrip函数)的输出构建的。该函数在信号质量低于预定义的SQI阈值(即质量差)的信号段中返回原始数据的副本,替换为NaN(表示非数字)。

 

跟随小编学习如何直观地评估近红外光谱信号质量,加速您的研发进程!

 

参考文献

[1] L. Pollonini, C. Olds, H. Abaya, H. et al. Auditory cortex activation to natural speech and simulated cochlear implant speech measured with functional near-infrared spectroscopy. Hear Res, vol. 309, pp. 84–93, Mar. 2014,

[2]L. Pollonini, H. Bortfeld, and J. S. Oghalai. PHOEBE: a method for real time mapping of optodes-scalp coupling in functional near-infrared spectroscopy. Biomedical Optics Express, Vol. 7, Issue 12, pp. 5104-5119, vol. 7, no. 12, pp. 5104–5119, Dec. 2016

[3]M. S. Sappia, N. Hakimi, W.N.J.M Colier et al. Signal quality index: an algorithm for quantitative assessment of functional near infrared spectroscopy signal quality. Biomedical Optics Express, Vol. 11, Issue 11, pp. 6732-6754, vol. 11, no. 11, pp. 6732–6754, Nov. 2020

 

 

关键词:

维拓启创,NIRS,近红外光谱成像,NIRS信号质量,信号质量指数,PortaLite MKII

搜索

全部
  • 全部
  • 产品管理
  • 新闻资讯
  • 介绍内容
  • 企业网点
  • 常见问题
  • 企业视频
  • 企业图册