如何评估近红外光谱NIRS信号质量？
分类：
产品动态
作者：
维拓启创
来源：
维拓启创
发布时间：
2023-07-31 14:59
访问量：
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：
微信公众号
