基于深度学习的fNIRS脑功能成像解码模型血红蛋白浓度变化与思维活动识别相关参数及设计要求.docVIP

基于深度学习的fNIRS脑功能成像解码模型血红蛋白浓度变化与思维活动识别相关参数及设计要求

一、fNIRS脑功能成像与血红蛋白浓度变化的生理基础

功能性近红外光谱（functionalNear-InfraredSpectroscopy,fNIRS）是一种无创的脑功能成像技术，通过检测大脑皮层中氧合血红蛋白（Oxy-Hb）和脱氧血红蛋白（Deoxy-Hb）的浓度变化，间接反映神经元的活动状态。其核心原理基于神经血管耦合机制：当大脑特定区域的神经元被激活时，局部脑血流量和氧代谢率会发生改变，导致该区域的Oxy-Hb浓度升高，Deoxy-Hb浓度降低。这种浓度变化可以通过近红外光在脑组织中的吸收差异被检测到。

在fNIRS系统中，通常采用波长在650-900nm之间的近红外光，因为这个波段的光能够穿透颅骨和脑组织，且被血红蛋白的吸收特性具有明显差异。Oxy-Hb在约660nm波长处吸收较强，而Deoxy-Hb在约850nm波长处吸收较强。通过测量不同波长光的入射光强和出射光强，利用比尔-朗伯定律可以计算出Oxy-Hb和Deoxy-Hb的浓度变化。

需要注意的是，fNIRS信号不仅包含与神经活动相关的成分，还受到多种生理噪声的干扰，如心跳、呼吸、血压波动、头皮血流等。这些噪声的频率范围与神经活动信号可能存在重叠，因此在数据预处理阶段需要进行有效的噪声去除，以提高后续解码模型的性能。