在功能性近红外光谱（fNIRS）成像技术的实现中，扩散光学层析成像（DOT）具有改善定量性和分辨率的巨大潜力，但其效果受制于生理干扰（呼吸、心跳和低频振荡等）、检测系统的随机噪声以及有限测量数据量带来的不适定性。为增强fNIRS-DOT成像的性能，本文提出了一种基于模型先验信息的深度卷积编解码网络重建方法，利用分层半三维重建算法实现对表层和深层脑血氧变化信息的初步区分，发挥卷积、编解码网络对空间特征的学习能力，实现对深层脑激活信息的提取重建。为验证所提重建方法的有效性，开展了数值模拟和仿体实验，并将其与传统重建方法进行对比。结果表明，所提重建法不仅可以显著提高重建精度，极大地缩短重建时间，而且具有优异的泛化能力，为实现动态fNIRS成像提供了重要参考。

功能性近红外光谱(fNIRS)具有无创、非电离、适宜的时间/空间分辨率等优点,已逐渐成为传统脑功能成像技术(如核磁共振成像、脑电图等)的重要补充,越来越多地被应用于脑功能临床研究。然而,在实际应用中,生理干扰(心跳、呼吸和低频振荡等)和随机噪声(散弹噪声和环境噪声等)往往会给fNIRS脑功能成像带来明显的伪影,甚至“湮灭”真实的大脑兴奋信号。为解决这一问题,本文提出了一种基于长短期记忆(LSTM)循环神经网络的滤波模型,采用具有预测和分类功能的复合神经网络分别抑制生理干扰和随机噪声。本文基于fNIRS--扩散光学层析成像方案开展了数值模拟和在体实验,详细描述了网络设计、训练和滤波过程,并将结果与自适应滤波、多周期平均方法进行对比。结果表明,所提LSTM模型可以有效抑制生理干扰和随机噪声,且无需重复测量即可实现较高的重建质量,为基于fNIRS的脑机接口应用提供了一种有效的技术手段。

脑机接口(BCI)技术通过解码分析大脑的神经活动来实现人脑与计算机等外部设备的直接交互,可作为信息交流和恢复运动功能的手段,已被应用于通信、智能机器人控制、生物医学和神经康复等诸多领域。功能性近红外光谱(fNIRS)是一种可用于探测大脑皮层血红蛋白浓度变化的光学成像技术,近些年被用于无创BCI的发展。本文系统、详细地综述了fNIRS-BCI的发展历程、组成原理、涉及的关键技术、未来的发展趋势以及局限性和待解决的问题,重点对特征分类算法进行了全面统计,并将结果与前人的部分统计数据进行对比分析,归纳出一些有价值的结论与观点。本文旨在让有兴趣探索fNIRS-BCI的研究人员对其有一个全面而具体的了解,甚至为他们提供一定的参考和指导。

功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。

采用功能性近红外光谱成像(fNIRS)研究了警觉度的变化规律。通过10通道fNIRS技术采集了12名受试者前额部位的氧合血红蛋白(HbO)信号、脱氧血红蛋白(Hb)信号, 并记录下实验中受试者的行为学数据。结果表明：可以根据主观量表评分和行为学数据将受试者的警觉度标注为3个水平, 前30 min为高警觉度水平, 中间30 min为一般警觉度水平, 后30 min为低警觉度水平；此外, 前额左侧的第2通道以及右侧的第9、7、8、6通道对警觉度变化的敏感度较高；在支持向量机模型下, 12名受试者的警觉度三分类正确率为76.9%。本研究验证了fNIRS在警觉度检测上的可行性, 并指出了对警觉度变化敏感脑区的位置, 为警觉度的实时监测提供了新的思路。

为研究采用功能性近红外光谱（fNIRS）技术评估不同情绪状态下操作者脑力负荷（MWL）的可行性，为开展以MWL评估为基础的操作者功能状态（OFS）评估提供技术支持，进行了多种情绪刺激下的图片n-back任务实验，包括负性、积极和中性三组情绪。采用任务绩效、主观量表和fNIRS生理测量等方法采集16名参试者的实验数据。任务绩效和主观状态评分均表明参试者MWL在外部因素影响下发生变化。从fNIRS信息中提取了时域、频域和非线性域共380个生理特征作为OFS评估模型输入，采用支持向量机作为分类器，建立了MWL评估模型。评估模型采用中性情绪刺激下的任务数据作为训练数据，积极情绪和负性情绪刺激下的实验数据作为测试数据，分别取得了92.49%、75.90%和79.99%的平均分类正确率。通过实验数据分析，验证了任务负荷和情绪刺激能够有效影响操作者MWL的实验假设，证明了采用fNIRS技术建立多种情绪状态下MWL评估模型的可行性，为开展复杂任务情况下以MWL为基础的OFS评估提供依据。

利用功能性近红外光谱(fNIRs)技术实现了对不同情绪状态的识别。采集了15名受试者在6种情绪种类图片刺激下的fNIRs信号以及唤醒度、愉悦度评价数据。为了实现对受试者情绪状态的分类评估，采用支持向量机(SVM)和基于支持向量机的递归特征筛选(SVM-RFE)算法来筛选参数并设计情绪状态的分类器。结果表明在多种情绪种类图片刺激下，受试者出现了显著的功能响应曲线，并且在唤醒度、愉悦度和情绪种类三个分类目标上分别实现了81%、78.78%和68%的平均分类正确率。同时发现唤醒度和愉悦度的敏感特征主要出现在眶额叶皮层和背外侧皮层，且近似熵是反映情绪状态变化的有效指标。因此采用fNIRs能够基本实现对人体情绪状态的识别。

功能性近红外技术是一种新型无损检测人脑功能性活动的探测技术，该技术监测到的脑功能信号易受到生理活动和人的相对运动的干扰，分别称为生理干扰和运动伪迹，这些干扰的存在严重影响信号质量，因此需要开发消除生理干扰和运动伪迹的信号处理方法。介绍了目前功能性近红外信号的主要干扰源、相应的生理干扰与运动伪迹的去除方法，分析了当前功能性近红外技术存在的问题和可能的发展方向,并重点讨论了功能性核磁共振技术与功能性近红外技术的优劣。最后总结了功能性近红外数据处理方面的发展前景。

认知神经科学的快速发展，使得各种生理参数的客观测量得以实现，其中功能性近红外光谱(fNIRS)是一种新兴的脑成像方法，可以检测经过人体皮肤组织的血液动力学指标，包括含氧血红蛋白(HbO)、脱氧血红蛋白(Hb)和总血红蛋白(tHb)含量。心电图(ECG)、呼吸波(RSP)则是常用的生理参数检测方法。研究目的是尝试利用fNIRS 方法测得心率(HR)和呼吸率(BR)特征，利用时域形态学特征法、频域带通滤波法以及小波分解与重构方法提取心率及呼吸率，并与ECG、RSP 真实信号的HR(77.0199)、BR(22.9153)进行对比。结果发现三种方法均可从fNIRS 信号中提取出HR 信号，其中用频域带通滤波器方法得到的HR 为76.8807，偏差最小为-0.1392，利用相同方法提取的BR 为21.7039，偏差为-1.2114。基本实现了从fNIRS信号中提取心率和呼吸率的目标。