小磁说｜TIPS
在fNIRS（功能性近红外光谱成像）研究领域中，数据处理流程包括预处理、光学密度变化计算、血氧浓度变化计算、数据分析以及结果可视化等。
数据处理流程中每一步的准确执行，保证了研究数据的准确性与可靠性，为后续深入研究提供高质量的支撑。
预处理
1. 去噪：使用滤波器去除噪声信号，如心跳、呼吸等生理噪声和其他噪声。
光学密度变化计算
根据Beer-Lambert定律，将采集的光强度变化转换为光学密度变化。
血氧浓度变化计算
利用修正后的Beer-Lambert定律计算氧合血红蛋白(HbO)和脱氧血红蛋白(HbR)的浓度变化。
1. 使用统计模型（常采用一般线性模型GLM这一被广泛采用的fNIRS脑成像数据建模方法）分析数据，识别与特定任务或刺激相关的脑区激活情况。
3. 静息态功能连接：功能连接分析、图论分析等结果可视化。
fNIRS数据处理涵盖去噪、校正、标准化、光学密度与血氧浓度计算，结合统计分析与可视化技术，揭示大脑活动模式与功能连接。
目前，fNIRS被广泛的应用于心理学、体育运动、认知神经科学等领域的研究。同时，在医学领域也被用于为各种疾病的早期预防、病情诊断及评估提供客观准确的影像学依据。
要想更充分发挥fNIRS技术的应用潜力，一款好用的数据处理工具必不可少。下一篇小磁将为大家带来fNIRS数据处理工具的选择，敬请关注！
1. 重磅利好！近红外脑功能定量检查首次纳入《全国医疗服务项目技术规范》
