Chap. 1.2 NIRS Principle and Signals – 原理及訊號解析

近紅外光譜術 (NIRS) 是一種基於擴散光學 (Diffuse Optical method) 用以測量局部血氧代謝狀況 (local oxygen-dependent metabolism) 的方法。

上面這句話看一遍不懂沒關係,多看幾遍,看慢一點就會懂了。這一章開始難度會比較高,我盡量白話。

NIRS、擴散光學斷層掃描 Diffuse Optical Tomography (DOT)、以及NIRI(就是超多通道的NIRS啦)都是基於同一個理論:

近紅外光從某個的位置進入頭部,在組織中經過隨機散射(random scattering)、吸收 (absorption) 等過程之後,其強度會衰減約七到九個量級 (dB)。有一小部分的光,會經過一個香蕉狀 (banana-shaped) 的路徑,回到組織表面並被光偵測器 (接收波峰必須在近紅外波段) 給接收。[1]

圖中近紅外光從Emitter進入頭部,經由一個香蕉狀的路徑回到組織表面,被Detector接收轉換成電訊號並傳送到處理器當中。

像是在第一篇文章中提到的,在波長700nm到900nm時 (也有人說是600nm到900nm),水分的吸收係數很低,超過之後就開始飆高,而人體70%都是水,所以在900nm之後的光大部分會被人體組織給吸收,光能夠穿透的比例就大幅減少了。而這個特性使我們的入射光可以穿透頭蓋骨,達到足夠的深度 (能夠達到大腦皮質區)。[2]

這張圖想表達的重點跟第一篇文章是一樣的,但還是看一下比較完整的光譜圖吧。[3]

在上圖中我們可以發現,雖然組織中的膠原蛋白、蛋白質、脂肪等在近紅外光波段的吸收係數沒啥改變,但oxy-Hb以及deoxy-Hb在此卻有很強烈的吸收,而這兩者的濃度還會隨著新陳代謝以及血液供給狀況改變而有變化。

這個波長區間 (700nm 到 900nm) 又有一個名字叫做「Optical window」,中文實在是不好翻譯,等哪天想到比較好的再補上。

要進入重點了:

今天選用兩個不同的波長,使得oxy-Hb以及deoxy-Hb之間的吸收差異達到最大,兩種不同血紅素的濃度變化會導致我們接收到的光強值改變,此時就可以藉由上一篇文章提到的Modified Beer-Lambert Law (MBLL)來計算。而上述方法也是脈搏血氧量測法(Pulse Oximetry)的關鍵,但是脈搏血氧(SpO2)與我們透過NIRS所量測到的血氧資訊有很重要的不同:

  • 脈搏血氧量測法僅透過脈搏間隔期間組織光密度 (Optical Density) 的變化就可以計算出脈搏血氧飽和度 (SpO2)。
  • NIRS則是量測了局部組織內包含了毛細血管、小動脈和小靜脈在內的含、缺氧血紅素濃度 (要說飽和度也可以啦)。[4]

詳細的計算方式以及過程會在 1.4 Theoretical Background 中介紹。

也有不同的研究是利用細胞色素c氧化酶 (cytochrome oxidase, cytochrome aa3)當做一個指標,用以反映細胞內氧化的過程。[5] (我只是知道有這個研究,但我不知道那個細胞色素是啥子) 但是以這個為立基點研究太少了,往後就忽略吧。

相信看完上面的一定還是不知道我在講什麼,以下我就用一個我自己想出來的比喻來說明是怎麼計算的。

村莊裡面有兩個幫派的人駐紮著,分別是「硬梆幫」以及「小象邦幫」,每個路過的旅人都必須要繳交保護費給兩個幫派,但兩個幫派的收費標準不一樣。

要是我們不知道村莊裡面分別有多少社會人,但又好想知道,我們該怎麼辦呢?

我都把方程式列出來了,動手算一下。

就按照不同的收費標準,派出不一樣的人進去,觀察兩者分別被收了多少錢即可。

為什麼需要兩個波長,一句話:兩個未知數(含氧、缺氧)需要兩條方程式才能解。

注意,這是很粗淺的比喻只適用於Beer-Lambert Law,有很多細節 (Modified Beer-Lambert Law) 我沒有提到,一樣留在1.4節介紹。

以上就是原理的部分,以下開始介紹我們所得到的NIRS訊號。

我們會特別針對腦部的血氧訊號進行解釋,所以之後的NIRS會變成fNIRS,因為要偵測到血氧變化訊號的話,都要對腦部進行特定的刺激,因此冠上「功能性」這個前綴詞。

大腦局部血氧的變化 (這邊的血氧指的是oxy-Hb以及deoxy-Hb,不是SpO2噢!) 和fNIRS訊號以及EEG訊號之間的關係至今仍在研究當中,所以要真的說個分明也不是那麼容易,有可能現在的理論會在日後被推翻。

不過呢,大腦局部血氧變化與神經元活化 (hemodynamic response) 之間確實存在相關性。

在Wolf 等人的研究當中,確定了有三個主要的因素會影響大腦局部血氧的濃度 [6]:

  • 局部大腦氧氣代謝率 local cerebral metabolic rate of oxygenation (CMRO2)
  • 區域性腦血流 regional cerebral blood flow (rCBF)
  • 大腦血容量或稱為大腦血流體積 cerebral blood volume (CBV)
    (這邊我真的要吐槽,譯名太多了,這部分麻煩統整一下。)

這些因素改變的同時,代表著神經元也正在活化,這種現象稱為「神經血管耦合 (neurovascular coupling)」。嗯,我知道你眉頭又皺了一下,等等會打結。

當局部腦神經活化時,若rCBF的增加與CMRO2的增加彼此不平衡 (disproportion) 就會導致focal hyperoxygenation [7] (這個我真的不會翻,有強者能提點一下嗎?)。

上述情況發生時,該區域組織中的deoxy-Hb會下降,而oxy-Hb會提高兩到三倍,而total-Hb (其實就是把oxy-Hb和deoxy-Hb加起來) 也會增加[8]。也就是說,透過觀察血氧訊號,我們可以得知 focal hyperoxygenation 的發生。

這種血液動力學訊號 (Hemodynamic signal) 通常可以在刺激或是任務開始之後的五到八秒觀察到[9],這種現象被稱為「遲滯反應 (slow response)」,可以看下圖。而當神經停止活化時 (deactivation),deoxy-Hb會開始上升,而oxy-Hb則是下降。

這是別人的圖[3],不是我畫的。HbO代表oxy-Hb,HbR代表deoxy-Hb,tHb則是total-Hb。

由於在遲滯反應中oxy-Hb的波動明顯比deoxy-Hb要來的高,所以通常oxy-Hb會被單獨作為大腦活動的指標性數值。

但是Obrig 等人對此表示不同意,他們提出以deoxy-Hb的下降作為神經活化(大腦活動)的指標比較好,因為它跟fMRI 的BOLD訊號呈現高度負相關[8]。延伸閱讀:BOLD訊號是什麼?

科普一下,相關性有高低這件事大家知道,其實也有正負噢! 講粗略一點就是成正比、成反比,但是講高度負相關又比較精確一點,因為有時候兩個數值之間不一定有比例,只是相關係數高。

回到正題,總不能一組研究人馬說怎樣就怎樣吧!因此有幾個團隊對此進行了研究,證實了BOLD訊號的本質以及上述理論,但是呢,受試者之間的差異太大啦[1]。

那剛剛提到了遲滯反應,有慢就有快,快慢是一個相對的概念,就跟大杯、中杯、小杯是一樣的,所以我說那些只有中杯、小杯或是大杯、特大杯的店家,可以接受這個觀念嗎?

「極快反應 (fast response)」訊號通常發生在任務/刺激之後的幾「毫秒 (千分之一秒)」,這個反應其實有另外一個名字叫做「Event Related Optical Signal (EROS)」[6,10]。它被認為是由於在神經元放電的過程中,神經元膜的散射特性改變所造成的。既然提到電,有研究團隊就認為EROS可能和EEG中常用的「誘發電位」有關[11, 12]。

扯遠了,讓我們回到fNIRS。

針對基於oxy-Hb以及deoxy-Hb濃度變化所產生的非穩定fNIRS訊號,Scholkmann覺得是以下幾種狀況排列組合而成的[3]:

  • 刺激或任務所引起的神經血管耦合
  • 自發性的 (沒有給刺激或是任務) 神經血管耦合
  • 生理性或是系統性 (systemic) 的干擾:不包含上述兩者

靠北,為什麼我打完這段覺得是在講廢話。

好,看在他還給了一個表格的份上,暫且原諒他:

Classification of main components present in fNIRS signals.

表格中將剛剛提到的Systemic activity (雜訊) 分為四種:

  • Type 1:大腦中血壓、PaCO2、CBF/CBV 的變化
  • Type 2:大腦外血壓、皮膚血流量的變化 (這個跟環境溫度有關係,我曾經在做實驗時遇到過)
  • Type 3:大腦中心跳、呼吸、梅爾波 (Mayer waves)、自發性的血管舒張
  • Type 4:大腦外心跳、呼吸、梅爾波 (Mayer waves)

這邊我自己的解讀是這樣啦,大腦中的fNIRS訊號會受到上述四種不同Type的干擾,其中Type1、3 這兩種干擾試源自大腦內部,Type2、4 則是源自大腦外部。

Type 3、4是最常見的周期性干擾訊號,各自的頻率如下所示:

  • 心跳:1-2 Hz
  • 呼吸:0.1-0.3 Hz
  • 梅爾波:0.1 Hz

梅爾波是一種自發性的低頻血壓變化,會引起血管和代謝反應的震盪,而其成因至今還在研究當中[13]。(換句話來說,他會莫名其妙自High,然後也會拉血管跟代謝反應一起High)

也有許多團隊在研究該如何去除掉或是分離這些「雜訊」,以下介紹幾種方法:

  • Univariate Methods:用帶、低通濾波器將雜號給濾掉,更進一步的話可以使用HHT [14]
  • Adaptive Filtering Techniques [15]
  • Wiener Filtering
  • Discrete Wavelet Filtering [16]
  • Sliding Window Motion Artifact Rejection [17]
  • Least Squares Regression [3, 18]

其餘的還有利用多組通道 (不同位置、距離等) 的fNIRS訊號來將大腦外的訊號像是頭骨或是頭皮之類的給排除掉。

好啦,這篇文章就到這邊,我累了,相信你一定也累了。

畢竟這系列文章可是濃縮了我將近七年的時光呢!


Reference

  1. G. Strangman, D. A. Boas, and J. P. Sutton, “Non-invasive neuroimaging using nearinfrared light,” Biological Psychiatry, vol. 52, no. 7, pp. 679 – 693, 2002.
  2. E. Okada, M. Firbank, M. Schweiger, S. Arridge, M. Cope, and D. Delpy, “Theoretical and experimental investigation of near-infrared light propagation in a model of the adult head,” Applie, vol. 36, Issue 1, pp. 21–31, 1997.
  3. F. Scholkmann, S. Kleiser, A. J. Metz, R. Zimmermann, J. M. Pavia, U. Wolf, and M. Wolf, “A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology,” NeuroImage, no. 0, pp. –, 2013.
  4. P. Benni, B. Chen, D. Amory, and J. K. J. Li, “A novel near-infrared spectroscopy (NIRS) system for measuring regional oxygen saturation,” in Bioengineering Conference, 1995., Proceedings of the 1995 IEEE 21st Annual Northeast, pp. 105–107, 1995.
  5. P. Rolfe, “In Vivo Near Infra-Red Spectrophotometry,” Annual Review in Biomedical Engineering, vol. 2, pp. 315–354, 2000.
  6. M. W. W. Wolf and V. Toronov, “Different time evolution of oxyhemoglobin and deoxyhemoglobin concentration changes in visual and motor cortices during functional stimulation: a near-infrared spectroscopy study.,” Neuoimage, vol. 16, pp. 704–712, 2002.
  7. P. Fox and M. Raichle, “Focal physiological uncoupling of cerebral blood low and oxidative metabolism during somatosensory stimulation in human subjects.,” Proc. Natrl. Acad. Sci. USA, vol. 83, pp. 1140–1144, 1986.
  8. H. Obrig and A. Villringer, “Beyond the visible – imaging the human brain with light,” Journal of Cerebral Blood Flow and Metabolism, vol. 12, pp. 1–18, 2003.
  9. S. Coyle, T. Ward, and C. Markham, “Physiological noise in near-infrared spectroscopy: implications for optical brain computer interfacing,” in Engineering in Medicine and Biology Society, 2004. IEMBS ’04. 26th Annual International Conference of the IEEE, vol. 2, pp. 4540–4543, 2004.
  10. G. Gratton, M. Fabiani, T. Elbert, and B. Rockstroh, “Seeing right through you: Applications of optical imaging to the study of the human brain.,” Psychophysiology, vol. 40 (4), pp. 487–491, 2003.
  11. S. Coyle, T. Ward, and C. Markham, “Physiological noise in near-infrared spectroscopy: implications for optical brain computer interfacing,” in Engineering in Medicine and Biology Society, 2004. IEMBS ’04. 26th Annual International Conference of the IEEE, vol. 2, pp. 4540–4543, 2004.
  12. S. Coyle, T. Ward, and C. Markham, “Brain-computer interface using a simplified functional near-infrared spectroscopy system.,” J Neural Eng., vol. 4(3), pp. 219–226, 2007.
  13. C. Elwell, R. Springett, and E. Hillman, “Oscillations in cerebral haemodynamics – implications for functional activation studies.,” Adv. Exp. Med. Biol., vol. 471, pp. 57–65, 1999.
  14. Y. Zhang, M. A. Franceschini, D. A. Boas, and D. H. Brooks, “Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging,” Journal of Biomedical Optics, vol. 10, no. 1, pp. 011014–011014–11, 2005.
  15. K. Izzetoglu, S. Bunce, M. Izzetoglu, B. Onaral, and K. Pourrezaei, “Functional near-infrared neuroimaging,” in Engineering in Medicine and Biology Society, 2004. IEMBS ’04. 26th Annual International Conference of the IEEE, vol. 2, pp. 5333– 5336, 2004.
  16. K. Yanagisawa, K. Asaka, H. Sawai, H. Tsunashima, T. Nagaoka, T. Tsujii, and K. Sakatani, “Brain-computer interface using near-infrared spectroscopy for rehabilitation,”in Control Automation and Systems (ICCAS), 2010 International Conference on, pp. 2248–2253, 2010.
  17. H. Ayaz, M. Izzetoglu, P. Shewokis, and B. Onaral, “Sliding-window motion artifact rejection for Functional Near-Infrared Spectroscopy,”in Engineering in Medicine and Biology Society (EMBC), 2010 Annual International Conference of the IEEE, pp. 6567–6570, 2010.
  18. I.-Y. Son and B. Yazici, Near Infrared Imaging and Spectroscopy for Brain Activity Monitoring, ch. Advances in Sensing with Security Applications, pp. 341–372. NATO Security through Science Series-A: Chemistry and Biology, Springer, 2006.

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

error: 我鎖起來惹 ˊ_>ˋ