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]

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]

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?

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。

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:

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
- 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.
- 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.
- 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.
- 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.
- P. Rolfe, “In Vivo Near Infra-Red Spectrophotometry,” Annual Review in Biomedical Engineering, vol. 2, pp. 315–354, 2000.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
解釋得非常生動且容易了解,謝謝您的分享。