大家好，我是陈锐。
今天分享内容主要来源两篇文章，内容仅供参考学习分享。
在最近的文章中，我发现越来越多的文章在关注着多模态平台的开发和应用，比如EEG-fNIRS、MEG-EEG-fNIRS等等。在以技术方法发展的进程中，我想这些可能也是以后衡量文章的主要手段之一了吧。
在公众号已经有大量的技术资料关于EEG以及fNIRS等技术的介绍，可以参考汇总链接：
fNIRS技术合集
EEG技术合集
今天内容主要根据最新发表的两篇文章来介绍下多模态平台。
第一篇：
Li, R.; Yang, D.; Fang, F.; Hong, K.-S.; Reiss, A.L.; Zhang, Y. Concurrent fNIRS and EEG for Brain Function Investigation: A Systematic, Methodology-Focused Review. Sensors2022, 22, 5865. https://doi.org/10.3390/s22155865
这是在2022年8月5日发表的综述性文章，文章通过以往的文献搜索荟萃分析了其EEG-fNIRS结合的优势及其分析方法。
EEG-fNIRS结合的优势：EEG 提供了良好的时间分辨率，而 fNIRS 提供了更好的空间分辨率并且对噪声具有鲁棒性。此外，EEG 和 fNIRS 信号分别与神经元电活动和代谢反应相关，为已识别的活动提供内置验证。除了它们互补的技术特性之外，EEG 和 fNIRS 组合背后的基本原理还依赖于一种称为脑内神经血管耦合的生理现象。神经活动本质上伴随着脑血流量 (CBF) 的波动，脑血流量 (CBF) 将重要的氧气和营养物质输送到神经元。具体来说，当特定大脑区域内的神经元被激活时，血液将流向该大脑区域以满足对葡萄糖和氧气的需求增加，从而导致血红蛋白浓度（HbO 和 HbR）的波动。这也和我前面写过的文章《SPA-fNIRS：系统生理学增强功能近红外光谱》有了强烈的建议，在进行fNIRS时，进行电生理的测量也是未来发展技术的方向以及更全面的解析大脑与全身变化的关系吧。
其次在这篇文章中阐述了三个不同方向的分析方向：基于EEG信息的fNIRS分析研究；基于fNIRS信息EEG分析研究；平行EEG-fNIRS分析软件。
基于EEG信息的fNIRS分析研究：
在所有基于EEG的fNIRS分析研究中，来自EEG信号的幅度信息被用作有效的回归量，用于改进与不同刺激相关的活动fNIRS响应的估计；除了幅度特定的信息外，EEG频率相关的特征，也可用作 fNIRS GLM分析的感兴趣的回归量。这种方法是一种新的分析视角。
基于fNIRS信息EEG分析研究：
主要两个应用级别：基于fNIRS信息的EEG源定位和基于fNIRS信息EEG通道选择。
基于fNIRS信息的EEG源定位：
头皮脑电图的限制是容积传导问题。头皮上的单个电极从多种来源（皮层活动、皮层下活动、外部噪声等）中获取活动，导致难以准确定位源活动，更多的是反演计算。鉴于fNIRS具有良好的空间分辨率，大多数基于fNIRS的脑电图研究都集中在使用基于fNIRS的空间先验来增强对脑电图源活动的估计。
基于fNIRS信息EEG通道选择
在这种基于fNIRS的通道选择方法中，通过GLM分析评估了两个具有最强任务诱发反应的fNIRS通道。然后仅选择两个接近所选fNIRS通道的EEG通道用于混合 fNIRS-EEG BCI 系统的性能评估。
EEG-fNIRS 的平行分析
这种平行分析方法通常是通过基于特征的融合分析或相关分析来研究fNIRS和EEG信号之间的相互作用，这也是常见的分析方法。
fNIRS-EEG 数据的相关性分析
Pearson 相关、偏相关和简单线性回归是评估EEG事件相关电位模式与fNIRS血流动力学变化之间关系的常用测量方法。
第二篇：
Xingyu Ru, Kaiyan He, Bingjiang Lyu, Dongxu Li, Wei Xu, Wenyu Gu, Xiao Ma, Jiayi Liu, Congcong Li, Tingyue Li, Fufu Zheng, Xiaozhou Yan, Yugang Yin, Hongfeng Duan, Shuai Na, Shuangai Wan, Jie Qin, Jingwei Sheng, Jia-Hong Gao,Multimodal neuroimaging with optically pumped magnetometers: A simultaneous MEG-EEG-fNIRS acquisition system,NeuroImage,Volume 259,2022,119420,ISSN 1053-8119,https://doi.org/10.1016/j.neuroimage.2022.119420.
这一篇更有“前景性”意义了，北京大学物理学院等团队发表在neuroimage期刊上的出版文章，文章设计了一种同时融合MEG-EEG-fNIRS的采集系统。
MEG-EEG-fNIRS 系统概述
优势当然还是那些官话——多模态神经影像学需要适当融合兼容和互补的模态，为基础科学研究和临床应用中的多学科应用开发有效平台。
在本文中，设计的MEG是采用的光泵磁力计 (OPM)代替了传统上的超导量子装置 (SQUID) ，这可能是一大亮点，新技术的发展，往往需要有着创新的技术手段。还有就是国人设计并实现的自制 OPM-MEG、EEG 和 fNIRS 系统，并将它们集成到多模态神经成像系统中。进行的一系列实验和分析，评估了多模式系统的性能。希望在未来也能看到国产设备的强大吧。

谢谢大家观看，如有帮助，来个喜欢或者关注吧！

本文仅供学习参考，有任何疑问及建议，扫描以下公众号二维码添加交流：
助力脑科学技术课程学习：

继续阅读
阅读原文