今天，在“NIRS知识红包竞猜群”，崔旭和刘宁老师举行了本年度的NIRS知识红包竞猜活动，我从中学到了很多，尤其说得的数据预处理的方法。有两道题大家可以自测一下，自己了解不。
1、近红外功能成像数据预处理中，去除噪音的常用方法，试举 2 例。
2、判断对错：近红外功能成像数据处理通常可以去除心跳噪音，眨眼噪音，运动伪迹
预知答案，读读本文内容。

视频的第4集讲解的是数据预处理。

对于处理数据来说，每一样的数据都不是容易的，这需要实践，这需要基础知识，这也需要看文献。当拿到一种数据时，一定要了解原始数据的构成，每一种数据都有其特定的组成的信号，理解原始信号组成必不可少的一步。
近红外原始数据组成可查看下图，有很多信号，呼吸、心脏跳动、机器噪声等

我们来细品一下近红外中的干扰信号，在很早之前也写过一篇近红外信号质量的影响文章，可参考原创 fNIRS近红外光信号质量影响因素
本文的笔记以上面的视频为主。
这几张图很好的展示了生理信号的波形图，这些是被试自身影响近红外信号质量的主要因素，在预处理数据的过程，需要通过滤波将其除掉。

非生理噪声，主要有机器噪声和运动伪迹。机器噪声这个根据不同机器自身造成的，需要一定的经验去判断。运动伪迹主要是不连续性和尖峰。
预数据处理方法：

生理信号的常见处理方法：滤波
非生理信号干扰

非生理信号干扰常见方法：
CBSI 手动剔除 滤波
对于CBSI的方法，可查看 崔旭老师的文章《Functional Near Infrared Spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics》
UCLA的讲演者也分享了预处理的代码，可查看网址https://github.com/smburns47
最后，你知道开头的两个问题的答案了吗？欢迎留言分享
文章仅限学习使用，不用于商业行为，若有侵权及疑问，请后台留言！
Make brain technology more simple!
推荐阅读：
 UCLA近红外视频学习（三）
 UCLA近红外视频学习（二）

 UCLA近红外视频学习
（一）

继续阅读
阅读原文