检索历史 清除

摘要在我国，相当大数量的少年儿童饱受不同程度的脑功能发育异常与认知功能障碍的困扰，其严重影响了学龄儿童的学习和社交能力。因此，早期鉴别少年儿童脑功能发育异常与认知功能障碍并进行早期有效干预，是我国迫切需要解决的社会问题。功能近红外光谱(functional near infrared spectroscopy, fNIRS)作为一种非侵入性光学脑成像技术，测量大脑血氧代谢活动，凭借高生态效度、便携和长时间采集等优势，非常适合在少年儿童等群体中应用。然而，fNIRS的分析方法明显滞后于功能核磁共振(functional magnetic resonance imaging，fMRI)、脑电图(electroencephalography，EEG)等技术的分析方法，并且我国的fNIRS设备主要依赖于进口。为了促进fNIRS在我国少年儿童脑功能发育异常与认知功能障碍等领域的研究，尤其是在注意缺陷多动障碍(简称多动症，Attention-deficit/hyperactivity disorder, ADHD)儿童诊断中的应用，本文主要从发展fNIRS的分析方法、开发fNIRS检测设备和研究相应的干预技术改善大脑的认知功能三个方面展开研究。<br>　　首先，根据 fNIRS信号非线性和非稳态性的特点，本文提出了一种基于经验模态分解算法的运动噪声去除方法。该方法充分利用经验模态分解有效地分离开运动噪声信号和生理信号，提高对 fNIRS信号中运动噪声去除的精确性。经过与其他三种常用的运动噪声去除方法的比较，结果显示该方法能够显著降低均方误差和提高信噪比，是一种稳定、有效的运动噪声去除方法。<br>　　其次，采用排序熵方法分析多动症儿童的fNIRS信号复杂度以及复杂度与皮层激活程度之间的关系。该方法计算效率高、对数据长度不敏感，非常适合 fNIRS信号的特点。研究结果显示，在做n-back任务时，fNIRS信号的复杂度与大脑皮层的的激活程度呈负相关，与多动指数呈正相关；在大脑右侧的背外侧前额叶处，多动症儿童的fNIRS信号复杂度要显著高于健康对照儿童。这表明，fNIRS信号的复杂度是一种识别多动症儿童的潜在生物标记。<br>　　再次，基于大脑活动的空间模式，提出了两种 fNIRS信号的多变量分析方法：多变量模式分析和偏最小二乘法。多变量模式分析能以93.6％的总体分类正确率识别出多动症儿童和健康对照儿童，并且发现多动症儿童的两侧背外侧前额叶、前额叶中下部、右后侧和右侧颞叶的大脑活动相较于健康对照儿童发生了变化。偏最小二乘法发现两侧背外侧前额叶，以及部分腹外侧前额叶和右侧颞叶的大脑活动会随着工作记忆负荷的变化而变化。在1-back条件下，健康对照组在这些区域的大脑活动要强于多动症组。背外侧前额叶和部分右侧颞叶的大脑活动越强，被试做任务的正确率越高、反应时间越快。结果表明，这两种 fNIRS信号的多变量分析方法有希望应用于多动症儿童的临床诊断中。<br>　　最后，针对国内现有的fNIRS系统主要依赖进口产品的现状，设计了一套低成本、便携式的fNIRS采集系统，并开发了配套的采集和分析软件。分析软件集成了fNIRS研究中常用的分析方法以及本文所提出的分析方法。基于此采集系统还开发了一套适用于少年儿童的fNIRS神经反馈训练系统。经测试，本系统与商用的NIRScout系统的性能非常接近。