在近红外脑成像（fNIRS）中，运动伪影是一个普遍存在的问题，它会对测试结果造成不利的影响。本文介绍了运动伪影的来源和对测试结果的影响，并探讨了使用惯性测量单元（IMU）进行校正的方法。我们还介绍了荷兰Artinis公司的fNIRS设备，该设备配置了IMU传感器，可以有效改善运动伪影，提高数据的精确性。
近红外脑成像（fNIRS）技术是一种非侵入性的技术，可测量局部组织中脱氧血红蛋白和含氧血红蛋白以及总血红蛋白浓度的变化。与其他监测技术相比，fNIRS技术通常是便携式的，并且对运动伪影相对不敏感，因此在涉及运动的实验和研究中得到了广泛应用，例如康复、运动或儿科研究。
尽管近年来NIRS技术已经得到了显著改进，但是头部和传感器的移动仍然会导致数据中显示为高频尖峰的运动伪影。为了获得准确的血液动力学测量值和数据分析结果，有必要检测并去除这些运动伪影，而去除运动伪影是任何类型的生物信号处理中最具挑战性的部分之一。
01 fNIRS运动伪影的来源及影响
运动伪影是指由于被测试者的头部或身体运动引起的光学信号变化，从而影响fNIRS数据的准确性。这是一个常见的问题，尤其在儿童、老年人或身体不适的人群中更为突出。
NIRS 信号中的运动伪影
运动伪影的来源有很多，例如被测试者的头部、身体运动或肌肉活动等影响近红外光的传输。从而使得测量区域内的光线途经的组织数量发生变化，这种变化会导致运动伪影的出现，即伪造的脑活动信号。此外，呼吸和心跳的运动也会导致头部和身体的微小振动，进一步增加了运动伪影的出现概率。
运动伪影会导致fNIRS信号的强度和时序的变化，进而影响测量结果的准确性，特别是在需要进行精确的脑成像研究时，运动伪影可能会对研究结果产生严重的影响。
为了减少运动影响，可以采取一些措施，例如在测试前进行充分的休息，尽量避免疲劳状态下进行测试；在测试过程中，根据实际情况进行数据预处理和分析，如使用滤波技术去除伪影信号等。随着技术的发展，使用惯性测量单元（IMU）进行校正，已经成为去除运动伪影常用的方法。
02 IMU与fNIRS系统集成
IMU是一种可以测量三个方向的加速度和角速度的装置，通常包括陀螺仪、加速度计和磁力计，它可以提供有关运动、位置和方向的信息，因此可以用于测量头部运动和姿势。通过将IMU数据与fNIRS数据相结合，可以使用运动伪影校正算法来减少或去除运动伪影，提高测试精度。
具体而言，通过将IMU传感器放置在被测者的头部或身体上，并记录相应的运动数据，可以在fNIRS信号中识别和去除由于运动引起的脑血氧浓度变化。例如，可以使用基于回归模型的运动伪影校正方法，将IMU数据作为回归变量，通过建立运动与脑血氧变化之间的关系，从fNIRS信号中去除运动伪影。
IMU（惯性测量单元）可以通过多种方式集成在fNIRS设备中。一种常见的方法是将IMU作为附加组件添加到fNIRS设备上，这样可以同时记录NIRS数据和运动数据。
另一种方法是将IMU直接集成到fNIRS设备中，这种设备被称为“混合设备”。这些混合设备使用IMU数据来估计头部运动，从而可以更准确地消除或纠正由运动引起的fNIRS信号干扰。此外，还有一些研究使用无线IMU作为单独的设备，将其与fNIRS设备同时使用。
03 内置IMU传感器的fNIRS设备
一些fNIRS设备在设计时就已经内置了IMU传感器，而其他设备则需要通过添加外部IMU模块来实现这一功能。如专注于研究和开发光学脑成像技术的荷兰Artinis公司，其旗下多款产品都内置了运动传感器，如Brite系列IMU作为标准功能提供，而PortaLite MKII则作为附加选项进行选配。
PortaLite MKII
其中PortaLite MKII传感器包括一个6轴IMU，由加速度计和陀螺仪组成，无需重新校准即可开始测量。加速度计测量线性加速度，因此可用于检测位置变化。
IMU 在 PortaLite MKII 传感器中的配置
Brite
Brite传感器也包括一个6轴IMU，由加速度计和陀螺仪组成，需要在开始测量之前进行校准，但是校准步骤简单快速。
IMU 在 Brite 中的配置，这适用于Brite所有系列
IMU数据和图表可以在软件OxySoft中显示，并且同时能测量和显示NIRS数据。观看下面的视频，了解 IMU 数据如何在Artinis自研的软件 OxySoft 中显示为单独的图表。
虽然目前尚未存在通用的方法来使用IMU消除运动伪影，但是对于检测和建议的运动伪影估计和去除方法的更多信息，可以参考我们推荐的以下相关文献和资料：
[1] Siddiquee MR, Marquez JS, Atri R. et al. Movement artefact removal from NIRS signal using multichannel IMU data. BioMed Eng OnLine 17, 120 (2018)
[2] Scholkmann F, Spichtig S, Muehlemann T, Wolf M. How to detect and reduce movement artifacts in nearinfrared imaging using moving standard deviation and spline interpolation. Physiol Meas. 31(5):649-62 (2010)
[3] Virtanen J, Noponen T, Kotilahti K, Virtanen J, Ilmoniemi RJ. Accelerometer based method for correcting signal baseline changes caused by motion artifacts in medical nearinfrared spectroscopy. J Biomed Opt. Aug;16(8):087005 (2011)
（文章部分来源Artinis官网，您可以进入其官网：www.artinis.com查看原文）
如需获取相关解决方案及报价，欢迎致电4006-111-556详询！
