您是否体会过在看一部扣人心弦的恐怖或惊悚电影时，当情节发展至高潮时，心跳漏拍的感受。如果您知道我在说什么，那么我们可以在某些事情上达成共识：我们的思想与我们的身体相连，以至于我们所经历的情绪会引起我们的生理变化。那么，什么是情绪？Deak[1]认为：“情绪是调节和引导行为的主观状态，是生物、社会和认知成分的集合。”情绪在人类理性中扮演着重要的角色，影响着我们面对不同情况的行为方式；其在意识和潜意识层面上都在运作，并为我们的身体调节好面对不同情况的情绪。
我们如何才能激发情感？
令人惊讶的是，我们的情感状态会因为一首歌、一本书或一部电影这样的间接或虚构的情况而发生变化。事实上，视听（音乐、声音、图片、视频）和叙事刺激已经被广泛地用于激发情感，从而诱发出不同程度的情绪值[2]。而这是因为，通过这些刺激中存在的线索，我们的大脑可以让我们感觉自己好像处在一个特定的环境中。
那么，我们能够利用这些刺激，并将它们融合到一个可以增强存在感的环境中吗？我们可以通过虚拟现实（VR）来实现这一点。虚拟现实允许我们模拟现实生活中的场景，在这种场景中，主体可以在动态环境中自由互动，同时仍然控制所涉及的情景和刺激[3]。
我们如何衡量情绪？
中枢神经系统（CNS）与自主神经系统（ANS）之间的现有联系解释了我们身心之间的相互联系。虽然人类的情绪起源于我们的大脑，涉及其调节和感觉的多个区域，但涉及到一些生理反应，如心率和呼吸频率的变化，这些生理反应则起源于自主神经系统，而自主神经系统又受中枢神经系统的调节。因此，结合中枢神经系统和自主神经系统活动的测量来研究情绪对人类的影响是合理的。
测量ANS活性的方法很简单，如心率或呼吸频率、皮肤电反应、血压等，而许多测量CNS活性的方法却有其优点和缺点，必须加以考虑。功能磁共振成像是研究认知任务下大脑激活模式的最常用技术。但是，对参与者活动的严格限制、巨大的机械尺寸和巨大的干扰声降低了受试者在实验环境中的沉浸感[4]。
组合的fNIRS-虚拟现实系统
那么，我们可以使用近红外光谱（NIRS）吗？
事实上，NIRS是一个更好的选择。这是一种非侵入性技术，基于氧和脱氧血红蛋白在近红外区域（650-950 nm）的不同吸收光谱，测量组织组织血液动力学（血液灌注）的变化[5]。功能性近红外光谱（fNIRS）是一种利用近红外光谱（NIRS）来检测大脑功能激活的神经成像技术。它基于一种称为神经血管耦合的机制，在这种机制中，由于皮层神经元激活而导致的耗氧量增加，随后大脑血流量也将增加。血液灌流的变化导致局部氧和脱氧血红蛋白浓度的变化，这使我们能够识别大脑皮层对特定刺激的反应区域。与功能磁共振成像不同，多通道fNIRS设备如Brite和OctaMon是可穿戴的，对运动伪影的敏感性很低，从而使受试者能够自由地移动并探索环境，同时仍然允许研究人员以高精度和良好的空间分辨率（~10 mm）可靠地定位大脑皮层不同区域的活动。这使我们能够对模拟现实情况的范例进行研究，而不是进行人工的实验室设置。
大脑激活过程中氧合血红蛋白（红色）和脱氧血红蛋白（蓝色）浓度的变化。该图显示了几次试验的平均响应和标准偏差。
更重要的是，我们是否也能用fNIRS来估计ANS介导的生理反应呢？如果那您熟悉这项技术，您可能已经读过fNIRS信号中的“生理噪声”以及如何将其过滤。如果我们使用这项技术，那么这意味着我们可以用更少的设备来评估中枢神经系统和自主神经系统的相互作用，同时从更现实的环境中获益。
参考文献：
[1] A. Deak, “Brain and emotion: Cognitive neuroscience of emotions”, Review of psychology,vol. 18, no. 2, pp. 71–80, 2011.
[2] J. Marın-Morales, J. L. Higuera-Trujillo, A. Greco, J. Guixeres, C. Llinares, E. P. Scilingo,M. Alcañiz, and G. Valenza, “Affective computing in virtual reality: Emotion recognitionfrom brain and heartbeat dynamics using wearable sensors”, Scientific reports, vol. 8, no. 1,p. 13 657, 2018.
[3] B. Seraglia, L. Gamberini, K. Priftis, P. Scatturin, M. Martinelli, and S. Cutini, “An exploratory fnirs study with immersive virtual reality: A new method for technical implementation”, Frontiers in human neuroscience, vol. 5, p. 176, 2011.
[4] D. Colombo, J. Fernández-Álvarez, A. G. Palacios, P. Cipresso, C. Botella, and G. Riva,“New technologies for the understanding, assessment, and intervention of emotion regula-tion”, 2019.
[5] S. Tak and J. C. Ye, “Statistical analysis of fnirs data: A comprehensive review”, Neuroimage,vol. 85, pp. 72–91, 2014.
