类似于功能磁共振成像技术（fMRI），近红外光谱成像技术（fNIRS）检测大脑中血红蛋白类型的变化，但光学吸收的差异。在近红外光谱中，光可以穿透生物组织，被发色团(如氧合血红蛋白和脱氧血红蛋白)吸收。。本文综述了fNIRS基本机制及其，fNIRS临床应用的局限性更广，目前正在改善fNIRS时空分辨率的努力是为了在受试者中获得稳定的临床应用。fNIRS能够充分评估全球脑功能，已成为评估危重环境下中风和创伤性脑损伤要工具。当涉及到更复杂的应用时，多通道NIRS提高了fNIRS脑成像在特定任务模式下的空间分辨率（如语言映射）。然而，目前需要进行平均和组分析，这限制了其在个体受试者监测和实时事件检测中的临床应用。信号处理的进展fNIRS发展到个体临床应用，检测某些类型的癫痫发作，评估自主神经功能和皮质扩散抑郁症。然而，缺乏准确性和准确性一直是fNIRS临床应用的主要障碍较为复杂。。本文发表于Frontiers in Neuroscience杂志。
近红外光谱成像技术（fNIRS）它是一种成熟的非侵入性工具，可用于长期评估局部组织氧合。40年前由J?bsis第一次描述已应用于不同的临床环境，特别是神经科学。。
大脑是一个需要高能量的器官，神经元的激活与血流量和容量的增加有关。包括fNIRS、功能磁共振成像（fMRI）、扫描正电子发射断层（PET）单光子发射计算机断层扫描（SPECT）。测量不同类型血红蛋白的光吸收变化，fNIRS脑血流的时间变化可以计算出来。fNIRS一些特点，包括便携性、非侵入性、成本效益和耐受性，使其成为临床护理和神经科学研究的有利工具。同时，监测脑电图等其他实时生理参数可以进一步提高其时间分辨率，成为研究癫痫、自主神经功能和生理现象的理想工具。
事实上，fNIRS它已成为儿科重症监护室的标准护理工具，用于实时评估局部氧合物，如身体和大脑氧合物。它也被广泛用于评估与任务相关的皮层功能。局部脑血流信号可以通过使用块设计来增强，以表示基于任务的皮层功能。在本文中，研究人员将重点关注神经学家和神经外科医生的主要兴趣
当涉及到更复杂的实时测量时，fNIRS遇到一些限制。
首先，低通道用于大多数临床环境fNIRS缺乏空间分辨率，空间分辨率对癫痫检测中的功能定位和源定位至关重要。
其次，尽管多通道fNIRS由于该技术的空间分辨率大大提高，fNIRS的信噪比（SNR）减少，对单个事件的分析仍然具有挑战性。小组分析和信号处理可以增加信噪比，但仍不能实时分析单个事件，如癫痫发作。测试血流动力学响应的初始下降技术，如矢量图分析，有助于解决这个问题。
第三，与EEG相比，fNIRS的癫痫在神经元之间以毫秒的时间尺度迅速传播，可能需要高采样率来准确定位源头。临床脑电图的采样率通常为256 ~ 1024 Hz之间，而fNIRS采样率较低。
最后，fNIRS空间定位的再现往往受到影响将标准化光极放置与个体受试者解剖结合起来，个性化生成fNIRS结合信号传输的正模型fMRI验证有助于解决这个问题。
选择适当的光波波长，fNIRS神经血管耦合的特性也可以扩展到代谢功能，如使用细胞色素c氧化酶（CCO）。同时结合测量fNIRS脑电图和神经网络学习等神经成像分析技术，fNIRS临床应用潜力广泛应用于神经科学。
缺乏能量储存意味着增加与神经元通信相关的代谢活动需要现成的葡萄糖和氧气供应。Fox和Raichle（1984）使用PET证明，在静态状态下，神经元的氧利用率相对恒定，导致神经元周围毛细血管床中氧血与去氧血的比例稳定。当局部氧利用率从静态状态增加到活性状态时，首先增加了脱氧血红蛋白的浓度。不久之后，毛细血管床前小动脉的括约肌扩张使毛细血管充满氧合血红蛋白。MRI检测到的变化是血磁状态的变化。氧合血红蛋白是反磁性的，但当它释放组合氧原子成为脱氧血红蛋白时，它就成为顺磁性的。毛细管床周围组织磁化率的局部变化改变了氢核T2 *放松率。过量的脱氧血红蛋白在激活前1 - 2秒内减少T2 *，导致体素强度降低(初始下降)。这种现象不像氧合血红蛋白浓度增加(这增加了组织T2*和MR可靠地检测到图像中相应的体素强度。
功能性MRI依赖血氧水平（BOLD）测量大脑中氧合物/脱氧蛋白浓度的变化已成为功能性神经影像学的基石。虽然功能性磁共振成像已广泛应用于表示健康志愿者和患者的神经元活动，但它有一些局限性。因为fMRI测量血氧的变化，而不是直接测量神经元的活动，这可能会被其他血管活动所消除或消除。第二个重要的限制是需要一个强大的高场MRI系统。受试者仅限于磁体，受试者和任何实验仪器都必须是磁安全的。最后一个限制是，fMRI所测量的BOLD响应是基于氧合血红蛋白与脱氧血红蛋白的比值。这两部分血红蛋白是不能单独检测到的。
与fMRI不同，fNIRS这两种血红蛋白类型分别被测量。血红蛋白类型的区别有助于使用差异分析技术（如矢量图分析），使用2（氧合血红蛋白和脱氧血红蛋白）或4（氧合血红蛋白、脱氧血红蛋白、总血红蛋白），以更好地定义初始血流动力学响应的初始下降。fNIRS便携性、耐受性和成本效益。fNIRS比fMRI床边脑氧评估更容易及时进行。NIRS使用迷走神经刺激器的人（VNS）、深脑刺激器（DBS）或心脏起搏器等非磁共振植入设备的患者也是一种安全技术。
650 - 925，因为生物组织(包括骨)nm大脑中的近红外光谱成像可能是波长红外光的相对透明度。在此范围内，光被氧合血红蛋白和脱氧血红蛋白比被周围和上层组织吸收的光强得多。这两种发色组对红外光的吸收随波长而变化，
检测不同光吸光分子相对浓度的变化，fNIRS能量代谢可以分析大脑。fNIRS可以类似fMRI测量氧合血红蛋白和脱氧血红蛋白的变化，反映神经元激活的局部变化。为此，必须有足够的近红外光进入皮肤表面。(如图1所示)解释周围组织的静态吸光特性。
图1 使用一个点LED蒙特卡罗光子传播模拟以港湾海豚为模型的解剖结构，光源垂直于头皮。
商业的fNIRS系统使用单独的光源和探测器。典型的源-探测器间距具体取决于头围，近年来，因此，周围组织的光吸收模型也必须考虑光到达皮层并反射回探测器的路径。这种情况如图2所示。
图2成人受试者头部发射器和探测器的布置。
（A）放置在头皮上的两个通道的发射器检测器是正确的。从发射器到探测器的箭头表示每个通道的测量光路。插图突出了发射器-探测器之间的间距，并结合短距离通道来测量头皮的血流。
（B）成人受试者的全头成像光极帽示例。蓝线表示发射器（n = 32）和探测器（n = 32)测量通道之间的测量通道（n = 102个通道)。
各种信号干扰源(即噪声)fNIRS信号解释的复杂性一直是临床环境中的主要挑战。噪声源可能包括头部运动、头皮光极（光源和探测器）之间的距离变化以及与神经元活动无关的血流变化。fMRI氧合和脱氧血红蛋白的比例是由体磁特性的变化测量的fNIRS氧合血红蛋白和脱氧血红蛋白分别测量，由于近红外波长必须首先通过脑膜、颅骨和头皮，这些组织的生理变化可能会导致光源和探测器之间的光吸收，这可能与神经元活动的功能变化无关。fMRI一样，该函数描述了控制血液流入毛细血管床以响应神经元代谢变化的小动脉括约肌的潜伏期、过冲和下冲。
为了将与任务相关的信号从噪声中分离出来，开发了许多信号处理技术。以下部分简要总结了减少生理噪声和运动伪影来源的方法。
fNIRS中存在的生理噪声来源包括心率、血压波动、呼吸频率和头皮血流。多种方法已被用于识别和去除生理噪声，包括由于不同的生物功能通常发生在不同的频率范围内，数字滤波可用于减少或消除发生在与大脑活动相关的任务测量不同的时间频率上的干扰源。然而，血压波动（0.08-0.12 Hz）和静息心率（1-1.5 Hz）可能在频率上与感兴趣的信号重叠，并可能与某些类型的组块设计中的任务相关信号相混淆。
另一种选择是通过预白化去除生理噪声。预白化可以通过去除与任务无关的生理信号来去除时间上的自相关信号（如心率）。为了确定最优的预白化滤波系数，Barker等人（2013）和Blanco等人（2018）预白化的精度可能会受到运动伪影的影响。因此，在应用预白化之前，应该去除信号中存在的任何运动伪影（参见下面的“运动伪影降噪”一节）。
自适应滤波技术在开环或闭环控制模型中使用线性函数系统。Nguyen等人（2018）应用这一原理，通过对指定刺激的预期血流动力学响应、检测皮层外噪声的短间距通道信号、生理噪音（心率、呼吸和血压波动）的傅里叶近似值和基线漂移的线性组合，降低手指敲击任务期间fNIRS中存在的生理噪声量。这种类型的滤波存在一些局限，包括参数调整、需要定义噪声分布，以及在滤波器不是闭环时的有偏估计。
由头皮全血流引起的fNIRS的变化可能会造成额外的信号混淆，尤其是在要求更高的功能性任务中。空间分析（如PCA）可以用于去除与功能性任务无关的全血流。当存在一个主要的变异来源（如全局血流或运动伪迹）时，PCA可以特别有效，但如果有多个来源驱动整体变异，PCA可能会失败。此外，PCA方法需要多个通道来可靠地从感兴趣的生理信号中解析全血流。高斯核方法（类似于fMRI中使用的方法）也被证明在跨通道空间应用时可以去除头皮的全血流，尽管对大血管系统产生的局部空间血流变化的解释能力并没有很好地说明。最后，通过利用通道之间的时间相干性来识别具有高空间均匀性系数的大信号分量，ICA已被用于去除步态实验期间的全血流。
最近，短间距通道（光源-探测器间距约8毫米）已被用于直接测量和去除fNIRS中的头皮血流。近红外光发射器和探测器之间的短间距阻止了光穿透到皮质表面，从而限制了对头皮的血流测量。Funane等人（2015）表明，此外，Nguyen等人（2018）的研究表明，短间距分离通道与长间距分离通道中存在的其他生理噪声不相关（r< 0.38）。因此，在fNIRS分析中加入短间距离通道作为回归因子可以减少来自头皮血流的信号干扰。
运动伪影可能发生在说话或面部、头部和/或上半身的运动中。通常，当这些运动发生时，头皮上的光极会发生移位，导致fNIRS信号中尖锐的高频位移、慢波漂移或基线偏移。由于其时频定位特性，小波可以特别有效地消除运动伪影。基于小波的方法将fNIRS信号分解为小波系数，并在假设它们与运动伪影相关的情况下去除那些落在预定义分布（如高斯分布）之外的系数。Molavi和Dumont（2012）报告了使用小波后婴儿fNIRS中运动伪影的减少。尽管基于小波的方法可以有效地在去除尖峰伪影，但该方法可能在尖峰伪影周围的数据中产生额外的基线偏移。此外，达不到阈值标准的伪影会继续破坏信号。
样条插值方法将运动伪影建模为一系列样条函数，然后从数据中减掉它们。Scholkmann等人（2010）报告称，在样条插值前后，NIRS信号的均方根误差平均下降了89.8%。虽然他们发现了运动伪影的减少，但在样条插值后，残留的高频尖峰仍然存在。在一项比较研究中，Jahani等人（2018）发现，尽管样条插值-savitzky-golay和样条插值-RLOESS这两种方法在伪影去除方面产生相似的结果（即真实和估计的血流动力学响应函数之间的均方误差：样条插值-savitzky-golay和样条插值-RLOESS分别为0.44±0.06和0.56±0.08），但是对于51个通道，样条插值-savitzky-golay方法的处理时间（16秒）明显快于样条插值-RLOESS（1800秒）。
随着时间的推移，Kalman滤波通过随时间添加的附加信息递归地改进信号的估计。Izzetoglu等人（2010）比较了Kalman滤波、自适应滤波和Wiener滤波在去除在进行不同速度头部运动的11名受试者的fNIRS数据的运动伪影方面的有效性。他们发现，与自适应滤波（SNR =[2.79 4.17]）相比，，而Kalman滤波与Wiener滤波（SNR =[5.25 9.05]）之间没有统计学差异。这一点很重要，因为Kalman滤波可以应用于实时分析，而无需自适应滤波所需的额外传感器，需要像Wiener滤波那样要求fNIRS信号具有统计平稳性。然而，在使用Kalman滤波去除运动伪影时要谨慎，这是因为如果滤波器设置不当，由于不稳定性导致的误差随时间累积，
除了大多数脑活动成像测量中存在的生理信号混淆和运动伪影外，通过氧合和脱氧血红蛋白的变化来测量血流动力学响应的变化具有其固有的局限性。它对测定脑氧代谢率（CMRO2）不够灵敏。血红蛋白提供了有关脑循环和血管内氧合程度的信息，但其浓度不能反映组织的氧利用能力。另一方面，线粒体负责大部分直接的细胞氧代谢。因此，CMRO2与线粒体功能直接相关，有助于识别血流动力学变化的临床意义。在动静脉血容量比是固定的情况下，将脑氧合、动脉氧合与脑血流（CBF）相结合，可以计算出CMRO2。然而，由于其侵入性，在许多临床环境中测量脑氧合具有挑战性。因此，研究者们一直专注于第三种发色团，即细胞色素c氧化酶（CCO），它是线粒体氧化代谢的关键成分，而线粒体则是神经元的“发电站”。
细胞色素c氧化酶在葡萄糖的氧化代谢中起着重要作用。糖酵解是将葡萄糖代谢成丙酮酸，在丙酮酸中生成三磷酸腺苷（ATP）和烟酰胺腺嘌呤二核苷酸（NADH）。丙酮酸随后被运输到线粒体中并转化为乙酰辅酶A。乙酰辅酶A进入三羧酸（TCA）循环，产生更多的ATP和NADH。NADH是电子传递链（ETC）中的电子供体（见下图3）；位于线粒体细胞膜内的一系列蛋白质复合体（被称为复合体I-V）。配合物I和II分别从TCA循环中接受NADH和琥珀酸的电子，并将它们转移到可溶性电子载体辅酶Q（CoQ）上。CoQ被复合物III氧化，在此过程中电子用于还原细胞色素c。作为线粒体ETC中电子的接收器细胞色素c随后被CCO（复合物IV）氧化，CCO（复合物IV）是一种血红素蛋白，包含一个双核铜中心(CuA)、一个血红素a和一个双核Fe-Cu中心（血红素a3-Fe)。从细胞色素c接受的电子最终转移到分子氧中，分子氧被还原为水。这一过程产生电化学电位，通过线粒体中的ATP合酶（复合体V）驱动ATP合成。ATP是细胞的终极能量来源。
图3 电子转移链允许电子通过细胞色素c氧化酶（CCO）从TCA循环转移到氧，导致CCO的氧化还原态发生变化。
所有这些氧化还原变化都有相关的光学跃迁。在近红外范围内，CCO的CuA中心对吸收光谱的贡献最大，约为830 ~ 840 nm。理论上，需要三个波长同时测量CCO、氧合血红蛋白和脱氧血红蛋白的变化。然而，由于CCO浓度较低，且CCO、氧血红蛋白和脱氧血红蛋白之间存在串扰，所以采用2 ~ 3个波长测量血红蛋白种类的传统的连续波fNIRS不适宜量化CCO的变化。因此，虽然使用较少波长的最小化方法会受到噪声和串扰的影响，但是使用太多的波长在计算上可能是不允许的。波长优化的最新进展表明，使用8种波长组合时，估算CCO变化的错误率可以降低到2%以下。因此，CCO的氧化还原变化可能允许fNIRS检测血红素蛋白电子传递的变化，该血红素蛋白吸收近红外光谱中的光并反映线粒体能量代谢。
与血红蛋白种类不同，CCO的浓度在短时间内不会发生变化。
全身血压波动对CCO影响不大。因此，它不像血红蛋白那样受到脑外局部血流变化的影响。CCO的氧化还原状态不受血红蛋白种类和局部脑氧合的干扰。从理论上讲，测量线粒体CCO的变化可以更好地反映细胞的代谢和生存能力。
语言是最复杂的高皮质功能，也是肿瘤切除和癫痫脑手术中最重要的定位功能域。语言映射与脑部手术的预后和结果密切相关。功能性MRI已成为术外语言映射的主要工具。它的灵敏度很高，特异性很低。因此，对于在功能磁共振成像中双侧的或模棱两可的语言表征的患者，直接皮层刺激和Wada（颈动脉内阿莫巴比妥钠测试）检测等侵入性标测是不可避免的。癫痫学家、神经外科医生和神经心理学家一直在寻找一种非侵入性的替代方法，为此目的已经对fNIRS进行了研究。一些证据表明，fNIRS是一种有效测量神经认知功能工具。例如，对人类受试者的研究表明，在进行认知测试时，前额叶脑血流量的增加可以被fNIRS检测到。对难治性癫痫的术前评估显示了fNIRS测量语言偏侧化的可靠性。在一项涉及11名健康成年人和6名药物耐药性癫痫患者的小型研究中发现，在书面文字生成任务中，下额叶激活的偏侧化与用手习惯相一致。6名癫痫患者接受了Wada测试，显示出与fNIRS相同的语言偏侧化。另一项使用类别流畅性任务的研究也表明，在成人和儿童癫痫患者的小样本中，fNIRS与fMRI以及Wada测试结果之间的偏侧化定性对齐。在对说日语和英语的双语者执行字母流利性任务时，
功能性NIRS在语言映射方面有其固有的局限性，尚未应用于临床环境。fNIRS有限的时间分辨率和深度分辨率是研究语言映射的主要障碍。此外，fNIRS缺乏解剖特异性，这对于手术计划至关重要。增加光极的密度和与其他成像方式（如MRI）共配准可以提高解剖特异性。
在神经危重症监护的环境中，解剖特异性变得不那么重要，因为及时测量全脑氧合是主要目的。功能性近红外光谱仪因其无创性和对血流动力学变化的良好时间分辨率而被广泛应用于这一目的。多项证据表明，fNIRS具有监测卒中亚急性期脑血流动力学变化和大脑自我调节（CA）的潜力。一项针对少量患者（n=10）的早期试验显示，在受缺血性卒中影响的大脑半球，由高碳酸血症引起的局部脑血流增加受损。作者得出结论，功能失调的CA在这一发现中发挥了关键作用。一项大规模前瞻性试验（n = 98）表明，功能失调的CA与蛛网膜下腔出血后的迟发性缺血性卒中相关。所有患者均为急性（<5天）动脉瘤性SAH，均按照现行临床指南进行治疗。1-2天对每个患者进行一次经颅多普勒(TCD)检查，以筛查血管痉挛。采用数字减影血管造影辅助诊断。双侧额叶组织氧合指数（TOI）通过皮层fNIRS（NIRO-200）获得。主要终点是SAH后21天内的脑缺血。在脑缺血患者中，TCD流速不能预测脑缺血的发展，而自动调节指数却能通过fNIRS和TCD分别在缺血前5天和4天显示出变化。这一现象表明，fNIRS能够比TCD提前1天表现出功能失调的自我调节，这可能使其在预测迟发性缺血性卒中的发展方面成为一种有前景的临床工具。采用连续实时的fNIRS生成CA指数的进一步研究可能会产生更多的临床相关应用。
频域fNIRS是另一种评估脑卒中患者CA（）的新兴工具。氧合血红蛋白的低（LFO）和极低频振荡（VLFO）被发现是评估CA的稳健参数。根据脑振荡理论，LFO和VLFO与大脑交感神经活动有关。此外，LFO反映了CA的肌源性成分，而VLFO反映了神经源性（更大的血管系统）和代谢（微循环）。分析LFO和VLFO的振幅和半球间同步性是评估CA的一种成熟的方法。在急性缺血性卒中（<5天）患者中，观察到缺血半球LFOs振幅的降低和半球间失同步。卒中对LFO和VLFO的影响可持续12个月。
脑自我调节是创伤性脑损伤（TBI）治疗中一个日益被认可的参数。传统上以颅内压（ICP）和脑灌注压（CPP）指导重度脑外伤的压力治疗。然而，考虑到患者之间的个体差异，这个概念可能过于简化。与ICP和CPP不同，CA被认为是一种更具生理性的参数，并允许更灵活的血压管理。CA受损会导致继发性脑损伤，这是导致死亡的独立危险因素。因此，已经开发了自动调节指数来确定严重TBI患者的最佳CPP（CPPopt）。CPPopt是由平均ABP的缓慢波动与ICP之间的相关系数决定的。该相关系数在神经危重症护理领域被称为压力反应指数（PRx），负的PRx与良好的结果相关。在给定的患者中，PRx最低的CPP范围被定义为“CPPopt”。研究人员已经证明CPPopt与患者发病率和死亡率之间具有相关性。通常，需要侵入性的ABP和ICP测量来计算PRx和最佳CPP，然而，人们已经在努力寻找非侵入性的替代方法来可靠地计算它们。例如，最近的一项前瞻性试验使用多模态脑监测，包括ICP、CPP、fNIRS双侧经颅脑血氧测定、脑组织氧合和脑血流量，来评估严重TBI患者的CPPopt。共纳入18例患者，格拉斯哥昏迷评分中位数为6。根据过去4小时侵入性的ABP和ICP数据计算的CPPopt曲线，在床边每分钟显示一次CPPopt。因此，对每位患者的CPPopt进行了虚拟实时监测，并可以计算出患者在CA受损（PRx > 0.25）中所花费的时间。在可用的CPPopt基础上管理ABP和ICP。那些PRx较高且PRx > 0.25持续时间较长的患者，其短期和长期预后显著较差。进一步的事后分析表明，使用fNIRS经颅脑血氧测定产生的PRx与侵入性PRx计算出的最佳CPP的一致性最好。这些结果表明，另一项针对包括TBI在内的19名患有不同严重神经系统疾病的患者的试验使用了类似的方法来比较侵入性和非侵入性Finometer光电容积描记器ABP在计算PRx时的有效性。试验表明，可以通过完全非侵入性方法（Finometer和fNIRS）在患有严重神经系统疾病的患者中获得PRx。
由于每个患者的散射系数未知，采用连续波fNIRS通常不能可靠地估计氧饱和度。新的fNIRS技术允许研究人员评估血红蛋白种类的浓度，而不是它们的变化。例如，时域fNIRS已被用于研究缺血性脑卒中患者的脑氧合。结果显示，大血管脑卒中缺血半球总血红蛋白升高，但氧血红蛋白降低（即氧饱和度降低）。此外，一种将血红蛋白种类和CCO的测量与时域fNIRS相结合的新方法可以大大提高我们对不同大脑病理的动态神经元氧代谢的理解。fNIRS的非侵入性和实时测量生理变化的能力也可以激励研究人员进一步探索其在不同临床环境中的潜力。癫痫发作检测是研究最多的应用之一。
在过去的几十年里，动物研究表明，fNIRS可以检测到与癫痫尖峰和高频振荡相对应的脑血流和氧合的增加。fNIRS检测到的这些变化可以先于甲碘荷包牡丹碱诱导的尖峰出现约5秒。这些发现启发了癫痫领域的许多后续临床研究。癫痫发作时的氧合反应已被广泛研究。局灶性癫痫发作和全身性癫痫发作似乎存在差异。例如，一项早期临床案例研究显示，在颞叶和颞叶外癫痫患者中，这项初步研究有助于进一步理解癫痫发作过程中的代谢和血流动力学变化，如氧化磷酸化的解偶联或脑血管自身调节的改变。其他研究小组在局灶性癫痫发作方面也有类似的发现。在全身性癫痫和继发性全身性癫痫中，局部的额叶氧合已被证明在癫痫发作期间减少。尽管研究的样本规模较小（n = 2 - 8），使用的是低通道fNIRS（1 - 2通道），但这些初步发现为后来更大规模的多通道试验铺平了道路。
与fNIRS的其他应用不同，精确定位和空间分辨率在癫痫治疗和管理中至关重要。多通道fNIRS器件的研制是当前fNIRS研究的一个重要进展。多通道fNIRS以提高空间分辨率为目标，这一直是低通道fNIRS的主要障碍。在过去的几十年里，已经发表了一些病例报告或系列（n = 1-4）。将多通道fNIRS与长期脑电图结合使用，可以让癫痫学家更好地了解癫痫发作不同阶段（发作前、发作期、发作后和发作间）的血流动力学变化，并提高癫痫发作的检测和定位。然而，联合登记EEG、fNIRS甚至MRI数据需要先进的实验技能集和信号处理技术来获取和融合多模态成像数据集。例如，同时放置多个光极和标准EEG电极对患者和电诊断技术人员来说都是一个挑战。能够实时显示fNIRS和EEG记录的专门软件目前还没有上市。在fNIRS中存在显著噪声的背景下，分析血红蛋白种类的微小变化可能是极具挑战性的。fNIRS（数十赫兹）和EEG（~ 500 - 2000赫兹）之间采样率的显著差异需要复杂的数学技术和计算机能力来进行时间上的同步记录。
其中一项先驱性试验，总共有三名术前患者，已经克服了一些技术问题。定制的电极-光极组合帽允许更有效和舒适的放置传感器。作者使用了一种低频滤波器来最小化心脏伪影，并使用一种简单的统计工具（student’st-test）来从背景中区分出显著的信号变化。在癫痫发作期间，对选择的fNIRS通道进行平均，以评估总体变化。作者发现，癫痫发作期间致痫区总血红蛋白和氧血红蛋白增加，脱氧血红蛋白则表现出双相反应，最初浓度下降，随后浓度增加。然而，缺乏更大患者样本量的试验阻碍了这种做法的推广。此外，该试验并没有显示fNIRS会为癫痫发作管理提供额外的定位价值。事实上，目前一项使用便携式多通道fNIRS对15名癫痫患者进行的临床试验并没有显示出显著的癫痫检出率。在34例局灶性癫痫发作中，只有6-18%的患者表现出血红蛋白种类的显著变化。此外，目前还没有一项临床研究显示出在床边使用fNIRS进行实时监测的潜力。所有的fNIRS数据都需要后续分析。
由于癫痫发作的检出率不一致，fNIRS在癫痫发作的临床实践中尚未得到广泛的应用。这可能反映了这样一个事实，即神经血管耦合理论是原发性神经元过度兴奋的继发现象，其在事件捕获时受到进一步的时间延迟。如前所述，CCO是一种产生电化学电位的线粒体复合物，通过ATP合酶驱动ATP合成。随着高度兴奋神经元的能量需求的增加，细胞内ATP和相应的氧化CCO浓度也会发生变化。在本文作者所在机构中，数十名患者同时接受了EEG和fNIRS监测，使用了一种定制的设备，该设备能够检测血红蛋白种类和CCO的变化。该技术具有良好的耐受性，且EEG和fNIRS之间没有干扰。这项初步研究有助于进一步了解癫痫发作期间的代谢和血流动力学变化。它可能为更准确的早期癫痫检测和定位提供额外的临床参数。
矢量图分析检测血流动力学反应的初始下降，也可能提高fNIRS对癫痫发作的时间检测。然而，fNIRS需要更高的采样率仍然是一个障碍，
除了评估已知的大脑现象的生理变化外，fNIRS也可以作为对机制尚未充分探索的疾病的有用研究工具。自主神经功能障碍就是一个例子。我们之前的研究表明，fNIRS可以作为一种评估自主神经功能障碍的工具。共招募了12名受试者：6名健康对照，6名诊断为体位性骨科心动过速综合征（POTS）。通过商用fNIRS设备（INVOS 5100B）和定制的光极传感器测量下肢肌肉氧合。意料之中的是，POTS患者在倾斜70度时下肢静脉淤积程度更高（总血红蛋白量增加）。此外，健康组氧合和脱氧血红蛋白反应时间均快于POTS组，提示该组同时存在神经反射和血管顺应性。我们研究的这些新发现阐明了POTS和立位不耐受的机制，即患者在倾斜时没有典型的心率反应，但有类似的立位症状。
例如，在血管迷走神经性晕厥期间，颞叶区域脑饱和度下降被注意到先于其他生命体征的变化。功能性NIRS对于连续的脑血流也能产生更可靠的结果。通过对脑血流动态变化模式的分析，有可能扩展立位不耐受的谱系和机制。因此，fNIRS有可能成为一种新的自主神经功能障碍的生物标志物。此外，与脑血流动力学失调相关的疾病如偏头痛也可通过fNIRS进一步研究。
。CSD被假设为偏头痛先兆的主要电生理特征。在动物模型中，CSD的特征是钠和钙的短期内流入以及神经元和胶质细胞的强烈去极化，随后是神经元活动的长期“抑制”和局部脑血流的减少。研究偏头痛的局部氧合饱和度和脑血流量可以为偏头痛的发病机制提供更多信息。结合TCD，在一项自我对照的试验中，fNIRS显示，在先兆和CSD可能发生的脑区，低灌注继发于需氧量减少。
其他几个小组已经利用fNIRS评估偏头痛患者的脑血管反应。在一名由屏气引起的高碳酸血症期间的偏头痛患者中观察到峰值氧血红蛋白和总血流量的延迟和振幅的降低。这些发现提示了偏头痛患者脑血管反应性受损的可能性。shoura和Yamada（2005）采用不同的方法得出了类似的结论。具体而言，功能性NIRS可作为评估偏头痛患者对药物治疗反应的潜在生物标志物。最近的一项研究显示，接受丙戊酸、硫酸镁和二氢麦角胺治疗的患者在血流动力学变化方面存在差异，这表明它们治疗偏头痛的独特机制。在下一小节中，将进一步说明fNIRS作为轻度认知障碍的诊断性生物标志物的潜力。
轻度认知障碍的特点是认知能力下降，介于正常衰老和更严重的痴呆之间。它影响至少一个认知领域，如记忆或复杂思维，但不影响日常生活活动。MCI是一个病因异质性实体，大约15-20%的MCI患者会发展为临床阿尔茨海默病（AD）。神经心理测试一直是用来区分最终发展为AD的MCI患者和未发展为AD的MCI患者的主要生物标志物。与其他非侵入性神经成像方式一样，fNIRS已被探索为鉴别MCI和AD的潜在生物标志物。最近对MCI的fNIRS研究表明，工作记忆期间双侧前额叶和记忆检索期间背外侧前额叶皮质中的氧合血红蛋白增加较小（即低激活）。然而，此外，fNIRS显示了不一致的结果，表明与健康对照组相比，MCI患者在感兴趣脑区的氧合血红蛋白反应增加。因此，fNIRS检测到的血流动力学反应不太可能对临床实践足够敏感和特异性。
最近，对MCI和AD的非侵入性神经影像学生物标志物的关注已经转移到功能连接上。最近的一项系统综述（包括过去20年的36篇文章）表明，MCI和AD患者在静息态fMRI中额叶和长程连接受损，这在最近的一项研究中也被观察到了。任务相关功能连接分析表明，这可能表明MCI患者的默认连接受损导致前额叶皮质使用了代偿机制。需要进行更多的研究来验证fNIRS与fMRI的对比，以便将其作为一种工具来表征MCI患者的功能连通性。
当涉及到广泛的临床应用时，如MCI，再现性（准确性和精密度）是一项最低要求。由于连续波fNIRS相对较低的信噪比和被试间散射系数的变化，因此要获得一致的被试间和被试内结果一直具有挑战性。时域和频域fNIRS可用于估计散射系数，以换取成本效益和时间分辨率，使连续波fNIRS在临床环境中更实用。
已有一些研究同时或单独使用fMRI验证fNIRS对氧合、脱氧和总血红蛋白的测量。使用体素群或感兴趣区分析，大多数fMRI研究报告了BOLD响应和fNIRS测得的脱氧血红蛋白之间的正相关（r > 0.4），而其他研究发现BOLD响应和fNIRS测量的氧合血红蛋白之间具有更强的相关性。脱氧血红蛋白和fMRI-BOLD响应之间相关性的增加与由于代谢需求而引起的脱氧血红蛋白任务依赖性变化的间接测量有关。有趣的是，Moriguchi等人（2017）在n-back工作记忆任务期间使用fNIRS血流动力学状态和BOLD响应之间的双变量相关性，报告了总血红蛋白（r = 0.33）相比氧合（r = 0.26）或脱氧血红蛋白（r =−0.2）更强的相关性。不同血流动力学状态之间相关性的降低可能与任务难度有关。简单的基于视觉或基于运动的任务都显示出氧合和脱氧血红蛋白的相关性增加（r > 0.5）。例如，在手指敲击任务中，14个fNIRS通道放置在对侧运动区上，Huppert等人（2006）报告了BOLD响应的组间平均（n = 11）的变化与氧合、脱氧和总血红蛋白的变化之间的零滞后交叉相关的Pearson相关系数分别为0.71、0.98和0.53。
虽然大多数验证研究集中于组分析，但也有一些报告了个体内的结果。在一项手指敲击实验中，Huppert等人（2006）在个体受试者水平上显示了血红蛋白浓度和BOLD响应之间存在类似的相关性。在一项视觉任务中，Maggioni等人（2015）报告了8名受试者的氧合、脱氧和总血红蛋白浓度与在fNIRS通道下方投影的1厘米球形半径内的BOLD响应之间的相关性。对于脱氧血红蛋白，基于任务的相关性在受试者之间从0.26到0.83不等。受试者间的高变异性有助于解释为什么更复杂的任务（例如工作记忆）在组分析中显示出相关性降低。
在解剖结构和传感器定位方面，考虑特定被试差异的技术可以提高fNIRS和fMRI对被试内任务相关活动测量的一致性。通过将fNIRS通道数据投射到受试者特定的解剖结构上，可以减少受试者差异性的影响。最近，Wijeakumar等人（2017）完成了这项研究，结果表明，利用体素聚类相关性，他们报告了氧合和脱氧血红蛋白的相关性范围为0.62到0.99。
综上所述，fNIRS由于其便携性、耐受性、非侵入性、成本效益性和长期实时监测能力，在神经科学领域是一项很有吸引力的技术。然而，到目前为止，由于缺乏解剖特异性、欠佳的时间分辨率以及个体分析的受试者内重现性较低，fNIRS的临床应用有限。fNIRS的空间分辨率也低于fMRI。fMRI提供了1-3毫米的均匀分辨率，而fNIRS的空间分辨率受到探测器光极数量和从发射器到探测器的光散射物理的限制。目前的系统使用距离发射光极约3厘米的探测器，沿从发射器到检测器的弯曲路径通知大脑活动，增加了信号源的横向（发射器/检测器对之间）和深度上的空间不确定性。
增加光极密度，如多通道fNIRS，可以大大提高解剖特异性。多通道技术在研究中得到了越来越广泛的应用。然而，随着时间的推移，由于电缆的重量和光极对受试者头皮的压力，多通道fNIRS光极可能会变得不舒服。除了耐受性问题外，多通道fNIRS还可能会影响同步进行的脑电图监测。EEG-fNIRS混合帽的设计就是为了解决这个问题。然而，在许多临床环境中，包括儿童人群和有颅缺陷或异常的患者，固定电极放置的混合帽会显著降低脑电图的准确性。
fNIRS的另一个限制是无法靠近不接近头皮以外的皮层区域。额叶皮层的腹侧表面、基底神经节和小脑的大部分无法用fNIRS测量，因为离头皮越远，吸收的光就越多。颅骨和邻近组织厚度的变化会影响受试者对fNIRS的敏感性，尤其是在成人中。时域和频域fNIRS可以提高深度灵敏度，并已被证明在以采样率、仪器成本效益性和计算机耐受性为代价的情况下，可以可靠地检测深部组织中的氧合。目前，fNIRS信号的优化处理需要先进的计算机科学、信号处理和工程知识，这可能会降低fNIRS在临床环境中应用的感知可及性。
另一种增加解剖特异性的方法是通过将fNIRS传感器位置与个体受试者的解剖结构共配准（通过MRI）。如果解剖磁共振扫描可用，则可以测量受试者特定参数的使用，如部分路径长度、颅骨厚度和颅骨曲率，并用于解释fNIRS信号传播正向模型中的个体差异。对于有神经功能障碍的患者，全头成像对于手术干预前有效皮层的空间定位和识别尤其重要。
与脑电图相比，fNIRS较低的时间分辨率限制了其临床应用。血流动力学变化的生理窗口发生在几秒内，而电的变化发生在几十到几百毫秒内。脑电图要求最低采样率为100Hz，而且大多数临床实验室的采样率超过512Hz。fNIRS常用的采样率在数十赫兹以内，而全头多通道系统的采样率甚至更低。使用更高采样率（~ 100Hz）的新型机器将提供与临床脑电图相当的时间分辨率。
受试者内的再现性由多种环境因素决定，包括环境光的存在、颅骨厚度、头发密度和颜色（浓密的深色头发会阻碍光的传输并降低信号强度）以及头部运动。对于某些因素，在传感器放置过程中减少环境光和分离毛囊的实验准备可以在数据收集之前减轻它们的影响，而其他因素，如头部运动，通常可以在后处理过程中利用为fMRI和EEG分析开发的技术进行纠正。神经网络学习的最新进展提高了fNIRS的准确性，可以提高其在线监测患者的效用。处理技术如自适应滤波，可用于在线提供神经系统状况的实时反馈，但在全头成像期间，在线处理需要计算细化。
最后，虽然这种方法使fNIRS用于大脑功能的神经成像研究成为可能，但它限制了个体诊断的临床效用。为了使fNIRS用于临床脑功能评估，例如在手术切除前识别癫痫患者的语言偏侧化，需要在个体水平上获得一致和稳健的结果。在图4中可以看到一个理想化的一般线性模型（GLM）示例，该示例说明了组水平与个体受试者水平分析的差异。这里的描述显示，在组水平的右手手指敲击任务期间已知活跃的一组特定通道上，t分数有着很强的统计增加，而当前的个体受试者分析的能力显示出t分数增幅较小的更广泛的脑区。为了更贴近临床，先进的处理和硬件配置（如在这篇综述中提到的）是至关重要的。该领域需要进一步发展，以确定比目前所做的更具有空间定位上的和显著的结果。使用高密度的全脑光极阵列、相对于头部的精确传感器位置、与解剖扫描的共配准、短距离通道以及信号处理的改进，可以结合在一起来改进个体内分析。
图4 组水平上右手手指轻敲任务的理想化的GLM输出（左），当前单个受试者的fNIRS分析能力（中），以及单个受试者的fNIRS分析需要达到什么水平才能具有临床相关性（右）。在这个描述中使用了氧合血红蛋白的例子。