Недавние исследования выявили ряд преимуществ объединения методов функциональной ближней инфракрасной спектроскопии (fNIRS, иногда используется аббревиатура фБИС) и электроэнцефалографии (ЭЭГ) для получения информации об активности мозга [1]. Хотя широко признано, что одновременный анализ ЭЭГ и fNIRS улучшает наше представление об активности мозга, обеспечивая высокое временное и пространственное разрешение [2], однако их совместное преимущество выходит далеко за рамки стандартных ожиданий. В этом блоге мы рассмотрим несколько дополнительных практических преимуществ комбинации fNIRS и ЭЭГ для изучения активности мозга в различных когнитивных состояниях.
1. Двойная оценка когнитивной деятельности: по электрической активности мозга и его потреблению кислорода
Одним из основных преимуществ объединения ЭЭГ и fNIRS является возможность измерения как электрической активности мозга, так и его потребления кислорода. ЭЭГ отслеживает электрические сигналы от нейронов, в то время как fNIRS изучает изменения уровня кислорода, которые фактические отражают, сколько энергии потребляет наш мозг. Объединив эти два метода, мы получаем полную картину активности мозга, показывающую как то, как работает мозг, так и сколько энергии ему необходимо для той или иной когнитивной деятельности.
Давайте объясним это на примере.
Представьте себе ситуацию, когда авиадиспетчер отвечает за управление десятками самолетов одновременно. Его способность принимать быстрые и точные решения имеет решающее значение для поддержания безопасности. Значительные сдвиги в альфа- и тета-волнах на ЭЭГ могут указывать на высокую умственную нагрузку или усталость [3]. В то же время fNIRS может обнаружить увеличение оксигенированного гемоглобина, что указывает на высокую метаболическую потребность и когнитивные усилия [4].
Объединение методов ЭЭГ и fNIRS дает два ключевых фрагмента информации: ЭЭГ показывает электрическую активность мозга, помогая нам определить, когда авиадиспетчер приближается к своему умственному пределу, в то время как fNIRS показывает, достаточно ли у мозга кислорода для выполнения задачи. Например, если ЭЭГ показывает сниженную активность, но fNIRS все еще указывает на высокий уровень кислорода, это может означать, что авиадиспетчер умственно истощен, даже если он все еще занят выполнением этой задачи. Это может быть сигналом о необходимости перерыва в работе или переназначения диспетчера для предотвращения фатальных ошибок.
Отвечая на оба вопроса, такие как «что» (нейронная активность), так и «как» (потребление кислорода), оба метода ЭЭГ и fNIRS совместно обеспечивают более полное понимание работы мозга.
2. Доступ к дополнительным физиологическим параметрам
Помимо двойной оценки работы, объединение ЭЭГ и fNIRS позволяет одновременно контролировать физиологические параметры вместе с измерением активности мозга. Чувствительность ЭЭГ и fNIRS к физиологическому шуму дает возможность лучше понять взаимодействие между мозгом и другими органами человека. Например, сигналы ЭЭГ, особенно в лобной доле, часто включают моргание глаз, что является эффективными индикаторами для мониторинга когнитивных состояний [5]. Аналогичным образом, на fNIRS влияют сердечная пульсация, респираторные колебания и изменения артериального давления [6]. Это делает комбинацию особенно полезной для изучения взаимодействия между активностью мозга и системными физиологическими реакциями.
Давайте проиллюстрируем это на примере мониторинга стресса.
Представьте себе хирурга, выполняющего сложную операцию в условиях сильного дефицита времени. Мониторинг уровня стресса в режиме реального времени имеет важное значение, поскольку высокий уровень стресса может ухудшить принятие решений и двигательные навыки. Поэтому совместное использование ЭЭГ и fNIRS предлагает комплексный способ оценки путем анализа как мозговой активности, так и связанных с ней физиологических реакций.
ЭЭГ дает ценную информацию о структуре мозговых волн, связанных со стрессом. Сигналы ЭЭГ от лобной доли часто могут показывать повышенную бета-активность и пониженную альфа-волны во время повышенного стресса или когнитивной перегрузки. Кроме того, повышенное моргание на ЭЭГ может косвенно указывать на стресс или усталость, поскольку частое моргание связано с эмоциональным напряжением или умственным напряжением. Между тем fNIRS дополняет эту картину, измеряя изменения оксигенации в префронтальной коре, которые отражают метаболические потребности мозга. В условиях стресса потребление кислорода часто увеличивается, и fNIRS может улавливать это потребление наряду с системными реакциями, такими как учащенное сердцебиение, изменения дыхания и колебание артериального давления — ключевые физиологические реакции на стресс.
Таким образом, объединяя ЭЭГ и fNIRS, можно получить более глубокий и детальный анализ стресса. Например, снижение альфа-волн и увеличение бета-волн, наряду с избыточным морганием на графиках ЭЭГ в сочетании с повышенной оксигенацией и выраженными показателями сердечной и дыхательной деятельности на fNIRS могут указывать на то, что и мозг, и тело находятся в состоянии стресса. Такой комплексный подход позволяет своевременно принимать меры, такие как содействие расслаблению или корректирование рабочей нагрузки, для улучшения самочувствия и производительности.
Заключение
Интеграция fNIRS и ЭЭГ объединяет лучшее из двух подходов: скорость электрического мониторинга мозга и глубину гемодинамического анализа. Благодаря их объединенным возможностям исследователи и врачи получают более глубокое, более тонкое понимание мозга и его связи с телом. Будь то для продвижения исследований в области нейронауки, улучшения медицинской диагностики или оптимизации производительности человека, синергия между fNIRS и ЭЭГ прокладывает путь для захватывающих инноваций в исследовании мозга.
Литература
[1] Li, R.; Yang, D.; Fang, F.; Hong, K.-S.; Reiss, A.L.; Zhang, Y. Concurrent fNIRS and EEG for Brain Function Investigation: A Systematic, Methodology-Focused Review. Sensors 2022, 22, 5865. https://doi.org/10.3390/s22155865.
[2] Liu, Z.; Shore, J.; Wang, M.; Yuan, F.; Buss, A.; Zhao, X. A systematic review on hybrid EEG/fNIRS in brain-computer interface. Biomedical Signal Processing and Control 2021, 68, 102595. https://doi.org/10.1016/j.bspc.2021.102595.
[3] Kingphai, K.; Moshfeghi, Y. Mental Workload Assessment Using Deep Learning Models from EEG Signals: A Systematic Review. IEEE Transactions on Cognitive and Developmental Systems 2024. https://doi.org/10.1109/TCDS.2024.3460750.
[4] Ji, X.; Dong, Q.; Liu, Z.; Pu, J.; Li, T. Association between low-frequency oscillation and cognitive compensation in high-performance group: An fNIRS mapping study. NeuroImage 2024, 304, 120944. https://doi.org/10.1016/j.neuroimage.2024.120944.
[5] Shahbakhti, M.; et al. Fusion of EEG and Eye Blink Analysis for Detection of Driver Fatigue. IEEE Transactions on Neural Systems and Rehabilitation Engineering 2023, 31. https://doi.org/10.1109/TNSRE.2023.3267114.
[6] Hakimi, N.; Shahbakhti, M.; Sappia, S.; Horschig, J.M.; Bronkhorst, M.; Floor-Westerdijk, M.; Valenza, G.; Dudink, J.; Colier, W.N.J.M. Estimation of Respiratory Rate from Functional Near-Infrared Spectroscopy (fNIRS): A New Perspective on Respiratory Interference. Biosensors 2022, 12, 1170. https://doi.org/10.3390/bios12121170.
