Spettroscopia funzionale nel vicino infrarosso: differenze tra le versioni

Da Wikipedia, l'enciclopedia libera.
Vai alla navigazione Vai alla ricerca
Naviga nella cronologia in modo interattivo
← Differenza precedenteDifferenza successiva →
Contenuto cancellato Contenuto aggiunto
VisualeWikitesto
draft_fnirs1
draft_fnirs1
Riga 35: Riga 35:


=== Composizione del segnale e problema della standardizzazione ===
=== Composizione del segnale e problema della standardizzazione ===
L’attività cerebrale misurata tramite la fNIRS sulla base del principio dell’accoppiamento neuro-vascolare risulta quindi essere la composizione di segnali relativi a risposte emodinamiche evocate a seguito di attività neurali localizzate <ref name=":0">{{Cita libro|cognome=Tachtsidis, Ilias Scholkmann, Felix|titolo=False positives and false negatives in functional near-infrared spectroscopy: issues, challenges, and the way forward|url=http://worldcat.org/oclc/980365739|accesso=2019-07-04|data=2016-07|editore=SPIE - International Society for Optical Engineering|OCLC=980365739}}</ref>. Tuttavia, dato il posizionamento delle coppie di sorgenti e detettori sullo scalpo del soggetto, il segnale complessivo è inevitabilmente contaminato da componenti di carattere extra-cerebrale e sistemico. Allo stesso modo, il segnale risulta inoltre sovrapposto a possibili risposte emodinamiche relative ad attività non-evocate, le quali possono essere a loro volta dovute sia ad attività neurali spurie che componenti sistemiche, fra cui la pulsazione cardiaca, la frequenza respiratoria e le onde di Mayer <ref>{{Cita pubblicazione|nome=Meryem A.|cognome=Yücel|data=2016-07-22|titolo=Mayer waves reduce the accuracy of estimated hemodynamic response functions in functional near-infrared spectroscopy|rivista=Biomedical Optics Express|volume=7|numero=8|pp=3078|accesso=2019-07-03|doi=10.1364/boe.7.003078|url=http://dx.doi.org/10.1364/boe.7.003078|nome2=Juliette|cognome2=Selb|nome3=Christopher M.|cognome3=Aasted}}</ref>. Le componenti extra-cerebrali quali lo scalpo e il cranio rivestono una significativa componente di rumore, in quanto caratterizzano una porzione grande porzione del cammino che i fotoni compiono rispetto alla distanza sorgente-detettore <ref>{{Cita pubblicazione|nome=Lia|cognome=Hocke|data=2018-05-08|titolo=Automated Processing of fNIRS Data—A Visual Guide to the Pitfalls and Consequences|rivista=Algorithms|volume=11|numero=5|pp=67|accesso=2019-07-04|doi=10.3390/a11050067|url=http://dx.doi.org/10.3390/a11050067|nome2=Ibukunoluwa|cognome2=Oni|nome3=Chris|cognome3=Duszynski}}</ref>. Risulta quindi necessario per operare un’opportuna analisi dei segnali misurati considerare l’insieme di questi effetti di interferenza fisiologica, in modo da poter escludere possibili effetti non strettamente legati al principio dell’accoppiamento neuro-vascolare e evitare un’erronea interpretazione delle risposte emodinamiche stimate alla luce di falsi positivi e falsi negativi <ref name=":0" />. Inoltre, un’ulteriore problematica relativa a sorgenti di rumore sovrapposte al segnale utile fNIRS riguarda la presenza di artefatti da movimento, i quali derivano principalmente da un non perfetto posizionamento degli optodi sullo scalpo, movimenti eccessivi della testa o del corpo rispetto alle condizioni sperimentali <ref>{{Cita pubblicazione|nome=Meltem|cognome=Izzetoglu|data=2010|titolo=Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering|rivista=BioMedical Engineering OnLine|volume=9|numero=1|pp=16|accesso=2019-07-04|doi=10.1186/1475-925x-9-16|url=http://dx.doi.org/10.1186/1475-925x-9-16|nome2=Prabhakar|cognome2=Chitrapu|nome3=Scott|cognome3=Bunce}}</ref>. Queste componenti di rumore si presentano generalmente sovrapposte alla stessa maniera su tutti i canali di misurazione (coppie sorgente-detettore) come improvvise e isolate variazioni del segnale misurato, e esistono in letteratura svariate strategie per la riduzione di questi artefatti basate su approcci sia a singolo canale che multi-canale.
L’attività cerebrale misurata tramite la fNIRS sulla base del principio dell’accoppiamento neuro-vascolare risulta quindi essere la composizione di segnali relativi a risposte emodinamiche evocate a seguito di attività neurali localizzate <ref name=":0">{{Cita libro|cognome=Tachtsidis, Ilias Scholkmann, Felix|titolo=False positives and false negatives in functional near-infrared spectroscopy: issues, challenges, and the way forward|url=http://worldcat.org/oclc/980365739|accesso=2019-07-04|data=2016-07|editore=SPIE - International Society for Optical Engineering|OCLC=980365739}}</ref>. Tuttavia, dato il posizionamento delle coppie di sorgenti e detettori sullo scalpo del soggetto, il segnale complessivo è inevitabilmente contaminato da componenti di carattere extra-cerebrale e sistemico. Allo stesso modo, il segnale risulta inoltre sovrapposto a possibili risposte emodinamiche relative ad attività non-evocate, le quali possono essere a loro volta dovute sia ad attività neurali spurie che componenti sistemiche, fra cui la pulsazione cardiaca, la frequenza respiratoria e le onde di Mayer <ref>{{Cita pubblicazione|nome=Meryem A.|cognome=Yücel|data=2016-07-22|titolo=Mayer waves reduce the accuracy of estimated hemodynamic response functions in functional near-infrared spectroscopy|rivista=Biomedical Optics Express|volume=7|numero=8|pp=3078|accesso=2019-07-03|doi=10.1364/boe.7.003078|url=http://dx.doi.org/10.1364/boe.7.003078|nome2=Juliette|cognome2=Selb|nome3=Christopher M.|cognome3=Aasted}}</ref>. Le componenti extra-cerebrali quali lo scalpo e il cranio rivestono una significativa componente di rumore, in quanto caratterizzano una porzione grande porzione del cammino che i fotoni compiono rispetto alla distanza sorgente-detettore <ref name=":3">{{Cita pubblicazione|nome=Lia|cognome=Hocke|data=2018-05-08|titolo=Automated Processing of fNIRS Data—A Visual Guide to the Pitfalls and Consequences|rivista=Algorithms|volume=11|numero=5|pp=67|accesso=2019-07-04|doi=10.3390/a11050067|url=http://dx.doi.org/10.3390/a11050067|nome2=Ibukunoluwa|cognome2=Oni|nome3=Chris|cognome3=Duszynski}}</ref>. Risulta quindi necessario per operare un’opportuna analisi dei segnali misurati considerare l’insieme di questi effetti di interferenza fisiologica, in modo da poter escludere possibili effetti non strettamente legati al principio dell’accoppiamento neuro-vascolare e evitare un’erronea interpretazione delle risposte emodinamiche stimate alla luce di falsi positivi e falsi negativi <ref name=":0" />. Inoltre, un’ulteriore problematica relativa a sorgenti di rumore sovrapposte al segnale utile fNIRS riguarda la presenza di artefatti da movimento, i quali derivano principalmente da un non perfetto posizionamento degli optodi sullo scalpo, movimenti eccessivi della testa o del corpo rispetto alle condizioni sperimentali <ref>{{Cita pubblicazione|nome=Meltem|cognome=Izzetoglu|data=2010|titolo=Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering|rivista=BioMedical Engineering OnLine|volume=9|numero=1|pp=16|accesso=2019-07-04|doi=10.1186/1475-925x-9-16|url=http://dx.doi.org/10.1186/1475-925x-9-16|nome2=Prabhakar|cognome2=Chitrapu|nome3=Scott|cognome3=Bunce}}</ref>. Queste componenti di rumore si presentano generalmente sovrapposte alla stessa maniera su tutti i canali di misurazione (coppie sorgente-detettore) come improvvise e isolate variazioni del segnale misurato, e esistono in letteratura svariate strategie per la riduzione di questi artefatti basate su approcci sia a singolo canale che multi-canale.


In aggiunta a queste considerazioni, va riportato che attualmente non esiste un processo di standardizzazione per quanto riguarda un approccio all'analisi del dato fNIRS<ref name=":2" />, in quanto i parametri relativi alle singole acquisizioni dipendono dalle specifiche condizioni sperimentali. La mancanza di una pratica comune impatta negativamente sia sulla riproducibilità degli studi proposti <ref name=":3" /> che sull'interpretazione dei dati, specialmente se non si ha ben chiaro la composizione del segnale fNIRS e delle fonti di rumore fisiologico ad esso sovrapposto <ref>{{Cita pubblicazione|nome=Mischa D.|cognome=Pfeifer|data=2018-01-08|titolo=Signal Processing in Functional Near-Infrared Spectroscopy (fNIRS): Methodological Differences Lead to Different Statistical Results|rivista=Frontiers in Human Neuroscience|volume=11|accesso=2019-07-04|doi=10.3389/fnhum.2017.00641|url=http://journal.frontiersin.org/article/10.3389/fnhum.2017.00641/full|nome2=Felix|cognome2=Scholkmann|nome3=Rob|cognome3=Labruyère}}</ref>. Data quindi la molteplicità dei fattori che possono causare incertezza nell'interpretazione dei dati, i singoli step di pre-processing e analisi statistica del segnale fNIRS devono essere presi in considerazione separatamente <ref>{{Cita pubblicazione|nome=Javier|cognome=Herrera-Vega|data=2017-9|titolo=Neuroimaging with functional near infrared spectroscopy: From formation to interpretation|rivista=Infrared Physics & Technology|volume=85|pp=225–237|lingua=en|accesso=2019-07-04|doi=10.1016/j.infrared.2017.06.011|url=https://linkinghub.elsevier.com/retrieve/pii/S1350449516306855|nome2=Carlos G.|cognome2=Treviño-Palacios|nome3=Felipe|cognome3=Orihuela-Espina}}</ref>.
In aggiunta a queste considerazioni, va riportato che attualmente non esiste una standardizzazione per quanto riguarda un approccio condiviso all'analisi del dato fNIRS<ref name=":2" />, in quanto i parametri relativi alle singole acquisizioni dipendono da specifiche condizioni sperimentali. La mancanza di una pratica comune

Data quindi la molteplicità dei fattori che possono causare incertezza nell'interpretazione dei dati, i singoli step di pre-processing e analisi statistica del segnale fNIRS devono essere presi in considerazione separatamente <ref>{{Cita pubblicazione|nome=Javier|cognome=Herrera-Vega|data=2017-9|titolo=Neuroimaging with functional near infrared spectroscopy: From formation to interpretation|rivista=Infrared Physics & Technology|volume=85|pp=225–237|lingua=en|accesso=2019-07-04|doi=10.1016/j.infrared.2017.06.011|url=https://linkinghub.elsevier.com/retrieve/pii/S1350449516306855|nome2=Carlos G.|cognome2=Treviño-Palacios|nome3=Felipe|cognome3=Orihuela-Espina}}</ref>.


=== Confronto con risonanza magnetica funzionale ===
=== Confronto con risonanza magnetica funzionale ===

Versione delle 00:18, 5 lug 2019

La spettroscopia funzionale nel vicino infrarosso (functional Near-Infrared Spectroscopy, fNIRS) è una tecnica non-invasiva di neuroimaging funzionale che impiega luce diffusa nella banda spettrale del vicino infrarosso per indagare l'attività emodinamica della corteccia cerebrale a seguito di un'attività metabolica neuronale. Tramite questo principio di accoppiamento neuro-vascolare risulta possibile misurare

valutare le capacità funzionali

FNIRS head Hitachi ETG4000 2

Storia

L’utilizzo della luce per le indagini relative alle proprietà dei tessuti risale all'inizio del XIX secolo [1]. A partire da questo periodo sono stati promossi numerosi studi volti all'approfondimento di questa tematica, fino ad arrivare al 1977, anno in cui si arrivò a comprendere che era possibile utilizzare la luce nello spettro del vicino infrarosso al fine di monitorare la saturazione di ossigeno in un tessuto in modo continuativo e non invasivo [2]. A seguito quindi delle prime ricerche in questo ambito, intorno alla metà degli anni ’80 questo approccio venne applicato per la prima volta al fine di valutarne le potenzialità investigative in relazione all'ossigenazione dei tessuti corticali [3]. L’inizio degli anni ’90 ha infine segnato un momento di svolta nello sviluppo della fNIRS, in quanto venne dimostrato che tramite questa tecnica e sulla base del principio dell'accoppiamento neuro-vascolare era possibile misurare l’attività cerebrale in modo non invasivo.

MMMM

Ad oggi, l’impiego principale delle tecniche fNIRS si riscontra per approfondimenti relativi al sistema uditivo, interfacce neurali, perfusione cerebrale, neurologia clinica. Stati cognitive. Medicina complementare e integrate , connettività, emozioni. Monitoraggio neonatale, esecuzione di movimenti, ricerca sul dolore [4].

Descrizione

La fNIRS permette di quantificare la concentrazione di cromofori risultante a partire da fenomeni di assorbimento e scattering relativi a luce diffusa nello spettro elettromagnetico del vicino infrarosso (lunghezza d'onda compresa fra 700 nm e 1 mm). In questo caso, i cromofori di interesse sono rappresentati dagli apporti di emoglobina ossigenata e deossigenata. Infatti, i rispettivi coefficienti di assorbimento di questi due cromofori all'interno di questa banda spettrale risultano


finestra ottica

punto isosbestico

{all’interno parte trasparenza} coefficiente di assorbimento Hb risulta molto maggiore rispetto a quello dell’acqua.. che compone la maggior parte dei tessuti biologici… ed inoltre di altri costituenti biologici, quali collagene e proteine


{dopo parte trasparenza} La misurazione che viene effettuata si riferisce quasi esclusivamente alle zone più superficiali della corteccia cerebrale, in quanto relativamente alla banda spettrale del vicino infrarosso la maggior parte della luce riesce a raggiungere profondità massime di circa 1.5 - 2 cm rispetto allo scalpo [5] che dipendono inoltre anche dalle singole distanze fra sorgenti e detettori [6].


{Di conseguenza…} posizionamento optodi su cuffia elastica

Di conseguenza, posizionando coppie di sorgenti e detettori di luce infrarossa sullo scalpo del soggetto e impiegando almeno due differenti lunghezze d'onda all'interno di questa banda spettrale risulta possibile attribuire le variazioni di intensità luminosa così misurate quasi interamente alle sole variazioni di concentrazione relative a questi due cromofori di interesse.

L'aspetto funzionale di questa tecnica deriva invece dalla possibilità di effettuare queste misurazioni fornendo contemporaneamente stimoli di carattere motorio, cognitivo e sensoriale al soggetto sotto esame. Alla pari di altre tecniche di neuroimaging funzionale, il principio fisiologico che permette di correlare l'attività emodinamica misurata alle singole capacità funzionali si riferisce al fenomeno dell'accoppiamento neuro-vascolare [7]. Questo principio infatti afferma che un'attività neurale relativa ad una specifica area cerebrale, la quale a sua volta fa riferimento a una risposta funzionale del soggetto a seguito di uno stimolo, causa un aumento locale del consumo di ossigeno ed una conseguente variazione del flusso sanguigno. In particolare, questo processo metabolico si traduce in un aumento locale dell'apporto di emoglobina ossigenata e una riduzione di emoglobina deossigenata.



Composizione del segnale e problema della standardizzazione

L’attività cerebrale misurata tramite la fNIRS sulla base del principio dell’accoppiamento neuro-vascolare risulta quindi essere la composizione di segnali relativi a risposte emodinamiche evocate a seguito di attività neurali localizzate [8]. Tuttavia, dato il posizionamento delle coppie di sorgenti e detettori sullo scalpo del soggetto, il segnale complessivo è inevitabilmente contaminato da componenti di carattere extra-cerebrale e sistemico. Allo stesso modo, il segnale risulta inoltre sovrapposto a possibili risposte emodinamiche relative ad attività non-evocate, le quali possono essere a loro volta dovute sia ad attività neurali spurie che componenti sistemiche, fra cui la pulsazione cardiaca, la frequenza respiratoria e le onde di Mayer [9]. Le componenti extra-cerebrali quali lo scalpo e il cranio rivestono una significativa componente di rumore, in quanto caratterizzano una porzione grande porzione del cammino che i fotoni compiono rispetto alla distanza sorgente-detettore [10]. Risulta quindi necessario per operare un’opportuna analisi dei segnali misurati considerare l’insieme di questi effetti di interferenza fisiologica, in modo da poter escludere possibili effetti non strettamente legati al principio dell’accoppiamento neuro-vascolare e evitare un’erronea interpretazione delle risposte emodinamiche stimate alla luce di falsi positivi e falsi negativi [8]. Inoltre, un’ulteriore problematica relativa a sorgenti di rumore sovrapposte al segnale utile fNIRS riguarda la presenza di artefatti da movimento, i quali derivano principalmente da un non perfetto posizionamento degli optodi sullo scalpo, movimenti eccessivi della testa o del corpo rispetto alle condizioni sperimentali [11]. Queste componenti di rumore si presentano generalmente sovrapposte alla stessa maniera su tutti i canali di misurazione (coppie sorgente-detettore) come improvvise e isolate variazioni del segnale misurato, e esistono in letteratura svariate strategie per la riduzione di questi artefatti basate su approcci sia a singolo canale che multi-canale.

In aggiunta a queste considerazioni, va riportato che attualmente non esiste un processo di standardizzazione per quanto riguarda un approccio all'analisi del dato fNIRS[12], in quanto i parametri relativi alle singole acquisizioni dipendono dalle specifiche condizioni sperimentali. La mancanza di una pratica comune impatta negativamente sia sulla riproducibilità degli studi proposti [10] che sull'interpretazione dei dati, specialmente se non si ha ben chiaro la composizione del segnale fNIRS e delle fonti di rumore fisiologico ad esso sovrapposto [13]. Data quindi la molteplicità dei fattori che possono causare incertezza nell'interpretazione dei dati, i singoli step di pre-processing e analisi statistica del segnale fNIRS devono essere presi in considerazione separatamente [14].

Confronto con risonanza magnetica funzionale

In termini di principi applicativi, la fNIRS viene molte volte comparata, o presa in considerazione come complementare, alla risonanza magnetica funzionale (functional Magnetic Resonance Imaging, fMRI), in quanto anch'essa rappresenta una tecnica non invasiva e capace di quantificare le capacità funzionali di un soggetto sulla base di variazioni dell'ossigenazione cerebrale a seguito di un attività neurale [15]. Tuttavia, la fNIRS permette di ottenere una misura diretta ed indipendente delle concentrazioni di emoglobina ossigenata e de-ossigenata seppur limitata ad un segnale confinato entro il cammino dei fotoni rispetto le zone più superficiali della corteccia cerebrale, lo scalpo ed il tessuto cranico. Al contrario la fMRI, la quale si basa a sua volta sul principio di accoppiamento neuro-vascolare, prende in considerazione le proprietà paramagnetiche e diamagnetiche di questi cromofori di interesse.

A discapito quindi di una minore risoluzione spaziale, in quanto appunto limitata dalle singole distanze sorgente-detettore, la fNIRS presenta alcuni vantaggi rispetto alla fMRI. Fra questi vantaggi si riporta:

  • maggiore risoluzione temporale, quindi maggiori possibilità di indagare nel dettaglio la risposta emodinamica corticale
  • minori costi associati alla singola acquisizione
  • minor sensibilità rispetto gli artefatti da movimento
  • maggiore flessibilità nelle capacità di impiego, fra cui la possibilità di eseguire protocolli sperimentali in ambiente aperto che non richiedono quindi l'immobilità del soggetto, nonché la promozione di dispositivi indossabili e portabili [12]


SCRIVERE MEGLIO QUI --> Al fine di compensare la limitata risoluzione spaziale della fNIRS mantenendone al tempo stesso...

Sono presenti studi in letteratura che utilizzano un approccio integrato fNIRS-fMRI oppure integrato con risonanza magnetica strutturale per validare nuovi metodi fNIRS --> VEDI REF CARTELLINA PLASTICA --> VEDI ANCHE FINE CW SITO INGLESE

INTRODURRE DISCORSO DOT/DOI

Classificazione delle tecniche

In base al tipo di tecnologia impiegata, si possono distinguere tre principali tipologie di tecniche fNIRS.

Viene riportato di seguito una panoramica di queste tecniche; la TABELLA inoltre riporta un


Onda continua

I sistemi a onda continua (Continuous Wave, CW-fNIRS) risultano essere quelli maggiormente utilizzati nell'ambito delle neuroscienze [12][1] e presentano i costi minori rispetto alle altre tipologie di fNIRS, nonchè promuovono inoltre applicazioni che coinvolgono soggetti in movimento e l'utilizzo di tecnologie wireless [16]. Il termine "onda continua" indica il fatto che viene misurata solamente l'intensità della luce diffusa attraverso i tessuti ed emessa a ampiezza e frequenza costante. A differenza delle altre tipologie di fNIRS non risulta quindi possibile determinare le concentrazioni assolute di emoglobina ossigenata e deossigenata, ma solamente variazioni di concentrazione dei rispettivi cromofori.

Per ogni canale di misurazione (coppia sorgente-detettore)

FORMULA

Risolta nel dominio della frequenza

La spettroscopia risolta nel dominio della frequenza (Frequency Domain, FD-fNIRS)

Risolta nel dominio del tempo

La spettroscopia risolta nel dominio del tempo (Time Domain, TD-fNIRS)

permettono inoltre di msurare il tempo di volo dei fotoniRispetto anche alla FD-fNIRS, questa tipologia permette la migliore discriminazione dei coefficienti di assorbimento e scattering


Bibliografia

  1. ^ a b (EN) Felix Scholkmann, Stefan Kleiser e Andreas Jaakko Metz, A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology, in NeuroImage, vol. 85, 2014-1, pp. 6–27, DOI:10.1016/j.neuroimage.2013.05.004. URL consultato il 3 luglio 2019.
  2. ^ F. Jobsis, Noninvasive, infrared monitoring of cerebral and myocardial oxygen sufficiency and circulatory parameters, in Science, vol. 198, n. 4323, 23 dicembre 1977, pp. 1264–1267, DOI:10.1126/science.929199. URL consultato il 4 luglio 2019.
  3. ^ M. Ferrari, I. Giannini e G. Sideri, Oxygen Transport to Tissue VII, vol. 191, Springer US, 1985, pp. 873–882, DOI:10.1007/978-1-4684-3291-6_88, ISBN 9781468432930. URL consultato il 4 luglio 2019.
  4. ^ (EN) NIRS Publications | Published fNIRS Research with NIRx Systems | fNIRS Systems | NIRS Devices | NIRx, su NIRx Medical Technologies. URL consultato il 4 luglio 2019.
  5. ^ Yuich Fukui, Yusaku Ajichi e Eiji Okada, Monte Carlo prediction of near-infrared light propagation in realistic adult and neonatal head models, in Applied Optics, vol. 42, n. 16, 1º giugno 2003, pp. 2881, DOI:10.1364/ao.42.002881. URL consultato il 4 luglio 2019.
  6. ^ Gary E. Strangman, Zhi Li e Quan Zhang, Depth Sensitivity and Source-Detector Separations for Near Infrared Spectroscopy Based on the Colin27 Brain Template, in PLoS ONE, vol. 8, n. 8, 1º agosto 2013, pp. e66319, DOI:10.1371/journal.pone.0066319. URL consultato il 4 luglio 2019.
  7. ^ (EN) Martin Wolf, Ursula Wolf e Vlad Toronov, Different Time Evolution of Oxyhemoglobin and Deoxyhemoglobin Concentration Changes in the Visual and Motor Cortices during Functional Stimulation: A Near-Infrared Spectroscopy Study, in NeuroImage, vol. 16, n. 3, 2002-7, pp. 704–712, DOI:10.1006/nimg.2002.1128. URL consultato il 3 luglio 2019.
  8. ^ a b Tachtsidis, Ilias Scholkmann, Felix, False positives and false negatives in functional near-infrared spectroscopy: issues, challenges, and the way forward, SPIE - International Society for Optical Engineering, 2016-07, OCLC 980365739. URL consultato il 4 luglio 2019.
  9. ^ Meryem A. Yücel, Juliette Selb e Christopher M. Aasted, Mayer waves reduce the accuracy of estimated hemodynamic response functions in functional near-infrared spectroscopy, in Biomedical Optics Express, vol. 7, n. 8, 22 luglio 2016, pp. 3078, DOI:10.1364/boe.7.003078. URL consultato il 3 luglio 2019.
  10. ^ a b Lia Hocke, Ibukunoluwa Oni e Chris Duszynski, Automated Processing of fNIRS Data—A Visual Guide to the Pitfalls and Consequences, in Algorithms, vol. 11, n. 5, 8 maggio 2018, pp. 67, DOI:10.3390/a11050067. URL consultato il 4 luglio 2019.
  11. ^ Meltem Izzetoglu, Prabhakar Chitrapu e Scott Bunce, Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering, in BioMedical Engineering OnLine, vol. 9, n. 1, 2010, pp. 16, DOI:10.1186/1475-925x-9-16. URL consultato il 4 luglio 2019.
  12. ^ a b c (EN) Paola Pinti, Ilias Tachtsidis e Antonia Hamilton, The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience: Advances in using fNIRS in cognitive neuroscience, in Annals of the New York Academy of Sciences, 7 agosto 2018, DOI:10.1111/nyas.13948. URL consultato il 3 luglio 2019.
  13. ^ Mischa D. Pfeifer, Felix Scholkmann e Rob Labruyère, Signal Processing in Functional Near-Infrared Spectroscopy (fNIRS): Methodological Differences Lead to Different Statistical Results, in Frontiers in Human Neuroscience, vol. 11, 8 gennaio 2018, DOI:10.3389/fnhum.2017.00641. URL consultato il 4 luglio 2019.
  14. ^ (EN) Javier Herrera-Vega, Carlos G. Treviño-Palacios e Felipe Orihuela-Espina, Neuroimaging with functional near infrared spectroscopy: From formation to interpretation, in Infrared Physics & Technology, vol. 85, 2017-9, pp. 225–237, DOI:10.1016/j.infrared.2017.06.011. URL consultato il 4 luglio 2019.
  15. ^ (EN) Sergio Fantini, Blaise Frederick e Angelo Sassaroli, Perspective: Prospects of non-invasive sensing of the human brain with diffuse optical imaging, in APL Photonics, vol. 3, n. 11, 2018-11, pp. 110901, DOI:10.1063/1.5038571. URL consultato il 4 luglio 2019.
  16. ^ Thomas Muehlemann, Daniel Haensse e Martin Wolf, Wireless miniaturized in-vivo near infrared imaging, in Optics Express, vol. 16, n. 14, 26 giugno 2008, pp. 10323, DOI:10.1364/oe.16.010323. URL consultato il 3 luglio 2019.
Estratto da "https://it.wikipedia.org/w/index.php?title=Spettroscopia_funzionale_nel_vicino_infrarosso&oldid=106368986"