2024年2月15日，北京师范大学认知神经科学与学习国家重点实验室朱朝喆课题组在《NeuroImage》杂志上发表研究论文Transcranial Brain Atlas Based on Photon Measurement Density Function in a Triple-Parameter Standard Channel Space。该研究在国际上提出近红外脑功能成像 (fNIRS)标准通道空间概念，并基于通道三个基本几何特征（通道位置、朝向、间距）建立了在个体间天然具有对应性的三参数fNIRS标准通道空间（Standard Channel Space）。该通道空间的出现解决了fNIRS领域中无法以标准化方式描述物理空间中任意可能通道的难题，为fNIRS脑成像理论和应用研究提供通用的分析与计算基础。本研究将三参数标准通道空间与研究组前期的经颅脑图谱理论框架结合，基于大样本数据库与光路模拟技术，成功绘制了光子测量密度经颅脑图谱，为fNIRS空间定位提供了创新解决方案。
fNIRS因其便携性、低成本和较高的生态效度，成为现代脑科学研究重要工具，在婴幼儿、老年人和神经精神疾病人群以及社会神经科学与人机工程等领域优势尤为明显。由于fNIRS自身数据缺乏解剖信息，研究者面临可能严重影响fNIRS研究结果可靠性的难题：1、实验前难以根据目标脑区合理排布与配对众多发射与接收光极（事前定位问题），以便有效检测到目标脑区；2、实验后难以定位和报告每个通道的解剖位置（事后定位问题）。fNIRS通过在受试者颅表放置的光极来获取神经活动引起的血氧代谢变化信息。一对发射光极与接收光极构成一个fNIRS测量通道。通道的光子测量密度函数（PMDF）定量描述了通道测量范围内任意位置的成像敏感性。如何根据PMDF来决定最佳的发射与接收光极排布，如何根据PMDF来确定通道的检测脑区的位置是fNIRS脑成像空间定位方法学研究的根本所在。
由于实际应用中往往缺乏PMDF计算所需的被试个体头部结构磁共振像，以往研究大多采用标准头模型（如Colin27和MNI152）作为替代来计算PMDF，并以此来指导事前与事后定位。此类方法存在两个重要缺陷：一是标准头模型与个体实际解剖结构之间存在差异，且差异程度因人而异；二是将光极位置限制在国际10-20系统及其衍生系统预定义的稀疏颅表点，这样得到的通道空间严重受限，大大降低了方法的实用价值。
朱朝喆教授研究团队在前期的标准颅表定位与定向系统基础上，创新性提出了三参数fNIRS标准通道空间（Standard Channel Space, SCS）。基于该标准通道空间，研究团队利用48名健康成年人的核磁共振数据进行蒙特卡洛光子传播模拟得到PMDF，并计算通道对灰质和三种经典脑图谱(Brodmann、AAL2和LPBA40)定义的脑区的群组平均敏感性，从而成功绘制了光子测量密度经颅脑图谱（PMDF-TBA）。该图谱能够提供任意通道对脑区的敏感性值和通道最敏感检测的脑区标号。研究结果显示，在对18名新被试的预测实验中，基于大样本数据构建的PMDF-TBA在敏感性预测和最敏感检测脑分区识别两个方面均显著优于传统的单一标准头模型方法。该方法为fNIRS光极排布优化和信号源精准定位提供了可靠的技术支持，有望显著提升fNIRS在神经科学研究中的应用水平。
本论文第一作者为朱朝喆课题组在读博士生韦俐江，通讯作者为朱朝喆教授。课题组已毕业的赵阳博士，在读博士刘发瑞、陈缘缘、在读硕士徐一龙参与了本研究。感谢北师大珠海校区李征教授和北师大刘丽教授为本研究提供的帮助。本研究得到了国家自然科学基金的资助（编号82071999和61431002）。
图1：通道空间和示例通道（s= [0.34,0.64], θ= 30°, d= 3cm）。
图2：PMDF-TBA。(A-D)敏感性图谱：(A) 灰质敏感性、 (B) BA 6区敏感性、(C) BA 4区敏感性和(D) BA 44区敏感性。(E) 最敏感脑区图谱。(F) 最大敏感性图谱。(G) 最大特异性图谱。
图3：朝向平均的PMDF-TBA。
图4. 预测误差评估。灰质(A)、BA 6区(B)、BA 4区(C)和BA 44区(D)的敏感性；最敏感脑区(E)。真实值图谱(第1、4列)、预测值图谱(第2、5列)和预测误差图谱(第3、6列)。
图5：使用基于Colin27模板(PMDF-TBA-Colin27)、MNI152模板(PMDF-TBA-MNI152)和48名个体MRI数据库(PMDF-TBA48)构建的PMDF-TBA，对18名新被试的TBA预测误差评估。
论文链接
Wei, L., Zhao, Y., Liu, F., Chen, Y., Xu, Y., Li, Z., & Zhu, C. (2025). Transcranial brain atlas based on photon measurement density function in a triple-parameter standard channel space. NeuroImage, 307, 121026.
https://doi.org/10.1016/j.neuroimage.2025.121026
其它相关论文
1.Xiao, X., Yu, X., Zhang, Z., Zhao, Y., Jiang, Y., Li, Z., Yang, Y., & Zhu, C. (2018). Transcranial brain atlas. Science Advances, 4(9). https://doi.org/10.1126/sciadv.aar6904
2. Jiang, Y., Du, B., Chen, Y., Wei, L., Zhang, Z., Cao, Z., Xie, C., Li, Q., Cai, Z., Li, Z., & Zhu, C. (2022). A scalp-measurement based parameter space: Towards locating TMS coils in a clinically-friendly way. Brain Stimulation, 15(4), 924–926.
https://doi.org/10.1016/j.brs.2022.06.001
3. Zhang, Z., Li, Z., Xiao, X., Zhao, Y., Zuo, X.-N., & Zhu, C. (2021). Transcranial brain atlas for school-aged children and adolescents. Brain Stimulation, 14(4), 895–905.
https://doi.org/10.1016/j.brs.2021.05.004
4. Jiang, Y., Li, Z., Zhao, Y., Xiao, X., Zhang, W., Sun, P., Yang, Y., & Zhu, C. (2020). Targeting brain functions from the scalp: Transcranial brain atlas based on large-scale fMRI data synthesis. NeuroImage, 210, 116550.
https://doi.org/10.1016/j.neuroimage.2020.116550
5.Liu, F., Zhang, Z., Chen, Y., Wei, L., Xu, Y., Li, Z., & Zhu, C. (2023). MNI2CPC: A probabilistic cortex-to-scalp mapping for non-invasive brain stimulation targeting. Brain Stimulation, 16(6), 1733–1742.
https://doi.org/10.1016/j.brs.2023.11.011
6. Zhao, Y., Xiao, X., Jiang, Y. H., Sun, P. P., Zhang, Z., Gong, Y. L., Li, Z., & Zhu, C. (2021). Transcranial brain Atlas‐based optimization for functional near‐infrared spectroscopy optode arrangement: theory, algorithm, and application. Human Brain Mapping, 42(6), 1657-1669.
https://doi.org/10.1002/hbm.25318
