基于心电图（ECG）和近红外光谱（NIRS）的多模态神经血管耦合检测系统的设计与实现

《IEEE Sensors Letters》：Design and Implementation of a Multimodal Neurovascular Coupling Detection System Based on ECG and NIRS

神经血管耦合研究新方法：本文设计并实现了一种集成七通道近红外光谱（NIRS）和单通道心电（ECG）信号采集系统，通过Teensy 3.1处理器同步控制多通道信号采集，利用Python Qt 5框架实现实时数据可视化与存储。实验表明ECG心率检测误差低于5%，且系统在被动抬腿实验中有效验证了神经血管耦合的实时监测能力，突破单一模态检测限制。

　　

摘要：

鉴于心血管疾病导致的死亡率上升以及神经系统疾病的高发率，本文介绍了一种集成七通道功能性近红外光谱（NIRS）和单通道心电图（ECG）信号路径的设备，用于准确检测、传输和显示多模态信号。该设备以Teensy 3.1处理器作为控制核心，同时控制多个信号采集通道的开启和关闭。基于Python Qt 5框架开发的宿主计算机软件用于显示和保存实时数据。实验结果表明，在心电图测试中，该设备采集的心率数据与Apple Watch S6测量数据之间的相对误差在5%以内，表明心电图信号采集具有高精度。此外，还设计了一个被动抬腿实验来验证集成式的NIRS-ECG系统能够有效反映人体内的神经血管耦合现象。这种方法克服了单一模态检测方法的局限性。

引言

神经血管耦合（NVC）强调了大脑与其血管系统之间的密切关系，这一点在神经活动增强时局部血流迅速增加以满足大脑对氧气和营养的需求中表现得尤为明显。研究NVC对于理解和诊断神经退行性疾病具有重要意义[1]、[2]。目前研究NVC的方法包括功能性磁共振成像[3]、[4]和近红外光谱（NIRS）。其中，NIRS由于其高时空分辨率、低成本和便携性[5]，逐渐成为检测大脑功能的重要工具。然而，单独使用NIRS进行NVC检测存在某些局限性，特别是在信号延迟[6]和易受干扰[7]方面。心电图（ECG）作为一种非侵入性的生理信号检测技术，可以反映心脏活动和自主神经变化[8]，近年来逐渐被应用于NVC研究。此外，ECG能够确保相关生理数据（如血流动力学数据）与心率的同步记录，有助于测量NVC[9]。将ECG信号与NIRS信号结合使用，可以弥补每种方法的局限性，从而实现更准确、更全面的NVC检测。本文旨在设计一种基于七通道NIRS硬件采集设备的心电图信号采集微流体控制器，并遵循相应的数据传输原理和协议。添加ECG通道可以补充生理信号，确保NVC的准确测量。这一设计将有助于推进多信号融合技术在NVC研究中的应用，实现更可靠、更全面的生理信号检测。