博客

动态分析是时间维度分析的重要方法，这种方法在fMRI中被证实可以获得传统方法无法获得的信息。但是这种方法目前应用的并不普遍。仍然有继续探索和推广应用的必要性。动态分析在功能连接中使用具有一定的局限性，fMRI的低采样率在时间维度信息获取中优势不足。而fNIRS的便捷性、相对高采样、生态效应好和患者配合性佳的特点可以充分获取时间维度的信息，这和动态分析的优势可以完美契合。但是目前动态分析在fNIRS中的应用仍然非常局限，动态分析在fNIRS持续任务态数据处理中提供了新的方法尝试。

以下从方法学和领域必要性个方面进行分析。

在方法学方面，以下通过对关键词的检索进行分析：

使用web of science检索了动态分析在fNIRS研究领域的应用，检索式为(TS=(Dynamic functional connectivity) OR TS=(time-varying functional connectivity)) AND TS=(fNIRS)，共获得了137条结果，其中论著为126条，这与其他领域应用相比是明显不足的（fMRI为5811条）。这些研究大多数集中在最近的五到十年，这说明这一领域仍处于早期使用阶段，具有一定的新颖性。

我们对这126条结果进行分析可以获得以下特点： 

1、多数研究集中在使用动态分析方法研究静息态fNIRS并获得时间维度的信息，也有研究使用该方法分析持续任务态，这些研究在近年来逐步增多。而本研究正是使用了动态分析方法研究静息态和持续任务态两种状态下的时间特征，是目前的研究前沿。

2、这些研究都是分析实验范式下的特征，此后重点之一是自然刺激范式下的动态特征，这具有重要的现实意义。在既往的研究中，所涉及的任务均为与提高患者功能无关或者不是为了提高患者功能而设计的，可用于临床实践的范式，这可能无法真实的获取患者在进行临床实践时皮层信息时间维度的变化。任务时间需要充分参考了临床实际训练的时间，才能具有更高的生态效度。

3、目前少有人用的动态ALFF指标。经检索发现（(TS=(Dynamic functional connectivity) OR TS=(time-varying functional connectivity)) AND TS=(fNIRS)AND TS=(ALFF)）这一指标目前只有刚刚发表的一篇文章（Time course of cognitive functions and physiological response under heat exposure: Thermal tolerance exposure time based on ECG and fNIRS）中使用过，没有在其他文章中使用过，而这一指标与功能连接相比，可以反映单个脑区自身兴奋性的变化，可以和动态功能连接相互补充，具有较好的应用前景。

从领域必要性来说，通过分析目前的文献，我们发现将动态分析方法用于康复和传统医学领域的文章较少，然而动态分析方法在康复和中医领域具有非常巨大的应用前景和必要性。

1、“真实世界的自然主义”特点。临床实践中的康复训练（包括中医功法）常常需要维持10-20分钟，在此过程中患者的个人状态具有显著的变化，治疗开始和治疗结束前显然不同。然而目前大多数相关研究均对这些方法进行分解之后设计相关范式进行研究，这可能具有优势，但是却无法真是反映整个训练过程中的时间维度信息。例如在功法研究中，常常通过拆解单个姿势以形成block设计获得激活结果。这虽然能够获得单个姿势的皮层控制特征，但真是的功法训练的关键之一是动作之间的顺利转换，这可以训练患者的整体功能。既往的研究对此不够重视。

2、时间维度信息在解读康复训练机制的重要性，这在既往康复研究中比较缺乏。患者在每次持续训练中都处于“学习–反馈–训练–进步–再学习”的过程，在开始训练前患者的技能熟练度处于较差情况，随着持续训练中的学习，患者的技能熟练度开始升高，这既是训练的目的。显而易见，患者在进行单次训练开始、中间和最后具有不同的皮层控制特征。当我们将整个过程作为一个整体进行分析时，这种效应就被平均，从而无法识别，而这在解释运动学习和运动控制的皮层机制中非常重要。

以上是本研究创新性的理解，这种方法以一种新的视角—贴近真实世界的自然主意范式引入到康复和传统医学训练方法的时间机制研究中，能为该领域提供新的提示和见解。