NIRS-SPM是目前最常用的fNIRS数据分析工具包，它可以输出个体水平的beta值和激活结果。NIRS-SPM实现这一结果的中间过程比较复杂，与我们传统思维中的“假设检验”有差别，在NIRS-SPM的解读文献《NIRS-SPM: Statistical parametric mapping for near-infrared spectroscopy》中有较为详细的解释，但内容基本都是公式，水平有限，难以理解。以下是较为简单而主观的理解：
首先需要思考一个核心问题：个体水平只有一个beta值，怎么做假设检验？
实际上，NIRS-SPM中的假设检验并不是我们传统的t检验，而是另外一种。
基于GLM模型求beta值是比较好理解的，实际上，在GLM模型中除了beta值外，还有一个值是残差。
Y：观察到的 fNIRS 数据（如 HbO 或 HbR 的浓度变化）。X：实验任务设计矩阵（即刺激与基线的时间序列）。β：回归系数，反映任务与 fNIRS 数据之间的关系。ϵ：残差噪声。
而T值就是beta值和残差的关系，NIRS_SPM 使用 T 检验评估每个回归系数（或其线性组合）是否显著不同于零：
C：对回归系数进行线性组合的对比向量（contrast vector），例如 C=[1,0,0]C = [1, 0, 0]C=[1,0,0] 表示对第一个任务条件进行检验。√（var(Cβ^)）：通过残差方差和设计矩阵计算得到的回归系数的方差。
需要注意的是，每个通道的 T 值是根据回归系数计算的，而不是直接基于数据的均值和方差。
以上就是对于NIRS-SPM个体激活水平计算的理解，当然，这可能是不对的。