# 可穿戴一体化 EEG-fNIRS 技术：综述 > AI 辅助翻译，非官方版本。专业判断、引用和争议应以原文及其勘误为准。 - 来源 ID：S0064 - DOI：10.3390/s21186106 - 原始来源：https://www.ebi.ac.uk/europepmc/webservices/rest/PMC8469799/fullTextXML - 许可：CC BY 4.0 - 翻译方法：Independent manual review; SHA-256-pinned source and translation - 审校状态：独立人工审校完成 ## 原始文件映射 - [fullTextXML.xml](../original/fullTextXML.xml) ## 许可文件（保留原文） - [creative-commons-legalcode.txt](../license/creative-commons-legalcode.txt)：法律或许可证据原文未翻译 - [europepmc-fullTextXML.xml](../license/europepmc-fullTextXML.xml)：法律或许可证据原文未翻译 ## 原始文件：fullTextXML.xml # 可穿戴一体化 EEG-fNIRS 技术：综述 - 期刊：Sensors（Basel, Switzerland） - 文章类型：综述 - 作者：Julie Uchitel；Ernesto E. Vidal-Rosas；Robert J. Cooper；Hubin Zhao^* - 作者单位：英国伦敦大学学院医学物理与生物医学工程系 DOT-HUB；英国剑桥大学儿科系；英国格拉斯哥大学 James Watt 工程学院 - 通讯作者：Hubin Zhao（hubin.zhao@ucl.ac.uk） - 学术编辑：Rebecca Re；Felipe Orihuela-Espina - 收稿日期：2021-07-17；接受日期：2021-09-04；发表日期：2021-09-12 - DOI：10.3390/s21186106 - PMCID：PMC8469799 - PMID：34577313 - 版权：© 2021 by the authors - 许可：知识共享署名许可协议（CC BY 4.0）。本文由 MDPI（Basel, Switzerland）许可发布，可依据 https://creativecommons.org/licenses/by/4.0/ 的条款使用。 ## 摘要同时采用脑电图（EEG）和功能性近红外光谱（fNIRS）对脑功能进行多模态评估，一直受到广泛关注。EEG-fNIRS 可以综合反映脑电活动和血流动力学功能，已用于脑科学的多个领域。研制在机械和电气层面均实现一体化的可穿戴 EEG-fNIRS 技术，是该领域下一阶段的重要工作。合理的系统设计可明显改善数据或图像质量、可穿戴性、患者或受试者舒适度以及长期监测能力。本文对可穿戴一体化 EEG-fNIRS 系统的研究进展作简明而全面的综述。相关进展包括基于分立元件和基于微芯片的 EEG-fNIRS 技术、模块化系统、小型轻量化形态、无线功能，以及 fNIRS 与 EEG 数据采集共用模数转换器（ADC）的架构。本文分析现有技术的特征、优点和缺点，为下一代可穿戴一体化 EEG-fNIRS 系统的研发提供参考路径。关键词：fNIRS，EEG，弥散光学断层成像，可穿戴，多模态，一体化 ## 1. 引言多模态功能神经成像可以同时评估脑活动的两种或更多种互补特征。神经元电活动与血流动力学活动属于完全不同的生理过程，因此许多多模态功能神经成像研究会把测量脑神经元电活动的方法与测量血流动力学活动的方法结合起来，以更全面地反映脑功能。在多模态研究中，评估脑电活动最常用的方法是脑电图（EEG）。EEG 通过头皮电极被动记录与皮层神经元活动有关的电信号。它具有无创、成本较低、便携和适合长期监测等特点，因此常用于脑功能研究。评估脑血流动力学活动的常见方法包括正电子发射断层成像（PET）、功能磁共振成像（fMRI）和功能性近红外光谱（fNIRS）[1,2,3,4,5]。fMRI 已成功用于 EEG-fMRI 等多模态研究 [3]，但固定场地、成本高和患者不适等限制使其不适用于某些患者和受试人群，例如新生儿、幼儿和老年人，也无法在医院或实验室之外使用。fNIRS 则不同，它利用近红外（NIR）光评估脑皮层血流动力学活动的变化，成本较低、便携且无创 [6]。基于这些原因，越来越多的脑功能多模态研究开始同时使用 EEG 和 fNIRS。两种技术的成本均较低、便于携带，并可能适用于临床与非临床环境中的长期受试者监测，因而可以同步评估脑内的电活动和血流动力学活动。多模态 EEG 与 fNIRS 系统，即 EEG-fNIRS 系统，已用于神经科学和临床神经照护中的多种场景 [7,8,9]。脑机接口（BCI）研究常用 EEG-fNIRS 组合系统增加可获得的脑信息量并提高分类准确率 [5,10,11,12,13,14]。临床研究表明，EEG-fNIRS 可用于卒中 [15,16,17]、帕金森病 [18]、癫痫 [19,20] 及其他疾病患者 [21,22]。两种方法的侵入性都很低、运行安静，并可在床旁使用，因此 EEG-fNIRS 在新生儿脑研究中尤其受到关注 [23]。婴儿研究显示，EEG-fNIRS 对理解神经血管耦合的发育，以及与神经病理相关的耦合失调具有特殊价值 [24,25,26,27]。从技术角度看，多模态 EEG-fNIRS 通常是把彼此独立的商用 EEG 系统和基于光纤的 fNIRS 系统机械组合起来 [10,11,12,13,14,17,18,28,29,30]。组合两个独立系统会带来四项主要难题：(1) 如何把所需的 EEG 电极、fNIRS 光源和探测器同时固定在受试者头部；(2) 如何使同步记录的 fNIRS 和 EEG 达到足够的定时精度并保持同步；(3) 两个系统之间可能发生电串扰；(4) 如何确定哪些商用 fNIRS 与 EEG 系统能够组合。下文逐项说明这些问题。 (1) 现有分立系统的一大难题是可穿戴性。粗大的光纤、EEG 线缆和电极必然争夺头部空间 [14,31]。年轻人群的头围较小，可使用的光极和电极数量受到的限制尤其明显。传统 fNIRS 光纤不仅占用头部空间，而且通常不适合长期监测，也难以广泛用于医院或实验室之外。单模态可穿戴 EEG 和 fNIRS 技术已经取得显著进展 [8,9]，机械一体化多模态系统的进展则不那么明显。 (2) 未一体化的 EEG-fNIRS 系统需要外部机制把采集信号锁定到同一时间轴 [28]。具体做法是在采集数据中加入标记信号或标志，随后依据这些标记，在离线处理中同步不同模态记录的信号。不过，各仪器会按照各自的采样率独立数字化模拟信号，并使用存在各自抖动的独立时钟源，因此信号之间仍可能存在时间延迟 [32]。 (3) 把电气上彼此独立的 fNIRS 和 EEG 系统组合起来时，系统间串扰是一个严重问题。目前许多 fNIRS 系统把激光二极管（LD）或发光二极管（LED）光源集成在置于头部的光极或可穿戴模块中。LD/LED 驱动电流常采用脉冲、正弦波调制或方波调制，以便对检测信号作相敏解调，提高所得光强测量的信噪比（SNR）[32]。为获得较多通道，fNIRS 系统通常还采用频分复用 [33] 或时分复用 [34]，使不同光源具有不同的驱动电流模式。现有调制和复用方法可能使 fNIRS 光极中快速切换的电流，串扰到 EEG 电极对之间敏感的电位差测量中 [32]。一项研究发现，频分复用 fNIRS 系统与 EEG 之间的串扰通常位于 EEG 目标频谱（0.1–40 Hz）之外，因而可用适当的低通滤波器抑制 [32]。时分复用 fNIRS 系统的光源切换则很可能落在 EEG 目标频谱内，这会限制两者的一体化。 (4) 在一些情况下，制造商或经销商已经可以提供能够同时使用的分立式 fNIRS 和 EEG 系统。但每种 EEG 和 fNIRS 系统各有优缺点，预先确定的搭配会限制研究人员的选择。为 fNIRS 系统选择 EEG 系统时，需要考虑多项特征。例如，不同 EEG 电极各有利弊，包括干电极与湿电极、有源电极与无源电极。干电极直接接触头皮，但阻抗通常较高，对运动伪迹也更敏感 [35]。湿电极通常由 Ag/AgCl 金属制成，需要在头皮上涂电解质凝胶或导电膏，以传导皮肤与电极之间的离子电流。湿电极阻抗低、对运动伪迹不太敏感，但导电凝胶会逐渐干燥并导致阻抗恶化，因此不适合长期监测 [36]。有源电极在皮肤与电极之间的导电材料之后紧接预放大模块 [37]。预放大，即使用前端放大器，通常可以降低 EEG 信号噪声；但有源电极一般比无源电极大，会占用更多头部或电极帽空间。EEG 与 fNIRS 组合后，fNIRS 光极的位置还可能妨碍 EEG 电极布置在适当的国际 10–20 系统点位。要克服现有分立系统的这些缺点，较为理想的办法是研制完全一体化的可穿戴 EEG-fNIRS 系统 [31,32]。本文所说的“一体化”是指系统在机械和电气层面均实现一体化。这类完全一体化或“混合式”系统采用共同的电路架构和控制模块，从而消除信号间发生时间延迟的可能。设计一体化 EEG-fNIRS 系统时还会尽量减少两个子系统之间的串扰，例如把 fNIRS 的 LD/LED 电流切换频率设在 EEG 目标频带以上 [32]。系统还必须具备可穿戴性，才能保证患者或受试者舒适，支持长期监测和真实环境应用。要兼顾可穿戴性以及 EEG 与 fNIRS 所需的测量密度，很可能必须在头部对电极和光极进行某种形式的机械一体化。本文综述可穿戴一体化 EEG-fNIRS 技术的现状，并分析各种技术的优点与局限，以期为改进型可穿戴一体化系统的后续研发提供方向。第 2 节说明文献综述的检索策略，以及论文的识别和分类标准；第 3 节回顾可穿戴一体化 EEG-fNIRS 技术迄今的主要进展，并说明检出系统的主要特征；第 4 节评价几类现有 EEG 电极和前端放大器，分析其与 fNIRS 一体化的相对难易程度；最后结合未来可能取得进展的领域讨论本综述的主要结论。 ## 2. 纳入的文献本综述采用以下检索策略筛选文献：在 Google Scholar 和 Web of Science 中以关键词（near-infrared spectroscopy (NIRS) OR fNIRS）AND（EEG OR electroencephalography）检索。随后人工筛查检索结果，判断文献所述技术是否为完全一体化，即机械和电气层面均实现一体化的可穿戴 EEG-fNIRS 技术。本文只纳入连续波（CW）fNIRS 系统，因为在同行评议论文中，目前尚无其他类型的一体化 EEG-fNIRS 技术得到充分展示。最终检出 10 篇关键文献，下文将逐一介绍。这些文献所述技术差异很大，本文尝试按制造工艺将系统分为两大类。[38,39,40,41,42,43] 中的技术完全采用商用分立元件开发，即把现成的分立元件组装到印刷电路板（PCB）上，构成一体化系统。本文将其归为“基于分立元件的技术”，详细信息汇总于表 1。相比之下，[44,45,46,47] 所述一体化系统的主要组件或功能模块采用互补金属氧化物半导体（CMOS）工艺，制作在定制微芯片中。这种方法把系统的大部分组件和功能模块集成到占用面积很小的独立微芯片内。本文将其统称为“基于微芯片的技术”。 ### 表 1：主要可穿戴一体化 EEG-fNIRS 技术的特征。“n/a”表示该特征不适用于相应系统，例如芯片面积；破折号“—”表示无可用信息。 | 作者、年份 | 制造工艺 | 头戴元件或模块尺寸 | 控制单元尺寸 | 芯片面积（die area，um²） | 重量（g） | 光源/探测器数 | 光学通道数 | 波长（nm） | SDS（mm） | EEG 通道数 | EEG 头皮电极位置 | NIRS/EEG 记录分辨率（bit/bit） | ADC 设置 | fNIRS/EEG 采样率（Hz/Hz） | 无线功能 | 功耗（mW） | |---|---|---|---|---|---:|---:|---:|---|---|---:|---|---|---|---|---|---:| | Safaie 等，2013 [38] | 分立元件 | 35 × 80 × 10 mm³ | — | n/a | 90 | 8/4 | 32 | 760, 850 | 20 至 63 | 8 | 国际 10–10 标准 | 16/16 | 独立 | 8/1024 | 是 | 400 | | Sawan 等，2013 [39] | 分立元件 | 130 mm² | 160 × 130 × 82 mm³ | n/a | 800 | 8/8 | 32 | 735, 850 | 31 | 8 | — | 16/16 | 共用 | 20/320 | 是 | 2200 | | Kassab 等，2018 [42] | 分立元件 | 95 mm² | 120 × 90 × 70 mm³ | n/a | 850 | 32/32 | 128 | 735, 850 | ~30 | 32 | — | 16/16 | 独立 | 20/320 | 是 | 2600 | | von Luhmann 等，2017 [40] | 分立元件 | 42 × 42 mm² | — | n/a | — | 6/6 | 13 | 750, 850 | 35 | 8 | 取决于模块放置位置 | 24/24 | 共用 | 16.6/500 | 是 | 360 | | Lee 等，2019 [43] | 分立元件 | — | 70 × 70 mm² × 2 | n/a | — | 2/6 | 8 | 730, 850 | 27 | 16 | 按国际 10–20 标准布置于额叶和顶叶皮层的 16 个位置 | 16/24 | 独立 | 5/250 | 是 | 18.8（每通道） | | Chua 等，2011 [44] | CMOS 65 nm | — | — | 1317 × 1317 | — | 6/12 | 24 | 735, 890 | 14.14 | — | — | 10/10 | 独立 | 1/128 | 否 | 3.6（仅芯片） | | Ha 等，2016 [45] | CMOS 110 nm | — | — | 450 × 2250 | — | 1/2 | 1 | 670, 850 | — | 1 | 前额（AF7）和颞部（FT9） | 11/11 | 共用 | — | 否 | 46.2 | | Ha 等，2017 [46] | CMOS 65 nm | 35 × 260 mm² | — | 4000 × 4000 | <26 | 1/1 | 1 | 670, 850 | — | 2 | 前额（AF7）和颞部（FT9） | 12/12 | 共用 | 20–80/2000 | 是 | 25.2 | | Xu 等，2018 [47] | CMOS 180 nm | — | — | 4000 × 4000 | — | 2/2 | 4 | 735, 850 | 30 | 1 | — | 12/15 | 独立 | 2–512/— | 否 | 0.665（仅芯片） | ## 3. 先进的可穿戴一体化 EEG-fNIRS 设备 ### 3.1. 基于分立元件的技术 2013 年，Safaie 等人提出了一种一体化 EEG-fNIRS 系统 [38]。系统由四个主要部分组成：EEG 前端记录电子电路、头戴式光电子器件、控制单元和笔记本电脑。fNIRS 模块采用 8 个双波长 LED（760 nm 和 850 nm，L760/850，Epitex）作为光源，采用 4 个硅二极管（ODA-6WB-500M，Optodiode）作为探测器。这种布置最多可形成 32 个通道，理论源-探测器间距（SDS）为 20–63 mm。fNIRS 数据由 16-bit 模数转换器（ADC；ADS1178，Texas Instruments）采集，总采样率为 8 Hz。EEG 模块支持 12 个标准 Ag/AgCl 烧结杯状 EEG 电极。系统采用 16 通道生物电位前端放大器采集 EEG 信号，可测量 0–100 kΩ 范围内的电极-皮肤阻抗，并复用一枚 16-bit ADC（AD7985，Analog Devices）采集所记录的 EEG 信号，采样率为 1024 Hz。定制光电子“贴片”把 EEG 与 fNIRS 组件集成在一起，尺寸为 35 × 80 × 10 mm³，重量为 90 g。控制单元和笔记本电脑用于数据采集与传输。系统内置 Bluetooth 模块，可无线运行，整机功耗为 ~400 mW。该系统把 EEG 和 fNIRS 模块成功集成为可穿戴系统，实现了无线运行，形态也相对轻便。不过，这项工作仍有若干问题。首先，fNIRS 模块给出的 SDS 最大为 63 mm，理论动态范围最大为 198 dB，但研究没有在较长间距下演示并验证数据质量和实际动态范围；fNIRS 模块能否进行 3D 成像也不清楚。其次，EEG 的电极-皮肤阻抗测量范围相对有限，不足以支持干电极。EEG 与 fNIRS 模块分别使用两枚 ADC 采集数据，这不仅增加系统尺寸和功耗，也可能影响 fNIRS 与 EEG 数据流中标记之间的定时精度。更重要的是，两个模块都使用大量线缆，把 EEG 电极和光学探测器的模拟信号传到较远的控制模块；这既不利于实际应用，也使系统容易受到射频（RF）噪声干扰。此外，现有人体工学设计的扩展性有限。同年，Sawan 等人在其前期工作 [41] 的基础上开发了一种无线可穿戴一体化 EEG-fNIRS 系统 [39]，见图 1a。系统主要包括可穿戴头盔和控制单元。头盔中有 8 个光源、8 个探测器和 8 个 EEG 记录位点。系统选择双波长 LED（735 nm 和 850 nm，Epitex）作为光源，选择雪崩光电二极管（APD；S2384，Hamamatsu）作为探测器。为获得足够的灵敏度，APD 使用了 150 V 高偏置电压。理论上，每个光源可以与周围 4 个探测器配对，最多形成 32 个 fNIRS 通道，但文中没有给出实际 SDS。LED 前端驱动电路和检测电路均装在小型圆形 PCB（130 mm²）上，EEG 电极及其前端电子电路的实体实现方式则不清楚。控制单元采用 3 层堆叠 PCB，分别实现系统控制、供电和数据传输。一枚 16-bit ADC 同时采集 fNIRS 与 EEG 数据，采样率分别为 20 Hz 和 320 Hz。控制单元内置 Bluetooth 模块，用于无线数据传输；其中的锂离子电池（10 Ah-7.4 V，76 × 80 × 40 mm²，400 g）为整个系统供电，实测功耗为 2.2 W。控制单元的整体尺寸为 160 × 130 × 82 mm²，重量为 800 g。该系统近期又增加了光源、探测器和电极，达到 128 个 fNIRS 通道（32 个光源、32 个探测器）和 32 个 EEG 通道，但尺寸、重量和线缆数量也随之增加 [42]，见图 1b。这项工作展示了无线可穿戴一体化 EEG-fNIRS 系统。系统使用共用 ADC 架构同步采集 fNIRS 与 EEG 数据，可能提高多模态数据采集的定时精度。但与上述 Safaie 等人的系统类似，前端组件和控制单元之间的线缆十分繁杂，会限制实际和长期应用。头盔与控制单元之间传输模拟数据时还可能引入外部 RF 噪声，进而影响数据质量。论文说明了头戴式光电子器件的实现方式，却没有清楚展示 EEG 电极及相关前端电子电路，也没有给出电极-皮肤阻抗的测量范围，因而无法判断系统兼容湿电极、干电极还是两者均可。fNIRS 数据的 SDS 和潜在成像能力同样不清楚，光学与电子子系统之间的串扰也未评价。 2017 年，von Luhmann 等人开发了一种模块化系统架构，用于实现一体化多通道 EEG-fNIRS 系统 [40]，见图 1c。每个模块配有 2 个双波长 LED（750 nm 和 850 nm，L750/850-04A，Epitex）作为 NIR 光源，并采用 2 个硅光电二极管（OPT101，Burr-Brown）作为 NIR 探测器。SDS 约为 35 mm。每个模块最多可形成 6 个 fNIRS 通道，其中包括 4 个模块内通道和 2 个理论跨模块通道。fNIRS 数据由 24-bit ADC（ADS1299，原文排作 ADS 1299；Texas Instruments）采集，采样率设为 16.6 Hz。检测电路的噪声等效功率（NEP）经表征后，在 850 nm 处得到最小值 4.77 pW，在 750 nm 处得到最大值 5.92 pW。每个模块理论上最多可形成 6 个 EEG 通道。采集 fNIRS 数据的 24-bit ADC 也同步采集 EEG 数据，采样率为 500 Hz。输入阻抗较高（1 TΩ），共模抑制比为 –110 dB，因此理论上湿式和干式 EEG 电极均可使用。每个模块还嵌入 3 轴加速度计（ADXL343，Analog Devices）监测局部运动，并配有 Bluetooth 模块用于无线传输。小型锂离子电池（300 mAh，28 × 34 × 0.6 cm³）可为模块供电，每个模块功耗约为 360 mW。该模块化架构理论上可扩展到 4 个模块；论文展示了一个 3 模块 fNIRS+EEG 系统（图 1c），可形成 13 个 fNIRS 通道和 8 个 EEG 通道。这项工作提出了一种模块化可穿戴多模态系统，可在单个模块内同时进行 fNIRS 测量、EEG 记录和运动监测。共用 ADC 架构可能改善定时精度和数据同步，每个模块也都实现了电池供电和无线运行。不过，系统仍有几项主要局限。研究尚未展示 3D 脑成像能力；大多数 SDS 固定为 35 mm，只能进行稀疏空间采样。每个模块的占用面积较大，为 42 × 42 mm²，限制了系统的可穿戴性和舒适度。模块化设计的扩展能力也有限，难以覆盖整个头皮采样。此外，论文没有说明模块重量。 2019 年，Lee 等人提出了一种基于干电极的一体化 EEG-fNIRS 系统 [43]，系统框图见图 1d。该系统采用 2 个双波长 LED（730 nm 和 850 nm，OE-MV7385-P，Opto ENG）作为 fNIRS 光源，采用 6 个硅光电二极管（OPT101，Texas Instruments）作为 fNIRS 探测器。这种布置在 9 cm × 3 cm 区域内形成 8 个 fNIRS 通道，固定 SDS 为 27 mm。基于 MOSFET 的 LED 驱动器通过精细调节强度来调制 LED 照明。一枚 16-bit ADC（ADS8688A，Texas Instruments）采集 8 通道 fNIRS 数据，采样率为 5 Hz。EEG 记录使用定制干电极原型，每个干电极由 18 个弹簧探针（SK100R，Leeno Industrial Inc.）组成，用于接触受试者头皮。系统用 16 个干电极记录 EEG，2 枚 24-bit ADC（ADS1299，Texas Instruments）专门采集 16 通道 EEG 数据，采样率为 250 Hz。系统制作了 2 个基于 4 层 PCB 的控制单元，每个尺寸为 70 mm × 70 mm，用于采集全部 EEG 和 fNIRS 通道的数据并控制整机。系统可由电池供电，每个记录通道的平均功耗约为 18.8 mW。这项工作把 fNIRS 和 EEG 模态集成到一个独立系统中，但系统仍有若干与 [48,49,50] 中设备相似的局限（表 2）。首先，光极或电极与远端控制单元之间使用了大量线缆，控制单元笨重繁杂，受试者舒适度和长期可穿戴性因此受限。更重要的是，线缆可能使 fNIRS 和 EEG 信号容易受到环境 RF 噪声影响。系统的 SDS 固定且仅为 27 mm，只能进行稀疏采样。论文也没有说明系统总重量。总体而言，这套新系统与 [38,39,40,41,42] 中的既有设计相比，没有显示出明显改进。需要指出的是，市面上有若干可穿戴 fNIRS 系统 [48,49,50] 声称能够与 EEG 集成，但这些系统只是把 fNIRS 光极与电极帽上的 EEG 端口作机械组合。它们仍采用彼此分离的电子设计，离完全一体化系统尚有很大距离。 ### 图 1：（a）Sawan 等人所述无线一体化 EEG-fNIRS 系统，包括容纳光学与电学前端组件的头盔、用于系统控制和数据传输的远端控制单元以及线缆；经 [39] 许可使用并修改。（b）Kassab 等人所述系统，含 128 个 fNIRS 通道（32 个光源、32 个探测器）和 32 个 EEG 通道，使用大量线缆；经 [42] 许可使用。（c）von Luhmann 等人所述模块化一体化 EEG-fNIRS 系统，由 3 个独立模块组成，形成 13 个 fNIRS 通道和 8 个 EEG 通道；经 [40] 许可使用。（d）Lee 等人所述基于干电极的一体化 EEG-fNIRS 系统，包括用于定位 8 个光极（2 个光源、6 个探测器）的电极帽、2 块定制控制板以及线缆；经 [43] 许可使用。 ### 表 2：本文所述一体化 EEG-fNIRS 系统的优缺点汇总。 | 作者、年份 | 优点 | 缺点 | |---|---|---| | Safaie 等，2013 [38] | 32 个 fNIRS 通道、16 个 EEG 通道；理论 SDS 为 20–63 mm；通过 Bluetooth 模块无线运行；电池供电；相对轻量 | 未展示数据质量和实际动态范围；3D 成像能力不清楚；分别使用 ADC 采集数据，增加尺寸和功耗，并可能造成 EEG 与 fNIRS 采集之间的时间偏移；EEG 和 fNIRS 到控制模块之间有大量模拟线缆；人体工学扩展性有限 | | Sawan 等，2013 [39] | 32 个 fNIRS 通道、8 个 EEG 通道；前端电子电路小型化；APD 探测器灵敏；无线且由电池供电；共用 ADC 架构 | EEG 和 fNIRS 到控制模块之间有大量模拟线缆；EEG 电极的实体实现及对不同电极类型的兼容性不清楚；fNIRS 通道的成像能力和 SDS 不清楚；APD 使用 150 V 高偏置电压，可能存在安全问题 | | Kassab 等，2018 [42] | 128 个 fNIRS 通道、32 个 EEG 通道；其他优点同上一系统 | 局限同上一系统；与上一系统相比尺寸、重量和线缆数量均增加 | | von Luhmann 等，2017 [40] | 模块化设计；理论上湿式和干式 EEG 电极均可使用；用 3 轴加速度计监测局部运动；共用 ADC 架构 | 通道数有限，仅有 13 个 fNIRS 通道和 8 个 EEG 通道；扩展能力有限，理论上最多扩展到 4 个模块；未展示成像能力；SDS 固定为 35 mm，空间采样稀疏；模块占用面积大；不能覆盖整个头皮采样；各模块重量不清楚 | | Lee 等，2019 [43] | 16 个 EEG 通道；定制干式 EEG 电极；电池供电 | fNIRS 通道数有限，仅有 8 个；EEG 和 fNIRS 到控制模块之间有大量模拟线缆；SDS 固定为 27 mm，空间采样稀疏；使用独立 ADC；系统总重量不清楚 | | Chua 等，2011 [44] | 基于微芯片且高度集成；24 个 fNIRS 通道 | SDS 固定为 14.14 mm，空间采样稀疏；未说明 EEG 通道数；未考虑 EEG 与 fNIRS 通道之间可能的串扰；未在人体受试者上演示；未展示系统性能的测量验证 | | Ha 等，2016 [45] | 系统级芯片（SoC）架构；可穿戴耳模块设计；共用 ADC 架构；用于 NIR 照明的 VCSEL 驱动器可调，并经过 SNR 优化；可重构阻抗增强环路可实现超高 EEG 输入阻抗 | 通道数有限，每个模块只有 1 个 fNIRS 通道和 1 个 EEG 通道；耳模块设计的扩展能力不清楚；未给出 fNIRS 通道的 SDS 和动态范围；未说明 fNIRS 与 EEG 采样率；功耗相对较高；未说明系统重量 | | Ha 等，2017 [46] | 基于微芯片；轻量且外形小；无线运行；共用 ADC 架构；可重构阻抗增强环路可实现超高 EEG 输入阻抗；已在患者中用于麻醉深度监测 | 通道数有限，整套系统只有 1 个 fNIRS 通道和 2 个 EEG 通道；大面积监测的扩展能力不清楚；fNIRS 通道的 SDS 不清楚；NIR 光检测动态范围相对有限，为 60 dB | | Xu 等，2018 [47] | 基于微芯片；一体化系统包含电阻抗断层成像；SiPM 探测器灵敏；EEG 输入阻抗高；布局紧凑；功耗低 | 只有 4 个 fNIRS 通道和 1 个 EEG 通道；设计能否扩展为可穿戴系统不清楚；SDS 固定为 30 mm；未展示 EEG 电极的实现；未在人体受试者上演示；SiPM 使用 30 V 高偏置电压，装在受试者头部时可能引起担忧；未考虑 EEG 与 fNIRS 系统之间可能的串扰 | ### 3.2. 基于微芯片的技术上一节介绍的一体化 EEG-fNIRS 技术完全由现成的分立元件构成。另一种方法是采用定制 CMOS 集成电路（IC），把主要 fNIRS 测量电路和 EEG 记录电路制作并集成在一枚微芯片中。这种策略可能缩小占用面积和重量，降低噪声与功耗，改善信号质量并提高定时精度。 2011 年，Chua 等人提出了一种基于 CMOS 的高度集成 EEG-fNIRS 系统 [44]。系统采用 6 个双波长 LED（735 nm 和 890 nm）作为 fNIRS 光源，并在 LED 附近布置 12 个探测器，见图 2a。fNIRS 传感器阵列制作在可弯曲 PCB 上。SDS 设为 14.14 mm，可形成 24 个源-探测器通道。一枚 10-bit ADC 以 1 Hz 采样 fNIRS 数据，另一枚 10-bit ADC 以 128 Hz 记录 EEG 数据，但论文没有说明 EEG 通道数和电极数。微芯片采用 UMC 65 nm CMOS 工艺制造，其中包含 fNIRS 数据处理器、用于 EEG 记录的 4 通道独立成分分析（ICA）处理器和心率变异性（HRV）分析处理器。裸片尺寸为 1317 um × 1317 um，有效面积，即核心尺寸，为 680 um × 680 um。微芯片的仿真功耗为 3.6 mW。这项工作提出了一种基于微芯片的多模态平台，可同步测量和采集 fNIRS 与 EEG 数据，并把 fNIRS 数据处理器、ICA 引擎和 HRV 处理器集成到紧凑的芯片布局中。不过，研究没有清楚展示所制造的芯片如何用于实际多模态系统。EEG 前端和电极的实现方式不清楚，EEG 通道数也未给出。研究没有考虑 fNIRS 与 EEG 信号之间可能的串扰。论文还展示了基于可弯曲 PCB 的传感器阵列，但没有说明如何把阵列实际安装到患者或受试者身上。阵列 SDS 固定为 14.14 mm，用该系统生成 3D 图像会很困难。研究给出的数据全部来自仿真，没有用测量验证系统性能。 2016 年，Ha 等人提出了一种一体化 EEG-fNIRS 耳模块系统 [45]，见图 2b。系统采用 SoC 架构，包含 3 个主要模块：(1) 复杂的前端跨阻放大器；(2) 可调 VCSEL 驱动器；(3) 用于 EEG 记录的可重构阻抗增强环路。SoC 随后集成到主要由耳钩和耳塞组成的可穿戴耳模块设备中。该耳模块以 1 个双波长 VCSEL（670 nm 和 850 nm）作为光源，以 2 个光电二极管作为探测器。其中一个光电二极管紧邻 VCSEL，位于光极板上，充当虚设探测器；另一个位于耳钩上的光电二极管则作为主探测器。一枚共用的 11-bit ADC 记录 fNIRS 和 EEG 数据。专用 VCSEL 驱动器经过 SNR 优化，并结合 7-bit 数模转换器（DAC）调节 VCSEL 光强。EEG 记录采用可重构阻抗增强环路，EEG 输入阻抗最高可达 5.4 GΩ。耳模块 SoC 采用 110 nm 单层多晶硅、6 层金属 CMOS 工艺制造。裸片面积（die area）为 450 um × 2250 um，耳模块 SoC 的最大功耗为 46.2 mW。该系统具有一些值得关注的特征，例如用于 NIR 照明、经过 SNR 优化的可调 VCSEL 驱动器，以及通过可重构阻抗增强环路获得的超高 EEG 输入阻抗，但也存在若干问题。首先，耳模块设计能否扩展为多个脑监测模块并不清楚。其次，论文没有给出 SDS、动态范围等 fNIRS 主要参数，难以评价 fNIRS 功能的性能；fNIRS 和 EEG 测量的采样率也未说明。耳模块的功耗相对较高，扩展到更多模块后，总功耗可能成为问题。系统重量同样不清楚。一年后，同一团队在 [45] 的基础上采用更先进的 65 nm CMOS 技术，提出了另一种一体化 EEG-fNIRS 系统 [46]。图 2c 展示了用于麻醉深度监测的 EEG-fNIRS 一体化系统。系统使用双波长 VCSEL（670 nm 和 850 nm）作为光源，用光电二极管作为 NIR 探测器；4 个电极包括 2 个记录电极、1 个地电极和 1 个参考电极，可获得 2 个 EEG 通道。研究制作了聚对苯二甲酸乙二醇酯（PET）薄膜和柔性 PCB，用于承载 SoC、NIRS 光源和探测器、EEG 电极及附属组件，使监测系统重量小于 26 g，外形尺寸为 35 mm × 260 mm。包含 EEG-fNIRS 记录、数据采集和系统控制主要电路的核心 SoC，嵌在可穿戴监测系统的柔性 PCB 部分，如图 2c 所示。SoC 包含 5 个主要功能模块：(1) EEG 记录模块；(2) NIR 检测模块；(3) VCSEL 驱动电路；(4) ADC；(5) 数字控制与通信模块。EEG 模块沿用 [45] 的可重构阻抗增强环路，输入阻抗达到 1 GΩ。NIR 检测模块使用对数跨阻放大器（TIA），动态范围达到 60 dB。VCSEL 驱动电路使用 6-bit DAC，把驱动电流从 0 调到 17.2 mA，以调节光强。一枚共用的 12-bit ADC 同步采集 fNIRS 和 EEG 数据，采样率分别为 20–80 Hz 和 2 kHz。SoC 内的数字模块实现通信、缓冲、滤波和系统控制。SoC 采用 65 nm CMOS 工艺制造，紧凑布局尺寸为 4000 um × 4000 um。系统内置 Bluetooth 模块以支持无线运行，最大功耗为 25.2 mW。这项工作展示了一种用于一体化 EEG-fNIRS 监测的复杂 SoC，并实现了用于准确监测麻醉深度的轻量可穿戴系统。其前景虽好，但仍有几项与 [45] 相似的局限：(1) 能否扩展到大面积乃至整个头皮的监测尚不确定；(2) SDS 信息不清楚；(3) NIR 光检测的动态范围相对有限，仅为 60 dB，可能限制系统的广泛应用。 2018 年，Xu 等人提出了一种基于 CMOS 的 EEG-fNIRS-电阻抗断层成像（EIT）一体化系统 [47]。fNIRS、EEG 和 EIT 功能模块均在一枚微芯片中实现并集成。fNIRS 功能模块采用双波长 LED（735 nm 和 850 nm）作为 NIR 光源，采用硅光电倍增管（SiPM）作为 NIR 探测器；SiPM 含 4871 个方形微单元，尺寸为 5.1 mm × 5.1 mm，偏置电压为 30 V，功耗约为 1.5 mW。fNIRS 数据由 12-bit ADC 采集。图 2d 给出了带有光源和探测器的 fNIRS 贴片，其中有 2 个光源位置和 2 个探测器位置，固定 SDS 为 30 mm。EEG 记录的输入阻抗达到 720 MΩ，但研究没有展示 EEG 电极的实际实现。微芯片采用 180 nm CMOS 工艺制造，布局紧凑，裸片尺寸为 4000 um × 4000 um，功耗低至 665 uW，且该值仅指芯片。这项工作实现了 EEG-fNIRS-EIT 多模态监测的一体化设计，也展示了先进的微芯片设计，但仍有若干问题。首先，这种微芯片设计只能支持 1 个 fNIRS 通道和 1 个 EEG 通道；增加测量通道就需要更多芯片。从图 2d 的主要 fNIRS 贴片设计看，该设计的扩展能力并不清楚，也不清楚如何把微芯片扩展为实用的模块化可穿戴 EEG-fNIRS 系统。固定 SDS 会限制系统的采样能力，长期可穿戴性和受试者舒适度也可能成为问题。SiPM 或许可以提高 NIR 检测灵敏度，但光极安装在受试者头部时，所需的 30 V 较高偏置电压可能引起担忧。研究也没有充分考虑 fNIRS 与 EEG 之间可能的串扰。 ### 图 2：（a）Chua 等人开发的基于 CMOS 的一体化 EEG-fNIRS 系统，使用可弯曲 PCB 承载 6 个双波长 LED 和 12 个探测器；经 [44] 许可使用。（b）基于 SoC 的 EEG-fNIRS 耳模块系统，SoC、光源和电极嵌在耳塞中，主光电二极管、电池和 Bluetooth 模块位于耳钩；经 [45] 许可使用。（c）Ha 等人开发的麻醉深度监测一体化 EEG-fNIRS 系统，SoC、Bluetooth 模块和电池嵌在柔性 PCB 部分，PET 薄膜承载光源、探测器、EEG 电极和附属组件；经 [46] 许可使用并修改。（d）Xu 等人开发的基于 CMOS 的 EEG-fNIRS-EIT 一体化多模态系统，采用双波长 LED 作为光源，采用 SiPM 作为光探测器；经 [47] 许可使用。 ## 4. EEG 电极和前端放大器本节主要汇总现有可穿戴一体化 EEG-fNIRS 系统使用的 EEG 电极类型及相关前端放大器。关于 EEG 基础 [51,52]、可穿戴 EEG [9]、电极类型 [53,54]、电极材料 [55] 和 EEG 信号处理 [56]，已有相关系统综述。本节无意重复这些综述，而是补充说明电极和放大器在一体化 EEG-fNIRS 技术中的使用情况。通常可以按干式或湿式、有源或无源对 EEG 电极分类，由此形成 4 种组合：无源湿电极、有源湿电极、无源干电极和有源干电极 [57,58]。表 3 汇总了现有可穿戴一体化 EEG-fNIRS 系统使用的 EEG 电极类型，并列出电极材料、电极尺寸和系统所用电极数量等信息。图 3a、b 还分别展示了 [38] 和 [43] 所用电极的实际形态。表 3 表明，多数系统理论上可以支持干电极。不过，文献给出的电极材料、尺寸和系统所用电极数量信息有限，难以全面评价其性能。除表 3 汇总的电极外，市面上还有多种 EEG 电极，已用于单模态 EEG 系统。例如，Kam 等人 [59] 展示了一种无源干电极（Nielsen，NY，USA），配有两种不同长度的金属针（图 3c），可能适应不同发型。近年来，干式指状电极逐渐普及，尤其适合在有头发区域使用 [9]。图 3d–f 给出了商用系统采用的几种干式指状 EEG 电极 [9,60]。这类电极通常用指状结构拨开头发，与头皮形成接触。尽管应用已经取得一定成效，电极对弧形头皮的贴合性和受试者舒适度仍可改进。如何把这些相对笨重的电极装入小型紧凑的可穿戴 fNIRS 模块或功能单元 [8,61,62,63]，也仍不清楚。 ### 图 3：（a）von Luhmann 等人所开发系统使用的湿式 AgCl 环形电极；经 [40] 许可使用。（b）Lee 等人开发的定制弹簧加载干电极原型，每个电极含 18 个弹簧探针；经 [43] 许可使用。（c）Kam 等人所述单模态 EEG 使用的商用干电极；经 [59] 许可使用。（d–f）商用干式指状 EEG 电极示例：（d）Wearable Sensing [64]，（e）CGX [65]，（f）Neuroelectrics [66]；分别经 [64]、[65] 和 [66] 许可使用。表 3 还汇总了 [38,39,40,43,44,45,46,47] 中 EEG 记录前端放大器的主要参数。多数放大器的输入阻抗较高，可以兼容干电极。从输入噪声看，大多数基于 IC 的放大器实现了较低的输入噪声（<=1.2 uVrms），[38,39,40,43] 使用的分立放大器则仍有改进余地。需要说明的是，[40,43] 使用的 ADS1299（Texas Instruments，USA）虽是分立元件，但其中包含前端放大器和多通道 ADC，整体性能仍较好，包括高输入阻抗、多通道数据采集和足够的定时精度，这些特征有利于同步采集 fNIRS 与 EEG 的多通道数据。近年来，一些基于 IC 的 EEG 放大器取得了较好的性能 [67,68,69]，但尚未在任何一体化 EEG-fNIRS 系统中实现和验证。 ### 表 3：主要可穿戴一体化 EEG-fNIRS 技术所用 EEG 电极和前端放大器的特征。破折号“—”表示无可用信息。 | 作者、年份 | 电极类型 | 电极材料 | 电极尺寸 | 输入噪声（uVrms） | 输入阻抗 | CMRR | |---|---|---|---|---|---|---| | Safaie 等，2013 [38] | 有源湿电极 | Ag/AgCl | 直径 8 mm | 2 | 100 kΩ | — | | Sawan 等，2013 [39] | — | — | — | — | — | — | | Kassab 等，2018 [42] | — | — | — | — | — | — | | von Luhmann 等，2017 [40] | 有源湿电极（实际）/有源湿电极和干电极（理论） | AgCl | — | <0.28 | 1 TΩ（理论） | 110 dB | | Lee 等，2019 [43] | 有源干电极 | — | — | 0.141 | 1 TΩ（理论） | 110 dB | | Chua 等，2011 [44] | — | — | — | — | — | — | | Ha 等，2016 [45] | 有源干电极 | 织物 | — | 0.65 @ 0.5–100 Hz | 5.4 GΩ | — | | Ha 等，2017 [46] | 有源干电极 | — | — | 0.48 @ 0.5–100 Hz | 1 GΩ | >110 dB | | Xu 等，2018 [47] | 有源干电极（理论） | — | — | 1.2 @ 0.5–100 Hz | 720 MΩ | 100 dB | ## 5. 讨论多模态 EEG-fNIRS 可以同步评估脑电活动和血流动力学活动，这是其主要优势。EEG-fNIRS 已越来越多地用于 BCI [10,11,12,13,14]、临床神经病学 [15,16,17,18,19,20,21,22] 和神经康复 [70,71] 等领域。随着该领域发展，研制可穿戴一体化 EEG-fNIRS 技术已成为下一阶段的重要工作。本文综述了可穿戴、完全一体化 EEG-fNIRS 系统的先进技术。迄今已有若干系统采用现成分立元件实现一体化。这些技术虽已取得进展，但仍受以下问题限制：(1) 尺寸大、重量高，可穿戴性和受试者舒适度有限；(2) 光学与电信号之间存在串扰；(3) 同步记录 fNIRS 与 EEG 时的定时精度或同步性不足；(4) EEG 电极信号质量低，或长期记录能力有限。为解决其中一些问题，研究开始采用微芯片实现机械和电气一体化设计。微芯片技术的主要优势包括占用面积小、功耗低、fNIRS 与 EEG 测量的定时同步更好，并可能通过降低噪声和串扰来改善信号质量 [32,72]。过去 10 年间，研究者已多次尝试开发基于微芯片的可穿戴一体化 EEG-fNIRS 系统 [44,45,46,47]。除 IC 设计外，其他发展方向还包括模块化、轻量柔性设计、无线功能、通过共用 ADC 提高光学与电数据之间的定时精度，以及同时考虑湿式和干式 EEG 电极。未来 EEG-fNIRS 系统仍需研究符合人体工学的设计，即可穿戴、小型、轻量且柔性的设计，以满足长期监测、可穿戴性和受试者舒适度要求。为了获得高通道数 fNIRS 系统所需的大动态范围，需要提高分辨率，采用高速 ADC、灵敏放大器和精确的逻辑控制 [8,62,63,64]。还需采用更先进的数据接口和控制方案，以支持高通道数、大动态范围以及高速数据采集和传输。用于长期常规监测时，具有高增益和高输入阻抗的干式 EEG 电极可能是更合适的选择。干电极轻、小、柔性好，并且能够穿过头发与头皮保持稳定接触，未来可能更多地用于系统设计。实现这些目标需要电子设计、机械分析、软件开发，以及生物相容材料精密制造等多学科工作。 ## 6. 结论现有 EEG-fNIRS 系统用于脑功能多模态评估时仍有若干局限，但后续发展可能改变脑研究和脑健康照护的方式。本文深入分析了可穿戴一体化 EEG-fNIRS 系统的现状，说明其特征、优点和缺点。由此可以更清楚地描绘新一代“理想”可穿戴一体化 EEG-fNIRS 技术：系统应具有超低外形、轻量结构、高通道数、大动态范围和良好的受试者舒适度，能够在有头发的头皮上保持可靠接触，同时具备精确的定时同步、极少的串扰、稳定的数据传输和较长的电池续航。在工程师、医学物理学家和临床医生的多学科协作下，这种“理想”技术可能在未来几年内成为现实，并可能用于神经科学、心理学、临床神经病学、BCI、神经康复和个体化医疗等领域。 ## 出版者说明 MDPI 对已出版地图中的管辖权主张和机构隶属关系保持中立。 ## 作者贡献论文提纲：H.Z.、R.J.C.；文献检索：J.U.、H.Z.、E.E.V.-R.；引言和讨论：H.Z.、J.U.、R.J.C.；初稿撰写：H.Z.、J.U.、R.J.C.、E.E.V.-R.；审阅与编辑：J.U.、R.J.C.、H.Z.；校对：H.Z.、J.U.。所有作者均已阅读并同意论文的已发表版本。 ## 资助本研究获得英国工程与自然科学研究委员会授予 R.J.C. 的研究员项目 EP/N025946/1 资助。 ## 机构审查委员会声明不适用。 ## 知情同意声明不适用。 ## 数据可用性声明不适用。 ## 利益冲突作者声明不存在利益冲突。 ## 参考文献（保留原文） - 1. Horwitz B. Poeppel D. How can EEG/MEG and fMRI/PET data be combined? Hum. Brain Mapp. 2002 17 1 3 10.1002/hbm.10057 12203682 PMC6871863 - 2. Paulesu E. Danelli L. Berlingeri M. Reading the dyslexic brain: Multiple dysfunctional routes revealed by a new meta-analysis of PET and fMRI activation studies Front. Hum. Neurosci. 2014 8 830 10.3389/fnhum.2014.00830 25426043 PMC4227573 - 3. Huster R.J. Debener S. Eichele T. Herrmann C.S. Methods for Simultaneous EEG-fMRI: An Introductory Review J. Neurosci. 2012 32 6053 6060 10.1523/JNEUROSCI.0447-12.2012 22553012 PMC6622140 - 4. Khan M.J. Ghafoor U. Hong K.-S. Early Detection of Hemodynamic Responses Using EEG: A Hybrid EEG-fNIRS Study Front. Hum. Neurosci. 2018 12 479 10.3389/fnhum.2018.00479 30555313 PMC6281984 - 5. Li R. Potter T. Huang W. Zhang Y. Enhancing Performance of a Hybrid EEG-fNIRS System Using Channel Selection and Early Temporal Features Front. Hum. Neurosci. 2017 11 462 10.3389/fnhum.2017.00462 28966581 PMC5605645 - 6. Boas D.A. Elwell C.E. Ferrari M. Taga G. Twenty years of functional near-infrared spectroscopy: Introduction for the special issue NeuroImage 2014 85 1 5 10.1016/j.neuroimage.2013.11.033 24321364 - 7. Scholkmann F. Kleiser S. Metz A.J. Zimmermann R. Pavia J.M. Wolf U. Wolf M. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology NeuroImage 2014 85 6 27 10.1016/j.neuroimage.2013.05.004 23684868 - 8. Zhao H. Cooper R.J. Review of recent progress toward a fiberless, whole-scalp diffuse optical tomography system Neurophotonics 2017 5 011012 10.1117/1.NPh.5.1.011012 28983490 PMC5613216 - 9. Casson A.J. Wearable EEG and beyond Biomed. Eng. Lett. 2019 9 53 71 10.1007/s13534-018-00093-6 30956880 PMC6431319 - 10. Fazli S. Mehnert J. Steinbrink J. Curio G. Villringer A. Mueller K.-R. Blankertz B. Enhanced performance by a hybrid NIRS–EEG brain computer interface NeuroImage 2012 59 519 529 10.1016/j.neuroimage.2011.07.084 21840399 - 11. Yin X. Xuxian Y. Jiang C. Fu Y. Wang Z. Li H. Shi G. A hybrid BCI based on EEG and fNIRS signals improves the performance of decoding motor imagery of both force and speed of hand clenching J. Neural Eng. 2015 12 036004 10.1088/1741-2560/12/3/036004 25834118 - 12. Kaiser V. Bauernfeind G. Kreilinger A. Kaufmann T. Kübler A. Neuper C. Müller-Putz G. Cortical effects of user training in a motor imagery based brain–computer interface measured by fNIRS and EEG NeuroImage 2014 85 432 444 10.1016/j.neuroimage.2013.04.097 23651839 - 13. Buccino A.P. Keles H. Omurtag A. Hybrid EEG-fNIRS Asynchronous Brain-Computer Interface for Multiple Motor Tasks PLoS ONE 2016 11 e0146610 10.1371/journal.pone.0146610 26730580 PMC4701662 - 14. Al-Shargie F. Kiguchi M. Badruddin N. Dass S.C. Hani A.F.M. Tang T.B. Mental stress assessment using simultaneous measurement of EEG and fNIRS Biomed. Opt. Express 2016 7 3882 3898 10.1364/BOE.7.003882 27867700 PMC5102531 - 15. Li R. Li S. Roh J. Wang C. Zhang Y. Multimodal Neuroimaging Using Concurrent EEG/fNIRS for Poststroke Recovery Assessment: An Exploratory Study Neurorehabilit. Neural Repair 2020 34 1099 1110 10.1177/1545968320969937 33190571 - 16. Li R. Huang W. Lou D. Zhu G. Zhang T. Zhang Y. The feasibility of utilizing EEG-fNIRS to characterize the cortical activation difference between healthy subjects and post-stroke patients Proceedings of the 2017 8th International IEEE/EMBS Conference on Neural Engineering (NER) Shanghai, China 25–28 May 2017 1 4 10.1109/NER.2017.8094112 - 17. Rezaee Z. Ranjan S. Solanki D. Bhattacharya M. Srivastava M.V.P. Lahiri U. Dutta A. Functional near-infrared spectroscopy in conjunction with electroencephalography of cerebellar transcranial direct current stimulation responses in the latent neurovascular coupling space—A chronic stroke study bioRxiv 2020 10.1101/2020.05.24.113928 - 18. Abtahi M. Borgheai S.B. Jafari R. Constant N. Diouf R. Shahriari Y. Mankodiya K. Merging fNIRS-EEG Brain Monitoring and Body Motion Capture to Distinguish Parkinsons Disease IEEE Trans. Neural Syst. Rehabil. Eng. 2020 28 1246 1253 10.1109/TNSRE.2020.2987888 32305929 - 19. Sirpal P. Kassab A. Pouliot P. Nguyen D.K. fNIRS improves seizure detection in multimodal EEG-fNIRS recordings J. Biomed. Opt. 2019 24 051408 10.1117/1.JBO.24.5.051408 PMC6992892 30734544 - 20. Wallois F. Patil A. Héberlé C. Grebe R. EEG-NIRS in epilepsy in children and neonates Neurophysiol. Clin. Neurophysiol. 2010 40 281 292 10.1016/j.neucli.2010.08.004 21093799 - 21. Schneider S. Wagels L. Haeussinger F.B. Fallgatter A.J. Ehlis A.-C. Rapp A.M. Haemodynamic and electrophysiological markers of pragmatic language comprehension in schizophrenia World J. Biol. Psychiatry 2015 16 398 410 10.3109/15622975.2015.1019359 25816925 - 22. Othman M.H. Bhattacharya M. Moller K. Kjeldsen S. Grand J. Kjaergaard J. Dutta A. Kondziella D. Resting-State NIRS–EEG in Unresponsive Patients with Acute Brain Injury: A Proof-of-Concept Study Neurocrit. Care 2021 34 31 44 10.1007/s12028-020-00971-x 32333214 - 23. Uchitel J. Vanhatalo S. Austin T. Early development of sleep and brain functional connectivity in term-born and preterm infants Pediatr. Res. 2021 1 16 10.1038/s41390-021-01497-4 33859364 - 24. Wagenaar N. Berk D.J.V.D. Lemmers P.M. Van Der Aa N.E. Dudink J. Van Bel F. Groenendaal F. De Vries L.S. Benders M.J. Alderliesten T. Brain Activity and Cerebral Oxygenation After Perinatal Arterial Ischemic Stroke Are Associated with Neurodevelopment Stroke 2019 50 2668 2676 10.1161/STROKEAHA.119.025346 31390967 PMC6756254 - 25. Cooper R. Hebden J.C. O’Reilly H. Mitra S. Michell A. Everdell N. Gibson A. Austin T. Transient haemodynamic events in neurologically compromised infants: A simultaneous EEG and diffuse optical imaging study NeuroImage 2011 55 1610 1616 10.1016/j.neuroimage.2011.01.022 21255658 - 26. Chalia M. Dempsey L.A. Cooper R. Lee C.-W. Gibson A. Hebden J.C. Austin T. Diffuse optical tomography for the detection of perinatal stroke at the cot side: A pilot study Pediatr. Res. 2019 85 1001 1007 10.1038/s41390-018-0263-x 30759451 PMC6760550 - 27. Chalia M. Lee C.W. Dempsey L.A. Edwards A.D. Singh H. Michell A.W. Everdell N.L. Hill R.W. Hebden J.C. Austin T. Hemodynamic response to burst-suppressed and discontinuous electroencephalography activity in infants with hypoxic ischemic encephalopathy Neurophotonics 2016 3 031408 10.1117/1.nph.3.3.031408 27446969 PMC4945004 - 28. Chiarelli A.M. Perpetuini D. Croce P. Greco G. Mistretta L. Rizzo R. Vinciguerra V. Romeo M.F. Zappasodi F. Merla A. Fiberless, Multi-Channel fNIRS-EEG System Based on Silicon Photomultipliers: Towards Sensitive and Ecological Mapping of Brain Activity and Neurovascular Coupling Sensors 2020 20 2831 10.3390/s20102831 PMC7285196 32429372 - 29. Nguyen D.K. Tremblay J. Pouliot P. Vannasing P. Florea O. Carmant L. Lepore F. Sawan M. Lesage F. Lassonde M. Non-invasive continuous EEG-fNIRS recording of temporal lobe seizures Epilepsy Res. 2012 99 112 126 10.1016/j.eplepsyres.2011.10.035 22100148 - 30. Khan M.J. Hong K.-S. Hybrid EEG–fNIRS-Based Eight-Command Decoding for BCI: Application to Quadcopter Control Front. Neurorobot. 2017 11 6 10.3389/fnbot.2017.00006 28261084 PMC5314821 - 31. Ahn S. Jun S.C. Multi-Modal Integration of EEG-fNIRS for Brain-Computer Interfaces—Current Limitations and Future Directions Front. Hum. Neurosci. 2017 11 503 10.3389/fnhum.2017.00503 29093673 PMC5651279 - 32. Von Luhmann A. Muller K.-R. Why build an integrated EEG-NIRS? About the advantages of hybrid bio-acquisition hardware Proceedings of the 2017 39th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) Seogwipo, Korea 11–15 July 2017 4475 4478 10.1109/EMBC.2017.8037850 29060891 - 33. Everdell N.L. Gibson A.P. Tullis I.D.C. Vaithianathan T. Hebden J.C. Delpy D.T. A frequency multiplexed near-infrared topography system for imaging functional activation in the brain Rev. Sci. Instrum. 2005 76 093705 10.1063/1.2038567 - 34. Contini D. Torricelli A. Pifferi A. Spinelli L. Paglia F. Cubeddu R. Multi-channel time-resolved system for functional near infrared spectroscopy Opt. Express 2006 14 5418 5432 10.1364/OE.14.005418 19516708 - 35. Searle A. Kirkup L. A direct comparison of wet, dry and insulating bioelectric recording electrodes Physiol. Meas. 2000 21 271 283 10.1088/0967-3334/21/2/307 10847194 - 36. Lin C.-T. Liao L.-D. Liu Y.-H. Wang I.-J. Lin B.-S. Chang J.-Y. Novel dry polymer foam electrodes for long-term EEG measurement IEEE Trans. Biomed. Eng. 2011 58 1200 1207 10.1109/tbme.2010.2102353 21193371 - 37. Laszlo S. Ruiz-Blondet M. Khalifian N. Chu F. Jin Z. A direct comparison of active and passive amplification electrodes in the same amplifier system J. Neurosci. Methods 2014 235 298 307 10.1016/j.jneumeth.2014.05.012 25075801 - 38. Safaie J. Grebe R. Moghaddam H.A. Wallois F. Toward a fully integrated wireless wearable EEG-NIRS bimodal acquisition system J. Neural Eng. 2013 10 056001 10.1088/1741-2560/10/5/056001 23893764 - 39. Sawan M. Salam M.T. Le Lan J. Kassab A. Gelinas S. Vannasing P. Lesage F. Lassonde M. Nguyen D.K. Wireless Recording Systems: From Noninvasive EEG-NIRS to Invasive EEG Devices IEEE Trans. Biomed. Circuits Syst. 2013 7 186 195 10.1109/TBCAS.2013.2255595 23853301 - 40. von Lühmann A. Wabnitz H. Sander T. Müller K. M3BA: A Mobile, Modular, Multimodal Biosignal Acquisition Ar-chitecture for Miniaturized EEG-NIRS-Based Hybrid BCI and Monitoring IEEE Trans. Biomed. Eng. 2017 64 1199 1210 10.1109/TBME.2016.2594127 28113241 - 41. Lareau E. Lesage F. Pouliot P. Nguyen D. Le Lan J. Sawan M. Multichannel wearable system dedicated for simultaneous electroencephalography/near-infrared spectroscopy real-time data acquisitions J. Biomed. Opt. 2011 16 096014 10.1117/1.3625575 21950928 - 42. Kassab A. Le Lan J. Tremblay J. Vannasing P. Dehbozorgi M. Pouliot P. Gallagher A. Lesage F. Sawan M. Nguyen D.K. Multichannel wearable fNIRS-EEG system for long-term clinical monitoring Hum. Brain Mapp. 2018 39 7 23 10.1002/hbm.23849 29058341 PMC6866376 - 43. Lee S. Shin Y. Kumar A. Kim M. Lee H.-N. Dry Electrode-Based Fully Isolated EEG/fNIRS Hybrid Brain-Monitoring System IEEE Trans. Biomed. Eng. 2019 66 1055 1068 10.1109/TBME.2018.2866550 30307848 - 44. Chua E. Fang W.-C. Chen C.-K. Fu C.-C. Tseng S.-Y. Kang S. Hsieh Z.-H. A highly-integrated biomedical multiprocessor system for portable brain-heart monitoring Proceedings of the 2011 IEEE International Symposium of Circuits and Systems (ISCAS) Rio de Janeiro, Brazil 15–18 May 2011 1532 1535 10.1109/iscas.2011.5937867 - 45. Ha U. Yoo H.-J. An EEG-NIRS ear-module SoC for wearable drowsiness monitoring system Proceedings of the 2016 IEEE Asian Solid-State Circuits Conference (A-SSCC) Toyama, Japan 7–9 November 2016 193 196 10.1109/ASSCC.2016.7844168 - 46. Ha U. Lee J. Kim M. Roh T. Choi S. Yoo H.-J. An EEG-NIRS Multimodal SoC for Accurate Anesthesia Depth Monitoring IEEE J. Solid-State Circuits 2018 53 1830 1843 10.1109/JSSC.2018.2810213 - 47. Xu J. Konijnenburg M. Song S. Ha H. Van Wegberg R. Mazzillo M. Fallica G. Van Hoof C. De Raedt W. Van Helleputte N. A 665 μW Silicon Photomultiplier-Based NIRS/EEG/EIT Monitoring ASIC for Wearable Functional Brain Imaging IEEE Trans. Biomed. Circuits Syst. 2018 12 1267 1277 10.1109/TBCAS.2018.2883289 30489273 - 48. Artinis fNIRS-EEG Package Available online: https://www.artinis.com/nirs-eeg-package (accessed on 31 August 2021) - 49. Shimadzu LABNIRS Available online: https://www.shimadzu.com/an/products/life-science-lab-instruments/imaging/labnirs/index.html (accessed on 31 August 2021) - 50. NIRx NIRScout Available online: https://nirx.net/nirscout?gclid=EAIaIQobChMIi8uEyNvq7wIVE-vtCh3yowJOEAAYASAAEgInovD_BwE (accessed on 31 August 2021) - 51. Asselman P. A Manual of Electro-encephalographic Technology J. Neurol. Neurosurg. Psychiatry 1983 46 102 10.1136/jnnp.46.1.102 - 52. Chen W. Tamura T. Seamless Healthcare Monitoring: Advancements in Wearable, Attachable, and Invisible Devices 1st ed. Springer Cham, Switzerland 2018 10.1007/978-3-319-69362-0 - 53. Lopez-Gordo M.A. Sanchez-Morillo D. Valle F.P. Dry EEG Electrodes Sensors 2014 14 12847 12870 10.3390/s140712847 25046013 PMC4168519 - 54. Chi Y.M. Jung T.-P. Cauwenberghs G. Dry-Contact and Noncontact Biopotential Electrodes: Methodological Review IEEE Rev. Biomed. Eng. 2010 3 106 119 10.1109/RBME.2010.2084078 22275204 - 55. Im C. Seo J.-M. A review of electrodes for the electrical brain signal recording Biomed. Eng. Lett. 2016 6 104 112 10.1007/s13534-016-0235-1 - 56. Cohen M.X. Analyzing Neural Time Series Data: Theory and Practice The MIT Press Cambridge, MA, USA 2014 - 57. Mathewson K.E. Harrison T.J.L. Kizuk S.A.D. High and dry? Comparing active dry EEG electrodes to active and passive wet electrodes: Active dry vs. active & passive wet EEG electrodes Psychophysiology 2017 54 74 82 10.1111/psyp.12536 28000254 - 58. Di Flumeri G. Aricò P. Borghini G. Sciaraffa N. Di Florio A. Babiloni F. The Dry Revolution: Evaluation of Three Different EEG Dry Electrode Types in Terms of Signal Spectral Features, Mental States Classification and Usability Sensors 2019 19 1365 10.3390/s19061365 PMC6470960 30893791 - 59. Kam J.W. Griffin S. Shen A. Patel S. Hinrichs H. Heinze H.-J. Deouell L.Y. Knight R.T. Systematic comparison between a wireless EEG system with dry electrodes and a wired EEG system with wet electrodes NeuroImage 2019 184 119 129 10.1016/j.neuroimage.2018.09.012 30218769 PMC6568010 - 60. Krachunov S. Casson A.J. 3D Printed Dry EEG Electrodes Sensors 2016 16 1635 10.3390/s16101635 PMC5087423 27706094 - 61. Zhao H. Frijia E.M. Rosas E.V. Collins-Jones L. Smith G. Nixon-Hill R. Powell S. Everdell N.L. Cooper R.J. Design and validation of a mechanically flexible and ultra-lightweight high-density diffuse optical tomography system for functional neuroimaging of newborns Neurophotonics 2021 8 015011 10.1117/1.NPh.8.1.015011 33778094 PMC7995199 - 62. Zhao H. Brigadoi S. Chitnis D. De Vita E. Castellaro M. Powell S. Everdell N.L. Cooper R.J. A wide field-of-view, modular, high-density diffuse optical tomography system for minimally constrained three-dimensional functional neuroimaging Biomed. Opt. Express 2020 11 4110 4129 10.1364/BOE.394914 32923032 PMC7449732 - 63. Vidal-Rosas E.E. Zhao H. Nixon-Hill R.W. Smith G. Dunne L. Powell S. Cooper R.J. Everdell N.L. Evaluating a new generation of wearable high-density diffuse optical tomography technology via retinotopic mapping of the adult visual cortex Neurophotonics 2021 8 025002 10.1117/1.NPh.8.2.025002 33842667 PMC8033536 - 64. Wearable Sensing Available online: https://wearablesensing.com/ (accessed on 31 August 2021) - 65. Neuroelectrics Available online: www.neuroelectrics.com (accessed on 31 August 2021) - 66. CGX Available online: www.cgxsystems.com (accessed on 31 August 2021) - 67. Xu J. Mitra S. Matsumoto A. Patki S. Van Hoof C. Makinwa K.A.A. Yazicioglu R.F. A Wearable 8-Channel Active-Electrode EEG/ETI Acquisition System for Body Area Networks IEEE J. Solid-State Circuits 2014 49 2005 2016 10.1109/JSSC.2014.2325557 - 68. Xu J. Busze B. Van Hoof C. Makinwa K.A.A. Yazicioglu R.F. A 15-Channel Digital Active Electrode System for Multi-Parameter Biopotential Measurement IEEE J. Solid-State Circuits 2015 50 2090 2100 10.1109/JSSC.2015.2422798 - 69. Zhou X. Li Q. Kilsgaard S. Moradi F. Kappel S.L. Kidmose P. A wearable ear-EEG recording system based on dry-contact active electrodes Proceedings of the 2016 IEEE Symposium on VLSI Circuits (VLSI-Circuits) Honolulu, HI, USA 15–17 June 2016 1 2 10.1109/VLSIC.2016.7573559 - 70. Mihara M. Miyai I. Review of functional near-infrared spectroscopy in neurorehabilitation Neurophotonics 2016 3 031414 10.1117/1.NPh.3.3.031414 27429995 PMC4940623 - 71. Berger A. Horst F. Müller S. Steinberg F. Doppelmayr M. Current State and Future Prospects of EEG and fNIRS in Robot-Assisted Gait Rehabilitation: A Brief Review Front. Hum. Neurosci. 2019 13 172 10.3389/fnhum.2019.00172 31231200 PMC6561323 - 72. Lin K.-C. Liao J.-C. Fang W.-C. A highly integrated biomedical multiprocessor SoC design for a wireless bedside monitoring system Proceedings of the 2014 IEEE International Symposium on Circuits and Systems (ISCAS) Melbourne, VIC, Australia 1–5 June 2014 1392 1395 10.1109/ISCAS.2014.6865404 ## 原文 DOI 与数字核对索引下列不变量从原始载荷自动提取，仅用于核对译文完整性，不构成额外证据摘要。 - `10.1002/hbm.10057` - `10.1002/hbm.23849` - `10.1007/978-3-319-69362-0` - `10.1007/s12028-020-00971-x` - `10.1007/s13534-016-0235-1` - `10.1007/s13534-018-00093-6` - `10.1016/j.eplepsyres.2011.10.035` - `10.1016/j.jneumeth.2014.05.012` - `10.1016/j.neucli.2010.08.004` - `10.1016/j.neuroimage.2011.01.022` - `10.1016/j.neuroimage.2011.07.084` - `10.1016/j.neuroimage.2013.04.097` - `10.1016/j.neuroimage.2013.05.004` - `10.1016/j.neuroimage.2013.11.033` - `10.1016/j.neuroimage.2018.09.012` - `10.1038/s41390-018-0263-x` - `10.1038/s41390-021-01497-4` - `10.1063/1.2038567` - `10.1088/0967-3334/21/2/307` - `10.1088/1741-2560/10/5/056001` - `10.1088/1741-2560/12/3/036004` - `10.1101/2020.05.24.113928` - `10.1109/ASSCC.2016.7844168` - `10.1109/EMBC.2017.8037850` - `10.1109/ISCAS.2014.6865404` - `10.1109/JSSC.2014.2325557` - `10.1109/JSSC.2015.2422798` - `10.1109/JSSC.2018.2810213` - `10.1109/NER.2017.8094112` - `10.1109/RBME.2010.2084078` - `10.1109/TBCAS.2013.2255595` - `10.1109/TBCAS.2018.2883289` - `10.1109/TBME.2016.2594127` - `10.1109/TBME.2018.2866550` - `10.1109/TNSRE.2020.2987888` - `10.1109/VLSIC.2016.7573559` - `10.1109/iscas.2011.5937867` - `10.1109/tbme.2010.2102353` - `10.1111/psyp.12536` - `10.1117/1.3625575` - `10.1117/1.JBO.24.5.051408` - `10.1117/1.NPh.3.3.031414` - `10.1117/1.NPh.5.1.011012` - `10.1117/1.NPh.8.1.015011` - `10.1117/1.NPh.8.2.025002` - `10.1117/1.nph.3.3.031408` - `10.1136/jnnp.46.1.102` - `10.1161/STROKEAHA.119.025346` - `10.1177/1545968320969937` - `10.1364/BOE.394914` - `10.1364/BOE.7.003882` - `10.1364/OE.14.005418` - `10.1371/journal.pone.0146610` - `10.1523/JNEUROSCI.0447-12.2012` - `10.3109/15622975.2015.1019359` - `10.3389/fnbot.2017.00006` - `10.3389/fnhum.2014.00830` - `10.3389/fnhum.2017.00462` - `10.3389/fnhum.2017.00503` - `10.3389/fnhum.2018.00479` - `10.3389/fnhum.2019.00172` - `10.3390/s140712847` - `10.3390/s16101635` - `10.3390/s19061365` - `10.3390/s20102831` - `10.3390/s21186106` - `0` - `0.1` - `0.28` - `0.5` - `0.6` - `0000` - `0001` - `0003` - `00093` - `00971` - `01` - `0102831` - `011012` - `0146610` - `01497` - `015011` - `016` - `018` - `02` - `020` - `021` - `0222` - `0235` - `025002` - `0263` - `03` - `031408` - `031414` - `033536` - `036004` - `04` - `0447` - `05` - `051408` - `056001` - `06106` - `08` - `087423` - `09` - `093705` - `096014` - `0967` - `1` - `1.0` - `1.2` - `1.2038567` - `1.3625575` - `1.4` - `10` - `100` - `1001` - `10057` - `1007` - `102` - `1024` - `102531` - `104` - `105` - `1055` - `106` - `1068` - `1099` - `11` - `110` - `1110` - `112` - `115367` - `11548` - `11710` - `1186106` - `119` - `119.025346` - `1199` - `12` - `12.2012` - `120` - `1200` - `1207` - `1210` - `1246` - `1253` - `12536` - `1255` - `1255976` - `126` - `1267` - `1277` - `128` - `12847` - `12870` - `129` - `1299` - `13` - `130` - `1317` - `1365` - `1390` - `1392` - `1395` - `139749` - `14` - `14.005418` - `14.14` - `146610` - `15` - `150` - `1532` - `1535` - `1545968320969937` - `15622975.2015.1019359` - `16` - `16.6` - `160` - `1610` - `1616` - `1635` - `168519` - `17` - `17.2` - `172` - `1741` - `1749` - `178` - `179495` - `18` - `18.8` - `180` - `1830` - `184` - `1841` - `1843` - `186` - `18697` - `19` - `193` - `195` - `196` - `198` - `1983` - `1999` - `2` - `2.2` - `20` - `2000` - `2002` - `2005` - `2006` - `2010` - `2010.08.004` - `2010.2084078` - `2010.2102353` - `2011` - `2011.01.022` - `2011.07.084` - `2011.10.035` - `2011.5937867` - `2012` - `2013` - `2013.04.097` - `2013.05.004` - `2013.11.033` - `2013.2255595` - `2014` - `2014.00830` - `2014.05.012` - `2014.2325557` - `2014.6865404` - `2015` - `2015.2422798` - `2016` - `2016.2594127` - `2016.7573559` - `2016.7844168` - `2017` - `2017.00006` - `2017.00462` - `2017.00503` - `2017.8037850` - `2017.8094112` - `2018` - `2018.00479` - `2018.09.012` - `2018.2810213` - `2018.2866550` - `2018.2883289` - `2019` - `2019.00172` - `2020` - `2020.05.24.113928` - `2020.2987888` - `2021` - `20241031` - `2028` - `2090` - `21` - `2100` - `22` - `2250` - `227573` - `23` - `2302` - `235` - `23849` - `24` - `24.5.051408` - `2430` - `25` - `25.2` - `250` - `2560` - `25946` - `26` - `260` - `2668` - `2676` - `27` - `271` - `2771` - `28` - `281` - `281984` - `2827` - `283` - `2831` - `285196` - `29` - `292` - `298` - `299` - `3` - `3.0` - `3.1` - `3.2` - `3.3.031408` - `3.3.031414` - `3.6` - `30` - `300` - `307` - `31` - `314821` - `319` - `32` - `320` - `3208` - `33` - `3334` - `3343513` - `34` - `35` - `3534` - `36` - `36.500` - `360` - `37` - `38` - `384` - `385` - `3882` - `3898` - `39` - `394914` - `398` - `4` - `4.0` - `4.77` - `40` - `400` - `4000` - `40712847` - `41` - `410` - `4110` - `4129` - `42` - `43` - `431319` - `432` - `44` - `444` - `4475` - `4478` - `449732` - `45` - `450` - `4568` - `46` - `46.1.102` - `46.2` - `462` - `469799` - `469799.1` - `47` - `470960` - `4724` - `479` - `48` - `4871` - `49` - `49208` - `5` - `5.1` - `5.1.011012` - `5.4` - `5.92` - `50` - `500` - `503` - `51` - `512` - `519` - `52` - `526` - `529` - `53` - `539` - `54` - `5418` - `5421` - `5432` - `55` - `56` - `561323` - `568010` - `57` - `58` - `583` - `59` - `6` - `60` - `6053` - `605645` - `6060` - `61` - `6101635` - `6106` - `613216` - `61e2` - `61e29` - `62` - `622140` - `63` - `64` - `65` - `651279` - `66` - `665` - `6699` - `66995` - `67` - `670` - `68` - `680` - `69` - `69362` - `7` - `7.003882` - `7.4` - `70` - `701662` - `71` - `711` - `712` - `72` - `720` - `730` - `735` - `74` - `750` - `756254` - `76` - `760` - `760550` - `767` - `791` - `79e4` - `79e46` - `8` - `8.1.015011` - `8.2.025002` - `80` - `800` - `82` - `8220` - `830` - `846` - `8469799` - `85` - `850` - `8601` - `866376` - `871863` - `890` - `9` - `9.96` - `90` - `9061365` - `9180` - `940623` - `9408` - `945004` - `9665840` - `978` - `985` - `99` - `992892` - `995199` - `>0.141` - `>0.48` - `>0.65` - `>0.665` - `>1` - `>1.2` - `>10` - `>10.1002` - `>10.1007` - `>10.1016` - `>10.1038` - `>10.1063` - `>10.1088` - `>10.1101` - `>10.1109` - `>10.1111` - `>10.1117` - `>10.1136` - `>10.1161` - `>10.1177` - `>10.1364` - `>10.1371` - `>10.1523` - `>10.3109` - `>10.3389` - `>10.3390` - `>100` - `>10847194` - `>11` - `>110` - `>12` - `>120` - `>12203682` - `>128` - `>13` - `>130` - `>1317` - `>14` - `>14.14` - `>1424` - `>15` - `>16` - `>16.6` - `>160` - `>1660` - `>17` - `>18` - `>18.8` - `>19` - `>19516708` - `>2` - `>20` - `>21` - `>21093799` - `>21193371` - `>21255658` - `>21840399` - `>21950928` - `>22` - `>2200` - `>22100148` - `>22275204` - `>22553012` - `>23` - `>23651839` - `>23684868` - `>23853301` - `>23893764` - `>24` - `>24321364` - `>25` - `>25.2` - `>25046013` - `>25075801` - `>25426043` - `>25816925` - `>25834118` - `>26` - `>2600` - `>26730580` - `>27` - `>27429995` - `>27446969` - `>27706094` - `>27867700` - `>28` - `>28000254` - `>28113241` - `>28261084` - `>28966581` - `>28983490` - `>29` - `>29058341` - `>29060891` - `>29093673` - `>3` - `>3.6` - `>30` - `>30218769` - `>30307848` - `>30489273` - `>30555313` - `>30734544` - `>30759451` - `>30893791` - `>30956880` - `>31` - `>31231200` - `>31390967` - `>32` - `>32305929` - `>32333214` - `>32429372` - `>32923032` - `>33` - `>33190571` - `>33778094` - `>33842667` - `>33859364` - `>34` - `>34577313` - `>35` - `>36` - `>360` - `>37` - `>38` - `>39` - `>390733` - `>4` - `>40` - `>400` - `>4000` - `>41` - `>42` - `>43` - `>44` - `>45` - `>450` - `>46` - `>46.2` - `>47` - `>48` - `>49` - `>5` - `>5.4` - `>50` - `>51` - `>52` - `>53` - `>54` - `>55` - `>56` - `>57` - `>58` - `>59` - `>6` - `>60` - `>61` - `>62` - `>63` - `>64` - `>65` - `>66` - `>67` - `>670` - `>68` - `>69` - `>7` - `>70` - `>71` - `>72` - `>720` - `>730` - `>735` - `>750` - `>760` - `>8` - `>800` - `>8469799` - `>850` - `>9` - `>90` - `>95` - `~1.5` - `~30` - `~400`