This article is a guest post by Rui Chen. An English version can be downloaded here
对于信号的分析，不论是脑电的数据分析还是近红外的数据分析，基本上都会遇到一个参考基线的问题，这是很多童鞋和老师会疑惑的一个关键点。为什么要使用基线以及如何正确的使用。
在本文中，小编主要介绍近红外的基线问题，对于脑电数据分析中的基线在小编的脑电数据分析系列文章中会进行完整的阐述。
目前我们使用的近红外所使用的光源发射方式，大多数是采用连续波长，对于完全采集绝对路径的信号是无法进行采样，所以在当前所评估的血红蛋白的指标中，总是对相对于另一个时间点的变化进行测量评估，例如，如果您研究响应刺激的氧合变化，您实际上正在测量在呈现刺激之前的短时间与之间的响应变化。刺激前的时期通常被称为基线。
什么是基线以及如何使用它？
对于那些刚刚开始使用NIRS技术的科研人员来说，有些不清楚测量结果是什么意思。测量的数据相对于什么，为了解释这一点，我们来说说基线的起源。
最常用的NIRS是“连续波”CW-NIRS，它基于修正的Beer-Lambert定律，使用连续发射光源，近红外光进入大脑组织有可能发生散射（改变其方向）又可能被吸收的光学特性来研究大脑活动水平。散射和吸收都是CW-NIRS提供相对测量的原因。
当把手指放在红色激光指示器前时，散射效果清晰可见。你会看到你的整个手指亮起来，而不只是一条直线，光散射在组织中。因此，如果您直接测量手指上的激光，则根本没有吸收，也不会通过激光指示器接收100％的发射光。
我们可以假设这种在所有方向上的散射是恒定的，所以如果我们测量接收光的变化，那么光从光源到接收器的路径中的吸收肯定是会发生改变。
现在使用近红外光来对大脑的研究，利用了近红外光在大脑组织中血红蛋白对光的特性，近红外光进入大脑组织大部分的吸收是由血红蛋白引起的，这就是为什么我们可以利用NIRS进行测量的原因。然而，光也会被其他组织（例如脂肪组织，毛发，皮肤、颅骨、脑积液等无关组织）吸收，但这是无法避免的。所以，我们假设在测量期间这种吸收是恒定的，并且接收光的任何变化都是由血红蛋白吸收的变化引起的。既然血红蛋白发生了变化，那么就会存在“起始状态”，对于CW-NIRS使用探测器接收到近红外光的变化，根据Mod Beer-Lambert定律来计算血红蛋白浓度的变化，那么，对于这个变化来说总是相对于“起始状态”或基线的。
CW-NIRS只能测量浓度的变化，因此无法提供起始浓度（通常设置为任意零点）。但是，它可以提供由任何任务或研究的状态引起的基线变化（例如收缩肌肉或增加大脑某部分的活动）。这种变化以毫摩尔每升（mmol/liter or mM）定量。有可能是正值，意味着来自任务或研究状态的激活；也有可能是负值，意味着自任务或研究状态的相对浓度降低或抑制。
如何使用基线？
想要获取较好的基线可能比理论状态下获取更困难。我们可以在数据中使用任意一个时间点并将其设置为零（通过采集到所有数据点中减去该值），或者可以在特定时间（例如开始的静息态1分钟）内获取基线得到该平均值然后通过采集到的所有数据点减去该值。如果时间条件下允许，在测量结束时记录另一个基线也是极好的。如果结束时的基线与初始基线没有显着差异，则可以对数据质量有足够的把握。
基线不应该做的
不要比较组之间的基线平均值。平均值是任意的，在可能状态下设置为零。在基线和任务之间不要有连续的刺激。因此，在fNIRS中，在每个刺激之前通常存在可以用作基线的rest时间。
总结
这期的文章中仅仅只是从理论状态上说明了使用基线的重要性，这也是只针对近红外的基线，当然在脑电数据中也是存在刺激前的基线校正，总之，在使用近红外技术对大脑研究时，尽可能的将基线的设定是在较平稳的状态下，这同时也是判断实验设计好坏的根据之一。
对于基线的数学公式，可参考一下这篇文章。
This article is a guest post by Rui Chen. An English version can be downloaded here
老师您好，有个问题向您和崔老师请教。在使用Homer2分析fNIRS数据，做block平均值计算时，其结果就是task状态下与加在中间的rest状态比较。这个使用实验开始时做的一个baseline似乎就没用了，在计算block average时如何将数据与这个baseline比较呢？
陈老师您好，有个问题向您和崔老师请教。在使用Homer2分析fNIRS数据，做block平均值计算时，其结果就是task状态下与加在中间的rest状态比较。这个使用实验开始时做的一个baseline似乎就没用了，在计算block average时如何将数据与这个baseline比较呢？