功能近红外光谱（fNIRS）技术，作为一种无创神经成像技术，在认知神经科学领域具有重要作用。然而，针对最佳预处理流程，目前尚无统一标准。特别是在婴儿血流动力学反应（HRF）的发展与变化尚未完全明确的情况下，系统地比较分析方法显得尤为必要。本研究选取了五种不同的预处理流程，并利用两个实验进行了性能评估。实验1采用合成数据，比较了恢复的HRF与真实HRF，并评估了每种方法对噪声水平的鲁棒性。实验2则分析了一项已发表研究的实验数据，以评估新生儿人工语法加工的神经关联。研究发现，运动伪影校正（而非拒绝）能够保留大量试次，但HRF振幅往往大幅降低。相比之下，伪影拒绝导致高排除率，但充分保留了HRF的特征。此外，所有预处理流程的性能都随着噪声的增加而下降，但明显小于未应用预处理的情况。最后，对光密度或浓度变化数据进行预处理没有区别。这些结果表明，近红外数据预处理应作为明确质量问题的函数进行优化。

fNIRS技术作为一种基于测量脑血液光散射的无创神经成像技术，在认知神经科学领域得到广泛应用。该技术具有非侵入性、易于使用、无噪音等优点，特别适用于婴幼儿研究。然而，由于婴儿头骨和大脑周围组织的特殊性，光线穿透能力较强，因此在数据处理和分析过程中需要考虑数据质量问题。与成人研究相比，婴儿研究的数据质量往往较差，这就需要有专门针对婴儿数据的处理和分析方法。

本研究回顾了2016-2020年发表的婴儿fNIRS文献，并总结了常用的预处理步骤。研究者创建了五种典型的预处理流程，并分析了这些流程对数据质量的影响。实验结果表明，不同的预处理流程对恢复HRF的形状和幅值具有显著影响。此外，本研究还提供了一些指导建议，以帮助研究人员选择合适的预处理策略。

探究婴儿fNIRS数据预处理流程差异及影响