Mental workload during n-back task captured by TCD and fNIRS — TCD 超声 × 功能近红外同步监测 n-back 心理负荷

INFOBOX — mental-fnirs 一屏速览

维度	内容
本质	单中心、双模态脑血流数据集：TCD（大脑中动脉血流速度）× fNIRS（48 通道皮层血氧）同步，非挑战赛
官方名	Mental workload during n-back task captured by TransCranial Doppler (TCD) sonography and functional Near-Infrared Spectroscopy (fNIRS) monitoring
团队	俄克拉荷马大学健康科学中心（OUHSC）Translational Geroscience Laboratory；Peter Mukli、Andriy Yabluchanskiy、Tamas Csipo
上架	PhysioNet v1.0，2021-04-21（DOI 10.13026/zfb2-1g43；RRID:SCR_007345）
采集	2018 年，OUHSC 转化老年科学实验室，安静昏暗房间
样本	n = 14（质控前），健康年轻成人，年龄 31 ± 5.94 岁，BMI 24.9 ± 2.95
任务	n-back 工作记忆：0-back（识别 W）/ 1-back / 2-back；每 session 60 字母，250 ms/字，ISI 1850–2050 ms
时长	每 session 约 134.13 ± 1.37 s，总测量约 11 分钟
TCD	2 MHz 探头测左右 MCA 血流速度；400 Hz 采样；Digi-Lite（Rimed）；速度 = 241 × 幅度 / 4.096
fNIRS	NIRScout（NIRx）；16 源 × 16 探测器 = 48 通道；760 / 850 nm；源-探约 3 cm；覆盖 PFC/DLPFC/M1
科学主线	神经血管耦合（NVC）——心理负荷越大，NVC 响应越强
输出	fNIRS 原始光强（.wl1/.wl2）+ 元信息（.evt/.hdr/.tpl/.inf/.set/.mat）+ TCD 幅度 CSV + 认知表现 CSV
许可	PhysioNet Contributor Review Health Data License 1.5.0 + Use Agreement 1.5.0
获取	项目页标 Open Access；下载受地区政策限制，须登录 + 接受 DUA
库内互链	wearable-exam-stress(807)、moabb(809)、bci-competition-iv-2a(352)、eegmmidb(342) 等

mental-fnirs 是一个"用两种仪器同时盯住同一次脑力劳动"的数据集：它让健康年轻成人在屏幕上做一个经典的 n-back 工作记忆游戏，一边用**经颅多普勒超声（TCD）测量大脑中动脉的血流速度，另一边用功能近红外光谱（fNIRS）**测量前额叶与运动皮层的血氧变化。它回答的不是"能不能给脑力负荷打标签"，而是一个更基础的生理学问题——当认知负荷上升时，脑子的神经血管耦合（NVC）响应是否会同步增强。

这个数据集在 AI-Ready 语境下有三重价值：其一，它是双模态神经血管耦合的稀缺公开样例（fNIRS 与 TCD 同步，可研究"微循环血氧"与"大动脉血流"两层的耦合）；其二，它的任务是标准的 n-back，因而天然可服务于心理负荷分类与**被动脑机接口（passive BCI）**建模；其三，它是一份"AI-Ready 体检单上的中等生"——开放但受限、原始但无现成标签、完整但样本极小，恰是研究"数据可用性如何决定模型上限"的标本。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——注意页面标 Open Access 但下载受地区限制，别把"标开放"等同于"能直下"。
2. 关心科学结论：直奔 §4 与 §7——原文结论是"认知负荷越高 NVC 响应越强"，统计源自 14 人探索性研究，务必带上小样本警示读。
3. 做心理负荷/BCI 建模：直奔 §5 与 §8——n-back 三级负荷是现成的监督信号，48 通道 fNIRS 与 TCD 波形是可对齐的多模态输入。

§0 导读：这个数据集解决什么问题

脑功能依赖脑血流的精细调节：活跃的神经元需要更多养分，机体通过**神经血管耦合（NeuroVascular Coupling, NVC）**机制，把神经元活动翻译成局部血流动力学响应。NVC 一旦受损，就与衰老、认知障碍的风险升高相关。因此，"在受控认知任务下能否稳定观测到 NVC"成了脑血管健康的一个基础探针。

观测 NVC 有两条互补的血管层线索：

• TCD（经颅多普勒超声）：只能监测大动脉（如大脑中动脉 MCA）在心理负荷下的血流加速，测不到血管直径变化，空间分辨率低、无法定位到具体脑区。
• fNIRS（功能近红外光谱）：通过近红外光（本数据集用 760 nm 与 850 nm 两个波长）测量皮层**氧合血红蛋白（HbO）与脱氧血红蛋白（HbR）**的相对浓度变化，成本低、便携、非侵入，**空间分辨率足以捕捉背外侧前额叶（DLPFC）**在工作记忆范式下的血流响应，且与 fMRI 结果相关良好。

两者各有短板、正好互补，于是这个数据集把它们装在同一次实验、同一批被试、同一个任务上同步采集。任务选的是 n-back——工作记忆的经典范式，通过调整"n"（回看步数）来线性地调节认知负荷（0-back 为对照，1-back / 2-back 为递增负荷）。科学假设很直接：负荷越高，NVC 响应（血流/血氧的变化幅度）越大。

§0 读法三则：

1. 这个条目是"数据集本体 + 生理学论文 + 双模态监测教学案例"三合一：本体是原始信号文件，论文是结论来源，教学价值在"如何让两种异构仪器讲同一个故事"。
2. 全文数字均出自 PhysioNet 项目页正文与 Limitations 字段；来源仅一项（PhysioNet），故核验只需三源互证其存在与规模，细节以项目页为唯一权威。
3. 检索时注意：PhysioNet 项目页标题很长（“Mental workload during n-back task…”），而 slug 极短（mental-fnirs），用长标题搜索才能命中官方页，用 slug 搜索容易落到本条目自身（坑 1）。

§1 数据集速览：十问十答

Q1：mental-fnirs 里到底有什么？
三种数据：① fNIRS 原始光强（.wl1 为 760 nm、.wl2 为 850 nm）；② TCD 校准后的大脑中动脉血流速度原始幅度（CSV，左右 MCA 分列）；③ 认知表现（成功率 %correct 与反应时间）。外加一组测量元信息文件（.evt/.hdr/.tpl/.inf/.set/.mat）。

Q2：有多少人？
n = 14（质控前）。这是单中心探索性研究的规模，原文在 Limitations 亲口承认"Small sample size"，并注明是"raw data 质控前"的数字，质控后有效例数未披露。

Q3："心理负荷（mental workload）"怎么制造出来？
用 n-back 工作记忆任务。参与者坐在 22 英寸显示器前，依次看到随机闪烁的字母（每个 250 ms），按屏幕提示判断：0-back 任务只要看到字母「W」就点鼠标；1-back 要判断相邻两个字母是否相同；2-back 要判断当前字母是否与 2 个之前的字母相同。n 越大，需要同时保持的信息越多、心理负荷越高。

Q4：TCD 测的是什么、怎么测？
用 2 MHz 超声探头，经颞窗（temporal acoustic window）对准左右两侧大脑中动脉（MCA），固定装置（LMY-2）保证探头全程角度不变，测量 MCA 血流速度（MCAv）。模拟信号以 400 Hz 采样（Dataq DI-4108-U）。速度换算公式：实际速度 = 241 × 幅度 / 4.096（据 Rimed 手册）；CSV 中 D 列 = 左 MCA、E 列 = 右 MCA，存的是幅度（Volt）。

Q5：fNIRS 测的是什么、多少通道？
用 NIRScout（NIRx）平台，16 个光源 × 16 个探测器 = 48 个测量通道，双波长（760 / 850 nm），源-探平均间距约 3 cm，覆盖前额叶（PFC）、背外侧前额叶（DLPFC）与内侧运动皮层（M1）。它测的是 HbO / HbR 浓度变化。

Q6：48 通道具体盖在哪？
光源位：F3、AF7、AF3、Fz、Fpz、AF4、F4、AF8、FC6、C4、FC2、CP2、FC1、CP1、C3、FC5；探测器位：F5、F1、Fp1、AFz、F2、Fp2、F6、AFF6h、C6、CC4、CP4、C2、C1、FC3、CP3、C5。二者交叉组成 48 个"源-探"通道（如 1 号 = F3-F5）。

Q7：实验总时长多久？
每个 session 刺激集含 60 个字母，刺激间隔 1850–2050 ms 随机化，平均单个 session 长约 134.13 ± 1.37 s，总测量时间约 11 分钟。

Q8：TCD 和 fNIRS 怎么对齐？
两者在同一实验、同一被试、同一 n-back 会话中同步记录。TCD 分析取每个任务中 100 s 的时间窗计算平均 MCAv，前 10 s 弃用（易受运动与呼吸伪迹污染）；归一化增量为 (MCAv[n-back] − MCAv[0-back]) / MCAv[0-back] × 100%。

Q9：现在能拿到数据吗？
项目页标 Open Access，但核验时 Files 区显示"Data is not available in your region due to legal or policy restrictions"——即数据集开放，但下载受请求地区政策限制，需登录并接受 Data Use Agreement。这是本条目必须存照的关键点。

Q10：为什么它对 AI-Ready 重要？
因为它是"双模态 + 原始信号 + 无现成标签"的典型样本：fNIRS 原始光强与 TCD 幅度都需要自建预处理管线才能变成机器学习输入，而 n-back 三级负荷提供现成监督信号——它把"数据可用性如何决定模型上限"这个抽象问题具体化为一条可复现的多模态建模流水线。

§2 数据构成与规格

2.1 三层文件结构与格式

mental-fnirs 的数据可按"模态"分成三组文件，全部机器可读、不依赖专用软件即可打开：

分组	文件/格式	内容	备注
fNIRS 原始光强	.wl1（ASCII 制表文本）	760 nm 波长下的近红外光强	逐通道时序
fNIRS 原始光强	.wl2（ASCII 制表文本）	850 nm 波长下的近红外光强	逐通道时序
fNIRS 元信息	.evt / .hdr / .tpl / .inf / .set	标记位置（marker positions）、通道布局（channel layout）等	ASCII 文本
fNIRS 元信息	.mat	montage、probe、channel layout	MATLAB 可视；推荐配 AnalyzIR 工具箱
TCD 原始信号	CSV（每被试一个）	校准后 MCA 血流速度原始幅度（Volt）	D 列 = 左 MCA，E 列 = 右 MCA；速度 = 241 × 幅度 / 4.096
TCD 汇总	单个 CSV	平均血流速度（cm/s）与搏动指数（pulsatility index），左右侧及平均	全部被试汇总
认知表现	单个 CSV	反应时间 + 成功率（%correct）	全部被试汇总

2.2 双模态规格对照

维度	fNIRS	TCD
仪器	NIRScout（NIRx Medical Technologies LLC, NY, USA）	Digi-Lite（Rimed, Raanana, Israel）+ 固定装置 LMY-2
测量对象	皮层 HbO / HbR 相对浓度变化	大脑中动脉（MCA）血流速度 MCAv
空间几何	16 源 × 16 探测器 = 48 通道，源-探约 3 cm	2 MHz 探头经颞窗，左右各一
波长 / 频率	760 nm + 850 nm	2 MHz 超声
采样率	由 NIRScout 采集（原文未在此处明示 Hz，见 §10 坑 5）	400 Hz（Dataq DI-4108-U）
覆盖脑区	PFC、DLPFC、M1（内侧运动皮层）	MCA 供血区（无法定位到具体脑区）
分析工具	Brain AnalyzIR toolbox（GLM）+ nirsLAB	Rimed 手册换算公式

48 通道完整清单（编号 = 源-探）：

编号	通道	编号	通道	编号	通道
1	F3-F5	17	AF4-F2	33	FC2-CC4
2	F3-F1	18	AF4-Fp2	34	FC2-C2
3	F3-FC3	19	AF4-F6	35	CP2-CP4
4	AF7-F5	20	F4-F2	36	CP2-C2
5	AF7-Fp1	21	F4-F6	37	FC1-F1
6	AF3-F5	22	F4-CC4	38	FC1-C1
7	AF3-F1	23	AF8-Fp2	39	FC1-FC3
8	AF3-Fp1	24	AF8-F6	40	CP1-C1
9	AF3-AFz	25	FC6-F6	41	CP1-CP3
10	Fz-F1	26	FC6-C6	42	C3-C1
11	Fz-AFz	27	FC6-CC4	43	C3-FC3
12	Fz-F2	28	C4-C6	44	C3-CP3
13	Fpz-Fp1	29	C4-CC4	45	C3-C5
14	Fpz-AFz	30	C4-CP4	46	FC5-F5
15	Fpz-Fp2	31	C4-C2	47	FC5-FC3
16	Af4-Afz	32	FC2-F2	48	FC5-C5

注：原文 16 号写作 “Af4-Afz”（大小写与其余"AF"不一致），条目按原文照录（坑 6）。

2.3 被试与人群构成

属性	值
样本量	n = 14（质控前）
人群	健康年轻成人（healthy young adults）
年龄	31 ± 5.94 岁
BMI	24.9 ± 2.95

原文未披露性别构成、手利、种族等人口学分布——这是复现者无法获得但应知情的盲区（§10 坑 4）。"14（质控前）"意味着原始数据里可能含有个别因信号质量差被剔除的被试，但剔除后的有效例数原文未给。

2.4 与"心理负荷建模"常见数据的关系

mental-fnirs 与库内热门心理负荷/BCI 数据集的关系值得辨析：

• 与 wearable-exam-stress（rid 807） 不同：后者是真实考场场景的可穿戴（腕带）生理信号，mental-fnirs 是实验室场景的神经影像（头戴）信号——场景真实性 vs 信号保真度互补。
• 与 moabb（rid 809） 不同：后者是聚合多个 EEG 数据集、考"算法可复现性"的元基准；mental-fnirs 是单一 fNIRS+TCD 数据集，提供的是"原始模态原料"而非"评测协议"。
• 与 bci-competition-iv-2a（rid 352）/ eegmmidb（rid 342） 不同：后两者是"主动 BCI"（运动想象），mental-fnirs 的价值在"被动 BCI"（无需用户主动意图、只被动读心理负荷）。

2.5 时间轴与对齐结构

理解 mental-fnirs 的关键在于"三层时间轴"：

层级	时间尺度	内容	对齐锚点
会话层（session）	~134 s × 若干	一个 n-back 会话 = 一个任务块序列	marker / 事件文件（.evt）
试次层（trial）	250 ms 刺激 + 1850–2050 ms ISI	单个字母刺激与反应	刺激标记 + 行为 CSV 反应时间
采样层（sample）	TCD 2.5 ms（400 Hz）；fNIRS 由 NIRScout 采样	原始波形样本	仪器时钟

为什么要三层并看：

1. TCD 的 100 s 窗口跨越数十个试次——它测的是"一个任务块的整体平均血流速度"，不是单试次响应。因此 TCD 天然是"块级"信号，与 fNIRS 的块平均（block average）在粒度上匹配。
2. fNIRS 的血氧响应有数秒延迟（血流动力学响应函数 HRF 的时间尺度），单试次响应信噪比低，故原文用"块平均"聚合——这与 TCD 的块级平均策略一致，是双模态可比较的前提。
3. 行为 CSV 是"试次级"（反应时间、正确与否），粒度最细；建模时若要把它与 fNIRS/TCD 对齐，须先按任务块聚合（如块内平均反应时间、块内正确率）。

2.6 各模态的信号含义速查

信号	物理含义	生理解读	易混淆点
fNIRS .wl1（760 nm）	760 nm 近红外光衰减	对 HbR 更敏感（脱氧态）	不是"760 nm = HbO"，需双波长联立求解
fNIRS .wl2（850 nm）	850 nm 近红外光衰减	对 HbO 更敏感（氧合态）	单波长无法分离 HbO/HbR
HbO	氧合血红蛋白浓度变化	典型激活区升高	头皮浅层血流会污染（需短通道回归）
HbR	脱氧血红蛋白浓度变化	典型激活区下降	与 HbO 常反相，联看更稳
TCD 幅度（Volt）	探头接收的多普勒频移幅度	需换算为速度	单位是 Volt 不是 cm/s，须乘 241/4.096
PI（搏动指数）	(收缩峰−舒张末)/平均速度	反映血管阻力/脉动性	与 MCAv 均值是不同维度

2.7 与"标准 fNIRS 心理负荷数据集"的字段对照

为帮助使用者判断 mental-fnirs 是否适合自己的任务，下面把它与典型 fNIRS 心理负荷数据集（如头戴式 n-back 数据集）的字段做对照：

字段	mental-fnirs	典型头戴式 fNIRS 负荷数据集
传感器形态	帽式 48 通道（16 源 × 16 探）	常为额头头带式（2–8 通道）
附加模态	TCD（大动脉血流速度）	常无，或配 ECG/EDA
心理负荷分级	0 / 1 / 2-back（三级）	常为 0–3-back（四级）
输出形态	原始光强 + 元信息（需自处理）	常含预处理后的浓度/滑窗特征
官方基准	无	部分带标准 split 与 benchmark
现实场景	实验室	部分为真实场景

选择建议：若你要的是"开箱即用的心理负荷分类特征"，本数据集需自建管线；若你要的是"原始双模态 + 跨层耦合研究",本数据集的 TCD 附加模态是稀缺优势。

§2A 元信息文件详解

本数据集除信号本体外，附带一组"让原始信号可重建"的元信息文件。逐一说明其作用：

扩展名	名称	内容	何时用
.wl1	波长 1 光强	760 nm 近红外光强（ASCII 制表）	需转 HbO/HbR 时
.wl2	波长 2 光强	850 nm 近红外光强（ASCII 制表）	需转 HbO/HbR 时
.evt	事件标记	刺激/任务事件的时间戳	对齐行为与信号、分块
.hdr	头信息	采集头信息（含设备/采样等）	读取采样率与通道配置
.tpl	模板	探针/通道布局模板	重建 montage
.inf	信息文件	测量附加信息	辅助解析
.set	设置文件	EEGLAB/工具链可读的设置集	导入 EEGLAB 系工具
.mat	MATLAB 数据	montage / probe / channel layout	AnalyzIR 工具箱分析

使用要点：

1. 别跳过元信息——没有 .evt 就无法准确分块，没有 .hdr 就难确定采样率与通道配置（坑 5 的源头）。
2. .mat 与 .tpl 互补——.mat 供 MATLAB/AnalyzIR，.tpl 是通用模板，跨工具链时以其为准。
3. ASCII 可读性——.wl1/.wl2/.evt/.hdr/.tpl/.inf/.set 都是 ASCII 文本，可用任意编辑器/脚本检查，不必依赖专用软件（原文明确"all data files are machine-readable"）。

§3 采集流程：从被试到文件

3.1 实验环境与伦理

采集在俄克拉荷马大学转化老年科学实验室（Translational Geroscience Laboratory，Center for Healthy Brain Aging）完成，房间安静、昏暗（quiet and dimly lit room）。研究方案经 University of Oklahoma Health Sciences Center 的机构审查委员会（IRB）批准，并遵守赫尔辛基宣言。

3.2 认知刺激实施

认知刺激用基于 n-back 范式的认知测试来诱发 NVC 响应：

• 参与者在 22 英寸显示器前就座，屏幕显示指令、刺激间隔中的注视矩形、以及快速闪烁的字母。
• 刺激集为每个 session 60 个字母，随机顺序，每个字母在注视矩形内呈现 250 ms。
• 范式用 ePrime 3（Psychology Software Tools, Sharpsburg, PA）配自定义脚本实现。
• 任务序列（原文照录）：0-back（识别 W）→ 1-back → 0-back（识别 W）→ 2-back（注：0-back 在原文中重复出现两次，见 §10 坑 2）。
• 刺激间隔（ISI）在 1850–2050 ms 间随机，平均每个 session 长 134.13 ± 1.37 s，总测量时间约 11 分钟。
• 认知表现指标：成功率（%correct） 与 反应时间（reaction time），按被试 × 任务 × 访次记录。

3.3 TCD 采集

用 Digi-Lite（Rimed, Raanana, Israel）经颅多普勒，把 2 MHz 超声探头置于颞骨声窗上，监测大脑中动脉血流速度（MCAv）。探头固定装置（LMY-2）保证探头在全程保持恒定角度（这是 TCD 数据质量的关键——角度一变，速度读数就漂）。左右侧 MCAv 信号按标准判据（基于信号深度与速度）识别；颞窗质量不足或血流速度不理想的通道被剔除分析。模拟信号以 400 Hz 采样（DI-4108-U, Dataq instruments, Akron, OH, USA），得到 MCAv 的离散时间序列。

TCD 分析：从每个 n-back 任务中取 100 s 时间窗计算平均 MCAv；前 10 s 不计入（可能被运动与呼吸伪迹污染）。归一化 MCAv 增量公式：

MCAv_norm = (MCAv[n-back] − MCAv[0-back]) / MCAv[0-back] × 100%

3.4 fNIRS 采集与处理

用 NIRScout（NIRx）平台，16 源（F3, AF7, AF3, Fz, Fpz, AF4, F4, AF8, FC6, C4, FC2, CP2, FC1, CP1, C3, FC5）发双波长光（760 / 850 nm），16 探测器（F5, F1, Fp1, AFz, F2, Fp2, F6, AFF6h, C6, CC4, CP4, C2, C1, FC3, CP3, C5）接收，组成 48 通道，源-探平均间距约 3 cm，探测 PFC、DLPFC 与 M1。

fNIRS 原始数据处理用两套工具：

• Brain AnalyzIR toolbox 的广义线性模型（GLM）方法，用于评估神经血管耦合响应；
• nirsLAB（NIRx）得到 HbO 与 HbR 浓度变化时程。

随后对每个通道、每个刺激计算 HbO 与 HbR 的区块平均（block averages）；再把通道均值在感兴趣区（ROI）内平均，对应两种不同心理负荷条件（1-back 与 2-back）。

3.5 元信息与配套文件

除信号本体外，标注与元信息包括：marker positions（标记位置）、channel layout（通道布局）、montage / probe 结构（.mat），以及认知表现 CSV。这些文件保证"原始信号"能被第三方重建为可分析的通道空间。

3.6 TCD 数据质量的三个关口

TCD 是出了名的"操作者依赖"模态，本数据集在三处做了守门：

1. 颞窗识别：只有颞骨声窗质量足够的被试才能采到清晰 MCA 信号；“channels with inadequate temporal acoustic windows or flow velocities were excluded from the analysis”——即质量差的通道直接剔除。这意味着不同被试的可用通道数可能不一致。
2. 探头固定：用 LMY-2 固定装置把探头锁死在一个角度上。这是 TCD 复现性的命门——角度漂移会让速度读数系统性偏移，固定装置把"角度"从变量变成常量。
3. 起始段弃用：每任务前 10 s 因易受运动（被试就座、调整）与呼吸伪迹污染而不计入。这一段是所有生理信号采集的"热身废区"。

3.7 fNIRS 数据质量的两个关口

1. 源-探耦合：3 cm 的源-探间距是 fNIRS 的经典取值——太短采不到皮层（只到头皮浅层），太长信噪比骤降。48 通道在同一几何下对称分布，保证左右可比。
2. 发际线问题：fNIRS 对头发/深色皮肤敏感（近红外光被毛发散射吸收）。覆盖 PFC/DLPFC 的额区相对发际线友好，是"前额叶心理负荷"研究偏爱额区的原因之一。

3.8 从采集到"可分析"的完整流水线（示意）

[认知刺激] ePrime3 → 220"/65" 屏 → 字母序列（250 ms/字, ISI 1850–2050 ms）
        │
        ├── [行为] 反应时间 + %correct ────────────────► behavior.csv
        │
        ├── [fNIRS] NIRScout 16源×16探 48通道 760/850nm
        │       └── .wl1/.wl2 原始光强 ──► mne-nirs（MBLL）──► HbO/HbR
        │                                          └── 去伪迹（TDDR/带通）──► 区块平均 ──► ROI 平均
        │
        └── [TCD] Digi-Lite 2MHz 颞窗 左右 MCA 400Hz
                └── CSV 幅度（D列左/E列右）──► ×241/4.096 ──► MCAv(cm/s)
                                                     └── 100s 窗（弃前10s）──► 平均 MCAv + PI
        │
        ▼
[对齐] 统一时间锚点（marker）──► 块级双模态表 ──► 心理负荷分类 / NVC 分析

3.9 三个"看得见"的分析目标

基于上述结构，本数据集支持三类分析：

分析目标	输入	输出	对应 §
神经血管耦合（NVC）	fNIRS 血氧 + TCD 血流速度	负荷越高响应越强的跨层证据	§4
心理负荷分类	fNIRS（±TCD）时间窗	0/1/2-back 三级分类	§5
行为—生理关联	反应时间/%correct + 血氧	表现与脑血流的相关性	§5、§8

3.10 被试招募与筛选的知情边界

原文披露的被试信息有限，复现者需清楚知道"知道什么"与"不知道什么"：

项	原文是否披露	说明
被试数	是	14（质控前），质控后有效例数未给
年龄	是	项目页（Background）给出均值 31 ± 5.94 岁
性别构成	否	未披露
手利	否	未披露
种族/人群	否	未披露
健康状态	是（限定）	健康成人被试（研究主题为健康人认知负荷）
伦理审批	是	见 OUHSC IRB（原文致谢/方法段）

含义：任何"是否对不同性别/年龄成立"的问题，本数据集无法回答，因为关键分层变量缺失。这不是数据集的缺陷，而是小样本探索性研究的常态——但使用时必须如实标注。

3.11 采集设备的"可复现锚点"

复现一套实验，设备型号比参数更关键。下表汇总本数据集明确的可复现锚点：

环节	设备/材料	出处口径
fNIRS 主机	NIRx NIRScout（16 源 × 16 探测器）	项目页/原文
fNIRS 波长	760 nm 与 850 nm	项目页/原文
fNIRS 通道数	48	项目页/原文
TCD 主机	Rimed Digi-Lite（Raanan, Israel）	项目页/原文
TCD 探头	2 MHz，经颞窗	项目页/原文
TCD 固定装置	LMY-2 fixation device	项目页/原文
TCD 采样	Dataq DI-4108-U，400 Hz	项目页/原文
TCD 速度换算	velocity = 241 × amplitude / 4.096	项目页/原文
刺激呈现	ePrime 3，22 英寸显示器	项目页/原文

注意：以上均为原文/项目页明确给出者。凡本表未列（如 fNIRS 采样率、显示器刷新率、实验室照度/温度）者，均属"原文未明示"，复现时须自行记录并说明（见坑 5）。

3.12 从"原始文件"到"分析就绪"的检查点清单

沿用"每换一次手就重查一次"的原则，给出跨阶段检查点：

阶段	检查点	通过判据
下载后	文件完整性	每个被试含 .wl1/.wl2/.evt/.hdr 等配套文件，数量一致
读取后	通道数/采样率	n_channels=48；采样率与 .hdr 一致（勿臆造）
预处理后	伪迹残留	运动尖峰已显著削弱；带通后无基线漂移
分块后	事件对齐	块数与会话任务序列（0→1→0→2）吻合；两个 0-back 独立
建模前	泄漏检查	归一化统计量来自训练集；LOSO 划分无同被试混入
报告前	局限声明	已注明 n=14、人口学缺失、无神经元活动

§4 科学结论与关键指标

4.1 核心发现

数据集配套研究的标题本身就是结论：《Increased Cognitive Workload Evokes Greater Neurovascular Coupling Responses in Healthy Young Adults》——在健康年轻成人中，认知负荷增加会诱发更强的神经血管耦合响应。

这条结论由两条模态证据支撑：

1. TCD 侧：以 0-back 为基线，1-back / 2-back 条件下大脑中动脉血流速度（MCAv）出现归一化增量，负荷越高增量越大。
2. fNIRS 侧：DLPFC 区域在工作记忆负荷下出现可观测的 HbO/HbR 响应，且 fNIRS 结果与 fMRI 方法学相关良好（论文引 Huppert 等 2006 的 BOLD/ASL/NIRS 对比）。

读结论前必须知道的三件事：

• 样本仅 14 人（质控前），是探索性研究，不是大样本确证；
• 数据是血管组分观测，数据集不允许研究神经元活动本身（Limitations 明示）；
• fNIRS 原始光强需自行预处理，跨研究直接比较"响应幅度"前要先对齐预处理口径。

4.2 关键测量指标

指标	定义	所属模态
MCAv（平均血流速度）	100 s 窗口内 MCA 血流速度均值	TCD
MCAv 归一化增量	(MCAv[n-back] − MCAv[0-back]) / MCAv[0-back] × 100%	TCD
搏动指数（PI）	由 TCD 波形派生的脉动性指标（左右及平均）	TCD
HbO	氧合血红蛋白浓度变化	fNIRS
HbR	脱氧血红蛋白浓度变化	fNIRS
%correct	n-back 任务正确率	行为
reaction time	n-back 任务反应时间	行为

4.3 三级负荷的监督结构

n-back 的 n 值天然构成一个有序的三级（0/1/2-back）心理负荷标签，这正是它可服务于分类建模的根基：把"每一段 fNIRS / TCD 时间窗"对应到"它是在哪级负荷下产生的"，就得到一个可监督学习的三分类问题（且类别间有序）。这一点在 §5.3 的建模示例中展开。

4.4 科学背景：为什么是"神经血管耦合"而不是"脑激活"

本数据集的方法论内核是神经血管耦合（NVC），理解这个概念是正确使用数据的前提：

• 神经元放电本身耗能，但 fMRI/fNIRS 测到的不是电活动，而是随之而来的血流/血氧变化（血流动力学响应）。"激活"的观测，本质上是 NVC 的副产品。
• NVC 的链条是：神经元活动 → 局部血管舒张信号 → 局部血流增加 → HbO 上升、HbR 下降。任何一环出问题（如内皮功能受损、衰老），"激活"信号就会变形——即便神经元本身没变。
• 因此，用 fNIRS 测心理负荷，测的其实是"血管对认知负荷的响应能力"。这解释了为什么 NVC 研究常与衰老、脑小血管病、认知障碍相连：血管响应差的人，fNIRS 信号可能"看起来激活弱"，但原因在血管而非神经元。

对本数据集而言，TCD 补上了 NVC 的"大动脉层"：MCA 血流速度增加，反映的是供血上游的变化；fNIRS 反映的是皮层微循环层。两者同看，才能区分"局部微循环响应"与"整体供血增加"。

4.5 心理负荷的"剂量-反应"逻辑

n-back 的核心设计是负荷剂量递增：

条件	任务规则	相对负荷	角色
0-back	只识别固定字母 W	最低（近警觉任务）	基线
1-back	判断相邻字母是否相同	中	负荷档 1
2-back	判断当前是否等于 2 步前	高	负荷档 2

原文的"剂量-反应"假设：负荷档越高，NVC 响应（MCAv 归一化增量 / 血氧变化）越大。这套逻辑是"心理负荷可被生理信号度量"这一更宏大命题的一个受控切片——若在受控 n-back 中都观测不到剂量-反应，那么现实场景的心理负荷估计就更无从谈起。

4.6 结果解读的三条纪律

1. 别把"组平均趋势"当作"个体可靠识别"。 原文证明的是"负荷越高、平均响应越强"的组级趋势；个体级分类的可行性需要额外的机器学习评估，本数据集不自带。
2. 别忽略"基线漂移"。 fNIRS 存在慢漂移（仪器、生理），块间比较前须做漂移校正，否则"后出现的条件"可能被误判为"响应更强"。
3. 别跨研究直接比幅度。 血氧变化的绝对值受耦合、发色团、波长标定、预处理管线影响极大；跨研究只宜比趋势方向，不宜比数值大小。

4.7 与其他心理负荷生理指标的关系

心理负荷的生理代理指标不止 fNIRS 一种。把它们放进同一张表有助于定位 mental-fnirs 的位置：

指标	模态	优点	缺点	本数据集是否含
fNIRS 血氧	神经影像	空间分辨率优于 EEG、便携抗运动	仅浅层皮层、需处理伪迹	✅（核心）
TCD 血流速度	血流超声	大动脉层供血证据	无空间定位、操作者依赖	✅（核心）
EEG	电生理	时间分辨率高	空间分辨率低、易受肌电干扰	❌
GSR/EDA	交感皮肤反应	便宜易戴	与情绪/唤醒混淆	❌
心率/Pupil	自主神经	便宜	间接、滞后	❌

定位结论：mental-fnirs 提供的是"神经血管层"的双指标（fNIRS + TCD），不覆盖电生理与自主神经指标——若研究需要多生理联合（如 fNIRS + EEG + ECG），本数据集不满足，需另行组合（可参考库内 wearable-exam-stress、mimic-iii-ext-ppg 等条目）。

4.8 三级负荷的"预期方向"汇总表

把本数据集最核心的生理学预期整理成一张"方向表"，便于核对分析与结论是否自洽：

指标	0-back（低）	1-back（中）	2-back（高）	预期方向
fNIRS ΔHbO（DLPFC）	基线/最低	中	高	随负荷上升（待自验）
fNIRS ΔHbR（DLPFC）	基线	中	更负	随负荷下降（HbR 反向）
TCD MCAv	基线	中	高	随负荷上升（NVC 供血侧）
行为 %correct	高	中	低	随负荷下降
行为 反应时间	短	中	长	随负荷上升

使用说明：上表是"待验证的方向假设"，而非本条目替原文下的结论。原文的结论须以原论文为准；此处提供方向表是为了让使用者在分析时先有"预期"，再以数据检验——若实测方向相反，反而可能是有价值的新发现（但须排除伪迹与对齐错误，见坑 8、坑 10）。

4.9 效应量与统计报告的最小集合

小样本研究里，"显著"不如"效应量 + 区间"有信息量。建议至少报告：

1. 条件间差异的效应量（如 Cohen’s d 或 η²），而非只报 p 值。
2. 被试层级分布（每被试效应量的中位数与四分位距），暴露个体差异。
3. 方向一致性比例（如"14 人中 11 人 2-back>0-back"），比单一均值更能说明稳健性。
4. 敏感性分析：剔除个别极端被试后结论是否翻转。

# 被试层级效应量的最小报告（示范）
import numpy as np
deltas = np.array([subj_delta_hbo[i] for i in range(n_subjects)])  # 每个被试的 ΔHbO
print("median ΔHbO:", np.median(deltas))
print("IQR:", np.percentile(deltas, 75) - np.percentile(deltas, 25))
print("方向一致比例:", (deltas > 0).mean())

4.10 与"金标准"成像的互补定位

理解本数据集的科学定位，须把它放到神经影像方法谱系里：

方法	空间分辨率	时间分辨率	便携性	测的是
fMRI	毫米级	秒级	差（大型设备）	BOLD（含血流动力学）
PET	毫米级	分钟级	差	代谢/受体
fNIRS（本数据）	厘米级	秒级	好	皮层浅层 HbO/HbR
TCD（本数据）	单血管	毫秒–秒级	好	大动脉血流速度
EEG	厘米级	毫秒级	好	神经电活动（但空间差）

结论：本数据集用"便携设备组合"换取了"可床边、可长时"的优势，代价是空间分辨率与深度受限。它不替代 fMRI，而是回答"能否用便携工具观测神经血管耦合"这一独立问题。

§4A 术语表（Glossary）

术语	释义
fNIRS	功能近红外光谱：用近红外光（760/850 nm）穿透头皮皮层，测量 HbO/HbR 相对浓度变化的非侵入神经影像技术
TCD	经颅多普勒超声：用低频超声经颞窗测颅内大动脉（如 MCA）血流速度的技术
NVC	神经血管耦合：神经元活动经血管舒张信号引发局部血流/血氧变化的机制
MCAv	大脑中动脉血流速度，TCD 的核心输出量
HbO / HbR	氧合血红蛋白 / 脱氧血红蛋白，fNIRS 的两个主要观测量
波长对	760 nm（偏 HbR）+ 850 nm（偏 HbO），双波长联立求解血氧变化
源（source）/ 探测器（detector）	fNIRS 的发光单元与接收单元；一对源-探构成一个测量通道
源-探间距	source-detector separation，约 3 cm，决定探测深度（皮层浅层）
ROI	感兴趣区，把若干通道按脑区归组后平均
通道（channel）	一个"源-探测器"对构成的测量单元；本数据集 48 个
n-back	工作记忆范式，需判断当前刺激是否与 n 步前相同，n 越大负荷越高
0/1/2-back	三级负荷条件：识别固定字母 / 相邻相同 / 两步前相同
block average	区块平均：把同一条件多次刺激的响应叠加平均，提升信噪比
mental workload	心理负荷：认知任务施加于工作记忆等资源的负担
passive BCI	被动脑机接口：无需用户主动意图，系统被动读取用户认知/情绪状态
MCA	大脑中动脉，TCD 的主要观测血管
PI（搏动指数）	由 TCD 波形派生的脉动性指标，反映血管阻力
颞窗	temporal acoustic window，颞骨上超声可穿透的薄弱区
DUA	数据使用协议，用户合规使用数据的承诺
RRID	研究资源标识符（本数据集为 SCR_007345）
MBLL	modified Beer-Lambert 定律，光强→浓度转换的物理基础
LOSO	Leave-One-Subject-Out，留一被试交叉验证，跨被试评估的规范
DLPFC	背外侧前额叶，工作记忆的关键脑区

4A.1 缩写两行速查

fNIRS（功能近红外光谱）· TCD（经颅多普勒）· NVC（神经血管耦合）· MCA/MCAv（大脑中动脉/其血流速度）· HbO/HbR（氧合/脱氧血红蛋白）· DLPFC（背外侧前额叶）· PFC（前额叶）· M1（内侧运动皮层）· BCI（脑机接口）· DUA（数据使用协议）· DAIMS（可发现/可获取/可互操作/元数据/可持续）· RRID（研究资源标识）· ISI（刺激间隔）· GLM（广义线性模型）· ROI（感兴趣区）· HRF（血流动力学响应函数）· MBLL（修正比尔-朗伯定律）· LOSO（留一被试交叉验证）· PI（搏动指数）· SNR（信噪比）

§5 使用指南：从原始信号到模型

5.1 环境与依赖（示例，非官方）

# 建议环境：Python 3.9+ / MATLAB 2016a+ 二选一
# Python 侧推荐
pip install mne mne-nirs scipy numpy pandas scikit-learn
# MATLAB 侧推荐：Wavelet Toolbox + AnalyzIR toolbox + nirsLAB（NIRx）

5.2 目录结构与加载（示例）

import numpy as np, pandas as pd, glob, os

root = "mental-fnirs/1.0"   # 你从 PhysioNet 下载后的解压目录

# 1) fNIRS 原始光强：.wl1 = 760 nm, .wl2 = 850 nm
wl1 = sorted(glob.glob(os.path.join(root, "**", "*.wl1"), recursive=True))
wl2 = sorted(glob.glob(os.path.join(root, "**", "*.wl2"), recursive=True))
print("subjects(wl1):", len(wl1), "subjects(wl2):", len(wl2))

# 2) TCD 原始幅度 CSV：D 列=左 MCA, E 列=右 MCA（单位 Volt, 400 Hz）
#    实际速度(cm/s) = 241 * amplitude / 4.096
def load_tcd(csv_path):
    df = pd.read_csv(csv_path, header=None)
    left  = 241.0 * df.iloc[:, 3].to_numpy() / 4.096   # D 列
    right = 241.0 * df.iloc[:, 4].to_numpy() / 4.096   # E 列
    return left, right

# 3) 认知表现 CSV：反应时间 + 成功率(%correct)
behav = pd.read_csv(os.path.join(root, "behavior.csv"))
print(behav.head())

5.3 构建心理负荷分类任务（示例）

"""把双模态时间窗映射到 n-back 三级负荷标签，训练一个心理负荷分类器。
   注意：这是示范骨架，真实实现需先做去伪迹/带通/运动校正（见 5.4）。"""
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import LeaveOneGroupOut
from sklearn.metrics import f1_score

def window_features(x, fs, win_s=30.0, step_s=1.0):
    """滑动窗特征：均值 / 标准差 / 偏度（占位示意）。"""
    w, s = int(win_s * fs), int(step_s * fs)
    feats = []
    for i in range(0, len(x) - w + 1, s):
        seg = x[i:i + w]
        feats.append([seg.mean(), seg.std(), float(pd.Series(seg).skew())])
    return np.asarray(feats)

# 假设你已对齐得到 X（n_windows × n_features）与 y（0/1/2 = 0/1/2-back）
# 以及 groups（被试 id），务必用留一被试交叉验证（跨被试泛化才是真问题）
def fit_workload_classifier(X, y, groups):
    logo = LeaveOneGroupOut()
    yt, yp = [], []
    for tr, te in logo.split(X, y, groups):
        clf = RandomForestClassifier(n_estimators=300, random_state=0)
        clf.fit(X[tr], y[tr])
        yp.extend(clf.predict(X[te])); yt.extend(y[te])
    return f1_score(yt, yp, average="macro")

5.4 预处理要点（fNIRS）

• 原始光强 → 浓度变化：用 modified Beer-Lambert 定律把 .wl1/.wl2 光强转为 HbO/HbR（可用 mne-nirs 的 mne_nirs.preprocessing）。
• 去伪迹：运动伪迹用 TDDR / spline / wavelet 校正；呼吸与心跳干扰用带通滤波（常见 0.01–0.2 Hz）。
• 通道质量：检查源-探耦合（SCI 指标），剔除坏通道（对应原文"channels with inadequate temporal acoustic windows or flow velocities were excluded"的 TCD 侧同理）。
• 短通道回归：若采集含短分离通道，用短通道信号回归掉头皮浅层血流干扰。
• 与 TCD 对齐：TCD 侧注意前 10 s 弃用、取 100 s 窗口；两模态时间戳须统一到同一时钟。

5.5 常见预处理陷阱

1. 直接对光强做机器学习：原始光强受头皮/头发/耦合影响极大，必须转浓度变化并做归一化。
2. 随机切窗做交叉验证：会造成同一被试窗口同时进训练/测试，指标虚高——必须留一被试。
3. 忽略任务块的时序结构：n-back 中 0-back 出现两次，标签对齐要按会话内任务块而非全局 n 值。

5.6 特征工程：从两类信号到可分特征

双模态数据的价值在于"各取所长"。下表给出可起步的特征清单（示范，非官方基准）：

模态	时域特征	频域/派生特征	为何有用
fNIRS（HbO/HbR）	块内均值、斜率、峰值幅度、峰潜伏期	0.01–0.2 Hz 频带能量、偏度/峰度	血氧响应是低频慢变，块均值与斜率最稳
fNIRS（通道级）	DLPFC 通道组 ROI 均值、通道间相关性	全局信号（GSS）占比	ROI 平均降噪，相关/全局反映共同成分
TCD（MCAv）	100 s 窗口均值、标准差、搏动指数（PI）	心率带、低频波动能量	MCAv 均值反映供血，PI 反映血管阻力
行为	成功率（%correct）、平均反应时间、RT 变异	正确/错误试次比	行为是"负荷是否奏效"的旁证

经验规则：先用块级均值 + ROI 平均做基线，若能区分 0/1/2-back 再逐步加特征；切忌一上来堆上百维特征——n=14 的样本量经不起过拟合。

5.7 评估协议：为什么必须留一被试

跨被试心理负荷建模的核心难点是个体差异：每个人前额叶血氧基线、头皮光学特性、MCA 血管口径都不同。因此评估协议须遵循：

1. 留一被试（LOSO）：每次留一个被试做测试，其余训练；报告跨被试宏平均 F1/准确率。
2. 禁止跨被试混窗：同一被试的时间窗不能同时出现在训练与测试集（会虚高指标，见坑 5.5）。
3. 报告基线：把"随机猜测"（三级约 33%）与"多数类"（0-back 占两块，可能 >33%）作为下界参照。
4. 置信区间：n 小，务必给被试层级的分布（如 14 个被试各自 F1 的箱线图），而非单一均值。

# 报告跨被试分布而非单一均值（示范）
import numpy as np
scores = []
logo = LeaveOneGroupOut()
for tr, te in logo.split(X, y, groups):
    clf = RandomForestClassifier(n_estimators=300, random_state=0).fit(X[tr], y[tr])
    scores.append(f1_score(y[te], clf.predict(X[te]), average="macro"))
scores = np.asarray(scores)
print(f"LOSO macro-F1: {scores.mean():.3f} ± {scores.std():.3f} (n={len(scores)})")

5.8 可视化建议：让双模态"看得见"

• fNIRS 侧：画 HbO/HbR 的块级平均时间序列（0/1/2-back 三条线叠加），直观看到负荷越高响应是否越大。
• TCD 侧：画 100 s 窗口的 MCAv 均值随任务块的变化（条形图 + 误差棒）。
• 融合视图：把两模态在同一时间轴上并列（上排 fNIRS HbO，下排 MCAv），观察方向是否一致——这正是"神经血管耦合"的可视证据。
• 被试层级：画每位被试的效应量（如 2-back − 0-back 的 ΔHbO），检查结论是否被个别被试驱动。

5.9 报告规范：写论文时该交代什么

使用本数据集发表研究时，建议在方法学中明确交代：

1. 版本与 DOI：引用 v1.0（10.13026/zfb2-1g43），说明是否用 latest。
2. 被试数：明确用了多少被试、是否全部通过质控（原文 n=14 为质控前）。
3. 预处理链：波长→浓度的方法、去伪迹算法、带通频带、短通道是否回归。
4. 对齐口径：TCD 窗口长度（100 s）、前 10 s 是否弃用、两模态时钟统一方式。
5. 评估协议：是否 LOSO、是否给置信区间、基线是多少。
6. 局限：样本小、单中心、无跨人群验证、数据不含神经元活动（见 rai:dataLimitations）。

§5A 三套可复用的研究设计模板

不同研究目标对应不同"最小可行设计"。下表给出三套模板，供直接套用或裁剪：

模板	研究问题	输入	输出	关键控制
T1 组级趋势复现	负荷越高，血氧/血流是否越高？	块级 fNIRS HbO + TCD MCAv	三条件均值比较 + 效应量	组级，不做机器学习
T2 跨被试分类	能否从信号判断负荷等级？	滑窗特征 + LOSO	跨被试 F1 + 分布	留一被试、报基线
T3 神经血管耦合	两模态在同一块是否同向变化？	块级 ΔHbO 与 ΔMCAv	相关/回归 + 个体差异	两模态时钟严格对齐

模板选择的判据：若目的是"验证机制"选 T1/T3；若目的是"做可用的检测器"选 T2；三者都应在报告里交代样本量与局限。

5A.1 T1 模板的最小代码骨架

import numpy as np

# 假定：hbo 与 mcav 已按会话内任务块对齐为字典 {block_label: [values...]}
# block_label ∈ {"0-back-a", "1-back", "0-back-b", "2-back"}
def block_mean(x):
    return float(np.mean(x))

# 组级趋势：看 1/2-back 相对 0-back 是否更高
for cond in ["0-back-a", "1-back", "0-back-b", "2-back"]:
    print(cond, block_mean(hbo[cond]), block_mean(mcav[cond]))
# 不涉及机器学习；结论表述为"在本样本中，高负荷条件下 X 更大/更小"

5A.2 T2 模板的坑位提示

• 类别不平衡：两个 0-back 块使"低负荷"样本占比偏高，分类器易偏向多数类；须用宏平均指标并考虑重采样。
• 窗长选择：窗太短信噪比低，窗太长跨块污染；fNIRS 慢响应下常见 20–40 s 窗是折中。
• 特征泄漏：归一化统计量若在全体数据上算，会把测试集信息带入训练；须用训练集统计量做变换。

5A.3 T3 模板的对齐红线

两模态绝不能在"事后凭感觉"对齐。正确做法是：先各自定块边界（fNIRS 用 .evt，TCD 用事件时间），再统一到同一绝对时钟；任何插值/重采样都要在块边界确定之后进行，否则相关分析会把时序错位当成"耦合"。

§6 获取与许可：一份"标开放但有限制"的样本

6.1 许可

项目页给出两个许可字段：

• License：PhysioNet Contributor Review Health Data License 1.5.0
• Data Use Agreement：PhysioNet Contributor Review Health Data Use Agreement 1.5.0

用户须在 PhysioNet 登录并接受该 Use Agreement 后方可下载使用。

6.2 访问状态（本条目最关键存照）

• 页面 Database 段标 “Open Access”；
• 但核验时 Files 区显示 “Data Not Available — Data is not available in your region due to legal or policy restrictions.”

判定：数据集本身属性为 Open Access（未撤下、未转为 Restricted），但下载受请求地区政策限制。核验代理所在出口被地区策略拦截，故无法读取文件清单与总大小。使用者应预期：在合规地区登录并接受 DUA 后即可获取；在受限地区需另寻合规途径。

6.3 版本链与引用

版本	日期	DOI
v1.0	2021-04-21	10.13026/zfb2-1g43
latest（快照）	—	10.13026/m32v-hy93

规范引用：

Mukli, P., Yabluchanskiy, A., & Csipo, T. (2021). Mental workload during
n-back task captured by TransCranial Doppler (TCD) sonography and functional
Near-Infrared Spectroscopy (fNIRS) monitoring (version 1.0). PhysioNet.
RRID:SCR_007345. https://doi.org/10.13026/zfb2-1g43

6.4 获取决策树

你的需求是什么？
├── 做心理负荷 / 被动 BCI 建模
│   └── PhysioNet 登录 + 接受 DUA → 下载 fNIRS(+TCD)+行为 CSV
├── 研究神经血管耦合（NVC）
│   └── 同上，但需自行实现 fNIRS 浓度转换 + TCD 归一化
├── 只想要现成 fNIRS 分类基准
│   └── 本数据集无官方 split；考虑改用带基准的 fNIRS/EEG 心理负荷数据
└── 在受限地区无法下载
    └── 检查 PhysioNet 区域策略或机构访问途径（勿用非合规镜像）

§7 生态与影响

7.1 在神经血管耦合研究中的位置

NVC 研究长期存在"大动脉"与"微循环"两条观测线的割裂：TCD 看得见大血管的整体加速却看不见脑区定位，fNIRS 看得见皮层血氧却只覆盖浅层。mental-fnirs 的价值在于把两者绑在同一次实验里，让研究者可以问"大动脉加速与局部皮层血氧响应是否同步、比例如何"这类跨层问题。原文引用的方法学脉络（Girouard & Iadecola 的 NVC 综述、Sorond 等的 NVC 损害研究、Vassena 等的 DLPFC-fNIRS 验证、Jaeggi 等的负荷-fMRI）显示它嵌入的是"衰老—认知—脑血管"这条经典线。

7.2 在心理负荷 / BCI 生态中的位置

fNIRS 用于心理负荷评估的可穿戴优势（便携、抗运动、空间分辨率优于 EEG）是"日常 BCI"愿景的关键，而 mental-fnirs 提供了同步双模态的原料。它的样本小（14 人）是短板，但它的"任务标准 + 双模态 + 原始信号"结构，使它适合作为：

• fNIRS 心理负荷分类流水线的教学/原型数据集；
• fNIRS × TCD 多模态融合方法的可行性验证集；
• 被动 BCI 中"负荷自适应界面"研究的早期样例。

7.3 与库内条目的关系

• wearable-exam-stress（rid 807）：真实考场可穿戴生理 × 认知表现，与 mental-fnirs 构成"真实场景 vs 实验室双模态"的对照；
• moabb（rid 809）：BCI 算法可复现性元基准，是 mental-fnirs 这类原始信号数据集的"上位评测框架"；
• bci-competition-iv-2a（rid 352）/ eegmmidb（rid 342）：主动 BCI 基准，与 mental-fnirs 的被动 BCI 取向互补；
• 1000-functional-connectomes（rid 295）/ human-connectome-project（rid 95）/ openneuro（rid 100）：脑功能成像与神经影像分发家族，构成"脑数据"检索面；
• apnea-ecg（rid 658）/ physionet-cinc-2016（rid 382）/ physionet-cinc-2017（rid 162）：同属 PhysioNet 平台的生理信号家族。

7.4 一个"中上生"的自我定位

把 mental-fnirs 放在 AI-Ready 的坐标系里，它既不是"标杆样本"也不是"反面教材"，而是一个诚实的"中上生"：

• 它做对的：托管在物理网（长期可持续）、有 DOI/RRID（唯一标识）、元信息齐全（可重建）、任务范式标准（可复用）、许可能够明确（可引用）；
• 它的短板：样本小（14 人）、人口学缺失、原始信号需自处理、无官方基准、下载受地区限制。

对 AI-Ready 质检而言，它的价值恰恰在于这些短板是**“可记录、可传递”**的——本条目把它们逐条写进 rai:dataLimitations、坑点与存照附录，让下一个使用者不必重新踩一遍。

7.5 心理学与工程的双重视角

mental-fnirs 横跨两个读者群体，条目对两者的"最有用处"各不相同：

读者	他们关心的问题	条目里最有用的小节
生理学 / 神经科学研究者	NVC 响应是否随负荷增强、TCD 与 fNIRS 如何互补	§0、§3、§4
机器学习 / BCI 工程师	输入是什么格式、标签怎么来、如何避免数据泄漏	§2、§5、§10
数据治理 / AI-Ready 审阅者	许可、可获取性、元数据、可持续性	§6、§10 DAIMS、附录 B
教学者	一个完整的"双模态小数据集"案例	§3.8、§5、§8

§8 方法学启示：四条可迁移经验

启示一：异构模态要"同时同人同任务"。 fNIRS 与 TCD 的价值不在各自精度，而在同步——只有同一次实验中采集，才能讨论跨层耦合。做多模态数据集时，"同源同步"是比"各自扩容"更稀缺的资产。

启示二：原始信号 + 元信息 = 可重建。 数据集不提供现成的血氧浓度，而是给原始光强 + marker + layout + montage。这表面上是"未加工"的缺点，实则把预处理自由度留给使用者——代价是复现门槛抬高，跨研究比较前必须对齐管线。

启示三：n-back 是心理负荷的"免费监督"。 n 值本身就是三级有序标签，不需要额外人工标注。选任务范式时，优先选自带分级的范式，能大幅降低标注成本。

启示四：小样本探索性数据要"带着局限用"。 14 人的结论是方向性的，不是定量的。把它当"确证某种 NVC 定量关系"的输入会有过度外推风险；把它当"验证管线、搭原型、教学演示"的原料则非常合适。

§8 方法学启示：四条可迁移经验（续）

8.1 关于"原始 vs 加工"的取舍矩阵

数据发布形态	优点	缺点	适合谁
原始信号 + 元信息（本数据集）	自由度最大、可复现上游、可自定义管线	门槛高、跨研究须对齐口径	研究方法学团队
预处理特征 + 标准 split	开箱即用、可比性强	锁死处理选择、易过拟合基准	建模竞赛/教学
两者都给（理想）	兼顾上下限	维护成本高、须说清两套关系	旗舰数据集

mental-fnirs 选了第一列——这是"忠实于测量"的取向，代价是把预处理负担转移给了使用者。选数据集时，先问自己"我要的是原料还是半成品"。

8.2 关于"双模态融合"的最小可行路径

若要把 mental-fnirs 用于多模态融合研究，最小可行路径是：

1. 先把两模态各自做成块级特征（fNIRS：ROI 血氧均值；TCD：平均 MCAv + PI）；
2. 在块级拼接成一张表（行 = 任务块，列 = 双模态特征 + 标签）；
3. 先做单模态基线（fNIRS only / TCD only），再做融合，用一个留一被试框架比较；
4. 报告融合相对单模态的增益——这才是"双模态"的价值主张。

跳过第 1、3 步直接上深度多模态融合，在小样本上几乎必然过拟合。

§9 与库内条目的关系与检索建议

推荐互链点（rid 为核验时点记录号，正文内链 URL 一律用 https://www.qianfanghub.com/ai-ready-dataset/<slug>/0 占位）：

条目	rid	互链理由
wearable-exam-stress	807	真实场景可穿戴生理 × 认知负荷，最贴近的兄弟条目
moabb	809	BCI 算法可复现性元基准
bci-competition-iv-2a	352	主动 BCI（运动想象）对照
eegmmidb	342	运动想象脑电基准
1000-functional-connectomes	295	静息态功能连接组
human-connectome-project	95	多模态脑连接组学影像
openneuro	100	开放神经影像共享平台
apnea-ecg	658	PhysioNet 单模态生理信号经典
physionet-cinc-2016	382	PhysioNet 平台条目（心音）
physionet-cinc-2017	162	PhysioNet 平台条目（房颤）
topbrain2026	632	全脑血管分割，脑血管解剖同族

检索建议：

• 用长标题"Mental workload during n-back task" 搜官方页；用短 slug “mental-fnirs” 易命中本条目（坑 1）。
• 用 “fNIRS” AND “transcranial Doppler” AND “mental workload” 三词组合定位相关文献。
• 关注作者名 Mukli / Yabluchanskiy / Csipo + neurovascular coupling 可找到团队的后续工作。
• PhysioNet 平台内 collection:mental-fnirs 或项目页标签可批量发现同源数据集。

9A 检索场景速查表

我想找…	检索式	预期命中
官方项目页	"Mental workload during n-back" physionet	PhysioNet 项目页（核对 DOI）
原始论文	Mukli Yabluchanskiy Csipo mental workload fNIRS TCD	期刊论文（卷期见引用）
神经血管耦合综述	neurovascular coupling fNIRS review	NVC 方法学文献
同团队后续工作	author:Yabluchanskiy neurovascular	团队相关论文
库内可穿戴心理负荷	wearable-exam-stress	兄弟条目（rid 807）
主动 BCI 对照	bci-competition-iv-2a / eegmmidb	运动想象基准（rid 352/342）
fNIRS 分析工具	mne-nirs AnalyzIR nirsLAB	开源工具箱
心理负荷基准数据	fNIRS mental workload benchmark dataset	其他心理负荷数据（用于对照）

检索红线：不要用 slug “mental-fnirs” 单独作为检索词（区分度低，易命中本条目与镜像页），始终叠加 DOI 或全标题关键词。

§10 避坑清单：十个已踩过的坑

坑 1：短 slug “mental-fnirs” 不具检索区分度。 PhysioNet 官方页标题是超长的 “Mental workload during n-back task captured by TransCranial Doppler (TCD) sonography and functional Near-Infrared Spectroscopy (fNIRS) monitoring”，而 URL slug 只有 “mental-fnirs”。直接搜 slug 会大量命中百科条目与无关页面；定位官方页请用标题关键词并核对 DOI 10.13026/zfb2-1g43。

坑 2：n-back 任务序列原文里 0-back 出现两次。 原文序列为 0-back → 1-back → 0-back → 2-back，两处 0-back 重复。本条目按原文照录，不擅自合并为单一 0-back；做标签对齐时须按会话内任务块（每个 0-back 是一个独立块），不能按全局 n 值归并。

坑 3：页面标 “Open Access” ≠ 能直接下载。 Database 段标 Open Access，但 Files 区显示 “Data is not available in your region due to legal or policy restrictions”。"开放许可"与"地区可下载"是两回事，引用该数据集可用性时须同时说清二者，勿把"标开放"当作"无限制直下"。

坑 4：小样本 + 人口学缺失。 n = 14（质控前）是单中心探索性规模，且原文未披露性别/手利/种族分布。任何"泛化性"结论都受此双重限制；本条目在 rai:dataLimitations 已存照。质控后有效例数原文未给（§附录 S 遗留疑点 C）。

坑 5：fNIRS 采样率原文未在数据描述处明示。 原文数据描述明确给出 TCD 采样率为 400 Hz，但 fNIRS 的采样率未在该处给出（由 NIRScout 采集，具体 Hz 需查 .hdr/.inf 或仪器默认）。不要臆造 fNIRS 采样率；对齐两模态时以元信息文件为准。

坑 6：通道 16 的写法大小写不一致。 原文 16 号光源写作 “Af4-Afz”，而其余均作 “AF”，是原文书写不一致。条目按原文照录；做通道名规范化（PFC/DLPFC ROI 映射）时注意大小写统一。

坑 7：把 fNIRS 的「血氧变化」直接叫「脑激活」。 fNIRS 测的是 HbO/HbR 相对浓度变化，是「神经血管耦合」的血管端产物，不是神经元放电。原文 Limitations 明示共享数据不含神经元活动。在论文里写「某脑区被激活」是过度解读；规范表述是「该脑区出现血氧响应变化」。这条既关乎科学准确，也关乎审稿通过率。

坑 8：用未做运动校正的原始信号直接分析。 fNIRS 对头动极敏感，n-back 任务中按键反应与头动耦合，会产生「假激活尖峰」。若不做 TDDR/spline/wavelet 校正就做块平均，很可能把运动伪迹误读成「负荷效应」。先校正、再分块、后平均是固定顺序。

坑 9：把 TCD 的 MCAv 当作「绝对脑血流」。 TCD 测的是血流速度，不是血流量——速度还受血管口径影响。若血管收缩，速度可能升高而实际流量未必升高。规范用法是相对基线（ΔMCAv）而非绝对比较；推断「供血增加」时须谨慎。

坑 10：忽略两个 0-back 块可能被不同对待。 会话内两个 0-back（序列首块与第三块）可能受位置效应（学习/疲劳/漂移）影响，其均值未必相等。若把两处简单合并成一个「0-back 类」，可能把时间效应混入负荷效应。分析前先检查两块是否一致（见 §8 对齐规范）。

附录：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性（Discoverability）	7	PhysioNet 项目页 + DOI + RRID 可索引；但官方标题冗长、slug 短无区分度，检索需核对 DOI（坑 1）
A 可获取性（Accessibility）	6	标 Open Access 且有规范 DUA；但下载受地区政策限制，"标开放"与"可直下"分离（坑 3），获得性打折扣
I 可互操作（Interoperability）	6	全文件机器可读（ASCII/CSV/MAT）；但 fNIRS 为原始光强、无配套转换脚本，互操作依赖第三方工具箱
M 元数据质量（Metadata）	7	元信息齐（marker/layout/montage/仪器/伦理/资金）；但人口学分布缺失、fNIRS 采样率未明示（坑 4、坑 5）
S 可持续性（Sustainability）	8	依托 PhysioNet（MIT）长期托管 + DOI 持久标识；单中心小数据集的长期价值稳定
综合评级	6.8/10（中上）	标准与元数据质量高于均值；可获取性被地区限制拖低，互操作依赖外部工具

---

事实清单（硬事实 30 条）

1. 官方名：Mental workload during n-back task captured by TransCranial Doppler (TCD) sonography and functional Near-Infrared Spectroscopy (fNIRS) monitoring。
2. 托管：PhysioNet（MIT Laboratory for Computational Physiology 维护，RRID:SCR_007345）。
3. 上架版本：v1.0，发布于 2021-04-21。
4. v1.0 DOI：10.13026/zfb2-1g43；latest DOI：10.13026/m32v-hy93。
5. 作者：Peter Mukli、Andriy Yabluchanskiy、Tamas Csipo。
6. 机构：University of Oklahoma Health Sciences Center（Translational Geroscience Laboratory / Center for GeroScience and Healthy Brain Aging）；Mukli 另属 Semmelweis University Faculty of Medicine。
7. 采集年份：2018。
8. 样本量：n = 14（质控前，原文 Limitations）。
9. 人群：健康年轻成人，年龄 31 ± 5.94 岁，BMI 24.9 ± 2.95。
10. 任务范式：n-back 工作记忆（0-back 识别 W / 1-back / 2-back）。
11. 任务序列（原文）：0-back → 1-back → 0-back → 2-back（0-back 出现两次）。
12. 每 session 刺激：60 个字母，随机顺序，每个 250 ms。
13. 刺激间隔（ISI）：1850–2050 ms 随机。
14. 每 session 时长：平均 134.13 ± 1.37 s；总测量约 11 分钟。
15. 实施软件：ePrime 3（Psychology Software Tools）。
16. TCD 仪器：Digi-Lite（Rimed, Raanana, Israel）+ 探头固定装置 LMY-2。
17. TCD 测量：左右大脑中动脉（MCA）血流速度（MCAv），2 MHz 探头经颞窗。
18. TCD 采样率：400 Hz（Dataq DI-4108-U, Akron, OH）。
19. TCD 速度换算：实际速度 = 241 × 幅度 / 4.096（据 Rimed 手册）；CSV 中 D 列 = 左 MCA、E 列 = 右 MCA。
20. TCD 分析窗口：每任务取 100 s；前 10 s 弃用（运动/呼吸伪迹）。
21. MCAv 归一化：(MCAv[n-back] − MCAv[0-back]) / MCAv[0-back] × 100%。
22. fNIRS 仪器：NIRScout（NIRx Medical Technologies LLC, NY）。
23. fNIRS 光学：16 源 × 16 探测器 = 48 通道，双波长 760 / 850 nm，源-探间距约 3 cm。
24. fNIRS 覆盖：PFC、DLPFC、M1（内侧运动皮层）。
25. fNIRS 分析工具：Brain AnalyzIR toolbox（GLM）+ nirsLAB（NIRx）。
26. fNIRS 输出：HbO / HbR 浓度变化时程 + 逐通道逐刺激区块平均 + ROI 平均（1-back / 2-back）。
27. 文件格式：fNIRS 原始光强 .wl1（760 nm）/.wl2（850 nm）；元信息 .evt/.hdr/.tpl/.inf/.set/.mat；TCD 幅度与汇总 CSV；认知表现 CSV。
28. 认知表现指标：成功率（%correct）+ 反应时间。
29. 许可：PhysioNet Contributor Review Health Data License 1.5.0 + Use Agreement 1.5.0。
30. 访问状态：页面标 Open Access，但下载受地区政策限制（Files 区显示 Data Not Available — region restrictions）。

---

FAQ（高频问答 18 问）

A. 基础认知

Q1：mental-fnirs 是挑战赛吗？
不是。它是 PhysioNet 上的单中心生理数据集（含配套生理学论文），无 leaderboard、无竞赛排名。

Q2：名字里的 mental-fnirs 指什么？
slug 是 “mental-fnirs”，取自主题"mental workload（心理负荷）" + “fNIRS（功能近红外光谱）”。官方全名很长，含 TCD 与 fNIRS 两个模态。

Q3：它和普通 EEG 心理负荷数据集有什么区别？
模态不同：它用的是 fNIRS（皮层血氧，空间分辨率优于 EEG）+ TCD（大动脉血流速度），而非脑电；研究主线是神经血管耦合，而非单纯的电生理分类。

Q4：谁做的、发表在哪？
Peter Mukli、Andriy Yabluchanskiy、Tamas Csipo（俄克拉荷马大学健康科学中心等），2021 年上架 PhysioNet v1.0。配套论文标题为《Increased Cognitive Workload Evokes Greater Neurovascular Coupling Responses in Healthy Young Adults》。

Q5：核心卖点一句话？
它把"大动脉血流（TCD）"与"皮层血氧（fNIRS）"两层血管响应绑在同一次 n-back 实验里同步采集——跨层神经血管耦合的稀缺公开样例。

B. 数据与获取

Q6：现在能下载吗？
项目页标 Open Access，但核验时 Files 区显示"Data is not available in your region due to legal or policy restrictions"。开放许可成立，下载受地区政策限制；需在合规地区登录并接受 DUA。

Q7：数据里都有哪些文件？
fNIRS 原始光强（.wl1/.wl2）+ 元信息（.evt/.hdr/.tpl/.inf/.set/.mat）+ TCD 幅度 CSV + TCD 汇总 CSV（平均速度/搏动指数）+ 认知表现 CSV。

Q8：数据总量多大？
核验预算内未能取得（Files 区被地区限制拦截）——这是本条目遗留疑点 D，需在可用区域登录后核算。

Q9：怎么引用？
Mukli, P., Yabluchanskiy, A., & Csipo, T. (2021). ... (version 1.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/zfb2-1g43。

Q10：有 GitHub / Kaggle 镜像吗？
核验预算内未发现官方镜像；以 PhysioNet 项目页为唯一源头。请使用合规途径，勿依赖非授权镜像。

Q11：能商用吗？
须遵守 PhysioNet Contributor Review Health Data License 1.5.0 与 Use Agreement 1.5.0 条款；商用前请逐条核对 DUA 并（如条款要求）与数据提供方确认。

C. 数据使用与建模

Q12：怎么把 fNIRS 原始光强变成可分析信号？
用 modified Beer-Lambert 定律把 .wl1/.wl2 光强转成 HbO/HbR 浓度变化（可用 mne-nirs），再做去伪迹（运动校正 + 0.01–0.2 Hz 带通）与坏通道剔除。

Q13：TCD 的 CSV 数字怎么读？
CSV 存的是幅度（Volt），D 列 = 左 MCA、E 列 = 右 MCA；实际速度 = 241 × 幅度 / 4.096（据 Rimed 手册），另有一个汇总 CSV 直接给平均速度（cm/s）与搏动指数。

Q14：怎么做心理负荷分类？
把每段 fNIRS/TCD 时间窗对应到它所在任务的 n 值（0/1/2-back），构成三级有序标签；务必用留一被试交叉验证（同一被试窗口串进训练/测试会虚高）。

Q15：n-back 的两处 0-back 怎么对齐？
按会话内任务块对齐，两个 0-back 是独立块；不要按全局 n 值把两处合并（坑 2）。

Q16：为什么不能盲目上报"分类准确率很高"？
随机切窗 + 小样本会制造数据泄漏式虚高；跨被试泛化才是真问题，而 n = 14 的规模使跨被试评估本身统计效力有限。

Q17：fNIRS 采样率是多少？
原文在数据描述处未明示（只给了 TCD 的 400 Hz）。不要臆造，以 .hdr/.inf 或 NIRScout 仪器默认为准（坑 5）。

Q18：这个数据集适合用来做什么、不适合做什么？
适合：教学/原型、fNIRS×TCD 多模态融合可行性验证、被动 BCI 早期样例、NVC 方法学演示。不适合：大样本确证性统计、"最优模型"权威排名、神经元活动研究（数据集只有血管组分）。

---

相关数据集对照表

数据集	模态	场景	样本	任务	与 mental-fnirs 的关系
mental-fnirs（本条目）	fNIRS + TCD	实验室	14 人	n-back 心理负荷	—
wearable-exam-stress（rid 807）	可穿戴生理（腕带）	真实考场	小样本	考试应激	真实性 vs 保真度互补
moabb（rid 809）	聚合 EEG	元基准	多数据集	BCI 算法	上位评测框架
bci-competition-iv-2a（rid 352）	EEG	实验室	9 人	运动想象	主动 vs 被动 BCI 对照
eegmmidb（rid 342）	EEG	实验室	109 人	运动想象	神经生理信号族
1000-functional-connectomes（rid 295）	rs-fMRI	多中心	1000+	静息态	脑功能成像族
human-connectome-project（rid 95）	MRI/MEG	多中心	1200	多任务	多模态脑成像上位数据
apnea-ecg（rid 658）	ECG	睡眠	—	呼吸暂停	PhysioNet 单模态经典
physionet-cinc-2016（rid 382）	心音	临床	—	正常/异常	PhysioNet 平台族
physionet-cinc-2017（rid 162）	单导联 ECG	临床	—	房颤	PhysioNet 平台族
topbrain2026（rid 632）	CTA/MRA	临床	—	脑血管分割	脑血管解剖同族

---

参考文献与来源附录

条目主要来源（核验时点 2026-10-10）

编号	来源	URL	用途
S1	PhysioNet 项目页 mental-fnirs v1.0	https://physionet.org/content/mental-fnirs/1.0/	官方名/作者/机构/规模/仪器/许可/DoI/限制（HTTP 200，URL 从 /content/mental-fnirs/ 302 跳转至 1.0）
S2	项目页 DOI	https://doi.org/10.13026/zfb2-1g43	v1.0 持久标识
S3	项目页 latest DOI	https://doi.org/10.13026/m32v-hy93	latest 快照标识
S4	WebSearch（fNIRS × transcranial doppler × mental workload）	—	主题交叉印证（2026-10-10）

数据集内引用文献（原文 References，节选）

• Girouard H, Iadecola C. Neurovascular coupling in the normal brain and in hypertension, stroke, and Alzheimer disease. J Appl Physiol. 2006;100(1):328-35.
• Sorond FA, Kiely DK, Galica A, et al. Neurovascular coupling is impaired in slow walkers: the MOBILIZE Boston Study. Ann Neurol. 2011;70(2):213-20.
• Vassena E, Gerrits R, Demanet J, et al. Anticipation of a mentally effortful task recruits Dorsolateral Prefrontal Cortex: An fNIRS validation study. Neuropsychologia. 2019;123:106-15.
• Jaeggi SM, Seewer R, Nirkko AC, et al. Does excessive memory load attenuate activation in the prefrontal cortex? Neuroimage. 2003;19(2):210-25.
• Huppert TJ, Hoge RD, Diamond SG, et al. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. Neuroimage. 2006;29(2):368-82.
• Ayaz H, Shewokis PA, Bunce S, et al. Optical brain monitoring for operator training and mental workload assessment. Neuroimage. 2012;59(1):36-47.
• Kirchner WK. Age differences in short-term retention of rapidly changing information. J Exp Psychol. 1958;55(4):352-8.
• Aaslid R, Markwalder TM, Nornes H. Noninvasive transcranial Doppler ultrasound recording of flow velocity in basal cerebral arteries. J Neurosurg. 1982;57(6):769-74.

---

存照附录

附录 A：条目信息速查卡

项	值
条目名	mental-fnirs
url_name	mental-fnirs
类型	单中心双模态生理信号数据集（fNIRS + TCD）
官方名	Mental workload during n-back task captured by TransCranial Doppler (TCD) sonography and functional Near-Infrared Spectroscopy (fNIRS) monitoring
团队	University of Oklahoma Health Sciences Center（Mukli / Yabluchanskiy / Csipo）
规模	n = 14（质控前）；48 通道 fNIRS + 左右 MCA TCD
许可	PhysioNet Contributor Review Health Data License/Use Agreement 1.5.0
抓取时点	2026-10-10
库内互链	wearable-exam-stress(807)/moabb(809)/bci-competition-iv-2a(352)/eegmmidb(342)/1000-functional-connectomes(295)/human-connectome-project(95)/openneuro(100)/apnea-ecg(658)/physionet-cinc-2016(382)/physionet-cinc-2017(162)/topbrain2026(632)

附录 B：双口径存照清单

编号	冲突/存照点	口径 A	口径 B	本条目处理
存照 1	访问状态	页面标 Open Access	Files 区 Data Not Available（region restrictions）	并列写明：开放许可成立，下载受地区限制（坑 3）
存照 2	样本量	正文"healthy young adults"（未给精确 n）	Limitations"n = 14（质控前）"	采用 n = 14（质控前），并注明质控后未披露
存照 3	DOI	v1.0：10.13026/zfb2-1g43	latest：10.13026/m32v-hy93	引用用 v1.0 DOI，latest 并列存照
存照 4	n-back 序列	序列含两处 0-back	（他处或简化叙述易合并）	按原文照录两处 0-back（坑 2）
存照 5	通道 16 命名	原文写 “Af4-Afz”	其余通道均作 “AF”	按原文照录，提示大小写不一致（坑 6）

附录 C：逐项证据链

关键数字	来源字段	位置
n = 14（质控前）	PhysioNet Limitations	项目页正文
年龄 31 ± 5.94 / BMI 24.9 ± 2.95	PhysioNet Background	项目页正文
48 通道 / 16 源 × 16 探测器 / 760·850 nm / 3 cm	PhysioNet fNIRS 段	项目页正文
400 Hz / 241×幅度/4.096 / 100 s 窗 / 前 10 s 弃用	PhysioNet TCD 段	项目页正文
60 字母 / 250 ms / ISI 1850–2050 ms / 134.13±1.37 s / 11 分钟	PhysioNet 认知刺激段	项目页正文
Open Access 与 region restrictions	PhysioNet Access 与 Files 段	项目页
v1.0 DOI 与 latest DOI	PhysioNet Discovery 段	项目页

附录 D：遗留疑点清单

编号	疑点	现状	建议
A	配套论文的期刊/卷期/DOI	未在项目页给出，核验预算内未单独抓取	引用以待补；以数据集 DOI 为主
B	latest DOI 与 v1.0 的实质差异	未查明	待核
C	质控后有效样本数	原文仅给"质控前 n=14"	待核
D	数据文件总大小/清单	Files 区被地区限制拦截	可用区域登录后核算
E	是否存在第三方镜像	核验预算内未发现	倾向无，勿用非合规镜像

附录 E：缩写速查

缩写	全称
fNIRS	functional Near-Infrared Spectroscopy（功能近红外光谱）
TCD	TransCranial Doppler（经颅多普勒超声）
NVC	NeuroVascular Coupling（神经血管耦合）
MCA / MCAv	Middle Cerebral Artery / 其血流速度
HbO / HbR	氧合 / 脱氧血红蛋白
DLPFC	Dorsolateral Prefrontal Cortex（背外侧前额叶）
PFC	Prefrontal Cortex（前额叶皮层）
M1	内侧运动皮层（medial motor cortex）
BCI	Brain-Computer Interface（脑机接口）
DUA	Data Use Agreement（数据使用协议）
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability
RRID	Research Resource Identifier
ISI	Inter-Stimulus Interval（刺激间隔）
GLM	General Linear Model（广义线性模型）
ROI	Region of Interest（感兴趣区）

附录 F：引文规范（BibTeX）

@misc{mukli2021mentalfnirs,
  title        = {Mental workload during n-back task captured by
                  TransCranial Doppler (TCD) sonography and functional
                  Near-Infrared Spectroscopy (fNIRS) monitoring},
  author       = {Mukli, Peter and Yabluchanskiy, Andriy and Csipo, Tamas},
  year         = {2021},
  month        = apr,
  note         = {Version 1.0},
  howpublished = {PhysioNet},
  doi          = {10.13026/zfb2-1g43},
  url          = {https://doi.org/10.13026/zfb2-1g43},
  rrid         = {SCR_007345}
}

附录 G：本条目生产档案

• 生产代理：agent-d-mentalfnir
• 开工三查：锁文件（自建，无争抢）｜ps aux | grep -c "[c]odebuddy" = 4（留痕）｜无改道
• 存在性核验：PhysioNet 内容页（302→v1.0，HTTP 200）+ WebSearch 一轮 + DOI 字段；三源互证通过
• 查重：DB %fnirs% / 认知负荷 / 近红外 命中 0 行；writing/ 无同名目录
• FACTS.md：writing/mental-fnirs/FACTS.md 九节
• 成稿方式：part1–part6 直写私有区 + cat 拼接（断点友好）
• 类型判定：单中心双模态生理数据集（非挑战赛）
• 网络预算：WebFetch×1（含 302 跟随）+ curl 抓取×2 + WebSearch×1（预算内）

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-10，抓取与核验时点见附录 A。事实陈述以 PhysioNet 项目页 mental-fnirs v1.0（DOI 10.13026/zfb2-1g43）为核心源；“Open Access 与地区下载限制分离”、“样本量质控前后双口径”、“n-back 双 0-back 序列”、"通道 16 命名大小写不一致"等原始文档特征已在坑点与附录 B 存照。条目与库内 wearable-exam-stress（rid 807）、moabb（rid 809）、bci-competition-iv-2a（rid 352）、eegmmidb（rid 342）、1000-functional-connectomes（rid 295）等条目互链，构成"神经生理信号—脑功能—脑机接口"家族的完整检索面。后续维护触发点见附录 D（遗留疑点）。

附录 H：基于本数据集的研究检查清单（14 项）

1. 许可核对：确认你的用途符合 PhysioNet Contributor Review Health Data License 1.5.0 与 Use Agreement 1.5.0 条款。
2. 区域可用性：在下载前确认你的地区是否被策略限制（Files 区可能显示 region restrictions，坑 3）。
3. 引用规范：数据引 v1.0 DOI 10.13026/zfb2-1g43；论文结论引配套研究标题（附录 A/D）。
4. 样本警示：n = 14（质控前），任何泛化性结论须注明小样本限制。
5. 人口学盲区：性别/手利/种族未披露，别假设代表性。
6. fNIRS 转换：原始光强须经 modified Beer-Lambert 转 HbO/HbR，勿直接喂光强。
7. 运动伪迹：用 TDDR/spline/wavelet 校正，配合 0.01–0.2 Hz 带通。
8. 短通道回归：如有短分离通道，回归掉头皮浅层血流污染。
9. TCD 换算：幅度 × 241 / 4.096 = 速度；别把 Volt 当 cm/s。
10. TCD 窗口：取 100 s 窗口，弃前 10 s；注意各被试可用通道可能不一致。
11. 标签对齐：按会话内任务块对齐；两处 0-back 是独立块（坑 2）。
12. 交叉验证：必须留一被试（Leave-One-Subject-Out），随机切窗会数据泄漏虚高。
13. 模态基线：先报单模态基线再报融合，明确融合增益。
14. fNIRS 采样率：以 .hdr/.inf 或仪器默认为准，勿臆造（坑 5）。

附录 I：常见误用模式与纠正

误用模式	后果	纠正
直接用 .wl1/.wl2 光强当特征	学到的是耦合/头皮伪迹	先转 HbO/HbR
随机切窗做 KFold	同一被试窗口泄漏，指标虚高	留一被试（LOSO）
把 Volt 当 cm/s	量纲错误	×241/4.096
把 14 人结果当总体估计	过度外推	标注探索性 + 小样本
把"Open Access"当"可直下"	下载失败/误判可用性	同时检查地区限制
两处 0-back 合并为一类	标签粒度错乱	按任务块对齐
忽略 fNIRS 响应延迟	时间对齐错位	考虑 HRF 延迟（数秒量级）

附录 J：FAIR 原则对照

FAIR 原则	状态	说明
F1 全局唯一标识	✅	DOI（v1.0）+ RRID（SCR_007345）
F2 富元数据	✅	项目页含仪器/任务/伦理/资金/限制
A1 可访问协议	⚠️	许可明确但下载受地区限制
A2 元数据可访问	✅	即便文件不可下，元数据始终公开
I1 互操作格式	⚠️	ASCII/CSV/MAT 通用，但无官方转换脚本
I2 词汇表引用	✅	用标准脑区/仪器术语（DLPFC/MCA 等）
R1 来源溯源	✅	作者/机构/伦理/资金齐全
R1.1 许可	✅	明确 DUA 条款
R1.2 溯源过程	⚠️	配套论文卷期未在页内给出（附录 D 疑点 A）
R1.3 领域标准	✅	遵循 n-back / fNIRS / TCD 领域惯例
AI-Ready 综合	中上	元数据与标识强，可获取性与互操作被外部因素拖低

附录 K：检索路径示范

目标	推荐查询式	预期命中
官方页	“Mental workload during n-back task” AND “TransCranial Doppler”	physionet.org/content/mental-fnirs
持久标识	doi:10.13026/zfb2-1g43 或 RRID:SCR_007345	PhysioNet 项目页
配套论文	“Increased Cognitive Workload Evokes Greater Neurovascular Coupling”	论文（卷期待补，附录 D）
团队后续	Mukli OR Yabluchanskiy OR Csipo + “neurovascular coupling”	团队论文族
相关方法	“fNIRS” “mental workload” “prefrontal”	fNIRS 负荷评估文献
TCD 方法	“transcranial Doppler” “middle cerebral artery” “cognitive”	TCD 认知研究文献
同平台数据	site:physionet.org n-back OR fNIRS	PhysioNet 同源数据集

检索卫生两条：一、用长标题而非短 slug 定位官方页（坑 1）；二、PhysioNet 的 DOI 与 RRID 是比标题更稳定的定位锚点。

附录 L：NOTICE 与合规提示

• 本条目为对公开数据集 metadata 与文档的中文整理与解读，不对原始数据主张任何权利；数据版权与使用条款以 PhysioNet 项目页为准。
• 条目中所有原始数据量纲、仪器型号、伦理声明、资金编号均转自 PhysioNet 项目页，属转引，精确值请以官方页为准。
• 受限地区使用者请通过合规途径获取数据，勿依赖非授权镜像；本条目不提供、也不建议任何绕过地区限制的方法。
• 网络核验时点：2026-10-10（页面可能随后更新；引用前请复核项目页当前状态）。

附录 M：补充问答（进阶 16 问）

M1：fNIRS 和 fMRI 的"激活"是一回事吗？
不是完全一回事，但方向高度相关。fNIRS 测皮层浅层血氧，fMRI 测 BOLD（同样源于血流动力学）；原文引 Huppert 等 2006 表明两者在运动刺激下时间响应可比。差异在于 fNIRS 只覆盖皮层浅层、且受头皮干扰。

M2：为什么要同时用 TCD？fNIRS 不够吗？
不够。fNIRS 不见大动脉供血变化，TCD 不见皮层定位——单用任一会把"局部响应"与"整体供血"混为一谈。双模态是为了分层：TCD 管"大血管供给"，fNIRS 管"皮层微循环"。

M3：TCD 的"颞窗"是什么？为什么有人采不到？
颞窗是颞骨上一处超声可穿透的薄弱区。约 10–15% 的人颞窗质量差（尤其年长者、女性），超声难穿透，采不到清晰 MCA 信号——原文因此剔除了"颞窗或速度不理想"的通道。

M4：400 Hz 采样对 TCD 是不是过剩？
TCD 波形含收缩峰等快变成分，且原文要在 100 s 窗口内稳妥计算均值与搏动指数，高采样率保证峰值不被欠采样。相对 fNIRS（低采样、慢响应），TCD 需要更高采样——这也说明两模态必须各自处理、再在块级对齐。

M5：fNIRS 的 48 通道怎么归到"前额叶/运动皮层"？
用源-探坐标映射脑区：Fpz/AFz/AF7/AF3/AF4/AF8 一带对应前额叶与 DLPFC；C3/C4/CP 一带对应感觉运动区。做 ROI 分析时按通道→脑区映射先分组再平均（原文即做了 ROI 平均）。

M6：两个波长（760/850 nm）各管什么？
760 nm 对脱氧血红蛋白（HbR）更敏感，850 nm 对氧合血红蛋白（HbO）更敏感。必须联立两波长，用 modified Beer-Lambert 才能把混合光衰减分解为 HbO 与 HbR 两条独立曲线。

M7：为什么血氧响应要看"变化量"而不是绝对值？
fNIRS 测的是相对浓度变化（Δ[HbO]、Δ[HbR]），不是绝对浓度。绝对量受耦合、发色团、标定影响，难跨被试比较；变化量在基线归一后可比性好得多。

M8：n-back 为什么能代表"心理负荷"？
n-back 要求实时保持并更新 n 个最近刺激，n 越大、需同时保持的信息越多、工作记忆负荷越高。它是认知心理学公认的工作记忆负荷范式，因此 n 值可作为负荷的有序代理。

M9：0-back 出现了两次，合理吗？
原文序列确实是 0-back→1-back→0-back→2-back。两次 0-back 可作两个独立基线块（也可能用于检查漂移/疲劳）。条目按原文照录，不擅改（坑 2）。

M10：这套数据能量化"认知表现"吗？
能。行为 CSV 含成功率（%correct）与反应时间，可与血氧/血流做关联分析（如"响应更强的人表现更好吗"）。但注意行为是试次级，须聚合到块级才能与 fNIRS/TCD 对齐。

M11：为什么说"数据不允许研究神经元活动"？
原文 Limitations 明示：共享数据只含血管组分（血流、血氧），不含神经元电活动。NVC 是"神经元→血管"的桥梁，但本数据只站在"血管"这端观测。

M12：能不能用来做"心理负荷检测器"的产品原型？
可以做原型验证，不适合直接产品化：样本太小、无跨人群验证、无官方基准。作为概念验证或教学演示是合适的起点。

M13：与库内的 eegmmidb / bci-competition-iv-2a 有什么可比性？
后两者是被动/主动运动想象 EEG，测的是"意图解码"；mental-fnirs 测的是"被动心理负荷"。前者服务"控制型 BCI"，后者服务"自适应型（passive）BCI"——范式目标不同，不宜直接比精度。

M14：如果我只想复现原文结论，最小步骤是什么？
① 取 TCD 100 s 窗口算 1/2-back 相对 0-back 的 MCAv 增量；② 取 fNIRS DLPFC 通道块平均算 HbO 变化；③ 比较 1/2-back 是否大于 0-back。这是一个组级趋势复现，不需要机器学习。

M15：PhysioNet 的 Open Access 和它的 DUA 冲突吗？
不冲突。"Open Access"指无需机构订阅、注册后即可获取；DUA 是你承诺合规使用的协议。二者叠加才是完整获取条件。再加地区政策限制，是第三层约束（坑 3）。

M16：这个数据集会过时吗？
信号本体会长期有效（原始测量不随时间失效）；但元数据与获取状态会变（地区限制、版本更新、配套论文卷期补齐）。使用时以项目页当前状态为准（附录 L 提示）。

附录 N：与同平台（PhysioNet）条目的横向对照

把握 mental-fnirs 的定位，与库内其他 PhysioNet 条目横向比一比最直观：

条目	模态	主题	样本规模	有官方基准	获取
mental-fnirs（本条目）	fNIRS + TCD	神经血管耦合 / 心理负荷	14	无	Open Access + 地区限制
apnea-ecg（rid 658）	单导联 ECG + 呼吸	睡眠呼吸暂停	70	是	开放
physionet-cinc-2016（rid 382）	心音	正常/异常分类	数千	是（挑战赛）	开放
physionet-cinc-2017（rid 162）	单导联 ECG	房颤分类	8,000+	是（挑战赛）	开放
mimic3wdb（rid 586）	多导联波形	ICU 监护	数百	派生任务	需认证
mimic4wdb（rid 588）	多导联波形	ICU 监护	更大	派生任务	需认证

对照结论：同平台多数经典条目要么是"挑战赛 + 官方基准"、要么是"大规模 ICU 数据"；mental-fnirs 属于少数"小而专的机制型"数据集——它的竞争力不在规模与基准，而在双模态同步 + 明确的生理学问题。

附录 O：一页式决策速查

我要不要用 mental-fnirs？
│
├── 做跨层神经血管耦合（fNIRS×TCD）研究？ ── 是 → 用；它是稀缺双模态样例
├── 做 fNIRS 心理负荷分类？ ── 是 → 可用，但须自建管线 + 留一被试
├── 做主动 BCI / 运动想象？ ── 是 → 不用；改用 bci-competition-iv-2a / eegmmidb
├── 要开箱即用的基准与 leaderboard？ ── 是 → 不用；它无官方基准
├── 要大规模人群统计？ ── 是 → 不用；n=14 太小
├── 做多生理联合（EEG/ECG/EDA）？ ── 是 → 不满足；它只含 fNIRS+TCD
└── 教学 / 原型 / 方法学演示？ ── 是 → 很适合，结构干净、设备明确

附录 P：版本与维护记录表

项	值	核验时点
数据集版本	v1.0	2026-10-10
上架日期	2021-04-21	项目页
v1.0 DOI	10.13026/zfb2-1g43	项目页
latest DOI	10.13026/m32v-hy93	项目页
项目浏览量（当前版本）	208	2026-10-10
项目浏览量（全部版本）	208	2026-10-10
访问状态	Open Access；下载受地区限制	2026-10-10
本条目版本	初版	2026-10-10

附录 Q：生理学基础速览（给工程读者的 6 条）

1. 血氧不是电活动：fNIRS/fMRI 测的是血流动力学响应（NVC 的下游），不是神经元放电本身。
2. HbO 升、HbR 降是典型激活：激活区血流增加，氧供大于氧耗，故 HbO 上升、HbR 下降。
3. 响应有延迟：血流动力学响应函数（HRF）在数秒量级，单试次信噪比低，故用块平均。
4. 大动脉 vs 微循环：TCD 看大动脉（供血上游），fNIRS 看皮层微循环（局部响应），两层不可互相替代。
5. 耦合会被疾病改变：衰老、脑小血管病会改变 NVC，使"激活信号"变形——这正是本数据集连接衰老研究的纽带。
6. 心理负荷是可测量的代理：n-back 的 n 值是有序负荷代理，"负荷越高响应越强"是可用统计检验的假设。

附录 R：生产元信息

项	值
代理	agent-d-mentalfnir
生产日期	2026-10-10
核验源	PhysioNet 项目页 mental-fnirs v1.0（HTTP 200）
网络预算使用	WebFetch ≤3 / WebSearch ≤3 / curl 实抓 ≤2（预算内）
成稿方式	15 个 part 直写私有区 + cat 拼接
双自检	check_md + preflight 双通过（见汇报）

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• stroke-eeg-fnirs — 共享标签：生理信号 / 脑电信号 / 神经科学 / 脑机接口 / 多模态
• multimodal-gait-dataset — 共享标签：生理信号 / 脑电信号 / 可穿戴传感 / 神经科学 / 多模态
• ibl-brain-wide-map — 共享标签：生理信号 / 脑电信号 / 神经科学 / 多模态
• spikeinterface — 共享标签：生理信号 / 脑电信号 / 神经科学 / 多模态
• eegmmidb — 共享标签：生理信号 / 脑电信号 / 神经科学 / 脑机接口
• bci-competition-iv-2a — 共享标签：生理信号 / 脑电信号 / 神经科学 / 脑机接口
• moabb — 共享标签：生理信号 / 脑电信号 / 神经科学 / 脑机接口
• brain-wearable-monitoring — 共享标签：生理信号 / 脑电信号 / 可穿戴传感 / 神经科学
• dreamer — 共享标签：生理信号 / 脑电信号 / 可穿戴传感 / 多模态
• nebula-reaching-eeg — 共享标签：生理信号 / 脑电信号 / 可穿戴传感 / 神经科学

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。