fNIRS技术创新 | ChannelFormer模型精准重建儿童脑功能成像缺失通道数据导语近红外脑功能成像fNIRS是光学脑机接口在儿童尤其是自闭症谱系障碍ASD群体的脑功能评估中应用广泛但易因运动导致通道数据丢失严重限制数据可靠性。近期济南大学团队在JCR Q1区期刊Applied Soft ComputingIF6.6发表研究提出基于Transformer的ChannelFormer模型可实现多场景下的fNIRS缺失通道精准重建为临床数据质量提升提供了全新方案。核心发现单通道重建性能优异在典型发育TD儿童数据集上单通道重建平均相关系数CC达0.8226 ± 0.0032ASD儿童数据集达0.7024 ± 0.0025重建结果与原始信号高度吻合可满足常规脑功能连接、 hemodynamic响应分析的精度要求。多通道丢失场景稳定性强当同时丢失12个通道时TD组重建CC仍可达0.8022 ± 0.0018ASD组达0.6719 ± 0.0026相比单通道场景性能下降幅度不足3%抗干扰能力突出可应对多数中轻度数据丢失场景。适配临床真实光源脱落场景模拟光源移位导致的关联通道批量丢失场景下TD组重建平均CC达0.7953 ± 0.0804ASD组达0.6689 ± 0.0849适配临床真实操作中儿童运动导致的探头移位类数据丢失问题。方法亮点创新的Transformer架构设计颠覆传统Transformer以时间点为token的逻辑将通道作为token、时间序列作为特征通过多头注意力捕捉全局通道依赖关系建模效率与精度均显著优于传统CNNGRU架构。灵活适配多场景丢失模式设计二进制掩码机制可同时覆盖单通道随机丢失、多通道随机丢失、光源关联丢失三类临床常见场景无需针对不同场景调整模型结构适配性极强。兼顾效率与信号特征的优化策略采用时间切片策略降低计算复杂度训练速度提升40%以上结合MAE与相关系数的混合损失函数同时保证数值精度与时间趋势一致性更贴合fNIRS临床分析需求。主题解读本研究的核心受益人群为需接受fNIRS脑功能评估的儿童群体尤其是配合度低、运动频繁的ASD患儿可减少因数据不合格导致的重复测试。在临床路径衔接上模型可直接嵌入现有fNIRS数据预处理流程无需改变医护人员的操作规范落地门槛极低。可行性方面本研究数据采用慧创近红外脑功能成像仪采集模型兼容国产fNIRS设备输出数据格式无需额外硬件投入基层医疗机构也可快速部署。多中心推广目前仍需补充不同年龄段、任务态、不同设备的训练数据进一步提升模型泛化性。临床/应用价值大幅降低临床测试成本可将儿童fNIRS测试的数据合格率提升30%以上减少患儿重复测试的时间成本与不适感同时降低医护人员的操作压力提升临床测试效率。提升科研数据利用率针对既往因通道丢失被废弃的临床/科研数据可通过重建修复后再次利用大幅降低样本招募成本尤其适合ASD等罕见病小样本研究的场景。支撑基层儿童脑发育筛查落地适配基层医疗机构人员操作熟练度不足、儿童配合度低的场景保证fNIRS筛查数据的可靠性助力ASD等神经发育障碍的早筛服务下沉。局限性与边界适用人群范围有限当前模型仅在3-5岁儿童静息态fNIRS数据上验证暂未覆盖成人、任务态及其他疾病人群数据跨人群应用需完成针对性微调。极端丢失场景性能下降当缺失通道占比超过25%、且多为功能连接较弱的边缘通道时重建精度会出现明显下降无法满足高要求的分析需求。跨设备应用需微调目前模型训练数据均来自同系列fNIRS设备跨品牌应用时需完成少量同源数据微调才能保证稳定性能。参考信息ChannelFormer: A transformer-based model for fNIRS missing channel reconstructionApplied Soft Computing, 2026, IF6.6, JCR Q1DOI: 10.1016/j.asoc.2026.115032