Multimodal Physiological Noise Regression in fNIRS: Methodological Validation Through a Novel Finger-Tapping and Breath-Holding Dataset

Functional Near-Infrared Spectroscopy (fNIRS) is a versatile optical neuroimaging technique, yet raw cortical recordings are intrinsically confounded by extracerebral hemodynamics and systemic physiological fluctuations. While short-separation (SC) channels effectively monitor superficial scalp blood flow, systemic perturbations, such as acute arterial hypercapnia and autonomic surges, propagate across both extracerebral and cerebral compartments. Because de-noising strategies have predominantly been benchmarked on synthetic data, their empirical performance boundaries under controlled in vivo systemic stress remain unverified. This thesis introduces a multimodal stress-test paradigm evaluated in ten healthy adults (N = 10), combining localized motor activation (finger tapping, FT) with acute hypercapnia (breath holding, BH) and a dual-task condition (COMB: FT + BH). Multi-channel fNIRS (46 long channels, 8 short channels; NIRSport2) was synchronized with an auxiliary sensor suite (ECG, PPG/SpO2, respiration, and EDA; NIRxWINGS). A leakage-resistant General Linear Model (GLM) framework incorporating multi-lag temporal embedding (0–12 s) and L2-regularized ridge regression evaluated a nested hierarchy of seven models (M0 raw baseline, M1 short channels, up to M6 full multimodal physiology). Models were trained exclusively on BH via leave-one-block-out cross-validation (LOBO-CV) and transferred to COMB, benchmarked against an empirical motor ground truth along temporal (motor HRF recovery) and spatial dimensions. At the group level in healthy participants, short-channel regression (M1) yielded the primary statistically significant error reduction relative to raw data (p_adj = 0.0137). In contrast, uniform multi-lag expansion (M2–M6) induced regressor collinearity and dimensional overfitting on finite calibration blocks. Crucially, however, findings revealed pronounced inter-subject physiological heterogeneity: in participants with strong autonomic reactivity, multimodal models (M2 or M4) tangibly refined HRF morphology, improving motor HRF reconstruction in 50% of subjects and being selected in 30% of cases under the 1-SE parsimony rule. These results indicate that while short channels provide an indispensable group-level default in healthy cohorts, standardized "one-size-fits-all" filtering is suboptimal. Auxiliary multimodal physiology remains a valuable complement for subject-tailored pipelines and holds strong clinical potential for patient populations characterized by severe systemic or autonomic dysregulation.

La spettroscopia funzionale nel vicino infrarosso (fNIRS) è una tecnica non invasiva per il monitoraggio dell'ossigenazione corticale, ma i segnali ottici grezzi sono pesantemente contaminati da emodinamica extracerebrale e fluttuazioni fisiologiche sistemiche. Sebbene i canali a corta separazione (SC) catturino il flusso ematico dello scalpo, perturbazioni globali complesse, quali l'ipercapnia e l'attivazione autonomica, si propagano sia nei tessuti superficiali sia nel cervello. Poiché la rimozione del rumore è stata validata prevalentemente su dati sintetici, i limiti empirici di tali modelli rimangono non verificati sotto stress fisiologico controllato in vivo. Questa tesi introduce un paradigma sperimentale multimodale di stress-test valutato su dieci volontari adulti sani (N = 10), combinando un'attivazione motoria focale (finger tapping, FT) con un'ipercapnia acuta (apnea volontaria, breath holding, BH) e un task combinato (COMB: FT + BH). L'acquisizione fNIRS (46 canali lunghi, 8 corti; NIRSport2) è stata sincronizzata con una suite di sensori ausiliari (ECG, PPG/SpO2, respirazione ed EDA; NIRxWINGS). Un framework basato su General Linear Model (GLM) con embedding temporale multi-lag (0–12 s) e ridge regression regolarizzata L2 ha valutato una gerarchia di sette modelli nidificati (M0 baseline grezza, M1 canali corti, fino a M6 fisiologia completa). I modelli sono stati addestrati esclusivamente su BH tramite cross-validation leave-one-block-out (LOBO-CV) e trasferiti su COMB per la validazione temporale (recupero dell'HRF motoria) e spaziale. A livello di gruppo, la regressione con canali corti (M1) ha prodotto la principale riduzione statisticamente significativa dell'errore predittivo (p_adj = 0.0137), mentre l'espansione multimodale uniforme (M2–M6) ha indotto collinearità e overfitting sui pochi blocchi di calibrazione. Ciononostante, è emersa una marcata eterogeneità fisiologica inter-soggetto: nei partecipanti con spiccata reattività autonomica, i modelli multimodali (M2 o M4) hanno migliorato tangibilmente la morfologia dell'HRF, raffinando la ricostruzione dell'HRF motoria nel 50% dei soggetti e venendo selezionati nel 30% dei casi con la regola di parsimonia 1-SE. Questi risultati indicano che, sebbene i canali corti costituiscano un riferimento parsimonioso e irrinunciabile per coorti sane a livello di gruppo, un filtraggio standardizzato "one-size-fits-all" è subottimale. La fisiologia multimodale ausiliaria rappresenta un prezioso complemento per approcci personalizzati, con un forte potenziale clinico in popolazioni caratterizzate da marcata disregolazione sistemica o autonomica.