做脑功能成像研究，特别是刚上手 fNIRS 的朋友，第一道坎往往不是数据分析，而是“手里没数据”。实验室设备排期紧张、预算只够买耗材、或者单纯想先跑通一套分析流程验证想法——这些情况我都经历过。那阵子我把能搜到的 fNIRS 公开数据集几乎翻了个底朝天，从平台、格式到预处理工具，踩了不少坑，也攒下了一份还算靠谱的清单。这篇文章就是把我的整理思路和结果完整梳理出来，包含我实际用过的数据集、下载途径、数据格式说明，以及一套从下载到预处理的实操流程。适合刚开始接触 fNIRS 的研究生、想复现论文实验的工程师，还有需要为课程作业或竞赛准备数据集的同学。
1. 为什么值得花时间整理 fNIRS 公开数据集
1.1 新手场景：没设备也能跑通分析流程
很多人觉得做 fNIRS 研究必须有硬件，其实不完全是。fNIRS 公开数据集最直接的价值，就是让你在没有设备的情况下，先把“采集—预处理—统计”这条链路跑通。我自己最早就是用一套公开的运动任务数据集，在 Homer 里反复调带通滤波参数，才真正理解血氧信号里的低频漂移是什么样子。没有数据，你连“信号长什么样”都不知道，更别说后面处理了。
对新手来说，公开数据另一层意义在于可以放心折腾。自己的实验数据一旦采集完，很多人会小心翼翼不敢乱动，生怕把数据弄坏。公开数据集就没有这种心理负担，你可以大胆尝试不同的预处理流程、不同的 GLM 设定，甚至故意跑一些错误参数看看会出什么问题。这种“破坏性学习”对建立工程直觉特别重要。
1.2 科研场景：跨数据集验证算法、复现研究
做算法开发和脑机接口研究的同行，对公开数据集的需求更刚硬。你在自己实验室数据上调出来的分类准确率，如果换一套公开数据就崩了，那说明你的方法泛化性存疑。fNIRS 领域这几年涌现了不少公开的脑机接口数据集，运动想象、精神负荷、情绪识别等任务都有覆盖，跨数据集验证已经成为论文审稿人越来越看重的环节。
另外，很多发表在《Scientific Data》《Scientific Reports》等期刊上的论文，会要求作者把原始数据一同公开。这类数据集经过同行评议和标准化整理，质量相对可靠，还附带详细的采集说明。想复现一篇文献的实验时，优先找它的公开数据，比自己从零搭实验快得多。
1.3 fNIRS 数据与 fMRI、EEG 数据的关键差异
整理过脑影像数据的人都知道，fMRI 公开数据集非常多，像 HCP、ABCD 都是千级被试量。fNIRS 公开数据集规模通常小得多，几十人已经算大样本了，这一方面是因为设备通道数有限、成本不低，另一方面是缺乏像 BIDS 那样统一普及的标准规范，导致数据共享门槛更高。
和 EEG 相比，fNIRS 数据又有自己的特殊性。EEG 的采样率动辄上千赫兹，fNIRS 通常只有 10~50 Hz；EEG 信号是电压时间序列，fNIRS 测量的是氧合血红蛋白和脱氧血红蛋白浓度变化，本质上是两种光学信号。这意味着处理 EEG 的思路不能直接搬到 fNIRS 上，滤波参数、伪迹识别标准都要重新适配。整理公开数据集时，一定要看清数据采集设备和采样参数，别拿到数据就套用 EEG 的处理模板。
下表是我整理时常用的对比维度，建议大家拿到任何数据集先按这个口径列一张表，后面用起来会省很多事。
| 对比维度 | 典型范围 / 说明 |
|---|---|
| 采集设备 | NIRx、Hitachi、Artinis、Shimadzu、LIGHTNIRS 等 |
| 采样率 | 通常 1.7~50 Hz，fNIRS 信号本身是慢信号 |
| 通道数量 | 4~上百通道，取决于光极布局 |
| 任务类型 | 静息态、运动想象、工作记忆、情绪刺激、自然行走等 |
| 是否含结构像 | 多数无 MRI 结构像，仅有光极位置或前额布局图 |
| 数据格式 | SNIRF、.nirs、.mat、.txt、光强/浓度 HDR 多态 |
| 头动容忍度 | 较 fMRI 高，但大幅度头动仍会造成运动伪迹 |
2. 主流 fNIRS 公开数据集逐个拆解
2.1 OpenfNIRS：综合类开源数据仓库
OpenfNIRS 是目前我推荐新手最先看的地方。它是一个由学术界发起的开放数据平台，专门收集和标准化 fNIRS 数据，网址在 openfnirs.org，不需要申请审批，注册后可以比较方便地下载。里面包含多个子数据集，覆盖运动执行与运动想象、工作记忆、精神负荷、VR 交互等常见范式，文件大多转成了标准的 SNIRF 格式，非常适合用来练习处理流程。
这个平台的好处是数据来源清晰，每个数据集都有对应的论文和采集协议说明，你能查到实验范式、光极排布、任务时长这些关键信息。缺点是数据集之间的质量参差不齐，有的数据信号质量很好，有的则明显存在通道脱落问题——不过从练习角度来说，这反而是好事，能提前见识真实数据的“脏”。
如果你手头有处理 Homer2 或 Homer3 的经验，会发现 OpenfNIRS 的数据很容易上手，因为 SNIRF 可以直接被 Homer3 读取，不需要手动解析。我经常拿这里的数据做新工具的冒烟测试，能省掉造假的模拟数据，直接用真实采集结果验证。
2.2 设备厂商提供的示例数据：NIRx、日立等
很多朋友忽略了一条渠道：设备厂商官网。NIRx 作为市场占有率很高的明星厂商，其官网提供了若干示例数据，包含视觉刺激、运动任务等经典范式，还附带 NIRStar 采集软件生成的完整文件包。用这些数据的好处是，它们直接对应厂商软件的输出格式，所以你完全可以用 NIRStar 打开，查看原始光强、信号质量指标，再导出到 Homer 做进一步处理，几乎不会遇到格式兼容问题。
日立的 ETG-4000 等设备也有类似的示例数据流落在各大学实验室页面，不过查找起来不如 NIRx 方便。Artinis 和 Shimadzu 则在官方文档中提供了示例数据下载链接，通常跟在软件说明书后面。厂商数据本质上属于“教学资料”，任务设计比较简单，被试量也少，但拿来做工具链验证和格式学习非常合适。
2.3 Scientific Data 等期刊开放的论文配套数据
这是质量最高的一类来源，也是最容易被忽视的。很多高水平期刊要求作者在论文发表时把原始数据放在公开仓库，比如 Figshare、Dryad、Zenodo 或机构自己的数据空间。以 fNIRS 为例，我见过涵盖步态行走、静息态、语言任务、脑机接口控制等多个方向的数据集，数据质量普遍高于社区自发分享的内容，因为同行评议环节已经帮忙把关。
找这类数据的方法很直接：去 Google Scholar 或 PubMed 搜 fNIRS 相关论文，重点看《Scientific Data》期刊的文章。这个刊物的核心就是数据论文，每一篇都在描述一个数据集，而且通常有专门的数据可用说明段落。搜到感兴趣的论文后，去正文里找“Data Availability”一节，就能拿到存储库和 DOI。我习惯直接在标题里加“dataset”关键词搜索，效率比逐篇翻正文高得多。
2.4 在线数据库与检索技巧：NITRC、Figshare、GitHub
通用的学术数据平台也值得长期关注。NITRC 是神经影像领域的老牌资源中心，虽然主要偏 MRI，但上面有一定数量的 fNIRS 数据条目，可以通过关键词过滤查找。Figshare 和 Zenodo 上搜索 “fNIRS dataset” 通常能翻到很多零散但可用的数据集，有的来自实验室直接分享，有的是论文补充材料。
GitHub 是另一个容易被忽视的宝库。搜索 fNIRS 分类或脑机接口仓库，经常能在仓库根目录的data文件夹里找到带原始记录的数据文件。比如有些开源工具包的示例数据就来自真实公开实验，MNE-NIRS 的文档数据就是通过这种方式公开的。GitHub 数据的优点是有版本控制，能追到每次更新记录，缺点是说明文档可能不全，需要自己摸索。
我个人常用的检索命令其实很简单，就是在搜索框里敲fNIRS dataset source或fNIRS raw data download，然后限定时间范围和仓库类型。下面列一下我常用的检索关键词和平台，方便大家直接照抄：
| 平台 | 推荐关键词 | 备注 |
|---|---|---|
| fNIRS open dataset, fNIRS Scientific Data | 优先找学术数据论文 | |
| PubMed | fNIRS dataset data descriptor | 搜数据论文最有效 |
| NITRC | near-infrared spectroscopy | 老牌影像资源中心 |
| Figshare / Zenodo | fNIRS motor imagery, fNIRS resting state | 支持版本和 DOI |
| GitHub | fNIRS BCI dataset, Homer3 example data | 找开源配套数据 |
3. 数据格式与预处理工具链
3.1 从 SNIRF 到 .nirs：常见格式扫盲
整理 fNIRS 数据，最容易被搞糊涂的就是格式。不同厂商、不同处理软件各自为政，带来一堆扩展名。先记住最核心的几类，其他都是变体。
SNIRF 是老牌的开放标准格式，扩展名是.snirf，本质上是 HDF5 结构，能同时存储光强数据、探头位置、刺激事件等元信息。这个格式的设计初衷就是把不同厂商的数据统一成一个标准，让 Homer3、MNE-NIRS 等现代工具能够直接读取。可以说，凡是转成 SNIRF 格式的数据，跨软件操作的兼容性都会好很多。
老式格式里最常见的是.nirs，这是 Homer2 使用的格式，本质上也是一个包含多个字段的 MATLAB 二进制文件，记录了数据矩阵、采样率、光极位置、事件标记等信息。如果你看到.txt或.csv版数据，那是导出的光强或浓度值，不含元信息，使用时要格外小心，务必单独找到对应的实验说明文件。
还有一部分数据集以 MATLAB 的.mat格式存储，因为很多研究者习惯直接用 MATLAB 处理。打开.mat文件看看变量名，一般能看到d表示原始光强数据，s表示刺激事件向量，t表示时间轴，ml表示测量列表，这些命名规则和 Homer2 保持了一致，即使没有说明文档也能猜个大概。
3.2 Homer、MNE-NIRS、NIRSLab 怎么选
工具选型上，fNIRS 领域已经形成了比较清晰的格局。Homer2 和 Homer3 是 MATLAB 生态里最主流的处理包，几乎所有做 fNIRS 数据分析的人都绕不开它。Homer3 是 Homer2 的升级版，支持 SNIRF 格式，界面逻辑更像一个流程化的批处理框架。如果你熟悉 MATLAB，直接选 Homer3 基本不会有坑。
如果你是 Python 用户，MNE-NIRS 是不二之选。它是 MNE-Python 生态的一部分，API 设计得比 Homer 更现代，文档也写得很清楚。MNE-NIRS 最大的优势是能和 MNE 的其他功能无缝衔接，比如时频分析、源定位等，而且它底层处理好 SNIRF 解析后，自己制作各种可视化图表非常方便，这在论文出图时很加分。
NIRSLab 是 NIRx 推出的商业软件，功能全面但收费。不过厂商通常会随设备赠送 License，如果你所在单位买了 NIRx 设备，这个软件的优先级应该高于其他工具。它的好处是图形化界面直观，常规预处理点几下鼠标就能完成，不需要写代码。但是一旦要批量处理几十个被试，写脚本的效率优势就出来了，这时候还是得回到 Homer 或 MNE-NIRS。
还有一个更轻量的选择是 MATLAB 直接处理.mat格式数据，写个循环批量做带通滤波和运动伪迹校正。这种方式的优点是灵活，缺点是容易出错，每一步都需要自己确认变量维度。我一般只在处理特定格式的旧数据时才会这么做，日常流程还是交给 Homer3 或 MNE-NIRS 更好。
3.3 通道配准与个体空间对齐的原理
预处理里最容易出问题的是通道配准。fNIRS 通道本身不是一个实体传感器，而是由一对光源探头和检测探头组成，通道的位置取决于这一对探头在头皮上的坐标。同一个通道，如果光极间距不同，探测到的脑区深度和覆盖范围都不一样，所以数据在组分析之前，必须先明确每个通道在头部空间里到底对应哪里。
很多公开数据集会提供光极位置信息，常见形式是 3D 坐标的.csv文件或数字化仪的输出。我建议不要省略这一步，哪怕只是粗略地用标准模板匹配一次，也能在报告中说明你的通道覆盖了哪个脑区。大部分情况下，精品数据集都会给出landmarks文件，包含鼻根、左右耳前点等标记，这时候可以使用 AtlasViewer 对通道进行空间投影，效果相当好。
对于没有位置信息的数据集，只能靠光极排列图做手工近似。这种情况我一般会在结果里把结论写成“基于标准 10-20 系统的近似对应关系”，而不是硬说精确配准，保证结论的可信度。需要特别警惕的是网上流传的某些旧格式数据，里面通道列表顺序和光极编号可能会错位，务必先根据刺激触发事件来验证数据方向是否正常，再进入后续批量处理。
4. 从下载到预处理：完整实操流程
4.1 检索并下载数据
实际操作都是从确定数据源开始的。假设你想找一套运动想象任务的数据来做分类模型验证，我的建议顺序是：先查 OpenfNIRS 平台上有没有现成数据，其次去《Scientific Data》库搜数据论文，最后再考虑 Figshare 和 GitHub 上的零散分享。
登录开放平台后，直接看数据集卡片里的字段，重点关注Subjects数量、Channels数、Paradigm类型和Format属性。如果平台提供预览图，一定要看原始光强曲线或浓度曲线，观察信号是否连续、有没有大片脱落。这一步能筛掉不少问题数据，避免下载到一半才发现不可用。下载时注意选择原始数据格式，别只下载已经预处理后的版本。原始保留越全，后期自由度越大。
4.2 解压并确认文件结构
下载完成后，第一步不是直接跑工具，而是确认目录结构。我习惯先给每个数据集建立一个独立文件夹，命名格式为[来源]_[范式]_[被试数]_[通道数]，例如openfnirs_motorimagery_20subj_36ch。里面建三个子目录：raw、preprocessed、analysis。这个习惯一开始可能觉得麻烦，但当你手头有超过五个数据集时，能明显感受到有秩序的快乐。
在raw目录下，先列出所有文件，检查是否包含 SNIRF 文件、事件标记表、光极位置文件和被试人口学信息。建议快速写一个读取脚本，打印每个文件的大小和变量结构。很多数据集在解压时会丢失目录层级，导致文件被平铺在同一个目录下，这时候要根据文件名的前缀或实验编号重新分类整理，避免后面统计时错位。
4.3 用 MNE-NIRS 读取 SNIRF 并做基础预处理
下面以 MNE-NIRS 为例，展示一套从读取到预处理的完整代码流程。假设你已用pip install mne mne-nirs安装好依赖，然后准备一个.snirf文件路径。
import mne import mne_nirs # 1. 读取 SNIRF 格式数据 raw = mne_nirs.io.read_snirf("sub-01_task-motor.snirf") # 2. 提取事件标记并查看任务类型 events, event_dict = mne.events_from_annotations(raw) print(event_dict) # 3. 创建氧合与脱氧血红蛋白浓度信号 raw = mne_nirs.channels.get_long_channels(raw) # 提取长距离通道 raw = mne_nirs.preprocessing.optical_density(raw) # 光密度变换 raw = mne_nirs.preprocessing.beer_lambert_law(raw) # 修正的 Beer-Lambert 变换 # 4. 查看处理后的信号曲线，做质量控制 raw.copy().pick(picks="hbo").plot(duration=60, n_channels=8) # 5. 按任务分段，时长根据实验设计调整，例如刺激前10秒到刺激后20秒 epochs = mne.Epochs(raw, events, event_id=event_dict, tmin=-10, tmax=20, baseline=None) print(epochs)这段流程里，最关键的步骤是第 3 步。optical_density会把原始光强换算成光密度变化量，然后beer_lambert_law用修正的 Beer-Lambert 定律估算血红蛋白浓度。这里要特别提醒：一定要先做光密度变换再做浓度变换，直接对原始光强计算浓度会引入巨大误差。另外，events_from_annotations读取出的 event ID 要和实验说明核对，别把基线标记当成刺激标记用了。
如果你使用的是 Homer3，对应的流程是：导入 SNIRF 后用hmrR_MotionCorrectWavelet做运动伪迹校正，再用hmrR_BandpassFilt做带通滤波，最后用hmrR_OD2Conc转换成浓度信号，逻辑和 MNE-NIRS 一致。两套工具都可行，选择顺手的就是最好的。
4.4 批量处理与质量控制建议
单个数据集跑通后，批量的关键就变成了异常检测。我处理大量公开数据时，会额外生成一份质量摘要表，包含每个被试的通道有效率、信号均值方差和任务响应幅度。这一步用简单的 DataFrame 就可以完成，但价值极高，因为信息高度压缩，很容易发现异常被试。
质量控制的经验阈值供大家参考：长距离通道信噪比低于 5 的话，这个通道基本是要剔除的；相邻通道之间相关系数过高也要小心，可能是光耦短路；头部运动造成的瞬时伪迹在浓度曲线上表现为大幅双向尖峰，用 2 秒移动窗口的滑动标准差就能直接侦测出来。我的习惯是在预处理报告里附上 3 条原始信号截图，一条好的、一条有轻微伪迹的、一条质量差的，这样别人看你的数据时一目了然。
还有一个容易被忽视的坑：数据集里的事件标记延迟。如果事件的触发是外部设备经由串口打入，往往需要经过缓冲，导致标记与真实刺激起始点有几十毫秒的偏差。虽然在 fNIRS 这种慢信号里，50 ms 的偏差影响不算大，但如果你做的是需要精准锁定任务窗口的 GLM 分析，还是要用刺激响应函数把这个延迟建模进去，或者至少做一次滑动窗口测试来校准。
5. 常见问题与避坑清单实录
5.1 数据下载失败、链接失效怎么办
公开数据集的链接失效是常态，特别是大学实验室个人主页上的数据，经常跟着作者换单位就消失了。遇到这种情况先在平台内搜索有没有备份副本，比如 Figshare 经常有同一个数据集的不同版本。其次是利用 DOI 反查，把原论文的 DOI 在 Google Scholar 中打开，看有没有被其他研究者引用时附带的数据版本，必要时可以直接给论文通讯作者发邮件，礼貌地说明用途，很多作者还是很乐意分享的。
有一点要提醒：大型神经影像共享平台上的 fNIRS 数据不多，很多资源已经转向 Zenodo、OSF 这类通用平台，所以搜索时不要只看影像专业网站。我对链接失效的判断是，如果 404 页面显示得很干净，基本就是记录转移了，可以去 Web Archive 里尝试找历史快照；如果是网盘页面加载不出，则可能是网络问题，换一个时段或者换浏览器再试。
5.2 格式解析报错：处理不了 SNIRF 怎么办
初学阶段最容易遇到的报错是工具读不了数据。有次我下载了一个.snirf文件，MNE-NIRS 直接报“invalid snirf structure”，打开后才发现文件实际上是 MATLAB 的 .mat 结构，只是扩展名写错了。遇到这类解析错误，第一步永远是先检查文件真实头部信息，用xxd查看前几个字节，确认是不是 HDF5 结构，而不是盲目改扩展名。
另一个常见的现象是：一个数据集内的多个被试文件，存储结构不一致。有的被试文件里包含事件标记，有的没有；有的通道是 36 通道，有的只保留了 32 个通道。这种情况下一定要先做一致性检查，把所有文件的元信息提取出来对比，然后根据研究问题决定是统一裁剪通道还是补全标记。千万不要假设所有文件结构相同，这是很多批量处理翻车的根源。
5.3 通道配准、头围数据缺失时如何降低损耗
很多公开数据集为了隐私考虑，并不会提供个体 T1 结构像，连准确定位用的头围值都很少记录。这种情况下，通道配准只能依赖标准模板。我的做法是，优先选择自带光极位置的文件，否则就用标准 10-20 系统的坐标做刚性配准，并在论文或者报告中明确标注这个限制。
实际分析中，通道空间精度损失对结果的直接影响比很多人想象的小。fNIRS 主要捕获皮层表面区域的血氧响应，空间精度本来就在厘米量级。做组水平的分析时，标准模板配准基本能支撑主要脑区的定位结论。但做个体水平的定位研究时，比如想区分背外侧前额叶和布洛卡区，缺失配准信息就变成一个大问题，这时候应该果断舍弃这个数据集，另寻数据源。
5.4 公开数据无法完全复现文献结果的排查思路
下载了数据，预处理完了，做出来却和原文结论对不上，这几乎是每个用公开数据做复现的人都会经历的痛苦。遇到这种情况先别怀疑数据有问题，按照以下步骤排查。第一步查预处理参数，尤其是带通滤波的截止频率范围，fNIRS 信号频率范围一般集中在 0.01~0.2 Hz，心跳和呼吸伪迹需要滤掉，但很多人会把默认的 EEG 参数带进来，直接滤掉了有效信号。第二步查事件窗口，原始论文的 epoch 和基线时间设置可能和你下载到的数据包说明不完全一致，尽量从原文的 Methods 部分找到具体数值，逐一对齐。第三查统计方法，很多 fNIRS 论文做的是基于通道的对比，有的做的是感兴趣脑区的平均，这两种方法输出的结果差异很大，所以要仔细阅读统计部分的内容。
如果以上都排查完还是对不上，建议把处理好的数据在实验室讨论组里过一遍，有时候一个参数设定的问题，别人一眼就能看出来。复现不成功不等于数据不可用，即使结果不完全一致，只要你能合理说明差异来源，这个复现过程本身已经很有价值，也是用公开数据做研究的一大收获。
我个人现在做新项目，会先花半小时把候选公开数据集按任务类型、被试人数、通道数量、格式标准化程度列个表，再决定用哪个。这个习惯帮我节省了大量走弯路的时间，也让我在写方法学时能理直气壮地描述数据来源。希望这篇整理也能让你的 fNIRS 之路少一点折腾，多一点底气。
的五个步骤)