1. NIRS_SPM
可以说是做fNIRS激活分析必用的一款开源工具包，该工具包由韩国KAIST的生物成像信号处理 (BISP) 实验室开发。NIRS_SPM基于SPM工具包和Matlab平台，可以识别目前主流fNIRS厂商设备采集的数据格式，它基于一般线性模型GLM对fNIRS进行激活分析和统计（一阶分析和组分析）。此外，NIRS_SPM还具有对数据的简单预处理（比如说滤波等）、通道的定位（如输出每个通道的MNI坐标等）、ROI分析、时间序列分析等功能，如图1。
网址：https://www.nitrc.org/projects/nirs_spm/
图1
2. Homer2
Homer2是一款基于MATLAB的工具包，是fNIRS数据的分析和显示的一个常用的免费开源平台，是由来自MGH-Martinos 生物医学成像中心和匹兹堡大学的多位学者联合开发的。该工具包用于分析fNIRS 数据以获得大脑激活的估计值和地形图。Homer2中包含有丰富的处理函数可以通过GUI界面灵活选择设置处理流，从而对fNIRS 数据进行预处理。单就运动伪迹去除就提供了多种常用的方法，如样条插值（Spline）、主成分分析（PCA）、小波分析（Wavelet）等。而且所有处理功能都可以在脚本级别访问，为使用者增加了额外的使用灵活性。该软件界面如图2左侧所示，图2右侧为块平均后依照光极排布画出的血氧动力学变化曲线。
网址：https://homer-fnirs.org/
图2
3. Homer3
Homer3属于上述介绍的Homer2的更新版，Homer2的官网目前已经不进行更新和维护了，官方推荐大家采用最新版的Homer软件即Homer3。与Homer2相比，Homer3软件GUI界面更加简洁，数据格式由Homer2的.nirs升级到.snirf等（更多介绍请参考Homer3的教程：https://github.com/BUNPC/Homer3/wiki）。但是不论是Homer3还是Homer2，其核心功能和函数是不变的，所以大家采用哪个版本的进行fNIRS数据处理都是认可的。不可否认的是，随着fNIRS处理技术的发展，Homer3中会加入更多的新功能，而Homer2由于不再更新，会逐渐过时。
网址：https://github.com/BUNPC/Homer3
图3
4. nirsLAB
nirsLAB是NIRx系统自带的一款fNIRs数据处理软件，界面如图4所示。用户可以依据实验要求创建特定的光极分布图，并按照需求进行数据处理，如伪迹滤除，批处理，块平均，脑连接分析，2D、3D的静态和动态脑激活图等。但是，该软件是专为NIRx系统开发的，对于其他设备的数据并不友好（请选择其他开源工具包）。
网址：https://nirx.net/nirslab-1
图4
5. FC-NIRS
FC-NIRS 是一款用于近红外光谱数据的功能连通性分析工具，该软件由北京师范大学开发设计。它的功能包括功能连接分析、可视化和网络分析，还具有信号质量控制和批处理功能。该工具包包含Homer，因此可以进行预处理，其界面如图5所示。
网址：https://www.nitrc.org/projects/fcnirs/
图5
6. fNIRSOFT
fNIRSOFT 是一个独立软件包，旨在通过图形用户界面和/或脚本（用于自动化）处理、分析和可视化功能性近红外光谱信号。该软件是一款付费软件，分为标准版和专业版。标准版具有基本的数据处理功能，如通过 GUI 进行时间可视化、基本降噪、预处理、时间序列分析和空间可视化等。而专业版额外增加了自动信号质量检查，消除饱和和有问题的通道，运动伪影去除算法，用于特征提取的高级信号处理算法，大脑表面图像上的大脑映射和可视化，具有阈值、动画（时间变化）或组/主题/条件平均值的左/右/背视图（图6）。
网址：https://www.biopac.com/product/fnirsoft-professional-edition/?attribute_pa_size=fnir-software-professional-edition
图6
7. NAP
NAP是一个用于降噪和统计推断的 Matlab 工具包，是免费的。该框架针对 NIRS 的噪声特性进行了定制。并将该课题组的研究成果纳入工具包，如消除定位投影偏差。想进一步了解的小伙伴可以到提供的网址连接进行下载，页面上有相关文献介绍可供参考。
网址： https://www.lcneuro.org/analytic/blog-post-title-two-4llw5
8. NeuroDOT_Beta
NeuroDOT_Beta是一个可扩展的免费Matlab 工具箱，与Matlab2015版兼容，由美国石溪大学计算神经诊断实验室开发。该工具箱包含 4 个文件夹：Data、Documentation、Functions和 Support_Files。打开下面的网址链接可以打开网页界面，如图7所示。在Documentation文件夹中，可获取找到用户手册和概述、预处理和重建教程，提供在 NeuroDOT Beta 中使用 fNIRS 数据所需的所有基本信息。此外，Documentation/Scripts 文件夹中的脚本涵盖了教程中的相关材料，为使用者提供帮助。该工具包的所有脚本和函数都可以在Matlab使用help命令查阅。
网址： https://github.com/WUSTL-ORL/NeuroDOT_Beta
图7
9. Nirstorm
Nirstorm属于大名鼎鼎的Brainstorm工具包的一款免费开源插件，Brainstorm工具包主要用于EEG/MEG的溯源分析，但是借助如Nirstorm可以用于fNIRS数据的分析。该软件具有滤波、降噪、运动矫正、MBLL、窗口平均，使用GLM进行统计分析等多种功能。（如图8）
网址：https://github.com/Nirstorm/nirstorm
图8
10. NIRS-KIT
NIRS-KIT是由北京师范大学朱朝喆老师团队研发的一款开源软件，于2019年首次发布。该软件支持任务态和静息态的fNIRS数据分析。主要包括的功能有：数据准备、数据检查、预处理、个体水平分析、群主水平分析和结果可视化，其主界面如图9所示。
网址： https://www.nitrc.org/frs/?group_id=1423
图9
11. Fieldtrip
Fieldtrip是基于MATLAB 的免费开源工具箱，由 Donders 大脑、认知和行为研究所与合作机构共同开发。该工具箱可以包括用于对NIRS、MEG、EEG数据进行分析，可以依据使用者实验需要创建光极分布，数据预处理和伪迹矫正。但该软件没有GUI界面，需要用户具有一定的编程基础，工具箱结构图如图10（Oostenveld R., et al.2011.）所示。
网址： https://www.fieldtriptoolbox.org/download/
图10
12. AtlasViewer
一般与Homer2/Homer3结合使用，该插件主要功能是便于对使用Homer2/Homer3处理的 fNIRS 数据结果进行解剖学解释。AtlasViewer 是一个开源的基于Matlab的软件包，它结合了多种空间配准工具，可以设置fNIRS的光源和探测器的位置，在解释 fNIRS 研究时提供结构指导。可以在Homer2/Homer3的网站上可以直接下载，里面也有相应教程。
网址：https://homer-fnirs.org/
http://openfnirs.org/software/homer/
图11
13. NIRS-Toolbox
NIRS-Toolbox由美国匹兹堡大学Huppert实验室开发，但是这个工具包用的人比较少，也没有很好的教程。
网址：https://bitbucket.org/huppertt/nirs-toolbox/src/master/
图12
14.fOLD
该工具箱主要用于fNIRS中光源和探测器的定位，其允许基于五种分割方法的解剖标志进行光极排列；也可以加载MRI数据（NIfTI 或 ANALYZE）作为fNIRS 光极位置的模板。
网址：https://github.com/nirx/fOLD-public
图13
15. PHOEBE
PHOEBE(Placeing Headgear Optodes Efficiently Before Experiment) 是一款基于MATLAB的开源工具包，具有GUI界面，可实时测量和显示 fNIRS 光极与受试者头皮之间的光耦合。PHOEBE 的主要目标是帮助实验者以高效的方式优化 fNIRS 光极的信号质量。
图14
网址：https://bitbucket.org/lpollonini/phoebe/wiki/Home
16. fOSA-SPM
一款基于SPM的用于分析fNIRS数据的开源工具包，功能类似于NIRS_SPM，可以进行数据导入、简单预处理和基于GLM的统计推断。
图15
参考文献：Koh P H , DE Glaser, Flandin G , et al.Functional optical signal analysis: a software tool for near-infraredspectroscopy data processing incorporating statistical parametric mapping[J].Journal of Biomedical Optics, 2007, 12(6):064010.
17.其他工具包
除了上述介绍的fNIRS工具包，还有一些其他不太常用的，大家如感兴趣可以打开如下链接进行研究：
ICNNA，网址：http://hamlyn.doc.ic.ac.uk/icnna/
NIRFAST，网址：https://milab.host.dartmouth.edu/nirfast/
