روبوت هوائي ناعم يعدل مقاييس نظرية الرسم البياني لشبكة الدماغ لإعادة تأهيل اليد بعد السكتة الدماغية

Ze-Jian Chen; Jun-Wen Xia; Nan Xia; Ming-Hui Gu; Jia-Hui Bian; Zhi-Bing Dong; Sheng-Qiang Wang; Qiong Yang; Zhi-Wei Tang; Jiang Xu; Yong Chen

doi:10.3791/68588

مقالة منهجية

روبوت هوائي ناعم يعدل مقاييس نظرية الرسم البياني لشبكة الدماغ لإعادة تأهيل اليد بعد السكتة الدماغية

DOI:

10.3791/68588

⸱

أكتوبر 10, 2025

Ze-Jian Chen¹ , Jun-Wen Xia¹ , Nan Xia¹ , Ming-Hui Gu¹ , Jia-Hui Bian² , Zhi-Bing Dong¹ , Sheng-Qiang Wang¹ , Qiong Yang¹ , Zhi-Wei Tang¹ , Jiang Xu¹ , Yong Chen¹

¹Department of Rehabilitation Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, ²College of Sports Medicine, Wuhan Sports University

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تستكشف هذه الدراسة آثار الروبوت الهوائي الناعم القابل للتكوين على تعزيز طوبولوجيا شبكة الدماغ بالكامل بعد السكتة الدماغية. يشير تحليل نظرية الرسم البياني إلى تحسينات كبيرة في معامل التجميع وطول المسار والكفاءة العالمية. تسلط النتائج الضوء على إمكانات البروتوكولات الروبوتية القابلة للبرمجة لتعديل المرونة العصبية وتحسين التعافي الوظيفي في إعادة تأهيل السكتة الدماغية.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تعتمد الاستعادة الوظيفية للقشرة الدماغية على المرونة العصبية المعتمدة على النشاط بعد السكتة الدماغية. ومع ذلك ، فإن تحسين إعادة التأهيل الروبوتي لاستعادة اليد لا يزال يمثل تحديا كبيرا. تبحث دراسة إثبات المفهوم هذه في جدوى روبوت هوائي ناعم قابل للتكوين في تعديل شبكة الدماغ بين عشرة مشاركين يعانون من إعاقات في حركة اليد بعد السكتة الدماغية. تم إجراء التدخل الآلي القابل للبرمجة في تسلسل عشوائي لتقييم حالة الراحة ، والوضع البطيء ، والعلاج الآلي السريع عن طريق ضبط وضع العمل ووقت العمل ومدة التفاعل. تم استخدام التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) لقياس النشاط القشري والاتصال الوظيفي. بالإضافة إلى ذلك ، تم اشتقاق مقاييس نظرية الرسم البياني ، بما في ذلك معامل التجميع ، ومتوسط طول المسار ، ومؤشر العالم الصغير ، والكفاءة العالمية ، ومركزية الدرجة ، ومركزية المتجه الذاتي ، من مصفوفات الاتصال الوظيفية المستندة إلى fNIRS. أظهرت النتائج أن التدخل الآلي أدى إلى تحسين معامل التجميع بشكل كبير (P = 0.034) ، ومتوسط طول المسار (P = 0.007) ، والكفاءة العالمية (P = 0.001). في حين أن مؤشر العالم الصغير ، ومركزية الدرجة ، ومركزية المتجه الذاتي أظهرت اتجاها متزايدا ، إلا أن هذه الاختلافات لم تصل إلى دلالة إحصائية. علاوة على ذلك ، أدى العلاج السريع إلى تغييرات أكثر جوهرية في معامل التجميع مقارنة بالعلاج ببطء الوضع ، مما يشير إلى تأثير أقوى محتمل على إعادة التنظيم العصبي. تدعم هذه النتائج مبدئيا استخدام الروبوتات اللينة مع نماذج قابلة للتعديل لتعزيز اتصال شبكة الدماغ وتسهيل المرونة العصبية بعد السكتة الدماغية. تشير التحسينات الملحوظة في الكفاءة العالمية وخصائص العالم الصغير إلى أن العلاج الروبوتي يحسن التنظيم القشري ، مما يعزز التعافي الوظيفي. هناك حاجة إلى مزيد من الدراسات بأحجام عينات أكبر وبروتوكولات تدخل شخصية لتأكيد هذه النتائج واستكشاف آثارها طويلة المدى.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

لا تزال السكتة الدماغية سببا رئيسيا للوفيات والعجز طويل الأمد للبالغين في جميع أنحاء العالم¹. من بين عقابله المنهكة ، تضر الإعاقات الحركية اليدوية بشكل كبير بالأنشطة اليومية الأساسية والاستقلال الوظيفي ، وبالتالي تقلل من المشاركة الاجتماعية وجودة الحياة لدى الناجين من السكتة الدماغية²^،³. في حين أن الطب الطبيعي وإعادة التأهيل أمران حاسمان للتعافي الحركي ، فإن الأساليب العلاجية التقليدية غالبا ما تؤدي إلى نتائج غير متسقة بسبب التعقيد والتباين بين الأفراد لإعادة التنظيم العصبي بعد السكتة الدماغية⁴.

في السنوات الأخيرة ، اكتسب العلاج بمساعدة الروبوت (RAT) اهتماما كبيرا لقدرته على تقديم تدريب عالي الكثافة ومتكرر وخاص بالمهمة لتسهيل التعافي الحركي⁵. لتصميم مثل هذه التدخلات بشكل أكثر فعالية ، يعد الفهم الأفضل للمؤشرات الحيوية العصبية أمرا بالغ الأهمية للتعديل المباشر عن طريق التدخلات الروبوتية. يمكن أن يساعد هذا في النهاية في تحسين الاستراتيجيات العلاجية وتعزيز براعة اليد. في دراسة سابقة ، أشار رسم خرائط أعراض الآفة القائمة على الفوكسل إلى أن الإعاقات القريبة بعد السكتة الدماغية في الطرف العلوي يمكن أن تترافق مع عجز في المسالك الهابطة من المناطق القشرية الحركية والمخطط. ويختلف عن ذلك ، فإن ضعف اليد ناتج عن إصابات معزولة في قشرة الدماغ⁶. ومع ذلك ، تظل النتائج السريرية لوظيفة اليد متغيرة ، ولم يتم بعد توضيح الآليات العصبية الكامنة وراء التعافي الحركي^{بشكل كامل 7}^،⁸^،⁹. علاوة على ذلك ، يتبع معظم التدريب الآلي التجاري بروتوكولات محددة مسبقا مع قدرة محدودة على التكيف. إنه يفشل في تلبية الاحتياجات الخاصة بالمريض ويحتمل أن يحد من فعاليتها السريرية¹⁰.

على مدى العقود الماضية ، سلطت دراسات التصوير العصبي الضوء على الدور المحوري لإعادة تنظيم شبكة الدماغ في التعافي من السكتة الدماغية ، والذي يتميز بالتغيرات في النشاط الوظيفي والاتصال. ظهر التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) ، وهو تقنية غير جراحية لمراقبة ديناميكا الدم القشرية ، كأداة قيمة لتقييم الديناميكيات العصبية وتوجيه إعدادات إعادة التأهيل¹¹. إن قابليتها للنقل والمتانة ضد القطع الأثرية للحركة تجعلها مناسبة بشكل خاص للمراقبة في الوقت الفعلي ونقل المعلومات أثناء العلاج الآلي¹². في حين أن الدراسات السابقة قد وثقت التغييرات في الترابط القشري بعد التدريب الحركي ، فإن تأثيرات RAT على طوبولوجيا شبكة الدماغ بأكملها لا تزال غير مستكشفة بشكل كاف¹³.

يوفر توصيف التغييرات في طوبولوجيا شبكة الدماغ نافذة قيمة على عمليات التجميل العصبي التي تكمن وراء التعافي الوظيفي بعد إصابات الدماغ الإقفارية أو النزفية. يعمل الدماغ البشري كشبكة معقدة ، حيث تعتمد الوظيفة العصبية أو الإصلاح على كل من السلامة الإقليمية والتفاعلات الديناميكية بين مناطق متعددة¹⁴. في ظل هذه الظروف ، توفر نظرية الرسم البياني إطارا قويا لقياس بنية شبكة الدماغ على نطاق واسع ، مما يوفر رؤى حول التنظيم القشري عند المستويات^{العقدية 15}. من خلال حساب مقاييس الشبكة الرئيسية مثل معامل التجميع ومتوسط طول المسار والكفاءة العالمية ، قد يقوم الباحثون بتقييم كيفية تأثير RAT على معالجة المعلومات العصبية وقدرتها على النقل. كما هو موضح في الأدبيات السابقة ، غالبا ما تظهر الاضطرابات الناجمة عن السكتة الدماغية لسلامة الشبكة على شكل تغييرات في خصائص العالم الصغير والتنظيم الطوبولوجي العام¹⁶^،¹⁷. ارتبطت إعادة التأهيل ، وخاصة التدريب الخاص بالمهمة والمتكررة ، بإعادة تنظيم القشرة. ومع ذلك ، فإن التأثير الدقيق للتدخلات الروبوتية المتنوعة على ديناميكيات الشبكة هذه لا يزال غير مفهوم بشكل كاف¹⁸.

تهدف هذه الدراسة إلى التحقيق في جدوى الروبوت الهوائي الناعم القابل للبرمجة في تعديل ديناميكيات شبكة الدماغ لدى الأشخاص الذين أصيبوا بسكتة دماغية. بالمقارنة مع تمرين ثني / تمديد اليد في النماذج الروبوتية الحالية ، يتمتع الروبوت الهوائي الحالي بمزايا في تخصيص وضع العمل ووقت العمل ومدة التفاعل للحركات المرغوبة ، مثل الإمساك والإفراج والقرص ^19,20. قد توفر هذه الأنماط المتنوعة للتفاعل بين الإنسان والروبوت تحفيزا أكثر استهدافا للمناطق القشرية الحسية الحركية. يمكن لمثل هذا النموذج أن يعزز المرونة العصبية في المناطق المرتبطة باستعادة وظائف اليد¹³. بالإضافة إلى ذلك ، تم استخدام تحليل نظرية الرسم البياني المستند إلى fNIRS عبر الظروف العلاجية المتنوعة لتقييم كيف يمكن للاستراتيجيات الروبوتية الفردية تحسين التعافي الحركي اليدوي. علاوة على ذلك ، يمكن توضيح الآليات العصبية الكامنة وراء إعادة التأهيل الروبوتي الناعم بشكل مبدئي. يمكن أن يؤدي فهم هذه التكيفات على مستوى الشبكة إلى تطوير بروتوكولات إعادة التأهيل المستهدفة التي تعتمد على الفيزيولوجيا العصبية ، مما يعزز في النهاية تعافي اليد لدى الناجين من السكتة الدماغية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تمت الموافقة على هذه الدراسة من قبل لجنة الأخلاقيات في مستشفى تونغجي ، ووهان ، الصين. وتلتزم جميع بروتوكولات البحث بالمبادئ المبينة في إعلان هلسنكي. تم الحصول على موافقة خطية مستنيرة من جميع المشاركين قبل إدراجهم في الدراسة. يتم سرد المعدات والبرامج المستخدمة في جدول المواد.

1. المشاركون

ضع في اعتبارك معايير الإدراج التالية:
1. العمر بين 18 و 75 سنة.
2. أول سكتة دماغية إقفارية أو نزفية على الإطلاق مؤكدة عن طريق التصوير المقطعي المحوسب أو التصوير بالرنين المغناطيسي.
3. حالة مستقرة طبيا.
4. التوقيع على الموافقة المستنيرة شخصيا أو من ممثلهم (ممثليهم) المفوضين.
ضع في اعتبارك معايير الاستبعاد التالية:
1. الحبسة الحادة أو الإعاقات الإدراكية أو اضطرابات الوعي أو عدم القدرة على التعاون مع بروتوكول التدخل أو التقييم.
2. عدم القدرة على البقاء جالسا لمدة 20 دقيقة على الأقل.
3. تشوهات شديدة في توتر العضلات (درجة مقياس أشوورث المعدلة ≥2).

2. نظام روبوتي هوائي ناعم

توصيل المعدات وبدء التشغيل
1. قم بتوصيل كابل الطاقة الخاص بالنظام الآلي بمأخذ كهربائي.
2. قم بتشغيل الكمبيوتر بالضغط على الزر الموجود على برج الكمبيوتر.
3. قم بتوصيل كبلي طاقة مضخة الهواء بمأخذ الطاقة والقفاز الهوائي الناعم.
4. اضغط على زر الطاقة الأخضر الموجود في الجزء الخلفي من النظام الآلي لتنشيط الجهاز.
ارتداء الروبوت الهوائي الناعم
1. ساعد المشارك في ارتداء الروبوت الهوائي الناعم على اليد المصابة ، مما يضمن ملاءمة آمنة حول راحة اليد والأصابع.
2. اربط الروبوت باستخدام حزام الفيلكرو ، وتأكد من وضعه بإحكام من الجانب الظهري للإبهام إلى القمة على الجانب الراحي لتحقيق الاستقرار الأمثل.
التحكم الآلي واختيار الوضع
1. اضغط على زر الاتصال الأخضر أسفل جهاز التصوير.
2. على واجهة الكمبيوتر، حدد وضع الاستنشاق الآلي.
3. قم بتكوين منفذ الاتصال (Com 7) لضمان اتصال الجهاز بشكل صحيح.
4. حدد وضع التضخم والانكماش المناسب وقم بتأكيد إعدادات المعلمة دون التسبب في إزعاج للمرضى. الوضع البطيء: وقت عمل 2000 مللي ثانية (0.5 هرتز) مع مدة تفاعل 75٪. الوضع السريع: وقت عمل 200 مللي ثانية (5 هرتز) مع مدة تفاعل 75٪²¹ (الشكل 1).

figure-protocol-1
الشكل 1: المعدات التجريبية والتكوين. (أ) الإعداد التجريبي. (ب) التكوين الآلي الناعم. (ج) روبوت هوائي ناعم. (د) تكوين ومعايرة fNIRS. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

3. نظام التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS)

توصيل المعدات وتهيئتها
1. استخدم نظام fNIRS للموجة المستمرة لتسجيل البيانات من جميع المشاركين. ينبعث النظام من ضوء الأشعة تحت الحمراء القريبة بأطوال موجية تبلغ 690 نانومتر و 830 نانومتر ، ويخترق 2-3 سم تحت القشرة الدماغية ، بتردد أخذ عينات يبلغ 100 هرتز.
2. قم بتشغيل مشترك الطاقة لتزويد جميع الأجهزة المتصلة بالطاقة.
3. اضغط على زر الطاقة في جهاز fNIRS وانتظر حتى يضيء ضوء المؤشر.
4. تأكد من اتصال مستقر بين الكمبيوتر ونظام fNIRS لنقل البيانات دون انقطاع.
بدء تشغيل البرنامج وإدخال معلومات المريض
1. قم بتشغيل نظام fNIRS وتحقق من استقرار اتصال Wi-Fi.
2. انتقل إلى واجهة إدارة المريض لإنشاء ملف تعريف جديد: انقر فوق إضافة مريض ، وأدخل معلومات المشارك ، وقم بتعيين رقم تعريف.
ارتداء غطاء اكتساب إشارة fNIRS
1. حدد غطاء fNIRS بحجم مناسب. ضع ملصق رقم المستشعر أعلى قليلا من منتصف الجبهة ، مما يضمن التصاق فروة الرأس بشكل صحيح. قم بمحاذاة البصريات FPZ و CZ لنظام مخطط كهربية الدماغ 10-20. قم بتأمين أجهزة الكشف ومصادر الضوء باستخدام عصابة رأس مرنة لضمان التلامس الأمثل مع الجلد.
2. أثناء جمع البيانات ، اطلب من المشارك البقاء في حالة هادئة ومريحة ، مع ثبات رأسه وعيناه مفتوحتان.
3. قبل العملية الرسمية لجمع البيانات ، اطلب من المشارك الراحة بهدوء لمدة دقيقتين دون النوم.
الحصول على البيانات
1. حدد البروتوكول التجريبي من واجهة البرنامج على الكمبيوتر الخاص بنظام fNIRS.
2. قم بإجراء معايرة الإشارة من واجهة البرنامج لتقليل تسرب الضوء ، واستهداف قوة إشارة تبلغ ≥75٪ بأقل قدر من الضوضاء.
3. إذا فشلت المعايرة، اضبط موضع المستشعر وأعد المحاولة. تتكون مستشعرات الضوئية من الثنائيات الباعثة للضوء وأجهزة الكشف الضوئي. تم تصميم هذه البصريات لإصدار واكتشاف ضوء الأشعة تحت الحمراء القريبة بأطوال موجية محددة.
4. قم بإجراء تسجيل تاريخ القشرة الدماغية من واجهة البرنامج ، وتوجيه المشارك للبقاء مسترخيا وتجنب حركات الرأس.
5. تأكد من بدء المهمة التجريبية بعد التسلسل العشوائي ، وجمع البيانات باستمرار. يراقب نظام fNIRS باستمرار ويسجل البيانات المتعلقة بالأكسجين الدماغي وديناميكا الدم.
6. عند الانتهاء من المهمة ، أوقف الحصول على البيانات واحفظ البيانات التجريبية بشكل آمن.

figure-protocol-2
الشكل 2: الإعداد التجريبي لنظام fNIRS والتقييم العصبي. (أ) تكوين البصريات لنظام fNIRS وبروتوكول الحصول على البيانات. (ب) تصور تنشيط الدماغ من المنظورات الأمامية والخلفية والجانبية اليسرى والجانبية اليمنى والعلوية. (ج) تحليل الاتصال الوظيفي للدماغ بالكامل. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

4. تحليل البيانات

المعالجة المسبقة لبيانات fNIRS الأولية
1. قم بتطبيق تصفية ممر النطاق لإزالة الضوضاء والبيانات الاصطناعية من البيانات الأولية. تتراوح الترددات النموذجية لبيانات fNIRS بين 0.01 هرتز و 0.2 هرتز لالتقاط التغيرات البطيئة في نشاط الدماغ.
2. قم بتصحيح القطع الأثرية للحركة عن طريق تحلل المويجة وتحليل المكونات المستقلة (ICA). على وجه التحديد ، قم بإجراء تحلل المويجة على إشارة fNIRS الخام باستخدام موجة Daubechies 4 بمستوى تحلل 3.
  1. قم بتطبيق عتبة ناعمة على معاملات المويجة لتقليل الضوضاء مع الحفاظ على ميزات الإشارة. أعد بناء الإشارة من معاملات العتبة. قم بتطبيق ICA على الإشارة المعاد بناؤها لتحديد وإزالة المكونات المقابلة للقطع الأثرية للحركة.
3. قسم إشارة fNIRS المستمرة إلى فترات تتوافق مع ظروف مختلفة. على وجه التحديد ، حدد النقاط الزمنية المقابلة لبداية وإزاحة كل حالة تجريبية. قسم الإشارة المستمرة إلى حقب بناء على التصميم التجريبي (الشكل 2) وتسلسلاتها العشوائية.
حساب الاستجابة الديناميكية الدموية
1. قم بتحويل قياسات الشدة الخام من نظام fNIRS إلى تغييرات في الكثافة الضوئية باستخدام قانون Beer-Lambert.
2. استخدم قانون Beer-Lambert المعدل لتقدير التغيرات في تركيزات إنوكسي هيموغلوبين (HbO) وديوكسي هيموغلوبين (HbR). يتضمن هذا عادة حل نظام من المعادلات بناء على هندسة كاشف المصدر والأطوال الموجية المستخدمة ، 690 نانومتر.
3. قم بإنشاء خرائط تنشيط الدماغ ثلاثية الأبعاد من خلال تصور التغيرات في تركيز HbO عبر مناطق الدماغ. على وجه التحديد ، استخدم المعالم التشريحية والنظام الدولي 10-20 لإسقاط قنوات fNIRS على مناطق الدماغ المقابلة.
  1. تقدير تغيرات تركيز HbO عبر سطح الدماغ بالكامل بناء على القنوات المقاسة. اعرض خرائط التنشيط على قوالب الدماغ القياسية (قالب MNI) لتسهيل التصور.
4. استخدم الاتصال الوظيفي لرسم خريطة للتنشيط العصبي عبر الدماغ عن طريق حساب معامل ارتباط بيرسون بين جميع أزواج القنوات. يحدد هذا المعامل العلاقة الخطية بين أزواج القنوات ويعمل كأساس لبناء شبكة الاتصال الوظيفية. استخدم البرنامج النصي R مفتوح المصدر (مع ggplot2) لتصور الشبكة الناتجة.
تحليل نظرية الرسم البياني
1. استخرج مقاييس نظرية الرسم البياني (بما في ذلك معامل التجميع ، ومتوسط طول المسار ، ومؤشر العالم الصغير ، والكفاءة العالمية ، ومركزية الدرجة ، ومركزية المتجه الذاتي) من مصفوفات الاتصال الوظيفية المشتقة من fNIRS¹⁶^،²².
2. حساب معامل التجميع:
  
  حيث ، e_i يشير إلى رقم الحافة بين جيران العقدة i ، يشير N إلى العدد الإجمالي للعقد في الشبكة (قنوات fNIRS) ، و k_i يشير إلى درجة العقدة i. باستخدام معامل التجميع ، قم بقياس درجة العقد في مجموعة الشبكة معا.
  ملاحظة: على وجه التحديد ، حدد احتمالية اتصال جارين للعقدة ببعضهما البعض أيضا. تأكد من أن معامل التجميع العالي يعكس الجيران المترابطين للغاية ، مما يشير إلى هياكل شبكة الدماغ الموضعية والمتماسكة. يمكن أن تغير المرونة العصبية معامل التجميع عن طريق تكوين اتصالات جديدة أو تقوية الروابط الموجودة لدعم النشاط العصبي الموضعي.
3. احسب متوسط طول المسار:
  
  حيث ، يمثل d (i ، j) أقصر طول مسار بين العقدتين i و j ، ويمثل N العدد الإجمالي للعقد في الشبكة.
  1. استخدم متوسط طول المسار لقياس متوسط عدد الخطوات المطلوبة لاجتياز جميع أزواج العقد في الشبكة. يشير متوسط أطوال المسار الأقصر إلى نقل معلومات أكثر كفاءة عبر شبكة الدماغ.
    ملاحظة: يمكن أن تقلل المرونة العصبية من متوسط طول المسار عن طريق إنشاء اتصالات جديدة تعمل كاختصارات بين مناطق الدماغ البعيدة ، مما يعزز قدرة الدماغ على دمج المعلومات وتحسين وظيفة التحكم الحركي بشكل عام.
4. حساب مؤشر العالم الصغير:
  
  حيث يشير C_{الحقيقي} و L_{الحقيقي} إلى معامل التجميع ومتوسط طول المسار للشبكة الحقيقية ، ويشير C_rand و L_rand إلى تلك الموجودة في شبكة عشوائية بنفس عدد العقد والحواف. استخدم مؤشر العالم الصغير لتقييم التوازن بين التجميع المحلي والتكامل العالمي في الشبكة.
  ملاحظة: تعرض شبكة العالم الصغير تجميع عاليا وأطوال مسارات قصيرة ، مما يتيح اتصالا فعالا مع الحفاظ على التجمعات المحلية. يمكن أن تعزز المرونة العصبية خصائص العالم الصغير من خلال تشكيل اتصالات جديدة تزيد من التجميع المحلي مع الحفاظ على أطوال المسار القصيرة ، وبالتالي دعم التغيرات العصبية التكيفية ومهارة اليد.
5. حساب الكفاءة العالمية:
  
  حيث ، يمثل d (i ، j) أقصر طول مسار بين العقدتين i و j ، ويمثل N العدد الإجمالي للعقد في الشبكة. استخدام الكفاءة العالمية لتقييم قدرة الشبكة على تبادل المعلومات على مستوى العالم. تشير القيم الأعلى إلى نقل أسرع للمعلومات عبر شبكة الدماغ بأكملها ، مما يعكس نظاما متصلا جيدا.
  ملاحظة: يمكن أن تعزز المرونة العصبية الكفاءة العالمية من خلال تحسين طوبولوجيا الشبكة ، مما يؤدي إلى تكامل أفضل للمعلومات عبر مناطق الدماغ المختلفة ودعم وظائف اليد المعقدة.
6. احسب مركزية الدرجة:
  
  حيث ، k_i يشير إلى درجة العقدة . استخدم مركزية الدرجة لتحديد عدد الاتصالات المباشرة التي تمتلكها العقدة في الشبكة. تعمل العقد ذات المركزية العالية كمراكز اتصال أساسية. يمكن أن تزيد المرونة العصبية من درجة مركزية بعض العقد عن طريق تشكيل اتصالات جديدة ، وبالتالي تعزيز دورها في الشبكة ، ودعم قدرة الدماغ على التكيف وإعادة التنظيم.
7. حساب مركزية المتجه الذاتي:
  
  حيث يمثل A مصفوفة التجاور، ويمثل v المتجه الذاتي المقابل لأكبر قيمة ذاتية λ. استخدم مركزية المتجه الذاتي لتقييم تأثير العقدة بناء على اتصالاتها بالعقد المتصلة جيدا.
  ملاحظة: تعتبر العقد ذات المركزية العالية للمتجه الذاتي مركزية للشبكات الهرمية. يمكن أن تزيد المرونة العصبية من مركزية المتجهات الذاتية لعقد معينة عن طريق تكوين اتصالات مع العقد الأخرى شديدة الاتصال ، وبالتالي تعزيز دورها في دعم قدرة الدماغ على معالجة المعلومات بكفاءة.
التحليلات الإحصائية
1. تنظيم البيانات بتنسيق طويل في البرنامج الإحصائي ، والتأكد من أن مقاييس نظرية الرسم البياني والظروف التجريبية ومعرفات المشاركين منظمة بشكل صحيح. قبل إجراء ANOVA ، تحقق من افتراضات طبيعية وتجانس التباينات باستخدام اختبار Shapiro-Wilk²³ للحالة الطبيعية واختبار Levene لتجانس التباين²⁴.
2. تابع إجراء تحليل التحليل التجاري أحادي الاتجاه لتقييم ما إذا كانت هناك اختلافات كبيرة في مقاييس نظرية الرسم البياني عبر الشروط الثلاثة. إذا أسفر ANOVA عن نتيجة مهمة (P < 0.05) ، فتابع بمقارنات لاحقة لتحديد الاختلافات المحددة بين الظروف.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تسجيل ما مجموعه 10 أفراد مصابين بالسكتة الدماغية في الدراسة وخضعوا لتقييم حالة الراحة ، والعلاج الآلي بطيء الوضع ، والعلاج الآلي السريع بترتيب عشوائي. أظهرت النتائج جدوى تعديل المرونة العصبية الفردية من خلال برمجة البروتوكول الآلي وحساب مقاييس نظرية الرسم البياني لشبكة الدماغ. أثناء العلاج الآلي الناعم ، مكن التقييم المتزامن ل fNIRS من الحصول على كل من تنشيط الدماغ وبيانات الاتصال الوظيفي.

أكمل جميع المشاركين بنجاح بروتوكول الدراسة ، ولم تكن هناك بيانات مفق...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

بحثت هذه الدراسة في تأثيرات اللدائن العصبية لروبوت هوائي ناعم قابل للتكوين على ديناميكيات شبكة الدماغ لدى الأفراد المصابين بالسكتة الدماغية باستخدام تحليل نظرية الرسم البياني المستند إلى fNIRS. تشير النتائج إلى أن العلاج الروبوتي الناعم يعدل بشكل فعال التنظيم الطوبولوجي لشبكات الدماغ الموزعة ، حيث أظهر المشاركون امتثالا عاليا. على وجه التحديد ، لوحظت تغييرات كبيرة في معامل التجميع ومتوسط طول المسار والكفاءة العالمية. في حين أن مؤشر العالم الصغير ، ومركزية الدرجة ، ومركزية المتجه الذاتي أ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم دعم هذا العمل من قبل المشروع الخاص للعلوم والتكنولوجيا الرئيسي في مقاطعة هوبي (رقم 2023BCA002) ، وبرنامج دعم البحوث متعدد التخصصات لجامعة هواتشونغ للعلوم والتكنولوجيا (رقم 2024JCYJ067) ، ومؤسسة العلوم الطبيعية في مقاطعة هوبي ، الصين (رقم 2024AFB043) ، وصندوق الأبحاث لمستشفى تونغجي (رقم 2024B24).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسم	الشركة	رقم فهرسي	التعليقات
جهاز fNIRS ذو 106 قنوات	شركة ووهان زنيون للتكنولوجيا، المحدودة	BS-2000	تنفيذ البرنامج
نظام إعادة تأهيل المفاصل في فينجر	شركة نانجينغ ريسيدر للتكنولوجيا الطبية، المحدودة.	RSD RS3	تدخل التأهيل
برنامج R	مؤسسة R	الإصدار 4.2.1	التحليل الإحصائي
برمجيات SPSS	آي بي إم	الإصدار 22.0	التحليل الإحصائي

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

He, Q., et al. Global, regional, and national burden of stroke, 1990-2021: A systematic analysis for global burden of disease 2021. Stroke. 55 (12), 2815-2824 (2024).
Houwink, A., Nijland, R. H., Geurts, A. C., Kwakkel, G. Functional recovery of the paretic upper limb after stroke: Who regains hand capacity. Arch Phys Med Rehabil. 94 (5), 839-844 (2013).
Hirayama, K., Matsuda, M., Teruya, M., Fuchigami, T., Morioka, S. Trends in amount of use to upper limb function in patients with subacute stroke: A cross-sectional study using segmental regression analysis. BMC Neurol. 23 (1), 429(2023).
Feigin, V. L., Owolabi, M. O. Pragmatic solutions to reduce the global burden of stroke: A world stroke organization-lancet neurology commission. Lancet Neurol. 22 (12), 1160-1206 (2023).
Chen, Z. J., et al. Exoskeleton-assisted anthropomorphic movement training for the upper limb after stroke: The eamt randomized trial. Stroke. 54 (6), 1464-1473 (2023).
Lin, D. J., et al. Distinguishing distinct neural systems for proximal vs distal upper extremity motor control after acute stroke. Neurology. 101 (4), e347-e357 (2023).
Rizor, E., et al. Brain-hand function relationships based on level of grasp function in chronic left-hemisphere stroke. Neurorehabil Neural Repair. 38 (10), 752-763 (2024).
Chong, B., Wang, A., Stinear, C. M. Proportional recovery after stroke: Addressing concerns regarding mathematical coupling and ceiling effects. Neurorehabil Neural Repair. 37 (7), 488-498 (2023).
Gao, Z., et al. Restoring after central nervous system injuries: Neural mechanisms and translational applications of motor recovery. Neurosci Bull. 38 (12), 1569-1587 (2022).
Micera, S., Caleo, M., Chisari, C., Hummel, F. C., Pedrocchi, A. Advanced neurotechnologies for the restoration of motor function. Neuron. 105 (4), 604-620 (2020).
Ricardo Sato, J., et al. An experiment using functional near-infrared spectroscopy and robot-assisted multi-joint pointing movements of the lower limb. J Vis Exp. (208), e66004(2024).
Kim, J., Kim, E., Lee, S. H., Lee, G., Kim, Y. H. Use of cortical hemodynamic responses in digital therapeutics for upper limb rehabilitation in patients with stroke. J Neuroeng Rehabil. 21 (1), 115(2024).
Liu, P., et al. Brain activation pattern caused by soft rehabilitation glove and virtual reality scenes: A pilot fNIRS study. IEEE Trans Neural Syst Rehabil Eng. 32, 3848-3857 (2024).
Wang, J., He, Y. Toward individualized connectomes of brain morphology. Trends Neurosci. 47 (2), 106-119 (2024).
Vecchio, F., Miraglia, F., Pappalettera, C., Rossini, P. M. Brain network modulation in response to directional and non-directional cues: Insights from EEG connectivity and graph theory. Clin Neurophysiol. 171, 146-153 (2025).
Caliandro, P., et al. Small-world characteristics of cortical connectivity changes in acute stroke. Neurorehabil Neural Repair. 31 (1), 81-94 (2017).
Li, Y., Yu, Z., Wu, P., Chen, J. The disrupted topological properties of structural networks showed recovery in ischemic stroke patients: A longitudinal design study. BMC Neurosci. 22 (1), 47(2021).
Pavan, A., et al. Implementation of a robot-mediated upper limb rehabilitation protocol for a customized treatment after stroke: A retrospective analysis. NeuroRehabilitation. 54 (3), 411-420 (2024).
Yurkewich, A., Kozak, I. J., Hebert, D., Wang, R. H., Mihailidis, A. Hand extension robot orthosis (hero) grip glove: Enabling independence amongst persons with severe hand impairments after stroke. J Neuroeng Rehabil. 17 (1), 33(2020).
Syringas, P., et al. Exploring new tools in upper limb rehabilitation after stroke using an exoskeletal aid: A pilot randomized control study. Healthcare (Basel). 13 (1), 91(2025).
Nurmi, T., Henriksson, L., Piitulainen, H. Optimization of proprioceptive stimulation frequency and movement range for fMRI. Front Hum Neurosci. 12, 477(2018).
Akila, V., Johnvictor, A. C. Functional near infrared spectroscopy for brain functional connectivity analysis: A graph theoretic approach. Heliyon. 9 (4), e15002(2023).
Chen, Z., et al. Action observation treatment-based exoskeleton (aot-exo) for upper extremity after stroke: Study protocol for a randomized controlled trial. Trials. 22 (1), 222(2021).
Li, X., et al. Association of type 2 diabetes mellitus and glycemic control with intracranial plaque characteristics in patients with acute ischemic stroke. J Magn Reson Imaging. 54 (2), 655-666 (2021).
Park, J. M., et al. Effects of robot-assisted therapy for upper limb rehabilitation after stroke: An umbrella review of systematic reviews. Stroke. , (2025).
Singh, N., Saini, M., Kumar, N., Srivastava, M. V. P., Mehndiratta, A. Evidence of neuroplasticity with robotic hand exoskeleton for post-stroke rehabilitation: A randomized controlled trial. J Neuroeng Rehabil. 18 (1), 76(2021).
Ti, C. E., Hu, C., Yuan, K., Chu, W. C., Tong, R. K. Uncovering the neural mechanisms of inter-hemispheric balance restoration in chronic stroke through EMG-driven robot hand training: Insights from dynamic causal modeling. IEEE Trans Neural Syst Rehabil Eng. 32, 1-11 (2024).
Jia, T., et al. Tailoring brain-machine interface rehabilitation training based on neural reorganization: Towards personalized treatment for stroke patients. Cereb Cortex. 33 (6), 3043-3052 (2023).
Liu, X., et al. Effects of motor imagery-based brain-computer interface on upper limb function and attention in stroke patients with hemiplegia: A randomized controlled trial. BMC Neurol. 23 (1), 136(2023).
Li, W., et al. Bioinspired smart triboelectric soft pneumatic actuator-enabled hand rehabilitation robot. Adv Mater. 37 (9), e2419059(2025).
Herbet, G., Duffau, H. Revisiting the functional anatomy of the human brain: Toward a meta-networking theory of cerebral functions. Physiol Rev. 100 (3), 1181-1228 (2020).
Tang, Z., et al. Evidence that robot-assisted gait training modulates neuroplasticity after stroke: An fMRI pilot study based on graph theory analysis. Brain Res. 1842, 149113(2024).
Wang, J., et al. Test-retest reliability of functional connectivity networks during naturalistic fMRI paradigms. Hum Brain Mapp. 38 (4), 2226-2241 (2017).
Vecchio, F., et al. Cortical connectivity from EEG data in acute stroke: A study via graph theory as a potential biomarker for functional recovery. Int J Psychophysiol. 146, 133-138 (2019).
Nemati, P. R., et al. Brain network topology early after stroke relates to recovery. Brain Commun. 4 (2), fcac049(2022).
Shi, X., et al. An interactive soft robotic hand-task training system with wireless task boards and daily objects on post-stroke rehabilitation. Wearable Technol. 6, e4(2025).
Zhou, Y., et al. Predicting upper limb motor recovery in subacute stroke patients via FNIRS-measured cerebral functional responses induced by robotic training. J Neuroeng Rehabil. 21 (1), 226(2024).
Senadheera, I., et al. AI applications in adult stroke recovery and rehabilitation: A scoping review using AI. Sensors (Basel). 24 (20), 6568(2024).
Chen, S., et al. Brain-computer interfaces in 2023-2024. Brain-X. 3 (1), e70024(2025).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

روبوت هوائي ناعم يعدل مقاييس نظرية الرسم البياني لشبكة الدماغ لإعادة تأهيل اليد بعد السكتة الدماغية

في هذه المقالة

ملخص

الملخص

المقدمة

البروتوكول

النتائج

المناقشة

شكر وتقدير

المواد

المراجع

إعادة الطباعة والأذونات

الوسوم

مقالات ذات صلة