December 3rd, 2020
我们使用具有感官运动任务的块设计描述连续波功能近红外光谱实验的分析。为提高数据分析的可靠性,我们采用了基于定性的一般线性模型统计参数映射和多通道比较分层混合模型。
F-N-I-R-S 或 fNIRS 数据的解释对于新手用户来说可能很困难,因为数据通常无法量化。我们的方案使用两种互补方法,可以更好地了解这些数据。该技术的主要优点是使用两个定性的、基于 GLM 的统计参数映射和多通道的比较分层混合模型进行数据分析,从而提高了数据分析的可靠性。
在进行 fNIRS 实验之前,将 fNIRS 设备放置在黑暗、无噪音的区域,并将整个头部 fNIRS 记录帽放在受试者的头部,使对应于国际 10-20 系统中心的位置位于头帽的 245 号支架上。将标记贴纸贴在参考位置点上,并使用探头位置拍摄拍摄对象的头部照片,包括来自 15 个视角的参考点。将带有 32 个光头的 48 通道系统布置到额叶和顶叶区域双侧的头帽上作为感兴趣区域,并使用 3D 数字化器软件确定空间配准。
扫描整个头部的图片数据后,通过自动测量确定被摄体的空间坐标,并将数据保存为 Origin 和 Others 文件。要执行 fNIRS 分析,请让受试者进入舒适的姿势并指示受试者闭上眼睛。然后告诉受试者开始和停止提示,并让受试者执行块设计任务,同时为每个任务保持相同的直立姿势。
要使用 NIRS-SPM 软件执行定性一般线性模型分析,请在 MATLAB 软件中启动 NIRS-SPM 程序,然后从弹出菜单中选择 NIRS 系统选项。选择 Load (加载) 按钮。要检测 NIRS 通道位置的空间配准,请选中独立的 和 With 3D Digitizer 复选框。
在 From Real Coordinates to MNI Space 中,使用对话框选择坐标参考点和坐标探针/通道文件。单击 配准 并选择点以继续进行空间估计。单击 OK 和 Project MNI Coordinate to Rendered Brain。
选择 Dorsal View 并单击 Save。在 Specify the 1st Level 部分中,选择 NIRS 数据文件名和 SPM 目录。选中 hemoglobin 复选框,然后选择 Specify design and sec。
选择起始向量和持续时间,然后输入起始向量乘以所示实验条件的持续时间。对于去除趋势,请选择 Wavelet-MDL。使用预着色方法、低通滤镜,然后选择 hrf。
Correct for the serial correlation(更正序列关联),选择 none(无)。要估计时间相关性,请选中 Individual Analysis 以分析单个个体。要估计一组受试者的时间相关性,请选中 Group Analysis(组分析),然后根据标准化大脑的血红蛋白水平变化计算激活图。
要执行基于分层混合模型的多通道比较分析,请打开适当的统计分析软件程序,并将使用低通滤波器处理的最近数据文件中的含氧和脱氧血红蛋白浓度变化的文本文档转换为电子表格软件逗号分隔值文件。使用这些命令为每个主题创建干预前与干预后导入数据,并按照指示为每个通道运行干预前和干预后数据命令。根据从输出结果中获得的数据,在电子表格中输入每个通道的更改、静止和任务值干预前后的差异。
然后,在电子表格中输入固定效应类型 3 检验的分子和分母自由度以及交互作用项的 F 和 P 值。在对 10 名中风患者的代表性组分析中,与训练前观察到的相比,机器人辅助康复后立即在测量的半球观察到初级运动皮层的皮质活动增加。在这项比较干预前后的多通道组分析中,观察到干预后初级运动皮层的皮质活动增加,与在 NIRS-SPM 中观察到的大脑区域相同。
我们的方法可用于对各种神经系统疾病进行干预前和干预后分析,例如运动障碍、脑血管疾病和神经精神疾病。除了肘部运动,研究人员还可以应用其他块状设计任务,例如腿部运动。此外,我们的方案有助于揭示各种情况下的治疗效果。
View the full transcript and gain access to thousands of scientific videos
本研究详细介绍了一种方法,用于分析使用传感器运动任务的块设计的功能性近红外光谱(fNIRS)实验数据。主要目标是通过使用定性的基于一般线性模型的统计参数映射和多通道的比较层次混合模型来提高数据可靠性。