December 3rd, 2020
Wir beschreiben die Analyse eines kontinuierlichen funktionellen Nahinfrarot-Spektroskopie-Experiments mit einem Blockdesign mit einer sensomotorischen Aufgabe. Um die Zuverlässigkeit der Datenanalyse zu erhöhen, verwendeten wir das qualitative allgemeine lineare modellbasierte statistische parametrische Mapping und die vergleichenden hierarchischen Mischmodelle für Mehrkanalmodelle.
Die Interpretation von F-N-I-R-S- oder fNIRS-Daten kann für unerfahrene Benutzer schwierig sein, da die Daten in der Regel nicht quantifiziert werden können. Unser Protokoll, das zwei sich ergänzende Methoden verwendet, ermöglicht ein besseres Verständnis dieser Daten. Der Hauptvorteil dieser Technik ist die Steigerung und Zuverlässigkeit der Datenanalyse mit Hilfe von zwei qualitativen, GLM-basierten statistisch-parametrischen Kartierungen und vergleichenden hierarchischen Mischmodellen für Mehrkanäle.
Bevor Sie ein fNIRS-Experiment durchführen, stellen Sie das fNIRS-Gerät in einen dunklen, geräuschlosen Bereich und setzen Sie eine fNIRS-Aufzeichnungskappe für den ganzen Kopf des Probanden so auf, dass sich die Position, die der Mitte des internationalen 10-20-Systems entspricht, an der Halterung mit der Nummer 245 der Kopfkappe befindet. Bringen Sie den Markierungsaufkleber an den Referenzpunkten an und machen Sie Fotos vom Kopf des Motivs mit den Sondenpositionen, einschließlich der Referenzpunkte aus 15 Perspektiven. Ordnen Sie das 48-Kanal-System mit 32 Optoden an einer Kopfkappe bilateral über den frontalen und parietalen Bereichen als Regions of Interest an und verwenden Sie die 3D-Digitalisierer-Software, um die räumliche Registrierung zu bestimmen.
Nachdem Sie die Bilddaten für den gesamten Kopf gescannt haben, bestimmen Sie die räumlichen Koordinaten des Motivs durch automatische Messung und speichern Sie die Daten als Origin- und Others-Dateien. Um eine fNIRS-Analyse durchzuführen, lassen Sie den Probanden in eine bequeme Position bringen und weisen Sie ihn an, die Augen zu schließen. Informieren Sie dann den Probanden über die Start- und Stopphinweise und lassen Sie den Probanden die Blockdesign-Aufgabe ausführen, während er für jede Aufgabe die gleiche aufrechte Haltung beibehält.
Um die NIRS-SPM-Software zur Durchführung einer qualitativen allgemeinen linearen Modellanalyse zu verwenden, starten Sie das NIRS-SPM-Programm in der MATLAB-Software und wählen Sie die Option NIRS-System aus dem Popup-Menü. Wählen Sie die Schaltfläche Laden aus. Um die räumliche Registrierung der Position des NIRS-Kanals zu ermitteln, aktivieren Sie die Kontrollkästchen "Eigenständig" und "Mit 3D-Digitalisierer".
Wählen Sie im Dialogfeld Von realen Koordinaten in MNI-Raum den Koordinatenreferenzpunkt und die Dateien für die Koordinatensonden/-kanäle aus. Klicken Sie auf Registrierung, und wählen Sie die Punkte aus, um mit der räumlichen Schätzung fortzufahren. Klicken Sie auf OK, und projizieren Sie die MNI-Koordinate in das gerenderte Gehirn.
Wählen Sie Dorsale Ansicht aus und klicken Sie auf Speichern. Wählen Sie im Abschnitt "1st Level angeben" den Namen der NIRS-Datendatei und das SPM-Verzeichnis aus. Aktivieren Sie das Kontrollkästchen Hämoglobin und wählen Sie Design und Sek. angeben.
Wählen Sie den Vektor des Beginns und die Dauer aus und geben Sie einen Vektor des Beginns multipliziert mit der Dauer der Versuchsbedingungen ein, wie angegeben. Wählen Sie für die Trendanalyse Wavelet-MDL aus. Verwenden Sie die Vorfärbemethode, den Tiefpassfilter, und wählen Sie hrf aus.
Korrigieren Sie die serielle Korrelation, wählen Sie Keine aus. Um die zeitlichen Korrelationen zu schätzen, aktivieren Sie die Option Individuelle Analyse, um eine einzelne Person zu analysieren. Um die zeitlichen Korrelationen für eine Gruppe von Probanden zu schätzen, überprüfen Sie die Gruppenanalyse und berechnen Sie dann die Aktivierungskarte basierend auf den Änderungen des Hämoglobinspiegels für das standardisierte Gehirn.
Um eine Mehrkanal-Vergleichsanalyse auf der Grundlage eines hierarchischen gemischten Modells durchzuführen, öffnen Sie ein entsprechendes statistisches Analysesoftwareprogramm und konvertieren Sie das Textdokument der Änderungen der sauerstoff- und sauerstoffarmen Hämoglobinkonzentration in der nächstgelegenen Datendatei, die mit dem Tiefpassfilter verarbeitet wurde, in die Datei mit kommagetrennten Werten der Tabellenkalkulationssoftware. Verwenden Sie die Befehle, um für jedes Subjekt einen Import von Daten vor und nach der Intervention zu erstellen, und führen Sie den Datenbefehl vor und nach der Intervention für jeden Kanal wie angegeben aus. Geben Sie auf der Grundlage der aus den Ausgabeergebnissen erhaltenen Daten die Unterschiede vor und nach der Intervention bei den Werten für Änderung, Ruhe und Aufgabe jedes Kanals in die Tabelle ein.
Geben Sie dann den Zähler und Nenner, die Freiheitsgrade sowie die F- und P-Werte des Interaktionselements des festen Effekttyps drei in die Tabelle ein. In dieser repräsentativen Gruppenanalyse von 10 Schlaganfallpatienten wurde in der gemessenen Hemisphäre unmittelbar nach der robotergestützten Rehabilitation eine Zunahme der kortikalen Aktivität des primären motorischen Kortex im Vergleich zu vor dem Training beobachtet. In dieser Mehrkanal-Gruppenanalyse, die prä- und post-interventionell verglichen wurde, wurde eine erhöhte kortikale Aktivität im primären motorischen Kortex nach der Intervention beobachtet, der gleichen Hirnregion wie im NIRS-SPM.
Unsere Methoden können zur Durchführung von Prä- und Post-Interventionsanalysen für eine Vielzahl von neurologischen Störungen, wie z. B. Bewegungsstörungen, zerebrovaskuläre Erkrankungen und neuropsychiatrische Störungen, verwendet werden. Anstelle von Ellbogenbewegungen können die Forscher auch andere Blockdesign-Aufgaben anwenden, wie z. B. Beinbewegungen. Darüber hinaus ist unser Protokoll nützlich, um Behandlungseffekte in verschiedenen Umgebungen aufzudecken.
View the full transcript and gain access to thousands of scientific videos
Diese Studie beschreibt eine Methodik zur Analyse von Daten aus funktionaler Near-Infrared-Spektroskopie (fNIRS) Experimenten unter Verwendung eines Blockdesigns mit einer sensomotorischen Aufgabe. Das Hauptziel ist die Verbesserung der Datenzuverlässigkeit durch den Einsatz von qualitativen, auf allgemeinen linearen Modellen basierenden statistischen parametrischen Mapping und vergleichenden hierarchischen gemischten Modellen über mehrere Kanäle hinweg.