December 3rd, 2020
Se describe el análisis de onda continua funcional de espectroscopia de infrarrojo cercano experimento utilizando un diseño de bloques con una tarea sensoriomotora. Para aumentar la fiabilidad del análisis de los datos, se utilizó el mapeo paramétrico estadístico basado en modelos lineales generales cualitativos y los modelos mixtos jerárquicos comparativos para multicanales.
La interpretación de los datos F-N-I-R-S, o fNIRS, puede ser difícil para los usuarios novatos, ya que los datos generalmente no se pueden cuantificar. Nuestro protocolo, que utiliza dos métodos complementarios, proporciona una mejor comprensión de estos datos. La principal ventaja de esta técnica es el aumento y la fiabilidad del análisis de datos utilizando dos modelos paramétricos estadísticos cualitativos, basados en GLM, y modelos mixtos jerárquicos comparativos para multicanales.
Antes de realizar un experimento fNIRS, coloque el dispositivo fNIRS en un área oscura y silenciosa y coloque una tapa de grabación fNIRS de cabeza entera en la cabeza del sujeto, de modo que la posición correspondiente al centro del sistema internacional 10-20 se encuentre en el soporte número 245 de la tapa de la cabeza. Coloque la pegatina de marcado en los puntos de ubicación de referencia y tome fotografías de la cabeza del sujeto con las ubicaciones de la sonda, incluidos los puntos de referencia desde 15 perspectivas. Organice el sistema de 48 canales con 32 optodos en una tapa de cabeza bilateralmente sobre las áreas frontal y parietal como regiones de interés y utilice el software digitalizador 3D para determinar el registro espacial.
Después de escanear los datos de la imagen de toda la cabeza, determine las coordenadas espaciales del sujeto mediante la medición automática y guarde los datos como archivos de origen y otros. Para realizar un análisis fNIRS, haga que el sujeto se coloque en una posición cómoda e indíquele que cierre los ojos. A continuación, informe al sujeto de las señales de inicio y parada y haga que el sujeto realice la tarea de diseño de bloques manteniendo la misma postura erguida para cada tarea.
Para utilizar el software NIRS-SPM para realizar un análisis cualitativo de modelo lineal general, inicie el programa NIRS-SPM en el software de MATLAB y seleccione la opción del sistema NIRS en el menú emergente. Seleccione el botón Cargar. Para detectar el registro espacial de la ubicación del canal NIRS, seleccione las casillas de verificación independiente y Con digitalizador 3D.
En el cuadro de diálogo De coordenadas reales a espacio MNI, utilice el cuadro de diálogo para seleccionar el punto de referencia de coordenadas y los archivos de sondeos/canales de coordenadas. Haga clic en Registro y seleccione los puntos para proceder a la estimación espacial. Haga clic en Aceptar y en Proyectar coordenada MNI en el cerebro renderizado.
Seleccione Vista dorsal y haga clic en Guardar. En la sección Especificar el 1er nivel, seleccione el nombre de archivo de datos NIRS y el directorio SPM. Marque la casilla de verificación hemoglobina y seleccione especificar diseño y seg.
Seleccione el vector de inicio y las duraciones e introduzca un vector de inicio multiplicado por la duración de las condiciones experimentales como se indica. Para la eliminación de tendencias, seleccione Wavelet-MDL. Utilice el método de precoloración, el filtro de paso bajo y seleccione hrf.
Corrija la correlación en serie, seleccione ninguno. Para estimar las correlaciones temporales, consulte Análisis individual para analizar a un solo individuo. Para estimar las correlaciones temporales de un grupo de sujetos, consulte Análisis de grupo y, a continuación, calcule el mapa de activación en función de los cambios en el nivel de hemoglobina para el cerebro estandarizado.
Para realizar un análisis comparativo multicanal basado en un modelo mixto jerárquico, abra un programa de software de análisis estadístico adecuado y convierta el documento de texto de los cambios en la concentración de hemoglobina oxigenada y desoxigenada en el archivo de datos más cercano procesado con el filtro de paso bajo al archivo de valores separados por comas del software de hoja de cálculo. Utilice los comandos para crear datos de importación previos y posteriores a la intervención para cada sujeto y ejecute el comando de datos previo y posterior a la intervención para cada canal como se indica. En función de los datos obtenidos de los resultados de salida, introduzca las diferencias antes y después de la intervención en los valores de cambio, reposo y en la tarea de cada canal en la hoja de cálculo.
A continuación, introduzca los grados de libertad del numerador y el denominador y los valores F y P del elemento interactivo de la prueba de tipo tres de efecto fijo en la hoja de cálculo. En este análisis de grupo representativo de 10 pacientes con accidente cerebrovascular, se observó un aumento en la actividad cortical de la corteza motora primaria en el hemisferio medido inmediatamente después de la rehabilitación asistida por robot en comparación con lo observado antes del entrenamiento. En este análisis de grupo multicanal que comparó antes y después de la intervención, se observó un aumento de la actividad cortical en la corteza motora primaria después de la intervención, la misma región del cerebro que se observó en el NIRS-SPM.
Nuestros métodos se pueden utilizar para realizar análisis previos y posteriores a la intervención para una variedad de trastornos neurológicos, como trastornos del movimiento, enfermedades cerebrovasculares y trastornos neuropsiquiátricos. En lugar de movimientos de codo, los investigadores también pueden aplicar otras tareas de diseño de bloques, como movimientos de piernas. Además, nuestro protocolo es útil para revelar los efectos del tratamiento en diversos entornos.
View the full transcript and gain access to thousands of scientific videos
Este estudio detalla una metodología para analizar datos de experimentos de espectroscopía funcional de infrarrojo cercano (fNIRS) utilizando un diseño de bloques con una tarea sensoriomotora. El objetivo principal es mejorar la fiabilidad de los datos mediante el uso de mapeo paramétrico estadístico basado en modelos lineales generales cualitativos y modelos mixtos jerárquicos comparativos a través de múltiples canales.
Functional near-infrared spectroscopy (fNIRS) provides a non-invasive method to assess cortical activity changes in neurological disorders, supporting target validation in preclinical and early clinical research. The dual-method approach combining qualitative GLM-based analysis and comparative hierarchical mixed modeling enhances data reliability and mechanistic de-risking for intervention studies. This enables predictive confidence in evaluating therapeutic effects on brain function prior to larger-scale trials.
The method integrates into the discovery continuum from hypothesis testing through lead identification to preclinical validation by providing reproducible cortical activity readouts.