December 3rd, 2020
Nous décrivons l’analyse de l’expérience fonctionnelle continue-onduleuse de spectroscopie proche infrarouge utilisant une conception de bloc avec une tâche sensorimotrice. Pour accroître la fiabilité de l’analyse des données, nous avons utilisé la cartographie statistique paramétrique qualitative générale basée sur un modèle linéaire et les modèles mixtes hiérarchiques comparatifs pour les canaux multiples.
L’interprétation des données F-N-I-R-S, ou fNIRS, peut être difficile pour les utilisateurs novices, car les données ne peuvent généralement pas être quantifiées. Notre protocole utilisant deux méthodes complémentaires permet de mieux comprendre ces données. Le principal avantage de cette technique est l’augmentation et la fiabilité de l’analyse des données à l’aide de deux cartographies paramétriques statistiques qualitatives basées sur GLM et de modèles mixtes hiérarchiques comparatifs pour multicanaux.
Avant d’effectuer une expérience fNIRS, placez le dispositif fNIRS dans un endroit sombre et silencieux et placez un capuchon d’enregistrement fNIRS complet sur la tête du sujet, de sorte que la position correspondant au centre du système international 10-20 soit située au niveau du support numéro 245 du capuchon de tête. Fixez l’autocollant de marquage aux points de référence et prenez des photos de la tête du sujet avec les emplacements des sondes, y compris les points de référence sous 15 perspectives. Disposez le système à 48 canaux avec 32 optodes sur un capuchon de tête de manière bilatérale sur les zones frontales et pariétales en tant que régions d’intérêt et utilisez le logiciel de numérisation 3D pour déterminer l’alignement spatial.
Après avoir numérisé les données d’image de l’ensemble de la tête, déterminez les coordonnées spatiales du sujet par mesure automatique et enregistrez les données dans des fichiers Origin et Others. Pour effectuer une analyse fNIRS, faites en sorte que le sujet se mette dans une position confortable et demandez-lui de fermer les yeux. Ensuite, informez le sujet des indices de démarrage et d’arrêt et demandez-lui d’effectuer la tâche de conception de bloc tout en maintenant la même posture droite pour chaque tâche.
Pour utiliser le logiciel NIRS-SPM afin d’effectuer une analyse qualitative générale de modèle linéaire, démarrez le programme NIRS-SPM dans le logiciel MATLAB et sélectionnez l’option système NIRS dans le menu contextuel. Sélectionnez le bouton Charger. Pour détecter l’enregistrement spatial de l’emplacement du canal NIRS, cochez les cases Autonome et Avec numériseur 3D.
Dans la boîte de dialogue Des coordonnées réelles à l’espace MNI, utilisez la boîte de dialogue pour sélectionner le point de référence de coordonnées et les fichiers de sondes/canaux de coordonnées. Cliquez sur Enregistrement et sélectionnez les points pour passer à l’estimation spatiale. Cliquez sur OK et projetez la coordonnée MNI sur Render Brain.
Sélectionnez Vue dorsale et cliquez sur Enregistrer. Dans la section Spécifier le 1er niveau, sélectionnez le nom de fichier de données NIRS et le répertoire SPM. Cochez la case hémoglobine et sélectionnez spécifier le design et la seconde.
Sélectionnez le vecteur d’apparition et les durées et entrez un vecteur d’apparition multiplié par la durée des conditions expérimentales indiquées. Pour la suppression des tendances, sélectionnez Wavelet-MDL. Utilisez la méthode de précoloration, le filtre passe-bas et sélectionnez hrf.
Corrigez la corrélation sérielle, sélectionnez aucune. Pour estimer les corrélations temporelles, cochez la case Analyse individuelle pour analyser un seul individu. Pour estimer les corrélations temporelles pour un groupe de sujets, consultez l’analyse de groupe, puis calculez la carte d’activation en fonction des changements du taux d’hémoglobine pour le cerveau standardisé.
Pour effectuer une analyse comparative multicanal basée sur un modèle mixte hiérarchique, ouvrez un logiciel d’analyse statistique approprié et convertissez le document texte des changements de concentration d’hémoglobine oxygénée et désoxygénée dans le fichier de données le plus proche traité avec le filtre passe-bas en fichier de valeurs séparées par des virgules du tableur. Utilisez les commandes pour créer un fichier d’importation de données avant et après l’intervention pour chaque sujet et exécutez la commande de données avant et après l’intervention pour chaque canal comme indiqué. Sur la base des données obtenues à partir des résultats de sortie, entrez les différences entre les valeurs de changement, de repos et de tâche avant et après l’intervention de chaque canal dans la feuille de calcul.
Entrez ensuite le numérateur et le dénominateur degrés de liberté ainsi que les valeurs F et P de l’élément d’interaction du test de type trois à effet fixe dans la feuille de calcul. Dans cette analyse de groupe représentative de 10 patients victimes d’un AVC, une augmentation de l’activité corticale du cortex moteur primaire a été observée dans l’hémisphère mesuré immédiatement après la rééducation assistée par robot par rapport à celle observée avant l’entraînement. Dans cette analyse de groupe multicanal comparant l’avant-contre-intervention et l’après-intervention, une augmentation de l’activité corticale a été observée dans le cortex moteur primaire après l’intervention, la même région cérébrale que celle observée dans le NIRS-SPM.
Nos méthodes peuvent être utilisées pour effectuer des analyses pré et post-intervention pour une variété de troubles neurologiques, tels que les troubles du mouvement, les maladies cérébrovasculaires et les troubles neuropsychiatriques. Au lieu de mouvements du coude, les chercheurs peuvent également appliquer d’autres tâches de conception de blocs, telles que les mouvements de jambe. De plus, notre protocole est utile pour révéler les effets du traitement dans divers contextes.
View the full transcript and gain access to thousands of scientific videos
Cette étude détaille une méthodologie pour analyser les données provenant d'expériences de spectroscopie fonctionnelle proche-infrarouge (fNIRS) utilisant un design par blocs avec une tâche sensorimotrice. L'objectif principal est d'améliorer la fiabilité des données par l'utilisation d'une cartographie paramétrique statistique qualitative basée sur un modèle linéaire général et de modèles mixtes hiérarchiques comparatifs sur plusieurs canaux.