方法論記事

自然主義タスク中fNIRS計測のfMRIの検証

22.1K 回視聴

⸱

DOI:

10.3791/52116

⸱

2015年6月15日

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry, Yale School of Medicine, 2Department of Electronics and Bioinformatics, Meiji University, 3Department of Histology and Neurobiology, Dokkyo Medical University School of Medicine, 4ADAM Center, Department of Physical Therapy, Movement and Rehabilitation Sciences, Northeastern University, 5Department of Neurobiology, Yale School of Medicine

この記事について

サマリー

私たちは、fNIRSを使用して自然主義的なタスク中に記録された機能的な脳活動とfMRI中に記録された活動を比較する方法を提示します。

要約

私たちは、ダンスゲームのタスクで近赤外線分光法(fNIRS)で記録された脳活動と、fMRI(機能的磁気共鳴画像法)を使用してタスクの縮小版で記録された脳活動を比較する方法を提示します。最近、fNIRSは、古典的な心理物理学的課題や単純な指叩きパラダイムに対して、機能的磁気共鳴画像法と同時に記録されるものと同等の機能的脳活動を正確に記録できることが示されています。しかし、fNIRSの利点としてよく引用されるのは、この技術により、fMRIの制約された環境では不可能な複雑で自然な行動の神経メカニズムを研究できるということです。私たちの目標は、同時に記録されたfNIRSとfMRI信号との間に高い相関性を示した以前の研究の結果を拡張して、fMRI手順で得られた神経記録を自然主義的なfNIRS実験で個別に得られた神経記録と比較することでした。具体的には、ダンスビデオゲーム「Dance Dance Revolution (DDR)」の修正版を開発し、fMRIとfNIRSの両方のイメージング手順に対応するようにしました。この方法論では、各手法との互換性のためのソフトウェアとハードウェアの変更、および代表的な結果を取得するために使用されるスキャンとキャリブレーションの手順について説明します。この研究の結果は、両方のモダリティでオキシヘモグロビンのタスク関連の増加を示しており、自然主義的なタスクでfNIRSを使用してfMRIの所見を再現することが可能であることを示しています。この手法は、自然主義的な全身の活動と行動により近似して、縮小世界の環境を利用するfMRIイメージングパラダイムをfNIRSと比較する方法論を表しています。この技術のさらなる開発は、パーキンソン病、認知症の後期状態、またはfMRIスキャンに禁忌である磁化性を持つ神経変性疾患に適用される可能性があります。

概要

ここに記載された方法の目的は、同様のマルチモーダルタスクでのfMRI（機能的磁気共鳴画像法）とfNIRS（機能的近赤外分光法）の信号を比較するための作業手順を開発することでした。具体的には、我々が原因振戦、ジスキネジア、または複数のデバイスに移植され、従来のfMRIのスキャンには禁忌個人で使用するための機能イメージングの手順を開発することを目的としました。多くの効果的なトレーニングとリハビリテーションプログラムは落下の危険性が個人のために存在するが、これらのプログラムの有効性の基礎となる神経機構のない確認はありません。多くの場合、これらの研修プログラムに参加する個人は禁忌で引用された理由のためです。この研究のための我々の理論的根拠は、全身の動きを伴う自然運動タスクに関連付けられた脳活動のパターンを決定するために、機能的な近赤外分光法（fNIRS）の有効性を決定することでした。長期的な目標は、スタッドに、ツールの開発します、Y運動学習パラダイムのみならず、伝統的な方法を用いて、自然な方法で行うことが可能でないタスクの多種多様のためのfNIRSの妥当性を確認するのに役立ちます。

fNIRS活性は以前に古典的な心理的、簡単な指タップパラダイムを使用して同時fNIRSとfMRIの機能活性を測定した限られた研究でfMRIのBOLD（血中酸素レベル依存）信号の録音との相同領域のために非常に（R = 0.77から0.94）相関することが示されています1-3。これらの研究の結果は、fNIRSを確認のfMRIとの互換性が低下し、環境タスクに関連皮質活動を決定するために有効であり、信頼性があります。しかし、fNIRSは、神経画像法としてfMRIの上の多くの利点を有します。 fNIRSは、重要なのは、fMRIのよりモーションアーチファクトに非常に敏感ではない、彼らは自然環境の中でモーターparadigを制限するのfMRI研究とは対照と同じようにように被験者が動作することができますミリ秒4。 fNIRSに関連した時間精度は、増加したサンプリング周波数に増加した粒度で神経応答関数の変化を決意することができます。最後に、fNIRSのコストは、fMRIのスキャンより低く、低コストで実施することが研究のために可能にします。しかし、侵入の制限された深さ、限られた空間分解能、及びより最近含むfMRIのに比べfNIRSの欠点があることは、血圧、心拍数、及び頭皮の血流への影響などの特定の生理学的現象がに偽陽性を導入することができることが示されています皮質血行動態信号5-9。方法および信号処理、高密度オプトード勾配を提供するハードウェアを含むNIRSに特定のハードウェア開発の数は、現在開発されているが、それはのfMRIとfNIRS手順が互いに補完することを可能にする混合方法を開発することが重要です。

本研究では、テストするのに役立ちます自然ダンスビデオゲームタスクの実行中に従事神経機構を決定するためのfNIRSの方法。研究の目的は、個人のグループの間に、脳の統合センター（スーペリア、中側頭回）で活性を比較することであったfNIRSを用いて画像化タスクの自然のバージョンを使用して、被験体の別のグループに機能的MRIを用いて画像化しました。当社グループは、これまで同様のインタラクティブなゲームのパラダイムを使用して、この地域を調査しており、側頭葉に活性を示している皮質のアクティベーション10に記載のオキシデオキシヘモグロビン発色団の両方に応答します。私たちも以前にこの地域での応答を示すことによって、以前に全身のアーティファクトをコントロールしようとしましたが、アクティビティ自体11に関連するタスクと全身のない応答の皮質負荷に対して振幅変調されます。スーペリア、中側頭回は、マルチモーダル感覚刺激の統合に関連した活動を知っていたし、我々が以前に持っています私たちのfNIRSの出版物10〜12に加えて、パイロットのfMRI研究でダンスダンスレボリューション（DDR）ゲームプレイ中にアクティブになるように、この領域を示します。現在の研究のための私たちの仮説は、fNIRSを用いて記録としてこの領域の機能的活性が有意に機能的活性と相関させるというものであった似ていますが、限られたダンスゲームプロトコルでのfMRIを用いて記録しました。

ここで説明するプロトコルは、fNIRSとfMRIのプロトコルの両方に神経画像パラダイムとして使用するダンスビデオゲームを変更する方法を含んでいます。しかし、全体的な手順は、ビデオゲームプレイのパラダイムに固有ではなく、言語や運動タスクなどのfMRIプロトコルの制約で実行することは不可能なタスク、任意の数のために適切であろう。このプロトコルは、さらにさらにfNIRSを用いて実、実世界の作業時に検討することができ、関心領域（ROI）の特定の領域を開発するためのfMRIの解剖学的特異性を利用する手順の概要を示します。

プロトコル

参加する前に、すべての被験者は、施設のガイドラインに従ってインフォームドコンセントを提供しています。この場合、プロトコルは、明治大学（神奈川県）、（データ解析のための医学のイェール大学の学校に転送）コロンビア大学メディカルセンター、ロングアイランド大学、この研究のためのブルックリンキャンパスから機関人間保護プログラムによって承認されました。

脳機能イメージングのための1。ソフトウェアおよびハードウェアの変更と開発法（fMRIとfNIRS）

  1. 前fNIRSイメージングへのfMRIを用いて目的の研究領域のタイミング、グラフィックと音楽を変更するには、DDR、Stepmaniaのオープンソースのクローンを使用して設定ファイル（.SM）の詳細を編集することにより、ゲームダンスダンスレボリューション （DDR）を変更。
    1. 背景、音楽、（スキャン時間で音楽を開始）オフセット、samplestart、samplelength、BPMSとbgchanges：.SMファイルで変数を指定します。矢印PATTを指定「1」の値として尺度ごとの矢印を定義し.SMファイルの各メジャーのERNS、「0」、または「M」。各メジャーの左、上、下、または右ボタンの押下を定義します。 、矢印のために「1」を使用し、空白のために「0」を使用し、残りのエポックでの鉱山のための "M"を使用します。
  2. ゲーム曲「 蝶 」 を使用して（もともとSmile.dkにより実施され、ソニーのプレイステーションのためのオリジナルダンスダンスレボリューション3 番目のミックスゲームCDで入手可能）に変更されたように被験者はゲームの仕組みに組み込まれて交互ブロックデザインを使用して再生することができ.SMの設定ファイル。背景グラフィックときにリラックスして（緑）を再生するときにプレーヤーに指示し、と30秒の休止期間と交互に30秒のゲーム時間（赤; 図1）。

figure-protocol-1
イチジクURE 1：パラダイムデザイン（A）DDRグラフィックユーザーインターフェイス。画面下部の矢印は、画面の上の方に移動しました。これらの矢印は、押しボタンの被験者に示しました。矢印が上作用領域（画面の上部にある灰色の矢印）に達したとき、被験者は正しいボタンを押すことで対応しました。プレイ時間は緑の背景で示しました。残り時間は、赤色の背景で表示しました。残り時間の間に、矢印が「爆弾」のアニメーションに置き換えられました。これらは、ゲームプレイやスコアに関しては何の機能を持っていないが、残りのエポック中にプレースホルダとして機能するために使用されました。 （B）は、走査のために使用されるブロックの設計は、プレイし、残りのエポックの5分の合計で構成されていました。プリスキャンは30秒再生を交互にし、ブロックを休ま続いて、長さは10秒であった。 この図の拡大版を表示するには、こちらをクリックしてください。

    休息とアクティブ期間とのコントラストに特異性を確保するために、実行ごとに交互に間隔を5回繰り返します。
  1. fMRIのデータ収集の場合には、足のボタンを使用してのfMRI録音の矢印ボタンの押下を左右に動きを制限します。ボタンの押下の全体数は、両方のタスク（ 図2）のための同等のままであるべきです。
  2. 走査手順の前に、いくつかの練習が撮影の前に実行される被験者を対象に、ゲームの基礎を説明し、可能にします。移動矢印の経路の上部に概説した完璧な時間の近くに自分の足で、対応する矢印ボタンを押すことではなく、可能な限りヘッドの移動を最小限にするために被験者に指示します。

figure-protocol-2
図2：fMRIのための実験（A）被験者はobserviながらMRIスキャナに横たわっていました。対象上記ヘッドコイルに取り付けられたミラーを使用して投影インタラクティブな環境をngの。図2b。被験者は、ゲームプレイ中にリアルタイムで左または右のつま先タップで応答させ二つのボタンから成る修正された足のプラットフォームを提供します。 この図の拡大版を表示するには、こちらをクリックしてください。

2. fMRIのテストと分析

  1. 3Dでゲームプレイの前に各被験者のための構造的な画像を得る10分38秒の全走査時間と、傾斜エコーシーケンス（SPGR）（124スライス、256×256、= 220ミリメートル視野を）台無し。
  2. エコープラナー（EPI）T2 *強調グラディエントエコーシーケンスのために、以下の設定を使用して、スキャン中に機能的磁気共鳴画像を取得します。時間のエコー= 51ミリ秒、繰り返し時間= 3秒、フリップ角= 83°です。 192 X 192ミリメートルフィールド：以下の寸法で脳の27の連続した​​軸方向のスライス画像を取得します1.56 X 1.56ミリメートルと4.5ミリメートルのz軸解像度の合計解像度は128×128のグリッドを持つビューの。
  3. 上記のパラダイムを使用したが、モーションアーチファクトを低減するだけで左右の矢印キーを使用してゲームをプレイするために被験者に指示します。
  4. MATLAB 7.0で実装さSPM8 5を用いて分析したfMRI BOLD信号を実行します。
    1. T2 *緩和アーティファクトを最小限にするためにEPIシリーズの最初の10秒を破棄し、機能的なデータは、最小二乗6パラメータ「剛体」空間変換を介して補正した動きです。
    2. 8ミリメートルの半値幅（FWHM）のガウスカーネルで空間平滑化に続いて2ミリメートル3分解能を有するMNI（モントリオール神経研究所）テンプレートに再整列EPIスキャンを正規化します。
    3. 休止状態と比較し、アクティブ状態（DDR）を比較するための統計的パラメトリックマップを作成するために、一般的な線形モデル（GLM）を使用して、対象レベルの統計分析を行います。
    4. 標準的な統計パラメトリックマッピング（SPM）は、第2レベルのランダム効果的なアプローチを使用して、個々の結果を基分析を実行します。 p <0.01および100ボクセルのクラスターサイズの閾値の閾値とグループ解析結果に基づいて注目領域を取得します。
    5. WFU PickAtlasツール13,14から得られた機能クラスタとスーペリア、中側頭回の解剖学的なマスクと併せて、として関心領域を定義します。

3. fNIRSのセットアップとデータ取得

  1. 3×5のアレイに配置されたオプトードからのデータを記録するために、22チャンネルのfNIRSのトポグラフィ装置を使用してください。各光源-検出器ペアの間オプトード距離は3センチメートル（ 図3A、B）です。
    1. オリエントそれは左側頭葉に左前頭前皮質から並ぶように光センサのアレイを含む弾性キャップ（ 図3A、B）。最下段にあるオプトードを確保最も前方の位置に国際10-10システム15のFPZの中央に配置されます。解剖学的FPZおよびT7との間の線と平行にオプトードの下位行の位置を合わせます。
  2. 被験者の頭部に光プローブアレイを締めて、それが確実にストラップとあごストラップを使用して接続されている保証します。光源-検出器ペアが頭にきついが、対象（ 図3C）に不快にならないように注意がヘッド面からのオプトードの変位に支払われるべきです。
  3. コンピュータグラフィックユーザーインターフェースを使用して、7.9 Hzでコンピュータにサンプル生アナログオプトード光源 - 検出器ペア光データを。

figure-protocol-3
図3：NIRSの録音のためのオプトードの設定（A）キャップが屈曲可能に連結されたプラスチックやHOを取り付けた弾性シートで構成されています。オプトードホルダを離間さlding 3センチメートル。ストラップは、それが頭にしっかりフィットできるようにするためにキャップに取り付けられています。キャップは、大きく、（黄色で示される）、3×5アレイは、この研究で使用されるよりも多くのオプトードを可能にするが、被検者の頭にしっかりと確保する必要があります。 （B）オプトードキャップと側頭葉左前頭前野の上に配置。左側頭葉に左前頭葉前部領域にわたって3×5アレイのカバレッジを提供する被験者の頭部のオプトードキャップの例。締付ストラップとヒゲで頭に固定キャップを示すキャップ内（C）オプトードの配置。 この図の拡大版を表示するには、こちらをクリックしてください。

  1. 記録の前に、製造業者によって提供されるシステム制御ソフトウェアを使用して雑音比テストおよびキャリブレーション信号強度と信号。検出される高いノイズの場合には、RemoveのオプトードとLED点灯し、プラスチック棒（ 図4）を使用してチャネルからの干渉の髪。

figure-protocol-4
図4：オプトード信号の最適化の髪は、最適な信号品質を保証するために、チャネル中央から髪を移動させるために照らされたプラスチックのツールを使用して、各チャンネルから移動されました。 この図の拡大版を表示するには、こちらをクリックしてください。

  1. 弾性キャップの各チャネルの源と検出器オプトードの場所の空間的な値を決定するために、3Dデジタル化のペンを使用してください。すぐにデータ収集とゲームプレイ（ 図5）前各被験者のナジオン、イニオン、耳介とのCzの空間座標を特定するために、デジタイザを使用してください。ソースにテキストフ​​ァイルを保存し、検出ファイルをorigin.txtするothers.txtおよび解剖学的座標に、または場所。

figure-protocol-5
図5：オプトード位置の校正磁気デジタル化ツールがオプトードチャンネルのヘッドと位置に10-20ランドマークの配置を決定するために使用した。 この図の拡大版を表示するには、こちらをクリックしてください。

  1. キャプチャされた3Dは、MATLAB 7.0内のNIRS-SPM 16,17（ 図6）内の登録オプションを使用して座標を処理します。 SPMのメインメニューから、スタンドアローンの空間登録を選択します。次の画面で、「3次元デジタイザで」を選択し、対応するダイアログを使用して、以前に保存した他の人と原点のテキストフ​​ァイルを選択します。ソフトウェアのダイアログから、「登録サンプルを選択nは空間表現を決定するために、「（NFRI関数を使用します）

figure-protocol-6
図6：NIRS校正データのサンプル出力は、デジタイザのデータは、脳の特定の領域におけるそれぞれのチャネルの確率を決定するために使用されました。この被験体におけるチャネル22は、上側頭回で中側頭回で0.4129、および0.47419の可能性を示しました。チャネルは、エミッタと検出器のペアの間の領域で定義されます。図中のチャネル22の周囲の円は、この被験体におけるオプトード対から記録された信号に寄与する面積の近似値を表す。 この図の拡大版を表示するには、こちらをクリックしてください。

  1. すべてのオプトードチャンネル位置はデジタル化され、各チャネルはSを提供する場合ufficient信号強度製造業者によって提供されるソフトウェアのインターフェイスのGUIに示されるように、立って、DDRテスト（ 図7A、B）の準備をするために被験者に依頼してください。

figure-protocol-7
図7：ダンスゲームのプレイ中にfNIRSデータ収集は、（A）被験者は、NIRS機につながれながら、標準的なダンスゲームマットの上にブロックパラダイムを使用してゲームをプレイするために立っています。 （B）被験者からリアルタイムで収集背景画面上の生データを示すデータ収集の代替ビュー。 この図の拡大版を表示するには、こちらをクリックしてください。

4. fNIRSデータ収集

  1. オプトードを記録fNIRSを設定する前に、簡単な紹介を有する被験者を提供ゲームプレイとfMRIのテストのように、ゲームに精通するための実践を可能にします。
  2. fNIRS試験のために、fMRIのために使用される唯一の左と右の矢印に比べアップ/ダウンの矢印を追加して機能的MRI検査のものと同一のパラダイムを使用しています。矢印プレスの総数はfMRIのとfNIRSタスク間だけパターンが異なる点に同一であることを確認してください。
  3. fNIRSテスト（ 図7A）の間、ゲームプレイのための標準的な4ボタンフロアマットボタン応答システムを使用してください。
  4. ゲームプレイの基礎で快適たら、ステップ1.2のように30秒の休憩時間に30秒のゲーム時間を再生するために被験者に指示します。各被験者で二回この5分間のゲームを繰り返します。
    1. 自分の顔や鼻、オプトード近く、特に自分の髪や頭に手を触れないように特別に被験者に指示します。ゲームプレイ中に自分の頭の回転、ヨールまたはピッチの動きを最小限にするために被験者に指示します。

5. fNIRSデータ解析

    にそれぞれΔoxyHb、ΔdeoxyHb、およびΔtotalHbとして酸素化ヘモグロビン（オキシHb）は、脱酸素化ヘモグロビン（デオキシヘモグロビン）、及び総ヘモグロビン（総Hb）は濃度変化を反映した相対的な信号を計算するように変更ランベルト·ベールのアプローチ18を使用以下の式を使って、任意の単位（μMのCM）：
    ΔoxyHb= -1.4887ΔABS780 + 0.5970×ΔABS805 + 1.4847×ΔABS830×
    ΔABS830×ΔABS805 +（-1.0947）×ΔdeoxyHb= 1.8545×ΔABS780 +（-0.2394）
    ΔtotalHb=ΔoxyHb+ΔdeoxyHb。
    どこΔABSは、対応する波長の光の吸収の変化を示しています。
  1. 25 回目のためのSavitzky-Golayのフィルターを通して個々の血行動態の信号の低域通過フィルタの生データと19平均。
  2. ゼロに設定発症と平均データにベースライン補正を適用します。
  3. 信号の標準偏差の平均値を除算することによって血行動態信号の振幅を正規化する前のタスクに10秒を記録しました。
  4. チャネル選択は、3Dデジタイザー情報に基づいて分析されます。ここでは、登録プロセスの出力に応じて）中間および上側頭回で80％以上の登録確率が分析のために利用するチャネルを使用しています。

のfMRIとfNIRS信号の6比較

  1. T> 2.6または対応するP値<0.01で超閾値ボクセルを決定するためにSPM8に結果関数を使用します。解剖学的領域内のクラスタを定義するために重複する超閾値ボクセルを使用して、関心領域（ROI）を決定します。
    1. この場合、WFUピックアトラスに含まれるAALアトラスを使用して、優れたし、中側頭回を定義します。 THIでsの場合は、結果のクラスタは、572 2×2×2mmの座標でピークボクセルと中側頭回に位置するボクセル（-66、-24、0）とピークT = 5.73 fNIRSを持っています。
  2. 上記のステップ3.5.1でNIRS-SPMを使用して座標MNIに変換され、3Dデジタル化された座標を使用して、fNIRSデータから関心のあるチャネルを決定します。この場合、ほとんどの被験者でチャンネル22は、ステップ6.1で定義されたROI内のアクティビティの最も高い確率を持っていました。
  3. 60秒のブロック（アクティブ残り、複合）の期間中、fNIRSでfMRIのためのROI内の平均、イベントトリガー応答と対応するチャネルを決定します。
  4. 各被験者について、fMRIのイベントは平均データをトリガ生成するには、クラスタ内のボクセルのための血液酸素レベル依存（BOLD）生信号を平均化します。
  5. 回帰法は、股関節てb値を求めるのfMRI、*最適fNIRSの= bを用いて線形回帰を用いて、fNIRSデータに一致するようにfMRIのデータをスケーリングすることによってのfMRIとfNIRS比較ルートトンfNIRS -b *のfMRIが最小化されているの二乗平均値。
  6. 二つのグループの相関でfNIRSとfMRIの信号を比較します。

結果

実験の結果は、機能的磁気共鳴画像法（fMRI）を用いて、優れたミドル時間的脳回に統合センターから得られた活性官能近赤外分光法と高い相関を有することを示す（fNIRS）信号は、タスクの自然のバージョンで同じ領域を形成します。 図8は、fMRIのスキャン手順（青のトレース）とfNIRSプロトコル（赤線）から26科目から16科目からの正規化し、平均生データを示しています。データは、時間0での固定された、ゲームの相互作用の活性相は、グラフ（標識されたタスク）の最初の30秒で開催されました。垂直の破線は、タスク、残りフェーズの開始で赤色の背景に緑の推移を示している（残りとして示される）の両方のデータセットは、に見られる増加変動と休息相で活動期と衰退における応答の増加を示しますfMRIの信号。比較は、最初のREGによってトレースの間で行われました2つのトレースの間の二乗差平均平方根を最小限に抑えるためのfMRI信号をressing。二つの信号の間に得られた相関係数は0.78であり、相関のためのp値は0.03でした。

図9は、一人の被験者からの重畳されたチャネルの場所でレンダリング脳を表します。チャンネル1と22からの平均トレースはオキシヘモグロビンの信号を表す実線で示され、デオキシヘモグロビン信号を表す破線されています。赤と青のトレースはそれぞれ、ゲームプレイ、音楽、音楽以外の2つのバリエーションを表します。チャネル1からの信号は、関心領域と比較する制御例として機能します。これら二つの領域の信号は、タスク応答に関して異なります。

figure-results-1
図8：中側頭回からfNIRSとfMRIの信号間の相関fNIRS。（赤）とのfMRIは（青）信号は、斜線のエッジによって表される各基±SEMのために示されています。両者間の回帰係数は0.78です。 P = 0.03。インサートは、クラスタサイズ= 571、ピークT = 5.73で（0、-24、-66）を座標MNIにピーク活性とfMRIの中の活動から求めたROIのレンダリングを示している。 の拡大版を表示するには、こちらをクリックしてくださいこの図。

figure-results-2
図9：時間的および前頭葉の信号の違い ΔoxyHb（実線）とΔdeoxyHb（点線）音楽の二つの条件」を示すダンスゲームの二つの一試験から一人の被験者の応答（赤）の時間経過。 「と」は音楽（青）」の条件。この図は、小野らから変更されています。 10。

ディスカッション

fNIRSは、自然活動の神経相関の調査を可能にすることを約束してい脳機能イメージング技術です。これらの技術の開発が活発な研究方向です。ここではダンスビデオゲームへの参加に関連した関心のある単一の領域で機能的脳活動を記録するために有効であった方法論の概要を説明します。

fNIRSと運動学習のパラダイムを調査、多くの刊行物は、同時に、脳の複数の領域20,21に機能活性を記録することができる日立、島津（他のものと同様）からマルチチャンネルfNIRS単位の導入により、近年急速に増加しています。我々は、fNIRS信号の解剖学的な特異性を決定すること、ならびに信号のタイミングおよび振幅の変化は運動課題の行動の性能に貢献する方法を決定するために信号を使用することが可能であることが以前に示されています 11。ジャーナル脳画像の最近の特別な問題はNIRS技術の現在のアプリケーションに焦点を当てたと運動学習22に固有の多くの研究が含まれています。でもNIRS技術におけるこの雪だるま式に関心を持って、いくつかの研究は、fMRIので検証自然行動の神経機構に焦点を当てています。この特集号と多数の他の出版物23〜26は、明らかに、モータの動作を研究する上でfNIRSの将来の役割を概説しているが、ここで説明するプロトコルは、自然な行動からのfMRIとfNIRSデータを比較するための均一な方法論を検証するために開発されました。

結果は、側頭葉の積分領域におけるfNIRSとfMRIの信号のためのグループの間に高い相関関係を示し、信号間の相関は、インラインでの同時のfMRI / fNIRS研究3で前に示したものとなる。 図9は、でそのfNIRS活性を示し、側頭葉は、自然のウィットだけでなく皮質であります時間差は、オキシとdeoxyHb吸光度をchromoforeだけでなく、側頭葉でその活動は前頭葉に見られるものとは全く異なるのは、側頭葉でのfMRIの活性と相関しません。我々は、データが2つの技術の間で比較することを可能にする研究のいくつかの重要な側面を強調しています。まず、オプトード位置のキャリブレーションは、皮質の解剖学的構造と結果の解釈を確認するのに重要な戦略として概説しました。我々は、ソフトウェアとハ​​ードウェアに加えられた変更は、私たちは、両方の手順に強い皮質応答を得るために最適化されたブロック設計プロトコルで私たちのパラダイムを同期することができました。また、信号対雑音比（オプトード面から脱毛）および運動と顔刺激（対象者が具体的に自分の頭や顔に触れないように指示された）を含む成果物の削減に高信号を確保するために重要な戦略の概要を説明します。

これらの結果と以前の研究の結果は、/ FM同時fNIRSを調査します理論的には1-3の予測としてRIイメージング手順は、信号間の高い相関関係を確認します。ここに提示されたデータの解釈の一つの制限は、我々はそれが高密度記録を使用して、個々のチャネルのデータの解像度を向上させることが可能であることを示すNIRS記録の最適化における新しい技術を利用することができなかったということです。この高密度化技術はまた、皮質NIRS信号から血圧、心拍数および他の全身変数6,7,28からアーチファクトを除去する他の技術に加えて、27浅成分を分離するために使用されています。また、プローブの配置が示されており、クロマ選択は、高い信号対雑音比の場合に効果的に使用することができる偽陽性29とNIRS信号の適応フィルタリングを制御するために使用することができます。我々はブロックデザイン10,11に提示パラダイムと商業NIRSシステムを使用して、ここで、以前に採用しているタスク大きな信号でデータを生産しているし、信号間の類似性を示すために、さらなる分析技術やハードウェアを必要としていません。しかし、ここに提示したデータは、NIRS信号処理におけるこれらおよび他の技術の使用によって、さらに向上させることができることが可能です。

機能NIRSの現在の方法論は、fMRIのスキャンの必要性を置き換えることはありません。ここで示唆されるようではなく、（EEGなどに加えて）2つの撮像手順は、お互いを補完するために使用することができます。 fMRIのスキャンのために禁忌である個人のグループの場合は、fNIRSは、パーキンソン病を持つ個人のための転倒リスクの予防プログラムなどの研修プログラムの利点を確認する唯一の実行可能な技術を証明することができます。また、fNIRSはまた、MRスキャンを介して提供解剖学的詳細に情報を追加するために使用することができ、将来の方向の数を持っています。高密度オプトードの配置と増加オプトードが高く得られます接続および主成分分析のために使用されるだけでなく、BOLD信号モデリングの精度を向上させることができる時間分解能。

開示事項

この記事の公開手数料をS himadzuが主催されています。

謝辞

この研究は、以下の資金源によって部分的にサポートされていました：JSPS費補助金基盤研究（C）25350642（AT）のため、中山隼雄科学技術文化財財団（SS＆YO）、およびAからの研究助成金を健康ゲーム研究はロバート·ウッド·ジョンソン財団（助成＃66729）（SB＆JAN）から付与します。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
装置
Shimadzu OMM-3000figure-materials-1 Shimadzu本研究で使用されたOMM-3000は、LABNIRSに置き換えられています
Polhemus Patriot 3D Digitizerfigure-materials-2 Polhemus
GE Twin-Speed 1.5T MRI scannerfigure-materials-3 General ElectricTwin-Speed 1.5 Tスキャナーは廃止されました。この手順を再現するために、いくつかの新しいスキャナーが利用可能です
ソフトウェア
Stepmaniafigure-materials-4 Stepmania
Matlabfigure-materials-5 MathWorks
NIRS-SPMfigure-materials-6 BISPL
WFU Pick Atlasfigure-materials-7 ANSIR

参考文献

  1. Heinzel, S., et al. Variability of (functional) hemodynamics as measured with simultaneous fNIRS and fMRI during intertemporal choice. NeuroImage. 71, 125-134 (2013).
  2. Cui, X., Bray, S., Bryant, D. M., Glover, G. H., Reiss, A. L. A quantitative comparison of NIRS and fMRI across multiple cognitive tasks. Neuroimage. 54, 2808-2821 (2011).
  3. Sato, H., et al. A NIRS–fMRI investigation of prefrontal cortex activity during a working memory task. Neuroimage. 83, 158-173 (2013).
  4. Piper, S. K., et al. A wearable multi-channel fNIRS system for brain imaging in freely moving subjects. NeuroImage. 85 (Part 1), 64-71 (2014).
  5. Funane, T., et al. Quantitative evaluation of deep and shallow tissue layers' contribution to fNIRS signal using multi-distance optodes and independent component analysis). NeuroImage. 85 (Part 1), 150-165 (2014).
  6. Tachtsidis, I., et al. Ch. 46. Oxygen Transport to Tissue XXX Vol. 645 Advances in Experimental Medicine and Biology. Liss, P., Hansell, P., Bruley, D. F., Harrison, D. K. , Springer. New York, NY. 307-314 (2009).
  7. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage. 85 (Part 1), 6-27 (2014).
  8. Saager, R., Berger, A. Measurement of layer-like hemodynamic trends in scalp and cortex: implications for physiological baseline suppression in functional near-infrared spectroscopy). Journal Of Biomedical Optics. 13 (3), 034017-034017 (2008).
  9. Takahashi, T., et al. Influence of skin blood flow on near-infrared spectroscopy signals measured on the forehead during a verbal fluency task. Neuroimage. 57, 991-1002 (2011).
  10. Ono, Y., et al. Frontotemporal oxyhemoglobin dynamics predict performance accuracy of dance simulation gameplay: Temporal characteristics of top-down and bottom-up cortical activities. NeuroImage. 85, 461-470 (2014).
  11. Tachibana, A., Noah, J. A., Bronner, S., Ono, Y., Onozuka, M. Parietal and temporal activity during a multimodal dance video game: an fNIRS study. Neuroscience Letters. 503 (2), 125-130 (2011).
  12. Annual Society for Neuroscience Conference. Noah, J., Tachibana, A., Bronner, S. 2010 Nov 13-17, San Diego, CA, , (2010).
  13. Maldjian, J. A., Laurienti, P. J., Burdette, J. H. Precentral gyrus discrepancy in electronic versions of the Talairach atlas. Neuroimage. 21, 450-455 (2004).
  14. Maldjian, J. A., Laurienti, P. J., Kraft, R. A., Burdette, J. H. An automated method for neuroanatomic and cytoarchitectonic atlas-based interrogation of fMRI data sets. Neuroimage. 19, 1233-1239 (2003).
  15. Chatrian, G. E., Lettich, E., Nelson, P. L. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activity. Am J EEG Technol. 25, 83-92 (1985).
  16. Okamoto, M., Dan, I. Automated cortical projection of head-surface locations for transcranial functional brain mapping. Neuroimage. 26, 18-28 (2005).
  17. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM statistical parametric mapping for near-infrared spectroscopy. Neuroimage. 44, 428-447 (2009).
  18. Cope, M., Delpy, D. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  19. Savitzky, A., Golay, M. J. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry. 36 (8), 1627-1639 (1964).
  20. Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. 21, 1275-1288 (2004).
  21. Suzuki, M., et al. Prefrontal and premotor cortices are involved in adapting walking and running speed on the treadmill: an optical imaging study. Neuroimage. 23, 1020-1026 (2004).
  22. Boas, D. A., Elwell, C. E., Ferrari, M., Taga, G. Twenty years of functional near-infrared spectroscopy: introduction for the special issue. NeuroImage. 85, 1-5 (2014).
  23. Holtzer, R., et al. fNIRS study of walking and walking while talking in young and old individuals. The Journals of Gerontology Series A: Biological Sciences and Medical Sciences. 66 (8), 879-887 (2011).
  24. Suzuki, M., Miyai, I., Ono, T., Kubota, K. Activities in the frontal cortex and gait performance are modulated by preparation. An fNIRS study. Neuroimage. 39, 600-607 (2008).
  25. Shimada, S., Hiraki, K., Oda, I. The parietal role in the sense of self-ownership with temporal discrepancy between visual and proprioceptive feedbacks. Neuroimage. 24, 1225-1232 (2005).
  26. Matsuda, G., Hiraki, K. Sustained decrease in oxygenated hemoglobin during video games in the dorsal prefrontal cortex: a NIRS study of children. Neuroimage. 29, 706-711 (2006).
  27. Gregg, N. M., White, B. R., Zeff, B. W., Berger, A. J., Culver, J. P. Brain specificity of diffuse optical imaging: improvements from superficial signal regression and tomography. Frontiers in Neuroenergetics. 2, 14(2010).
  28. Kirilina, E., et al. The physiological origin of task-evoked systemic artefacts in functional near infrared spectroscopy. Neuroimage. 61, 70-81 (2012).
  29. Strangman, G., Franceschini, M. A., Boas, D. A. Factors affecting the accuracy of near-infrared spectroscopy concentration calculations for focal changes in oxygenation parameters. NeuroImage. 18, 865-879 (2003).

再版と許可

タグ

ダンスダンスレボリューション機能的近赤外分光法機能的磁気共鳴画像法上側頭回中側頭回オキシヘモグロビン信号脳活動比較
自然主義タスク中fNIRS計測のfMRIの検証
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。