Name: 만성 뇌졸중의 상지 손상의 바이오마커로서의 뇌파 네트워크 지표 (동영상) | JoVE Journal
Uploaded: 2023-07-14T14:00:00.000+00:00
Duration: 6 min 37 s
Description: 배우세요 뇌졸중 환자의 상지 운동 중 뇌파 신호 분석 프로토콜을 통해 운동 장애와 회복의 생체지표를 평가하는 방법입니다. 이 기법은 임상 재활 연구에서 신경생리학적 메커니즘을 이해하는 데 활용됩니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

이 연구는 한국연구재단(NRF)의 지원으로 이루어졌으며, 한국정부는 한국연구재단(National Research Foundation of Korea)의 지원금을 지원받았다. NRF-2022R1A2C1006046), 교육과학기술부 산하 한국연구재단(NRF)의 뇌과학 원천기술연구프로그램(2019M3C7A1031995), 한국연구재단(NRF) 국토교통부 지원금(제1호. NRF-2022R1A6A3A13053491), 정보통신기술기획평가원(IITP)의 주관으로 ITRC(정보기술연구센터) 지원 프로그램(IITP-2023-RS-2023-00258971)에 따라 과학기술정보통신부(MSIT)가 주관하고 있습니다.

모든 실험 절차는 분당서울대학교 부속병원 기관심의위원회의 검토 및 승인을 거쳤다. 이 연구의 실험을 위해 뇌졸중 환자 34명을 모집했습니다. 모든 참가자로부터 서명된 정보에 입각한 동의를 얻었습니다. 참가자가 기준을 충족했지만 장애로 인해 동의서에 서명할 수 없는 경우 법정 대리인으로부터 서명된 정보에 입각한 동의서를 받았습니다.
1. 실험 설정
<ol><li>환자 모집<ol><li>다음 포함 기준을 사용하여 심사 프로세스를 수행합니다. 상지 기능 장애가 있는 18세에서 85세 사이; 뇌 컴퓨터 단층 촬영 또는 자기 공명 영상으로 확인된 최초의 허혈성 또는 출혈성 뇌졸중; 임상 평가 및 EEG 연구에 대한 지침을 따를 수 있는 참가자의 능력; 뇌졸중을 제외한 다른 정신 질환 또는 신경 질환의 병력이 없습니다.</li>
		<li>다음을 기준으로 환자를 제외합니다. 중추 신경계와 관련된 이전 질병(예: 외상성 뇌 손상, 뇌종양, 파킨슨병); EEG 캡을 착용할 수 없음; 그리고 임상 평가 및 EEG 연구에 대한 지침을 따를 수 없음. 참고: 포함 및 제외 기준은 실험에 참여할 수 있는 참가자를 선택하고 결과에 영향을 미칠 수 있는 인구통계학적 요인을 규제하기 위해 선택되었습니다.</li>
		<li>모집된 모든 참가자에게 실험 절차의 세부 사항에 대한 정보를 제공합니다.</li>
	</ol></li>
	<li>실험 시스템: EEG<ol><li>32개의 Ag/AgCl 두피 전극, 섬유 EEG 캡 및 데이터 기록용 EEG 기록 소프트웨어로 구성된 EEG 시스템을 사용합니다.</li>
		<li>뇌파 기록 소프트웨어가 설치된 개인용 컴퓨터(PC)를 사용하고 블루투스를 통해 PC를 뇌파 장치에 연결합니다.</li>
		<li>엔지니어링을 위한 수치 해석 및 프로그래밍 소프트웨어 응용 프로그램이 있는 다른 PC를 사용하십시오( 재료 표 참조).</li>
		<li>자극 표현을 위해 PC를 전용 트리거 박스에 연결합니다(그림 1). 알림: 두 PC의 자세한 사양은 재료 표에 나와 있습니다.</li>
	</ol></li>
	<li>프로그래밍 소프트웨어를 기반으로 한 실험적 패러다임 참고: 참가자들은 영향을 받은 손과 영향을 받지 않은 손을 사용하여 손 확장 작업을 수행했으며, 그 동안 EEG 데이터가 측정되었습니다. 그림 2 는 본 연구의 실험적 패러다임을 보여준다.<ol><li>참가자가 눈을 감고 뜨는 동안 기준 휴식 상태 EEG 데이터를 측정하기 위해 모니터 중앙에 각각 30초 동안 두 개의 시각적 자극인 CLOSE 와 OPEN을 제시합니다. 알림: 휴지 상태 EEG 데이터는 원치 않는 생리학적 인공물에 의해 상대적으로 덜 오염되기 때문에 EEG 데이터의 품질을 확인하고 휴지 상태와 관련하여 개별 EEG 특성을 식별하는 데 유용합니다.</li>
		<li>참가자에게 손을 뻗는 동작을 지시하기 위해 3초 동안 손 모션 이미지를 제시한 다음 휴식을 위해 5초 동안 고정 표시를 합니다. 참고: 이 절차는 시험으로 간주되었으며 단일 세션에서 10번 반복되었습니다. 각 참가자는 각 핸드에 대해 4개의 세션을 거쳤습니다. 참가자는 과도한 피로를 방지하기 위해 각 세션을 수행한 후 원할 때마다 휴식을 취했습니다.</li>
	</ol></li>
</ol><img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/64753/64753fig01.jpg"> 그림 1: 장비 설정 개략도. 실험적 자극을 나타내는 PC(PC1)는 트리거 박스에 연결되었고, 다른 PC(PC2)는 EEG 증폭기에 연결되었습니다. PC1에서 생성된 자극 이벤트는 PC1에 연결된 트리거 박스를 통해 EEG 증폭기로 전달되었습니다. <a href="https://www.jove.com/files/ftp_upload/64753/64753fig01large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/64753/64753fig02.jpg"> 그림 2: 이 연구에서 사용된 실험 패러다임. 한 번의 시도는 3초의 손 뻗기 동작과 5초의 이완으로 구성되었습니다. 이 패턴은 단일 세션에서 10번 반복되었습니다. 총 8개의 세션이 수행되었습니다. 4개의 세션은 영향을 받은 손의 움직임과 관련이 있었고 나머지 4개의 세션은 영향을 받지 않은 손 움직임과 관련이 있었습니다. 이 그림은 Mary Ann Liebert, Inc.의 허가를 받아 Shim et al.17 에서 발췌한 것입니다. 이 <a href="https://www.jove.com/files/ftp_upload/64753/64753fig02large.jpg" target="_blank">그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
2. 움직임 관련 뇌파 데이터 기록
<ol><li>EEG 설정<ol><li>참가자를 모니터 앞의 편안한 안락의자에 앉힙니다. 알림: 눈의 피로를 방지하기 위해 참가자와 모니터 사이의 거리는 60cm 이상이어야 합니다. 그러나 과도한 거리(예: &gt;150cm)는 참가자의 집중력을 방해할 수 있으므로 피해야 합니다.</li>
		<li>EEG 측정용 캡을 정확하게 착용하려면 nasion과 inion을 연결하는 세로선과 양쪽 귓바퀴의 상부를 연결하는 가로선의 교차점을 사용하여 국제 10-20 시스템을 기반으로 Cz 위치를 정의합니다. 알림: EEG 측정 장비에 따라 EEG 캡이 필요하지 않을 수 있습니다. 이러한 경우, 뇌파 전극은 국제 10-20 시스템(15)에 따라 두피에 직접 부착된다.</li>
		<li>정확한 EEG 측정을 위해 참가자의 머리 크기에 따라 적절한 크기의 EEG 캡을 사용하고 Cz 전극 위치가 개별 Cz 위치에 위치하도록 배치합니다.</li>
		<li>턱끈을 적절하게 조여 고정하십시오. 이렇게 하면 참가자가 실험에서 삼키거나 눈을 깜빡이는 동안 불편함을 느끼지 않습니다. 그런 다음 EEG 캡의 T9 및 T10 전극 위치가 양쪽 귓바퀴 위의 측두엽 영역에 있고 EEG 캡의 Fpz 전극 위치가 이마 중앙에 있는지 확인합니다. 알림: 해당 전극이 지정된 위치를 벗어나면 캡을 교체하는 것이 좋습니다. 본 연구에서는 세 가지 EEG 캡 크기(54cm: 소형, 56cm: 중형, 58cm: 대형)를 사용했습니다.</li>
		<li>EEG 캡을 올바르게 배치한 후 확장된 국제 10-10 시스템에 따라 32개의 Ag/AgCl 두피 전극을 두피에 부착하고 접지 및 기준 전극은 각각 Fpz 및 FCz에16개를 부착합니다. 알림: 기준 전극(FCz)의 위치는 두피의 중앙 영역(Cz) 주변에 위치하기 때문에 전기 안구 검사, 근전도 및 심전도와 같은 다양한 생리학적 인공물의 영향을 상대적으로 덜 받습니다.</li>
		<li>전도성 젤을 사용하여 뇌파 전극과 두피 사이의 임피던스 레벨을 조정하고 겔로 모발을 고정하여 뇌파 전극과 두피 사이에 막히지 않도록 합니다. 알림: 인접한 EEG 전극 사이에 겔 누출로 인해 브리지가 생성되었는지 확인하는 것이 중요합니다.</li>
		<li>EEG 기록에 소프트웨어를 사용하십시오.</li>
		<li>EEG 시스템을 켜고 Configuration을 실행합니다 &gt; Select Amp리퍼. Liveamp &gt; &gt; 앰프를 선택하여 연결&gt;. Live를 검색합니다.amp 무선 연결 기능(그림 3).</li>
		<li>Impedance check 기능을 실행하여 각 전극의 임피던스 레벨을 모니터링합니다. 참고: &lt;20KΩ의 임피던스 레벨로 실험을 수행하는 것이 좋습니다(그림 4).</li>
		<li>모니터링 기능을 실행하여 실시간 EEG 신호 모니터링을 통해 모든 전극의 EEG가 유사한 진폭 레벨을 갖는지 확인합니다(그림 5). 알림: EEG 신호의 진폭은 일반적으로 10μV에서 100μV 사이이며 눈을 감으면 후두부 주변에서 알파(8-12Hz) 전력이 증가합니다. 따라서 EEG 데이터의 품질은 눈을 감고 있는 동안 후두부 주변 채널의 진폭 수준과 알파 진동을 모니터링하여 정성적으로 확인할 수 있습니다.</li>
	</ol></li>
	<li>패러다임 설정<ol><li>안정적인 EEG 데이터 수집을 위해 외부 자극을 표시하고 EEG 데이터를 기록하기 위해 두 개의 개별 PC를 사용하십시오( 그림 1 참조).</li>
		<li>참가자들에게 실험적 자극을 제시하기 위해 프로그래밍 소프트웨어(1.3단계에서 소개)를 사용하여 실험 패러다임을 기반으로 자극 프로그램을 만듭니다. 참고: 본 연구에서는 소프트웨어 기반의 자극 프로그램을 만들었으나, 실험에 사용된 뇌파 장비와의 호환성 및 사용자 편의성에 따라 다른 소프트웨어를 사용할 수 있다. 프로그래밍 소프트웨어 기반 자극 스크립트는 보충 파일 1 (Experimental_stimulus.m)에 제공된다. 자극의 시작점을 나타내는 이벤트 정보는 사내 프로그래밍 소프트웨어에 의해 생성되고, 트리거 박스를 통해 EEG 증폭기로 전송되며, 최종적으로 EEG 기록 소프트웨어로 전송됩니다(그림 1).</li>
		<li>모니터링 모드에서 실험적 자극을 제시하는 프로그램을 실행합니다(하위 단계 2.1.10 참조). 그런 다음 그림 6과 같이 자극이 나타날 때마다 EEG 기록 소프트웨어 하단에 이벤트 정보가 적시에 올바르게 표시되었는지 확인합니다. 참고: 시점에 대한 정보는 새로운 자극이 나타날 때마다 기록되며 이후 데이터 분할에 사용됩니다. 따라서 분석에서 신뢰할 수 없는 결과를 초래할 수 있는 부정확한 데이터 분할을 방지하기 위해 가능한 한 실험 이벤트의 정확한 시점을 얻는 것이 중요합니다.</li>
		<li>EEG 기록 소프트웨어를 시작한 다음 데이터 누락을 방지하기 위해 프로그래밍 소프트웨어를 사용하여 실험 패러다임을 기반으로 개발된 자극 프레젠테이션 프로그램을 독립적으로 실행합니다. 참고: 데이터 분석의 편의를 위해 데이터 저장에 대한 일관된 규칙(예: Sub1_Session1)을 사용하여 파일 이름을 만드는 것이 좋습니다.</li>
	</ol></li>
	<li>EEG 기록<ol><li>1,000단계에서 소개한 실험 패러다임에 따라 1.3Hz의 샘플링 속도로 EEG를 측정합니다. 참고: 샘플링 속도는 연구자가 조사하려는 EEG 주파수 범위에 따라 변경될 수 있습니다. 일반적으로 나이퀴스트 정리를 기반으로 ≤100Hz에서 EEG 정보를 조사할 수 있는 &gt;200Hz의 샘플링 속도를 사용하는 것이 좋습니다. 이는 대부분의 EEG 정보가 100Hz 미만에 존재하기 때문입니다.</li>
		<li>참가자 간에 가능한 한 동일한 실험 환경(예: 실험 장소, 장비, 실내 온도 등)을 유지하고 EEG 측정 중 불필요한 움직임을 최소화하도록 지도합니다.</li>
	</ol></li>
</ol><img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/64753/64753fig03.jpg"> 그림 3: EEG 기록 소프트웨어를 사용하여 EEG 증폭기와 PC 간의 무선 연결 절차. (A) 선택 ampliifier, (B) 연결 ampliifier, (C) 연결된 amp무선 연결을 위한 liifier, (D) 연결 완료. <a href="https://www.jove.com/files/ftp_upload/64753/64753fig03large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/64753/64753fig04.jpg"> 그림 4: 각 채널에 대한 임피던스 검사 절차. 안정적인 EEG 측정을 위해 모든 채널을 녹색으로 조정해야 합니다. 임피던스가 20KΩ 미만인 실험을 수행하는 것이 좋습니다. <a href="https://www.jove.com/files/ftp_upload/64753/64753fig04large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/64753/64753fig05.jpg"> 그림 5: 각 채널에 대한 실시간 데이터 모니터링 절차. 측정되는 모든 채널의 신호를 실시간으로 모니터링할 수 있으며 상단 표시줄의 옵션(빨간색 상자)을 사용하여 확대/축소할 수 있습니다. <a href="https://www.jove.com/files/ftp_upload/64753/64753fig05large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/64753/64753fig06.jpg"> 그림 6: 이벤트 정보 모니터링을 위한 스크린샷 빨간색 막대는 PC1에서 자극을 제공할 때마다 표시되는 이벤트 메이커를 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/64753/64753fig06large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
3. EEG 데이터 분석
참고: 이 연구는 연구 개념을 복제하기 위한 정확한 지침을 제공합니다. 따라서 분석 과정과 대표적인 결과에 대한 간략한 개요를 제공합니다. 자세한 프로세스 및 관련 결과는 선행 연구17에서 확인할 수 있다. 이는 Mary Ann Liebert, Inc.가 저작권이 있는 자료의 사용을 허가했음을 나타냅니다.
<ol><li>전처리<ol><li>EEG 데이터 전처리 소프트웨어18,19(재료 표 참조)에서 구현된 주성분 분석에 기초한 수학적 절차를 사용하여 원시 EEG 데이터에서 눈 관련 인공물을 제거합니다. 참고: 어떤 에포크가 눈에 띄는 아티팩트(± 100μV)를 나타내는 경우 전극에서 전처리 후에도 추가 분석에서 제외되었습니다. 표준 편차를 포함하여 거부된 Epoch의 평균 수는 영향을 받는 손 움직임 작업의 경우 3.69 ± 7.15, 영향을 받지 않는 손 움직임 작업의 경우 1.62 ± 3.95였습니다.</li>
		<li>0.1Hz와 55Hz 사이의 대역통과 필터를 적용합니다. 작업 시작에 따라 각 시도에 대해 전처리된 EEG 데이터를 -1초에서 3.5초까지 분할하여 이벤트 관련 스펙트럼 섭동(ERSP) 및 기능적 네트워크 분석에 사용되는 기준 기간을 포함합니다.</li>
	</ol></li>
	<li>ERSP 분석 알림: 측정된 EEG 데이터는 자발적인 움직임과 관련된 낮은 베타 주파수 대역(12-20Hz)에 대한 ERSP 분석을 통해 검증되었습니다.<ol><li>EEG 스펙트럼 파워를 계산하기 위해 각 시행에 대해 단시간 푸리에 변환을 수행하고, 이를 위해 프로그래밍 소프트웨어에서 EEGLAB 툴박스의 newtimef 함수가20 (겹치지 않는 해닝 윈도우, 250ms 윈도우 크기)을 사용했습니다.</li>
		<li>기준 기간(-1초에서 0초)의 평균 검정력을 빼서 각 시행의 검정력 스펙트럼을 정규화하여 손 이동 작업과 기준 주기 사이의 스펙트럼 검정력 변화를 조사합니다.</li>
		<li>임상시험 전반에 걸쳐 정규화된 파워 스펙트럼의 평균을 구하여 각 환자에 대한 기준선 정규화된 ERSP 맵을 추정합니다.</li>
	</ol></li>
	<li>기능적 네트워크 분석 참고: 뇌 네트워크 관점에서 EEG 변화를 조사하기 위해 기능적 네트워크 분석을 수행했습니다. 그래프 이론에 기초하여 가중 전뇌 신경망 지수를 계산하기 위해, 먼저 위상 고정 값(PLV)을 사용하여 서로 다른 영역 간의 뇌 연결성을 계산하였다. 그런 다음 PLV 기반 연결성 분석의 결과를 사용하여 기능적 연결성 매트릭스를 계산하고, 이어서 전뇌 네트워크 인덱스(17)를 계산하는데 사용하였다. 모든 기능적 네트워크 분석은 프로그래밍 소프트웨어를 사용하여 수행되었습니다.<ol><li>사내 함수 21,22를 사용하여 낮은 베타 주파수 대역(12-20Hz)에 대한 힐베르트 변환 기반 위상 잠금 값(PLV)을 계산합니다. 힐베르트 변환 기반 PLV를 계산하기 위한 사내 함수는 보충 파일 2(myPLV.m)에 나와 있습니다.</li>
		<li>작업 기간(0-3.5초) 동안 각 시점에서 32개의 EEG 전극의 가능한 모든 쌍 간의 PLV를 평가하고 작업 기간 동안 PLV의 평균을 구하여 대칭 인접 행렬(32 x 32, 전극 수 = 32)을 생성합니다. PLV 행렬을 네트워크 분석을 위한 입력 데이터로 사용17,23.</li>
		<li>Brain Connectivity Toolbox(https://sites.google.com/site/bctnet)를 사용하여 그래프 이론을 기반으로 (1) 강도, (2) 군집화 계수, (3) 경로 길이, (4) 작은 세계성 17,24,25의 네 가지 가중 전역 수준 네트워크 지수를 평가합니다.</li>
	</ol></li>
</ol>

<ol><li>Faria-Fortini, I., Michaelsen, S. M., Cassiano, J. G., Teixeira-Salmela, L. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Upper+extremity+function+in+stroke+subjects%3A+Relationships+between+the+international+classification+of+functioning%2C+disability%2C+and+health+domains%5BTitle%5D)+AND+%22Journal+of+Hand+Therapy%22%5BJournal%5D)">Upper extremity function in stroke subjects: Relationships between the international classification of functioning, disability, and health domains.</a> Journal of Hand Therapy. 24 (3), 257-265 (2011).</li>
<li>Veerbeek, J. M., Kwakkel, G., van Wegen, E. E., Ket, J. C., Heymans, M. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Early+prediction+of+outcome+of+activities+of+daily+living+after+stroke%3A+a+systematic+review%5BTitle%5D)+AND+%22Stroke%22%5BJournal%5D)">Early prediction of outcome of activities of daily living after stroke: a systematic review.</a> Stroke. 42 (5), 1482-1488 (2011).</li>
<li>Babiloni, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+movement-related+potentials+vs+desynchronization+of+EEG+alpha+rhythm%3A+a+high-resolution+EEG+study%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Human movement-related potentials vs desynchronization of EEG alpha rhythm: a high-resolution EEG study.</a> Neuroimage. 10 (6), 658-665 (1999).</li>
<li>Giaquinto, S., Cobianchi, A., Macera, F., Nolfe, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+recordings+in+the+course+of+recovery+from+stroke%5BTitle%5D)+AND+%22Stroke%22%5BJournal%5D)">EEG recordings in the course of recovery from stroke.</a> Stroke. 25 (11), 2204-2209 (1994).</li>
<li>Bartur, G., Pratt, H., Soroker, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Changes+in+mu+and+beta+amplitude+of+the+EEG+during+upper+limb+movement+correlate+with+motor+impairment+and+structural+damage+in+subacute+stroke%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Changes in mu and beta amplitude of the EEG during upper limb movement correlate with motor impairment and structural damage in subacute stroke.</a> Clinical Neurophysiology. 130 (9), 1644-1651 (2019).</li>
<li>Boyd, L. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biomarkers+of+stroke+recovery%3A+Consensus-based+core+recommendations+from+the+Stroke+Recovery+and+Rehabilitation+Roundtable%5BTitle%5D)+AND+%22International+Journal+of+Stroke%22%5BJournal%5D)">Biomarkers of stroke recovery: Consensus-based core recommendations from the Stroke Recovery and Rehabilitation Roundtable.</a> International Journal of Stroke. 12 (5), 480-493 (2017).</li>
<li>Thibaut, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+brain+oscillations+and+corticospinal+excitability+to+understand+and+predict+post-stroke+motor+function%5BTitle%5D)+AND+%22Frontiers+in+Neurology%22%5BJournal%5D)">Using brain oscillations and corticospinal excitability to understand and predict post-stroke motor function.</a> Frontiers in Neurology. 8, 187(2017).</li>
<li>Caliandro, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Small-world+characteristics+of+cortical+connectivity+changes+in+acute+stroke%5BTitle%5D)+AND+%22Neurorehabilitation+and+Neural+Repair%22%5BJournal%5D)">Small-world characteristics of cortical connectivity changes in acute stroke.</a> Neurorehabilitation and Neural Repair. 31 (1), 81-94 (2017).</li>
<li>Saes, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+Resting-state+EEG+longitudinally+associated+with+recovery+of+clinical+neurological+impairments+early+poststroke%3F+A+prospective+cohort+study%5BTitle%5D)+AND+%22Neurorehabilitation+and+Neural+Repair%22%5BJournal%5D)">Is Resting-state EEG longitudinally associated with recovery of clinical neurological impairments early poststroke? A prospective cohort study.</a> Neurorehabilitation and Neural Repair. 34 (5), 389-402 (2020).</li>
<li>Vecchio, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+connectivity+from+EEG+data+in+acute+stroke%3A+A+study+via+graph+theory+as+a+potential+biomarker+for+functional+recovery%5BTitle%5D)+AND+%22International+Journal+of+Psychophysiology%22%5BJournal%5D)">Cortical connectivity from EEG data in acute stroke: A study via graph theory as a potential biomarker for functional recovery.</a> International Journal of Psychophysiology. 146, 133-138 (2019).</li>
<li>Ang, K. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+randomized+controlled+trial+of+EEG-based+motor+imagery+brain-computer+interface+robotic+rehabilitation+for+stroke%5BTitle%5D)+AND+%22Clinical+EEG+and+Neuroscience%22%5BJournal%5D)">A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke.</a> Clinical EEG and Neuroscience. 46 (4), 310-320 (2015).</li>
<li>Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., Zhao, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+review+of+EEG-based+brain-computer+interface+paradigms%5BTitle%5D)+AND+%22Journal+of+Neural+Engineering%22%5BJournal%5D)">A comprehensive review of EEG-based brain-computer interface paradigms.</a> Journal of Neural Engineering. 16 (1), 011001(2019).</li>
<li>Antelis, J. M., Montesano, L., Ramos-Murguialday, A., Birbaumer, N., Minguez, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+upper+limb+movement+attempt+from+EEG+measurements+of+the+contralesional+motor+cortex+in+chronic+stroke+patients%5BTitle%5D)+AND+%22IEEE+Transactions+on+Biomedical+Engineering%22%5BJournal%5D)">Decoding upper limb movement attempt from EEG measurements of the contralesional motor cortex in chronic stroke patients.</a> IEEE Transactions on Biomedical Engineering. 64 (1), 99-111 (2017).</li>
<li>Lee, M. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+dataset+and+OpenBMI+toolbox+for+three+BCI+paradigms%3A+an+investigation+into+BCI+illiteracy%5BTitle%5D)+AND+%22Gigascience%22%5BJournal%5D)">EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy.</a> Gigascience. 8 (5), giz002(2019).</li>
<li>Jasper, H. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Report+of+the+committee+on+methods+of+clinical+examination+in+electroencephalography%3A+1957%5BTitle%5D)+AND+%22Electroencephalography+and+Clinical+Neurophysiology%22%5BJournal%5D)">Report of the committee on methods of clinical examination in electroencephalography: 1957.</a> Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).</li>
<li>Chatrian, G. E., Lettich, E., Nelson, P. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ten+percent+electrode+system+for+topographic+studies+of+spontaneous+and+evoked+EEG+activities%5BTitle%5D)+AND+%22American+Journal+of+EEG+technology%22%5BJournal%5D)">Ten percent electrode system for topographic studies of spontaneous and evoked EEG activities.</a> American Journal of EEG technology. 25 (2), 83-92 (1985).</li>
<li>Shim, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+functional+networks+of+alpha+and+low-beta+bands+during+upper+limb+movement+and+association+with+motor+impairment+in+chronic+stroke%5BTitle%5D)+AND+%22Brain+Connectivity%22%5BJournal%5D)">Altered functional networks of alpha and low-beta bands during upper limb movement and association with motor impairment in chronic stroke.</a> Brain Connectivity. , (2021).</li>
<li>Semlitsch, H. V., Anderer, P., Schuster, P., Presslich, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+solution+for+reliable+and+valid+reduction+of+ocular+artifacts%2C+applied+to+the+P300+ERP%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">A solution for reliable and valid reduction of ocular artifacts, applied to the P300 ERP.</a> Psychophysiology. 23 (6), 695-703 (1986).</li>
<li>Kim, Y. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Riemannian+classifier+enhances+the+accuracy+of+machine-learning-based+diagnosis+of+PTSD+using+resting+EEG%5BTitle%5D)+AND+%22Progress+in+Neuropsychopharmacology+%26+Biological+Psychiatry%22%5BJournal%5D)">Riemannian classifier enhances the accuracy of machine-learning-based diagnosis of PTSD using resting EEG.</a> Progress in Neuropsychopharmacology & Biological Psychiatry. 102, 109960(2020).</li>
<li>Griffin, D., Lim, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Signal+estimation+from+modified+short-time+Fourier+transform%5BTitle%5D)+AND+%22IEEE+Transactions+on+Acoustics%2C+Speech%2C+and+Signal+Processing%22%5BJournal%5D)">Signal estimation from modified short-time Fourier transform.</a> IEEE Transactions on Acoustics, Speech, and Signal Processing. 32 (2), 236-243 (1984).</li>
<li>Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+phase+synchrony+in+brain+signals%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Measuring phase synchrony in brain signals.</a> Human Brain Mapping. 8 (4), 194-208 (1999).</li>
<li>Shim, M., Kim, D. W., Lee, S. H., Im, C. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Disruptions+in+small-world+cortical+functional+connectivity+network+during+an+auditory+oddball+paradigm+task+in+patients+with+schizophrenia%5BTitle%5D)+AND+%22Schizophrenia+Research%22%5BJournal%5D)">Disruptions in small-world cortical functional connectivity network during an auditory oddball paradigm task in patients with schizophrenia.</a> Schizophrenia Research. 156 (2-3), 197-203 (2014).</li>
<li>Shim, M., Hwang, H. J., Lee, S. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+functional+cortical+networks+in+the+theta+frequency+band+of+patients+with+post-traumatic+stress+disorder+during+auditory-cognitive+processing%5BTitle%5D)+AND+%22Frontiers+in+Psychiatry%22%5BJournal%5D)">Impaired functional cortical networks in the theta frequency band of patients with post-traumatic stress disorder during auditory-cognitive processing.</a> Frontiers in Psychiatry. 13, 811766(2022).</li>
<li>Bassett, D. S., Bullmore, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Small-world+brain+networks%5BTitle%5D)+AND+%22Neuroscientist%22%5BJournal%5D)">Small-world brain networks.</a> Neuroscientist. 12 (6), 512-523 (2006).</li>
<li>Rubinov, M., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Complex+network+measures+of+brain+connectivity%3A+uses+and+interpretations%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Complex network measures of brain connectivity: uses and interpretations.</a> Neuroimage. 52 (3), 1059-1069 (2010).</li>
<li>Shiner, C. T., Tang, H., Johnson, B. W., McNulty, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+beta+oscillations+and+motor+thresholds+differ+across+the+spectrum+of+post-stroke+motor+impairment%2C+a+preliminary+MEG+and+TMS+study%5BTitle%5D)+AND+%22Brain+Research%22%5BJournal%5D)">Cortical beta oscillations and motor thresholds differ across the spectrum of post-stroke motor impairment, a preliminary MEG and TMS study.</a> Brain Research. 1629, 26-37 (2015).</li>
<li>López-Larraz, E., Sarasola-Sanz, A., Irastorza-Landa, N., Birbaumer, N., Ramos-Murguialday, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain-machine+interfaces+for+rehabilitation+in+stroke%3A+A+review%5BTitle%5D)+AND+%22NeuroRehabilitation%22%5BJournal%5D)">Brain-machine interfaces for rehabilitation in stroke: A review.</a> NeuroRehabilitation. 43 (1), 77-97 (2018).</li>
<li>Fong, K. N., Chan, C. C., Au, D. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relationship+of+motor+and+cognitive+abilities+to+functional+performance+in+stroke+rehabilitation%5BTitle%5D)+AND+%22Brain+Injury%22%5BJournal%5D)">Relationship of motor and cognitive abilities to functional performance in stroke rehabilitation.</a> Brain Injury. 15 (5), 443-453 (2001).</li>
<li>Vecchio, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+cerebellar+stroke+and+middle+cerebral+artery+stroke+exert+distinctive+modifications+on+functional+cortical+connectivity%3A+A+comparative+study+via+EEG+graph+theory%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Acute cerebellar stroke and middle cerebral artery stroke exert distinctive modifications on functional cortical connectivity: A comparative study via EEG graph theory.</a> Clinical Neurophysiology. 130 (6), 997-1007 (2019).</li>
<li>Hwang, H. J., Kwon, K., Im, C. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neurofeedback-based+motor+imagery+training+for+brain-computer+interface+%28BCI%29%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Neurofeedback-based motor imagery training for brain-computer interface (BCI).</a> Journal of Neuroscience Methods. 179 (1), 150-156 (2009).</li>
<li>Park, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+feature+extraction+methods+for+EEG-based+brain-computer+interfaces+in+terms+of+robustness+to+slight+changes+in+electrode+locations%5BTitle%5D)+AND+%22Medical+%26+Biological+Engineering+%26+Computing%22%5BJournal%5D)">Evaluation of feature extraction methods for EEG-based brain-computer interfaces in terms of robustness to slight changes in electrode locations.</a> Medical & Biological Engineering & Computing. 51 (5), 571-579 (2013).</li>
</ol>

MS, NJP, WSK 및 HJH는 "운동 장애와 관련된 정보 제공 방법 및 이에 사용되는 장치"라는 제목의 특허 출원 중(번호 10-2022-0007841)을 보유하고 있습니다.

이 연구는 뇌졸중 환자의 상지 운동 관련 신경 활동을 측정하기 위한 EEG 실험을 도입했습니다. EEG의 획득 및 분석의 실험 패러다임과 방법은 ipsilesional 및 contralesional motor cortex의 ERD 패턴을 결정하기 위해 적용되었습니다. 
ERSP 맵의 결과(그림 7)는 손상된 손과 영향을 받지 않은 손을 움직일 때 신경 활성화 정도의 차이를 보여주었습니다. 결과는 이전 논문26,27의 결과와 일치했으며 실험 설정이 임상 연구 환경에서 구현할 수 있는 실현 가능한 방법임을 보여주었습니다.
과거 연구에서는 주로 휴지 상태 EEG 데이터를 사용하여 뇌졸중 환자의 변화된 신경 활동을 조사했습니다. 그러나 이 연구는 손의 움직임 중에 측정된 작업별 E...

상지 운동 장애는 뇌졸중의 가장 흔한 결과 중 하나이며 일상 생활 활동의 제한과 관련이 있습니다 1,2. 알파(8-13Hz) 및 베타(13-30Hz) 밴드 리듬은 움직임과 밀접한 관련이 있는 것으로 알려져 있습니다. 특히, 연구에 따르면 장애가 있는 사지의 움직임 중 알파 및 하위 베타(12-20Hz) 주파수 대역의 신경 활동 변화는 뇌졸중 환자의 운동 장애 정도와 상관관계가 있는 것으로 나타났습니다 3,4,5. 이러한 연구 결과를 바탕으로 뇌파 검사(EEG)는 운동 장애의 중증도와 운동 회복 가능성을 모두 반영하는 잠재적인 바이오마커로 부상했습니다 6,7. 그러나 이전에 개발된 EEG 기반 바이오마커는 작업 유도 EEG 데이터보다는 휴식 상태 EEG 데이터에 주로 의존하기 때문에 뇌졸중 환자의 운동 장애 특성을 조사하는 데 부적합한 것으로 판명되었습니다 8,9,10. 이층 반구와 반대 반구 사이의 상호 작용과 같은 운동 장애와 관련된 복잡한 정보 처리는 휴식 상태 EEG가 아닌 작업 유도 EEG 데이터를 통해서만 밝힐 수 있습니다. 따라서 신경 활동과 운동 장애 특성 사이의 관계를 탐구하고 뇌졸중 환자의 운동 장애에 대한 잠재적 바이오마커로서 손상된 신체 부위의 움직임 중에 생성된 EEG의 유용성을 명확히 하기 위한 추가 연구가 필요하다11.
행동 효과를 평가하기 위해 EEG를 구현하려면 작업별 패러다임과 프로토콜이 필요합니다. 현재까지 다양한 뇌파 프로토콜이 제안되었는데,12 뇌졸중 환자는 운동 관련 뇌 활동을 유도하기 위해 상상 또는 실제 움직임을 수행했다11,13. 상상 동작의 경우, 참가자의 약 53.7%가 해당 움직임을 명확하게 상상할 수 없었기 때문에("문맹"이라고 함) 움직임과 관련된 뇌 활동을 유도하지 못했다14. 또한, 중증 뇌졸중 환자는 상지 전체를 움직이기 어렵고, 불안정한 움직임으로 인해 데이터 수집 시 불필요한 아티팩트가 발생할 가능성이 있습니다. 따라서 업무와 관련된 고품질 뇌파 데이터와 신경생리학적으로 해석 가능한 결과를 얻기 위해서는 전문가의 노하우를 바탕으로 한 지도가 필요합니다. 본 연구에서는 뇌졸중 환자가 비교적 간단한 손 운동 작업을 수행할 수 있도록 실험 패러다임을 종합적으로 설계하고, 상세한 지침과 함께 실험 절차를 제공하였다.
이 기사에서 시각화된 실험 프로토콜을 간략하게 설명함으로써 EEG 시스템을 사용하여 상지의 움직임과 관련된 신경 활동의 획득 및 분석에 사용되는 특정 개념과 방법을 설명하는 것을 목표로 했습니다. 편마비 뇌졸중 참가자의 마비성 상지와 비마비성 상지 간의 EEG를 통한 신경 활동의 차이를 입증하기 위해 이 연구는 단면 맥락에서 뇌졸중 환자의 운동 장애 중증도에 대한 잠재적 바이오마커로 설명된 프로토콜을 사용하여 EEG의 타당성을 제시하는 것을 목표로 했습니다.

<table><tbody><tr><td>actiCAP</td><td>Easycap, GmbH Ltd., Herrsching, Germany</td><td>CAC-32-SAMW-56</td><td>EEG 전극을 수용하기 위한 섬유 EEG 캡 플랫폼</td></tr><tr><td>Brain Vision Recorder (Software)</td><td>Brain Products GmBH Ltd., Munich,</td> <td>Germany-EEG</td> <td>신호 기록에 사용되는 소프트웨어</td></tr><tr><td>Curry 7 (Software)</td><td>Compumedics,</td><td></td> <td>Australia-EEG 데이터 전처리에 사용되는 소프트웨어</td></tr><tr><td>MATLAB R2019a (Software))</td><td>MathWorks Inc., Natick, MA, USA-</td><td></td><td>실험적 자극을 실행하고 EEG 데이터를 분석하는 데 사용되는 소프트웨어</td></tr><tr><td>Recording PC</td><td>Lenovo Group Limited, Hong Kong, China</td><td>모델: X58K</td><td> Intel Core i7-7700HQ CPU@2.80 GHz, RAM 8 GB /Brain Vision Recorder Sensor를 사용한 /EEG 데이터 기록</td></tr><tr><td>& Trigger Extension(STE)</td><td>Brain Products GmBH Ltd., Munich, Germany</td><td>STE-055604-0162</td><td>EEG 증폭기에 물리 신호 추가</td></tr><tr><td>스플리터 박스</td><td>Brain Products GmBH Ltd., 뮌헨, 독일</td><td>BP-135-1600</td><td>Ag/AgCl 전극을 EEG 증폭기</td></tr><tr><td>자극 PC</td>에 연결 <td>한성사, 서울, 한국</td><td>모델: ThinkPad P71</td><td> Intel Core i7-8750H CPU@2.20 GHz, RAM 8 GB MATLAB</td></tr><tr><td>TriggerBox</td><td>Brain Products GmBH Ltd., Munich, Germany</td><td>BP-245-1010</td><td>PC에서 트리거 신호를 수신하여 EEG 기록 시스템으로 중계</td></tr></tbody></table>

만성 뇌졸중의 상지 손상의 바이오마커로서의 뇌파 네트워크 지표

Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke

손상된 사지의 작업별 움직임 중 뇌파(EEG) 신호의 변화는 운동 장애의 중증도와 뇌졸중 환자의 운동 회복 예측에 대한 잠재적인 바이오마커로 보고되었습니다. EEG 실험을 구현할 때 강력하고 해석 가능한 결과를 얻으려면 상세한 패러다임과 잘 구성된 실험 프로토콜이 필요합니다. 이 프로토콜에서는 EEG 데이터의 수집 및 분석에 필요한 상지 움직임과 방법 및 기술을 사용하여 작업별 패러다임을 설명합니다. 패러다임은 1분의 휴식과 4개의 세션에 걸쳐 각각 5초와 3초의 휴식 및 작업(손 확장) 상태로 구성된 10번의 시도로 구성됩니다. EEG 신호는 1,000Hz의 샘플링 속도에서 32개의 Ag/AgCl 두피 전극을 사용하여 획득되었습니다. 사지 움직임과 관련된 이벤트 관련 스펙트럼 섭동 분석 및 낮은 베타(12-20Hz) 주파수 대역에서 글로벌 수준의 기능적 네트워크 분석을 수행했습니다. 대표적인 결과는 손상된 상지의 움직임 중 낮은 베타 EEG 주파수 대역의 기능적 네트워크의 변화를 보여주었으며, 변화된 기능적 네트워크는 만성 뇌졸중 환자의 운동 손상 정도와 관련이 있었습니다. 이 결과는 뇌졸중 환자의 상지 운동 중 EEG 측정에서 실험 패러다임의 타당성을 보여줍니다. 이 패러다임을 사용하는 추가 연구는 운동 손상 및 회복의 바이오마커로서 EEG 신호의 잠재적 가치를 결정하기 위해 필요합니다.

그림 7은 각 손 움직임 작업의 지형학적 low-beta ERD 맵을 보여줍니다. 상당히 강한 저베타 ERD가 영향을 받은 손 움직임 작업과 영향을 받지 않은 손 움직임 작업 모두에 대해 ipsilesional 반구와 비교하여 반대 반구에서 관찰되었습니다.
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/64753/64753fig07.jpg"> 그림 7: 영향을 받은 손 움직임 작업과 영향을 받지 않은 손 움직임 작업을 각각 수행하는 모든 환자에 대한 평균 지형도. 통합 지형도는 우측 편마비 그룹의 ERD 지도를 반전시켜 얻었다. 짙은 파란색은 ERD가 더 강하다는 것을 나타내며, 이는 해당 뇌 영역이 다른...

실험 프로토콜은 뇌졸중 환자의 상지 운동 중 뇌파(EEG) 신호를 획득하고 분석하기 위한 패러다임을 보여줍니다. 낮은 베타 EEG 주파수 대역의 기능적 네트워크의 변화는 손상된 상지의 움직임 중에 관찰되었으며 운동 손상의 정도와 관련이 있었습니다.

Alteration of electroencephalography (EEG) signals during task-specific movement of the impaired limb has been reported as a potential biomarker for the ...

당사의 프로토콜은 뇌졸중 환자에 대한 작업별 신경 활성을 조사하는 데 도움이 될 수 있으며, 이를 통해 운동 장애 및 운동 회복 정도에 대한 잠재적인 바이오마커를 찾을 수 있습니다. 우리의 기술은 뇌졸중 환자의 운동 장애와 관련된 복잡한 염증 처리를 밝히기 위해 작업별 EEG를 활용합니다. 여기에는 ipsilesional 및 contralesional 반구 사이의 상호 작용을 밝히는 것이 포함됩니다.이 방법은 뇌졸중 환자의 운동 장애의 신경 생리학을 평가합니다. 운동 기능 평가와 결합하면 운동 결함에 대한 포괄적인 분석을 제공합니다. 이 패러다임으로 측정된 지표는 뇌졸중 환자의 시신경 회복을 위한 바이오마커로서의 잠재력을 가지고 있습니다.이 연구에서 이 패러다임을 활용하면 운동 결핍 및 회복의 신경 생리학에 대한 통찰력을 얻을 수 있습니다. 환자를 모집한 후. 모니터 중앙에 각각 30초 동안 닫히고 열린 두 가지 시각적 자극을 표시하여 기준선 안정 상태 뇌파 또는 EEG 데이터를 측정합니다.참가자가 눈을 감고 뜨는 동안. 그런 다음 3초 동안 손 동작 이미지를 제시하여 참가자에게 손 뻗기 동작을 지시합니다. 그런 다음 5초 동안 고정 표시를 표시하여 휴식 시간을 허용합니다.참가자를 모니터를 마주 보는 편안한 안락의자에 앉힙니다. 정확한 EEG 측정을 보장하려면 참가자의 머리 크기에 따라 적절한 크기의 EEG 캡을 선택하십시오. 원고에 설명된 대로 International 10-20 System을 기반으로 Cz 위치를 찾고 Cz 전극을 개인의 Cz 위치에 정렬하도록 배치합니다.EEG 캡이 제대로 배치되면 FPz 및 FCz에 각각 접지 및 기준 전극이 있는 확장된 International 10-10 시스템에 따라 32개의 은/염화은 두피 전극을 두피에 부착합니다. EEG 시스템을 켭니다. Configuration(구성)으로 이동한 다음 Amplifier(증폭기)를 선택합니다.LiveAmp를 선택하고 확인을 클릭합니다. LiveAmp 기능을 검색하여 무선 연결을 설정합니다. 그런 다음 전도성 젤을 사용하여 EEG 전극과 두피 사이의 임피던스 레벨을 조정합니다. 젤을 사용하여 전극과 두피를 막지 않도록 모발을 고정하십시오.Impedance Check 기능을 실행하여 각 전극의 임피던스 레벨을 모니터링합니다. 그런 다음 모니터링 기능을 실행하여 실시간 EEG 신호 모니터링에서 모든 전극이 유사한 진폭 레벨을 갖는지 확인합니다. 안정적인 EEG 데이터 수집을 위해 두 대의 개별 PC를 사용하여 외부 자극을 제시하고 EEG 데이터를 기록하십시오.그런 다음 실험 패러다임을 기반으로 하는 프로그래밍 소프트웨어를 사용하여 참가자에게 실험적 자극을 제시하기 위한 자극 프로그램을 만듭니다. 모니터링 모드에서 프로그램을 실행하여 실험적 자극을 제시합니다. 자극이 표시될 때마다 EEG 기록 소프트웨어 하단에 이벤트 정보가 정확하게 표시되어 있는지 확인합니다.EEG 기록 소프트웨어를 시작하고 데이터 누락을 방지하기 위해 프로그래밍 소프트웨어를 사용하여 실험 패러다임에 따라 개발된 자극 제시 프로그램을 실행합니다. 그런 다음 실험 패러다임에 따라 1, 000 헤르츠 샘플링 속도로 EEG를 측정합니다. 각 손 움직임 작업의 지형 낮은 베타 ERD 맵이 표시됩니다.영향을 받은 손 움직임과 영향을 받지 않은 손 움직임 작업 모두에 대해 ipsilesional 반구와 비교하여 반대 반구에서 상당히 강한 낮은 베타 ERD가 관찰되었습니다. 4가지 가중치가 적용된 글로벌 수준 네트워크 특성의 정량적 결과는 영향을 받은 손 움직임 작업 중에 영향을 받지 않은 손 움직임 작업에 비해 강도 및 클러스터링 계수 지수가 모두 유의하게 감소했음을 보여주었습니다. 영향을 받는 손 이동 작업 중에 경로 길이가 크게 증가했습니다.두 작업 간에 작은 세계에는 큰 차이가 없었습니다. 알파 대역 동시모순 네트워크 강도 클러스터링 계수 및 소세계성은 FMA 점수와 양의 상관관계를 보인 반면, 경로 길이는 FMA 점수와 음의 상관관계를 보였습니다. 고품질 EEG 데이터를 얻으려면 EEG 전극을 지정된 위치에 올바르게 배치하고 전극과 두피 사이의 임피던스 레벨을 조절하는 것이 중요합니다.이 기술은 임상 실험실 환경에서 뇌졸중 환자의 운동 장애의 신경 생리학을 평가합니다. 임상 연구자들이 운동 장애의 신경 생리학을 조사할 수 있는 기회를 제공할 것입니다.

electroencephalography-network-indices-as-biomarkers-upper-limb

Research

연구

JoVE Journal

Neuroscience

신경과학

이 프로토콜은 손목에 착용 가속도계를 사용하여 일상 생활에서 상지 성능을 정량화하는 방법을 설명합니다.

가속도계를 사용하여 일상 생활에서 상지 성능을 정량화하는 방법

이 프로토콜은 뇌졸중 1 주 이내에 코르티코 척추 기능 평가를위한 것입니다. 그것은 선택하고 상지 모터 복구 및 결과를 개선하기 위한 내정간섭의 예심에서 환자를 선택하고 계층화하기 위하여 이용될 수 있고, 상지 기능 결과를 예측하기 위한 임상 사례에서 3 치기 후에 달.

뇌졸중 1 주일 이내에 코르티코 척수의 기능 상태 결정

프로토콜은 자기 중심의 카메라를 사용하여 일상 생활 중에 손 장애가있는 개인의 자연스러운 손 기능을 캡처하는 것이 좋습니다. 프로토콜의 목표는 집에서 일상 생활의 활동 중에 녹음이 개인의 전형적인 손 사용을 대표하는지 확인하는 것입니다.

팔다리 장애가 있는 개인의 자기 중심 비디오를 사용하여 집에서 대표손 사용 캡처

이 프로토콜은 뇌졸중 후 사람들의 TMS를 사용하여 서있는 위치에서 낮은 사지 근육, 티비알리스 전방 및 솔레루스의 신경 생리학적 평가를 수행하는 과정을 설명합니다. 이 위치는 뇌졸중 후 TMS 반응을 유도의 더 큰 확률을 제공하고 신경 생리적 평가 중 감소 된 자극기 전력의 사용을 허용.

낮은 사지 근육 의 서 신경 생리학적 평가 뇌졸중 후

이 연구의 목적은 뇌졸중 후 상지 운동 기능 장애에 대한 운동 영상 뇌-컴퓨터 인터페이스(MI-BCI)의 표준 임상 작동에 대한 중요한 참고 자료를 제공하는 것입니다.

뇌졸중 후 상지 운동 기능 장애의 재활을 위한 운동 이미지: 뇌-컴퓨터 인터페이스

여기에서는 우반구 손상 환자의 상지 기능에 대한 보조 능동 또는 수동 운동과 결합된 기능적 작업치료의 효과를 조사하고 기능적 근적외선 분광법이 뇌 기능 리모델링에 미치는 영향을 탐구합니다.

fNIRS를 기반으로 우반구 손상 환자의 상지 기능 회복에 대한 다양한 유형의 운동의 효과 조사

이 실험 프로토콜은 상지 기능 장애가 있는 뇌졸중 환자를 위한 이중 상지 작업 지향 로봇 시스템의 사용을 간략하게 설명합니다. 연구 결과는 이 시스템이 뇌졸중 환자의 상지 기능과 일상 생활 활동을 크게 개선할 수 있음을 시사합니다.

뇌졸중 환자의 상지의 기능적 회복을 위한 Dual Upper Limb Task-Oriented Robotic System 적용

이 연구는 뇌졸중 후 전뇌 네트워크 토폴로지 향상에 대한 구성 가능한 소프트 공압 로봇의 효과를 탐구합니다. 그래프 이론 분석은 클러스터링 계수, 경로 길이 및 전역 효율성이 크게 향상되었음을 나타냅니다. 연구 결과는 뇌졸중 재활에서 신경가소성을 조절하고 기능 회복을 최적화하는 프로그래밍 가능한 로봇 프로토콜의 잠재력을 강조합니다.

연질 공압 로봇은 뇌졸중 후 손 재활을 위한 뇌 네트워크의 그래프 이론 지표를 변조합니다.

말단 중간 대뇌 동맥 분기 (MCAO)의 수술 폐색 실험 뇌졸중 연구에서 자주 사용하는 모델입니다. 이 논문은 마우스에서 생체 내에 길이 현미경을위한 기회를 제공하는 측의 두개 창에 삽입, 결합 영구 MCAO의 기본적인 기술을 설명한다.

측면 만성 두개골 창 준비 활성화 생체 마우스의 말초 중간 대뇌 동맥 폐색에 따라 관측

내피 세포의 미토콘드리아는 혈액 - 뇌 장벽 무결성을 유지하는 것이 중요하다. 우리는 대뇌 혈관 내피 세포에 생체 에너지 기능을 측정 할 수있는 프로토콜을 소개합니다.

대뇌 혈관 내피 세포의 생체 에너지 기능의 평가

배우세요 뇌졸중 환자의 상지 운동 중 뇌파 신호 분석 프로토콜을 통해 운동 장애와 회복의 생체지표를 평가하는 방법입니다. 이 기법은 임상 재활 연구에서 신경생리학적 메커니즘을 이해하는 데 활용됩니다.

만성 뇌졸중의 상지 손상의 바이오마커로서의 뇌파 네트워크 지표

더 많은 동영상 탐색