Methodenartikel

Frequentiemapping van auriculaire nervus vagusstimulatie bij depressie onder begeleiding van functionele nabij-infraroodspectroscopie

0 weergaven

⸱

DOI:

10.3791/70136

⸱

25 september 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry and Psychotherapy, University of Marburg, 2Center for Mind, Brain, and Behavior (CMBB), University of Marburg, 3Department of Psychology, University of Marburg, 4Faculty of Medicine, University of British Columbia

In dit artikel

Samenvatting

Dit protocol biedt een reproduceerbaar kader voor het in kaart brengen van frequentieafhankelijke corticale responsen op transcutane auriculaire vaguszenuwstimulatie met behulp van functionele nabij-infraroodspectroscopie bij personen met een depressieve stoornis.

Samenvatting

Een majeure depressieve stoornis (MDD) wordt geassocieerd met veranderingen in grootschalige hersennetwerken, en variabiliteit in de parameters van transcutane auriculaire nervus vagusstimulatie (taVNS), in het bijzonder de stimulatiefrequentie, beperkt de reproduceerbaarheid en vergelijkbaarheid tussen studies. Er zijn daarom gestandaardiseerde strategieën nodig voor een systematische selectie van parameters. Dit protocol presenteert een reproduceerbare, door neuroimaging geleide workflow voor het in kaart brengen van individuele corticale responsen op meerdere taVNS-frequenties met behulp van functionele nabij-infraroodspectroscopie (fNIRS). De aanpak combineert continue fNIRS-acquisitie met de toediening van meerdere stimulatiefrequenties binnen één sessie en een analyse op netwerkniveau van de activiteit in het default mode netwerk. Frequentie-specifieke responsen worden gekwantificeerd met behulp van op afstand gebaseerde metrieken, gevolgd door een algoritmische rangschikking om kandidaat-stimulatieparameters binnen elke deelnemer te identificeren.
De workflow maakt een directe vergelijking van stimulatiecondities binnen de proefpersoon mogelijk en biedt een gestructureerd kader voor exploratieve parametermapping op basis van responsen op netwerkniveau in plaats van ontwerpen met een vaste frequentie. Representatieve resultaten tonen de haalbaarheid aan van het verkrijgen van stabiele fNIRS-signalen over verschillende condities heen en het genereren van interpreteerbare, deelnemerspecifieke frequentierangschikkingen. Hoewel aangetoond bij MDD, is dit protocol aanpasbaar aan andere neuromodulatieparadigma's en stoornissen met disfunctie op netwerkniveau en kan het toekomstige studies ondersteunen die gericht zijn op geïndividualiseerde parameterselectie.

Inleiding

Transcutane auriculaire nervus vagus stimulatie (taVNS) is een niet-invasieve neuromodulatietechniek die zich richt op de auriculaire tak van de nervus vagus en invloed kan uitoefenen op neuromodulerende kernen in de hersenstam alsmede op verspreide corticale netwerken1. Eerder onderzoek heeft aangetoond dat de fysiologische en neurale effecten van taVNS sterk afhankelijk zijn van de stimulatieparameters2,3,4,5, in het bijzonder de stimulatiefrequentie. In zowel dier- als menselijke modellen zijn verschillende frequenties geassocieerd met verschillende neuromodulatoire paden en hersenresponsen, en klinische taVNS-protocollen beslaan momenteel een breed frequentiebereik6. Deze variabiliteit onderstreept de noodzaak voor systematische benaderingen voor frequentie-mapping en een gefundeerde selectie van parameters, in plaats van het vertrouwen op conventies met vaste frequenties. Het doel van dit protocol is om een reproduceerbare methode te bieden voor de intra-subject mapping van neurale responsen op meerdere taVNS-frequenties met behulp van fysiologische read-outs op netwerkniveau.

Het algemene doel van dit protocol is om een reproduceerbare methode te bieden voor het in kaart brengen van individuele neurale responsen op meerdere taVNS-frequenties.

Functionele nabij-infraroodspectroscopie (fNIRS) is een draagbare optische neuroimagingtechniek die corticale hemodynamiek meet met een hoge temporele resolutie en compatibel is met gelijktijdige taVNS7,8. In vergelijking met benaderingen op basis van magnetische resonantie-imaging (MRI) biedt fNIRS een grotere mobiliteit, een lagere logistieke belasting en een eenvoudigere integratie met stimulatieprocedures, zonder beperkingen zoals de immobiliteit van de scanner, akoestisch lawaai of beperkte hardware-opstellingen. In tegenstelling tot optimalisatiestrategieën op basis van symptomen biedt fNIRS een directe fysiologische proxy van corticale netwerkreacties op stimulatie, in plaats van uitsluitend te vertrouwen op subjectieve of vertraagde klinische uitkomsten9. In vergelijking met stimuleringsparadigma's met een vaste frequentie10, maakt het huidige protocol een expliciete karakterisering van interindividuele variabiliteit in frequentiegevoeligheid mogelijk, in plaats van reacties over deelnemers te middelen. Bovendien ondersteunt fNIRS schaalbare herhaalde metingen binnen één sessie, waardoor deze benadering bijzonder geschikt is voor verkennende frequentie-mappingstudies en pilotonderzoeken die efficiënte, herhaalde beoordelingen vereisen.

Deze gecombineerde aanpak moet worden gebruikt wanneer onderzoekers neuromodulatieparameters binnen dezelfde deelnemer willen vergelijken, potentiële geïndividualiseerde stimulatie-instellingen willen identificeren, of protocollen willen ontwikkelen voordat longitudinale of uitkomstgerichte studies worden uitgevoerd. Het is breed toepasbaar op aandoeningen die worden gekenmerkt door een veranderde organisatie van grootschalige hersennetwerken11. Dit protocol is bijzonder geschikt voor verkennende parametermapping, pilots voor personalisatie en haalbaarheidsonderzoeken in een vroeg stadium. Hier dient depressie als een illustratieve context, aangezien dit geassocieerd is met veranderde activiteit en connectiviteit binnen het default mode netwerk (DMN)12,13 en gerelateerde controlenetwerken, en is er gemeld dat taVNS deze systemen moduleert14. Eerdere studies hebben echter heterogene stimulatiefrequenties gebruikt, en de meest geschikte frequenties voor het targeten van affectieve en cognitieve netwerken blijven onzeker. Deze variabiliteit rechtvaardigt het gebruik van frequentievergelijkingen binnen één subject in plaats van het vertrouwen op een enkele a priori frequentie.

Hier beschrijven we een protocol voor het implementeren van een fNIRS-gestuurde taVNS-frequentiemapping-workflow die geschikt is voor gebruik aan het bed en voor longitudinale studies. De procedure omvat een initiële baseline in rusttoestand zonder stimulatie, gevolgd door taVNS-runs in rusttoestand bij 2, 10, 25 en 40 Hz, evenals een sham-conditie om te controleren voor aspecifieke effecten. Voor elke conditie worden fNIRS-gegevens verzameld en geanalyseerd met behulp van multivariate netwerkafstandsmetrieken ten opzichte van een normatieve gezonde referentie. Deze metrieken leggen complementaire aspecten van de netwerkorganisatie vast, waaronder connectiviteitssterkte en regionale interactiepatronen15,16. De resulterende maatstaven op netwerkniveau worden gebruikt om frequentiespecifieke effecten binnen elke deelnemer te vergelijken en om potentiële stimulatieparameters op een netwerkgeïnformeerde manier te identificeren. Een daaropvolgende conditie in rusttoestand, specifiek voor de geselecteerde kandidaat-frequentie, is opgenomen om de reproduceerbaarheid op korte termijn van deze frequentie te beoordelen.

Dit protocol is het meest geschikt voor verkennende parametermapping, proof-of-concept personalisatie en protocolontwikkeling voorafgaand aan grotere longitudinale of klinische studies. Het biedt een gestructureerd kader voor het systematisch vergelijken van stimulatiefrequenties binnen individuen met behulp van fysiologische metrieken op netwerkniveau. De methode is ontworpen om hypothesevorming en de identificatie van kandidaatfrequenties in vroege stadia of pilotonderzoeken te ondersteunen. Het is niet bedoeld om definitieve klinische effectiviteit, therapeutische superioriteit of behandeloptimalisatie vast te stellen, maar om daaropvolgende longitudinale en resultaatgerichte studies te informeren via verkennende, netwerkgeïnformeerde parameterselectie.

Protocol

Alle procedures met menselijke participanten zijn uitgevoerd in overeenstemming met de institutionele richtlijnen en de Verklaring van Helsinki en zijn goedgekeurd door de verantwoordelijke ethische commissie voor menselijk onderzoek van de Philipps University Marburg (protocolnummer: 23-232 BO). Voorafgaand aan deelname is van alle participanten schriftelijke geïnformeerde toestemming verkregen.

Het protocol volgt de chronologische uitvoering van de experimentele workflow (zie Figuur 1  voor details). Alle stappen worden uitgevoerd met vooraf gedefinieerde parameters om de reproduceerbaarheid en vergelijkbaarheid tussen deelnemers te waarborgen. Deze parameters omvatten vaste taVNS-stimulatie-instellingen (frequenties van 2, 10, 25 en 40 Hz, polsbreedte en individueel aangepaste stimulatie-intensiteit), gestandaardiseerde duur van de rusttoestand-runs, een consistente sham-conditie en een uniforme fNIRS-acquisitie- en preprocessing-pipeline, inclusief kanaalconfiguratie, bewegingscorrectie, filtering en netwerkgebaseerde analyseprocedures.

1. Ethische Goedkeuring en Overzicht van de Studie

  1. Verkrijg ethische goedkeuring
    1. Verkrijg goedkeuring van de Ethiekcommissie van de Faculteit Geneeskunde van de Philipps-Universität Marburg (Protocol nr. 23-232 BO) voordat de studie wordt gestart.
    2. Voer alle procedures uit in overeenstemming met de Verklaring van Helsinki en de institutionele richtlijnen voor onderzoek met menselijke participanten.
    3. Verkrijg schriftelijke geïnformeerde toestemming van elke participant voorafgaand aan de screening, beoordelingen of gegevensverzameling.
  2. Definieer de studiedoelstellingen
    1. Gebruik dit protocol om sham-stimulatie en meerdere actieve taVNS-frequenties binnen dezelfde participant te vergelijken.
    2. Gebruik gelijktijdige functionele nabij-infraroodspectroscopie (fNIRS) om corticale netwerkresponsen tijdens de stimulatie te kwantificeren.
    3. Gebruik vooraf gedefinieerde analysescripts om de kandidaat-geïndividualiseerde stimulatiefrequentie te identificeren op basis van de overeenkomst op netwerkniveau met een gezond controletemplate.
  3. Definieer de analytische reikwijdte
    1. Interpreteer alle resultaten als beschrijvend en exploratief.
    2. Gebruik dit protocol niet om klinische effectiviteit, therapeutische superioriteit of behandeloptimalisatie vast te stellen.
    3. Gebruik de resultaten om toekomstige longitudinale of uitkomstgerichte studies te informeren.

2. Deelnemers werven en screenen

  1. Werving van studiegroepen
    1. Werf volwassen deelnemers in twee groepen: Major Depressive Disorder (MDD) en gezonde controles (HC).
    2. Werf gezonde controles gedurende dezelfde studieperiode en met gebruik van identieke procedures als voor de MDD-groep.
    3. Verstrek een vergoeding volgens de institutionele richtlijnen.
  2. Toepassing van inclusiecriteria
    1. Inclusie van uitsluitend deelnemers van 18 jaar of ouder.
    2. Bevestig een normaal of gecorrigeerd-normaal gezichtsvermogen.
    3. Alleen MDD-groep: Bevestig de MDD-diagnose met behulp van een gestructureerd klinisch interview op basis van de DSM-5.
    4. Alleen MDD-groep: Inclusie van uitsluitend deelnemers met een milde tot matige ernst van de depressie (HAMD-24 ≥8 en <24; BDI-II ≥8 and <29).
    5. Alleen gezonde controlegroep: Bevestig de afwezigheid van huidige psychiatrische of ernstige somatische aandoeningen.
  3. Toepassing van exclusiecriteria
    1. Exclusie van deelnemers met neurologische aandoeningen of een voorgeschiedenis van significant hoofdtrauma.
    2. Exclusie van deelnemers met psychiatrische comorbiditeit.
    3. Exclusie van deelnemers die momenteel psychotrope medicatie of antidepressiva gebruiken, of die dergelijke medicatie in de afgelopen 2 weken hebben gestaakt.
    4. Exclusie van deelnemers met suïcidale ideatie of ernstige depressieve symptomen.
    5. Exclusie van deelnemers met medische aandoeningen die waarschijnlijk de neurale of vasculaire functie beïnvloeden.
  4. Uitvoeren van klinische beoordeling
    1. Neem de Hamilton Depression Rating Scale (HAMD-24) af.
    2. Neem de Beck Depression Inventory-II (BDI-II) af.
    3. Registreer de totaalscores in de studiedatabase.

3. Voorbereiding van de experimentele omgeving

  1. Laboratoriumruimte voorbereiden
    1. Plaats de deelnemer in een rustige, gedimd verlichte kamer.
    2. Houd de omgevingstemperatuur stabiel en minimaliseer extern geluid.
    3. Positioneer een monitor op ongeveer 1 m voor de deelnemer.
  2. Deelnemer instrueren
    1. Toon een centraal fixatiekruis op de monitor.
    2. Instrueer de deelnemer om wakker, ontspannen en stil te blijven.
    3. Instrueer de deelnemer om tijdens alle opnamen de blik op het fixatiekruis te houden.

4. taVNS voorbereiden en stimulatie kalibreren

  1. Hardware voorbereiden
    1. Gebruik een apparaat voor transcutane auriculaire nervus vagusstimulatie dat is uitgerust met een titanium-iridium stimulatie-elektrode.
    2. Inspecteer de kabels, connectoren en de batterijstatus voor elke sessie.
  2. Elektrode positioneren
    1. Reinig de linker cymba conchae met alcoholdoekjes.
    2. Droog de huid volledig af.
    3. Plaats de stimulatie-elektrode op de linker cymba conchae.
    4. Verifieer een stabiel contact en een veilige plaatsing.
  3. Stroomamplitude kalibreren
    1. Stel de pulsbreedte in op 300 µs.
    2. Schakel continue stimulatie in zonder duty cycling.
    3. Begin bij 0 mA en verhoog de stroom geleidelijk in stappen van 0,1-0,2 mA.
    4. Vraag de deelnemer om de sensatie na elke verhoging te scoren op een schaal van 10 punten.
    5. Stop met het verhogen van de stroom bij de hoogste verdraaglijke intensiteit zonder pijn.
    6. Streef naar een waargenomen intensiteit van 7-8/10.
    7. Herhaal de kalibratie afzonderlijk voor 2, 10, 25 en 40 Hz.
    8. Noteer de uiteindelijke stroomamplitude voor elke frequentie.
  4. Sham-stimulatie configureren
    1. Configureer het apparaat zo dat er geen elektrische stroom wordt afgegeven.
    2. Houd de plaatsing van de elektrode identiek aan de actieve condities.
    3. Zorg dat alle visuele, tactiele en auditieve signalen overeenkomen met de actieve stimulatie.
  5. Actieve stimulatieblokken toepassen
    1. Dien vier actieve frequenties (2, 10, 25 en 40 Hz) elk één keer toe tijdens de sessie.
    2. Randomiseer de volgorde van de blokken tussen de deelnemers met behulp van een computergegenereerde reeks.
    3. Voeg vaste intervallen tussen de condities in zonder stimulatie.

5. fNIRS-systeem opstellen

  1. Hardware voorbereiden
    1. Gebruik twee gesynchroniseerde fNIRS-systemen.
    2. Rust elk systeem uit met 16 lichtbronnen en 16 detectoren.
  2. Montage definiëren
    1. Gebruik een tool voor de planning van de optische lay-out om regio's van het default mode network te targeten.
    2. Positioneer optoden om de mediale prefrontale cortex, de posterieure cingulate cortex/precuneus, bilaterale angular gyri en mediale temporale regio's te bestrijken.
    3. Gebruik een bron-detectorafstand van 3 cm voor kanalen met een lange scheiding.
    4. Voeg kanalen met een korte scheiding toe op ongeveer 8 mm.
  3. Acquisitieparameters configureren
    1. Gebruik golflengten van 760 nm en 850 nm.
    2. Stel de bemonsteringsfrequentie in op 5,1 Hz.
    3. Synchroniseer beide systemen vóór de opname.

6. Voer de experimentele sessie uit

  1. Definieer de blokvolgorde
    1. Registreer de baseline rusttoestand (RS0) gedurende 6 min zonder stimulatie.
    2. Voeg een interval van 2 min in.
    3. Pas sham-stimulatie toe gedurende 6 min.
    4. Voeg een interval van 2 min in.
    5. Pas vier gerandomiseerde actieve stimulatieblokken toe (2, 10, 25 en 40 Hz), elk gedurende 6 min.
    6. Voeg een interval van 2 min in tussen opeenvolgende actieve blokken.
    7. Registreer de rusttoestand na stimulatie (RS1) gedurende 6 min.
  2. Houd de sessietiming aan
    1. Zorg ervoor dat de totale sessieduur ongeveer 54 min bedraagt.
    2. Verwerf continu fNIRS-gegevens gedurende alle blokken.
  3. Houd gestandaardiseerde condities aan
    1. Zorg ervoor dat de kamerverlichting, instructies en het fixatiedisplay identiek blijven over alle blokken.
    2. Controleer continu het contact van de elektroden.
    3. Pauzeer het experiment, indien nodig, alleen na voltooiing van een blok.

7. fNIRS-gegevens voorbehandelen

  1. Opnames segmenteren
    1. Segmenteer continue opnames in RS0, Sham, 2 Hz, 10 Hz, 25 Hz, 40 Hz en RS1.
    2. Extraheer de ruwe intensiteitssignalen voor elk kanaal en elke conditie.
  2. Kwaliteitscontrole uitvoeren
    1. Pas Butterworth banddoorlaatfiltratie toe tussen 0.5 en 2.33 Hz.
    2. Verdeel de signalen in niet-overlappende vensters van 3 s.
    3. Bereken de Scalp Coupling Index (SCI) en de Power Spectral Peak (PSP).
    4. Classificeer vensters als acceptabel wanneer SCI ≥ 0.8 en PSP ≥ 0.1.
    5. Behoud kanalen met ≥ 70% acceptabele vensters.
    6. Behoud deelnemers met ≥ 70% acceptabele kanalen.
  3. Artefacten corrigeren
    1. Corrigeer bewegingsartefacten met behulp van Temporal Derivative Distribution Repair (TDDR).
    2. Pas wavelet-filtratie toe met een 8-wavelet basis.
    3. Definieer uitschieters als coëfficiënten die 4 standaarddeviaties overschrijden.
  4. Signalen converteren
    1. Converteer optische dichtheid naar oxyhemoglobine met behulp van de gemodificeerde wet van Beer-Lambert.

8. Netwerkkenmerken berekenen en kandidaatfrequentie selecteren

  1. Connectiviteit berekenen
    1. Bereken robuuste Pearson-correlaties tussen alle ROI-paren.
    2. Sla zes unieke paarsgewijze correlaties op als een connectiviteitsvector.
    3. Stel een symmetrische connectiviteitsmatrix van 4 × 4 samen.
  2. Afgeleide kenmerken berekenen
    1. Bereken de eigenwaarden en eigenvectoren van elke matrix.
    2. Bereken de gemiddelde controleerbaarheid voor elke knoop na matrixnormalisatie.
  3. Gezond sjabloon construeren
    1. Bereken de gemiddelde RS0-connectiviteitsmatrix over alle behouden gezonde controledeelnameurs.
    2. Gebruik de resulterende matrix als het gezonde referentiesjabloon.
  4. Afstanden berekenen
    1. Bereken de cosinusafstand tussen de kenmerken van de deelnemer en het sjabloon voor connectiviteit, eigenwaarden en controleerbaarheid.
    2. Bereken de eigenvector-gelijkenis met behulp van componentmatching.
  5. Condities rangschikken
    1. Rangschik Sham, 2 Hz, 10 Hz, 25 Hz en 40 Hz in oplopende volgorde van afstand voor elke metriek.
    2. Ken rang 1 toe aan de kleinste afstand.
    3. Sommeer de rangen over de metrieken voor elke conditie.
  6. Kandidaat-geïndividualiseerde frequentie selecteren
    1. Identificeer de conditie met de laagste cumulatieve rangscore.
    2. Definieer deze conditie als de kandidaat-geïndividualiseerde stimulatiefrequentie.
  7. Berekening van de stimulatie-gain
    1. Bereken de stimulatie-gain (G_f) voor elke frequentie met behulp van de volgende normalisatie:
      figure-protocol-1​
      Waarbij df  de RS0-afstand is en df  de afstand is tijdens stimulatiefrequentie f, berekend over de RS0-, Sham-, 2 Hz-, 10 hz-, 25 Hz- en 40 Hz-condities.

Resultaten

Datakwaliteit en haalbaarheid van acquisitie

Toepassing van de vooraf gedefinieerde datakwaliteitscriteria leidde tot de uitsluiting van kanalen en deelnemers met onvoldoende signaalkwaliteit. Succesvolle resultaten worden gekenmerkt door een hoge kanalenretentie over de condities heen, stabiele hemodynamische opnames en interpreteerbare connectiviteitspatronen die een betrouwbare schatting van netwerkeigenschappen mogelijk maken. Slechte of suboptimale resultaten omvatten een lage signaalkwaliteit, overmatige bewegingsartefacten, inadequate koppeling tussen optode en hoofdhuid, onvoldoende kanalenretentie of inconsistente netwerkschattingen die de interpreteerbaarheid beperken. Zoals geïllustreerd in Figuur 3 en Figuur 4, bestond de uiteindelijke dataset na de kwaliteitsbeoordeling uit 19 deelnemers met een depressieve stoornis (MDD; gemiddelde leeftijd: 31,21 jaar, SD: 8,99; 10 vrouwen) en 19 gezonde controles (HC; gemiddelde leeftijd: 33,5 jaar, SD: 13,51; 7 vrouwen). Zeven deelnemers (3 MDD en 4 HC) werden uitgesloten vanwege onvoldoende datakwaliteit, primair gerelateerd aan bewegingsartefacten of inadequate koppeling tussen optode en hoofdhuid.

Kanaalspecifieke kwaliteitskaarten toonden verder heterogene ruimtelijke distributies van de signaalkwaliteit tussen deelnemers, met gelokaliseerde regio's van verminderde kwaliteit bij sommige individuen. Deze bevindingen onderstrepen het belang van het toepassen van vooraf gedefinieerde drempelwaarden op basis van de scalp coupling index en de power spectral peak vóór verdere analyse. Deze kwaliteitscontroleprocedures zorgen ervoor dat daaropvolgende netwerkmetingen worden berekend op basis van betrouwbare gegevens en vormen een kritisch onderdeel van het protocol. De hier getoonde representatieve resultaten zijn direct afhankelijk van de succesvolle voltooiing van de screening van de datakwaliteit, gestandaardiseerde preprocessing, ROI-gebaseerde extractie van tijdreeksen en de toepassing van de vooraf gedefinieerde rank-sum selectieprocedure.

Voorbewerking en netwerkconstructie

Het experimentele ontwerp en de workflow voor de voorbewerking worden weergegeven in Figuur 1 en Figuur 2. Na de kwaliteitscontrole-stap (Figuur 2) werden signalen succesvol omgezet in hemoglobinconcentraties en gecorrigeerd voor bewegingsartefacten en systemische fysiologische ruis>. Een succesvolle voltooiing van deze voorbewerkingsstappen wordt aangegeven door het behoud van hoogwaardige kanalen, stabiele regionale tijdreeksen en interpreteerbare connectiviteitsschattingen, terwijl slechte resultaten gekenmerkt worden door excessief signaalverlies, onopgeloste artefacten of onbetrouwbare netwerkmetingen. Door regionale tijdreeksen te extraheren uit knooppunten van het default mode network konden functionele connectiviteitsmatrices voor elke conditie worden geconstrueerd. Deze representatieve resultaten zijn direct afhankelijk van de succesvolle uitvoering van de kwaliteitscontrole van de gegevens17, gestandaardiseerde voorbewerking18, ROI-definitie en de toepassing van de vooraf gedefinieerde rangschikkingsprocedure. De resulterende functionele connectiviteitsmatrices van het default mode network vormen de basis voor de daaropvolgende op afstand gebaseerde vergelijkingen.

Representatieve resultaten op netwerkniveau

Figuur 5A toont een voorbeeld van een conditiespecifiek DMN functioneel connectiviteitsprofiel voor een representatieve deelnemer met MDD, naast het referentie-DMN-netwerksjabloon afgeleid van gezonde controles. Deze matrices maken directe visualisatie mogelijk van connectiviteitspatronen tussen regio's over verschillende condities heen en helpen om succesvolle protocoluitgangen te onderscheiden van minder interpreteerbare of kwalitatief minder goede netwerkschattingen. Visuele inspectie onthult conditieafhankelijke variaties in de netwerkorganisatie ten opzichte van het sjabloon, wat illustreert hoe de stimulatiefrequentie de DMN-netwerkstructuur binnen een enkele sessie kan moduleren.

Afstandsmaten (Figuur 5B) kwantificeren deze verschillen over meerdere metrieken (connectiviteit, eigenwaarden, eigenvectoren en gemiddelde controleerbaarheid). Voor elke metriek kunnen condities worden gerangschikt op basis van hun nabijheid tot het referentietemplate, waarbij lagere afstandswaarden duiden op een grotere gelijkenis. Opvallend is dat de rangschikking van verschillende afstandsmetrieken varieert per conditie, wat weerspiegelt dat elke metriek complementaire informatie vastlegt over de netwerkrepresentaties.

Consensus-gebaseerde frequentieselectie

Om informatie over vier metrieken te integreren, werden de rangschikkingen per deelnemer geaggregeerd (Figuur 5C). Een duidelijke scheiding van de cumulatieve rangscores tussen de condities duidt op een succesvolle differentiatie van frequentie-specifieke netwerkresponsen, terwijl zeer vergelijkbare rangscores tussen condities wijzen op een beperkte gevoeligheid van het protocol of een zwakke scheiding tussen de stimulatie-effecten. De conditie met de laagste cumulatieve rangscore werd geïnterpreteerd als de kandidaat-representatieve stimulatiefrequentie voor die deelnemer. Tabel 1 vat deze selecties over de deelnemers samen, samen met de overeenkomstige stimulatie-gainwaarden en de overeenstemming tussen metrieken gekwantificeerd door de W van Kendall.

Binnen de MDD-groep vertoonden 12 van de 19 deelnemers de laagste cumulatieve rangschikking voor een actieve stimulatiefrequentie in plaats van de sham-conditie. De geselecteerde stimulatiefrequentie varieerde per deelnemer, zoals samengevat in Tabel 1. De overeenstemming tussen de metrieken, gekwantificeerd met Kendall's W, verschilde ook per individu, wat wijst op variabiliteit in de consistentie van de rangschikking. Hogere Kendall's W-waarden duiden op een sterkere concordantie tussen de metrieken en een groter vertrouwen dat meerdere netwerkmaten dezelfde rangschikking van condities ondersteunen, terwijl lagere waarden wijzen op een zwakkere overeenstemming en een grotere heterogeniteit tussen de metrieken. De uiteindelijke selectie moet daarom worden geïnterpreteerd als een datagestuurde integratie van complementaire netwerkeigenschappen in plaats van een beslissing op basis van slechts één enkele metriek.

Deze representatieve en op haalbaarheid gebaseerde resultaten illustreren de typen output op netwerkniveau die door het protocol worden gegenereerd en tonen aan dat de workflow kan worden geïmplementeerd voor vergelijkingen binnen hetzelfde subject over verschillende stimulatiecondities heen. De bevindingen zijn bedoeld als illustratie van signaalacquisitie, preprocessing, kenmerkextractie en ranggebaseerde parametermapping, en vormen geen bewijs voor therapeutisch voordeel, klinische effectiviteit of prestatievalidatie, zoals getoond in Figuren 1–5 en Tabel 1.

figure-results-1
Figuur 1. Experimenteel ontwerp en fNIRS-probeconfiguratie. (A) Binnen-subject experimenteel ontwerp. Elke deelnemer voltooide alle condities binnen één sessie, inclusief de baseline rusttoestand (RS0), sham-stimulatie, vier actieve stimulatiefrequenties (2, 10, 25 en 40 Hz) en de rusttoestand na stimulatie (RS1). De volgorde van de actieve stimulatie werd gerandomiseerd over de deelnemers. Elk blok duurde 6 min en werd gescheiden door intervallen van ~2 min zonder stimulatie. Functionele nabij-infraroodspectroscopie (fNIRS) data werden continu geregistreerd (~54 min in totaal) en per conditie gesegmenteerd voor analyse. (B) fNIRS-probe-indeling met 32 bronnen (rood) en 30 detectoren (blauw), die 89 kanalen met lange scheiding en 8 kanalen met korte scheiding vormen (omcirkeld). Kanalen met korte scheiding werden gebruikt om oppervlakkige fysiologische ruis te verwijderen. (C) Corticale sensitiviteitsprofiel van de probe-indeling ten opzichte van het default mode network (DMN), gebaseerd op de Automated Anatomical Labeling (AAL) atlas, illustrerend de diepteafhankelijke meetgevoeligheid. Klik hier om een grotere versie van deze figuur te bekijken. 

figure-results-2
Figuur 2. Pipeline voor preprocessing en kenmerkextractie voor netwerkanalyse op basis van fNIRS.
Ruwe lichtintensiteitsgegevens werden gesegmenteerd in conditiespecifieke blokken (RS0, sham, stimulatiefrequenties en RS1). De datakwaliteit werd beoordeeld aan de hand van de scalp coupling index (SCI > 0,8) en de power spectral peak (PSP > 0,1), waarbij alleen kanalen van hoge kwaliteit werden behouden. Signalen werden omgezet naar optische dichtheid, gevolgd door bewegingscorrectie met behulp van temporal derivative distribution repair (TDDR) en wavelet-filtering. Veranderingen in hemoglobineconcentratie werden berekend, en short-separation regressie werd toegepast om systemische fysiologische ruis te verminderen. Voor de netwerkanalyse werden tijdreeksen geëxtraheerd uit regions of interest (ROI's) binnen het default mode network (DMN), waaronder de mediale prefrontale cortex (mPFC), precuneus (Prec), inferior parietal lobule (IPL) en de mediale temporale kwab (MTL). Functionele connectiviteit werd berekend tussen de ROI's. De afgeleide kenmerken omvatten connectiviteitswaarden, eigenwaarden, eigenvectoren en gemiddelde controleerbaarheid. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-3
Figuur 3. Beoordeling van de datakwaliteit bij deelnemers met een depressieve stoornis (MDD).
(A) Aantal kanalen dat voldoet aan de kwaliteitscriteria tijdens de baseline-conditie (RS0) voor elke deelnemer met MDD. De balken geven alle kanalen (grijs), kanalen met lange scheiding (blauw) en kanalen met korte scheiding (oranje) aan die voldoen aan de kwaliteitscriteria (≥70% van de opnametijd met SCI > 0.8 en PSP > 0.1). De stippellijnen geven het maximale aantal beschikbare kanalen met lange scheiding (89), kanalen met korte scheiding (8) en de drempelwaarde voor acceptabele datakwaliteit op deelnemerniveau aan (≥70% van het totaal aantal behouden kanalen). Deelnemers onder de drempelwaarde zijn gemarkeerd (D13, D18, D19). (B) Datakwaliteit per kanaal over de deelnemers. De heatmap toont het percentage van de opnametijd dat voldoet aan de kwaliteitscriteria voor elk kanaal en elke deelnemer tijdens RS0. Donkerdere kleuring duidt op een lagere datakwaliteit. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-4
Figuur 4. Beoordeling van de datakwaliteit bij gezonde controledeelnemers. (A) Aantal kanalen dat voldoet aan de kwaliteitscriteria tijdens de baseline-conditie (RS0) voor elke gezonde controledeelnemer. De balken geven alle kanalen (grijs), kanalen met een grote afstand (blauw) en kanalen met een korte afstand (oranje) aan die voldoen aan de kwaliteitscriteria (≥70% van de opnametijd met SCI > 0.8 en PSP > 0.1). De stippellijnen geven het maximale aantal beschikbare kanalen en de drempelwaarde voor acceptabele datakwaliteit op deelnemerniveau aan (≥ 70% van de totale kanalen behouden). Deelnemers onder de drempelwaarde zijn gemarkeerd (HC13, HC14, HC15, HC18). (B) Kanalen-specifieke datakwaliteit over de deelnemers heen. De heatmap toont het percentage van de opnametijd dat voldoet aan de kwaliteitscriteria voor elk kanaal en elke deelnemer tijdens RS0. Donkerdere kleuring duidt op een lagere datakwaliteit. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-5
Figuur 5. Representatieve op afstand gebaseerde selectie van de stimulatiefrequentie bij één deelnemer.
(A) Functionele connectiviteitsmatrices die paarsgewijze interacties tonen tussen vier regio's van het default mode network voor één representatieve deelnemer met MDD (D11) over verschillende condities (RS0, sham en stimulatiefrequenties). Regio's omvatten de mediale prefrontale cortex (mPFC), de inferieure pariëtale lobulus (IPL), de precuneus (Prec) en de mediale temporale kwab (MTL). De centrale matrix representeert het template van de gezonde controlegroep, afgeleid van RS0-gegevens op groepsniveau. (B) Afstandsmaten tussen elke conditie en het template van de gezonde controlegroep over vier metrieken: connectiviteitsafstand (D_conn), eigenwaardeaafstand (D_eig), eigenvectoraafstand (D_evec) en gemiddelde controleerbaarheidsafstand (D_AC). De staven representeren afstandswaarden; lagere waarden duiden op een grotere gelijkenis met het template. De rangschikkingen worden getoond voor elke conditie (rang 1 = kleinste afstand). (C) Consensusrangschikking over de metrieken, verkregen door de rangen voor elke conditie op te tellen. De conditie met de laagste totale rang werd geselecteerd als de kandidaat-stimulatiefrequentie voor deze deelnemer. Klik hier om een grotere versie van deze figuur te bekijken.

Deelnemers-IDConnectiviteitEigenwaardeEigenvectorGem. controleerbaarheidConsensusKandall-W
D0140 HZ (G=1,00)40 Hz (G=1,00)40 Hz (G=1,00)40HZ (G=0,29)40 Hz0.85
D02Sham (G=0,18)Sham (G=0,00)Sham (G=0,11)Sham (G=-0,09)Sham-behandeling0.89
D0310 Hz (G = 0,20)Sham (G=0,05)2HZ (G=0,56)Sham (G=0,63)40 Hz0.34
D07Sham (G=0,29)25 Hz (G=0,06)2HZ (G=0,33)25 Hz (G=0,45)25 Hz0.36
D10Sham (G=1,00)Sham (G=1,00)Sham (G=1,00)Sham (G=1,00)Placebo0.59
D1110 HZ (G=0,71)10 HZ (G=0,66)2HZ (G=0,73)40 HZ (G=1,00)10 Hz0.34
D1540 Hz (G=0,58)40 HZ (G=0,53)40 Hz (G = 0,21)40 Hz (G=-0,27)40 Hz0.96
D1625 Hz (G=1,00)10 Hz (G=1,00)25 HZ (G=0,90)25 Hz (G=0,40)25 Hz0.64
D172HZ (G=0,51)2HZ (G=0,75)25 HZ (G=0,73)10 Hz (G=0,82)10 Hz0.21
D2025HZ (G=-0,08)25 Hz (G=0,04)25 Hz (G = -0,27)Sham (G=0,31)25 Hz0.84
D21Sham (G=0,37)2HZ (G=0,08)Sham (G=0,27)40 Hz (G = -0,28)Placebo0.41
D222HZ (G=-0,06)10HZ (G=0,19)2HZ (G=0,75)2HZ (G=1,00)2HZ0.47
D23Sham (G=0,53)25 HZ (G=-0,14)Sham (G=0,71)40HZ (G=0,23)Sham-behandeling0.31
D2425 HZ (G=0,59)25 Hz (G=0,18)25 Hz (G=0,18)Sham (G=0,34)25 Hz0.5
D2525HZ (G=1,00)Sham (G=-0,01)10 Hz (G=1,00)Sham (G=0,19)25 Hz0.16
D2610 HZ (G=0,52)Sham (G=0,01)10 Hz (G=1,00)10 HZ (G=0,71)10 Hz0.93
D2710HZ (G=-0,11)10 Hz (G=0,20)2HZ (G=-0,20)40HZ (G=1,00)2HZ0.05
D2810 Hz (G=0,51)10 Hz (G=0,04)10 Hz (G=1,00)10 Hz (G=-0,02)10 Hz0.81
D2910 Hz (G=0,81) 10 Hz (G=0,54) Sham (G=1,00)10 HZ (G=1,00) 10 Hz0.85
Versterking0.50, 0.520.32, 0.180.58, 0.730.46, 0.400.55, 0.50
 (Gemiddelde, Mediaan)

Tabel 1: Deelnemersspecifieke frequentieselectie over verschillende afstandsmaten.

Voor elke deelnemer wordt de stimulatieconditie die geassocieerd is met de minimale afstand tot het template van de gezonde controlegroep gerapporteerd voor vier netwerkgebaseerde metrieken: connectiviteitsafstand (D_conn), eigenwaardevariantie (D_eig), eigenvectorafstand (D_evec) en gemiddelde controleerbaarheidsafstand (D_AC). Waarden tussen haakjes (G) geven de stimulatiegain aan. De kolom Consensus toont de kandidaat-stimulatiefrequentie op basis van rangaggregatie over de vier metrieken. De W van Kendall kwantificeert de overeenstemming tussen de metrieken binnen elke deelnemer. De laatste rij vat de gemiddelde en mediane stimulatiegain-waarden over de deelnemers samen voor elke metriek, samen met de bijbehorende W-waarden van Kendall.

Discussie

Methodologische rationale en kritieke stappen

Dit protocol biedt een gestandaardiseerde workflow voor het binnen-sessie in kaart brengen van frequentieafhankelijke effecten van transcutane auriculaire nervus vagusstimulatie (taVNS) met behulp van functionele nabij-infraroodspectroscopie (fNIRS) in rusttoestand. Het doel is een gestructureerde vergelijking van kandidaat-stimulatieparameters onder gecontroleerde omstandigheden, in plaats van een gevalideerde individuele optimalisatie.

Verschillende stappen zijn cruciaal voor een betrouwbare implementatie. Het niet correct uitvoeren van deze stappen kan leiden tot een verminderde signaalkwaliteit, onbetrouwbare schattingen van de connectiviteit, onstabiele rangschikkingen of het verlies van analyseerbare datasets. De stimulatie-intensiteit moet voor elke frequentie afzonderlijk worden gekalibreerd naar een vast waargenomen niveau (7–8/10), aangezien perceptuele drempels per frequentie variëren en anders de vergelijkingen kunnen beïnvloeden19. Onjuiste kalibratie kan leiden tot verschillen in de waargenomen stimulatie-intensiteit in plaats van tot werkelijke frequentiespecifieke neurale effecten, waardoor de vergelijkbaarheid tussen condities afneemt. De kwaliteit van de fNIRS-gegevens moet worden gewaarborgd door een stabiele koppeling tussen optode en hoofdhuid, bewegingscorrectie, short-separation regressie en vooraf gedefinieerde criteria voor het behoud van kanalen. Een consistente definitie van de region-of-interest (ROI) over deelnemers en condities heen is vereist om de vergelijkbaarheid van netwerkkenmerken te garanderen. Tot slot moet de frequentieselectie gebaseerd zijn op een vooraf gedefinieerde rangschikkingsbenadering waarin meerdere complementaire metrieken zijn geïntegreerd, in plaats van te vertrouwen op één enkele maatstaf. Deze methodologische stappen bepalen direct de kwaliteit, stabiliteit en interpreteerbaarheid van de resulterende netwerkmaten en beïnvloeden daarmee de representatieve resultaten die in de sectie Resultaten worden getoond.

Sequentieel ontwerp binnen een sessie en carry-over-effecten

Het protocol past meerdere stimulatiefrequenties opeenvolgend toe binnen één enkele sessie zonder uitgebreide fysiologische uitwasfase. Hoewel vaste intervallen tussen de condities worden gehanteerd, kunnen carry-over- of interactie-effecten niet worden uitgesloten. Dit kan de onafhankelijkheid van conditiespecifieke responsen beïnvloeden en moet in overweging worden genomen bij de interpretatie van verschillen tussen stimulatiefrequenties. Bijgevolg moeten frequentieverschillen worden geïnterpreteerd als relatieve effecten binnen de sessie. De geïdentificeerde "optimale frequentie" weerspiegelt de best presterende conditie in die sessie en moet worden geïnterpreteerd als een relatief, op data gebaseerd rangschikkingsresultaat binnen de sessie, en niet als een definitieve of generaliseerbare stimulatierparameter zonder replicatie20.

Vergelijking met alternatieve benaderingen

Protocollen met een vaste frequentie maken standaardisatie mogelijk, maar houden geen rekening met interindividuele variabiliteit, terwijl afstemming op basis van symptomen geen direct fysiologisch inzicht biedt21. Benaderingen gestuurd door functionele magnetische resonantiebeeldvorming (fMRI) bieden een bredere ruimtelijke dekking, maar zijn minder haalbaar voor herhaald gebruik of gebruik aan het bed. In vergelijking met deze benaderingen biedt het huidige protocol voordelen op het gebied van draagbaarheid, haalbaarheid voor herhaalde metingen en directe beoordeling op netwerkniveau, terwijl het beperkt wordt door een verminderde ruimtelijke diepte en gevoeligheid voor bewegingsartefacten22. Het moet daarom worden beschouwd als een pragmatisch kader voor exploratieve parametermapping en niet als een klinisch gevalideerde optimalisatiestrategie.

Beperkingen

Het protocol is gebaseerd op een ontwerp met één sessie en beoordeelt de persistentie van netwerkeffecten of klinische uitkomsten niet. Sequentiële stimulatie kan residuele effecten tussen de condities introduceren23. Deze factoren kunnen de stabiliteit en generaliseerbaarheid van de geïdentificeerde frequentiespecifieke responsen beïnvloeden. Daarnaast kunnen anatomische variabiliteit, de plaatsing van de elektroden en de huidimpedantie de stimulatie-efficiëntie beïnvloeden, terwijl strikte kwaliteitscontrolecriteria voor fNIRS het aantal analyseerbare datasets kunnen verminderen. Bovendien zijn fNIRS-metingen beperkt tot corticale regio's en leggen ze geen subcorticale activiteit vast, wat kan bijdragen aan effecten op netwerkniveau.

Reikwijdte en toepasbaarheid

Dit protocol is bijzonder geschikt voor onderzoekers die pilotstudies, haalbaarheidstesten of vroege stadia van protocolontwikkeling uitvoeren in neuromodulatieonderzoek. Het ondersteunt de selectie van kandidaat-stimulatieparameters op basis van netwerkinformatie, maar stelt geen therapeutische effectiviteit of precisiepsychiatrie vast. Het kader kan worden aangepast aan andere netwerken, stoornissen of stimulatieparameters door de plaatsing van optoden en de ROI-definities te wijzigen, mits er wordt voorzien in consistente voorbewerking, strikte kwaliteitscontrole en transparante vergelijkingsprocedures24.

Openbaarmakingen

Alle deelnemers gaven voorafgaand aan hun deelname aan de experimenten schriftelijke geïnformeerde toestemming. De studieprotocollen zijn beoordeeld en goedgekeurd door de betreffende ethische commissie van de Universiteit van Marburg.

Aangepaste softwarescripts, geanonimiseerde gegevens en andere materialen die in deze studie zijn gebruikt, kunnen op verzoek ter beschikking worden gesteld aan geïnteresseerde partijen.

Verklaring auteursbijdrage

Svenja J. Francke droeg bij aan de werving van deelnemers, data-acquisitie, projectadministratie, methodologie en het schrijven van het oorspronkelijke concept en het herziene manuscript. Sarah Alizadeh droeg bij aan de conceptualisatie, methodologie, data-analyse, visualisatie en het schrijven van het oorspronkelijke concept en het herziene manuscript. José C. García Alanis droeg bij aan de conceptualisatie, methodologie, projectadministratie, data-analyse en het beoordelen en redigeren van het manuscript. Dorian Kock droeg bij aan de werving van deelnemers, data-acquisitie, methodologie en het schrijven van het oorspronkelijke concept en het herziene manuscript. Jannick Herrmann droeg bij aan de werving van deelnemers, data-acquisitie, methodologie en het schrijven van het oorspronkelijke concept en het herziene manuscript. Maximilian Kastl droeg bij aan de werving van deelnemers, data-acquisitie, methodologie en het schrijven van het oorspronkelijke concept en het herziene manuscript. Hamidreza Jamalabadi droeg bij aan de conceptualisatie, methodologie, data-analyse, supervisie en het beoordelen en redigeren van het manuscript. Felix P. Bernhard droeg bij aan de conceptualisatie, methodologie, supervisie en het schrijven van het oorspronkelijke concept en het herziene manuscript.

Dankbetuigingen

Dit werk werd gedeeltelijk gefinancierd door consortia-beurzen van de Duitse Onderzoeksstichting (DFG) SFB/TRR 393 (projectbeurs nr. 521379614), door een onderzoeksbeurs van de von Behring Röntgen (No.\ 70\_00038) Stiftung, door een onderzoeksbeurs van het Universitair Ziekenhuis van Gießen en Marburg (UKGM, No. 1/2024 MR) en door de Edda und Helmut Laich Stiftung. Dit werk werd verder ondersteund door het DYNAMIC center, gefinancierd door het LOEWE-programma van het Hessische Ministerie van Wetenschap en Kunsten (beursnummer: LOEWE 1/16/519/03/09.001(0009)/98) en de Deutsche Forschungsgemeinschaft (Duitse Onderzoeksstichting, DFG) onder het Duitse

Excellentiestrategie (EXC 3066/1 “The Adaptive Mind”, Project Nr. 533717223).

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
fNIRS-systeem (draagbaar continuous-wave multichannel)NIRxNIRSport2Draagbaar dual-wavelength multichannel fNIRS-systeem voor corticale hemodynamische registraties
fNIRS-acquisitiesoftwareNIRxAuroraNative software gebruikt voor signaalacquisitie, monitoring en event-markering
fNIRS-cap met optodenNIRxCompatible met NIRSport2Gebruikt voor de plaatsing van bronnen en detectoren
Optoden (bronnen en detectorenNIRxCompatible met NIRSport2Kanalen met grote scheiding (~30 mm) en kanalen met korte scheiding (~8 mm)
MATLABMathWorksLaatste release gebruikt in studieGebruikt voor preprocessing, connectiviteitsanalyse en custom scripts
Signal Processing ToolboxMathWorksMATLAB add-onGebruikt voor filtering en tijdreeksverwerking
Statistics and Machine Learning ToolboxMathWorksMATLAB add-onGebruikt voor rangschikking, beschrijvende statistiek en overeenkomstmetrieken
Custom analysescriptsIn-houseN/AGebruikt voor preprocessing, feature-extractie en ranggebaseerde frequentieselectie
taVNS-stimulatieapparaattVNS GmbHApparaatmodel gebruikt in studieGebruikt voor transcutane auriculaire nervus vagus stimulatie
Auriculaire stimulatie-elektrodentVNS GmbHCompatible met stimulatorGebruikt voor plaatsing bij de linker cymba conchae
Elektrodekabels en connectorentVNS GmbHCompatible met stimulatorGebruikt om elektroden aan het stimulatieapparaat te verbinden
Contactcrème / geleidende geltVNS GmbHN/AGebruikt om het contact tussen elektrode en huid tijdens stimulatie te verbeteren
AlcoholdoekjestVNS GmbHN/AGebruikt voor huidvoorbereiding vóór plaatsing van de elektroden
PsychoPyOpen Science Tools Ltd.Versie 2024.4.2Gebruikt voor experimentele controle, timing, blokrandomisatie, stimuluspresentatie en synchronisatie
ComputerworkstationLenovoThinkPad T14, G31666Gebruikt voor acquisitiecontrole en offline analyse; Intel Core Ultra 5, 16 GB RAM, 500 GB SSD, Windows 11 Pro
Monitor / displayLenovoThinkVision T32UD-4031,5 in IPS-display gebruikt voor presentatie van het fixatiekruis; resolutie 3840 × 2160 bij 60 Hz
Stille testruimteInstitutionele faciliteitN/AGebruikt om omgevingsafleiding tijdens registraties te minimaliseren

Referenties

  1. Rings, T., von Wrede, R., Bröhl, T., Schach, S., Helmstaedter, C., et al. Impact of transcutaneous auricular vagus nerve stimulation on large-scale functional brain networks: from local to global. Front Physiol. 12, 700261(2021).
  2. Kong, J., Fang, J., Park, J., Li, S., Rong, P. Treating depression with transcutaneous auricular vagus nerve stimulation: state of the art and future perspectives. Front Psychiatry. 9, 20(2018).
  3. Badran, B. W., et al. Short trains of transcutaneous auricular vagus nerve stimulation (taVNS) have parameter-specific effects on heart rate. Brain Stimul. 11 (4), 699-708 (2018).
  4. Farmer, A. D., et al. International consensus based review and recommendations for minimum reporting standards in research on transcutaneous vagus nerve stimulation (version 2020). Front Hum Neurosci. 14, 568051(2020).
  5. Yakunina, N., Kim, S. S., Nam, E. -C. Optimization of transcutaneous vagus nerve stimulation using functional MRI. Neuromodulation. 20 (3), 290-300 (2017).
  6. Parente, J., et al. Neural, anti-inflammatory, and clinical effects of transauricular vagus nerve stimulation in major depressive disorder: a systematic review. Int J Neuropsychopharmacol. 27 (3), pyad058(2024).
  7. Chao, J., et al. fNIRS evidence for distinguishing patients with major depression and healthy controls. IEEE Trans Neural Syst Rehabil Eng. 29, 2211-2221 (2021).
  8. Ho, C. S. H., et al. Diagnostic and predictive applications of functional near-infrared spectroscopy for major depressive disorder: a systematic review. Front Psychiatry. 11, 378(2020).
  9. Ludwig, M., Pereira, C., Keute, M., Düzel, E., Betts, M. J., et al. Evaluating phasic transcutaneous vagus nerve stimulation (taVNS) with pupil dilation: the importance of stimulation intensity and sensory perception. bioRxiv. , (2024).
  10. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol Psychiatry. 72 (7), 595-603 (2012).
  11. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nat Med. 23 (1), 28-38 (2017).
  12. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: a meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  13. Whitfield-Gabrieli, S., Ford, J. M. Default mode network activity and connectivity in psychopathology. Annu Rev Clin Psychol. 8, 49-76 (2012).
  14. Fang, J., et al. Transcutaneous vagus nerve stimulation modulates default mode network in major depressive disorder. Biol Psychiatry. 79 (4), 266-273 (2016).
  15. Bassett, D. S., Sporns, O. Network neuroscience. Nat Neurosci. 20 (3), 353-364 (2017).
  16. Gu, S., et al. Controllability of structural brain networks. Nat Commun. 6, 8414(2015).
  17. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85 (Pt 1), 181-191 (2014).
  18. Yücel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  19. Berman, G. J., Bialek, W., Shaevitz, J. W. Predictability and hierarchy in Drosophila behavior. Proc Natl Acad Sci U S A. 113 (42), 11943-11948 (2016).
  20. Atanackov, P., Peterlin, J., Derlink, M., Kovačič, U., Kejžar, N., et al. The acute effects of varying frequency and pulse width of transcutaneous auricular vagus nerve stimulation on heart rate variability in healthy adults: a randomized crossover controlled trial. Biomedicines. 13 (3), 700(2025).
  21. Anderson, Z., Turner, J. A., Ashar, Y. K., Calhoun, V. D., Mittal, V. A. Application of hyperalignment to resting state data in individuals with psychosis reveals systematic changes in functional networks and identifies distinct clinical subgroups. Aperture Neuro. 4, (2024).
  22. Austelle, C. W., et al. A comprehensive review of vagus nerve stimulation for depression. Neuromodulation. 25 (3), 309-315 (2022).
  23. Badran, B. W., et al. Neurophysiologic effects of transcutaneous auricular vagus nerve stimulation (taVNS) via electrical stimulation of the tragus: a concurrent taVNS/fMRI study and review. Focus. 20 (1), 80-89 (2022).
  24. Baig, S. S., et al. Optimizing non-invasive vagus nerve stimulation for treatment in stroke. Neural Regen Res. 20 (12), 3388-3399 (2025).

Herprints en machtigingen

Tags

fNIRS-mappingneuro-imaging bij depressiedefault mode networkstimulatiefrequentie-mappinganalyse op netwerkniveautranscutane vagusstimulatiegeïndividualiseerde parameterselectie

Dit artikel is gepubliceerd

Video binnenkort beschikbaar

Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.