December 3rd, 2020
We beschrijven de analyse van continugolf functioneel near-infrared spectroscopie experiment met behulp van een blokontwerp met een sensorimotorische taak. Om de betrouwbaarheid van de data-analyse te verhogen, gebruikten we de kwalitatieve algemene lineaire modelgebaseerde statistische parametrische mapping en de vergelijkende hiërarchische gemengde modellen voor multi-kanalen.
De interpretatie van F-N-I-R-S, of fNIRS-gegevens, kan moeilijk zijn voor beginnende gebruikers omdat de gegevens meestal niet kunnen worden gekwantificeerd. Ons protocol dat twee complementaire methoden gebruikt, biedt een beter begrip van deze gegevens. Het grote voordeel van deze techniek is de toename en de betrouwbaarheid van de gegevensanalyse met behulp van twee kwalitatieve, GLM-gebaseerde statistische parametrische mapping en vergelijkende hiërarchische gemengde modellen voor meerdere kanalen.
Voordat u een fNIRS-experiment uitvoert, plaatst u het fNIRS-apparaat in een donkere, geluidloze ruimte en plaatst u een volledige hoofd-fNIRS-opnamekap op het hoofd van het subject, zodanig dat de positie die overeenkomt met het centrum van het internationale 10-20-systeem zich op de nummer 245-houder van de hoofdkap bevindt. Bevestig de markeringssticker op referentielocatiepunten en maak foto's van het hoofd van het subject met de sondelocaties, inclusief de referentiepunten vanuit 15 perspectieven. Schik het 48-kanaals systeem met 32 optodes aan een hoofdkap bilateraal over de frontale en pariëtale gebieden als gebieden van interesse en gebruik de 3D-digitizer-software om de ruimtelijke registratie te bepalen.
Na het scannen van beeldgegevens voor het hele hoofd, bepaalt u de ruimtelijke coördinaten van het subject door automatische meting en slaat u de gegevens op als Origin en Others-bestanden. Laat het subject een comfortabele positie innemen en instruer het subject om hun ogen te sluiten. Informeer vervolgens het subject over de start- en stopsignalen en laat het subject de blok-ontwerptaak uitvoeren terwijl het dezelfde rechtopstaande houding voor elke taak behoudt.
Om NIRS-SPM-software te gebruiken om een kwalitatieve algemene lineaire modelanalyse uit te voeren, start u het NIRS-SPM-programma in de MATLAB-software en selecteert u de NIRS-systeemoptie uit het pop-upmenu. Selecteer de knop Laden. Om de ruimtelijke registratie van de NIRS-kanaallocatie te detecteren, selecteert u de afzonderlijke en Met 3D-digitizer-vakjes.
In de Van reële coördinaten naar MNI-ruimte, gebruikt u het dialoogvenster om het coördinaatreferentiepunt en coördinaatsondes/kanalen-bestanden te selecteren. Klik op Registratie en selecteer de punten om door te gaan naar de ruimtelijke schatting. Klik op OK en Project MNI-coördinaat naar weergegeven brein.
Selecteer Dorsale weergave en klik op Opslaan. Selecteer in de sectie 1e niveau specificeren de NIRS-gegevensbestandsnaam en SPM-directory. Vink het vakje hemoglobine aan en selecteer ontwerp specificeren en sec.
Selecteer vector van begin en duur en voer een vector van begin vermenigvuldigd met de duur van de experimentele omstandigheden in zoals aangegeven. Voor detrending, selecteer Wavelet-MDL. Gebruik de precoloring-methode, laagdoorlaatfilter en selecteer hrf.
Corrigeer voor de seriële correlatie, selecteer geen. Om de temporele correlaties te schatten, vink Individuele analyse aan om een enkel individu te analyseren. Om de temporele correlaties voor een groep proefpersonen te schatten, vink Groepsanalyse aan en bereken vervolgens de activeringskaart op basis van de veranderingen in hemoglobineniveau voor de gestandaardiseerde hersenen.
Om een multi-kanaals vergelijkende analyse uit te voeren op basis van een hiërarchisch gemengd model, opent u een geschikt statistisch analysesoftwareprogramma en converteert u het tekstdocument van veranderingen in geoxideerde en gedeoxideerde hemoglobineconcentratie in het dichtstbijzijnde gegevensbestand dat is verwerkt met de laagdoorlaatfilter naar het spreadsheetsoftware-bestand met kommascheiding. Gebruik de opdrachten om een pre-versus post-interventie-importgegevens voor elk subject te maken en voer de pre-en post-interventiegegevens opdracht uit voor elk kanaal zoals aangegeven. Op basis van de gegevens die zijn verkregen uit de uitvoergegevens, voert u de pre-versus post-interventie-verschillen in verandering, rust en on-task-waarden van elk kanaal in het spreadsheet in.
Voer vervolgens de teller en noemer van de vrijheidsgraden en de F- en P-waarden van het interactie-item van het vaste effect type drie test in het spreadsheet in. In deze representatieve groepsanalyse van 10 beroertepatiënten werd een toename van de corticale activiteit van de primaire motorische cortex waargenomen in de gemeten hemisfeer onmiddellijk na de robot-ondersteunde revalidatie in vergelijking met die werd waargenomen vóór de training. In deze multi-kanaals groepsanalyse die pre-versus post-interventie vergelijkt, werd een verhoogde corticale activiteit waargenomen in de primaire motorische cortex na interventie, hetzelfde hersengebied zoals waargenomen in de NIRS-SPM.
Onze methoden kunnen worden gebruikt om pre-en post-interventie-analyse uit te voeren voor een verscheidenheid aan neurologische stoornissen, zoals bewegingsstoornissen, cerebrovasculaire aandoeningen en neuropsychiatrische stoornissen. In plaats van elleboogbewegingen kunnen onderzoekers ook andere blokontwerptaken toepassen, zoals beenbewegingen. Bovendien is ons protocol nuttig voor het onthullen van behandelingseffecten in verschillende omgevingen.
View the full transcript and gain access to thousands of scientific videos
Deze studie beschrijft een methodologie voor het analyseren van gegevens uit functionele near-infrared spectroscopie (fNIRS) experimenten met behulp van een blokontwerp met een sensorimoteure taak. Het primaire doel is om de gegevensbetrouwbaarheid te verbeteren door het gebruik van kwalitatieve statistische parametrische mapping op basis van algemene lineaire modellen en vergelijkende hiërarchische gemengde modellen over meerdere kanalen.
Functional near-infrared spectroscopy (fNIRS) provides a non-invasive method to assess cortical activity changes in neurological disorders, supporting target validation in preclinical and early clinical research. The dual-method approach combining qualitative GLM-based analysis and comparative hierarchical mixed modeling enhances data reliability and mechanistic de-risking for intervention studies. This enables predictive confidence in evaluating therapeutic effects on brain function prior to larger-scale trials.
The method integrates into the discovery continuum from hypothesis testing through lead identification to preclinical validation by providing reproducible cortical activity readouts.