Artykuł metodologiczny

Walidacja fMRI pomiarów fNIRS podczas zadania naturalistycznego

22.1K wyświetleń

⸱

DOI:

10.3791/52116

⸱

15 czerwca 2015

 ,  ,  ,  ,  ,  ,  , 
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

W tym artykule

Podsumowanie

Prezentujemy metodę porównywania funkcjonalnej aktywności mózgu zarejestrowanej podczas zadania naturalistycznego przy użyciu fNIRS z aktywnością zarejestrowaną podczas fMRI.

Streszczenie

Przedstawiamy metodę porównywania aktywności mózgu zarejestrowanej za pomocą spektroskopii bliskiej podczerwieni (fNIRS) w zadaniu z gry tanecznej z aktywnością zarejestrowaną w zmniejszonej wersji zadania przy użyciu fMRI (funkcjonalnego rezonansu magnetycznego). Ostatnio wykazano, że fNIRS może dokładnie rejestrować funkcjonalne czynności mózgu równoważne z tymi, które są jednocześnie rejestrowane za pomocą funkcjonalnego rezonansu magnetycznego dla klasycznych zadań psychofizycznych i prostych paradygmatów stukania palcami. Jednak często przytaczaną zaletą fNIRS jest to, że technika ta pozwala na badanie mechanizmów neuronalnych złożonych, naturalistycznych zachowań, które nie są możliwe przy użyciu ograniczonego środowiska fMRI. Naszym celem było rozszerzenie wyników poprzednich badań, które wykazały wysoką korelację między jednocześnie rejestrowanymi sygnałami fNIRS i fMRI, aby porównać zapisy neuronalne uzyskane w procedurach fMRI z tymi oddzielnie uzyskanymi w naturalistycznych eksperymentach fNIRS. W szczególności opracowaliśmy zmodyfikowaną wersję tanecznej gry wideo Dance Dance Revolution (DDR), aby była kompatybilna zarówno z procedurami obrazowania fMRI, jak i fNIRS. W tej metodologii wyjaśniamy modyfikacje oprogramowania i sprzętu pod kątem kompatybilności z każdą techniką, a także procedury skanowania i kalibracji stosowane w celu uzyskania reprezentatywnych wyników. Wyniki badania wskazują na związany z zadaniem wzrost oksyhemoglobiny w obu modalnościach i pokazują, że możliwe jest powtórzenie wyników fMRI przy użyciu fNIRS w zadaniu naturalistycznym. Technika ta reprezentuje metodologię porównywania paradygmatów obrazowania fMRI, które wykorzystują środowisko zredukowanego świata z fNIRS w bliższym przybliżeniu do naturalistycznych czynności i zachowań całego ciała. Dalszy rozwój tej techniki może mieć zastosowanie do chorób neurodegeneracyjnych, takich jak choroba Parkinsona, późne stany otępienia lub te z podatnością magnetyczną, które są przeciwwskazane do badania fMRI.

Wprowadzenie

Celem opisanych tutaj metod było opracowanie działającego protokołu do porównywania sygnałów fMRI (funkcjonalnego rezonansu magnetycznego) i fNIRS (funkcjonalnej spektroskopii bliskiej podczerwieni) w podobnych zadaniach multimodalnych. W szczególności naszym celem było opracowanie procedury obrazowania funkcjonalnego do użytku u osób przeciwwskazanych do tradycyjnych badań fMRI z powodu drżenia, dyskinezy lub wielu wszczepionych urządzeń. Chociaż istnieje wiele skutecznych programów treningowych i rehabilitacyjnych dla osób zagrożonych upadkiem, nie ma potwierdzenia mechanizmów neuronalnych leżących u podstaw skuteczności tych programów. Często osoby uczestniczące w tych programach szkoleniowych są przeciwwskazane z przytoczonych powodów. Naszym uzasadnieniem dla tego badania było określenie skuteczności funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS) w celu określenia wzorców aktywności mózgu związanych z naturalistycznym zadaniem motorycznym obejmującym ruchy całego ciała. Długoterminowe cele obejmują opracowanie narzędzia do badania nie tylko paradygmatów uczenia się motorycznego, ale także potwierdzenia przydatności fNIRS do szerszego zakresu zadań, które nie są możliwe do wykonania w sposób naturalistyczny przy użyciu tradycyjnych metod.

aktywność fNIRS została wcześniej wykazana jako silnie skorelowana (r = 0,77-0,94) dla regionów homologicznych z zapisami sygnału fMRI BOLD (zależnym od poziomu tlenu we krwi) w ograniczonych badaniach, które mierzyły jednoczesną aktywność funkcjonalną fNIRS i fMRI przy użyciu klasycznych paradygmatów psychologicznych i prostego stukania palcami1-3. Wyniki tych badań potwierdzają, że fNIRS jest ważny i wiarygodny w określaniu aktywności kory mózgowej związanej ze zmniejszonym zadaniem środowiskowym zgodnym z fMRI. Jednak fNIRS ma wiele zalet w porównaniu z fMRI jako metodą neuroobrazowania. fNIRS, co ważne, jest znacznie mniej wrażliwy na artefakty ruchu niż fMRI i pozwala badanym zachowywać się tak, jak zachowywaliby się w środowisku naturalistycznym, w przeciwieństwie do badań fMRI, które ograniczają paradygmaty motoryczne. Dokładność czasowa związana z fNIRS pozwala na określenie zmian w funkcjach odpowiedzi neuronalnej ze zwiększoną szczegółowością ze względu na zwiększoną częstotliwość próbkowania. Wreszcie, koszt fNIRS jest niższy niż skanowanie fMRI i pozwala na prowadzenie badań przy niższych kosztach. Istnieją jednak wady fNIRS w porównaniu z fMRI, w tym ograniczona głębokość penetracji, ograniczona rozdzielczość przestrzenna, a ostatnio wykazano, że niektóre zjawiska fizjologiczne, takie jak ciśnienie krwi, tętno i wpływ przepływu krwi w skórze głowy, mogą wprowadzać fałszywie dodatnie wyniki do korowego sygnału hemodynamicznego5-9. Chociaż obecnie opracowywanych jest wiele metodologii i rozwiązań sprzętowych specyficznych dla NIRS, w tym przetwarzanie sygnałów, sprzęt zapewniający gradienty optodowe o dużej gęstości, nadal ważne jest opracowanie mieszanych metodologii, które pozwolą procedurom fMRI i fNIRS na wzajemne uzupełnianie się.

To badanie służy do przetestowania metody fNIRS do określania mechanizmów neuronowych zaangażowanych podczas zadania w grze wideo z tańcem naturalistycznym. Celem pracy było porównanie aktywności w ośrodku integracji mózgu (zakręt skroniowy górny i środkowy) pomiędzy grupą osób obrazowanych za pomocą fMRI z inną grupą osób korzystających z naturalistycznej wersji zadania zobrazowanego za pomocą fNIRS. Nasza grupa wcześniej badała ten obszar przy użyciu podobnych interaktywnych paradygmatów gier i wykazała, że aktywność w płacie skroniowym reaguje zarówno na chromofory tlenowe, jak i deoksyHb zgodnie z aktywacjami kory mózgowej10. Wcześniej próbowaliśmy również kontrolować artefakty systemowe, pokazując, że reakcje w tym obszarze są modulowane pod względem amplitudy w odniesieniu do obciążenia kory mózgowej zadania, a nie odpowiedzi systemowych związanych z samą aktywnością11. Zakręt skroniowy górny i środkowy ma znaną aktywność związaną z integracją multimodalnych bodźców sensorycznych, a wcześniej wykazaliśmy, że obszar ten jest aktywny w grze Dance Dance Revolution (DDR) w pilotażowych badaniach fMRI, oprócz naszych publikacji fNIRS10-12. Nasza hipoteza dla obecnego badania była taka, że aktywność funkcjonalna w tym obszarze, zarejestrowana za pomocą fNIRS, byłaby istotnie skorelowana z aktywnością funkcjonalną zarejestrowaną za pomocą fMRI w podobnym, ale ograniczonym protokole gry tanecznej.

Protokół opisany tutaj zawiera informacje o tym, jak zmodyfikować grę wideo do tańca, aby mogła być używana jako paradygmat neuroobrazowania zarówno w protokołach fNIRS, jak i fMRI. Jednak ogólna procedura nie jest specyficzna dla paradygmatu gry wideo i może być odpowiednia dla dowolnej liczby zadań, które nie są możliwe do wykonania w ograniczeniach protokołu fMRI, w tym zadań językowych i lokomotorycznych. Protokół ten dodatkowo nakreśla procedurę wykorzystania anatomicznej specyficzności fMRI do opracowania określonych regionów zainteresowania (ROI), które mogą być dalej badane podczas rzeczywistych zadań przy użyciu fNIRS.

Protokół

Przed przystąpieniem do badania wszyscy uczestnicy przekazali świadomą zgodę zgodnie z wytycznymi instytucjonalnymi. W tym przypadku protokół został zatwierdzony dla niniejszego badania przez instytucjonalne programy ochrony ludzi z Uniwersytetu Meiji (Kanagawa, Japonia), Centrum Medycznego Uniwersytetu Columbia (przekazane do Yale School of Medicine w celu analizy danych) oraz Uniwersytetu Long Island, Kampus w Brooklynie.

1. Modyfikacja i rozwój oprogramowania oraz sprzętu dla funkcjonalnego obrazowania neuronowego (fMRI i fNIRS)

  1. Zmodyfikuj grę Dance Dance Revolution (DDR), edytując szczegóły plików konfiguracyjnych (.sm) za pomocą otwartoźródłowego klona DDR, Stepmania, aby zmienić synchronizację, grafikę i muzykę na potrzeby badań regionów zainteresowania przy użyciu fMRI przed obrazowaniem fNIRS.
    1. W pliku .sm określ zmienne: background, music, offset (rozpoczęcie muzyki w czasie skanowania), samplestart, samplelength, bpms oraz bgchanges. Określ wzory strzałek dla każdego taktu w pliku .sm, definiując strzałki na takt jako wartość „1”, „0” lub „M”. Zdefiniuj naciśnięcia przycisków lewego, górnego, dolnego lub prawego dla każdego taktu. Użyj „1” dla strzałki, „0” dla pustego pola oraz „M” dla miny w epokach odpoczynku.
  2. Używając utworu z gry „Butterfly” (oryginalnie wykonanego przez Smile.dk i dostępnego na oryginalnej płycie CD gry Dance Dance Revolution 3rd Mix na Sony PlayStation), pozwól badanym na grę z wykorzystaniem naprzemiennego projektu blokowego wbudowanego w mechanikę gry, zgodnie z modyfikacjami w pliku konfiguracyjnym .sm. Stosuj naprzemienne 30-sekundowe okresy gry i 30-sekundowe okresy odpoczynku, przy czym grafika w tle powinna wskazywać graczowi, kiedy grać (kolor zielony) i kiedy odpoczywać (kolor czerwony; Rysunek 1).

Graficzny interfejs użytkownika w eksperymencie z grą; schemat szeregów czasowych dla interwałów gry i odpoczynku.
Rysunek 1: Projekt paradygmatu. (A) Graficzny interfejs użytkownika DDR. Strzałki na dole ekranu przesuwały się w stronę góry ekranu. Strzałki te wskazywały badanym, który przycisk należy nacisnąć. Gdy strzałki dotarły do górnego obszaru działania (szare strzałki na górze ekranu), badani reagowali, naciskając odpowiedni przycisk. Czas gry był oznaczony zielonym tłem. Czas odpoczynku był oznaczony czerwonym tłem. Podczas czasu odpoczynku strzałki zostały zastąpione animacjami „bomb”. Nie miały one żadnej funkcji w odniesieniu do rozgrywki lub wyniku, lecz służyły jako wypełniacz podczas epok odpoczynku. (B) Projekt blokowy zastosowany do skanowania składał się łącznie z 5 min epok gry i odpoczynku. Przeskanowanie wstępne trwało 10 sec, po czym następowały naprzemienne 30 sec bloków gry i odpoczynku. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

  1. Powtórz naprzemienne interwały pięć razy w każdej serii, aby zapewnić specyficzność kontrastu pomiędzy okresami spoczynku a aktywnością.
  2. W przypadku gromadzenia danych fMRI, ogranicz ruchy do naciskania lewego i prawego przycisku strzałki podczas rejestracji fMRI przy użyciu przycisków nożnych. Całkowita liczba naciśnięć przycisków powinna pozostać taka sama dla obu zadań (Rysunek 2).
  3. Przed rozpoczęciem procedury skanowania wyjaśnij badanym podstawy gry i umożliw im wykonanie kilku prób treningowych przed obrazowaniem. Poinstruuj badanych, aby naciskali odpowiedni przycisk strzałki stopą jak najbliżej idealnego momentu wskazanego na górze ścieżki poruszającej się strzałki, jednocześnie maksymalnie ograniczając ruchy głową.

Pozycjonowanie w stanie równowagi statycznej MRI z klinami z pianki, schemat ustawienia pacjenta w celu zminimalizowania ruchu.
Rycina 2: Układ eksperymentalny dla fMRI. (A) Badani leżeli w skanerze MRI, obserwując rzutowane interaktywne środowisko za pomocą lustra zamontowanego do cewki głowowej nad badanym. Rycina 2B. Zmodyfikowana platforma dla stóp składająca się z dwóch przycisków umożliwiała badanym odpowiadanie poprzez uderzenia palcami lewej lub prawej stopy w czasie rzeczywistym podczas rozgrywki. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

2. Badanie i analiza fMRI

  1. Przed rozpoczęciem rozgrywki należy wykonać obraz strukturalny dla każdego badanego, stosując sekwencję gradientowego echa z niszczeniem magnesu podłużnego 3D (SPGR) (124 warstwy, 256 x 256, pole widzenia = 220 mm), przy całkowitym czasie skanowania wynoszącym 10 min 38 sec.
  2. Należy uzyskać funkcjonalne obrazy rezonansu magnetycznego podczas skanowania, stosując następujące ustawienia dla sekwencji gradientowego echa T2*-zależnego w obrazowaniu echo-planarnym (EPI): czas echa = 51 msec, czas repetycji = 3 sec, kąt odchylenia = 83°. Należy pozyskać 27 następujących po sobie obrazów warstw osiowych mózgu o następujących wymiarach: pole widzenia 192 x 192 mm z siatką 128 x 128, co daje całkowitą rozdzielczość 1.56 x 1.56 mm oraz rozdzielczość w osi z wynoszącą 4.5 mm.
  3. Należy poinstruować badanych, aby grali w grę zgodnie z powyższym paradygmatem, ale używając wyłącznie strzałek lewej i prawej w celu zminimalizowania artefaktów ruchowych.
  4. Przeprowadzić analizy sygnału BOLD fMRI przy użyciu SPM85, zaimplementowanego w MATLAB 7.0.
    1. Odrzucić pierwsze 10 sec serii EPI, aby zminimalizować artefakt relaksacji T2*; dane funkcjonalne są korygowane pod kątem ruchu za pomocą 6-parametrowej przestrzennej transformacji „sztywnego ciała” metodą najmniejszych kwadratów.
    2. Znormalizować wyrównane skany EPI do szablonu MNI (Montreal Neurological Institute) o rozdzielczości 2 mm3, a następnie przeprowadzić wygładzanie przestrzenne za pomocą jądra Gaussa o pełnej szerokości połówkowej (FWHM) wynoszącej 8 mm.
    3. Przeprowadzić analizy statystyczne na poziomie osobniczym z wykorzystaniem ogólnego modelu liniowego (GLM) w celu stworzenia statystycznych map parametrycznych do porównania stanu aktywnego (DDR) ze stanem spoczynku.
    4. Przeprowadzić analizę grupową wyników indywidualnych, stosując standardowe podejście efektów losowych drugiego poziomu w mapowaniu statystycznie parametrycznym (SPM). Wyznaczyć obszar zainteresowania na podstawie wyników analizy grupowej z progiem p <0.01 oraz progiem wielkości klastra wynoszącym 100 wokseli.
    5. Zdefiniować obszar zainteresowania jako koniunkcję klastra funkcjonalnego i maski anatomicznej zakrętu skroniowego górnego i środkowego, uzyskanej za pomocą narzędzia WFU PickAtlas13,14.

3. Konfiguracja fNIRS i akwizycja danych

  1. Użyj 22-kanałowego systemu topografii fNIRS do rejestracji danych z optodów rozmieszczonych w układzie 3 x 5. Odległość międzyoptodowa dla każdej pary źródło-detektor wynosi 3 cm (Rysunek 3A, B).
    1. Zorientuj elastyczną czepek zawierający układ czujników optycznych tak, aby był on wyrównany od lewej kory przedczołowej do lewego płata skroniowego (Rysunek 3A, B). Upewnij się, że optod w najniższym rzędzie w najbardziej przedniej pozycji jest wycentrowany na Fpz międzynarodowego systemu 10-1015. Wyrównaj dolny rząd optodów równolegle do linii między punktami anatomicznymi Fpz a T7.
  2. Zaciśnij układ sond optycznych na głowie badanego i upewnij się, że jest on stabilnie przymocowany za pomocą pasków oraz paska podbródkowego. Należy zwrócić uwagę na przesunięcie optodów względem powierzchni głowy, aby pary źródło-detektor ściśle przylegały do głowy, ale nie powodowały dyskomfortu u badanego (Rysunek 3C).
  3. Próbkuj surowe analogowe dane świetlne z par źródło-detektor optodów do komputera z częstotliwością 7,9 Hz, korzystając z graficznego interfejsu użytkownika komputera.

Czujniki głowowe fNIRS do monitorowania aktywności mózgu; konfiguracja sprzętu i demonstracja aplikacji.
Rycina 3: Konfiguracja optod do pomiarów NIRS. (A) Czepek składa się z elastycznej tkaniny z dopasowanym giętkim tworzywem, do którego przymocowane są uchwyty na optody rozmieszczone w odstępach 3 cm. Do czepka przymocowano paski umożliwiające jego ciasne dopasowanie do głowy. Czepek jest większy i pomieści więcej optodów niż zastosowana w tym badaniu macierz 3 x 5 (zaznaczona na żółto), co jest jednak niezbędne do jego stabilnego zamocowania na głowach badanych. (B) Czepek z optodami rozmieszczony od lewego płata przedczołowego do płatów skroniowych. Przykład czepka z optodami na głowie badanego, zapewniający pokrycie macierzą 3 x 5 obszaru od lewego przedczołowego do lewego płata skroniowego. (C) Rozmieszczenie optod w czepku, pokazujące czepek zamocowany do głowy za pomocą pasków dociągających oraz paska podbródkowego. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Przed rozpoczęciem rejestracji należy sprawdzić kalibrację, siłę sygnału oraz stosunek sygnału do szumu, korzystając z oprogramowania sterującego systemem dostarczonego przez producenta. W przypadku wykrycia wysokiego poziomu szumów należy usunąć optody oraz wszelkie przeszkadzające włosy z kanału, używając plastikowego pręta z podświetleniem LED (Rysunek 4).

Układ optycznego obrazowania w neuronauce; wzbudzenie optyczne; pomiar aktywności mózgu; czepek EEG.
Rysunek 4: Optymalizacja sygnałów optodów. Włosy zostały odsunięte z każdego kanału za pomocą podświetlanego plastikowego narzędzia, aby przesunąć je z centrum kanału w celu zapewnienia optymalnej jakości sygnału. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

  1. Użyj 3D cyfrowego pióra do wyznaczenia wartości przestrzennych lokalizacji optod źródłowych i detekcyjnych w każdym kanale elastycznej czapki. Za pomocą cyfryzatora określ współrzędne przestrzenne nasion, inion, małżowin usznych oraz punktu Cz każdego badanego bezpośrednio przed rozpoczęciem zbierania danych i rozgrywką (Rycina 5). Zapisz pliki tekstowe z lokalizacjami źródeł i detektorów w pliku others.txt, a współrzędne anatomiczne w pliku origin.txt.

Układ eksperymentu EEG; badacz dostraja elektrody do rejestracji aktywności mózgu w badaniu neuronaukowym.
Rysunek 5: Kalibracja pozycji optody. Magnetyczne narzędzie digitalizujące zostało użyte do wyznaczenia punktów orientacyjnych układu 10-20 na głowie oraz pozycji kanałów optod. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

  1. Przetworzyć zarejestrowane współrzędne 3D, korzystając z opcji rejestracji w programie NIRS-SPM16,17 w środowisku MATLAB 7.0 (Rysunek 6). Z menu głównego SPM wybrać samodzielną rejestrację przestrzenną (stand-alone spatial registration). Na następnym ekranie zaznaczyć opcję „With 3D Digitizer” i za pomocą odpowiedniego okna dialogowego wybrać wcześniej zapisane pliki tekstowe „others” oraz „origin”. Z okna dialogowego oprogramowania wybrać opcję „Registration (use the NFRI function)”, aby określić reprezentację przestrzenną

Opisany schemat mózgu, wyróżniający obszary do badań neuronaukowych i mapowania funkcji poznawczych.
Rycina 6: Przykładowy wynik danych kalibracyjnych NIRS. Dane z digityzera wykorzystano do określenia prawdopodobieństwa wystąpienia każdego kanału w konkretnych obszarach mózgu. Kanał 22 u tego badanego wykazał prawdopodobieństwo 0,4129 w zakręcie skroniowym środkowym oraz 0,47419 w zakręcie skroniowym górnym. Kanał jest definiowany przez obszar pomiędzy parami emitera i detektora. Okrąg wokół kanału 22 na rycinie stanowi przybliżenie obszaru przyczyniającego się do sygnału zarejestrowanego z par optod w przypadku tego badanego. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Gdy wszystkie pozycje kanałów optod zostaną zdigitalizowane, a każdy kanał zapewni wystarczającą siłę sygnału, zgodnie ze wskazaniami w interfejsie graficznym oprogramowania dostarczonego przez producenta, poproś badanych o wstanie i przygotowanie się do testu DDR (Ryc. 7A, B).

Układ eksperymentu EEG do analizy funkcji poznawczych i motorycznych z wykorzystaniem platformy stopniowej i sterowania komputerowego.
Rycina 7: Gromadzenie danych fNIRS podczas gry tanecznej. (A) Badani stoją i grają w grę z wykorzystaniem paradygmatu blokowego na standardowej macie do gry tanecznej, będąc podłączonymi do urządzenia NIRS. (B) Alternatywny widok gromadzenia danych, pokazujący surowe dane zbierane w czasie rzeczywistym od badanego na ekranie w tle. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

4. Gromadzenie danych fNIRS

  1. Przed rozmieszczeniem optodów do rejestracji fNIRS, przeprowadź krótkie wprowadzenie uczestników do rozgrywki i umożliw im trening w celu oswojenia się z grą, analogicznie do procedury w badaniu fMRI.
  2. W badaniu fNIRS zastosuj paradygmat identyczny z tym z badania fMRI, z dodatkiem strzałek góra/dół w porównaniu do strzałek tylko lewo i prawo używanych w fMRI. Upewnij się, że całkowita liczba naciśnięć strzałek jest identyczna w zadaniach fMRI i fNIRS, a różni się jedynie ich układ.
  3. Do obsługi gry podczas badania fNIRS wykorzystaj standardowy 4-przyciskowy system odpowiedzi w formie maty podłogowej (Rysunek 7A).
  4. Gdy uczestnicy opanują podstawy rozgrywki, poleć im grę w cyklach 30 s gry i 30 s odpoczynku, zgodnie z krokiem 1.2. Powtórz tę 5-minutową sesję gry dwukrotnie dla każdego uczestnika.
    1. Wyraźnie poinstruuj uczestników, aby nie dotykali twarzy ani nosa, a w szczególności włosów lub głowy w pobliżu optodów. Poleć uczestnikom minimalizowanie obrotów, ruchów odchylenia bocznego (yaw) lub pochylenia (pitch) głowy podczas rozgrywki.

5. Analiza danych fNIRS

  1. Zastosuj zmodyfikowane podejście prawo Beer’a–Lamberta18, aby obliczyć względne sygnały odzwierciedlające zmiany stężeń hemoglobiny utlenowanej (oxy-Hb), hemoglobiny odtlenowanej (deoxy-Hb) oraz całkowitej hemoglobiny (total-Hb) odpowiednio jako ΔoxyHb, ΔdeoxyHb i ΔtotalHb w jednostkach dowolnych (μM cm), korzystając z następujących równań:
        ΔoxyHb = -1.4887 × Δabs780 + 0.5970 × Δabs805 + 1.4847 × Δabs830
        ΔdeoxyHb = 1.8545 × Δabs780 + (-0.2394) × Δabs805 + (-1.0947) × Δabs830
        ΔtotalHb = ΔoxyHb + ΔdeoxyHb;
    gdzie Δabs oznacza zmiany absorpcji światła przy odpowiadającej długości fali.
  2. Przepuść surowe dane sygnałów hemodynamicznych od poszczególnych osób przez filtr dolnoprzepustowy w postaci filtru Savitzky’ego–Golaya 25ego rzędu, a następnie wyciągnij średnią19.
  3. Zastosuj korekcję linii bazowej do uśrednionych danych, ustawiając punkt początkowy na zero.
  4. Znormalizuj amplitudę sygnału hemodynamicznego, dzieląc wartości uśrednione przez odchylenie standardowe sygnału zarejestrowanego 10 sec przed wykonaniem zadania.
  5. Wybierz kanały do analizy na podstawie informacji z cyfryzatora 3D. W tym przypadku do analizy wykorzystaj kanał, który wykazuje prawdopodobieństwo rejestracji wynoszące 80% lub więcej w obrębie zakrętu skroniowego środkowego i górnego (Middle and Superior Temporal Gyrus) zgodnie z wynikiem procesu rejestracji.

6. Porównanie sygnałów fMRI i fNIRS

  1. Użyj funkcji wyników w programie SPM8, aby wyznaczyć woksele powyżej progu dla T >2,6 lub odpowiadającej im wartości P <0,01. Wyznacz obszar zainteresowania (ROI), wykorzystując nakładające się woksele powyżej progu do zdefiniowania klastra wewnątrz regionu anatomicznego.
    1. W tym przypadku zdefiniuj zakręt skroniowy górny i środkowy, korzystając z atlasu AAL zawartego w WFU Pick Atlas. W tym przypadku wynikający klaster obejmuje 572 woksele o rozmiarach 2 x 2 x 2 mm zlokalizowane w zakręcie skroniowym środkowym, z wokselem szczytowym w współrzędnych (-66, -24, 0) i szczytowym T = 5,73 fNIRS.
  2. Wyznacz kanał zainteresowania z danych fNIRS, korzystając z zdigitalizowanych współrzędnych 3D, które zostały przekonwertowane na współrzędne MNI za pomocą NIRS-SPM w kroku 3.5.1 powyżej. W tym przypadku u większości badanych kanał 22 wykazywał najwyższe prawdopodobieństwo aktywności w ROI zdefiniowanym w kroku 6.1.
  3. Wyznacz uśrednioną odpowiedź wywołaną zdarzeniem w ROI dla fMRI oraz w odpowiadającym mu kanale dla fNIRS w czasie trwania 60 s bloku (łącznie dla fazy aktywnej i spoczynku).
  4. Dla każdego badanego uśrednij surowe sygnały zależne od poziomu utlenowania krwi (BOLD) dla wokseli wewnątrz klastra, aby wygenerować średnie dane fMRI wywołane zdarzeniem.
  5. Porównaj fMRI i fNIRS poprzez przeskalowanie danych fMRI w celu optymalnego dopasowania do danych fNIRS, stosując regresję liniową według wzoru fNIRS = b* fMRI, gdzie metoda regresji wyznacza wartość b tak, aby zminimalizować wartość pierwiastka błędu średniokwadratowego dla fNIRS -b* fMRI.
  6. Porównaj sygnały fNIRS i fMRI za pomocą korelacji obu grup.

Wyniki

Wyniki eksperymentu wskazują, że aktywność ośrodków integracyjnych w zakrętach skroniowych górnych i środkowych uzyskana za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) wykazuje wysoką korelację z sygnałami funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS) z tego samego obszaru w naturalistycznej wersji zadania. Rycina 8 przedstawia znormalizowane i uśrednione surowe dane od 16 osób z procedury skanowania fMRI (linia niebieska) oraz od 26 osób z protokołu fNIRS (linia czerwona). Dane zostały wyrównane do punktu czasowego 0, a aktywna faza interakcji z grą miała miejsce w ciągu pierwszych 30 s na wykresie (oznaczono jako task). Pionowa przerywana linia wskazuje przejście tła zadania z zielonego na czerwone oraz początek fazy odpoczynku (oznaczonej jako rest). Oba zestawy danych wykazują wzrost odpowiedzi w fazie aktywnej i spadek w fazie odpoczynku, przy czym w sygnale fMRI zaobserwowano większą zmienność. Porównanie przebiegów przeprowadzono, najpierw stosując regresję sygnału fMRI w celu zminimalizowania pierwiastka średniokwadratowego różnicy między oboma przebiegami. Wynikowy współczynnik korelacji między dwoma sygnałami wyniósł 0,78, a wartość p dla korelacji wyniosła 0,03.

Rysunek 9 przedstawia rendering mózgu z nałożonymi lokalizacjami kanałów pojedynczego badanego. Uśrednione ślady z kanałów 1 i 22 są przedstawione liniami ciągłymi dla sygnałów oksyhemoglobiny oraz liniami przerywanymi dla sygnałów deoksyhemoglobiny. Czerwone i niebieskie ślady reprezentują odpowiednio dwa warianty rozgrywki: z muzyką i bez muzyki. Sygnały z kanału 1 służą jako przykład kontrolny do porównania z obszarem zainteresowania. Sygnały w tych dwóch obszarach różnią się pod względem odpowiedzi na zadanie.

Wykres porównania sygnałów fNIRS i fMRI, lewy zakręt skroniowy, analiza zadania ruchowego z bodźcem sensorycznym.
Rycina 8: Korelacja między sygnałami fNIRS i fMRI z zakrętu skroniowego środkowego. Przedstawiono sygnały fNIRS (czerwony) i fMRI (niebieski) dla każdej grupy ± SEM reprezentowane przez zacieniowane obszary. Współczynnik regresji między nimi wynosi 0,78; p = 0,03. Wstawka przedstawia wizualizację ROI wyznaczonego na podstawie aktywności w fMRI z maksymalną aktywnością w koordynacie MNI (-66, -24, 0) przy wielkości klastra = 571, szczytowym t = 5,73. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

Mapowanie obszarów mózgu z wykresami sygnałów; schemat analizy aktywacji neuronalnej w FPC i MTG.
Rycina 9: Różnice w sygnałach w płatach skroniowych i czołowych. Przebieg czasowy odpowiedzi ΔoxyHb (linia ciągła) i ΔdeoxyHb (linia przerywana) u jednego badanego z dwóch pojedynczych prób gry tanecznej, przedstawiający dwa warunki: „z muzyką (czerwony)” i „bez muzyki (niebieski)”. Rycina została zmodyfikowana na podstawie pracy Ono et al.10.

Dyskusja

fNIRS to funkcjonalna technika obrazowania mózgu, która ma nadzieję umożliwić badanie neuronalnych korelatów naturalnych aktywności. Rozwój tych technik jest aktywnym kierunkiem badań. Przedstawiamy tutaj metodologię, która okazała się skuteczna w rejestrowaniu funkcjonalnej aktywności mózgu w jednym obszarze zainteresowania związanym z uczestnictwem w tanecznej grze wideo.

Liczba publikacji badających paradygmaty uczenia motorycznego z wykorzystaniem fNIRS gwałtownie wzrosła w ostatnich latach wraz z wprowadzeniem wielokanałowych jednostek fNIRS firm Hitachi i Shimadzu (a także innych) zdolnych do jednoczesnego rejestrowania czynności funkcjonalnych w wielu regionach mózgu20,21. Wykazaliśmy wcześniej, że możliwe jest określenie anatomicznej specyficzności sygnałów fNIRS, a także wykorzystanie sygnałów do określenia, w jaki sposób zmiany czasu i amplitudy sygnałów przyczyniają się do behawioralnej wydajności zadań motorycznych11. Niedawne wydanie specjalne czasopisma Neuroimage skupiło się na aktualnych zastosowaniach technologii NIRS i zawierało szereg badań specyficznych dla uczenia się motorycznego22. Nawet przy tak rosnącym zainteresowaniu technologią NIRS, niewiele badań skupiało się na neuronalnych mechanizmach zachowań naturalistycznych potwierdzonych przez fMRI. Podczas gdy to wydanie specjalne i liczne inne publikacje23-26 wyraźnie nakreślają przyszłą rolę fNIRS w badaniu zachowań motorycznych, opisany tutaj protokół został opracowany w celu walidacji jednolitej metodologii porównywania danych fMRI i fNIRS z zachowań naturalistycznych.

Wyniki wskazują na wysoką korelację między grupami dla sygnałów fNIRS i fMRI w obszarze integracji płata skroniowego, a korelacja między sygnałami jest zgodna z tą, która została pokazana wcześniej w równoległych badaniach fMRI/fNIRS3. Rycina 9 wskazuje, że aktywność fNIRS w płacie skroniowym ma nie tylko charakter korowy z różnicową absorbancją chromoforetu tlenu i deoksyHb, ale także, że aktywność w płacie skroniowym jest zupełnie inna niż ta obserwowana w płacie czołowym, co nie koreluje z aktywnością fMRI w płacie skroniowym. Kładziemy nacisk na kilka krytycznych aspektów badania, które pozwalają na porównanie danych między tymi dwiema technikami. Po pierwsze, kalibracja lokalizacji optody została przedstawiona jako kluczowa strategia potwierdzania anatomii kory mózgowej i interpretacji wyników. Modyfikacje, które wprowadziliśmy w oprogramowaniu i sprzęcie, pozwoliły nam zsynchronizować nasz paradygmat z protokołem projektowania blokowego zoptymalizowanym pod kątem uzyskania silnych odpowiedzi korowych w obu procedurach. Przedstawiamy również kluczowe strategie zapewniające wysoki stosunek sygnału do szumu (usuwanie włosów z powierzchni optody) i redukcję artefaktów, w tym stymulacji ruchu i twarzy (badani zostali specjalnie poinstruowani, aby nie dotykać głowy ani twarzy).

Wyniki te oraz wyniki wcześniejszych badań nad równoległymi procedurami obrazowania fNIRS/fMRI potwierdzają wysoką korelację między sygnałami, zgodnie z teoretycznymi przewidywaniami1-3. Jednym z ograniczeń w interpretacji przedstawionych tutaj danych jest to, że nie byliśmy w stanie wykorzystać nowszych technik optymalizacji nagrywania NIRS, które pokazują, że możliwe jest zwiększenie rozdzielczości danych z poszczególnych kanałów przy użyciu nagrań o dużej gęstości. Ta technika o wysokiej gęstości została również wykorzystana do oddzielenia powierzchownych składników od korowych sygnałów NIRS27 wraz z innymi technikami, które usuwają artefakty z ciśnienia krwi, tętna i innych zmiennych ogólnoustrojowych6,7,28. Wykazano również, że umieszczenie sondy i wybór chromaforu mogą być wykorzystane do kontroli wyników fałszywie dodatnich29 , a adaptacyjne filtrowanie sygnałów NIRS może być skutecznie stosowane w przypadku wysokiego stosunku sygnału do szumu. Zadanie, które zastosowaliśmy tutaj, a wcześniej przy użyciu komercyjnych systemów NIRS z paradygmatami przedstawionymi w projekcie blokowym10,11 , wygenerowało dane z dużymi sygnałami i nie wymagało dalszych technik analizy ani sprzętu do wykazania podobieństw między sygnałami. Możliwe jest jednak, że przedstawione tutaj dane mogłyby zostać jeszcze bardziej ulepszone dzięki zastosowaniu tych i innych technik w przetwarzaniu sygnałów NIRS.

Obecne metodologie funkcjonalnego NIRS nie zastąpią potrzeby skanowania fMRI; raczej, jak sugerujemy tutaj, te dwie procedury obrazowania (oprócz EEG i innych) mogą być stosowane w celu wzajemnego uzupełniania się. W przypadku grupy osób, które są przeciwwskazane do skanowania fMRI, fNIRS może okazać się jedyną realną techniką ustalania korzyści płynących z programu treningowego, takiego jak programy zapobiegania ryzyku upadku dla osób z chorobą Parkinsona. Co więcej, fNIRS ma wiele przyszłych kierunków, które można również wykorzystać do dodania informacji do szczegółów anatomicznych dostarczonych za pomocą skanowania MR. Rozmieszczenie optodów o wysokiej gęstości i zwiększone optody zapewnią wyższą rozdzielczość czasową, którą można wykorzystać do analizy połączeń i głównych komponentów, a także zwiększoną dokładność modelowania sygnału BOLD.

Oświadczenia

Opłaty za publikację tego artykułu są sponsorowane przez Shimadzu.

Podziękowania

To badanie było częściowo wspierane przez następujące źródła finansowania: JSPS Grant-in-Aid for Scientific Research (C) 25350642 (AT), grant badawczy od Hayao Nakayama Foundation for Science & Technology and Culture (SS & YO) oraz grant na badania nad grami zdrowotnymi od The Robert Wood Johnson Foundation (Grant #66729) (SB & JAN).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Sprzęt
Shimadzu OMM-3000figure-materials-1 ShimadzuModel OMM-3000 wykorzystany w tym badaniu został zastąpiony przez LABNIRS
Polhemus Patriot 3D Digitizerfigure-materials-2 Polhemus
GE Twin-Speed 1.5T MRI scannerfigure-materials-3 General ElectricSkaner Twin-Speed 1.5 T został wycofany z eksploatacji. Do powtórzenia tej procedury dostępnych jest szereg nowych skanerów
Oprogramowanie
Stepmaniafigure-materials-4 Stepmania
Matlabfigure-materials-5 MathWorks
NIRS-SPMfigure-materials-6 BISPL
WFU Pick Atlasfigure-materials-7 ANSIR

Bibliografia

  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).

Przedruki i uprawnienia

Tagi

Dance Dance Revolutionfunkcjonalna spektroskopia bliskiej podczerwienifunkcjonalny rezonans magnetycznyzakręt skroniowy górnyzakręt skroniowy środkowysygnał oksyhemoglobinyporównanie aktywności mózgu
Walidacja fMRI pomiarów fNIRS podczas zadania naturalistycznego
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.