Artykuł metodologiczny

Obrazowanie ruchowe interfejsu mózg-komputer w rehabilitacji dysfunkcji ruchowych kończyn górnych po udarze mózgu

DOI:

10.3791/65405

⸱

1 września 2023

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Guangzhou Medical University, 2Department of Rehabilitation Medicine, The Seventh Affiliated Hospital of Sun Yat-sen University, 3Department of Rehabilitation Medicine, The Fifth Affiliated Hospital of Guangzhou Medical University, 4Clinical Medical College of Acupuncture and Rehabilitation, Guangzhou University of Traditional Chinese Medicine, 5School of Traditional Chinese Medicine, Jinan University, 6Department of Stomatology, Second Clinical Medical College, Dongguan Campus of Guangdong Medical University

* These authors contributed equally

W tym artykule

Informacja o sprostowaniu

Important: There has been an erratum issued for this article. View Erratum Notice

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Celem tego badania jest dostarczenie ważnego punktu odniesienia dla standardowego klinicznego działania interfejsu mózg-komputer (MI-BCI) w dysfunkcjach motorycznych kończyn górnych po udarze.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Efekt rehabilitacji pacjentów z umiarkowaną lub ciężką dysfunkcją motoryczną kończyn górnych po udarze jest słaby, co było przedmiotem badań ze względu na napotkane trudności. Interfejs mózg-komputer (BCI) stanowi gorącą technologię pionierską w badaniach neurobiologicznych mózgu. Odnosi się do bezpośredniej konwersji percepcji zmysłowej, wyobrażeń, poznania i myślenia użytkowników lub podmiotów na działania, bez polegania na nerwach obwodowych lub mięśniach, w celu ustanowienia bezpośrednich kanałów komunikacji i kontroli między mózgiem a urządzeniami zewnętrznymi. Interfejs mózg-komputer (MI-BCI) jest najczęstszym klinicznym zastosowaniem rehabilitacji jako nieinwazyjnego środka rehabilitacji. Wcześniejsze badania kliniczne potwierdziły, że MI-BCI pozytywnie poprawia dysfunkcję ruchową u pacjentów po udarze mózgu. Brakuje jednak demonstracji klinicznej działania. W tym celu w niniejszym badaniu szczegółowo opisano leczenie MI-BCI u pacjentów z umiarkowaną i ciężką dysfunkcją kończyny górnej po udarze mózgu oraz przedstawiono efekt interwencji MI-BCI poprzez ocenę funkcji klinicznych i wyniki oceny funkcji mózgu, dostarczając w ten sposób pomysłów i referencji do zastosowań rehabilitacji klinicznej i badań nad mechanizmami.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Prawie 85% pacjentów po udarze ma dysfunkcję motoryczną1, szczególnie ze względu na ograniczony efekt rehabilitacji pacjentów z umiarkowaną i ciężką dysfunkcją motoryczną kończyny górnej, która poważnie wpływa na zdolność pacjentów do samodzielnego prowadzenia codziennego życia i była przedmiotem badań. Nieinwazyjny interfejs mózg-komputer (BCI) jest znany jako nowa metoda leczenia dysfunkcji motorycznych po udarze2. BCI to bezpośrednia konwersja percepcji sensorycznej, wyobrażeń, poznania i myślenia użytkowników lub podmiotów na działania, bez polegania na nerwach obwodowych lub mięśniach, w celu ustanowienia bezpośrednich kanałów komunikacji i kontroli między mózgiem a urządzeniami zewnętrznymi3. Obecnie paradygmaty BCI w rehabilitacji klinicznej obejmują obrazowanie motoryczne (MI), wzrokowe potencjały wywołane w stanie ustalonym (SSVEP) i słuchowe potencjały wywołane (AEP) P3004, z których najczęściej używanym i najwygodniejszym jest interfejs mózg-komputer (MI-BCI). MI to interwencja, która wykorzystuje wizualne/kinestetyczne obrazy motoryczne do wizualizacji wykonywania zadań motorycznych (takich jak ruchy ręki, ramienia lub stopy). Z jednej strony, wcześniejsze badania wykazały, że aktywacja powiązanej kory ruchowej podczas MI jest podobna do rzeczywistej egzekucji motorycznej5. Z drugiej strony, w przeciwieństwie do innych paradygmatów, MI może aktywować określony obszar aktywności poprzez pamięć motoryczną bez żadnego zewnętrznego bodźca w celu poprawy funkcji motorycznych; Sprzyja to wdrożeniu u pacjentów po udarze, zwłaszcza w połączeniu z dysfunkcją słuchu6.

Ponadto, wykazano, że MI-BCI ma pozytywny wpływ na poprawę dysfunkcji motorycznej u pacjentów po udarze. Cheng i wsp. stwierdzili, że w porównaniu z prostą interwencją w miękkich rękawicach robotycznych, miękka rękawica robotyczna oparta na MI-BCI w połączeniu z zadaniami zorientowanymi na codzienne czynności życiowe wykazała bardziej oczywistą poprawę funkcjonalną i trwalsze doświadczenie kinestetyczne u pacjentów z przewlekłym udarem mózgu po 6 tygodniach interwencji. Co więcej, był również w stanie wywołać percepcję ruchów motorycznych7. Ponadto Ang i wsp. włączyli 21 pacjentów z przewlekłym udarem mózgu z umiarkowaną lub ciężką dysfunkcją kończyny górnej do randomizowanej interwencji. Funkcję kliniczną oceniano przed i po interwencji za pomocą oceny Fugla-Meyera kończyny górnej (FMA-UE). Wyniki pokazały, że w porównaniu z prostą interwencją robota z użyciem gałki dotykowej (HK) (grupa HK) i standardową interwencją terapii ramienia (grupa SAT), efekt wzmocnienia ruchu HK w oparciu o interwencję MI-BCI (grupa BCI-HK) był znacznie lepszy niż w pozostałych dwóch grupach8. Jednak specyficzne działanie MI-BCI nadal wymaga standardów normatywnych, a mechanizm przebudowy neuronalnej musi być w pełni zrozumiały, co ogranicza kliniczne zastosowanie i promocję MI-BCI. W związku z tym, pokazując proces interwencji MI-BCI u 36-letniego pacjenta z udarem mózgu z dysfunkcją ruchową kończyny górnej, badanie to podsumuje funkcjonalne zmiany wyników i przebudowę funkcji mózgu przed i po interwencji, aby zademonstrować pełny proces operacyjny MI-BCI oraz dostarczyć pomysłów i referencji do zastosowań rehabilitacji klinicznej i badań nad mechanizmami.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ten projekt został zatwierdzony przez Stowarzyszenie Etyki Medycznej Piątego Szpitala Stowarzyszonego Uniwersytetu Medycznego w Kantonie (zatwierdzenie nr KY01-2021-05-01) w dniu 19 sierpnia 2021 r. Badanie zostało zarejestrowane w Chińskim Rejestrze Badań Klinicznych (numer rejestracyjny: nr ChiCTR2100050162) w dniu 19 sierpnia 2021 r. Wszyscy pacjenci podpisali formularz świadomej zgody.

1. Rekrutacja

  1. Kryteria włączenia
    1. Rekrutacja pacjentów, którzy spełniają kryteria diagnostyczne udaru mózgu sformułowane przez czwartą Krajową Konferencję Chorób Naczyń Mózgowych; mają potwierdzoną apopleksję mózgową za pomocą tomografii komputerowej mózgu lub rezonansu magnetycznego o przebiegu choroby ≥ 6 miesięcy; przeszli udar prowadzący do dysfunkcji jednej ręki w stadium Brunnstrom 1-3; mają Montrealską ocenę poznawczą (MoCA) ≥ 26; w wieku od 50 do 75 lat; przeważa praworęczność; dobrowolnie podpisali świadomą zgodę.
  2. Kryteria wykluczenia
    1. Wykluczyć pacjentów, u których w przeszłości wystąpiły złamania kończyny górnej, deformacje kończyny górnej itp.; ich stan jest niestabilny lub w trakcie eksperymentu zachodzą zmiany, które wpływają na wyniki eksperymentu; niezdolnych do ukończenia eksperymentu z powodu poważnych chorób serca, płuc, wątroby i nerek oraz innych ważnych chorób narządów; poważne dysfunkcje poznawcze lub afazja; cierpiących na poważne zaburzenia psychiczne; przyjmujących leki obniżające próg napadów; posiadających jakiekolwiek wszczepione urządzenie lub metal na które może mieć wpływ pole magnetyczne generowane przez przezczaszkową stymulację magnetyczną (TMS).

2. Szkolenie MI-BCI

UWAGA: W tym badaniu wybrano robota rehabilitacyjnego do funkcji kończyny górnej ręki na podstawie obrazów motorycznych. Urządzenie składa się z nasadki elektroencefalograficznej (EEG) (Rysunek 1A), terminala komputerowego (tj. interfejsu sterowania; Rysunek 1B), zewnętrzny manipulator (Rysunek 1E) oraz 23-calowy ekran komputerowy (Rysunek 1C).

  1. Przygotowanie tematów
    1. Wyjaśnij cel i metodę szkolenia i zanotuj je dla badanych.
    2. Umieść nasadkę MI-BCI EEG na temacie, aby upewnić się, że punkt Cz głowy podmiotu pokrywa się z punktem Cz czapki cap9,10. Punkt Cz obiektu jest wierzchołkiem środka głowy. Aby to potwierdzić, sprawdź punkt przecięcia linii koralików usznych i ludzkiej linii środkowej przechodzącej przez środek nosa i brwi. Określ punkt Cz czepka EEG zgodnie z międzynarodowym systemem pozycjonowania 10-20 EEG11.
    3. Uszy powinny być odsłonięte od szwu nausznego nasadki na głowę i wyreguluj pasek podbródkowy, aby zamocować nasadkę na głowę.
    4. Włóż 24 elektrody zanurzone w soli fizjologicznej do rowka nasadki EEG i wciśnij 2 elektrody referencyjne w dwa płatki ucha.
      UWAGA: Elektroda powinna być przechowywana w stanie mokrym bez kapania. Jeśli elektroda jest zbyt sucha, wpłynie to na proces akwizycji sygnału EEG. Jeśli elektroda jest zbyt mokra, kapiąca sól fizjologiczna może wpłynąć na działanie obiektu.
    5. Jako operator zwróć uwagę na akwizycję EEG podczas szkolenia. Jeśli zakres zakłóceń EEG jest niewielki, najpierw zastanów się, czy odpowiednia elektroda wykazuje suchość, niedobór wody lub inne warunki związane z treningiem. W tym momencie należy natychmiast przerwać trening i akwizycję EEG oraz odpowiednio zwilżyć elektrodę przed kontynuacją treningu.
    6. Jeśli sygnał EEG ma szeroki zakres zakłóceń, najpierw zastanów się, czy elektroda referencyjna odpadła, czy nie. W tym momencie należy natychmiast przerwać trening i ponownie zacisnąć elektrodę referencyjną na płatku ucha.
    7. Przyłóż manipulator do pacjenta i ustaw go w wygodnej pozycji treningowej, aby zapobiec bólowi przedramienia kończyny górnej spowodowanemu nadmiernym dokręceniem lub zsunięciem się.
  2. Działanie oprogramowania
    1. Otwórz oprogramowanie treningowe robota do rehabilitacji funkcji kończyny górnej ręki MI-BCI, kliknij Listę użytkowników i wprowadź informacje o pacjencie, w tym imię i nazwisko, nazwę choroby, datę urodzenia, datę choroby i lokalizację dotkniętej strony.
    2. Dostosuj stabilność sygnału EEG, aby nie było widocznego bałaganu.
    3. Kliknij przycisk EEG spoczynkowego, aby pacjent mógł zakończyć proces akwizycji spoczynkowego EEG zgodnie z komunikatami głosowymi i tekstowymi: Zamknij oczy, aby się zrelaksować i otwórz oczy. Trwa to 60 s.
    4. Kliknij przycisk Ustawienia zadania, aby ustawić poziom trudności zadania i czas trwania treningu. Ustaw początkowy poziom trudności treningu w górę lub w dół od poziomu 9 zgodnie z rzeczywistą sytuacją pacjentów i ustaw czas trwania treningu na 30 minut.
    5. Podczas treningu system MI-BCI automatycznie dostosuje trudność zadania do wydajności pacjenta. Sprawdź trudność treningu odzwierciedloną w rozmiarze chwytanych przedmiotów; Im wyższa trudność zadania, tym drobniejsze chwytane przedmioty.
    6. Kliknij przycisk Task EEG, aby rozpocząć formalne szkolenie. Na ekranie po stronie pacjenta wyświetla się: Zamknij oczy i zrelaksuj się przez 5 sekund.
    7. Po 5 sekundach na ekranie po stronie pacjenta pojawi się: Otwórz oczy i wyobraź sobie, że Twoja ręka otwiera/zaciska pięść, co trwa 3 sekundy. Poproś pacjenta, aby postępował zgodnie z poleceniami wyświetlanymi na ekranie.
    8. Ekran po stronie pacjenta wyświetla trzymający w napięciu film wideo/film otwierający, aby pomóc pacjentowi symulować działania demonstrowane przez film w wyobraźni. Poproś pacjenta o wykonanie tego zadania wyobraźni ruchu, które trwa 5 sekund.
    9. System wyodrębnia sygnał EEG z wyobraźni ruchowej pacjenta, wykorzystuje algorytm do analizy wyniku intencji motorycznej i wyświetla go na ekranie po stronie pacjenta. Sprawdź informacje zwrotne od robota, które zostaną wyświetlone w 4 s.
      UWAGA: Model przyjęty przez system MI-BCI to FBCNet (filtrowanie wielopasmowe + konwolucja separacji kanałów + warstwa wariancji +FC) do wyodrębniania cech i oceniania sygnałów EEG12. Wartość progowa systemu MI-BCI jest określana na podstawie dużej liczby danych z badań klinicznych i podstawowego algorytmu EEG. Wartość progowa wynosi 60 punktów.
    10. Sprawdź wyświetlaną intencję silnika. Jeśli intencja motoryczna pacjenta wynosi ≥ 60 punktów (wartość progowa), system rozpoznaje, że określone działanie zostało osiągnięte. Jeśli zamiar poruszania się pacjenta < 60 punktów, a system stwierdzi, że pacjent nie jest w stanie wykonać określonego ruchu, upewnij się, że dźwięk zachęca pacjenta do kontynuowania ruchu i nie zniechęcania się, a pacjent się do tego zastosuje.
    11. Podczas procesu treningu obserwuj przebieg EEG w czasie rzeczywistym. Jeśli wystąpi jakakolwiek nienormalna sytuacja, zawieś trening na czas i wznów trening po dostosowaniu sygnału do stabilności. Jeśli pacjent odczuwa ból lub dyskomfort podczas treningu, przerwij trening i zapisz powód zakończenia.

3. Ocena kliniczna

  1. Gromadzenie informacji
    1. Zbieraj i rejestruj podstawowe dane osobowe o badanych, takie jak imię i nazwisko, płeć, data urodzenia, poziom wykształcenia itp.
    2. Uzupełnij zbiór historii medycznej pacjenta, takiej jak historia kliniczna, historia leków, historia osobista itp.
  2. Ocena funkcji motorycznych
    1. Oceń ocenę Fugla-Meyera kończyny górnej (FMA-UE)13 u osób po udarze.
      Łączny wynik to 66 punktów. Im wyższy wynik, tym lepsza sprawność funkcjonalna pacjenta.
    2. Oceń test funkcji motorycznej Wolfa (WMFT)14 na osobach po udarze. Łączny wynik to 85 punktów. Im wyższy wynik, tym lepsza sprawność funkcjonalna pacjenta.
  3. Ocena funkcji poznawczych
    1. Oceń mini-badanie stanu psychicznego (MMSE)15 na temat udaru. W zależności od poziomu wykształcenia podziel wynik na analfabetów ≤17, poziom wykształcenia w szkole podstawowej ≤20 oraz poziom wykształcenia w gimnazjum i powyżej ≤24.
  4. Ocena funkcji emocjonalnych
    1. Oceń skalę lęku Hamiltona (HAMA)16 na osobach po udarze. Zakresy punktów są następujące: ≥21, widoczny niepokój; ≥14 punktów, zdecydowanie masz niepokój; i więcej niż 7 punktów, może mieć niepokój. Wynik mniejszy niż 7 wskazuje na brak objawów lęku.
    2. Oceń skalę depresji Hamiltona (HAMD)17 na osobach po udarze. Wynik < 7 jest średni, wynik 7-17 oznacza, że dana osoba może mieć depresję, wynik 17-24 oznacza, że u danej osoby można zdiagnozować depresję, a wynik >24 oznacza, że dana osoba ma ciężką depresję.

4. ocena funkcji mózgu fNIRS

Dla tego badania umieść 10 źródeł i 12 detektorów na nasadkach głowicy testowej fNIRS, aby odpowiadały ośmiu regionom zainteresowania (ROI) w tym badaniu, w tym obustronnej grzbietowo-bocznej korze przedczołowej (DLPFC), grzbietowo-bocznej korze promotorowej (PMC), grzbietowo-bocznej pierwotnej korze ruchowej (M1) i grzbietowo-bocznej pierwotnej korze czuciowej (S1; Rysunek 2).

  1. Przygotowanie tematu
    1. Wyjaśnij cel i metodę szkolenia i zanotuj je dla badanych. Upewnij się, że badani rozumieją eksperyment i są zaznajomieni z odpowiednimi procedurami; Pomaga to poprawić przestrzeganie zaleceń przez pacjentów.
    2. Załóż nasadkę na głowę testową fNIRS na badany, określ punkt Cz głowy pacjenta i upewnij się, że pokrywa się on z punktem Cz nasadki na głowę, jak opisano w kroku 2.1.2.
    3. Wyreguluj nasadkę głowy dla fotografowanego obiektu, aby upewnić się, że oba uszy są odsłonięte od szwu ucha nasadki, obustronne krawędzie uszu nasadki są naturalnie dopasowane do obustronnego wyrostka sutkowatego, krawędź przednia nasadki jest naturalnie dopasowana do czoła, a krawędź spływu jest naturalnie dopasowana do tylnej części potylicznej. Wyreguluj opaskę podbródkową, aby zamocować nasadkę.
    4. Odpowiednio wyreguluj napięcie opaski szczękowej. Jeśli jest zbyt luźny, doprowadzi to do przemieszczenia nasadki głowicy podczas eksperymentu, co spowoduje niedokładne ustawienie i wpłynie na akwizycję sygnału. Jeśli jest zbyt ciasny, spowoduje dyskomfort pacjenta, co zmniejszy podatność i wpłynie na wydajność funkcjonalną obiektu.
  2. Wstępne gromadzenie i gromadzenie danych
    1. Wprowadź oprogramowanie sterujące fNIRS, wybierz obiekt eksperymentalny i utwórz pliki leczenia pacjenta zgodnie z informacjami o pacjencie.
    2. Kliknij przycisk Odbiór wstępny, aby skalibrować sygnały. W zależności od intensywności sygnału miejsca wyświetlanego przez funkcjonalny system obrazowania mózgu w bliskiej podczerwieni, popraw intensywność sygnału i stabilność miejsca, dostosowując źródło światła lub odbiornik nasadki głowy tak, aby znajdował się bliżej skóry głowy osoby.
    3. Gdy system wyświetla wszystkie witryny na zielono, siła sygnału jest stabilna. Zatrzymaj wstępną zbiórkę i kliknij przycisk Automatyczne wzmocnienie, aby dokonać ostatecznej regulacji sygnału.
      UWAGA: W procesie wstępnego pobierania danych system obrazowania funkcjonalnego mózgu w bliskiej podczerwieni prezentuje różne kolory, aby reprezentować siłę sygnału w miejscach. Szary oznacza niską siłę sygnału, żółty oznacza dobrą siłę sygnału, zielony oznacza doskonałą siłę sygnału, a czerwony oznacza zbyt silną siłę sygnału.
    4. Kliknij przycisk Start, aby zebrać sygnały. Obserwuj i rejestruj różne warunki w eksperymencie, takie jak wahania sygnału i słaby kontakt z elektrodą.
  3. fNIRS-ocena zadań motorycznych
    1. Wybierz paradygmat Motor Task w systemie fNIRS.
    2. Połóż kończynę górną pacjenta na stole testowym i poproś pacjenta o odpoczynek przez 10 sekund przed eksperymentem.
    3. Poproś pacjenta, aby postępował zgodnie z rytmem ćwiczeń, aby chwycić chorą rękę w trzech blokach podczas eksperymentu, każdy blok obejmuje 30 s zadania i 30 s odpoczynku. Każde zadanie składa się z 15 prób, każda próba obejmuje 1 s chwytania i 1 s otwierania chwytu.
    4. Podczas każdego odpoczynku poproś pacjentów o zamknięcie oczu i odpoczynek. Jeśli osoba badana nie jest w stanie uchwycić dotkniętej chorobą ręki, poproś ją o wykonanie ćwiczenia z obrazowania motorycznego. Test trwa 190 s (Rysunek 3). Po zakończeniu wszystkich trzech bloków zakończ zadanie, zapisz dane i zaimportuj je do samodzielnie utworzonej bazy danych.
  4. fNIRS - ocena zadań poznawczych (zadanie Stroopa)
    1. Uruchom oprogramowanie do badań behawioralnych i wybierz paradygmat zadania poznawczego. Wybierz pliki leczenia pacjenta, a następnie wybierz test kongruencji.
    2. Poproś badanego, aby położył zdrową rękę na przycisku klawiatury, a następnie poproś badanego, aby odpoczął przez 10 sekund przed rozpoczęciem próby. Wykonaj trzy bloki testu kongruencji, każdy blok zawiera zadanie 60 s i 30 s spoczynku. Każde zadanie składa się z 10 prób, z których każda składa się z fiksacji 2000 ms i 4000 ms bodziec-odpowiedź o łącznym czasie trwania 280 s (Rysunek 4).
      1. Gdy po lewej stronie czcionki pola wyświetlany jest symbol po lewej stronie, naciśnij przycisk ← na klawiaturze tak szybko, jak to możliwe, zgodnie ze znaczeniem znaku (czyli po lewej).
      2. Gdy prawy symbol jest wyświetlany po lewej stronie siatki pola, kliknij przycisk → na klawiaturze tak szybko, jak to możliwe, zgodnie ze znaczeniem znaku (tj. po prawej).
    3. Wybierz test niezgodności; procedura jest taka sama jak w przypadku testu zgodności.
      1. Gdy prawy symbol jest wyświetlany po lewej stronie czcionki pola, zignoruj znaczenie znaku i naciśnij przycisk ← na klawiaturze tak szybko, jak to możliwe, zgodnie z pozycją, w której pojawia się tekst (tj. po lewej).
      2. Gdy lewy symbol jest wyświetlany po prawej stronie czcionki pola, zignoruj znaczenie znaku i kliknij przycisk → na klawiaturze tak szybko, jak to możliwe, zgodnie z pozycją tekstu (tj. po prawej).
    4. Wykonaj zadanie, zapisz dane i wyeksportuj je do samodzielnie utworzonej bazy danych.

5. Leczenie końcowe

  1. Wykonaj ocenę, tak jak w przypadku oceny funkcji klinicznej i oceny funkcji mózgu fNIRS w leczeniu wstępnym. Wykonaj wszystkie oceny po zakończeniu 10. sesji treningowej (szczegółowe informacje znajdują się w krokach od 3.1 do 4.4).

6. Przetwarzanie i analiza danych

  1. Podsumowuj i analizuj dane osobowe pacjentów oraz dane z skali oceny klinicznej.
  2. Użyj komercyjnego oprogramowania do wstępnego przetwarzania danych w bliskiej podczerwieni. Wykonaj eliminację artefaktów interwału czasowego i ruchu w testach interferencyjnych, dobór filtra pasmowoprzepustowego (0,01-0,2 Hz) w celu usunięcia szumów, obliczenie względnych zmian hemoglobiny utlenionej (HbO) i hemoglobiny odtlenionej (HbR) zgodnie ze zmodyfikowanym prawem Beera-Lamberta i przekształć sygnał gęstości optycznej na sygnał stężenia tlenu we krwi.
    UWAGA: HbO jest bardziej wrażliwe na zmiany między różnymi stanami niż HbR, więc w tym schemacie badania do późniejszej analizy wykorzystywane są tylko dane dotyczące HbO.
  3. Wybierz HbO w typie tlenu we krwi jako dane analizy. Skonfiguruj macierz projektową OML i wybierz fazę zadania w zadaniu. Kliknij przycisk Oszacuj, aby dopasować ustaloną matrycę projektową do zebranych danych.
  4. Użyj ustalonego modelu korelacji liniowej, aby obliczyć wartość beta w każdym ROI. Eksportuj parametry, współczynnik dokładności (ACC) i czas odpowiedzi (RT) w zadaniu Stroopa za pomocą oprogramowania do badań behawioralnych.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Badanie przedstawia funkcję kliniczną i przebudowę funkcji mózgu przed i po interwencji MI-BCI u 36-letniego pacjenta po udarze mózgu. Ponad 4 miesiące po wylewie krwi do mózgu wyniki obrazowania wykazały przewlekłe krwawienie w prawym płacie czołowym i prawym obszarze zwojów podstawy - promienistym obszarze korony. U pacjenta stwierdzono dysfunkcję ruchową kończyny lewej w trakcie rekonwalescencji po wylewie krwi do mózgu. Proste leczenie ambulatoryjne MI-BCI prowadzono w szpitalu przez 10 dni (30 min/sesję/dzień), a oc...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Okres rehabilitacji w przypadku umiarkowanej i ciężkiej dysfunkcji ruchowej kończyny górnej po udarze mózgu jest długi, a powrót do zdrowia utrudniony, co zawsze było przedmiotem badań nad rehabilitacją kliniczną18. Tradycyjny trening rehabilitacji kończyn górnych to najczęściej prosta interwencja obwodowa lub interwencja centralna19. Tymczasem, ze względu na brak aktywnego udziału pacjentów z umiarkowaną i ciężką dysfunkcją kończyn, stosuje się głównie leczenie bierne, o s...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

To badanie było wspierane przez Narodową Fundację Nauki Prowincji Guangdong (nr 2023A1515010586), projekt budowy technologii charakterystyki klinicznej w Kantonie (2023C-TS19), Projekt Planowania Edukacji Naukowej Prowincji Guangdong (nr 2022GXJK299), Ogólny Program Poradnictwa Miejskiego Zdrowia i Planowania Rodziny w Kantonie (20221A011109, 20231A011111), 2022 Projekt Jakości Nauczania i Reformy Nauczania w Kantonie Nauczania Szkolnictwa Wyższego projekt ogólny reformy (nr 2022JXGG088/02-408-2306040XM), projekt planu poprawy zdolności innowacyjnych studentów Uniwersytetu Medycznego w Kantonie z 2022 r. (nr PX-66221494/02-408-2304-19062XM), projekt planowania nauki o edukacji na poziomie szkoły 2021 (2021: NR 45), 2023 Pierwszorzędny fundusz budowy studiów licencjackich uniwersytetu wysokiego szczebla (2022JXA009, 2022JXD001, 2022JXD003)/(02-408-2304-06XM), uniwersytecki projekt badawczy Guangzhou Education Bureau (nr 202235384), projekt jakości nauczania licencjackiego i reformy nauczania Uniwersytetu Medycznego w Kantonie w 2022 r. (2022 nr 33), Narodowa Fundacja Nauki Prowincji Guangdong (nr 2021A1515012197) oraz Fundacja Guangzhou i Uniwersytetu (nr 202102010100).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
MI-BCIRui Han, ChinyRuiHan BangdeNA
E-Prime Oprogramowanie do badań behawioralnychw wersji 3.0
fNIRSHui Chuang, ChinyNirSmart-500NA
NirSparkwstępnie przetwarza dane w bliskiej podczerwieni
.

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Dawson, J., et al. Vagus nerve stimulation paired with rehabilitation for upper limb motor function after ischaemic stroke (VNS-REHAB): a randomised, blinded, pivotal, device trial. Lancet. 397 (10284), 1545-1553 (2021).
  2. Lin, Q., et al. The Frequency Effect of the Motor Imagery Brain Computer Interface Training on Cortical Response in Healthy Subjects: A Randomized Clinical Trial of Functional Near-Infrared Spectroscopy Study. Frontiers in Neuroscience. 16, 810553(2022).
  3. Carino-Escobar, R. I., et al. Longitudinal Analysis of Stroke Patients' Brain Rhythms during an Intervention with a Brain-Computer Interface. Neural Plasticity. 2019, 7084618(2019).
  4. Mane, R., Chouhan, T., Guan, C. BCI for stroke rehabilitation: motor and beyond. Journal of Neural Engineering. 17 (4), 041001(2020).
  5. Khan, M. A., Das, R., Iversen, H. K., Puthusserypady, S. Review on motor imagery based BCI systems for upper limb post-stroke neurorehabilitation: From designing to application. Computers In Biology And Medicine. 123, 103843(2020).
  6. Hendricks, H. T., van Limbeek, J., Geurts, A. C., Zwarts, M. J. Motor recovery after stroke: a systematic review of the literature. Archives of Physical Medicine and Rehabilitation. 83 (11), 1629-1637 (2002).
  7. Cheng, N., et al. Brain-Computer Interface-Based Soft Robotic Glove Rehabilitation for Stroke. IEEE Transactions on Biomedical Engineering. 67 (12), 3339-3351 (2020).
  8. Ang, K. K., et al. Brain-computer interface-based robotic end effector system for wrist and hand rehabilitation: results of a three-armed randomized controlled trial for chronic stroke. Frontiers in Neuroengineering. 7, 30(2014).
  9. Nuwer, M. R., et al. IFCN standards for digital recording of clinical EEG. The International Federation of Clinical Neurophysiology. Electroencephalography and Clinical Neurophysiology. 52, 11-14 (1999).
  10. Klem, G. H., Lüders, H. O., Jasper, H. H., Elger, C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalography and Clinical Neurophysiology. 52, 3-6 (1999).
  11. Uwe Herwig,, Peyman Satrapi,, Schönfeldt-Lecuona, C. Using the international 10-20 EEG system for positioning of transcranial magnetic stimulation. Brain Topography. , (2003).
  12. Mane, R., Robinson, N., Vinod, A. P., Lee, S. W., Guan, C. A Multi-view CNN with Novel Variance Layer for Motor Imagery Brain Computer Interface. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2020, 2950-2953 (2020).
  13. Sanford, J., Moreland, J., Swanson, L. R., Stratford, P. W., Gowland, C. Reliability of the Fugl-Meyer assessment for testing motor performance in patients following stroke. Physical Therapy. 73 (7), 447-454 (1993).
  14. Martinez, C., et al. A Reaching Performance Scale for 2 Wolf Motor Function Test Items. Archives of Physical Medicine and Rehabilitation. 101 (11), 2015-2026 (2020).
  15. Dufouil, C., et al. Population norms for the MMSE in the very old: estimates based on longitudinal data. Mini-Mental State Examination. Neurology. 55 (11), 1609-1613 (2000).
  16. Thompson, E. Hamilton Rating Scale for Anxiety (HAM-A). Occupational Medicine. 65 (7), 601(2015).
  17. Zimmerman, M., Martinez, J. H., Young, D., Chelminski, I., Dalrymple, K. Severity classification on the Hamilton Depression Rating Scale. Journal of Affective Disorders. 150 (2), 384-388 (2013).
  18. Bai, X., et al. Different Therapeutic Effects of Transcranial Direct Current Stimulation on Upper and Lower Limb Recovery of Stroke Patients with Motor Dysfunction: A Meta-Analysis. Neural Plasticity. 2019, 1372138(2019).
  19. Dimyan, M. A., Cohen, L. G. Neuroplasticity in the context of motor rehabilitation after stroke. Nature Reviews Neurology. 7 (2), 76-85 (2011).
  20. Bai, Z., Fong, K. N. K., Zhang, J. J., Chan, J., Ting, K. H. Immediate and long-term effects of BCI-based rehabilitation of the upper extremity after stroke: a systematic review and meta-analysis. Journal of NeuroEngineering and Rehabilitation. 17 (1), 57(2020).
  21. Yang, W., et al. The Effect of Brain-Computer Interface Training on Rehabilitation of Upper Limb Dysfunction After Stroke: A Meta-Analysis of Randomized Controlled Trials. Frontiers in Neuroscience. 15, 766879(2021).
  22. Pandian, S., Arya, K. N. Stroke-related motor outcome measures: do they quantify the neurophysiological aspects of upper extremity recovery. Journal of Bodywork and Movement Therapies. 18 (3), 412-423 (2014).
  23. Potter, S. M., El Hady, A., Fetz, E. E. Closed-loop neuroscience and neuroengineering. Frontiers in Neural Circuits. 8, 115(2014).
  24. Nowak, D. A., Grefkes, C., Ameli, M., Fink, G. R. Interhemispheric competition after stroke: brain stimulation to enhance recovery of function of the affected hand. Neurorehabilitation and Neural Repair. 23 (7), 641-656 (2009).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Sprostowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Motor Imagery Brain-Computer Interface in Rehabilitation of Upper Limb Motor Dysfunction After Stroke
Posted by JoVE Editors on 9/14/2023. Citeable Link.

An erratum was issued for: Motor Imagery Brain-Computer Interface in Rehabilitation of Upper Limb Motor Dysfunction After Stroke. The Authors section was updated from:

Yongchun Jiang1,2,3
Junxiao Yin4
Biyi Zhao1,3,5
Yajie Zhang1,3
Tingting Peng1,3
Wanqi Zhuang1,3
Siqing Wang1,3
Siqi Huang1,3
Meilian Zhong1,2,3
Yanni Zhang1,3
Guibing Tang1,3
Bingchi Shen6
Haining Ou1,3
Yuxin Zheng2,3 
Qiang Lin2,3
1Guangzhou Medical University
2Department of Rehabilitation Medicine, The Seventh Affiliated Hospital of Sun Yat-sen University
3Department of Rehabilitation Medicine, The Fifth Affiliated Hospital of Guangzhou Medical University
4Clinical Medical College of Acupuncture and Rehabilitation, Guangzhou University of Traditional Chinese Medicine
5School of Traditional Chinese Medicine, Jinan University
6Department of Stomatology, Second Clinical Medical College, Dongguan Campus of Guangdong Medical University
 

to:

Yongchun Jiang1,2,3
Junxiao Yin4
Biyi Zhao1,3,5
Yajie Zhang1,3
Tingting Peng1,3
Wanqi Zhuang1,3
Siqing Wang1,3
Siqi Huang1,3
Meilian Zhong1,3
Yanni Zhang1,3
Guibing Tang1,3
Bingchi Shen6
Haining Ou1,3
Yuxin Zheng2,3 
Qiang Lin2,3
1Guangzhou Medical University
2Department of Rehabilitation Medicine, The Seventh Affiliated Hospital of Sun Yat-sen University
3Department of Rehabilitation Medicine, The Fifth Affiliated Hospital of Guangzhou Medical University
4Clinical Medical College of Acupuncture and Rehabilitation, Guangzhou University of Traditional Chinese Medicine
5School of Traditional Chinese Medicine, Jinan University
6Department of Stomatology, Second Clinical Medical College, Dongguan Campus of Guangdong Medical University
 

Tagi

BCI oparte na wyobra eniach ruchowychrehabilitacja ko czyn g rnychdysfunkcje ruchowe po udarzefunkcjonalna spektroskopia bliskiej podczerwieniskala Fugl Meyertest funkcji ruchowych Wolfzak adanie czepka EEGocena funkcji poznawczychtest Stroopa

Powiązane artykuły