Introduction
Das Ziel der hier beschriebenen Methoden war es, ein Arbeitsprotokoll zur fMRT (funktionelle Magnetresonanztomographie) und fNIRS (funktionelle Nahinfrarot-Spektroskopie) Signale in ähnlicher multimodalen Aufgaben vergleichen zu entwickeln. Insbesondere Wir sollen, um eine funktionelle Bildgebungsverfahren für die Verwendung mit Personen, die für traditionelle fMRI-Scans durch Tremor, Dyskinesien oder mehreren implantierten Geräten kontraindiziert zu entwickeln. Während viele effektives Training und Rehabilitationsprogramme gibt es für Personen mit einem Risiko für fallende, gibt es keine Bestätigung der neuronalen Mechanismen Wirksamkeit dieser Programme zugrunde liegt. Oft sind Personen, die an diesen Ausbildungsprogrammen kontraindiziert für den genannten Gründen. Unsere Gründe für diese Studie war es, die Wirksamkeit von funktionellen Nahinfrarot-Spektroskopie (fNIRS) zu bestimmen, die Muster der Hirnaktivität mit einem naturalistischen Motor Aufgabe, die ganze Körperbewegungen verbunden zu bestimmen. Langfristige Ziele sind die Entwicklung eines Tools zur Gestüty nicht nur Motorlernparadigmen, sondern dienen auch dazu, die Angemessenheit der fNIRS für eine breitere Palette von Aufgaben, die nicht möglich ist, in einer naturalistisch mit traditionellen Methoden durchzuführen sind bestätigen.
fNIRS Aktivität wurde zuvor gezeigt, hoch korreliert (r = 0,77-0,94) für die homologen Regionen mit fMRI BOLD (blood oxygen level abhängig) Signalaufzeichnungen in begrenzten Studien, die gleichzeitige fNIRS und fMRI funktionelle Aktivität mit klassischen psychologischen und einfache Fingertapping Paradigmen gemessen 1-3. Die Ergebnisse dieser Studien bestätigen fNIRS gültig und zuverlässig kortikale Aktivität mit einer reduzierten Umwelt Aufgabe mit fMRI kompatibel assoziiert zu bestimmen. Hat fNIRS jedoch zahlreiche Vorteile gegenüber fMRI als bildgebende Verfahren. fNIRS, wichtiger ist, ist viel weniger empfindlich auf Bewegungsartefakte als fMRI und erlaubt Themen zu tun, als würden sie in einem naturalistischen Umwelt im Gegensatz zu fMRI Studien, die Motor paradig beschränken4 ms. Die zeitliche Genauigkeit fNIRS assoziiert ermöglicht Bestimmung von Änderungen in der neuralen Antwortfunktionen mit einer erhöhten Körnigkeit aufgrund der erhöhten Abtastfrequenz. Schließlich sind die Kosten niedriger als fNIRS fMRI Abtastung und erlaubt die Studien mit geringeren Kosten durchgeführt werden. Allerdings gibt es Nachteile fNIRS Vergleich zu fMRI einschließlich begrenzte Eindringtiefe, begrenzte räumliche Auflösung, und in jüngerer Zeit hat es sich gezeigt, daß bestimmte physiologische Phänomene wie Blutdruck, Herzfrequenz, und die Kopfhaut Blutfluss Effekte können falsche Positive zu der Einführung kortikale hämodynamische Signal 5-9. Während eine Reihe von Methoden und Hardware-Entwicklungen speziell für NIRS, einschließlich Signalverarbeitung, Hardware, um hochdichte Optode Gradienten liefern werden derzeit entwickelt, ist es noch wichtig, gemischte Methoden, fMRI und fNIRS Verfahren ergänzen sich erlauben zu entwickeln.
Diese Studie dient dazu, zu testenein Verfahren der fNIRS zur Bestimmung neuronalen Mechanismen während einer naturalistischen Tanz Videospiel-Aufgabe beschäftigt. Das Ziel der Studie war es, in einem Integrationszentrum des Gehirns (der Vorgesetzte und mittleren Gyrus temporalis) zwischen einer Gruppe von Individuen zu vergleichen Tätigkeit aufgenommen mit fMRI zu einer anderen Gruppe von Probanden mit einem naturalistischen Version der Aufgabe aufgenommen mit fNIRS. Unsere Gruppe hat bisher untersuchten Bereich mit ähnlichen interaktives Spiel Paradigmen und hat Aktivität im Temporallappen reagiert auf Sau- und de-Oxy-Hb Chromophore gemäß kortikalen Aktivierungen 10 gezeigt. Wir haben ebenfalls versucht, die zuvor für die systemische Artefakte zuvor, indem Reaktionen in diesem Bereich zu steuern in der Amplitude in Bezug auf den kortikalen Last der Aufgabe ist und systemische Reaktionen auf die Aktivität selbst 11 bezogen moduliert. Die überlegene und mittleren Gyrus temporalis Die Aktivitäten mit der Integration von multi-modale Sinnesreize assoziiert bekannt und wir haben vorhergezeigt, diesen Bereich aktiv zu sein in Dance Dance Revolution (DDR) Spiel in Pilot fMRT-Studien in Ergänzung zu unseren Publikationen fNIRS 10-12. Unsere Hypothese für die aktuelle Studie war, dass die funktionelle Aktivität in diesem Bereich aufgenommen mit fNIRS erheblich mit funktionellen Aktivität aufgezeichnet mittels fMRT auf ähnliche Eingeschränkt Tanzspiel Protokoll korreliert werden.
Das hier beschriebene Protokoll enthält, wie man eine Tanzvideospiel zu modifizieren, um eine Neuroimaging Paradigma in beiden fNIRS und fMRI-Protokolle verwendet werden. Das Gesamtverfahren ist jedoch nicht spezifisch auf das Paradigma des Videospielens und könnte für eine beliebige Anzahl von Aufgaben, die nicht möglich ist, in den Zwängen eines fMRI Protokoll einschließlich Sprache und Bewegungs Aufgaben bereit sind. Dieses Protokoll beschreibt die weitere Vorgehensweise, um die anatomischen Besonderheit des fMRI verwenden, um bestimmte Bereiche von Interesse (ROI), die während der Echt realen Aufgaben mit fNIRS weiter untersucht werden können, zu entwickeln.
Protocol
Vor der Teilnahme, alle Fächer bieten Einwilligung gemäß den Richtlinien des Instituts. In diesem Fall wurde das Protokoll von der institutionellen menschliche Schutzprogramm von Meiji University (Kanagawa, Japan), Columbia University Medical Center (an der Yale School of Medicine für die Datenanalyse überführt) und Long Island University, Brooklyn Campus für diese Studie zugelassen.
1. Software und Hardware-Modifikation und Entwicklung für Functional Neuroimaging (fMRI und fNIRS)
- Ändern Sie das Spiel Dance Dance Revolution (DDR), indem Sie die Details zu den Konfigurationsdateien (.sm) mit Hilfe des Open-Source-Klon des DDR, Stepmania, um die Zeitmessung, Grafik und Musik für die Region von Interesse Studien mit fMRI ändern vor fNIRS Bildgebung .
- Im .sm Datei angeben die Variablen: Hintergrund, Musik, versetzt (Start Musik beim Scannen), samplestart, samplelength, BPMS und bgchanges. Geben Sie den Pfeil pattErns für jede Maßnahme im .sm Datei durch die Definition von Pfeilen pro Maßnahme als Wert "1", "0" oder "M". Definieren Sie links, oben, unten, rechts oder Tastendrücke für jede Maßnahme. Verwenden Sie "1" für einen Pfeil, verwenden Sie "0" für leer, und verwenden Sie "M" für ein Bergwerk in den Ruheepochen.
- Unter Verwendung der Spiel-Song "Butterfly", erlauben Themen zu spielen mit einer alternierenden Block-Design in die Spielmechanik aufgebaut wie in veränderten (ursprünglich von Smile.dk auf dem Original Dance Dance Revolution 3. Mix Spiel-CD für Sony PlayStation geführt und verfügbar) die .sm Konfigurationsdatei. Alternate 30 sec Spiel mal mit 30 Sekunden Ruhezeiten mit Hintergrund-Grafiken anzeigt, an den Spieler, wenn zu spielen (grün) und wenn sich zu entspannen (rot; Abbildung 1).
Feigeure. 1: Paradigm Design (A) DDR Graphic User Interface. Pfeile am unteren Rand des Bildschirms bewegt in Richtung der Oberseite des Bildschirms. Diese Pfeile, um Themen, die Taste zu drücken angezeigt. Wenn die Pfeile oben angekommen Aktionsbereich (graue Pfeile am oberen Rand des Bildschirms), reagierte Themen durch Drücken der richtigen Taste. Spielzeit wurde mit einem grünen Hintergrund angezeigt. Ruhezeit wurde von einem roten Hintergrund angezeigt. Während der übrigen Zeit wurden Pfeile mit "Bombe" Animationen ersetzt. Dies hatte keine Funktion in Bezug auf das Gameplay oder gehen, doch wurden verwendet, um als Platzhalter während der Ruheepochen zu dienen. (B) Das Block-Design für das Scannen verwendet wurde, bestand aus insgesamt 5 min von Spiel- und Ruheepochen. Die Pre-Scan wurde 10 sec lang, gefolgt von abwechselnd 30 s play und Ruheblöcke. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
- Wiederholen Sie den Wechselintervall fünfmal pro Lauf, um die Spezifität in Kontrast zwischen Ruhe und aktiven Perioden zu gewährleisten.
- Im Fall von fMRI Datensammlung, zu beschränken Bewegungen nach links und rechts Pfeiltaste drückt in fMRI-Aufnahmen mit Fuß Tasten. Die Gesamtzahl der Tastenbetätigungen sollte gleich für beide Aufgaben (Figur 2) bleiben.
- Vor dem Scanvorgang, erklären die Grundlagen des Spiels, um Themen und Themen ermöglichen einige Trainingsläufe vor der Bildgebung. Weisen Sie Themen, um die entsprechende Pfeiltaste, mit ihren Fuß so nahe an die perfekte Zeit an der Spitze der Bahn des beweglichen Pfeil skizziert drücken, sondern um die Kopfbewegung so weit wie möglich zu minimieren.
Abb. 2: Versuchsaufbau zur fMRI (A) Themen in der MRT-Scanner während observi legenng der Projected interaktive Umgebung mit einem Spiegel in die Kopfspule über dem Gegenstand angebracht ist. 2B. Eine modifizierte Fuß Plattform, bestehend aus zwei Tasten erlaubt Themen, mit links oder rechts toe Hähne in Echtzeit während des Spiels zu reagieren. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
2. fMRI Testing and Analysis
- Besorgen Sie sich ein Strukturbild für jedes Thema vor mit einem 3D-Gameplay verwöhnt Gradientenechosequenz (SPGR) (124 Scheiben, 256 x 256, Sichtfeld = 220 mm), mit einer Gesamtzykluszeit von 10 min 38 sec.
- Erhalten funktionelle Magnetresonanzbilder während des Scannens mit den folgenden Einstellungen für die Echo-Planar (EPI) T2 * -gewichteten Gradientenechosequenz: Echozeit = 51 ms, Wiederholungszeit = 3 sec, Flip-Winkel = 83 °. Erwerben Sie 27 aufeinanderfolgende axiale Schnittbilder des Gehirns mit folgenden Abmessungen: 192 x 192 mm Feldder Ansicht mit einem 128 x 128 Gitter für eine Gesamtauflösung von 1,56 x 1,56 mm und einer z-Achse Auflösung von 4,5 mm.
- Weisen Sie Themen, die Spiel mit dem Paradigma oben, jedoch mit nur Pfeile links und rechts, um Bewegungsartefakte zu reduzieren spielen.
- Führen fMRI BOLD-Signal-Analysen unter Verwendung SPM8 5, in MATLAB 7.0 implementiert.
- Entsorgen Sie die ersten 10 Sek des EPI-Serie, um die T2 * Artefakt zu minimieren, sind Funktionsdaten Bewegung über der kleinsten Quadrate 6-Parameter 'starrer Körper "räumliche Transformation korrigiert.
- Normalisieren die neu ausgerichtet EPI-Scans zu MNI (Montreal Neurological Institute) Vorlage, die eine Auflösung von 2 mm 3, gefolgt von räumlicher Glättung mit Gauß-Kern von 8 mm Gesamtbreite beim halben Maximum (FWHM) hat.
- Führen Sie unterliegen Ebene statistische Analysen unter Verwendung des allgemeinen linearen Modell (GLM), um parametrische statistische Karten zum Vergleich der aktiven Zustand (DDR) im Vergleich gegenüber dem Ruhezustand zu schaffen. </ Li>
- Führen Gruppenanalyse mit individuellen Ergebnisse mit statistischen Standardparametrische Mapping (SPM) Second-Level-Random-Effects-Ansatz. Erhalten Sie interessierenden Bereich basierend auf Gruppenanalyseergebnisse mit einem Schwellenwert von p <0,01 und Clustergröße Schwellenwert von 100 Voxel.
- Definieren Sie die Region von Interesse wie die Verbindung zwischen der funktionalen Cluster und die anatomische Maske aus Superior und mittleren Gyrus temporalis, von WFU PickAtlas Werkzeug 13,14 erhalten
3. fNIRS Setup-und Datenkommunikation
- Verwenden Sie ein 22-Kanal-fNIRS Topographiesystem, um Daten von Optoden in eine 3 x 5 Matrix angeordnet sind aufzuzeichnen. Der Inter Optode Abstand für jede Quelle-Detektor-Paar ist 3 cm (3A, B).
- Orientieren der elastischen Kappe, die die Anordnung von optischen Sensoren, so daß er sich von der linken präfrontalen Kortex links Temporallappen ausgekleidet (3A, B). Sichern die Optode in der untersten Reihean der vordersten Position an Fpz des internationalen 10-10 Systems 15 zentriert ist. Richten Sie die inferior Reihe von Optoden parallel zur Linie zwischen anatomischen Landmarken Fpz und T7.
- Ziehen Sie die optischen Sonden-Arrays auf den Kopf des Subjekts und versichern, es ist fest mit den Trägern und den Kinnriemen befestigt. Es sollte auf die Verschiebung der Optoden von der Kopfoberfläche zu zahlen, so dass Quelle-Detektor-Paare sind eng an den Kopf, aber nicht unbequem, um das Thema (3C).
- Probe raw analogen Optode Quelle-Detektor-Paar Licht Daten in den Computer mit 7,9 Hz mit dem Computer grafische Benutzeroberfläche.
Abb. 3: Optode Setup für NIRS-Aufnahmen (A) Die Kappe besteht aus einem elastischen Blatt mit biegsamen Kunststoff ausgestattet, und ho gekoppeltlding 3 cm Abstand Optode Inhaber. Gurte sind an der Kappe befestigt, damit sie festsitz zum Kopf sein. Die Kappe ist größer und ermöglicht mehr als die Optoden 3 x 5-Array (gelb dargestellt) in dieser Studie verwendet, aber ist notwendig, um sie sicher zu den Köpfen der Patienten zu sichern. (B) Die Optode Kappe und über der linken präfrontalen den Schläfenlappen positioniert. Beispiel für die Optode Kappe auf dem Kopf des Patienten Deren Abdeckung erstreckt sich von 3 x 5-Array über den linken präfrontalen Bereich links Temporallappen. (C) Optode Platzierung in Cap zeigt Kappe befestigt ist, um mit Spannbänder und Kinnriemen fahren. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
- Testkalibrierung und die Signalstärke und Signalrauschverhältnis mit Hilfe der Systemsteuersoftware vom Hersteller vor der Aufzeichnung vorgesehen. Im Fall von hohen Rausch detektiert, remove Optoden und eventuell störenden Haare aus dem Kanal mit Hilfe eines LED-Leuchtkunststoffstab (Abbildung 4).
Abb. 4:. Optimierung der Optode Signale Haar wurde von jedem Kanal mit einem beleuchteten Kunststoffwerkzeug zur Haar von der Kanalmitte zu verschieben, um eine optimale Signalqualität zu gewährleisten verschoben Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
- Verwenden eine 3D-Digitalisierung Stift räumliche Werte der Quelle und dem Detektor Optode Orten in jedem Kanal der elastischen Kappe bestimmen. Verwenden Sie den Digitizer befindet, um die Raumkoordinaten nasion, Inion, Ohrmuscheln und Cz jedes Subjekt unmittelbar vor der Datenerhebung und Spiel spielen (Abbildung 5) zu identifizieren. Speichern von Textdateien mit Quelle und erkennenoder Standorte zu others.txt und anatomischen Koordinaten Dateien origin.txt.
Abbildung 5:.. Kalibrierung von Optode Position ein Magnetdigitalisierungswerkzeug wurde verwendet, um die Platzierung von 10-20 Landmarken auf dem Kopf und die Position der Kanäle bestimmen Optode Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
- Verarbeitet die erfassten 3D-Koordinaten mit Hilfe der Registrierungsoption in NIRS-SPM 16,17 in MATLAB 7.0 (Abbildung 6). Aus dem Hauptmenü von SPM, Pick eigenständige räumliche Registrierung. Auf dem nächsten Bildschirm, wählen Sie "Mit 3D-Digitalisierer" und wählen Sie die zuvor gespeicherten anderen und Herkunft Textdateien mit den entsprechenden Dialog. Von der Software-Dialog, wählen Sie die "Anmeldunn (verwenden Sie die NFRI-Funktion) "auf räumliche Darstellung zu bestimmen
Fig. 6: Beispiel für eine Ausgabe von NIRS Kalibrierdaten Digitizer Daten wurden verwendet, um die Wahrscheinlichkeit von jedem Kanal in spezifischen Hirnregionen zu bestimmen. Kanal 22 in diesem Thema zeigte eine Wahrscheinlichkeit von 0,4129 im Nahen Gyrus temporalis und 0,47419 im Gyrus temporalis superior. Der Kanal ist durch den Bereich zwischen Emitter und Detektorpaare definiert. Der Kreis um Kanal 22 in der Figur stellt eine Annäherung an die Fläche, die zur von den Optode Paare in diesem Thema aufgezeichnete Signal. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
- Wenn alle Optode Programmplätze werden digitalisiert und jeder Kanal bietet sufficient Signalstärke, wie in der GUI der Software-Oberfläche des Herstellers angegeben ist, fragen Themen zu stehen und die Vorbereitungen für DDR-Tests (7A, B).
Abbildung 7:. FNIRS Datenerfassung während des Tanzes Spiel (A) Themen stehen, um das Spiel mit dem Block-Paradigma auf einem Standard-Tanzspiel-Matte zu spielen, während sie auf dem NIRS Maschine angebunden. (B) Alternative Ansicht der Datenerhebung, die Rohdaten auf Hintergrund-Bildschirm in Echtzeit, die Person erhoben. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
4. fNIRS Data Collection
- Vor der Einrichtung der fNIRS Aufnahme Optoden, bieten Patienten mit einer kurzen EinführungGameplay und ermöglichen der Praxis für die Vertrautheit mit dem Spiel als in fMRI-Tests.
- Für fNIRS Tests, verwenden eine identische Paradigma der von fMRI-Tests mit der Zugabe von den Auf / Ab-Pfeile, verglichen mit nur Pfeile links und rechts für fMRI verwendet. Sicherzustellen, dass die Gesamtzahl der Pfeil Pressen zwischen fMRI und fNIRS Aufgaben und daß nur das Muster unterscheidet identisch sind.
- Verwenden Sie ein Standard-4-Taste Bodenmatte Taste Reaktionssystem für Gameplay während fNIRS Tests (7A).
- Sobald bequem in die Grundlagen des Spiels, anweisen Fächern bis 30 sec Spiel mal mit 30 Sekunden Ruhezeiten, wie in Schritt 1.2 zu spielen. Wiederholen Sie diesen 5 min Spiel zweimal mit je Themen.
- Weisen Sie Themen speziell auf ihr Gesicht oder Nase und vor allem ihre Haare oder Kopf in der Nähe der Optoden nicht berühren. Weisen Sie Themen, die Rotation, Jolle oder Nickbewegungen des Kopfes während des Spiels zu minimieren.
5. fNIRS Data Analysis
ΔoxyHb = -1,4887 × & Delta; Abs 780 + 0,5970 × 805 & Delta; Abs + 1,4847 × 830 & Delta; Abs
ΔdeoxyHb = 1,8545 × & Delta; Abs 780 + (-0,2394) × & Delta; Abs 805 + (-1,0947) × & Delta; Abs 830
ΔtotalHb = ΔoxyHb + ΔdeoxyHb;
wobei & Delta; Abs zeigt Änderungen in der Lichtabsorption bei der entsprechenden Wellenlänge.
6. Vergleich der fMRI und fNIRS Signale
- Verwenden Sie die Funktion Ergebnisse in SPM8 zu super-Schwelle Voxel bei T> 2.6 oder eine entsprechende P-Wert <0,01 zu bestimmen. Bestimmen Sie die Region of Interest (ROI) mit überlappenden Super-Schwelle Voxel, um einen Cluster innerhalb eines anatomischen Region zu definieren.
- In diesem Fall definieren Sie die oberen und mittleren temporalen Gyrus Verwendung der AAL-Atlas in der WFU Pick-Atlas enthalten. In this Fall weist das resultierende Cluster 572 2 x 2 x 2 mm Voxel in der Mitte Temporalwindung mit einem Spitzen Voxel liegt an der Koordinate (-66, -24, 0) und der Spitzen T = 5,73 fNIRS.
- Bestimmen Sie den Kanal von Interesse von fNIRS Daten mit 3D-Koordinaten, die auf digitalisierte MNI-Koordinaten mit NIRS-SPM in Schritt 3.5.1 oben umgesetzt werden. In diesem Fall Kanal 22 bei den meisten Probanden hatte die höchste Wahrscheinlichkeit der Aktivität in dem im Schritt 6.1 definiert ROI.
- Bestimmen Sie die gemittelten, ereignisgesteuerte Reaktion in der ROI für fMRI und entsprechende Kanal in fNIRS für die Dauer der 60 Sek Block (aktive und Ruhe, kombiniert).
- Für jedes Thema, der Mittelwert der Blutsauerstoffgehalt abhängig (BOLD) raw Signale für die Voxel innerhalb des Clusters zu erzeugen fMRI Ereignis ausgelöst durchschnittliche Daten.
- Vergleichen fMRI und fNIRS durch Skalierung fMRI-Daten optimal passen die fNIRS Daten unter Verwendung einer linearen Regression unter Verwendung fNIRS = b * fMRI, wo die Regressionsmethode erhält den Wert b so that der Effektivwert der fNIRS -b * fMRI minimiert.
- FNIRS und fMRI Signalen Vergleichen durch Korrelation der beiden Gruppen.
Representative Results
Die Ergebnisse des Experiments zeigen Tätigkeit von Integrationszentren in der oberen und mittleren Schläfenwindungen mit der funktionellen Magnetresonanztomographie (fMRI) erhalten haben eine hohe Korrelation mit funktionellen Nahinfrarot-Spektroskopie (fNIRS) Signale die gleiche Fläche in naturalistischen Version der Aufgabe bilden . Abbildung 8 zeigt die normalisierten und gemittelten Rohdaten aus 16 Themen aus dem fMRI Scanvorgang (blaue Kurve) und der 26 Themen aus dem fNIRS Protokoll (rote Kurve). Die Daten wurden zum Zeitpunkt 0 gesteckt und die aktive Phase der Spielinteraktion fand in den ersten 30 Sekunden des Graphen (mit der Bezeichnung Task). Die vertikale gestrichelte Linie zeigt den Übergang von der grünen zur roten Hintergrund in der Aufgabe und dem Beginn der Ruhephase (als Rest angegeben) Beide Datensätze zeigen Erhöhungen der Antworten in der aktiven Phase und Niedergang in der Ruhephase mit erhöhter Variabilität gesehen die fMRI-Signal. Es wurden Vergleiche zwischen den Spuren, die erste reg gemachtRessing die fMRI-Signal zur Minimierung der quadratische Mittelwert Unterschied zwischen den beiden Spuren. Der resultierende Korrelationskoeffizient zwischen den beiden Signalen bei 0,78 und p-Wert für die Korrelation war 0,03.
9 stellt ein Gehirn-Rendering mit überlagerten Kanal Standorte von einem einzigen Thema. Gemittelten Spuren von Kanal 1 und 22 sind mit durchgezogenen Linien repräsentieren Oxyhämoglobin Signale dargestellt und gestrichelte Linien repräsentiert Desoxyhämoglobin Signale. Rote und blaue Spuren stellen zwei Variationen über Gameplay, Musik und Nicht-Musik auf. Signale von Kanal 1 dienen als Kontrollbeispiel, mit dem interessierenden Bereich zu vergleichen. Signale in diesen beiden Regionen unterscheiden sich hinsichtlich aufgaben Antwort.
Abb. 8: Zusammenhang zwischen fNIRS und fMRI Signalen von Middle Gyrus temporalis Die fNIRS(Rot) und fMRI (blau) Signale werden für jede Gruppe ± SEM von schattierten Kanten dargestellt gezeigt. Der Regressionskoeffizient zwischen den beiden ist, 0,78; p = 0,03. Der Einsatz zeigt eine Wiedergabe der aus der Tätigkeit in fMRI mit Spitzenaktivität bei MNI bestimmt ROI Koordinate (-66, -24, 0) mit einer Clustergröße = 571, Spitze t = 5,73. Bitte klicken Sie hier, um eine größere Version zu sehen diese Zahl.
Abbildung 9: Unterschiede in der Signale in der zeitlichen und Frontallappen Zeitverlauf der ΔoxyHb (durchgezogene Linie) und ΔdeoxyHb (gepunktete Linie) Reaktionen von einem einzigen Thema von zwei einzelnen Studien des Tanzspiel, die zwei Bedingungen "mit Musik (rot). "und" keine Musik (blau) "Bedingungen. Diese Zahl hat sich von Ono et al modifiziert. 10.
Discussion
fNIRS ist eine funktionelle Bildgebung des Gehirns Technik, die das Versprechen so dass die Untersuchung der neuronalen Korrelate von Naturaktivitäten hat. Entwicklung dieser Techniken ist ein aktives Forschungsrichtung. Wir skizzieren hier eine Methodik, die wirksam für die Aufnahme funktionelle Aktivität des Gehirns in einem Bereich von Interesse mit der Teilnahme an einem Tanz-Videospiel zugeordnet hat.
Die Anzahl von Veröffentlichungen untersucht Motor Lernparadigmen mit fNIRS haben sich in den letzten Jahren mit der Einführung von Multi-Kanal-fNIRS Einheiten von Hitachi und Shimadzu (sowie andere) zum Aufzeichnen von funktionellen Aktivitäten in mehreren Hirnregionen gleichzeitig 20,21 erhöhten . Wir haben zuvor gezeigt, dass es möglich ist, anatomische Spezifität fNIRS Signale zu bestimmen sowie um die Signale zu bestimmen, wie Veränderungen in der Zeitplanung und der Amplitude der Signale beitragen, um Verhaltenseigenschaften von Kraftaufgaben
Die Ergebnisse zeigen eine hohe Korrelation zwischen den Gruppen für fNIRS und fMRI Signale in einem Integrationsbereich des Schläfenlappens und die Korrelation zwischen den Signalen in-line mit demjenigen vor im Gleich fMRI / fNIRS Studien 3 gezeigt dar. 9 zeigt, dass fNIRS Aktivität in Schläfenlappen ist in der Natur nicht nur Witz kortikaleh Differenz Oxy- und Desoxy chromofore Absorption, sondern auch die Aktivität in den Schläfenlappen ist ganz anders als im Frontallappen nicht mit fMRI Aktivität korrelieren im Temporallappen gesehen. Wir betonen, ein paar kritische Aspekte der Studie, die Daten, die zwischen den beiden Techniken verglichen werden können. Zunächst wurde die Kalibrierung der Optode Standorten als Schlüsselstrategie in der Bestätigung kortikalen Anatomie und Interpretation der Ergebnisse dargestellt. Die Änderungen haben wir die Software gemacht und Hardware konnten wir unsere Paradigma mit einem Block-Design-Protokoll optimiert, um starken kortikalen Reaktionen in beiden Verfahren ergeben synchronisieren. Wir wichtigsten Strategien skizzieren auch zu hohen Signal-Rausch-Verhältnis (Haarentfernung aus Optode Oberfläche) und Reduktion von Artefakten, einschließlich Bewegung und Gesichtsstimulation (Probanden wurden angewiesen, die speziell den Kopf oder das Gesicht zu berühren) zu gewährleisten.
Diese Ergebnisse und die Ergebnisse früherer Studien, die gleichzeitige fNIRS / FM-RI bildgebenden Verfahren zu bestätigen eine hohe Korrelation zwischen den Signalen als theoretisch vorhergesagten 1-3. Eine Einschränkung auf die Interpretation der vorliegenden Daten ist, dass wir nicht in der Lage neuere Techniken in die Optimierung der NIRS Aufnahme, die es möglich ist, die Auflösung der einzelnen Kanal-Daten mit hoher Dichte zu erhöhen zeigen Aufnahmen zu nutzen. Diese hohe Dichte Technik wurde auch verwendet, um Oberflächenkomponenten getrennt von der kortikalen NIRS Signale 27 neben anderen Techniken, die Artefakte aus Blutdruck, Herzfrequenz und andere systemische Variablen 6,7,28 entfernen. Es wurde auch gezeigt, dass die Sondenplatzierung und Chromaphor Auswahl kann verwendet werden, um Fehlalarme 29 und adaptive Filterung NIRS Signale steuern kann effektiv bei der hohen Signal-Rausch-Verhältnis verwendet werden kann. Die Aufgabe, die wir hier und zuvor mit kommerziellen NIRS Systemen mit Paradigmen in Blockbauweise 10,11 dargestellt sind eingesetzthat Daten mit großen Signale erzeugt und ist nicht erforderlich, weitere Analysetechniken oder Hardware, um Ähnlichkeiten zwischen den Signalen zu zeigen. Es ist jedoch möglich, dass die hier vorgestellten Daten könnte durch die Verwendung von diesen und anderen Techniken NIRS Signalverarbeitung verbessert werden.
Aktuelle Methoden der funktionellen NIRS ersetzt nicht die Notwendigkeit für fMRI Scannen; eher, wie wir vorschlagen, hier können die beiden bildgebenden Verfahren (zusätzlich zu den EEG und andere) verwendet werden, um sich gegenseitig ergänzen werden. Im Fall von einer Gruppe von Personen, die für die fMRI Scannen kontraindiziert sind, können fNIRS die einzige lebensfähige Technik zu beweisen, um die Vorteile eines Fortbildungsprogramms, wie Sturzrisikopräventionsprogramme für Menschen mit Parkinson-Krankheit festzustellen. Ferner hat fNIRS eine Reihe von Zukunftsperspektiven, die auch verwendet werden können, um Informationen an die anatomischen Details durch MRT-Untersuchungen vorgesehen hinzuzufügen. Hohe Dichte Optode Platzierung und erhöht Optoden werden höhere Ausbeutezeitlichen Auflösung, die für die Konnektivität und Hauptkomponentenanalyse sowie eine erhöhte Genauigkeit der BOLD-Signal-Modellierung verwendet werden kann.
Disclosures
Publikationskosten für diesen Artikel werden von S himadzu gesponsert.
Acknowledgments
Diese Forschung wurde teilweise durch die folgenden Finanzierungsquellen unterstützt: JSPS Grant-in-Aid for Scientific Research (C) 25.350.642 (AT), ein Forschungsstipendium von Hayao Nakayama Stiftung für Wissenschaft und Technik und Kultur (SS & YO) und eine Gesundheit Games Forschungsstipendium der Robert Wood Johnson Foundation (Grant # 66.729) (SB & JAN).
Materials
| Name | Company | Catalog Number | Comments |
| Equipment | |||
| Shimadzu OMM-3000 |  Shimadzu |
The OMM-3000 used in this study has been replaced by the LABNIRS | |
| Polhemus Patriot 3D Digitizer | Polhemus |
||
| GE Twin-Speed 1.5T MRI scanner | General Electric |
The Twin-Speed 1.5 T scanner has been retired. A number of new scanners are available to replicate this procedure | |
| Software | |||
| Stepmania | Stepmania |
||
| Matlab | MathWorks |
||
| NIRS-SPM | BISPL |
||
| WFU Pick Atlas | ANSIR |
||
References
- Heinzel, S., et al. Variability of (functional) hemodynamics as measured with simultaneous fNIRS and fMRI during intertemporal choice. NeuroImage. 71, 125-134 (2013).
- 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).
- Sato, H., et al. A NIRS–fMRI investigation of prefrontal cortex activity during a working memory task. Neuroimage. 83, 158-173 (2013).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Annual Society for Neuroscience Conference. Noah, J., Tachibana, A., Bronner, S. 2010 Nov 13-17, San Diego, CA, , (2010).
- Maldjian, J. A., Laurienti, P. J., Burdette, J. H. Precentral gyrus discrepancy in electronic versions of the Talairach atlas. Neuroimage. 21, 450-455 (2004).
- 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).
- 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).
- Okamoto, M., Dan, I. Automated cortical projection of head-surface locations for transcranial functional brain mapping. Neuroimage. 26, 18-28 (2005).
- 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).
- 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).
- Savitzky, A., Golay, M. J. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry. 36 (8), 1627-1639 (1964).
- Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. 21, 1275-1288 (2004).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kirilina, E., et al. The physiological origin of task-evoked systemic artefacts in functional near infrared spectroscopy. Neuroimage. 61, 70-81 (2012).
- 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).
