Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Bioengineering

מוחין זרימת דם מבוסס על המצב מנוחה קישוריות תפקודית של המוח האנושי באמצעות ספקטרוסקופיית מתאם אופטי לפזר

doi: 10.3791/60765 Published: May 27, 2020

Summary

פרוטוקול זה מדגים כיצד למדוד במנוחה קישוריות המצב התפקודי בקליפה הקדם חזיתית האנושית באמצעות מותאם אישית מעשה לפזר מתאם ספקטרוסקופיה. הדוח גם דן בהיבטים מעשיים של הניסוי, כמו גם בשלבים מפורטים לניתוח הנתונים.

Abstract

כדי להשיג הבנה מקיפה של המוח האנושי, הניצול של זרימת הדם המוחית (CBF) כמקור של ניגודיות רצוי משום שהוא פרמטר הומודינמי מפתח הקשור לאספקת חמצן מוחין. מצב מנוחה של תנודות בתדר נמוך המבוסס על ניגודיות חמצון הוכחו לספק מערכת יחסים בין אזורים המחוברים באופן פונקציונלי. הפרוטוקול המוצג משתמש בספקטרוסקופיית מתאם אופטי מפוזר (DCS) כדי להעריך את הקישוריות הפונקציונלית המבוססת על זרימת הדם (RSFC) במוח האנושי. תוצאות RSFC המבוסס על הקליפה הקדמית האנושית עולה כי RSFC הפנים-אזוריות הוא גבוה יותר באופן משמעותי בתוך שמאל וימין לעומת RSFC הבין אזורי בשתי מערבולות. פרוטוקול זה צריך להיות עניין של חוקרים אשר מעסיקים טכניקות הדמיה רב מודאליות כדי ללמוד את תפקוד המוח האנושי, במיוחד בקרב ילדים.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

כאשר המוח נמצא במצב מנוחה, הוא ממחיש סנכרון גבוה של פעילות ספונטנית באזורים הקשורים פונקציונלית, אשר ניתן למקם קרוב בסמיכות או ממרחק. אזורי הסינכרון האלה ידועים כרשתות פונקציונליות1,2,3,4,5,6,7,8,9. תופעה זו נחשפה לראשונה על ידי דימות תהודה מגנטית תפקודית (fMRI) מחקר באמצעות האותות התלויים ברמת חמצן בדם (מודגש) המציינים רמות חמצן של דם מוחין5,10, ידוע גם בשם המצב מנוחה קישוריות פונקציונלית (rsfc). חריגות RSFC היו שייכות עם הפרעות במוח כגון אוטיזם11, אלצהיימר12, ודיכאון13. לכן, RSFC הוא כלי רב ערך עבור לימוד חולים עם הפרעות שיש להם בעיות performaning הערכות מבוססות משימה. עם זאת, חולים רבים, כגון ילדים אוטיסטים צעירים, הם מועמדים עניים להערכה על ידי fMRI, כפי שהוא מחייב נותר עדיין בתוך שטח סגור לתקופות ממושכות של זמן14,15. הדמיה אופטית היא מהירה ולביש; לפיכך, הוא מתאים לרוב המטופלים, במיוחד האוכלוסייה ילדים16,17,18,19,20,21,22,23,24. ניצול יתרונות אלה, ספקטרוסקופיית כמעט אינפרא אדום פונקציונלי (fnirs), אשר יכול לכמת ריכוז המוגלובין והפרמטרים של רוויית החמצן במוח, משמש למדוד rsfc בבני אדם (כולל אוכלוסיית ילדים4,8,25 וחולים עם אוטיזם11).

אופטי מתאם ספקטרוסקופיית (DCS), טכניקה אופטית חדשה יחסית, יכול לכמת זרימת דם מוחין, שהוא פרמטר חשוב המשייך אספקת חמצן עם חילוף חומרים6,17,26,27,28,29. חדות הזרימה האופטית בכמת על ידי DCS הוכח שיש רגישות גבוהה יותר במוח בהשוואה לניגודיות חמצון30. כך, ניצול פרמטרים הנגזר DCS CBF להערכת RSFC הוא יתרון.

DCS הוא רגיש להעברת כדוריות הדם. כאשר מפזרים פוטונים פיזור של כדוריות הדם הנעות, זה גורם לעוצמת האור המזוהה להשתנות לאורך זמן. DCS מודד מתאם זמן מבוסס על תפקוד אוטומטי ושיעור הדעיכה שלה תלויים בפרמטרים האופטיים ובזרימת הדם. ערכים אלה משמשים בסופו של דבר להשגת מדד זרימת הדם המוחית (CBFi). עם כדוריות דם נעות מהיר יותר, הפונקציה מיתאם אוטומטית מהירה יותר. לכן, מידע על תנועה עמוק מתחת למשטח הרקמה יכול להיות נגזר (למשל, במוח) ממדידות של תנודות אור לאורך זמן27,31,32,33,34,35. DCS היא טכניקה המשלימה את ה-fnirs הידוע באופן נרחב המודד חמצן17,36. מאז השני fNIRS ו DCS הם אופטי המוח טכניקות הדמיה עם רזולוציה הרקתית הגבוהה בטווח של אלפיות שניה, הדמיה אופטית מערכת ההדמיה הם הרבה פחות רגיש לפריטים התנועה מאשר fMRI. הם גם השתמשו בהצלחה לדימות מוחי פונקציונלי באוכלוסיות ילדים, כולל תינוקות צעירים מאוד16. בעבר, מדידות זרימת דם שטחית שימשו להערכת RSFC במחקרים טרום קליניים בעכברים37. כאן, הפרמטרים של זרימת הדם משמשים לכמת rsfc בתשעה מבוגרים בריאים כהוכחה של קונספט מחקר38,39.

במחקר זה, מערכת מסחרית FD-fNIRS ומערכת DCS מותאמת אישית משמש (ראה טבלת חומרים). בקרי התחום שנבנו בתוך הבית מורכב 2 785 ננומטר, 100 mW, אורך קוהרנטיות ארוך לייזרים גל הנמצאים ביחד למחבר FC ושמונה מכונות ספירה יחיד פוטון (SPCM) מחובר אוטומטי-correlator. ממשק משתמש גרפי של תוכנה מותאמת אישית (GUI) נעשה גם במיוחד עבור מערכת זו כדי להציג ולשמור את ספירות פוטון, מתאם אוטומטי עקומות, זרימת הדם למחצה כמותי של כל ערוץ SPCM בזמן אמת. החלקים במערכת זו משמשים בדרך כלל עבור DCS16,17,31,32,40,42,43,44, ואת התוצאות שהתקבלו גם אומתו ב-house ומשמש במחקר האחרונות39.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

הפרוטוקול אושר על ידי מועצת הסקירה המוסדית באוניברסיטת רייט סטייט, והסכמה מושכלת הושגה מכל משתתף לפני הניסוי.

1. הכנה לנושא

  1. הכוח את מערכת FD-fNIRS ו-DCS כדי לחמם לפחות 10 דקות (ראה סעיפים 2 ו-3 לקבלת פרטים נוספים) לפני התחלת כל המידות של הנושא. דוגמה למדידת נושא עם כלי ה-DCS הקומפקטי מוצגת באיור 1.
  2. ראשית, להשתמש במדד קלטת כדי למדוד את המרחק בין nasion כדי inion על הראש של כל נושא (איור 2A).
  3. כאשר מדובר בנקודת ההתחלה, סמן את המיקום שהוא 10% מהמרחק ל-inion עם סמן דיו. זה מציין את הנקודה בין Fp1 ו Fp2 של EEG 10/20 מונטאז (איור 2A).
  4. באמצעות כובע EEG 10/20 (ראה טבלת חומרים), התאם את המכסה כך שהנקודה המסומנת היא בין Fp1 ו-Fp2.
  5. סמן את הנקודה בין Fp1 ו F7 (קליפת המוח השמאלית) ואת הנקודה בין Fp2 ו-F8 (קליפת הימין). זה מייצג את הגבולות בין קליפת המוח הקדמית מעולה לבין קליפת המוח הקדם חזיתית (DLFC) ובין הקליפה הפרנטאלית הנחותה (IFC), בהתאמה, עבור האונות השמאלית והימנית (איור 2A).
  6. באמצעות בדיקה תלת-ממדית, הציבו את הסיבים המרובים (MMF) בנקודות המסומנות לאחרונה (נקודות "S" באיור 2C) וחברו כל אחד למקור אור לייזר ננומטר 785 (איור 2ב, ג).
  7. הצב את הסיבים במצב יחיד (SMFs) 2.75 ס מ הרחק MMF. שני סיבים צריך להיות ממוקם על DLFC (מיקומים "DLFC, 1" ו "DLFC, 2") ואחד על IFC (מיקום "IFC"). מיקום ה-smf משוכפל בכל צד של קליפת המוח של שישה מטוסי smf (איור 2 ג).
  8. מניחים עוד SMF 1 ס מ מתחת MMF במיקום "Ds" בשני הצדדים של קליפת המוח (לאיתור זרימת הדם בקרקפת) ולחבר כל אחד smf מכונות ספירה יחיד פוטון בודד (איור 2c).

p class = "jove_title" > 2. הגדרות וכיול של FD-fNIRS

  1. כבה את כל הנוריות והפעל את מערכת FD-fNIRS כדי להתכונן לכיול.
    התראה: כאמצעי זהירות כללי, אל תביט ישירות במקורות האור ובפלטי הסיבים, שכן הדבר עלול לגרום לנזק בעיניים. השתמש בכרטיס סנסור IR (טבלת חומרים).
  2. להימנע מחשיפה מיותרת של גלאי כדי לפנות לרמות אור כדי לשמור על פעולה ללא רעש ולמנוע נזק גלאי.
  3. חמם את מקורות האור והגלאים על-ידי מפעיל את המערכת ומאפשר לו לפעול למשך לפחות 10 דקות (רצוי, 20 דקות מינימום ו-1 h מקסימום עבור דיוק ויציבות מיטביים) עם האור דולק, אפנון, ומתח הגלאי.
  4. הפעל תוכנת רכישת נתונים מבוססת GUI. כוונן את הגלאי כדי להשיג אות אופטימלי עם החיישן מחובר ומאובטח פנטום כיול (polydiמתיל siloxane מבוסס על מאפיינים אופטיים ידועים, ראה טבלת חומרים) על ידי לחיצה על כפתור "auto-הטיה". , אם אזהרת מתח היתר מהבהבת. הנמך את הרווח
  5. לאחר התאמת הגלאי כדי לקבל את האות המקסימלי, נתק אחד מסיבי המקור מהגלאי וודא שהזרם הישיר (DC) הוא פחות מ-20 ספירות לכל תקופת מדידה עבור סיבי המקור המתאימים. אם הוא גדול יותר מהערך הזה, ייתכן שאור חדר מופרז דולף לתוך הגלאי45. אם זה המקרה, המערכת צריכה להיות מופעלת, אז כל האור העודף בחדר צריך להיות חסום/הוסר ושלבים 2.4 – 2.5 חוזר על עצמו.
  6. בדוק את רמת האות המתאימה מכל מקור וגלאי. המערכת מגדירה את זה כמו מעל 100 ומתחת 1,500 ספירות לכל מחזור המדידה.
  7. בצע כיול על-ידי לחיצה על כפתור "כיול" ב-GUI. המערכת תיקח מדידות ויחיל גורמי כיול כדי למדוד בצורה נכונה את המאפיינים האופטיים של הפאנטום הידוע. גורמי כיול אלה נשמרים ומוחלים באופן אוטומטי על המדידות הvivo.
  8. רשום את נתוני הכיול, שיספקו רישום של ביצועי המערכת בפנטום רגיל.

3. הגדרות DCS

התראה: כאמצעי זהירות כללי, אל תביטו במקורות האור וביציאות הסיבים ישירות כדי למנוע פגיעה פוטנציאלית בעין. השתמש בכרטיס החיישן של IR (ראה טבלת חומרים).

  1. להימנע מחשיפה מיותרת של הגלאים (כלומר, אור החדר) כדי להשיג נתונים גולמיים מדויקים עבור עקומות המתאם האוטומטי ולמנוע נזק לגלאים.
  2. לחמם את מקורות האור DCS לייזר ו SPCM (ראה טבלה של חומרים) על ידי החלפת אותם "על" מיקום ולאפשר להם לרוץ לפחות 10 דקות (רצוי, 20 דקות מינימום ו-1 h מקסימום עבור דיוק ויציבות אופטימלית).
  3. הפעל תוכנת DC לרכישת נתונים מבוססי GUI, המציגה את ספירות הפוטון עבור כל גלאי וערכי זרימת דם בזמן אמת כמותי למחצה. להתאים את מיקום סיבים, זווית (פנים סיבים צריך להיות בניצב על פני השטח של העור), ואת העיתוי לרכישת נתונים כדי לקבל אות של לפחות 5,000 ספירות/s (עבור אות מספקת יחס הרעש) ומתחת 1,000,000 ספירות/s (כדי למנוע גלאי נזק) (איור 3A).
  4. ודא מספיק רמות הפוטון (משלב 3.3) מכל גלאי על-ידי בדיקת רמת הפוטון ברמה וכמעט בזמן אמת עקומות אוטומטיות מתאם אוטומטי המוצג על הצג.
  5. אמת מגע מספיק של סיבים ללא דליפת אור סביבתי על-ידי בדיקת חיתוך-y של עקומת המתאם האוטומטי המוצגת בצג. הערך האופטימלי הוא ~ 1.5 ללא שימוש של מקטפולטורים (איור 3B).
  6. ודא כי בדיקה ומדידות אינם נוטים לפריטים התנועה על ידי הידוק הלהקה אלסטי כך הוא הדוק מספיק כדי להתנגד תנועה אך רופף מספיק כדי למנוע אי נוחות לנושא. המשתמש צריך גם לבדוק את עקומות המתאם האוטומטי על הצג במקביל כך עקומת המתאם האוטומטי נרקב 1 עבור זמן מתאם ארוך יותר (τ > 10 ms) (איור 3c).

4. איסוף נתונים

  1. הנחה את הנושא למזעור כל התנועות במהלך המדידה של 8 דקות.
  2. כבו את האורות וודאו שהנושא יושב במצב נוח בעיניים עצומות.
  3. ביצוע מדידות FD-fNIRS בסיסית באמצעות הצבת הבדיקה האופטית של מערכת FD-fNIRS על המצח הסמוך לגשוש DCS. לאחר מכן, לחץ על כפתור "לרכוש" ב-GUI הרכישה FD-fNIRS. נתונים אלה יספקו מאפיינים אופטיים סטטיים, פרמטרי קליטה ופרמטרי פיזור (μa, μs) שישמשו לקוונפיקציה של הפרמטר האופטי הדינאמי, cbfi17,20.
  4. לאחר השלמת מדידות FD-fNIRS, התחל ברכישת נתונים במדידות DCS אופטיות על-ידי לחיצה על לחצן ' הפעל ' ב-GUI של רכישת נתוני DCS. איסוף נתונים עבור סך של 8 דקות עם זמן שילוב מרבי של 2 (פחות מועדף, בהתאם ליחס אות לרעש עבור כל נושא).
  5. במידת הצורך, חזור על הניסוי בתוך 1 שעות של הניסוי הראשוני או חזור על הניסוי בזמן דומה ביום כדי להפחית וריאציות חיצוניות כגון עייפות, ממריצים או טמפרטורה.

5. ניתוח נתונים

  1. עבור נתוני FD-fnirs, חלץ את מאפייני הקליטה והפיזור האופטיים (μa, μs) המעובדים על-ידי שיטת השיפוע46,47,48,49,50,51, 52,52,53.
  2. עבור DCS, מאחר שלאחר עיבוד נדרש, יבא את נתוני המתאם האוטומטי מתוך כל אחד משמונת הערוצים אל תוכנת ניתוח הנתונים.
  3. Cbf-כימות הפרמטרים הקשורים מפורט בסקירות האחרונות6,27,54. בקצרה, מן העוצמה המנורמלת מתאם אוטומטי (g2 [r, τ]), לחלץ את הפונקציה המנורמלת מנורמל שדה חשמלי מתאם אוטומטי (g1 [r, τ]) באמצעות הקשר הזירט: g2 (r, τ) = 1 + β | g 1 (r, τ) | 2. שתיים.
    הערה: β הוא קבוע, פרופורציונאלית למספר המצבים המרחביים6,17,27,55,56, נע בין 0 ל-1, ומתקבל על ידי התאמת הפונקציה (מנורמל) שדה חשמלי המתאם האוטומטי g1.
  4. כדי להשיג פרמטר הקשור לזרימת הדם (αDB) מתוך התאמה, השתמש בפתרון האנליטי עבור g16,27,54 והתאם את הנתונים למודל או לקצב הדעיכה:
    משוואה אחת
    הערה: במשוואה לעיל, ko הוא מספר גל האור במדיום, α הוא גורם בפרופורציה לשבר בנפח דם רקמות, ו DB הוא מקדם בראוניאן יעיל. αDB ניתן להגדיר כמדד זרימת הדם (bfi)6,54 או cbfi17. כאן, משתמשים ב-CBFi.
  5. התאם את המודל באמצעות הפרמטרים האופטיים שהתקבלו מ-FD-fNIRS. הפרמטרים העיקריים להתאמה הם CBFi ו β.
    הערה: איור 3A מציג נתונים מייצגים המספיק לניתוח. נתוני DCS נמחקים אם (1) פונקציית המתאם האוטומטי היא נמוכה באופן משמעותי כי 1.5 (β < 0.5) (כלומר, במקרה של 3B איור, כאשר הפונקציה היא ~ 1.2, β < 0.2, בשל דליפת אור החדר) או אם (2) עקומת המתאם האוטומטי לא להירקב 1 עבור זמן מתאם ארוך יותר (τ > 10 אלפיות הראשונה) (כלומר, במקרה של 3b איור, שם התנועה החפץ, ראש או תנועה בדיקה, מוביל נתונים שמיש).
  6. Detrend התוצאות כימות באמצעות התאמה פולינום הסדר השני כדי להסיר את הסחף איטי (איור 4A).
  7. השתמשו בפילטר השני של באטרסוורת ' עם להקה של 0.009 – 0.080 Hz כדי להסיר את כל תדרי המוח הבלתי רצויים כגון גלימאייר (איור 4a).
  8. השתמש ברגרסיה ליניארית כדי להשיג את הרסילים מכל ערוץ כנגד מדידת המרחק הקצר כדי להסיר את אותות הקרקפת השטחית בכל צד של קליפת המוח (איור 4B).
  9. חשב את מקדם המתאם של פירסון בין כל זוג ערוצים כדי לזהות את הקישוריות הפונקציונלית של מצב המנוחה בין אזורי המוח (איור 5).
  10. הפוך את ערך המתאם לערך z באמצעות המרת פישר Z ובצע מבחן tכדי לקבל את ערך ה-p (איור 5). השתמש בקצב גילוי שווא (רוזוולט) עבור תיקון של השוואות מרובות.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

הכדאיות של שימוש ב-DCS למדידת קישוריות פונקציונלית בוצעה בהצלחה39. הקישוריות הפונקציונלית של מצב המנוחה במצבה הקדמי של תשעה נושאים נמדדה. התוצאות (ממוצע ± SD) הצביעו על מתאם גבוה יותר באזור הפנים-אזורי של שמאל (0.64 ± 0.25) וזכות (0.62 ± 0.23) מערבולות, לעומת האזור הבין-אזורי של שמאל (0.32 ± 0.32), (0.34 ± 0.27) וזכות (0.34 ± 0.29), (0.34 ± 0.26) מסדר. (איור 5). ניתוח כוח עם כוח של 0.8 ורמת המובהקות של 0.05 בוצע גם, אשר הביא כוח של 0.82 עם גודל מדגם של שמונה (מתחת למספר הנושאים שנותחו במחקר זה).

כדי לבדוק אם היה הבדל משמעותי בין ה-rsfc הבין-אזורי לבין RSFC, ערך המתאם הפך לערך z באמצעות טרנספורמציה של פישר ז, אז בוצעה מבחן t כדי להשוות את ה-RSFC הבין-אזורי של שתי הקורדימות. זה הביא פי ערכים של ≤ 0.0002, המסמלת הבדל משמעותי כי כבר הפגינו במחקרים fnirs הקודם8,25 (איור 5). כדי לקבוע אם היה הבדל בין אזורי מוח סימטריים (שמאל וימין), בוצע מבחן t. זה הביא לערכי p של > 0.8, המציין כי לא היה הבדל משמעותי בין אזורי מוח דומים משני צדי הקליפה.

Figure 1
איור 1: הגדרת ניסיוני. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 2
איור 2: בדיקה סכמטית ומיקום. (א) הצבת הגששים כפי שמוצג על מפת EEG 80-20 מערכת. (ב) דוגמה של בדיקה להדפסת תלת-ממד עם סיבים אופטיים שלבשו הנושא. (ג) מודל ה-CAD של המיקום של הגלאים (D) ומקורות (S) בקליפת המוח הקדמית של דורסולר (dlfc) וקליפת המצח הנחותה (IFC). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 3
איור 3: דוגמה ייצוגית של נתונים באמצעות גלאים באותו אזור באותה הפרדה של גלאי מקור. המוצג הוא עקומת מתאם אוטומטי (g2) ביחס לזמן ההשהיה (τ). (א) נתונים כאשר לגשוש יש קשר מספיק, מראה ספירות גבוהות והתאמה טובה למודל האנליטי. (ב) נתונים (מוגזמים) עם אור סביבתי דולף לתוך החללית כפי שנצפתה על ידי חיתוך y נמוך (בטא). זה בדרך כלל בגלל שילוב של מגע עני ואור רקע חזק, המחייב התאמות להתבצע. (ג) נתונים (מוגזם) עם חפץ תנועה בעוד עקומת g2 מתבצע בממוצע. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 4
איור 4: ניתוח נתונים מייצגים שהתקבלו מנושא אחד. (א) מגרש של ספקטרום הכוח אחרי כל אחד משלבי העיבוד. (ב) דוגמה המציגה את סידרת הזמן של אות זרימת הדם המנורמלת באחד הערוצים לפני ואחרי הרגרסיה של ערוץ המרחק הקצר (אות הקרקפת). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 5
איור 5: המצב של מנוחה בקישוריות תפקודית בתוך ממדי הקדם של כל הנושאים. ממוצע הקבוצה עבור אזור בין אזורי (DLFC1-IFC ו-dlfc2-IFC) של קליפת המוח השמאלית (0.32 ± 0.32), (0.34 ± 0.27) וקליפת הימין (0.34 ± 0.29), (0.34 ± 0.26). ממוצע קבוצתי לאזור פנים-אזורי של קליפת המוח השמאלית (0.64 ± 0.25) וקליפת הימין (0.62 ± 0.23). סרגל השגיאות מציין SD בכל הנושאים. T-test מראה את ההבדל בין הפנים והחוץ האזורית RSFC של שתי הקורדימות הוא משמעותי עם p ≤ 0.0002, בעוד לא היה הבדל משמעותי בין קליפת שמאל וימין (t-test = p > 0.8). שיעור גילוי שווא (רוזוולט) שימש עבור תיקון השוואות מרובות. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

כדי לקבוע אם CBF כפי שנמדד על-ידי DCS זיהה במדויק את RSFC, שני אזורים של המוח עם מאפייני RSFC ידועים נבדקו. קישוריות פונקציונלית בין אזורי dlfc ובין dlfc ו-IFC מניחים שקיימים57,58,59. קישוריות בין שני אתרים בתוך DLFC שמאל וימין נבחרה, מכיוון שהקישוריות הפנים-אזורית גבוהה בדרך כלל. כמו כן, הקישוריות בין ה-IFC ל-DLFC נבחרה, כאשר הקישוריות הבין-אזורית ידועה כחלשה יותר.

טכניקת DCS הראתה קישוריות גבוהה בתוך אזורי DLFC אך קישוריות נמוכה יותר בין האזורים IFC ו-DLFC, התואמת למחקרים דומים שבוצעו בשיטות אחרות כגון fMRI. תוצאות אלה מדגימות את הפוטנציאל של DCS כאמצעי לא פולשני כדי להעריך RSFC בבני אדם. בשילוב עם שיטות דימות אחרות כגון fNIRS, אפיון מדויק של מחלות עצבים כגון אוטיזם הופך להיות בר קיימא. למרות מדידות בו של fnirs ו DCS להישאר אתגר, כמה גישות לבעיה זו נחקרו19,20,21,23,27,28,60,61,62,63,64,65. במחקר פיילוט, מבודד, בקרי DC הבדיקות נבחרו ליצירת קשר טוב יותר. בעתיד, את העיצוב החללית ניתן לשפר, סיבי fNIRS ניתן להוסיף לצד סיבי DCS, ומקורות אור יכול להיות מואר באופן רציף כפי שהראו בעבר. לסיכום, DCS ישמש כהשלמה לטכניקות אחרות ולהיות כלי שימושי עבור הערכה לא פולשנית של תפקוד המוח בחולים צעירים נכים.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

המחברים לא מצהירים על אינטרסים פיננסיים מתחרים.

Acknowledgments

המחברים רוצים להכיר בתמיכה הפיננסית מ אוהיו הגבול השלישי לרשת מחקר וחדשנות של אוהיו (אויבריין, 667750), והקרן הלאומית למדע הטבע של סין (No. 81771876).

Materials

Name Company Catalog Number Comments
3D Printed Probe In-house N/A 3D printed PLA probe (Craftbot, Craft unique)
785nm, 100mW, CW, FC coupled Laser CrystaLaser DL785-100-S DCS component (light source)
Auto-correlator Correlator.com Flex05-8ch DCS component (output g2 curve to PC)
Data Acquisition GUI In-house N/A GUI coded in LabVIEW to run the DCS system
Data analysis software In-house N/A Matlab code used for obtaining RSFC results
EEG Electrode Cap OpenBCI N/A EEG mesh cap with standard 10/20 positions
Multi-mode fiber OZ Optics QMMJ-3,2.5-IRVIS-600/630-3PCBK-3 DCS component (source fiber)
Oxiplex calibration phantom ISS 75019, 75020 Set of 2 PDMS Calibration Phantom
Oxiplex muscle probe ISS 86010 4 channel muscle probe
Oxiplex Oximeter ISS 95205 FD-fNIRS (690nm, 830nm)
Power meter Thorlabs PM100D Laser light power adjuster
Sensor card Thorlabs F-IRC1-S laser IR beam viewer
Single-mode fiber OZ Optics SMJ-3S2.5-780-5/125-3PCBK-3 DCS component (detector fiber)
Single-Photon Counting Machine Excelitas SPMC-NIR-1x2-FC DCS component (detector)

DOWNLOAD MATERIALS LIST

References

  1. Cohen, A. L., et al. Defining functional areas in individual human brains using resting functional connectivity MRI. NeuroImage. 41, (1), 45-57 (2008).
  2. Pizoli, C. E., et al. Resting state activity in development and maintenance of normal brain function. Proceedings of the National Academy of Sciences of the United States of America. 108, (28), 11638-11643 (2011).
  3. Duan, L., Zhang, Y. J., Zhu, C. Z. Quantitative comparison of resting state functional connectivity derived from fNIRS and fMRI: A simultaneous recording study. NeuroImage. 60, (4), 2008-2018 (2012).
  4. White, B. R., et al. Resting state functional connectivity in the human brain revealed with diffuse optical tomography. NeuroImage. 47, (1), 148-156 (2009).
  5. Biswal, B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic resonance in medicine official journal of the Society of Magnetic Resonance in Medicine/Society of Magnetic Resonance in Medicine. 34, (4), 537-541 (1995).
  6. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering. (2011).
  7. Zhang, H., et al. Test-retest assessment of independent component analysis-derived resting state functional connectivity based on functional near-infrared spectroscopy. NeuroImage. 55, (2), 607-615 (2011).
  8. Lu, C. M., et al. Use of fNIRS to assess resting state functional connectivity. Journal of Neuroscience Methods. 186, (2), 242-249 (2010).
  9. Zhang, Y. -J., et al. Detecting Resting state Functional Connectivity in the Language System using Functional Near-Infrared Spectroscopy. Journal of Biomedical Optics. 15, (4), 047003 (2010).
  10. Fransson, P. Spontaneous low-frequency BOLD signal fluctuations: An fMRI investigation of the resting state default mode of brain function hypothesis. Human Brain Mapping. (2005).
  11. Li, J., et al. Characterization of autism spectrum disorder with spontaneous hemodynamic activity. Biomedical Optics Express. (2016).
  12. Sheline, Y. I., Raichle, M. E. Resting state functional connectivity in preclinical Alzheimer's disease. Biological Psychiatry. (2013).
  13. Mulders, P. C., van Eijndhoven, P. F., Schene, A. H., Beckmann, C. F., Tendolkar, I. Resting state functional connectivity in major depressive disorder: A review. Neuroscience and Biobehavioral Reviews. (2015).
  14. Kiviniemi, V., et al. Slow vasomotor fluctuation in fMRI of anesthetized child brain. Magnetic Resonance in Medicine. (2000).
  15. Fransson, P., et al. Resting state networks in the infant brain. Proceedings of the National Academy of Sciences of the United States of America. (2007).
  16. Durduran, T., Yodh, A. G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement. Neuroimage. 85, 51-63 (2014).
  17. Buckley, E. M., Parthasarathy, A. B., Grant, P. E., Yodh, A. G., Franceschini, M. A. Diffuse correlation spectroscopy for measurement of cerebral blood flow: future prospects. Neurophotonics. 1, (1), 011009 (2014).
  18. Buckley, E. M., et al. Cerebral hemodynamics in preterm infants during positional intervention measured with diffuse correlation spectroscopy and transcranial Doppler ultrasound. Optics Express. (2009).
  19. Dehaes, M., et al. Cerebral oxygen metabolism in neonatal hypoxic ischemic encephalopathy during and after therapeutic hypothermia. Journal of Cerebral Blood Flow. (2014).
  20. Lin, P. Y., et al. Non-invasive optical measurement of cerebral metabolism and hemodynamics in infants. Journal of Visualized Experiments. (2013).
  21. Lin, P. Y., et al. Regional and hemispheric asymmetries of cerebral hemodynamic and oxygen metabolism in newborns. Cerebral Cortex. 23, (2), (2013).
  22. Busch, D. R., et al. Cerebral Blood Flow Response to Hypercapnia in Children with Obstructive Sleep Apnea Syndrome. Sleep. (2016).
  23. Durduran, T., et al. Cerebral oxygen metabolism (CMRO2) reactivity to hypercapnia in neonates with severe congenital heart defects measured with diffuse optics. Journal of Cerebral Blood Flow and Metabolism. (2009).
  24. Durduran, T., et al. Optical measurement of cerebral hemodynamics and oxygen metabolism in neonates with congenital heart defects. Journal of Biomedical Optics. (2010).
  25. Mesquita, R. C., Franceschini, M. A., Boas, D. A. Resting state functional connectivity of the whole head with near-infrared spectroscopy. Biomedical optics express. 1, (1), 324-336 (2010).
  26. Boas, D. A., Franceschini, M. A. Haemoglobin oxygen saturation as a biomarker: The problem and a solution. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering. (2011).
  27. Durduran, T., Yodh, A. G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement. NeuroImage. (2014).
  28. Yu, G. Diffuse Correlation Spectroscopy (DCS): A Diagnostic Tool for Assessing Tissue Blood Flow in Vascular-Related Diseases and Therapies. Current Medical Imaging Reviews. (8), 194-210 (2012).
  29. Yu, G., Durduran, T., Zhou, C., Cheng, R., Yodh, A. G. Near-Infrared Diffuse Correlation Spectroscopy for Assessment of Tissue Blood Flow. Handbook of Biomedical Optics. 195-216 (2011).
  30. Selb, J., et al. Sensitivity of near-infrared spectroscopy and diffuse correlation spectroscopy to brain hemodynamics: simulations and experimental findings during hypercapnia. Neurophotonics. 1, (1), (2014).
  31. Cheung, C., et al. In vivo cerebrovascular measurement combining diffuse near-infrared absorption and correlation spectroscopies. Physics in Medicine and Biology. 46, (8), 2053-2065 (2001).
  32. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philos Trans A Math Phys Eng Sci. 369, (1955), 4390-4406 (2011).
  33. Maret, G., Wolf, P. E. Multiple Light Scattering from Disordered Media. The Effect of Brownian Motion of Scatterers. Z. Phys. B - Condensed Matter. 65, 409-413 (1987).
  34. Yu, G. Q. Near-infrared diffuse correlation spectroscopy in cancer diagnosis and therapy monitoring. Journal of Biomedical Optics. 17, (1), (2012).
  35. Carp, S. A., Dai, G. P., Boas, D. A., Franceschini, M. A., Kim, Y. R. Validation of diffuse correlation spectroscopy measurements of rodent cerebral blood flow with simultaneous arterial spin labeling MRI; towards MRI-optical continuous cerebral metabolic monitoring. Biomedical Optics Express. 1, (2), 553-565 (2010).
  36. Roche-Labarbe, N., et al. Near-infrared spectroscopy assessment of cerebral oxygen metabolism in the developing premature brain. Journal of Cerebral Blood Flow. (2012).
  37. Bergonzi, K. M., Bauer, A. Q., Wright, P. W., Culver, J. P. Mapping functional connectivity using cerebral blood flow in the mouse brain. J Cereb Blood Flow Metab. 35, (3), 367-370 (2015).
  38. Poon, C. S., Li, J., Kress, J., Rohrbach, D. J., Sunar, U. Resting state Functional Connectivity measured by Diffuse Correlation Spectroscopy. Optics InfoBase Conference Papers. (2018).
  39. Li, J., Poon, C. -S., Kress, J., Rohrbach, D. J., Sunar, U. Resting state functional connectivity measured by diffuse correlation spectroscopy. Journal of Biophotonics. 11, (2), (2018).
  40. Yu, G. Q. Near-infrared diffuse correlation spectroscopy in cancer diagnosis and therapy monitoring. J Biomed Opt. 17, (1), (2012).
  41. Li, J., et al. Measurements of human motor and visual activities with diffusing-wave spectroscopy. Novel Optical Instrumentation for Biomedical Applications II. 5864, 58640 (2005).
  42. Wang, D., et al. Fast blood flow monitoring in deep tissues with real-time software correlators. Biomedical Optics Express. 7, (3), 776 (2016).
  43. Boas, D. A., Yodh, A. G. Spatially varying dynamical properties of turbid media probed with diffusing temporal light correlation. Journal of the Optical Society of America a-Optics Image Science and Vision. 14, (1), 192-215 (1997).
  44. Diop, M., Lee, T. -Y., St. Lawrence, K. Continuous monitoring of absolute cerebral blood flow by combining diffuse correlation spectroscopy and time-resolved near-infrared technology. Spie. 7896, 78960 (2011).
  45. Medical, I. ISS Oxiplex Manual. (2008).
  46. Fantini, S., et al. Quantitative optical monitoring of the hemoglobin concentration and saturation in the piglet brain. Biomedical Optical Spectroscopy and Diagnostics. (2000).
  47. Hueber, D. M., et al. Non-invasive and quantitative near-infrared haemoglobin spectrometry in the piglet brain during hypoxic stress, using a frequency-domain multidistance instrument. Physics in Medicine and Biology. (2001).
  48. Zhang, J., et al. Application of I&Q detection system in scouting the curative effect of neck squamous cell carcinoma. Optical Tomography and Spectroscopy of Tissue V. (2003).
  49. Zhao, J., Ding, H. S., Hou, X. L., Le Zhou, C., Chance, B. In vivo determination of the optical properties of infant brain using frequency-domain near-infrared spectroscopy. Journal of Biomedical Optics. (2005).
  50. Tu, T., Chen, Y., Zhang, J., Intes, X., Chance, B. Analysis on performance and optimization of frequency-domain near-infrared instruments. Journal of Biomedical Optics. (2002).
  51. Choe, R., et al. Transabdominal near infrared oximetry of hypoxic stress in fetal sheep brain in utero. Proceedings of the National Academy of Sciences of the United States of America. (2003).
  52. Sunar, U., et al. Noninvasive diffuse optical measurement of blood flow and blood oxygenation for monitoring radiation therapy in patients with head and neck tumors: a pilot study. Journal of Biomedical Optics. 11, (6), (2006).
  53. Sunar, U., et al. Hemodynamic responses to antivascular therapy and ionizing radiation assessed by diffuse optical spectroscopies. Optics Express. (2007).
  54. Durduran, T., Choe, R., Baker, W. B., Yodh, A. G. Diffuse Optics for Tissue Monitoring and Tomography T. Rep Prog Phys. 73, (7), (2010).
  55. Boas, D. A., Campbell, L. E., Yodh, A. G. Scattering and imaging with diffusing temporal field correlations. Physical Review Letters. (1995).
  56. Boas, D. A., Yodh, A. G. Spatially varying dynamical properties of turbid media probed with diffusing temporal light correlation. Journal of the Optical Society of America A. (1997).
  57. Chuang, C. -C., Sun, C. -W. Gender-related effects of prefrontal cortex connectivity: a resting state functional optical tomography study. Biomedical Optics Express. 5, (8), 2503 (2014).
  58. Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. (2004).
  59. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. (2009).
  60. Farzam, P., et al. Shedding light on the neonatal brain: Probing cerebral hemodynamics by diffuse optical spectroscopic methods. Scientific Reports. (2017).
  61. Shang, Y., Li, T., Yu, G. Clinical applications of near-infrared diffuse correlation spectroscopy and tomography for tissue blood flow monitoring and imaging. Physiological Measurement. (2017).
  62. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philos Trans A Math Phys Eng Sci. 369, (1955), 4390-4406 (2011).
  63. Durduran, T., et al. Diffuse optical measurement of blood flow, blood oxygenation, and metabolism in a human brain during sensorimotor cortex activation. Optics Letters. (2004).
  64. Kim, M. N., et al. Noninvasive measurement of cerebral blood flow and blood oxygenation using near-infrared and diffuse correlation spectroscopies in critically brain-injured adults. Neurocritical Care. (2010).
  65. Irwin, D., et al. Influences of tissue absorption and scattering on diffuse correlation spectroscopy blood flow measurements. Biomedical Optics Express. (2011).
מוחין זרימת דם מבוסס על המצב מנוחה קישוריות תפקודית של המוח האנושי באמצעות ספקטרוסקופיית מתאם אופטי לפזר
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Poon, C., Rinehart, B., Li, J., Sunar, U. Cerebral Blood Flow-Based Resting State Functional Connectivity of the Human Brain using Optical Diffuse Correlation Spectroscopy. J. Vis. Exp. (159), e60765, doi:10.3791/60765 (2020).More

Poon, C., Rinehart, B., Li, J., Sunar, U. Cerebral Blood Flow-Based Resting State Functional Connectivity of the Human Brain using Optical Diffuse Correlation Spectroscopy. J. Vis. Exp. (159), e60765, doi:10.3791/60765 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter