Login processing...

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

Bioengineering

Optik Diffüz Korelasyon Spektroskopisi ile İnsan Beyninin Serebral Kan Akışı Nadayalı Dinlenme Durumu Fonksiyonel Bağlantısı

doi: 10.3791/60765 Published: May 27, 2020

Summary

Bu protokol, özel yapım diffüz korelasyon spektroskopi aleti kullanarak insan prefrontal korteksinde istirahat durumu fonksiyonel bağlantısının nasıl ölçültilebildiğini göstermektedir. Raporda ayrıca deneyin pratik yönleri ve verileri analiz etmek için ayrıntılı adımlar tartışılmaktadır.

Abstract

Serebral oksijen kaynağı ile ilgili önemli bir hemodinamik parametre olduğu için, insan beyninin kapsamlı bir anlayış elde etmek için, kontrast kaynağı olarak serebral kan akımı (CBF) kullanımı istenir. Oksijenasyon kontrastına dayalı istirahat durumu düşük frekanslı dalgalanmaların işlevsel olarak bağlı bölgeler arasında korelasyon sağladığı gösterilmiştir. Sunulan protokol, insan beyninde kan akışı tabanlı istirahat durumu fonksiyonel bağlantısını (RSFC) değerlendirmek için optik diffüz korelasyon spektroskopisi (DCS) kullanır. İnsan frontal kortekste CBF tabanlı RSFC sonuçları, her iki kortekste de bölgeler arası RSFC'ye kıyasla intra-bölgesel RSFC'nin sol ve sağ kortekslerde anlamlı olarak daha yüksek olduğunu göstermektedir. Bu protokol, özellikle pediatrik popülasyonda insan beyin fonksiyonlarını incelemek için çok modal görüntüleme teknikleri kullanan araştırmacıların ilgisini çekebilir.

Introduction

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

Beyin istirahat halindeyken, işlevsel olarak ilişkili bölgelerde spontan aktivitenin yüksek senkronizasyonunu gösterir, bu da yakın bir yerde veya uzaktan bulunabilir. Bu senkronize bölgeler işlevselağlar1 ,2,3,,4,5,6,7,8,,9olarak bilinir., Bu fenomen ilk olarak, serebral kan5,10oksijenlenmedüzeylerini gösteren kan oksijen seviyesine bağlı (BOLD) sinyalleri kullanılarak yapılan fonksiyonel manyetik rezonans görüntüleme (fMRI) çalışması ile ortaya çıkarıldı. RSFC anormallikleri gibi beyin bozuklukları ile ilişkili bulunmuştur11, Alzheimer12, ve depresyon13. Bu nedenle, RSFC sorun görev tabanlı değerlendirmeler icra sorun olan bozuklukları olan hastalar için değerli bir araçtır. Ancak, genç otistik çocuklar gibi birçok hasta, fMRI tarafından değerlendirilmesi için kötü adaylar, bu süre14,,15uzun bir süre için kapalı bir alanda hala kalan gerektirir gibi. Optik görüntüleme hızlı ve giyilebilir; bu nedenle, özellikle pediatrik popülasyon16, 17,,1818,19,20,2121,22,23,24olmak üzere hastaların çoğunluğu için uygundur. Bu avantajları kullanarak, fonksiyonel yakın kızılötesi spektroskopi (fNIRS), beyinde hemoglobin konsantrasyonu ve oksijen doygunluk parametreleri ölçmek için kullanılabilir, insanlarda RSFC ölçmek için kullanılır (pediatrik nüfus dahil4,8,25 ve otizm li hastalar11).

Optik diffüz korelasyon spektroskopisi (DCS), nispeten yeni bir optik teknik,serebralkan akışını ölçebilir, hangi metabolizma ile oksijen kaynağı ilişkilendiren önemli bir parametre 6,17,26,27,28,29. DCS tarafından ölçülen optik akış kontrastı oksijenasyon kontrastı30ile karşılaştırıldığında beyinde daha yüksek hassasiyete sahip olduğu gösterilmiştir. Bu nedenle, RSFC değerlendirmek için DCS kaynaklı CBF parametrelerinin kullanılması avantajlıdır.

DCS hareket eden kan hücrelerine karşı hassastır. Difüzyon fotonlar hareket eden kan hücrelerinden dağılım, bu zaman içinde dalgalanma tespit ışık yoğunluğu neden olur. DCS zaman ayarı merkezli yoğunluk otokorelasyon fonksiyonunu ölçer ve çürüme hızı optik parametrelere ve kan akışına bağlıdır. Bu değerler sonuçta serebral kan akımı indeksi elde etmek için kullanılır (CBFi). Daha hızlı hareket eden kan hücreleri ile yoğunluk otokorelasyon fonksiyonu daha hızlı çürür. Bu nedenle, doku yüzeyinin derinliklerindeki hareket le ilgili bilgiler zaman içinde yayılan ışık dalgalanmalarının ölçümlerinden (örneğin, beyinde) elde edilebilir27,31,32,33,,34,35.35 DCS kan oksijenasyon17,36ölçer yaygın olarak bilinen fNIRS tamamlayıcı bir tekniktir. Hem fNIRS hem de DCS milisaniye aralığında yüksek zamansal çözünürlüğe sahip optik beyin görüntüleme teknikleri olduğundan, optik görüntüleme kurulumları hareket yapılarına fMRI'den çok daha az duyarlıdır. Ayrıca çok küçük bebekler de dahil olmak üzere pediatrik popülasyonlarda fonksiyonel beyin görüntüleme için başarıyla kullanılmıştır16. Daha önce, yüzeyel kan akımı ölçümleri farelerde klinik öncesi çalışmalarda RSFC değerlendirmek için kullanılmıştır37. Burada, kan akımı parametreleri bir kanıtı-of-kavram çalışması38,39olarak dokuz sağlıklı yetişkin RSFC ölçmek için kullanılır.

Bu çalışmada, ticari bir FD-fNIRS sistemi ve özel DCS sistemi kullanılmaktadır(Bkz. Malzeme Tablosu). Şirket içinde inşa edilen DCS iki 785 nm, 100 mW, uzun tutarlılık uzunluğu sürekli dalga lazerler bir FC konektör ve sekiz tek foton sayma makineleri (SPCM) bir otomatik correlator bağlı birleştiğinde oluşur. Özel bir yazılım grafik kullanıcı arayüzü (GUI) da görüntülemek ve foton sayıları, otokorelasyon eğrileri ve gerçek zamanlı olarak her SPCM kanalının yarı kan akışını kaydetmek için bu sistem için özel olarak yapıldı. Bu sistemdeki parçalar genellikle DCS16,17,31,,32,40,42,43,44için kullanılır ve elde edilen sonuçlar da şirket içinde doğrulanmış ve yeni bir çalışmada39kullanılır .43

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

Protokol Wright State Üniversitesi Kurumsal İnceleme Kurulu tarafından onaylandı ve deney den önce her katılımcıdan bilgilendirilmiş onay alındı.

1. Konu hazırlığı

  1. Konunun ölçümlerine başlamadan önce fd-fNIRS ve DCS sistemini en az 10 dakika ısınmak için (daha fazla ayrıntı için bölüm 2 ve 3'e bakın) güçlandırın. Kompakt DCS cihazı ile konu ölçümüörneği Şekil 1'degösterilmiştir.
  2. İlk olarak, her deneğin kafasındaki inion ile nasion arasındaki mesafeyi ölçmek için bir bant ölçüsü kullanın(Şekil 2A).
  3. Başlangıç noktası olarak nasion ile, mürekkep işaretçisi ile inion mesafenin% 10 olan konumu işaretleyin. Bu, EEG 10/20 montajının Fp1 ve Fp2 arasındaki noktayı gösterir (Şekil 2A).
  4. EEG 10/20 kapağı (Bkz. Malzeme Tablosu)kullanarak, işaretli nokta Fp1 ile Fp2 arasında olacak şekilde kapağı ayarlayın.
  5. Fp1 ve F7 (sol korteks) ile Fp2 ile F8 (sağ korteks) arasındaki noktayı işaretleyin. Bu, üst prefrontal korteks ile dorsolateral prefrontal korteks (DLFC) ile dLFC ve inferior prefrontal korteks (IFC) arasındaki sınırları temsil eder, sırasıyla, sol ve sağ hemisferler için(Şekil 2A).
  6. 3D baskılı bir sonda kullanarak, çok modlu lifleri (MMF) yeni işaretlenmiş noktalara (Şekil 2C'deki"S" noktaları) yerleştirin ve her biri 785 nm lazer ışık kaynağına(Şekil 2B,C)bağlayın.
  7. Tek modlu lifleri (Kobİ'leri) MMF'den 2,75 cm uzağa yerleştirin. DLFC'ye ("DLFC,1" ve "DLFC,2") ve IFC'ye (yer "IFC") iki lif yerleştirilmelidir. SMF'nin yerleşimi korteksin her iki tarafında toplam altı SMF(Şekil 2c)için çoğaltılır.
  8. Korteksin her iki tarafına "Ds"yerine MMF'nin 1 cm altına başka bir SMF yerleştirin (kafa derisindeki kan akışının tespiti için) ve Kobİ'lerin her birini tek foton sayma makinelerine bağlayın(Şekil 2C).

p sınıfı="jove_title">2. FD-fNIRS ayarları ve kalibrasyonu

  1. Herhangi bir ışığı kapatın ve kalibrasyona hazırlanmak için FD-fNIRS sistemini açın.
    DİkKAT: Genel bir önlem olarak, ışık kaynaklarına ve lif çıkışlarına doğrudan bakmayın, çünkü bu göz hasarına neden olabilir. IR sensör kartı(Malzeme Tablosu)kullanın.
  2. Gürültüsüz çalışma sağlamak ve dedektörlerin zarar görmesini önlemek için dedektörlerin oda ışık seviyelerine gereksiz şekilde maruz kalmasını önleyebilirsiniz.
  3. Işık kaynaklarını ve dedektörleri sistemi çalıştırarak ve en az 10 dakika (tercihen, en iyi doğruluk ve stabilite için en az 20 dk ve 1 h maksimum) ışık açık, modülasyon ve dedektör voltajı ile çalıştırın.
  4. GUI tabanlı veri toplama yazılımlarını çalıştırın. "Otomatik sapma" düğmesine basarak dedektör kazancını ayarlayarak sensör ekive ve bir kalibrasyon fanatonuna (bilinen optik özellikleripolidiethylsiloxane tabanlı hayalet, Malzeme Tablosu'nabakın) sabitlenmiş olarak ayarlayın. Aşırı voltaj uyarısı yanıp sönerse, kazancı düşürün.
  5. Maksimum sinyali almak için dedektör kazancını ayarladıktan sonra, kaynak liflerden birini dedektörden kesin ve doğru akımın (DC) ilgili kaynak lifi için ölçüm süresi başına 20'den az olduğunu doğrulayın. Bu değerden büyükse, dedektör45'eaşırı oda ışığı sızıyor olabilir. Bu durumda, sistem kapatılmalıdır, o zaman odadaki herhangi bir fazla ışık bloke /kaldırıldı ve adımlar 2.4-2.5 tekrarlanır.
  6. Her kaynaktan ve dedektörden uygun sinyal seviyesini doğrulayın. Sistem bunu ölçüm döngüsü başına 100'ün üzerinde ve 1.500'ün altında olarak tanımlar.
  7. GUI'deki "Kalibrasyon" düğmesine basarak kalibrasyon gerçekleştirin. Sistem ölçümler alacak ve bilinen hayalet optik özelliklerini doğru ölçmek için kalibrasyon faktörleri uygulayacak. Bu kalibrasyon faktörleri kaydedilir ve in vivo ölçümlere otomatik olarak uygulanır.
  8. Standart bir hayalet üzerinde sistem performansının kaydını sağlayacak kalibrasyon verilerini kaydedin.

3. DCS ayarları

DİkKAT: Genel bir önlem olarak, olası göz hasarını önlemek için ışık kaynaklarına ve lif çıkışlarına doğrudan bakmayın. IR sensör kartını kullanın (bkz. Malzemeler Tablosu).

  1. Otomatik korelasyon eğrileri için doğru ham veri elde etmek ve dedektörlerin zarar görmesini önlemek için dedektörlerin (yani oda ışığının) gereksiz şekilde maruz kalmasını önleyin.
  2. DCS lazer ışık kaynaklarını ve SPCM'i (Bkz. Malzeme Tablosu)"açık" konuma getirerek ve en az 10 dakika (tercihen en az 20 dk ve optimum doğruluk ve stabilite için maksimum 1 saat) çalıştırarak ısıtın.
  3. Her dedektör ve yarı kantitatif gerçek zamanlı kan akışı değerleri için foton sayımlarını görüntüleyen GUI tabanlı DCS veri toplama yazılımını çalıştırın. Lif pozisyonunu, açısını (fiber yüzün cilt yüzeyine dik olması gerekir) ve veri toplama zamanlaması en az 5.000 sayım/s (gürültü oranına yeterli bir sinyal için) ve 1.000.000 sayım/s'nin altında (zararlı dedektörleri önlemek için)(Şekil 3A)bir sinyal elde etmek için ayarlayın.
  4. Her dedektörden yeterli foton sayımı düzeylerini (adım 3.3) foton sayısı düzeyini ve monitörde gösterilen gerçek zamanlı otomatik korelasyon eğrilerine yakın kontrol ederek doğrulayın.
  5. Monitörde görüntülenen otokorelasyon eğrisinin y-yolunu kontrol ederek herhangi bir ortam ışığı sızıntısı olmadan yeterli fiber teması doğrulayın. En uygun değer polarize olmadan ~1.5 'dir (Şekil 3B).
  6. Probun ve ölçümlerin, elastik bandı sıkarak hareket eserini sıkılaştırarak hareket eserine yatkın olmadığını, böylece harekete karşı koyacak kadar sıkı olduğunu ancak konuya rahatsızlık duymasını önleyecek kadar gevşek olduğunu doğrulayın. Kullanıcı ayrıca monitördeki otokorelasyon eğrilerini aynı anda kontrol etmelidir, bu da otokorelasyon eğrisinin daha uzun korelasyon süresi için 1'e gerilemesi (τ > 10 ms)(Şekil 3C).

4. Veri toplama

  1. 8 dk ölçüm sırasında herhangi bir hareketi en aza indirmek için konu talimat.
  2. Işıkları kapatın ve nesnenin gözleri kapalı rahat bir pozisyonda oturduğundan emin olun.
  3. DCS probunun bitişiğindeki alnına FD-fNIRS sistemi optik probu yerleştirerek temel FD-fNIRS ölçümleri yapın. Ardından, FD-fNIRS edinme GUI'deki "Edinme" düğmesine basın. Bu veriler, dinamik optik parametre, CBFi17,20'nin sayısallaştırılması için kullanılacak statik optik özellikler, emme parametreleri ve saçılma parametreleria, μ's)sağlayacaktır.
  4. FD-fNIRS ölçümleri tamamlandıktan sonra, DCS veri toplama GUI'deki "Çalıştır" düğmesine basarak optik DCS ölçümleri hakkında veri edinimi ne başlar. Maksimum 2 s tümleştirme süresine sahip toplam 8 dakika boyunca veri toplayın (her konu için sinyal-gürültü oranına bağlı olarak daha az tercih edilir).
  5. Gerekirse, denemeyi ilk denemeden 1 saat sonra tekrarlayın veya yorgunluk, uyarıcı veya sıcaklık gibi dış varyasyonları azaltmak için deneyi günün benzer bir saatinde tekrarlayın.

5. Veri analizi

  1. FD-fNIRS verileri için, eğim yöntemi 46,,47,4848,49,50,51,52,53ile işlenen optik emilim ve saçılma özelliklerinia, μ's)ayıklayın.
  2. DCS için, işlem sonrası gerekli olduğundan, sekiz kanalın her birinden otomatik korelasyon ham verilerini veri çözümleme yazılımına aktarın.
  3. CBF ile ilgili parametre nicelliğison değerlendirmelerde6,27,54ayrıntılı olarak açıklanır. Kısaca, normalleştirilmiş yoğunluklu otokorelasyon fonksiyonundan (g2 [r,τ]), Siegert ilişkisini kullanarak normalleştirilmiş diffüz elektrik alanı zamansal otokorelasyon fonksiyonunu (g1 [r,τ]) ayıklayın: g2 (r,τ) = 1 + β | g 1 (r,τ)| 2 .
    NOT: β sabit, tespit edilen uzamsal modların sayısı ile orantılı6,17,27,55,56, 0 ile 1 arasında değişmektedir ve (normalleştirilmiş) elektrik alanı otokorelasyon fonksiyonu g1takılarak elde edilir.
  4. Uyumdan kan akışına bağlı bir parametre (αDB)elde etmek için, g16,27,,54 için analitik çözümü kullanın ve verileri modele veya bozunma oranına sığdırın:
    BIRINCI DENKLEM
    NOT: Yukarıdaki denklemde ko ortadaki ışığın dalga sayısıdır, α doku kan hacmi fraksiyonu ile orantılı bir faktördür ve DB etkili Brownian katsayısıdır. αDB kan akımı indeksi (BFI)6,54 veya CBFi17olarak tanımlanabilir. Burada CBFi kullanılır.
  5. FD-fNIRS'den elde edilen optik parametreleri kullanarak modeli sığdırın. Sığacak ana parametreler CBFi ve β'dır.
    NOT: Şekil 3A analiz için yeterli olan temsili verileri gösterir. (1) otokorelasyon fonksiyonu 1,5 (β < 0.5) (yani, Şekil 3Bdurumunda , fonksiyonun ~1.2, β < 0.2, oda ışığı sızıntısı nedeniyle) veya (2) otokorelasyon eğrisi daha uzun korelasyon süresi için 1'e çürümezse (τ > 10 ms) (örneğin, Şekil 3Cdurumunda, hareket objesi, bu tür baş veya sonda hareketi, kullanılmaz verilere yol açar).
  6. Yavaş sürüklenme kaldırmak için ikinci dereceden polinom uyumu kullanarak sayısallaştırılmış sonuçları detrend(Şekil 4A).
  7. Mayer dalgaları gibi istenmeyen beyin frekanslarını kaldırmak için 0.009-0.080 Hz passbandı olan sıfır fazlı ikinci derece Butterworth filtresi kullanın (Şekil 4A).
  8. Korteksin her iki tarafındaki yüzeysel kafa derisi sinyallerini kaldırmak için kısa mesafe ölçümüne karşı her kanaldan artıkları elde etmek için doğrusal regresyon kullanın(Şekil 4B).
  9. Beyin bölgeleri arasındaki dinlenme durumu işlevsel bağlantısını belirlemek için her kanal çifti arasındaki Pearson korelasyon katsayısını hesaplayın(Şekil 5).
  10. Bağıntı değerini Fisher Z dönüşümünü kullanarak z değerine dönüştürün ve p değerini elde etmek için t-testi gerçekleştirin (Şekil 5). Birden çok karşılaştırma düzeltmesi için yanlış bulma oranı (FDR) kullanın.

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

Fonksiyonel bağlantıyı ölçmek için DCS kullanmanın fizibilitesi başarıyla39olarak demostrated oldu. Dokuz deneğin prefrontal kortekslerinde istirahat durumu fonksiyonel bağlantısı ölçüldü. Sonuçlar (ortalama ± SD) sol (0.64 ± 0.25) ve sağ (0.62 ± 0.23) kortekslerin bölge içi bölgesinde daha yüksek korelasyon olduğunu göstermiştir, sol (0,32 ± 0,32), (0,34 ± 0,27) ve sağ (0,34 ± 0,29), (0,34 ± 0,26) kortekslerin bölgeler arası bölgesiile karşılaştırıldığında. (Şekil 5). 0.8 gücünde ve 0.05 anlamlılık düzeyine sahip güç analizi de yapıldı ve bu da 8 örneklem büyüklüğü ile 0.82 güç (bu çalışmada analiz edilen denek sayısının altında) ile sonuçlandı.

Bölgeler arası RSFC ile bölgeler arası RSFC arasında önemli bir fark olup olmadığını test etmek için, korelasyon değeri Fisher Z dönüşümü kullanılarak z değerine dönüştürüldü, daha sonra her iki korteknin inter-ve bölge içi RSFC'sini karşılaştırmak için bir t-testi yapıldı. Bu durum ≤0.0002 p-değerleri ile sonuçlanmış ve önceki fNIRS çalışmalarında 88,25 (Şekil 5)gösterilmiştir önemli bir fark göstermektedir. Simetrik beyin bölgeleri (sol ve sağ korteksler) arasında herhangi bir fark olup olmadığını belirlemek için t-testi yapıldı. Bu da >0.8 p-değerleri ile sonuçlandı ve korteksin her iki tarafındaki benzer beyin bölgeleri arasında anlamlı bir fark olmadığını işaret etti.

Figure 1
Şekil 1: Deneysel kurulum. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: Prob şeması ve yerleşimi. (A) EEG 80-20 sistem haritasında gösterildiği gibi probların yerleştirilmesi. (B) Nesne tarafından giyilen optik fiberler ile 3D baskılı prob bir örnek. (C) Dorsolateral frontal korteks (DLFC) ve inferior frontal korteks (IFC) dedektörlerin (D) ve kaynakları (S) konumunun CAD modeli. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 3
Şekil 3: Aynı bölgede dedektörler kullanılarak aynı kaynak dedektörü ayrımında veri temsili örneklem. Gösterilen bir otokorelasyon eğrisi (g2) gecikme süresi (τ) ile ilgili olarak. (A) Sonda yeterli kontağa sahip olduğunda, yüksek sayımları ve analitik modele uygun luğu gösteren veriler. (B) Veri (abartılı) ortam ışığı nın proba sızdırılması ile daha düşük bir y-intercept (beta) tarafından gözlenen. Bu genellikle kötü temas ve güçlü arka plan ışığı bir arada nedeniyle, ayarlamalar yapılması nı gerektiren. (C) G2 eğrisi ortalama iken bir hareket artifakı ile veri (abartılı). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 4
Şekil 4: Bir özneden elde edilen temsili verilerin analizi. (A) Her işlem adımından sonra güç spektrumunun bir arsa. (B) Kısa mesafe kanalının (kafa derisi sinyali) gerilemesinden önceki ve sonraki kanallardan birinde normalleştirilmiş kan akımı sinyalinin zaman serisini gösteren bir örnek. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 5
Şekil 5: Tüm deneklerin prefrontal kortekslerinde durum fonksiyonel bağlantısının dinlenmesi. Sol korteksin (0.32 ± 0.32), (0.34 ± 0.27) ve sağ korteksin (0.34 ± 0.29), (0.34 ± 0.29) bölgeler arası bölge ortalaması (DLFC1-IFC ve DLFC2-IFC). Sol korteksin bölge içi grup ortalaması (0.64 ± 0.25) ve sağ korteks (0.62 ± 0.23). Hata çubuğu tüm konular arasında SD gösterir. T-testi, her iki korteknin intra-ve bölgeler arası RSFC'si arasındaki farkın p ≤ 0.0002 ile anlamlı olduğunu, sol ve sağ korteks arasında anlamlı bir fark olmadığını gösterir (t-testi = p > 0.8). Birden çok karşılaştırma düzeltmesi için yanlış bulma hızı (FDR) kullanılmıştır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

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

CBF olarak DCS tarafından ölçülen doğru RSFC tespit olup olmadığını belirlemek için, bilinen RSFC özellikleri ile beynin iki alan incelenmiştir. DLFC bölgeleri ile DLFC ve IFC arasında fonksiyonelbağlantının 57,58,59olarak varsayıldığı varsayılır.59 Bölge içi bağlantı genellikle daha yüksek olduğundan, sol ve sağ DLFC içindeki iki site arasındaki bağlantı seçildi. Ayrıca, bölgeler arası bağlantının daha zayıf olduğu bilindiğinden, IFC ve DLFC arasındaki bağlantı da seçilmiştir.

DCS tekniği, DLFC alanları içinde yüksek bağlantı gösterdi ancak IFC ve DLFC alanları arasında daha düşük bağlantı olduğunu gösterdi, bu da fMRI gibi diğer yöntemlerle yapılan benzer çalışmalarla tutarlıdır. Bu sonuçlar, DCS'nin insanlarda RSFC'yi değerlendirmek için non-invaziv bir araç olarak potansiyelini göstermektedir. FNIRS gibi diğer görüntüleme yöntemleri ile kombine edildiğinde, otizm gibi nöronal hastalıkların doğru karakterizasyonu uygulanabilir hale gelir. FNIRS ve DCS eşzamanlı ölçümleri bir meydan okuma olmaya devam etse de, bu soruna çeşitli yaklaşımlar araştırılmıştır19,20,21,23,27,28,60,61,62,63,64,65. Bir pilot çalışmada, izole, hafif DCS probları daha iyi temas için seçildi. Gelecekte, sonda tasarımı geliştirilebilir, fNIRS lifleri DCS liflerin yanına eklenebilir ve ışık kaynakları daha önce gösterildiği gibi sırayla aydınlatılabilir. Özetle, DCS diğer tekniklerin tamamlayıcısı olarak hizmet verecek ve genç ve engelli hastalarda beyin fonksiyonunun non-invaziv değerlendirilmesi için yararlı bir araç haline gelecektir.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarlar hiçbir rakip mali çıkarları beyan.

Acknowledgments

Yazarlar Ohio Üçüncü Sınır Ohio Görüntüleme Araştırma ve Yenilik Ağı (OIRAIN, 667750) ve Çin Ulusal Doğa Bilimleri Vakfı (No. 81771876) mali destek kabul etmek istiyorum.

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).
Optik Diffüz Korelasyon Spektroskopisi ile İnsan Beyninin Serebral Kan Akışı Nadayalı Dinlenme Durumu Fonksiyonel Bağlantısı
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