Summary

ניתוחי נתונים איכותיים והשוואתיים של פעילות קליפת המוח מניסוי ספקטרוסקופיה כמעט אינפרא-אדום פונקציונלי החלת עיצוב בלוק

Published: December 03, 2020
doi:

Summary

אנו מתארים את הניתוח של ניסוי ספקטרוסקופיה כמעט אינפרא אדום פונקציונלי גל מתמשך באמצעות עיצוב בלוק עם משימה sensorimotor. כדי להגביר את המהימנות של ניתוח הנתונים, השתמשנו במיפוי פרמטרי סטטיסטי איכותי המבוסס על מודל ליניארי כללי ובמודלים מעורבים היררכיים השוואתיים עבור ערוצים מרובים.

Abstract

מחקרי הדמיה מוחית ממלאים תפקיד מרכזי בהערכת מצבים נוירולוגיים טרום-התערבותיים כגון שיקום וטיפול כירורגי. בין טכנולוגיות הדמיה מוחית רבות המשמשות למדידת פעילות המוח, ספקטרוסקופיה תפקודית כמעט אינפרא אדום (fNIRS) מאפשרת הערכה של פעילויות קליפת המוח דינמיות על ידי מדידת רמות המוגלובין המקומיות בדומה להדמיית תהודה מגנטית תפקודית (fMRI). כמו כן, בשל הגבלה פיזית פחותה ב- fNIRS, ניתן להעריך גרסאות מרובות של משימות sensorimotor. מעבדות רבות פיתחו מספר שיטות לניתוח נתונים fNIRS; עם זאת, למרות העובדה כי העקרונות הכלליים זהים, אין שיטה סטנדרטית אוניברסלית. כאן, אנו מציגים את השיטות האנליטיות האיכותיות והשוואתיות של נתונים המתקבלים מניסוי fNIRS רב ערוצי באמצעות עיצוב בלוק. לצורך ניתוח איכותי, השתמשנו בתוכנה עבור NIRS כגישה לא אחידה המבוססת על המודל הליניארי הכללי. ניתוח NIRS-SPM מציג תוצאות איכותיות עבור כל הפעלה על-ידי הדמיה של האזור הפעיל במהלך המשימה. בנוסף, דיגיטייזר תלת מימדי לא פולשני יכול לשמש כדי להעריך את מיקומי ערוץ fNIRS יחסית למוח. כדי לאמת את ממצאי NIRS-SPM, משרעת השינויים ברמות המוגלובין הנגרמת על ידי המשימה sensorimotor ניתן לנתח סטטיסטית על ידי השוואת הנתונים המתקבלים משני מפגשים שונים (לפני ואחרי התערבות) של אותו נושא המחקר באמצעות מודל מעורב היררכי רב ערוצי. השיטות שלנו יכולות לשמש למדידת ניתוח טרום-לעומת-לאחר התערבות במגוון הפרעות נוירולוגיות כגון הפרעות תנועה, מחלות כלי דם במוח והפרעות נוירופסיכיאטריות.

Introduction

Neurorehabilitation ממלא תפקיד חשוב בהתאוששות התפקודית בעקבות הפרעה sensorimotor. כדי להבהיר את המנגנונים של התאוששות תפקודית הקשורה לנוירופלסטיות, נעשה שימוש בטכנולוגיות הדמיה מוחית שונות, כגון דימות תהודה מגנטית תפקודית (fMRI), טומוגרפיה של פליטת פוזיטרונים (PET), אלקטרואנצפלוגרפיה (EEG) וספקטרוסקופיה כמעט אינפרא אדום תפקודית (fNIRS). לאופנים שונים של הדמיה יש יתרונות וחסרונות שונים. למרות fMRI הוא המכשיר האופייני ביותר, הוא מושפע שדות מגנטיים, יש עלות גבוהה, הגבלה פיזית גבוהה, ומשימות sensorimotor מוגבל1,2,3,4. מכשיר fNIRS בולט כמו דימות עצבי אופטי פולשני ויש לו רזולוציה מרחבית נמוכה יחסית, אבל יש לו רזולוציה זמנית טובה יותר מאשר fMRI4. fNIRS מתאים בעת אימות השפעות הטיפול מכיוון שהוא משווה את ההשפעות שלפני ואחרי ההתערבות, יש לו משימות מוטוריות דינמיות, הוא נייד, ומתפקד יותר בסביבות טבעיות מאשר fMRI1,2,4. NIRS דווח להיות מתאים יותר בתחומים של מחלת כלי דם במוח, הפרעות אפילפטיות, פגיעה מוחית חמורה, מחלת פרקינסון, ליקוי קוגניטיבי1,5. לגבי משימות sensorimotor, הוא נמצא בשימוש נרחב בהליכה ואיזון עמידה6,7,8, תפקוד הגפה העליונה (אחיזת יד, הקשה על האצבע)8,9, אימון מיומנות מוטורית מורכבת10,11, רובוטיקה12,13,14,15, וממשק מוח-מחשב16,17,18. ה- fNIRS מבוסס על עקרונות של דימות מוחי אופטי וזיווג נוירו-וסקולרי, המודדים פעילות מטבולית קליפת המוח, זרימת דם מוגברת, וכתוצאה מכך פעילות קליפת המוח כאותות משניים19. אותות fNIRS דווחו יש מתאמים חזקים עם אותות של fMRI תלוי רמת חמצן בדם20. fNIRS גל מתמשך משתמש בחוק באר למברט שונה כדי לקבוע את השינויים בהמוגלובין מחומצן (HbO2) ו המוגלובין deoxygenated (HHb) רמות ריכוז קליפת המוח מבוסס על שינויים נמדדים בהחלנת אור אינפרא אדום כמעט פס רחב21,22. מכיוון שלא ניתן היה למדוד את גורם אורך הנתיב הדיפרנציאלי (DPF) באמצעות מערכת NIRS של גל מתמשך, הנחנו כי DPF היה קבוע וכי שינויי אותות המוגלובין נרשמו ביחידות שרירותיות של מילימול מילימטר (mM x mm)2,18.

ניסויי fNIRS צריכים לבחור את השיטות המתאימות ביותר, כולל הגדרות הבדיקה, תכנוני הניסוי ושיטות הניתוח. לגבי הגדרת הבדיקה, שיטת 10-20 הבינלאומית המשמשת במדידת EEG היא תקן ההגדרה המשמש חוקרים רבים בדימות מוחי. בשנים האחרונות נעשה שימוש בהגדרות קואורדינטות המבוססות על המוח הסטנדרטי על בסיס קואורדינטות של המכון הנוירולוגי של מונטריאול (MNI). הניסוי משתמש בתכנון בלוק, המשמש בדרך כלל למשימות sensorimotor, ועיצוב הקשור לאירוע. זוהי שיטה להשוואת שינויים בריכוז המוגלובין במנוחה ובמהלך משימות; רמות הריכוז HbO2 עולות ורמות ריכוז HHb יורדות עם שינויים בזרימת הדם המוחי הקשורים לפעילות קליפת המוח תלוית המשימה. למרות שקיימות שיטות ניתוח שונות, התוכנה החופשית NIRS-SPM מאפשרת ניתוח דומה למיפוי פרמטרי סטטיסטי (SPM) של fMRI. הטיפול בנתוני NIRS משתמש בגישה לא אחידה המבוססת על המודל הליניארי הכללי (GLM). בעת ביצוע ניתוח פעילות מוחית תלוית משימה, מדידות fNIRS יכולות להיות מושפעות מפעילות עצבית מעוררת או לא מעוררת והפרעות פיזיולוגיות מערכתיות (קצב לב, לחץ דם, קצב נשימה ופעילות מערכת העצבים האוטונומית) בתא המוחי והחריג23. לכן, עיבוד טרום ניתוח, סינון, המרת wavelet, וניתוח רכיב ראשי שימושיים23. לגבי סינון וממצאים של עיבוד הנתונים באמצעות NIRS-SPM,סינון מעבר נמוך 9 ואת אורך התיאור המינימלי wavelet (Wavelet-MDL)24 detrending שימשו כדי להתגבר על התנועה או מקורות אחרים של רעש / חפץ. לפרטים על שיטה אנליטית זו, עיינו בדו”ח של Ye et al.25. למרות שיש דיווחים באמצעות SPM בלבד, זהו רק מדד איכותי על ידי ניתוח תמונה, ובשל הרזולוציה המרחבית הנמוכה של NIRS, נדרשת זהירות רבה לניתוח קבוצתי. יתר על כן, כאשר DPF הוא קבוע, השוואות מספריות בין ערוצים ואנשים לא צריך להתבצע, אבל ההבדל בשינויים בכל ערוץ ניתן לאמת. בהתבסס על התנאים לעיל, על מנת להשלים את תוצאות ניתוח קבוצת NIRS-SPM, השתמשנו בשיטת הניתוח המקורית לניתוח רב ערוצי לאחר שיפור הדיוק של רישום מרחבי. ניתוח רב ערוצי זה השווה את משרעת השינוי ברמות HbO 2 ו- HHb בין השאר לבין תקופות במשימה בכל ערוץ לפני ומיד לאחר הטיפול באמצעות מודלים מעורבים היררכיים עםהתערבויות קבועות (לפני או אחרי), תקופות קבועות (מנוחה או משימה) ואפקטים בודדים אקראיים.

בדרך זו, ישנן מספר שיטות מדידה וניתוח fNIRS; עם זאת, לא נקבעה שיטה סטנדרטית. במאמר זה, אנו מציגים את השיטות שלנו, מיפוי פרמטרי סטטיסטי איכותי מבוסס GLM ואת המודל המעורב היררכי רב-רמות השוואתי, כדי לנתח נתונים המתקבלים מניסוי fNIRS רב-ערוצי של טרום-לעומת-התערבות באמצעות תכנון בלוק עם משימות sensorimotor.

Protocol

מחקר זה אושר על ידי ועדת הביקורת המוסדית (IRB) של אוניברסיטת פוקואוקה, יפן (IRB מס ‘ 2017M017). לפני ההשתתפות, כל המטופלים סיפקו הסכמה מדעת בכתב. 1. הכנת ניסוי fNIRS הערה: נעשה שימוש במערכת NIRS רב-ערוצית מבוססת לייזר לגל רציף עבור ניסוי זה. אורכי הגל של אור האינפרא-אדום הכמעט-א…

Representative Results

כאן, אנו מציגים את השיקום בסיוע רובוט כי הקבוצה שלנו כרגע עובד על: ההשפעות biofeedback על הגירעון מנוע הגפיים העליונות בחולים עם שבץ חריף. כללנו 10 חולי שבץ בהסכמה (גיל ממוצע: 66.8 ± 12.0 שנים; שתי נשים ושמונה גברים) שאושפזו בבית החולים שלנו. בשלב שבץ subacute, יותר מ 2 שבועות לאחר תחילת, הע?…

Discussion

בשיטות האנליטיות הקבוצתיות שלנו עבור fNIRS, בנוסף לביצוע שיטת הדמיה אנליטית על ידי מיפויים איכותיים של סטטיסטיקה t-stat, השווינו קדם-לעומת-לאחר התערבות (תרגיל בסיוע רובוט) באמצעות ניתוח רב-ערוצי השוואתי. לצורך ניתוח איכותי, השתמשנו בתוכנת NIRS-SPM כגישה לא אחידה המבוססת על המודל הליניארי הכל?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

עבודה זו נתמכה בחלקה על ידי האגודה היפנית לקידום המדע (JSPS) מענק בסיוע למחקר מדעי (C) 18K08956 וקרן ממכון המחקר המרכזי של אוניברסיטת פוקואוקה (מס ‘201045).

Materials

3D-digitizer software TOPCON NS-1000 software ver.1.50
NIRS system Shimadzu FOIRE-3000
Robot CYBERDYNE Single-joint type Hybrid Assitive Limb (HAL-SJ)

References

  1. Bonilauri, A., Sangiuliano Intra, F., Pugnetti, L., Baselli, G., Baglio, F. A systematic review of cerebral functional near-infrared spectroscopy in chronic neurological diseases-actual applications and future perspectives. Diagnostics (Basel). 10 (8), (2020).
  2. Mihara, M., Miyai, I. Review of functional near-infrared spectroscopy in neurorehabilitation. Neurophotonics. 3 (3), 031414 (2016).
  3. Yang, M., Yang, Z., Yuan, T., Feng, W., Wang, P. A systemic review of functional near-infrared spectroscopy for stroke: Current application and future directions. Frontiers in Neurology. 10, 58 (2019).
  4. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences. 1464 (1), 5-29 (2020).
  5. Obrig, H. NIRS in clinical neurology – a ‘promising’ tool. Neuroimage. 85, 535-546 (2014).
  6. Fujimoto, H., et al. Cortical changes underlying balance recovery in patients with hemiplegic stroke. Neuroimage. 85, 547-554 (2014).
  7. Herold, F., et al. Functional near-infrared spectroscopy in movement science: a systematic review on cortical activity in postural and walking tasks. Neurophotonics. 4 (4), 041403 (2017).
  8. Leff, D. R., et al. Assessment of the cerebral cortex during motor task behaviours in adults: a systematic review of functional near infrared spectroscopy (fNIRS) studies. Neuroimage. 54 (4), 2922-2936 (2011).
  9. Morishita, T., et al. Changes in motor-related cortical activity following deep brain stimulation for parkinson’s Disease detected by functional near infrared spectroscopy: A pilot study. Frontiers in Human Neuroscience. 10, 629 (2016).
  10. Lee, S. H., Jin, S. H., An, J. The difference in cortical activation pattern for complex motor skills: A functional near- infrared spectroscopy study. Science Reports. 9 (1), 14066 (2019).
  11. Hatakenaka, M., Miyai, I., Mihara, M., Sakoda, S., Kubota, K. Frontal regions involved in learning of motor skill–A functional NIRS study. Neuroimage. 34 (1), 109-116 (2007).
  12. Saita, K., et al. Combined therapy using botulinum toxin A and single-joint hybrid assistive limb for upper-limb disability due to spastic hemiplegia. Journal of the Neurological Sciences. 373, 182-187 (2017).
  13. Chang, P. H., et al. The cortical activation pattern by a rehabilitation robotic hand: a functional NIRS study. Frontiers in Human Neuroscience. 8, 49 (2014).
  14. Bae, S. J., Jang, S. H., Seo, J. P., Chang, P. H. The optimal speed for cortical activation of passive wrist movements performed by a rehabilitation robot: A functional NIRS study. Frontiers in Human Neuroscience. 11, 194 (2017).
  15. Saita, K., et al. Biofeedback effect of hybrid assistive limb in stroke rehabilitation: A proof of concept study using functional near infrared spectroscopy. PLoS One. 13 (1), 0191361 (2018).
  16. Mihara, M., et al. Near-infrared spectroscopy-mediated neurofeedback enhances efficacy of motor imagery-based training in poststroke victims: a pilot study. Stroke. 44 (4), 1091-1098 (2013).
  17. Naseer, N., Hong, K. S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, 3 (2015).
  18. Mihara, M., et al. Neurofeedback using real-time near-infrared spectroscopy enhances motor imagery related cortical activation. PLoS One. 7 (3), 32234 (2012).
  19. Tak, S., Jang, J., Lee, K., Ye, J. C. Quantification of CMRO(2) without hypercapnia using simultaneous near-infrared spectroscopy and fMRI measurements. Physics in Medicine and Biology. 55 (11), 3249-3269 (2010).
  20. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. Neuroimage. 17 (2), 719-731 (2002).
  21. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. Neuroimage. 85, 6-27 (2014).
  22. Delpy, D. T., et al. Estimation of optical pathlength through tissue from direct time of flight measurement. Physics in Medicine and Biology. 33 (12), 1433-1442 (1988).
  23. Tachtsidis, I., Scholkmann, F. False positives and false negatives in functional near-infrared spectroscopy: issues, challenges, and the way forward. Neurophotonics. 3 (3), 031405 (2016).
  24. Jang, K. E., et al. Wavelet minimum description length detrending for near-infrared spectroscopy. Journal of Biomedical Optics. 14 (3), 034004 (2009).
  25. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for near-infrared spectroscopy. Neuroimage. 44 (2), 428-447 (2009).
  26. Orihuela-Espina, F., Leff, D. R., James, D. R., Darzi, A. W., Yang, G. Z. Quality control and assurance in functional near infrared spectroscopy (fNIRS) experimentation. Physics in Medicine and Biology. 55 (13), 3701-3724 (2010).
  27. Benjamini, Y., Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B. 57 (1), 289-300 (1995).
  28. Herold, F., Wiegel, P., Scholkmann, F., Muller, N. G. Applications of functional near-infrared spectroscopy (fNIRS) neuroimaging in exercise(-)cognition science: A systematic, methodology-focused review. Journal of Clinial Medicine. 7 (12), (2018).
  29. Boden, S., et al. The oxygenation response to functional stimulation: is there a physiological meaning to the lag between parameters. Neuroimage. 36 (1), 100-107 (2007).
  30. Pinti, P., Scholkmann, F., Hamilton, A., Burgess, P., Tachtsidis, I. Current status and issues regarding pre-processing of fNIRS neuroimaging data: An investigation of diverse signal filtering Methods within a general linear model Framework. Frontiers in Human Neuroscience. 12, 505 (2018).
  31. Udina, C., et al. Functional near-infrared spectroscopy to study cerebral hemodynamics in older adults during cognitive and motor tasks: a review. Frontiers in Aging Neuroscience. 11, 367 (2019).
  32. Verghese, J., Wang, C., Ayers, E., Izzetoglu, M., Holtzer, R. Brain activation in high-functioning older adults and falls: Prospective cohort study. Neurology. 88 (2), 191-197 (2017).
  33. Yucel, M. A., et al. Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses. Neurophotonics. 2 (3), 035005 (2015).
  34. Torricelli, A., et al. Time domain functional NIRS imaging for human brain mapping. Neuroimage. 85, 28-50 (2014).
  35. Giacalone, G., et al. Time-domain near-infrared spectroscopy in acute ischemic stroke patients. Neurophotonics. 6 (1), 015003 (2019).
  36. Saita, K., et al. Contralateral cerebral hypometabolism after cerebellar stroke: a functional near-infrared spectroscopy study. Journal of Stroke and Cerebrovascular Diseases. 26 (4), 69-71 (2017).

Play Video

Cite This Article
Saita, K., Morishita, T., Arima, H., Ogata, T., Inoue, T. Qualitative and Comparative Cortical Activity Data Analyses from a Functional Near-Infrared Spectroscopy Experiment Applying Block Design. J. Vis. Exp. (166), e61836, doi:10.3791/61836 (2020).

View Video