Waiting
Login processing...

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

Neuroscience

블록 설계를 적용하는 기능적인 근적외선 분광 실험에서 질적 및 비교 피질 활동 데이터 분석

Published: December 3, 2020 doi: 10.3791/61836
Automatic Translation
1,2, 1, 3, 4, 1
1Department of Neurosurgery, Faculty of Medicine, Fukuoka University, 2Department of Rehabilitation Medicine, Fukuoka University Hospital, 3Department of Preventive Medicine and Public Health, Faculty of Medicine, Fukuoka University, 4Department of Neurology, Fukuoka University Hospital

Summary

우리는 감각 운동 작업을 가진 블록 디자인을 사용하여 연속 파 기능 근적외선 분광 실험의 분석을 설명합니다. 데이터 분석의 신뢰성을 높이기 위해 질적 일반 선형 모델 기반 통계 파라메트릭 매핑및 다중 채널에 대한 비교 계층 혼합 모델을 사용했습니다.

Abstract

신경 이미징 연구는 재활 및 외과 치료와 같은 사전 개입 후 신경 학적 조건의 평가에 중추적 인 역할을합니다. 뇌 활동을 측정하는 데 사용되는 많은 신경 이미징 기술 중, 기능적 근적외선 분광법 (fNIRS)은 기능성 자기 공명 영상 (fMRI)과 유사한 국소 헤모글로빈 수준을 측정하여 동적 피질 활동의 평가를 가능하게합니다. 또한, fNIRS의 물리적 제한이 적기 때문에 감각 운동 작업의 여러 변종을 평가할 수 있습니다. 많은 실험실은 fNIRS 데이터 분석을 위한 몇 가지 방법을 개발했습니다. 그러나 일반적인 원칙이 동일하다는 사실에도 불구하고 보편적으로 표준화된 방법은 없습니다. 여기서는 블록 설계를 이용한 다중 채널 fNIRS 실험에서 얻은 데이터의 질적 및 비교 분석 방법을 제시합니다. 질적 분석을 위해 NIRS용 소프트웨어를 일반화된 선형 모델을 기반으로 하는 대량 단일변종 접근 법으로 사용했습니다. NIRS-SPM 분석은 작업 중에 활성화된 영역을 시각화하여 각 세션의 정성적 결과를 보여줍니다. 또한, 비침습적 3차원 디지타이저는 뇌에 비해 fNIRS 채널 위치를 추정하는 데 사용될 수 있다. NIRS-SPM 연구 결과를 확증하기 위해, 감각 운동 작업에 의해 유도된 헤모글로빈 수치의 변화의 진폭은 다중 채널 계층 적 혼합 모델을 사용하여 동일한 연구 대상의 두 개의 다른 세션 (개입 전후)에서 얻은 데이터를 비교하여 통계적으로 분석 될 수 있습니다. 우리의 방법은 운동 장애, 뇌혈관 질환 및 신경 정신 장애와 같은 다양한 신경 장애에서 사전 개입 후 분석을 측정하는 데 사용할 수 있습니다.

Introduction

신경 재활은 감각 운동 장애 다음 기능 회복에 중요한 역할을한다. 신경가소성 기능 회복의 메커니즘을 명확히 하기 위해 기능성 자기 공명 영상(fMRI), 양전자 방출 단층 촬영(PET), 뇌전도법(EEG), 기능적인 근적외선 분광법(fNIRS)과 같은 다양한 신경 이미징 기술이 사용되었습니다. 다른 이미징 양식에는 다른 장점과 단점이 있습니다. fMRI는 가장 일반적인 장치이지만 자기장에 의해 영향을 받고, 높은 비용, 높은 물리적 제한, 제한된 감각 운동 작업1,2,3,4. fNIRS 장치는 비침습적 광학 신경 이미징으로 두드러지며 상대적으로 낮은 공간 해상도를 가지고 있지만 fMRI4보다더 나은 시간적 해상도를 가지고 있습니다. fNIRS는 사전 개입 효과를 비교하고, 동적 모터 작업을 가지고, 휴대용, fMRI1,2,4보다자연 환경에서 더 많은 기능을 하기 때문에 치료 효과를 확인할 때 적합하다. NIRS는 뇌혈관 질환, 간질 장애, 심각한 뇌 손상, 파킨슨 병 및 인지 장애1,5의 분야에서 더 적합하다고보고되었습니다. 감각 운동 작업에 관해서는, 걸음걸이 및 서 균형6,7,8,상측 사지 기능 (손 잡기, 손가락 두드리는)8,9,복잡한 모터 스킬 트레이닝10,11,로봇 공학12,13,14,15및 뇌 컴퓨터 인터페이스16,17,18에널리 사용된다. fNIRS는 피질 대사 활동, 증가된 혈류 및 결과적으로 이차신호19로피질 활동을 측정하는 광학 신경 이미징 및 신경 혈관 커플링의 원리를 기반으로 합니다. fNIRS 신호는 혈액 산소 수준 의존fMRI20의신호와 강한 상관 관계를 가지고 보고되었다. 연속 파 fNIRS는 변형 된 맥주 램버트 법을 사용하여 분산 헤모글로빈 (HbO2)및 탈산소 화 헤모글로빈 (HHb) 피질 농도 농도 농도 의 변화를 결정하기 위해 광대역 근적외선 감쇠21,22의측정 된 변화에 따라. 연속파 NIRS 시스템을 이용하여 차동 경로 길이 계수(DPF)를 측정할 수 없기 때문에, 우리는 DPF가 일정하고 헤모글로빈 신호 변화가 밀리몰 밀리미터(mM x mm)2,18의임의 단위로 표시되었다고 가정하였다.

fNIRS 실험은 프로브 설정, 실험 설계 및 분석 방법을 포함하여 가장 적절한 방법을 선택해야 합니다. 프로브 설정에 관해서는, EEG 측정에 사용되는 국제 10-20 방법은 신경 이미징에 있는 많은 연구원에 의해 이용되는 설정 표준입니다. 최근 몇 년 동안, 몬트리올 신경 학회 (MNI) 좌표에 기초하여 표준 두뇌에 따라 좌표 설정이 사용 되었습니다. 이 실험은 일반적으로 감각 운동 작업에 사용되는 블록 설계와 이벤트 관련 설계를 사용합니다. 이것은 휴식과 작업 중에 헤모글로빈 농도의 변화를 비교하는 방법입니다. HbO2 농도 수준 증가 하 고 HHb 농도 수준 작업 의존 피 질 활동과 관련 된 대뇌 혈 류의 변화와 함께 감소. 다양한 분석 방법이 있지만 NIRS-SPM 무료 소프트웨어는 fMRI의 통계 파라메트릭 매핑(SPM)과 유사한 분석을 가능하게 합니다. NIRS 데이터의 처리는 일반 선형 모델(GLM)에 기초하여 질량 단변형 접근 방식을 사용합니다. 태스크 에 의존하는 뇌 활동 분석을 수행할 때, fNIRS 측정은 대뇌 및 초뇌구획(23)에서발동되거나 비호출되지 않은 신경 활동 및 전신 생리적 간섭(심박수, 혈압, 호흡 속도 및 자율 신경계 활동)에 의해 영향을 받을 수 있다. 따라서 사전 분석 처리, 필터링, 웨이블렛 변환 및 주 성분 분석이유용하다(23) NIRS-SPM을 이용한 데이터 처리의 필터링 및 아티팩트에 대해서는 로우패스 필터링9 및 웨이블렛 최소 설명 길이(Wavelet-MDL)24디트렌드를 사용하여 노이즈/아티팩트의 동작 또는 기타 소스를 극복하는 데 사용하였다. 이 분석 방법에 대한 자세한 내용은 Ye 외25의보고서를 참조하십시오. SPM만을 사용하는 보고서가 있지만 이미지 분석을 통해 질적 지수일 뿐이며 NIRS의 낮은 공간 해상도로 인해 그룹 분석에 주의가 필요합니다. 또한 DPF가 일정할 때 채널과 개인 간의 수치 비교를 수행해서는 안 되지만 각 채널의 변경 내용은 확인할 수 있습니다. 위의 조건에 따라 NIRS-SPM 그룹 분석 결과를 보완하기 위해 공간 등록의 정확도를 개선한 후 다중 채널 분석을 위한 원래 분석 방법을 사용했습니다. 이 멀티 채널 분석은 고정 내정간섭(전후), 고정 된 기간 (휴식 또는 작업), 무작위 개별 효과를 가진 계층 혼합 모델을 사용하여 치료 전후각 채널에서 나머지 및 작업 기간 사이의 HbO2 및 HHb 수준의 변화의 진폭을 비교했습니다.

이러한 방식으로 몇 가지 fNIRS 측정 및 분석 방법이 있습니다. 그러나 표준 메서드가 설정되지 않았습니다. 본 백서에서는 감각운동 작업을 이용한 블록 설계를 이용하여 사전 개입 의 다중 채널 fNIRS 실험에서 얻은 데이터를 분석하기 위해 질적 GLM 기반 통계 파라메트릭 매핑 및 비교 다단계 계층 적 혼합 모델을 소개합니다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

이 연구는 일본 후쿠오카대학(IRB No. 2017M017)의 기관심사위원회(IRB)의 승인을 받았습니다. 참여 하기 전에, 모든 환자는 서면 통보 된 동의를 제공.

1. fNIRS 실험 준비

참고: 이 실험을 위한 다중 채널 연속 파 레이저 기반 NIRS 시스템이 사용되었습니다. 근적외선의 파장은 780nm, 805nm, 830nm였으며 샘플링 속도는 7.8Hz로 설정되었다. 시간 및 공간 해상도(광 방출기와 검출기 프로브 사이의 거리)는 각각 0.13 s및 3.0cm였습니다.

  1. fNIRS 장치를 어두운 소음이 없는 장소에 설정합니다. 실온에서 실험을 수행합니다. 실험 30분 전에 fNIRS 계측기를 시작합니다.
    참고: fNIRS 시스템은 제어된 온도 및 습도 조건에서 사용되어장비(26)의안정적인 작동을 보장합니다.
  2. fNIRS 레코딩을 위해 전체 헤드 캡을 사용하고 국제 10-20 시스템의 중앙(Cz)에 해당하는 위치가 헤드 캡의 홀더 245에 위치하도록 피사체의 머리에 헤드 캡을 부착한다. (그림1).
  3. 마킹 스티커를 참조 위치 지점에 부착합니다: nasion (Nz), 오른쪽 외부 청각 육류 (AR), 왼쪽 외부 청각 고기 (AL).
    참고: 3차원(3D) 좌표는 Nz, AR, AL 마킹 스티커 및 Cz 홀더의 위치를 중심으로 판독되므로 사진을 찍기 전에 표시 스티커를 부착해야 합니다.
  4. 공간 등록을 위한 고해상도 디지털 카메라 보정 후 15개의 관점에서 참조점(Cz, Nz, AR 및 LR)을 표시하면서 프로브 위치로 피사체의 머리를 촬영합니다.
    참고: 프로브를 배치하기 전에 사진을 찍어주세요. 프로브를 배치한 후 사진을 찍은 경우 마커 랜드마크가 프로브 및 배선 코드에 의해 숨겨질 수 있습니다. 제조업체가 권장하는 대로 피사체 오른쪽으로 대각선으로 30° 12장의 사진을 찍은 후, 3장 이상의 사진을 사진 위에 약간 가져가서 Cz(홀더 245호)이 그림에 나타납니다. 총 15회 이상의 샷을 캡처할 때 입체화가 용이하기 때문입니다.
  5. 발광 다이오드(LED)-조명 플라스틱 막대를 사용하여 검안장치를 방해하는 피사체의 머리카락을 조심스럽게 분리하여 프로브를 부착합니다. 검소가 두피 표면에서 최소한의 거리와 두피와 접촉하도록 프로브를 정렬합니다.
    참고: 자율신경계활성화(23)와관련된 전신 confounders의 강도 증가로 인해 검안의 부착으로 인해 환자에게 압력이나 불편함이 있는지 신중하게 확인한다.
  6. 48채널 시스템을 32개의 광원(광원 16개, 검출기 16개, 각 반구당 4x4어레이)을 관심 영역으로 정면 및 정수리 영역을 양측으로 헤드 캡에 배치한다(그림2).
  7. 3D 디지타이저 소프트웨어를 시작하고 사용하여 공간 등록을 결정합니다.
  8. 전체 헤드의 그림 데이터를 스캔한 후 Origin 및 기타 파일(*CSV 파일)으로 자동 측정하여 각 환자의 공간 좌표를 결정합니다.
    참고: 자동 측정을 사용하여 이미지에서 좌표 점을 감지할 수 없는 경우 수동으로 조정을 입력합니다.

2. 실험 실행

  1. 실험을 위한 블록 설계를 선택하고, 손 개폐, 손가락 태핑 등과 같은 연구에 대한 관심의 움직임일 수 있다. 우리의 이전 연구에서, 작업은 로봇 보조 팔꿈치운동이었다 15.
    참고: 각 주기는 3개의 블록(15s의 나머지 - 15s의 작업 - 15s 의 나머지)으로 만들어지며 각 환자는 각 세션에서 7 개의 주기를 완료합니다.
  2. 참가자가 시작 신호가 될 때까지 편안한 위치에서 기다립니다. 나머지와 작업 중에 피사체에게 눈을 감도록 지시한다.
  3. 시작 및 중지 큐를 제공합니다 (즉, "팔꿈치의 반복 굴곡과 확장", "중지하고 휴식").
    참고: 측정 중에 말하지 마십시오. 측정 중에 모니터 화면에서 아티팩트를 주의 깊게 확인합니다.
  4. 블록 설계 작업을 동일한 자세로 수행합니다. 서 있거나 앉는 자세를 가진 직립 자세는 헤드셋을 왜곡하지 않는 것이 바람직합니다.
    참고: 환자가 장시간 머리 홀더를 착용한 후 불편함을 느끼는 경우 로봇 보조 운동 중에 프로브를 제거하거나 느슨하게 하십시오.
  5. NIRS 측정을 완료한 후 헤드 홀더와 마킹 스티커를 제거하여 실험을 종료합니다.
    참고: 장시간 착용으로 인한 두피의 피부 손상을 주의 깊게 확인하십시오.

3. NIRS-SPM 소프트웨어를 이용한 질적 GLM 분석

  1. MATLAB 소프트웨어에서 NIRS-SPM을 시작합니다. NIRS 장치에서 획득한 HbO2 및 HHb 농도의 변화와 관련된 데이터 파일을 NIRS-SPM 분석을 위한 파일 형식으로 변환합니다.
  2. 팝업 메뉴에서 NIRS 시스템 사용 옵션을 선택합니다. 로드 버튼을 선택하고 변환 HbO2 및 HHb 농도 변경 옵션을 선택합니다.
  3. NIRS 채널 위치의 공간 등록을 검색합니다. 독립 실행형 확인란을 선택한 다음 3D 디지타이저 사용 확인란을 선택합니다.
  4. 실제 좌표에서 MNI 스페이스에 이르기까지 대화 상자를 사용하여 _origin 선택합니다. 좌표 기준점 파일을 참조하고 _others CSV. 좌표 프로브/채널 파일을 참조하는 CSV입니다.
  5. 등록 단추를 선택합니다. 공간 추정을 진행할 점을 선택하고 확인 버튼을 클릭합니다. 렌더링된 브레인 버튼으로 프로젝트 MNI 좌표를 클릭합니다.
    참고: NIRS 채널 위치의 공간 위치는 몬트리올 신경학회(MNI) 뇌 템플릿을 기준으로 추정됩니다.
  6. 등쪽 보기 옵션을 선택하고 저장 버튼을 클릭합니다.
  7. 1 st 수준 지정 섹션에서 NIRS 데이터 파일 이름과 SPM 디렉터리를 선택합니다. 헤모글로빈 확인란을 선택합니다. HbO2 또는 HHb. 디자인 지정 옵션을 강조 표시하고 Sec 옵션을 선택합니다. 조건/시험 옵션 수를 강조 표시하고 숫자 7을입력합니다.
  8. 시작 및 지속 시간[s] 옵션을 강조 표시하고 다음과 같이 실험 조건의 지속 시간을 곱한 개시 벡터를 입력합니다.
    참고: 이 경우 발병 시간의 벡터를 [15:45:285] 또는 [15 60 105 150 195 240 285]로지정해야 합니다. 지속 시간 벡터는 [15* 것(7,1)] 또는 [15 15 15 15 15 15 15 15]로지정되어야 합니다.
  9. 추세를 해제할 경우 웨이블렛-MDL 버튼을 선택합니다. 색칠 방법을 사용합니다: 로우 패스 필터와 hrf 버튼을 선택하고 직렬 상관 관계에 대해 올바른 다음 없음 단추를 선택합니다.
  10. 시간적 상관 관계를 추정할 때 개별 분석을확인합니다.
    참고: 개별 MNI 좌표 시스템에 fNIRS 채널 위치의 공간 지역화를 텍스트 파일로 저장합니다. 마찬가지로 개별 브로드만 영역(BA)을 기반으로 맵을 텍스트 파일로 저장합니다.
  11. 시간적 상관 관계를 추정할 때 그룹 분석을확인합니다. NIRS-SPM은 MNI 표준화된 뇌 좌표 시스템에 따라 참가자 수의 평균 검안 위치를 조정했습니다.
  12. 표준화된 뇌에 대한 헤모글로빈 레벨의 변화에 따라 활성화 맵을 계산합니다. HbO2 및 HHb 수준은 < 0.01의 수정되지 않은 임계값에서 중요한 것으로 간주되었습니다.
    참고: 그룹 분석을 위해 오른쪽 영향을 받는 측면에서 왼쪽/오른쪽 정보가 뒤집혔습니다.

4. 계층 적 혼합 모델을 기반으로 다중 채널 비교 분석

  1. SAS 소프트웨어를 시작합니다. 텍스트 문서를 변환합니다(. TXT) 낮은 패스 필터로 처리된 NIRS 데이터 파일에서 HbO2 및 HHb의 농도 변화(컷오프 주파수는 0.1Hz로 설정)를 스프레드시트 소프트웨어 쉼표 분리값 파일(. CSV).
  2. 프로그램을 사용하여 가져오기 SAS 데이터(.sas7bdat)를 만듭니다.
  3. 다음 명령으로 가져오기 파일을 출력하고 "가져오기 파일"을 libname
  4. 각 주체에 대한 사전 개입 후 파일을 출력하고 분석 SAS에서 다음 명령을 실행합니다. (그림3) 가져오기 파일을 만드는 동안, 피사체 정보를 식별할 수 있는 이름을 지정하고 개입 전(예: id1 사전, id1 게시물...)
  5. 각 채널에 대한 사전 개입 및 사후 데이터 명령을 실행합니다(ch1-48; HbO2 및 HHb) 다음과 같이(그림 4).
  6. 출력 결과에서 얻은 데이터를 기반으로 스프레드시트 워크북 파일(.xlsx)의 각 채널의 변경(작업 및 휴식 시 차이), 휴식 및 작업 중 값(예상 값, 상한 및 하한)의 사전 개입 후 차이(작업 및 휴식시 차이)를 입력합니다.
  7. 마찬가지로 고정효과 유형 3 테스트의 상호작용 항목의 자유, F 값 및 P 값의 분자 및 분모도를 스프레드시트 통합문서 파일(.xlsx)에 입력합니다.
  8. 다중 채널 테스트에서 잘못된 검색 속도(FDR)를 제어하려면 Benjamin 및 Hochberg메서드(27)를 사용하고 0.01< p 값에서 FDR을 제어합니다.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

여기에서, 우리는 우리 그룹이 현재 일하고 있는 로봇 지원 재활을 소개합니다: 급성 뇌졸중을 가진 환자에 있는 상부 사지 모터 적자에 biofeedback 효력. 우리는 우리 병원에 입원한 10명의 동의한 뇌졸중 환자 (평균 나이: 66.8 ± 12.0 년, 2명의 여자와 8명의 남자)를 포함했습니다. 아급성 뇌졸중 단계에서, 발병 후 2 주 이상, 우리는 같은 날 상부 사지 로봇 보조 재활 전후 fNIRS 시스템을 사용하여 이러한 환자의 모터 관련 피질 활성을 평가했다. 블록 설계 작업에 관해서는 각 작업 주기에서 15 s 이내에 영향을 받는 팔꿈치 굴곡/확장 움직임을 15배 수행했으며 7개의 작업 주기를 반복했습니다. 또한, 6명의 건강한 지원자(평균 연령: 58.7± 7.1세, 2명의 여성과 4명의 남성)도 오른쪽 팔꿈치 굴곡/확장 운동 중 정상적인 업무 관련 피질 활성화의 위치를 확인하기 위한 통제기능으로 등록하였다.

도 5는 NIRS-SPM 소프트웨어를 이용한 GLM 모델을 이용한 t-통계매핑 값에 의한 10명의 뇌졸중 환자의 그룹 분석 결과를 나타낸다. 이 방법은 훈련 전과 비교하여 로봇 보조 재활 직후 측정된 반구에서 1차 모터 피질의 피질 활성이 증가하는 것으로 나타났다. 사전 개입 데이터 수집, 개입(로봇 보조 운동) 및 개입 후 데이터 수집은 같은 날과 같은 장소에서 단일 실험 세션에서 수행되었습니다.

도 6은 사전 개입(로봇 보조 운동)을 비교하는 다중 채널 그룹 분석결과를 나타낸다. SAS 소프트웨어와 다단계 계층 혼합 모델의 통계 적 분석이 수행되었다. 1차 운동 피질에서 피질 활성이 증가하여 내정 간섭 후, NIRS-SPM과 동일한 뇌 영역을 관찰하였다.

Figure 1
그림 1: 3차원(3D) 공간 등록 설정 및 fNIRS 레코딩에 사용되는 헤드 캡의 각 홀더. 그림의 화살표로 표시된 No. 245 홀더는 좌표 축 중 하나인 중앙 위치(Cz)를 나타낸다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 2
그림 2: fNIRS 기록 중에 32 개의 검소와 48 채널 시스템의 배열. (A)헤드 홀더에 프로브의 위치,(B)48 채널 및 프로브의 배열 (16 광원 및 16 검출기; 각 반구당 4 x 4 배열) 피질 영역을 통해 양측으로 헤드 캡에 관심 영역으로. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 3
그림 3: SAS 분석 소프트웨어에 사용되는 파일을 만들기 위한 명령 입력입니다. 이 그림은 NIRS 파일에서 얻은 텍스트 파일 정보를 Excel CSV 파일로 변환한 다음 SAS 분석을 위해 변환하는 명령 입력 화면에서 용어 및 숫자 값을 정의하는 방법을 보여 주습니다. ID, 나이, 성별, 입실측, 개입 전후, 총 시간 및 작업 기간이 숫자로 입력되었습니다. 또한 HbO2,HHb 및 총 헤모글로빈 농도 수준(mM x mm)에 대한 정보도 입력되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 4
그림 4: SAS 분석 소프트웨어의 각 채널 분석에 사용되는 명령 입력입니다. 이 다단계 계층 적 혼합 모델에서 다음 숫자 값을 설정하고 SAS 명령 입력 화면에 입력했습니다. 나머지 상태(작업 = 0) 및 작업(작업 = 1)을 비교하고 복구 시 상태(작업 = 2)가 제외되었습니다. 더욱이, 개입 전 상태는 n=0으로 설정되었고, 개입 직후 n=1로 설정되었고, 상호작용은 각 채널에 대한 HbO2 및 HHb의 변화 양에 통계적으로 유의한 차이를 조사되었다. 그림에서, 입력 화면 정보는 ch2 또는 ch47까지 생략된다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 5
그림 5:NRS-SPM 소프트웨어와 GLM 모델을 사용하여 t-통계 매핑 값에 의한 그룹 분석 결과입니다. 모든 환자의 평균 피질 활동은 표준화 된 뇌 모델의 위의 보기에 묘사됩니다. 상하부는 각각 HbO2 및 HHb 수준에서 피질 활성화를 나타낸다. 올바른 이미지는 작업 중에 건강한 피사체의 피질 활동을 나타냅니다. 로봇 보조 재활을 비교한 후 같은 날 로봇 보조 훈련 직후 피질 활동이 증가했습니다. 다른 피질 영역과 비교하여 각 수행 상태가 크게 증가했습니다(수정되지 않은 p < 0.01). 점선은 정규화된 뇌 이미지에 대한 중앙 황액(CS)을 나타낸다. 이 그림은 Saita 외15에서수정되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 6
그림 6: SAS 소프트웨어와 다단계 계층 혼합 모델을 사용하여 다중 채널 분석의 결과입니다. 변화의 피질 활동은 로봇 보조 재활 치료를 사용하여 사전 및 사후 개입 사이의 비교를 나타냅니다. 왼쪽 이미지의 경우 MNI 좌표 시스템에 따라 표준화된 뇌에 NIRS 채널 의 수가 중첩되었습니다. 오른쪽 이미지의 경우 빨간색과 파란색은 HbO2 레벨의 증가 및 감소를 나타냅니다(FDR 보정, p < 0.01). 회색은 로봇 보조 재활 후 채널이 크게 변경되지 않았음을 나타냅니다. 이 그림은 Saita 외15에서수정되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

fNIRS를 위한 그룹 분석 방법에서, 질적 t-통계매핑에 의한 이미징 분석 방법을 수행하는 것 외에도, 비교멀티채널 분석을 사용하여 사전 개입(로봇 보조 운동)을 비교했습니다. 질적 분석을 위해 NIRS-SPM 소프트웨어를 일반화된 선형 모델을 기반으로 하는 대량 단변형 접근 법으로 사용했습니다. NIRS-SPM 분석은 작업 중에 활성화된 영역을 시각화하여 각 세션의 질적 결과를 보여줍니다. 더욱이, 비침습적 3D-디지타이저의 정보는 뇌에 비해 fNIRS 채널 위치의 추정을 가능하게 한다. NIRS-SPM 분석을 이용한 그룹 분석은 감각 운동 작업 중 사전 개입의 거친 뇌 활성화 영역을 캡처할 수 있었지만 동일한 채널의 변화 차이를 비교할 수는 없었습니다. NIRS-SPM 연구 결과를 확증하기 위해, 감각 운동 작업에 의해 유도된 헤모글로빈 수치의 변화의 진폭은 다중 채널 계층적 혼합 모델을 사용하여 동일한 연구 대상체에서 두 개의 서로 다른 세션(즉, 개입 전후)으로부터 얻은 데이터를 비교하여 통계적으로 분석될 수 있다. 이 두 가지 방법을 사용 함으로써, 결과 상호 서로 보완 하 고 더 명확 하 게 표시 되었다.

NIRS 데이터, 작업 설계, 프로브 배치, 사전 분석 처리, 분석 방법 및 환경 설정에 의해 정확한 작업 관련 뇌 활동을 얻기 위해 매우 중요하다23,26. 대표적인 연구에서 감각모터 작업을 이용한 블록 설계에 대해서는 각각 15와 30초로 작업과 휴식 시간을 각각 15초와 30초로설정합니다. 활동 후 피크와 휴식 시간에 의한 복구는 작업 설계에 따라 달라진 것으로 보고되었습니다. 이전 연구에서는, 작업 설계는 종종 손 이동 (손가락 도청, 잡기 작업)과 30 s 자세 제어 및걷기7,8,28에관련된 작업에 대한 10-30 s인 것으로 보고되었다. 작업 기간 동안, 작업 활성화8,29를시작한 후 피크에 도달하는 데 약 5-10 s가 필요하며, 회복 기간은 예상 효과를 피하기 위해무작위로 15~18s로호의적이다. 이 점에서, 우리의 연구의 작업 프로토콜은 팔꿈치 움직임을 가진 블록 디자인을 따르기 때문에 적합하고 가능한 것으로 간주됩니다. 그러나, 작업 기간은 걷기 작업 및 복잡한 인지 작업과 같은 작업 난이도에 따라 더 길어야 할 수도 있습니다. 프로브 배치와 관련하여 fNIRS는 공간 해상도가 좋지 않으므로 사전 개입 과 사후 개입을 재배열하는 것이 주요 문제입니다. 우리의 대표적인 연구에서, 이 단점은 같은 날 로봇 치료의 즉각적인 효과를 확인하기 위해 프로브 재배치를 요구하지 않는 우리의 설계에 의해 보상되었다. 재배치가 필요한 경우 사전 캡처된 이미지를 사용하여 마킹 스티커와 홀더 사이의 거리를 확인하여 사전 개입에 비해 배열이 없는지 확인하는 것이 중요합니다. 그러나, 우리의 설계에서는, 장시간 연속 측정에 의하여 헤드 홀더의 사용에 자율 신경계와 같은 전신 생리간섭의 효력을 확인하기위하여 부족했습니다. 따라서 향후 기능 패러다임 및 멀티모달모니터링(23)에서 fNIRS 모니터링을 사용해야 합니다. NIRS 측정에 대한 관심 분야와 관련하여, 인지 처리에 대한 많은 NIRS 연구는 PFC가 운동31, 32의집행 기능 및 인지 제어의 핵심 영역임을 감안할 때 전두엽 피질 (PFC) 활동을 측정하는 데 초점을맞추고있다. 감각 운동 작업의 경우 감각 활성을 평가하기 위해 정수리 영역을 측정하는 것이 중요합니다. 정수리 영역의 측정은, 그러나, 머리와 두꺼운 두피와 같은 장애물에 취약; 따라서 측정을 신중하게 설정해야 합니다. 이러한 fNIRS 실험 방법의 한 가지 제한은 헤드 홀더의 구조로 인해 3cm의 검인 거리로 일반 측정 방법을 사용했다는 것입니다. 그러나, 짧은 분리 채널을 사용하여 피상적 신호 나 소음을 보정, 정확한 뇌 활동을 측정 할 가능성이있다(33).

NIRS 그룹 분석 방법에 대해서는, 전제조건으로, EEG와 유사한 NIRS 측정 결과의 개인 데이터를 신중하게 분석하는 것이 가장 좋습니다. 단일 수준 및 그룹 수준 분석의 조합은 최적의 접근방식(23)일수 있다. 표준화된 뇌는 NIRS 데이터의 그룹 분석에 사용되지만, 낮은 공간 해상도에 관한 제한사항은4에대해 논의되었다. 이 연구에서는 공간 등록 방법을 고안하고 보다 정확한 좌표를 감지할 수 있었고, 이는 잠재적으로 더 나은 결과를 초래할 수 있었습니다. 둘째, 본 연구는 여기에서 설명된 NIRS 시스템의 능력에 한계가 있다. 해석에 사용된 수치 값은 연속파 NIRS를 사용하는 상대값이며, Time Domain(TD)-NIRS와 같은 장치는 절대값34,35를사용하여 평가에 사용해야 한다. 그러나 TD-NIRS는 비용이 많이 들고 이러한 다중 채널 분석에 적합하지 않다는 단점이 있습니다. CW-NIRS는 널리 사용되기 때문에 이러한 단점을 만회하기 위해 실현될 수 있는 비교적 정확한 평가 방법이 필요합니다. 사전 분석 프로세스로서 채널 분석은 이러한 공동 창립자를 제거하기 위해 추가 주 성분 분석을 사용하는 방법을 고려해야 합니다.

앞으로 파킨슨병9,경련을 가진 뇌혈관 장애, 근적외선 분광법 적용을 이용한 인지장애(36)의 사전 수술후 결과를 보고할 예정입니다. 우리의 방법은 운동 장애, 뇌혈관 질환 및 신경 정신 장애와 같은 다양한 신경 장애에 적용 될 수 있습니다.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

저자는 공개하는이 연구와 관련된 이해 관계의 충돌이 없습니다.

Acknowledgments

이 작품은 과학진흥진흥협회(JSPS) 과학연구부(C) 18K08956과 후쿠오카대학 중앙연구원(201045)의 기금을 지원받았다.

Materials

Name Company Catalog Number Comments
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)

DOWNLOAD MATERIALS LIST

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, Pt 1 535-546 (2014).
  6. Fujimoto, H., et al. Cortical changes underlying balance recovery in patients with hemiplegic stroke. Neuroimage. 85, Pt 1 547-554 (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, Pt 1 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, Pt 1 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).

Tags

신경과학 문제 166 NIRS 연속파 신경 이미징 피질 활동 감각 운동 블록 디자인 통계 파라메트릭 매핑 SPM 일반화 선형 모델 GLM 계층 적 혼합 모델 신경 재활
블록 설계를 적용하는 기능적인 근적외선 분광 실험에서 질적 및 비교 피질 활동 데이터 분석
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Saita, K., Morishita, T., Arima, H., … More

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).

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