Summary
Descrevemos a análise de um experimento de espectroscopia funcional de ondas contínuas quase infravermelha usando um projeto de bloco com uma tarefa sensorial. Para aumentar a confiabilidade da análise dos dados, utilizou-se o mapeamento estatístico paramétrico baseado em modelo linear qualitativo e os modelos mistos hierárquicos comparativos para multi-canais.
Abstract
Os estudos de neuroimagem desempenham um papel fundamental na avaliação de condições neurológicas pré versus pós-intervenção, como na reabilitação e no tratamento cirúrgico. Entre as muitas tecnologias de neuroimagem utilizadas para medir a atividade cerebral, a espectroscopia funcional quase infravermelha (fNIRS) permite a avaliação de atividades corticais dinâmicas medindo os níveis locais de hemoglobina semelhantes à ressonância magnética funcional (fMRI). Além disso, devido à menor restrição física no fNIRS, várias variantes de tarefas sensoriais podem ser avaliadas. Muitos laboratórios desenvolveram vários métodos para análise de dados fNIRS; no entanto, apesar de os princípios gerais serem os mesmos, não há um método universalmente padronizado. Aqui, apresentamos os métodos analíticos qualitativos e comparativos de dados obtidos a partir de um experimento fNIRS multicanal usando um design de bloco. Para análise qualitativa, utilizamos um software para NIRS como uma abordagem univariada em massa baseada no modelo linear generalizado. A análise NIRS-SPM mostra resultados qualitativos para cada sessão visualizando a área ativada durante a tarefa. Além disso, o digitalizador tridimensional não invasivo pode ser usado para estimar os locais do canal fNIRS em relação ao cérebro. Para corroborar os achados do NIRS-SPM, a amplitude das alterações nos níveis de hemoglobina induzidas pela tarefa sensorial pode ser analisada estatisticamente comparando os dados obtidos a partir de duas sessões diferentes (antes e depois da intervenção) do mesmo sujeito de estudo utilizando um modelo misto hierárquico multicanal. Nossos métodos podem ser usados para medir a análise pré-vs. pós-intervenção em uma variedade de distúrbios neurológicos, como distúrbios de movimento, doenças cerebrovasculares e distúrbios neuropsiquiátricos.
Introduction
A neuroreabilitação desempenha um papel importante na recuperação funcional após a perturbação sensorial. Para esclarecer os mecanismos de recuperação funcional associada à neuroplasticidade, várias tecnologias de neuroimagem têm sido utilizadas, como ressonância magnética funcional (fMRI), tomografia de emissão de pósitrons (PET), eletroencefalografia (EEG) e espectroscopia funcional quase infravermelha (fNIRS). Diferentes modalidades de imagem têm diferentes vantagens e desvantagens. Embora o fMRI seja o dispositivo mais típico, ele é afetado por campos magnéticos, tem alto custo, alta restrição física e tarefas sensoriais limitadas1,2,3,4. O dispositivo fNIRS destaca-se como uma neuroimagem óptica não invasiva e tem uma resolução espacial relativamente menor, mas tem uma resolução temporal melhor do que fMRI4. FNIRS é adequado ao verificar os efeitos do tratamento porque compara os efeitos pré-versus pós-intervenção, tem tarefas motoras dinâmicas, é portátil e funciona mais em ambientes naturais do que fMRI1,2,4. O NIRS tem sido relatado ser mais adequado nos campos da doença cerebrovascular, distúrbios epilépticos, lesão cerebral grave, doença de Parkinson e comprometimento cognitivo1,5. No que diz respeito às tarefas sensoriais, é amplamente utilizado no equilíbrio de marcha e pé6,7,8, função do membro superior (aperto da mão, toque de dedo)8,9, treinamento complexo de habilidades motoras10,11,robótica12,13,14,15, e interface cérebro-computador16,17,18. O fNIRS baseia-se nos princípios da neuroimagem óptica e do acoplamento neurovascular, que medem a atividade metabólica cortical, o aumento do fluxo sanguíneo e, consequentemente, a atividade cortical como sinais secundários19. Os sinais fNIRS têm sido relatados como fortes correlações com sinais de fMRI20dependente do nível de oxigênio no sangue . Um fNIRS de ondas contínuas usa a lei modificada de Beer-Lambert para determinar as alterações nos níveis de concentração cortical de hemoglobina oxigenada (HbO2) e desoxigenada (HHb) com base em mudanças medidas na atenuação da luz infravermelha de banda larga21,22. Como não foi possível medir o fator diferencial de comprimento do caminho (DPF) utilizando o sistema NIRS de ondas contínuas, assumimos que o DPF era constante e que as alterações de sinal de hemoglobina eram denotadas em unidades arbitrárias de milímetros (mM x mm)2,18.
Os experimentos fNIRS precisam selecionar os métodos mais adequados, incluindo as configurações da sonda, os desenhos do experimento e os métodos de análise. Em relação à configuração da sonda, o método internacional 10-20 utilizado na medição do EEG é o padrão de definição utilizado por muitos pesquisadores na neuroimagem. Nos últimos anos, foram utilizadas configurações coordenadas baseadas no cérebro padrão com base nas coordenadas do Instituto Neurológico de Montreal (MNI). O experimento usa um design de bloco, geralmente usado para tarefas sensoriais, e um design relacionado a eventos. Trata-se de um método de comparação de alterações na concentração de hemoglobina em repouso e durante as tarefas; Os níveis de concentração doHBO 2 aumentam e os níveis de concentração de HHb diminuem com alterações no fluxo sanguíneo cerebral associados à atividade cortical dependente da tarefa. Embora existam vários métodos de análise, o software livre NIRS-SPM permite uma análise semelhante ao mapeamento paramétrico estatístico (SPM) do fMRI. O tratamento dos dados nirs utiliza uma abordagem univariada em massa com base no modelo linear geral (GLM). Ao realizar a análise da atividade cerebral dependente da tarefa, as medidas do fNIRS podem ser afetadas pela atividade neuronal evocada ou não evocada e interferências fisiológicas sistêmicas (frequência cardíaca, pressão arterial, taxa respiratória e atividade autônoma do sistema nervoso) no compartimento cerebral e extracerebral23. Portanto, o processamento pré-análise, filtragem, conversão de wavelet e análise de componentes principais são úteis23. Em relação à filtragem e artefatos do processamento de dados utilizando o NIRS-SPM, a filtragem de baixo passe9 e o comprimento mínimo de descrição de wavelet (Wavelet-MDL)24 detennding foram usados para superar o movimento ou outras fontes de ruído/artefato. Para obter detalhes deste método analítico, consulte o relatório de Ye et al.25. Embora existam relatórios utilizando apenas SPM, é apenas um índice qualitativo por análise de imagem, e devido à baixa resolução espacial do NIRS, é necessária extrema cautela para a análise em grupo. Além disso, quando a DPF é constante, comparações numéricas entre canais e indivíduos não devem ser realizadas, mas a diferença nas mudanças em cada canal pode ser verificada. Com base nas condições acima, a fim de complementar os resultados de análise do grupo NIRS-SPM, utilizou-se o método de análise original para análise multicanal após melhorar a precisão do registro espacial. Esta análise multicanal comparou a amplitude da mudança nos níveis de HbO2 e HHb entre os períodos de descanso e on-task em cada canal antes e imediatamente após o tratamento usando modelos hierárquicos mistos com intervenções fixas (antes ou depois), períodos fixos (descanso ou sobre a tarefa) e efeitos individuais aleatórios.
Desta forma, existem vários métodos de medição e análise de fNIRS; no entanto, nenhum método padrão foi estabelecido. Neste artigo, introduzimos nossos métodos, mapeamento paramétrico estatístico qualitativo baseado em GLM e o modelo misto hierárquico comparativo de vários níveis, para analisar dados obtidos a partir de um experimento fNIRS multicanal de pré-vs. pós-intervenção usando um projeto de bloco com tarefas sensorimotoras.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Este estudo foi aprovado pelo Conselho de Revisão Institucional (IRB) da Universidade de Fukuoka, no Japão (IRB nº 2017M017). Antes da participação, todos os pacientes previam consentimento por escrito.
1. Preparação do experimento fNIRS
NOTA: Foi utilizado um sistema NIRS baseado em laser de ondas contínuas de vários canais para este experimento. Os comprimentos de onda da luz infravermelha próxima foram de 780 nm, 805 nm e 830 nm, e a taxa de amostragem foi fixada em 7,8 Hz. O tempo e a resolução espacial (distâncias entre o emissor de luz e a sonda detectora) foram de 0,13 s e 3,0 cm, respectivamente.
- Coloque o dispositivo fNIRS em um lugar escuro e silencioso. Realizar experimentos à temperatura ambiente. Inicie o instrumento fNIRS 30 min antes do experimento.
NOTA: os sistemas fNIRS são usados em condições controladas de temperatura e umidade para garantir o funcionamento estável do equipamento26. - Use uma tampa de cabeça inteira para gravação fNIRS e conecte a tampa da cabeça na cabeça do sujeito de tal forma que a posição correspondente à central (Cz) do sistema internacional 10-20 esteja localizada no suporte nº 245 da tampa da cabeça. (Figura 1).
- Anexar o adesivo de marcação aos pontos de referência: o nasion (Nz), o meatus auditivo externo direito (AR) e o meatus auditivo externo externo esquerdo (AL).
NOTA: Como as coordenadas tridimensionais (3D) são lidas ao redor das posições do adesivo de marcação Nz, AR, AL e suporte Cz, é necessário anexar o adesivo de marcação antes de tirar uma foto. - Após a calibração de uma câmera digital de alta resolução para registro espacial, tire fotos da cabeça do sujeito com a localização da sonda enquanto mostra os pontos de referência (Cz, Nz, AR e LR) a partir de 15 perspectivas.
NOTA: Por favor, tire uma foto antes de colocar a sonda. Se uma foto for tirada após a colocação da sonda, o marcador pode ser escondido pela sonda e pelo cabo de fiação. Conforme recomendado pelo fabricante, depois de tirar 12 fotos 30° diagonalmente para a direita do sujeito, tire três ou mais fotos ligeiramente acima para que o Cz (suporte nº 245) apareça na imagem. Isso porque é fácil torná-lo tridimensional ao capturar um total de 15 ou mais tiros. - Separe cuidadosamente o cabelo do sujeito que interfere com o optode usando uma haste de plástico iluminada por LED para fixar a sonda. Disponha a sonda para que os optodes sejam anexados a uma distância mínima da superfície do couro cabeludo e em contato com o couro cabeludo.
NOTA: Verifique cuidadosamente se há alguma pressão ou desconforto para o paciente devido ao apego dos optodes, devido à crescente força dos confundidores sistêmicos associados à ativação autônoma do sistema nervoso23. - Organize o sistema de 48 canais com 32 optodes (16 fontes de luz e 16 detectores; 4 x 4 matriz para cada hemisfério) a uma tampa de cabeça bilateralmente sobre as áreas frontal e parietal como regiões de interesse(Figura 2).
- Inicie e use o software de digitalização 3D para determinar o registro espacial.
- Depois de digitalizar os dados de imagem de uma cabeça inteira, determine a coordenada espacial de cada paciente medindo e salvo como o arquivo Origin and the Others (*arquivo CSV).
NOTA: Se os pontos de coordenadas não serão detectados a partir das imagens usando a medição automática, insira o ajuste manualmente.
2. Execute o experimento
- Selecione um design de bloco para o experimento, e a tarefa pode ser qualquer movimento de interesse para o estudo, como abertura/fechamento de mãos, toques nos dedos, etc. Em nosso estudo anterior, a tarefa era os movimentos do cotovelo assistidos por robôs15.
NOTA: Cada ciclo é feito de três blocos (15 s de descanso - 15 s de tarefa - 15 s de descanso), e cada paciente completa sete ciclos em cada sessão. - Faça com que o participante espere em uma posição confortável até o sinal de partida. Instrua o sujeito a fechar os olhos durante o resto e a tarefa.
- Dê dicas de partida e parada (ou seja, "Repita a flexão e extensão do cotovelo", "Pare e relaxe").
NOTA: Não fale durante as medições. Verifique cuidadosamente se há artefatos na tela do monitor durante as medições. - Execute a tarefa de design de bloco na mesma postura. A postura vertical com posição de pé ou sentada é desejável não distorcer o fone de ouvido.
NOTA: Se o paciente se sentir desconfortável depois de usar o porta-cabeça por um longo período de tempo, remova ou solte a sonda durante o exercício assistido pelo robô. - Após concluir a medição do NIRS, remova o suporte da cabeça e o adesivo de marcação para finalizar o experimento.
NOTA: Verifique cuidadosamente se há danos na pele no couro cabeludo devido ao desgaste prolongado.
3. Análise de GLM qualitativo usando software NIRS-SPM
- Inicie o NIRS-SPM no software MATLAB. Converta o arquivo de dados relacionado à alteração na concentração de HbO2 e HHb adquirida do dispositivo NIRS para o formato de arquivo para análise NIRS-SPM.
- Escolha a opção de sistema NIRS usando no menu pop-up. Selecione o botão de carga e escolha as opções de alteração de concentração de HbO2 e HHb.
- Detecte o registro espacial da localização do canal NIRS. Selecione a caixa de seleção autônoma e selecione a caixa de seleção com digitalização 3D.
- Dentro de Coordenadas Reais ao Espaço MNI, use a caixa de diálogo para escolher _origin. CSV referindo-se ao arquivo de ponto de referência da coordenada e _others. CSV referindo-se ao arquivo de sondas/canais de coordenadas.
- Selecione o botão Registro. Escolha os pontos para proceder à estimativa espacial e clique no botão OK. Clique na coordenada Do Projeto MNI para o botão Cérebro Renderizado.
NOTA: A posição espacial dos locais do canal NIRS é estimada com base no modelo cerebral do Instituto Neurológico de Montreal (MNI). - Selecione a opção Vista Dorsal e clique no botão Salvar.
- Na seção Especificar a seção 1º Nível, selecione o nome do arquivo de dados NIRS e o diretório SPM. Selecione a caixa de seleção de hemoglobina; HbO2 ou HHb. Destaque a opção Especificar design e selecione a opção Sec. Destaque as opções de Número de Condições/Ensaios e digite o número 7.
- Destaque as opções vetoriais de início e duração e insira um vetor de início multiplicado pela duração das condições experimentais da seguinte forma.
NOTA: Neste caso, o vetor dos horários de início deve ser especificado como [15:45:285] ou [15 60 105 150 195 240 285]. O vetor de duração deve ser especificado como [15* (7,1)] ou [15 15 15 15 15 15 15 15 15]. - Para detenções, selecione o botão Wavelet-MDL. Use o método de pré-coloração: filtro de passagem baixa e selecione o botão hrf e corrija para correlação serial e selecione o botão nenhum.
- Na estimativa das correlações temporais, verifique a Análise Individual.
NOTA: Salve a localização espacial das posições do canal fNIRS nos sistemas de coordenadas MNI individuais como um arquivo de texto. Da mesma forma, salve o mapa com base na área individual de Brodmann (BA) como um arquivo de texto. - Na estimativa das correlações temporais, verifique a Análise de Grupo. O NIRS-SPM alinhou as posições médias de optode do número de participantes de acordo com o sistema de coordenadas cerebrais padronizados do MNI.
- Calcule o mapa de ativação com base nas mudanças no nível de hemoglobina para o cérebro padronizado. Osníveis de HBO 2 e HHb foram considerados significativos em um limiar não corrigido de p < 0,01.
NOTA: As informações da esquerda/direita foram invertidas nos lados afetados pela direita para análise de grupo.
4. Análise comparativa multicanal baseada no modelo misto hierárquico
- Inicie o software SAS. Converter o documento de texto (. TXT) de alterações de concentração de HbO2 e HHb no arquivo de dados NIRS processado com um filtro de passe baixo (a frequência de corte foi definida em 0,1 Hz) para o arquivo de valores separados do software de planilha (. CSV).
- Crie os dados de Importação SAS (.sas7bdat) usando o programa.
- Saída do arquivo de importação com o seguinte comando, libname out "Import file"
- Exclua o arquivo pré-vs. pós-intervenção para cada assunto, execute os seguintes comandos no SAS de análise. (Figura 3) Durante a criação do arquivo de importação, dê um nome que possa identificar as informações do assunto e pré-vs. pós-intervenção (por exemplo, id1 pre, id1 post...)
- Execute o comando de dados pré e pós-intervenção para cada canal (ch1-48; HbO2 e HHb) da seguinte forma(Figura 4).
- Com base nos dados obtidos a partir dos resultados de saída, insira as diferenças pré-vs. pós-intervenção na alteração (diferença na tarefa e no descanso), repouso e valores on-task (valores estimados, limites superiores e limites inferiores) de cada canal no arquivo da planilha (.xlsx).
- Da mesma forma, insira os graus de liberdade, valor F e valor P do item de interação do teste tipo 3 de efeito fixo no arquivo da pasta de trabalho da planilha (.xlsx).
- Para controlar a taxa de falsa descoberta (FDR) em testes multicanais, use os métodos Benjamin e Hochberg27 e controle o FDR a um valor p < 0,01.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Aqui, introduzimos a reabilitação assistida por robôs que nosso grupo está trabalhando atualmente: os efeitos do biofeedback no déficit motor do membro superior em pacientes com derrame agudo. Foram incluídos 10 pacientes com AVC (idade média: 66,8 ± 12,0 anos; duas mulheres e oito homens) que deram entrada no hospital. No estágio de avc subagutado, mais de 2 semanas após o início, avaliamos a atividade cortical relacionada ao motor desses pacientes usando um sistema fNIRS antes e imediatamente após a reabilitação assistida por robôs do membro superior no mesmo dia. Em relação às tarefas de design de bloco, eles realizaram movimentos afetados de flexão/extensão do cotovelo 15x dentro de 15 s em cada ciclo de tarefas, e repetiram sete ciclos de tarefas. Além disso, seis voluntários saudáveis (idade média: 58,7 ± 7,1 anos; duas mulheres e quatro homens) também foram inscritos como controles para identificar a localização da ativação cortical normal relacionada à tarefa durante os movimentos de flexão/extensão do cotovelo direito.
A Figura 5 mostra os resultados da análise em grupo de 10 pacientes com AVC pelos valores de mapeamento t-estatísticoutilizando modelos GLM com o software NIRS-SPM. Este método mostrou um aumento na atividade cortical do córtex motor primário no hemisfério medido imediatamente após a reabilitação assistida por robôs em comparação com a anterior ao treinamento. A coleta de dados pré-intervenção, a intervenção (exercício assistido por robôs) e a coleta de dados pós-intervenção foram realizadas na única sessão experimental no mesmo dia e no mesmo local.
A Figura 6 mostra os resultados da análise de grupos multicanais comparando pré-versus pós-intervenção (exercício assistido por robôs). Foi realizada a análise estatística do modelo misto hierárquico multinêmico com o software SAS. O aumento da atividade cortical no córtex motor primário foi observado após a intervenção, mesma região cerebral do NIRS-SPM.
Figura 1: Configuração do registro espacial tridimensional (3D) e cada titular da tampa da cabeça usada para gravação fNIRS. O suporte nº 245 indicado pela seta na figura mostra a posição central (Cz), que é um dos eixos de coordenadas. Clique aqui para ver uma versão maior desta figura.
Figura 2: Arranjo do sistema de 48 canais com 32 optodes durante a gravação fNIRS. (A) Localização de sondas no porta-cabeça, (B) arranjo dos 48 canais e sondas (16 fontes de luz e 16 detectores; 4 x 4 matriz para cada hemisfério) a uma tampa bilateral de cabeça sobre as áreas corticais, como regiões de interesse. Clique aqui para ver uma versão maior desta figura.
Figura 3: Entrada de comando para a criação de arquivos usados no software de análise SAS. A figura mostra como definir termos e valores numéricos na tela de entrada de comando que converte as informações do arquivo de texto obtidas do arquivo NIRS em um arquivo CSV excel e, em seguida, converte-as para análise SAS. ID, Idade, Sexo, lado ipsilesional, antes e depois da intervenção, tempo total e períodos de tarefa, foram inseridos numericamente. Além disso, também foram inseridas informações sobre HbO2, HHb e nível total de concentração de hemoglobina (mM x mm). Clique aqui para ver uma versão maior desta figura.
Figura 4: Entrada de comando utilizada para cada análise de canal no software de análise SAS. Neste modelo misto hierárquico de vários níveis, os seguintes valores numéricos foram definidos e inseridos na tela de entrada de comando SAS. O status em repouso (tarefa = 0) e na tarefa (tarefa = 1) foram comparados, e o status na recuperação (tarefa = 2) foi excluído. Além disso, o estado antes da intervenção foi definido como n = 0 e o status imediatamente após a intervenção foi definido para n = 1, e a interação foi investigada por diferenças estatisticamente significativas na quantidade de alteração no HbO2 e HHb para cada canal. Na figura, as informações da tela de entrada até ch2 ou ch47 são omitidas. Clique aqui para ver uma versão maior desta figura.
Figura 5: Os resultados da análise de grupo pelos valores de mapeamentot-estatístico utilizando modelos GLM com o software NRS-SPM. A atividade cortical média de todos os pacientes é retratada na visão acima dos modelos cerebrais padronizados. O superior e inferior representa a ativação cortical no nívelhbo 2 e HHb, respectivamente. A imagem certa indica a atividade cortical de sujeitos saudáveis durante as tarefas. Comparando a reabilitação assistida por robôs antes, a atividade cortical foi aumentada imediatamente após o treinamento assistido por robôs no mesmo dia. Em comparação com outras regiões corticais, cada estado de desempenho foi significativamente aumentado (não corrigido, p < 0,01). Linhas pontilhadas indicam o sulco central (CS) nas imagens cerebrais normalizadas. Este valor foi modificado a partir de Saita et al.15. Clique aqui para ver uma versão maior desta figura.
Figura 6: O resultado da análise multicanal utilizando modelos mistos hierárquicos multinódicos com o software SAS. A atividade cortical da mudança representa a comparação entre pré e pós-intervenção utilizando tratamentos de reabilitação assistidos por robôs. Para a imagem esquerda, os números de canais NIRS foram sobrepostos ao cérebro padronizado de acordo com o sistema de coordenadas MNI. Para a imagem correta, vermelho e azul indicam aumento e diminuição no nívelhbo 2, respectivamente (FDR corrigido, p < 0,01). Gray indica que os canais não mudaram significativamente após a reabilitação assistida por robôs. Este valor foi modificado a partir de Saita et al.15. Clique aqui para ver uma versão maior desta figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Em nossos métodos analíticos de grupo para fNIRS, além de realizar um método analítico de imagem por mapeamentos qualitativos t-estatísticos, comparamos pré-vs. pós-intervenção (exercício assistido por robôs) usando a análise multicanal comparativa. Para análise qualitativa, utilizamos o software NIRS-SPM como uma abordagem univariada em massa baseada no modelo linear generalizado. A análise NIRS-SPM mostra resultados qualitativos de cada sessão visualizando a área ativada durante a tarefa. Além disso, as informações do digitalizador 3D não invasivo permitem a estimativa dos locais do canal fNIRS em relação ao cérebro. A análise de grupo utilizando a análise NIRS-SPM foi capaz de capturar as áreas de ativação cerebral ásperas da intervenção pré versus pós-intervenção durante as tarefas sensoriais, mas não conseguiu comparar a diferença de alterações nos mesmos canais. Para corroborar os achados do NIRS-SPM, a amplitude das alterações nos níveis de hemoglobina induzidas pela tarefa sensorial pode ser analisada estatisticamente comparando os dados obtidos a partir de duas sessões diferentes (ou seja, antes e depois da intervenção) no mesmo sujeito de estudo utilizando o modelo misto hierárquico multicanal. Ao utilizar esses dois métodos, os resultados se complementam mutuamente e foram mostrados com mais clareza.
Para obter atividade cerebral precisa relacionada à tarefa por dados NIRS, o projeto de tarefas, a colocação do teste, o processamento de pré-análise, os métodos de análise e as configurações do ambiente são muito importantes23,26. Em relação ao projeto do bloco utilizando tarefas sensoriais em nossos estudos representativos, definimos a tarefa e o tempo de descanso aos 15 e 30 s,respectivamente 15. Foi relatado que o pico após a atividade e a recuperação por tempo de descanso dependem do projeto da tarefa. Em pesquisas anteriores, foi relatado que o desenho da tarefa é muitas vezes de 10-30 s para tarefas relacionadas ao movimento da mão (toque de dedo, tarefa de agarramento) e 30 s para tarefas relacionadas ao controle de postura e caminhada7,8,28. Para os períodos de tarefa, é preciso cerca de 5-10 s para atingir o pico após o início da ativação da tarefa8,29, e os períodos de recuperação são favoráveis com um variou aleatoriamente de 15 a 18 s para evitar efeitos de antecipação e Mayer-Wave28,30. Nesse sentido, o protocolo de tarefas de nossa pesquisa é considerado adequado e viável, pois segue o projeto do bloco com o movimento do cotovelo. No entanto, os períodos de tarefa podem precisar ser mais longos com base na dificuldade de tarefa, como para tarefas de caminhada e tarefas cognitivas complexas. Em relação ao arranjo da sonda, o fNIRS tem uma resolução espacial mais pobre, por isso reorganizar a pré-intervenção pré-vs. pós-intervenção é uma questão importante. Em nosso estudo representativo, essa deficiência foi compensada pelo nosso projeto não exigindo a realocação da sonda para confirmar o efeito imediato do tratamento robótico no mesmo dia. Se for necessário o reposicionamento, é importante verificar a distância entre o adesivo de marcação e o suporte usando uma imagem pré-capturada para ter certeza de que não está fora de arranjo em comparação com a pré-intervenção. No entanto, em nosso projeto, foi insuficiente para confirmar o efeito da interferência fisiológica sistêmica, como o sistema nervoso autônomo sobre o uso do titular da cabeça por medição contínua por um longo tempo. Portanto, é necessário utilizar o monitoramento fNIRS durante paradigmas funcionais e monitoramento multimodal23 no futuro. Em relação à área de interesse para a medição do NIRS, muitos estudos do NIRS sobre processamento cognitivo têm focado na medição da atividade do córtex pré-frontal (PFC), uma vez que o PFC é uma área fundamental na função executiva e no controle cognitivo do movimento31,32. Para tarefas sensoriais, é importante medir a região parietal para avaliar a atividade sensorial. A medição da região parietal é, no entanto, suscetível a obstáculos como cabelo e couro cabeludo grosso; assim, é necessário configurar cuidadosamente a medição. Uma limitação deste método experimental fNIRS é que, devido à estrutura do porta-cabeça, utilizamos o método de medição geral com uma distância optode de 3 cm. No entanto, usando canais de separação curtos para calibrar os sinais ou ruídos superficiais, existe a possibilidade de medir a atividade cerebral precisa33.
Quanto aos métodos de análise de grupo do NIRS, como pré-requisito, é melhor analisar cuidadosamente os dados pessoais dos resultados de medição do NIRS semelhantes aos do EEG. Uma combinação de análises de nível único e de nível de grupo pode ser a abordagem ideal23. Embora o cérebro padronizado seja utilizado para a análise em grupo dos dados do NIRS, foram discutidas limitações em relação à menor resolução espacial4. Neste estudo, o método de registro espacial foi elaborado, sendo possível detectar coordenadas mais precisas, o que potencialmente levou a melhores resultados. Em segundo lugar, o presente estudo tem limitações na capacidade do sistema NIRS descrito aqui. Os valores numéricos utilizados na análise são valores relativos usando NIRS de ondas contínuas, e um dispositivo como o Domínio do Tempo (TD)-NIRS precisa ser usado para avaliação usando valores absolutos34,35. No entanto, o TD-NIRS é caro e tem uma desvantagem de não ser adequado para tal análise multicanal. Como o CW-NIRS é tão amplamente utilizado, precisamos de um método de avaliação relativamente preciso que possa ser realizado para compensar essa deficiência. Como um processo de pré-análise, nossa análise de canal também precisará considerar meios de usar análises adicionais de componentes principais para remover esses confundidores.
No futuro, informaremos os resultados da mudança na pré-vs. pós-operação da estimulação cerebral profunda para a doença de Parkinson9, distúrbios cerebrovasculares comespasticidade 12e comprometimento cognitivo36 usando aplicação de espectroscopia quase infravermelha. Nossos métodos podem ser aplicados a uma variedade de distúrbios neurológicos, como distúrbios de movimento, doenças cerebrovasculares e distúrbios neuropsiquiátricos.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm conflitos de interesse relevantes para este estudo para divulgar.
Acknowledgments
Este trabalho foi parcialmente apoiado pela Sociedade Japonesa para a Promoção da Ciência (JSPS) Grant-in-Aid for Scientific Research (C) 18K08956 e um fundo do Instituto Central de Pesquisa da Universidade de Fukuoka (No. 201045).
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) |
References
- 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).
- Mihara, M., Miyai, I. Review of functional near-infrared spectroscopy in neurorehabilitation. Neurophotonics. 3 (3), 031414 (2016).
- 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).
- 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).
- Obrig, H. NIRS in clinical neurology - a 'promising' tool. Neuroimage. 85, Pt 1 535-546 (2014).
- Fujimoto, H., et al. Cortical changes underlying balance recovery in patients with hemiplegic stroke. Neuroimage. 85, Pt 1 547-554 (2014).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Naseer, N., Hong, K. S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, 3 (2015).
- Mihara, M., et al. Neurofeedback using real-time near-infrared spectroscopy enhances motor imagery related cortical activation. PLoS One. 7 (3), 32234 (2012).
- 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).
- 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).
- 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).
- 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).
- 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).
- Jang, K. E., et al. Wavelet minimum description length detrending for near-infrared spectroscopy. Journal of Biomedical Optics. 14 (3), 034004 (2009).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Torricelli, A., et al. Time domain functional NIRS imaging for human brain mapping. Neuroimage. 85, Pt 1 28-50 (2014).
- Giacalone, G., et al. Time-domain near-infrared spectroscopy in acute ischemic stroke patients. Neurophotonics. 6 (1), 015003 (2019).
- 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).
