Waiting
Login processing...

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

Neuroscience

Kvalitative og komparative kortikale aktivitetsdataanalyser fra et funksjonelt nær-infrarødt spektroskopieksperiment som bruker blokkdesign

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

Vi beskriver analysen av kontinuerlig bølgefunksjonelt nær-infrarødt spektroskopieksperiment ved hjelp av en blokkdesign med en sensorisk oppgave. For å øke påliteligheten til dataanalysen brukte vi den kvalitative generelle lineære modellbaserte statistiske parametriske kartleggingen og de komparative hierarkiske blandede modellene for flere kanaler.

Abstract

Neuroimaging studier spiller en sentral rolle i evalueringen av pre- vs. postintervensjonelle nevrologiske forhold som i rehabilitering og kirurgisk behandling. Blant de mange neuroimaging teknologiene som brukes til å måle hjerneaktivitet, funksjonell nær-infrarød spektroskopi (fNIRS) muliggjør evaluering av dynamiske kortikale aktiviteter ved å måle de lokale hemoglobin nivåer som ligner funksjonell magnetisk resonans avbildning (fMRI). På grunn av mindre fysisk begrensning i fNIRS kan også flere varianter av sensoriske oppgaver evalueres. Mange laboratorier har utviklet flere metoder for fNIRS-dataanalyse; Til tross for at de generelle prinsippene er de samme, er det imidlertid ingen universelt standardisert metode. Her presenterer vi de kvalitative og komparative analysemetodene for data hentet fra et flerkanals fNIRS-eksperiment ved hjelp av en blokkdesign. For kvalitativ analyse brukte vi en programvare for NIRS som en masse-univariat tilnærming basert på den generaliserte lineære modellen. NIRS-SPM-analysen viser kvalitative resultater for hver økt ved å visualisere det aktiverte området under oppgaven. I tillegg kan den ikke-invasive tredimensjonale digitaliseringsenheten brukes til å estimere fNIRS-kanalplasseringene i forhold til hjernen. For å bekrefte NIRS-SPM-funnene kan amplituden av endringene i hemoglobinnivåer som utføres av den sensorimotoriske oppgaven, analyseres statistisk ved å sammenligne dataene som er innhentet fra to forskjellige økter (før og etter intervensjon) av samme studieperson ved hjelp av en flerkanals hierarkisk blandet modell. Våre metoder kan brukes til å måle pre- vs. postintervensjonsanalysen i en rekke nevrologiske lidelser som bevegelsesforstyrrelser, cerebrovaskulære sykdommer og nevropsykiatriske lidelser.

Introduction

Neurorehabilitation spiller en viktig rolle i funksjonell utvinning etter sensorimotorisk forstyrrelse. For å klargjøre mekanismene for nevroplastisitetsrelatert funksjonell utvinning, har ulike nevroimaging teknologier blitt brukt, for eksempel funksjonell magnetisk resonansavbildning (fMRI), positronutslippstomografi (PET), elektroencefalografi (EEG) og funksjonell nær-infrarød spektroskopi (fNIRS). Ulike avbildningsmodaliteter har forskjellige fordeler og ulemper. Selv om fMRI er den mest typiske enheten, påvirkes den av magnetiske felt, har en høy kostnad, høy fysisk begrensning og begrensede sensorimotoriske oppgaver1,2,3,4. FNIRS-enheten skiller seg ut som en ikke-invasiv optisk neuroimaging og har en relativt lavere romlig oppløsning, men den har en bedre temporal oppløsning enn fMRI4. fNIRS er egnet ved verifisering av behandlingseffekter fordi den sammenligner pre- versus postintervensjonseffektene, har dynamiske motoriske oppgaver, er bærbar og fungerer mer i naturlige miljøer enn fMRI1,2,4. NIRS har blitt rapportert å være mer egnet innen cerebrovaskulær sykdom, epileptiske lidelser, alvorlig hjerneskade, Parkinsons sykdom og kognitiv svikt1,5. Når det gjelder sensoriske oppgaver, er den mye brukt i gang og stående balanse6,7,8, øvre lemfunksjon (håndgrep, fingertrykking)8,9, kompleks motorisk ferdighetstrening10,11, robotikk12,13,14,15og hjerne-datamaskin grensesnitt16,17,18. FNIRS er basert på prinsippene for optisk neuroimaging og nevrovaskulær kobling, som måler kortikale metabolske aktivitet, økt blodstrøm og følgelig kortikale aktivitet som sekundære signaler19. fNIRS-signaler er rapportert å ha sterke sammenhenger med signaler om oksygennivåavhengig fMRI20i blodet. En kontinuerlig bølge fNIRS bruker den modifiserte Beer-Lambert-loven til å bestemme endringene i oksygenert hemoglobin (HbO2) og deoksygenert hemoglobin (HHb) kortikale konsentrasjonsnivåer basert på målte endringer i bredbånd nær-infrarød lysdemping21,22. Fordi det ikke var mulig å måle differensialbanelengdefaktoren (DPF) ved hjelp av det kontinuerlige NIRS-systemet, antok vi at DPF var konstant og at hemoglobinsignalendringer ble betegnet i vilkårlige enheter av millimole-millimeter (mM x mm)2,18.

FNIRS-eksperimentene må velge de mest tilstrekkelige metodene, inkludert sondeinnstillingene, eksperimentdesignene og analysemetodene. Når det gjelder sondeinnstillingen, er den internasjonale 10-20-metoden som brukes i EEG-måling innstillingsstandarden som brukes av mange forskere i neuroimaging. De siste årene har koordinatinnstillinger basert på standardhjernen på grunnlag av Montreal Neurological Institute (MNI) koordinater blitt brukt. Eksperimentet bruker en blokkdesign, vanligvis brukt til sensoriske oppgaver og en hendelsesrelatert design. Dette er en metode for å sammenligne endringer i hemoglobinkonsentrasjon i ro og under oppgaver; HbO2 konsentrasjonsnivåer øker og HHb konsentrasjonsnivåer reduseres med endringer i cerebral blodstrøm forbundet med oppgaveavhengig kortikale aktivitet. Selv om det finnes ulike analysemetoder, muliggjør den gratis NIRS-SPM-programvaren en analyse som ligner på den statistiske parametriske kartleggingen (SPM) av fMRI. Behandlingen av NIRS-data bruker en masse-univariat tilnærming basert på den generelle lineære modellen (GLM). Når du utfører oppgaveavhengig hjerneaktivitetsanalyse, kan fNIRS-målingene påvirkes av fremkalt eller ikke-fremkalt nevronaktivitet og systemiske fysiologiske forstyrrelser (hjertefrekvens, blodtrykk, pustefrekvens og autonom nervesystemaktivitet) i hjerne- og ekstracerebralrommet23. Derfor er behandling før analyse, filtrering, wavelet-konvertering og hovedkomponentanalyse nyttig23. Når det gjelder filtrering og artefakter av databehandlingen ved hjelp av NIRS-SPM, ble lavpassfiltrering9 og wavelet minimum beskrivelseslengde (Wavelet-MDL)24 detrending brukt til å overvinne bevegelsen eller andre kilder til støy / artefakt. Hvis du vil ha mer informasjon om denne analysemetoden, kan du se rapporten fra Ye et al.25. Selv om det bare er rapporter som bruker SPM, er det bare en kvalitativ indeks ved bildeanalyse, og på grunn av den lave romlige oppløsningen til NIRS er det nødvendig med ekstrem forsiktighet for gruppeanalyse. Videre, når DPF er konstant, bør numeriske sammenligninger mellom kanaler og enkeltpersoner ikke utføres, men forskjellen i endringene i hver kanal kan verifiseres. Basert på ovennevnte forhold, for å supplere NIRS-SPM-gruppeanalyseresultatene, brukte vi den opprinnelige analysemetoden for flerkanalsanalyse etter å ha forbedret nøyaktigheten av romlig registrering. Denne flerkanalsanalysen sammenlignet amplituden av endringen i HbO2- og HHb-nivåene mellom resten og oppgaveperiodene på hver kanal før og umiddelbart etter behandling ved hjelp av hierarkiske blandede modeller med faste intervensjoner (før eller etter), faste perioder (hvile eller på oppgave) og tilfeldige individuelle effekter.

På denne måten er det flere fNIRS-måle- og analysemetoder; Det er imidlertid ikke etablert noen standardmetode. I dette dokumentet introduserer vi metodene våre, kvalitativ GLM-basert statistisk parametrisk kartlegging og den komparative multi-level hierarkiske blandede modellen, for å analysere data hentet fra et flerkanals fNIRS-eksperiment av pre- vs. postintervensjon ved hjelp av en blokkdesign med sensoriske oppgaver.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Denne studien ble godkjent av institusjonsstyret (IRB) ved Fukuoka University, Japan (IRB Nr. 2017M017). Før deltakelsen ga alle pasientene skriftlig informert samtykke.

1. Utarbeidelse av fNIRS-eksperimentet

MERK: Et flerkanals kontinuerlig bølge laserbasert NIRS-system for dette eksperimentet ble brukt. Bølgelengdene til det nær-infrarøde lyset var 780 nm, 805 nm og 830 nm, og samplingsfrekvensen ble satt til 7,8 Hz. Tids- og romoppløsningen (avstander mellom lysemitteren og detektorsonden) var henholdsvis 0,13 s og 3,0 cm.

  1. Sett fNIRS-enheten på et mørkt, lydløst sted. Utfør eksperimenter ved romtemperatur. Start fNIRS-instrumentet 30 min før eksperimentet.
    MERK: fNIRS-systemer brukes under kontrollerte temperatur- og fuktighetsforhold for å sikre stabil drift av utstyret26.
  2. Bruk en hel hodehetter for fNIRS-opptak og fest hodedekselet på motivets hode slik at posisjonen som tilsvarer den sentrale (Cz) av internasjonalt 10-20-system er plassert på holderen nr. (Figur 1).
  3. Fest markeringsetiketten for å referere til stedspunkter: nasion (Nz), høyre ekstern auditiv kjøtt (AR), og venstre ekstern auditiv meatus (AL).
    MERK: Fordi de tredimensjonale (3D) koordinatene leses rundt posisjonene til Nz, AR, AL-merkingsetiketten og Cz-holderen, er det nødvendig å feste markeringsetiketten før du tar et bilde.
  4. Etter kalibrering av et høyoppløselig digitalt kamera for romlig registrering, ta bilder av motivets hode med sondeplasseringen mens du viser referansepunktene (Cz, Nz, AR og LR) fra 15 perspektiver.
    MERK: Ta et bilde før du plasserer sonden. Hvis et bilde tas etter at sonden er plassert, kan markørens landemerke være skjult av sonden og ledningsledningen. Som anbefalt av produsenten, etter å ha tatt 12 bilder 30 ° diagonalt fremover til høyre for motivet, ta tre eller flere bilder litt over slik at Cz (holder nr. 245) vises på bildet. Dette er fordi det er lett å gjøre det tredimensjonalt når du tar totalt 15 eller flere skudd.
  5. Skill forsiktig motivets hår som forstyrrer optoden ved hjelp av en lysdiode (LED)-opplyst plaststang for å feste sonden. Ordne sonden slik at optodene er festet i minimal avstand fra hodebunnsoverflaten og i kontakt med hodebunnen.
    MERK: Kontroller nøye om det er noe trykk eller ubehag for pasienten på grunn av vedlegget til optodene, på grunn av økende styrke av de systemiske konfunderene forbundet med autonom nervesystemaktivering23.
  6. Ordne 48-kanalssystemet med 32 optoder (16 lyskilder og 16 detektorer, 4 x 4 array for hver halvkule) til en hodehette bilateralt over front- og parietale områder som interesseområder (figur 2).
  7. Start og bruk programvaren for 3D-digitalisering til å fastslå den romlige registreringen.
  8. Når du har skannet bildedataene for et helt hode, må du bestemme den romlige koordinaten til hver pasient ved å måle og lagre automatisk som Origin- og Andre-filen (*CSV-filen).
    MERK: Hvis koordinatpunktene ikke kunne oppdages fra bildene ved hjelp av den automatiske målingen, skriver du inn justeringen manuelt.

2. Kjør eksperimentet

  1. Velg en blokkdesign for eksperimentet, og oppgaven kan være en hvilken som helst bevegelse av interesse for studien, for eksempel håndåpning / lukking, fingertrykking, etc. I vår forrige studie var oppgaven de robotassisterte albuebevegelsene15.
    MERK: Hver syklus er laget av tre blokker (15 s hvile - 15 s oppgave - 15 s hvile), og hver pasient fullfører syv sykluser i hver økt.
  2. Få deltakeren til å vente i en komfortabel posisjon til startsignalet. Be motivet lukke øynene under resten og oppgaven.
  3. Gi start- og stoppsignaler (dvs. "Gjenta fleksjon og forlengelse av albuen", "Stopp og slapp av").
    MERK: Ikke snakk under målinger. Se nøye etter artefakter på skjermen under målinger.
  4. Utfør blokkdesignoppgaven i samme stilling. Oppreist holdning med stående eller sittende stilling er ønskelig å ikke forvrenge headsettet.
    MERK: Hvis pasienten føler seg ukomfortabel etter å ha brukt hodeholderen over lengre tid, må du fjerne eller løsne sonden under robotassistert trening.
  5. Når DU har fullført NIRS-målingen, fjerner du hodeholderen og markeringsetiketten for å avslutte eksperimentet.
    MERK: Kontroller nøye om huden er skadet i hodebunnen på grunn av langvarig bruk.

3. Kvalitativ GLM-analyse ved hjelp av NIRS-SPM-programvare

  1. Start NIRS-SPM på MATLAB-programvaren. Konverter datafilen relatert til endringen i HbO2 og HHb konsentrasjonen samlet fra NIRS-enheten til filformatet for NIRS-SPM analyse.
  2. Velg alternativet for bruk av NIRS-system på hurtigmenyen. Velg lastknappen og velg alternativene konverter HbO2 og HHb konsentrasjonsendring.
  3. Oppdag den romlige registreringen av NIRS-kanalplassering. Merk av for Frittstående , og merk deretter av for Med 3D-digitalisering .
  4. I Fra reelle koordinater til MNI-mellomrom bruker du dialogboksen til å velge _origin. CSV som refererer til referansepunktfilen for koordinaten, og _others. CSV som refererer til koordinatsondene/kanalfilen.
  5. Velg Registrering-knappen. Velg punktene for å gå videre til romlig estimering, og klikk på OK-knappen. Klikk på Project MNI-koordinaten til Rendered Brain-knappen.
    MERK: Den romlige posisjonen til NIRS-kanalplasseringene er estimert på grunnlag av Montreal Neurological Institute (MNI) hjernemal.
  6. Velg alternativet Dorsal View, og klikk på Lagre-knappen.
  7. I delen Angi 1st nivå velger du NIRS-datafilnavn og SPM-katalog. Merk av for hemoglobin . HbO2 eller HHb. Merk alternativet Angi design og velg alternativet Sek. Merk alternativene antall betingelser/forsøk , og skriv inn tallet 7.
  8. Fremhev alternativene Vektor av utbrudd og Varighet[s] og skriv inn en vektor av utbrudd multiplisert med varigheten av de eksperimentelle forholdene som følger.
    MERK: I dette tilfellet bør vektoren av innsettede tider angis som [15:45:285] eller [15 60 105 150 195 240 285]. Varighetsvektoren må angis som [15* enere(7,1)] eller [15 15 15 15 15 15 15].
  9. Velg Wavelet-MDL -knappen for detrending. Bruk førfargingsmetoden: low-pass filter og velg hrf-knappen, og korrelasjonen er riktig, og velg deretter ingen-knappen.
  10. Når du beregner de tidsmessige korrelasjonene, kontrollerer du den individuelle analysen.
    MERK: Lagre den romlige lokaliseringen av fNIRS-kanalposisjoner i de enkelte MNI-koordinatsystemene som en tekstfil. På samme måte lagrer du kartet basert på det enkelte Brodmann-området (BA) som en tekstfil.
  11. Når du estimerer tidskorrelasjonene, kontrollerer du gruppeanalysen. NIRS-SPM justerte gjennomsnittsposisjonene til antall deltakere i henhold til MNI-standardisert hjernekoordinatsystem.
  12. Beregn aktiveringskartet basert på endringene i hemoglobinnivået for den standardiserte hjernen. HbO2- og HHb-nivåene ble ansett som signifikante ved en ukorrigert terskel på p < 0,01.
    MERK: Venstre/høyre informasjon ble vendt i de høyre-berørte sidene for gruppeanalyse.

4. Multikanals komparativ analyse basert på hierarkisk blandet modell

  1. Start SAS-programvaren. Konverter tekstdokumentet (. TXT) av konsentrasjonsendringer av HbO2 og HHb i NIRS datafil behandlet med lav pass filter (cut-off frekvens ble satt til 0.1 Hz) til regneark programvare komma separerte verdier fil (. CSV).
  2. Opprett Importer SAS-data (SAS7bdat) ved hjelp av programmet.
  3. Skriv ut importfilen med følgende kommando, libname ut "Importer fil"
  4. Skriv ut filen før og etter intervensjon for hvert emne, og kjør følgende kommandoer i Analysis SAS. (Figur 3) Under opprettelsen av importfilen, gi et navn som kan identifisere emneinformasjonen og pre- vs. post-intervensjon (f.eks. id1 pre, id1 post ...)
  5. Kjør datakommandoen før og etter intervensjon for hver kanal (ch1-48; HbO2 og HHb) som følger (Figur 4).
  6. Basert på dataene som er hentet fra utdataresultatene, skriver du inn forskjellene før og etter intervensjon i endring (forskjell ved oppgave- og hviletid), hvile- og oppgaveverdier (beregnede verdier, øvre grenser og nedre grenser) for hver kanal i regnearkarbeidsbokfilen (.xlsx).
  7. På samme måte legger du inn teller- og nevnergradene for frihet, F-verdi og P-verdien for interaktivitetselementet i testen Type 3 med fast effekt i regnearkarbeidsbokfilen (.xlsx).
  8. Hvis du vil kontrollere den falske oppdagelsesraten (FDR) i flerkanalstesting, bruker du Benjamin- og Hochberg-metodene27 og kontrollerer FDR med en p-verdi < 0,01.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Her introduserer vi den robotassisterte rehabiliteringen som gruppen vår for tiden jobber med: biofeedback-effektene på øvre lemmotorunderskudd hos pasienter med akutt hjerneslag. Vi inkluderte 10 samtykkende slagpasienter (gjennomsnittsalder: 66,8 ± 12,0 år; to kvinner og åtte menn) som ble innlagt på sykehuset vårt. På subakutt slagstadiet, mer enn 2 uker etter utbruddet, evaluerte vi den motorrelaterte kortikale aktiviteten til disse pasientene ved hjelp av et fNIRS-system før og umiddelbart etter øvre lemrobotassistert rehabilitering samme dag. Når det gjelder blokkdesignoppgavene, utførte de berørte albuefleksjons-/forlengelsesbevegelser 15x innen 15 s i hver oppgavesyklus, og de gjentok syv oppgavesykluser. I tillegg ble seks friske frivillige (gjennomsnittsalder: 58,7 ± 7,1 år; to kvinner og fire menn) også registrert som kontroller for å identifisere plasseringen av den normale oppgaverelaterte kortikale aktiveringen under høyre albuefleksjon / forlengelsesbevegelser.

Figur 5 viser resultatene av gruppeanalysen av 10 slagpasienter ved hjelp av T-statistiske kartleggingsverdier ved hjelp av GLM-modeller med NIRS-SPM-programvaren. Denne metoden viste en økning i kortikale aktivitet av primærmotor cortex i den målte halvkule umiddelbart etter robotassistert rehabilitering sammenlignet med det før treningen. Datainnsamlingen før intervensjonen, intervensjonen (robotassistert trening) og datainnsamlingen etter intervensjonen ble utført på den ene eksperimentelle økten samme dag og på samme sted.

Figur 6 viser resultatene av flerkanalsgruppeanalysen som sammenligner pre- versus postintervensjon (robotassistert trening). Statistisk analyse av den hierarkiske blandede modellen på flere nivåer med SAS-programvaren ble utført. Økt kortikale aktivitet i primærmotor cortex ble observert etter intervensjon, samme hjerneregion som i NIRS-SPM.

Figure 1
Figur 1: Innstilling av tredimensjonal (3D) romlig registrering og hver holder på hodehetten som brukes til fNIRS-opptak. No. 245 holderen indikert av pilen i figuren viser den sentrale posisjonen (Cz), som er en av koordinataksene. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Arrangement av 48-kanalssystemet med 32 optoder under fNIRS-opptaket. (A) Plassering av sonder på hodeholder, (B) arrangement av de 48 kanalene og sondene (16 lyskilder og 16 detektorer; 4 x 4 array for hver halvkule) til en hodehette bilateralt over de kortikale områdene, som interesseområder. Klikk her for å se en større versjon av denne figuren.

Figure 3
Figur 3: Kommandoinndata for å opprette filer som brukes i SAS-analyseprogramvaren. Figuren viser hvordan du definerer termer og numeriske verdier på kommandoinndataskjermen som konverterer tekstfilinformasjonen fra NIRS-filen til en Excel CSV-fil og deretter konverterer den for SAS-analyse. ID, Alder, Kjønn, ipsilesional side, før og etter intervensjonen, total tid og aktivitetsperioder, ble angitt numerisk. I tillegg ble det også lagt inn informasjon om HbO2, HHb og totalt hemoglobinkonsentrasjonsnivå (mM x mm). Klikk her for å se en større versjon av denne figuren.

Figure 4
Figur 4: Kommandoinndata som brukes for hver kanalanalyse i SAS-analyseprogramvaren. I denne hierarkiske blandede modellen på flere nivåer ble følgende numeriske verdier angitt og angitt på inndataskjermbildet for SAS-kommandoen. Statusen i hvile (aktivitet = 0) og ved oppgave (oppgave = 1) ble sammenlignet, og statusen ved gjenoppretting (oppgave = 2) ble utelatt. Videre ble statusen før intervensjonen satt til n = 0 og statusen umiddelbart etter at intervensjonen ble satt til n = 1, og interaksjonen ble undersøkt for statistisk signifikante forskjeller i endringsmengden i HbO2 og HHb for hver kanal. I figuren utelates inndataskjerminformasjonen opp til ch2 eller ch47. Klikk her for å se en større versjon av denne figuren.

Figure 5
Figur 5: Resultatene av gruppeanalysen av de t-statistiske kartleggingsverdiene ved hjelp av GLM-modeller med NRS-SPM-programvaren. Den gjennomsnittlige kortikale aktiviteten fra alle pasienter er avbildet på ovennevnte syn på standardiserte hjernemodeller. Øvre og nedre representerer kortikale aktivering i henholdsvis HbO2 og HHb nivå. Det riktige bildet indikerer kortikale aktivitet av friske personer under oppgavene. Sammenlignet med robotassistert rehabilitering før, ble kortikale aktiviteten økt umiddelbart etter robotassistert trening samme dag. Sammenlignet med andre kortikale regioner ble hver utførelsesstatus betydelig økt (ukorrigert, p < 0,01). Stiplede linjer indikerer den sentrale sulcus (CS) på normaliserte hjernebilder. Denne figuren er endret fra Saita et al.15. Klikk her for å se en større versjon av denne figuren.

Figure 6
Figur 6: Resultatet av flerkanalsanalysen ved hjelp av hierarkiske blandede modeller på flere nivåer med SAS-programvaren. Endringsaktiviteten representerer sammenligningen mellom pre- og postintervensjon ved hjelp av robotassisterte rehabiliteringsbehandlinger. For venstre bilde ble antallet NIRS-kanaler lagt over på den standardiserte hjernen i henhold til MNI-koordinatsystemet. For det høyre bildet angir rødt og blått en økning og reduksjon i henholdsvis HbO2-nivået (FDR korrigert, p < 0,01). Grå indikerer at kanalene ikke endret seg betydelig etter robotassistert rehabilitering. Denne figuren er endret fra Saita et al.15. Klikk her for å se en større versjon av denne figuren.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

I våre gruppeanalysemetoder for fNIRS, i tillegg til å utføre en bildeanalysemetode ved kvalitative t-statistikkkartlegginger, sammenlignet vi pre- vs. postintervensjon (robotassistert trening) ved hjelp av den komparative flerkanalsanalysen. For kvalitativ analyse brukte vi NIRS-SPM-programvaren som en masse-univariat tilnærming basert på den generaliserte lineære modellen. NIRS-SPM-analysen viser kvalitative resultater fra hver økt ved å visualisere det aktiverte området under oppgaven. Videre muliggjør informasjonen til den ikke-invasive 3D-digitaliseringsenheten estimering av fNIRS-kanalplasseringer i forhold til hjernen. Gruppeanalysen ved hjelp av NIRS-SPM-analyse var i stand til å fange opp de grove hjerneaktiveringsområdene før og etter intervensjon under de sensorimotoriske oppgavene, men kunne ikke sammenligne forskjellen i endringer i de samme kanalene. For å bekrefte NIRS-SPM-funnene kan amplituden av endringene i hemoglobinnivåer som utføres av den sensorimotoriske oppgaven analyseres statistisk ved å sammenligne dataene innhentet fra to forskjellige økter (dvs. før og etter intervensjon) i samme studieperson ved hjelp av flerkanals hierarkisk blandet modell. Ved å bruke disse to metodene utfyller resultatene hverandre gjensidig og ble vist tydeligere.

For å oppnå nøyaktig oppgaverelatert hjerneaktivitet ved hjelp av NIRS-data er oppgavedesign, sondeplassering, foranalysebehandling, analysemetoder og miljøinnstillinger svært viktige23,26. Når det gjelder blokkdesign ved hjelp av sensoriske oppgaver i våre representative studier, setter vi oppgaven og hviletiden tilhenholdsvis15 og 30 s . Det har blitt rapportert at toppen etter aktiviteten og utvinningen av hviletid avhenger av oppgavedesignet. I tidligere undersøkelser ble det rapportert at oppgaveutformingen ofte er 10-30 s for oppgaver relatert til håndbevegelse (fingertrykking, gripende oppgave) og 30 s for oppgaver relatert til holdningskontroll og gange7,8,28. For aktivitetsperiodene tar det omtrent 5-10 s å nå toppen etter at du har startetaktivitetsaktiveringen 8,29, og gjenopprettingsperiodene er gunstige med en tilfeldig varierende 15 til 18 s for å unngå forventningseffekter og Mayer-Wave28,30. I denne forbindelse anses oppgaveprotokollen for vår forskning å være egnet og gjennomførbar da den følger blokkdesign med albuebevegelse. Det kan imidlertid hende at oppgaveperiodene må være lengre basert på oppgavevansker, for eksempel for gåoppgaver og komplekse kognitive oppgaver. Når det gjelder sondeordningen, har fNIRS en dårligere romlig løsning, så omorganisering av pre- vs. postintervensjon er et stort problem. I vår representative studie ble denne mangelen kompensert av vårt design som ikke krevde sondeflytting for å bekrefte den umiddelbare effekten av robotbehandling samme dag. Hvis omplassering er nødvendig, er det viktig å kontrollere avstanden mellom merkeetiketten og holderen ved hjelp av et forhåndsinnfanget bilde for å sikre at det ikke er ute av arrangement sammenlignet med pre-intervensjon. Men i vårt design var det ikke tilstrekkelig å bekrefte effekten av systemisk fysiologisk interferens som det autonome nervesystemet ved bruk av hodeholderen ved kontinuerlig måling i lang tid. Derfor er det nødvendig å bruke fNIRS-overvåking under funksjonelle paradigmer og multimodal overvåking23 i fremtiden. Når det gjelder interesseområdet for NIRS-måling, har mange NIRS-studier på kognitiv behandling fokusert på å måle prefrontal cortex (PFC) aktivitet gitt at PFC er et sentralt område i utøvende funksjon og kognitiv kontroll av bevegelse31,32. For sensoriske oppgaver er det viktig å måle parietalområdet for å vurdere sensorisk aktivitet. Målingen av parietalområdet er imidlertid utsatt for hindringer som hår og tykk hodebunn; Dermed er det nødvendig å nøye sette opp målingen. En begrensning ved denne eksperimentelle metoden fNIRS er at på grunn av strukturen til hodeholderen brukte vi den generelle målemetoden med en optodeavstand på 3 cm. Ved hjelp av korte separasjonskanaler for å kalibrere overfladiske signaler eller lyder, er det imidlertid en mulighet til å måle nøyaktig hjerneaktivitet33.

Når det gjelder NIRS-gruppens analysemetoder, er det som en forutsetning best å analysere personopplysningene til NIRS-måleresultater som ligner på EEG. En kombinasjon av analyser på enkeltnivå og gruppenivå kan være den optimale tilnærmingen23. Selv om den standardiserte hjernen brukes til gruppeanalyse av NIRS-data, har begrensninger med hensyn til lavere romlig oppløsning blitt diskutert4. I denne studien ble den romlige registreringsmetoden utviklet, og det var mulig å oppdage mer nøyaktige koordinater, noe som potensielt førte til bedre resultater. For det andre har denne studien begrensninger i evnen til det beskrevne NIRS-systemet her. De numeriske verdiene som brukes i analysen, er relative verdier som bruker nirs med kontinuerlig bølge, og en enhet som TD (Time Domain) -NIRS må brukes til evaluering ved hjelp av absolutte verdier34,35. TD-NIRS er imidlertid dyrt og har en ulempe ved ikke å være egnet for slik flerkanalsanalyse. Fordi CW-NIRS er så mye brukt, trenger vi en relativt nøyaktig evalueringsmetode som kan realiseres for å gjøre opp for denne mangelen. Som en forhåndsanalyseprosess må vår kanalanalyse også vurdere metoder for å bruke ytterligere hovedkomponentanalyse for å fjerne disse konfundererne.

I fremtiden vil vi rapportere resultatene av endring i pre- vs. etter drift av dyp hjernestimulering for Parkinsons sykdom9, cerebrovaskulære lidelser med spastisitet12, og kognitivsvikt 36 ved hjelp av nær-infrarød spektroskopiapplikasjon. Våre metoder kan brukes på en rekke nevrologiske lidelser som bevegelsesforstyrrelser, cerebrovaskulære sykdommer og nevropsykiatriske lidelser.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen interessekonflikter som er relevante for denne studien å avsløre.

Acknowledgments

Dette arbeidet ble delvis støttet av Japan Society for the Promotion of Science (JSPS) Grant-in-Aid for Scientific Research (C) 18K08956 og et fond fra Central Research Institute of Fukuoka University (Nr. 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)

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

Nevrovitenskap utgave 166 NIRS kontinuerlig bølge neuroimaging kortikale aktiviteter sensorimotorisk blokkdesign statistisk parametrisk kartlegging SPM generalisert lineær modell GLM hierarkisk blandet modell nevrorehabilitering
Kvalitative og komparative kortikale aktivitetsdataanalyser fra et funksjonelt nær-infrarødt spektroskopieksperiment som bruker blokkdesign
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