Summary
פרוטוקול הניסוי מדגים את הפרדיגמה לרכישה וניתוח של אותות אלקטרואנצפלוגרפיה (EEG) במהלך תנועת גפיים עליונות אצל אנשים עם שבץ. השינוי ברשת התפקודית של רצועות תדר EEG נמוכות בטא נצפה במהלך תנועת הגפה העליונה הלקויה והיה קשור למידת הפגיעה המוטורית.
Abstract
שינוי באותות אלקטרואנצפלוגרפיה (EEG) במהלך תנועה ספציפית למשימה של הגפה הפגועה דווח כסמן ביולוגי פוטנציאלי לחומרת הליקוי המוטורי ולניבוי התאוששות מוטורית אצל אנשים עם שבץ. בעת יישום ניסויי EEG, פרדיגמות מפורטות ופרוטוקולי ניסוי מאורגנים היטב נדרשים כדי להשיג תוצאות חזקות וניתנות לפרשנות. בפרוטוקול זה, אנו ממחישים פרדיגמה ספציפית למשימה עם תנועת גפיים עליונות ושיטות וטכניקות הדרושות לרכישה וניתוח של נתוני EEG. הפרדיגמה מורכבת מדקה אחת של מנוחה ואחריה 10 ניסויים הכוללים לסירוגין 5 שניות ו-3 שניות של מצבי מנוחה ומשימה (הארכת יד), בהתאמה, במשך 4 מפגשים. אותות EEG נרכשו באמצעות 32 אלקטרודות קרקפת Ag/AgCl בקצב דגימה של 1,000 הרץ. בוצעו ניתוחי הפרעות ספקטרליות הקשורות לתנועת גפיים וניתוחי רשת פונקציונליים ברמה הגלובלית בתחום התדרים בטא נמוך (12-20 הרץ). תוצאות מייצגות הראו שינוי ברשת התפקודית של פסי תדרי EEG בעלי בטא נמוכה במהלך תנועה של הגפה העליונה הפגועה, והרשת התפקודית שהשתנתה הייתה קשורה למידת הפגיעה המוטורית בחולי שבץ כרוני. התוצאות מדגימות את ההיתכנות של פרדיגמת הניסוי במדידות EEG במהלך תנועת גפיים עליונות אצל אנשים עם שבץ. יש צורך במחקר נוסף המשתמש בפרדיגמה זו כדי לקבוע את הערך הפוטנציאלי של אותות EEG כסמנים ביולוגיים של ליקוי מוטורי והתאוששות.
Introduction
ליקוי מוטורי בגפיים העליונות הוא אחת התוצאות השכיחות ביותר של שבץ מוחי והוא קשור למגבלות בפעילויות היומיום 1,2. מקצבי אלפא (8-13 הרץ) ובטא (13-30 הרץ) ידועים כקשורים קשר הדוק לתנועות. בפרט, מחקרים הראו כי שינוי בפעילות העצבית בתדרי אלפא ובטא תחתונה (12-20 הרץ) במהלך תנועה של גפה לקויה מתואם עם מידת הליקוי המוטורי אצל אנשים עם שבץמוחי 3,4,5. בהתבסס על ממצאים אלה, אלקטרואנצפלוגרפיה (EEG) התפתחה כסמן ביולוגי פוטנציאלי המשקף הן את חומרת הליקוי המוטורי והן את האפשרות להתאוששות מוטורית 6,7. עם זאת, סמנים ביולוגיים מבוססי EEG שפותחו בעבר הוכחו כבלתי מספיקים לחקר המאפיינים של ליקוי מוטורי אצל אנשים עם שבץ, בעיקר בשל הסתמכותם על נתוני EEG במצב מנוחה ולאעל נתוני EEG 8,9,10 המושרה על ידי משימה. עיבוד מידע מורכב הקשור לליקויים מוטוריים, כגון האינטראקציה בין המיספרות איפסילציוניות וקונטרלסיונליות, יכול להתגלות רק באמצעות נתוני EEG המושרה על ידי משימה, ולא EEG במצב מנוחה. לכן, מחקרים נוספים נדרשים לא רק כדי לחקור את הקשר בין פעילויות עצביות לבין מאפייני ליקוי מוטורי ולהבהיר את התועלת של EEG שנוצר במהלך תנועה של חלק הגוף הלקוי כסמן ביולוגי פוטנציאלי לליקוי מוטורי אצל אנשים עם שבץ11.
יישום EEG להערכת השפעות התנהגותיות דורש פרדיגמות ופרוטוקולים ספציפיים למשימה. עד כה, פרוטוקולי EEG שונים הוצעו12, כאשר אנשים עם שבץ ביצעו תנועות דמיוניות או ממשיות כדי לגרום לפעילויות מוח הקשורות לתנועה11,13. במקרה של תנועות מדומיינות, כ-53.7% מהמשתתפים לא יכלו לדמיין בוודאות תנועה מקבילה (הנקראת "אנאלפביתיות") ולכן לא הצליחו לגרום לפעילות מוחית הקשורה לתנועה14. יתר על כן, קשה לאנשים עם שבץ חמור להזיז את כל הגפיים העליונות, ויש אפשרות של ממצאים מיותרים במהלך רכישת נתונים עקב תנועות לא יציבות. לכן, נדרשת הדרכה המבוססת על ידע מקצועי כדי להשיג נתוני EEG באיכות גבוהה הקשורים למשימה ותוצאות הניתנות לפענוח נוירופיזיולוגי. במחקר זה, תכננו באופן מקיף פרדיגמה ניסיונית עבור אנשים עם שבץ לביצוע מטלת תנועת יד פשוטה יחסית וסיפקנו הליך ניסיוני עם הדרכה מפורטת.
על ידי התוויית פרוטוקול הניסוי החזותי במאמר זה, ביקשנו להמחיש את המושגים והשיטות הספציפיים המשמשים לרכישה וניתוח של פעילויות עצביות הקשורות לתנועת הגפה העליונה באמצעות מערכת EEG. בהדגמת ההבדל בפעילות העצבית באמצעות EEG בין הגפיים העליונות הפארטיות והלא פארטיות בקרב משתתפים עם שבץ המיפלגי, מחקר זה ביקש להציג את ההיתכנות של EEG באמצעות הפרוטוקול המתואר כסמן ביולוגי פוטנציאלי לחומרת הליקוי המוטורי אצל אנשים עם שבץ בהקשר חתך.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
כל הליכי הניסוי נבדקו ואושרו על ידי מועצת הביקורת המוסדית של בית החולים בונדאנג של האוניברסיטה הלאומית בסיאול. לצורך הניסויים במחקר זה גויסו 34 משתתפים עם שבץ מוחי. הסכמה מדעת חתומה התקבלה מכל המשתתפים. הסכמה מדעת חתומה התקבלה מנציג משפטי אם משתתף עמד בקריטריונים אך לא יכול היה לחתום על טופס ההסכמה בשל מוגבלותו.
1. מערך ניסיוני
- גיוס מטופלים
- בצע את תהליך הסינון באמצעות קריטריוני ההכללה הבאים:
בגילאי 18 עד 85 שנים עם נוכחות של תפקודי גפיים עליונות לקויות;
שבץ איסכמי או דימומי ראשון אי פעם שאושר על ידי טומוגרפיה ממוחשבת במוח או הדמיית תהודה מגנטית;
יכולתו של המשתתף לעקוב אחר ההוראות להערכה קלינית ולמחקר EEG;
היעדר היסטוריה של מחלות פסיכיאטריות או נוירולוגיות אחרות למעט שבץ מוחי. - לא לכלול חולים על בסיס הדברים הבאים:
מחלה קודמת המערבת את מערכת העצבים המרכזית (למשל, פגיעה מוחית טראומטית, גידול במוח, מחלת פרקינסון);
חוסר יכולת לחבוש את כובע EEG; ו
חוסר יכולת לעקוב אחר ההוראות להערכה הקלינית ולמחקר EEG.
הערה: קריטריוני ההכללה וההדרה נבחרו כדי לבחור את המשתתפים המסוגלים להשתתף בניסוי ולווסת את הגורמים הדמוגרפיים שיכולים להשפיע על התוצאות. - לספק לכל המשתתפים שגויסו מידע על פרטי הליך הניסוי.
- בצע את תהליך הסינון באמצעות קריטריוני ההכללה הבאים:
- מערכת ניסיונית: EEG
- השתמש במערכת EEG המורכבת מ-32 אלקטרודות קרקפת Ag/AgCl, כובע EEG טקסטיל ותוכנת הקלטת EEG להקלטת נתונים.
- השתמש במחשב אישי (PC) שבו מותקנת תוכנת הקלטת EEG וחבר את המחשב להתקן EEG באמצעות Bluetooth.
- השתמש במחשב אחר עם יישום תוכנה לניתוח מספרי ותכנות להנדסה (ראה טבלת חומרים).
- להצגת גירויים, חברו את המחשב לתיבת טריגר ייעודית (איור 1).
הערה: המפרטים המפורטים של שני המחשבים מופיעים בטבלת חומרים.
- פרדיגמה ניסיונית המבוססת על תוכנות תכנות
הערה: המשתתפים ביצעו מטלת הארכת יד באמצעות הידיים המושפעות והלא מושפעות, שבמהלכה נמדדו נתוני EEG. איור 2 מראה את הפרדיגמה הניסויית של המחקר הזה.- הצג שני גירויים חזותיים, CLOSE ו - OPEN, במשך 30 שניות כל אחד, במרכז הצג כדי למדוד נתוני EEG במצב מנוחה בסיסי, שבמהלכם המשתתף נסגר ופוקח את העיניים.
הערה: מכיוון שנתוני EEG במצב מנוחה מזוהמים פחות באופן יחסי על ידי ממצאים פיזיולוגיים לא רצויים, הם שימושיים לאימות איכות נתוני EEG ולזיהוי מאפייני EEG בודדים ביחס למצב המנוחה. - הציגו תמונת תנועת יד במשך 3 שניות כדי להנחות את המשתתף לבצע תנועת הארכת יד, ואחריה סימן קיבוע למשך 5 שניות למנוחה.
הערה: הליך זה נחשב כניסוי וחזר על עצמו 10 פעמים בפגישה אחת. כל משתתף עבר 4 מפגשים לכל יד. למשתתף הייתה הפסקה מתי שהוא רצה לאחר ביצוע כל אימון כדי למנוע עייפות מוגזמת.
- הצג שני גירויים חזותיים, CLOSE ו - OPEN, במשך 30 שניות כל אחד, במרכז הצג כדי למדוד נתוני EEG במצב מנוחה בסיסי, שבמהלכם המשתתף נסגר ופוקח את העיניים.
איור 1: סכמה של מערך הציוד. מחשב אישי (PC1) שהציג גירויים ניסיוניים חובר לקופסת טריגר, ומחשב נוסף (PC2) חובר למגבר EEG. אירועי גירוי שנוצרו ב-PC1 הועברו למגבר ה-EEG דרך תיבת ההדק המחוברת ל-PC1. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 2: פרדיגמה ניסויית ששימשה במחקר זה. ניסוי יחיד כלל תנועת הארכת יד של 3 שניות ואחריה הרפיה של 5 שניות. דפוס זה חזר על עצמו 10 פעמים בפגישה אחת. בסך הכל בוצעו שמונה מפגשים; ארבעה מפגשים כללו תנועת יד מושפעת, ואילו ארבעת האחרים כללו תנועת יד לא מושפעת. איור זה נלקח מ- Shim et al.17 באישור Mary Ann Liebert, Inc. לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
2. רישום נתוני EEG הקשורים לתנועה
- הגדרת EEG
- הושיבו את המשתתף בכורסה נוחה מול צג.
הערה: המרחק בין המשתתף לצג צריך להיות לפחות 60 ס"מ כדי למנוע עייפות עיניים. עם זאת, יש להימנע ממרחק מוגזם (למשל, >150 ס"מ) מכיוון שהוא עלול להסיח את דעת הריכוז של המשתתף. - כדי לחבוש במדויק את הכובע למדידת EEG, הגדירו את מיקום ה-Cz בהתבסס על מערכת 10-20 הבינלאומית באמצעות הצטלבות הקו האורכי המחבר בין הנזיון והאינון לבין הקו הרוחבי המחבר את החלק העליון של שני האאוריקלים.
הערה: ייתכן שלא יידרש מכסה EEG, בהתאם לציוד המדידה של ה-EEG. במקרה כזה, אלקטרודות EEG מחוברות ישירות לקרקפת על פי מערכת 10-20 הבינלאומית15. - למדידת EEG מדויקת, השתמש בכובע EEG בגודל המתאים בהתאם לגודל הראש של המשתתף ומקם אותו כך שמיקום אלקטרודת ה- Cz ממוקם במיקום ה- Cz הבודד.
- תקן את רצועת הסנטר עם הידוק מתאים; זה ימנע מהמשתתפים להרגיש לא בנוח במהלך הבליעה והמצמוץ בניסוי. לאחר מכן, ודא כי מיקומי האלקטרודות T9 ו- T10 של כובע ה- EEG נמצאים באזור הטמפורלי מעל שני האאוריקלים, ומיקום אלקטרודת Fpz של כובע ה- EEG ממוקם באמצע המצח.
הערה: אם אלקטרודות אלה אינן נמצאות במיקום המיועד, שקול לשנות את המכסה. במחקר שלנו נעשה שימוש בשלושה גדלים של כובעי EEG (54 ס"מ: קטן, 56 ס"מ: בינוני, 58 ס"מ: גדול). - לאחר מיקום נכון של מכסה ה-EEG, חברו 32 אלקטרודות קרקפת Ag/AgCl על הקרקפת בהתאם למערכת הבינלאומית המורחבת 10-10, כאשר אלקטרודות הארקה וייחוס נמצאות ב-Fpz וב-FCz, בהתאמה16.
הערה: מיקומה של אלקטרודת הייחוס (FCz) מושפע פחות באופן יחסי מממצאים פיזיולוגיים שונים, כגון אלה מאלקטרוקולוגרפיה, אלקטרומיוגרפיה ואלקטרוקרדיוגרפיה, מכיוון שהיא ממוקמת סביב האזור המרכזי (Cz) של הקרקפת. - התאימו את רמת העכבה בין אלקטרודות ה-EEG לקרקפת באמצעות ג'ל מוליך, וקיבעו את השיער בעזרת הג'ל כדי למנוע חסימה בין אלקטרודות ה-EEG לקרקפת.
הערה: חשוב לוודא אם נוצר גשר כלשהו בין אלקטרודות EEG סמוכות עקב דליפת ג'ל. - השתמש בתוכנה להקלטת EEG.
- הפעל את מערכת EEG והפעל תצורה > בחר מגבר. בחר Liveamp > > מגבר > להתחבר. חפש את פונקציית Liveamp עבור החיבור האלחוטי (איור 3).
- הפעל את פונקציית בדיקת העכבה כדי לנטר את רמת העכבה עבור כל אלקטרודה.
הערה: מומלץ לבצע את הניסוי עם רמת עכבה של <20 KΩ (איור 4). - בצעו את פונקציית הניטור כדי לאשר אם ל-EEGs של כל האלקטרודות יש רמות משרעת דומות באמצעות ניטור אותות EEG בזמן אמת (איור 5).
הערה: המשרעת של אות EEG היא בדרך כלל בין 10 μV ו 100 μV, ואת כוח אלפא (8-12 הרץ) עולה סביב האזור העורפי כאשר העיניים עצומות. לכן, איכות נתוני EEG יכולה להיות מאושרת איכותית על ידי ניטור רמת המשרעת ותנודות אלפא בערוצים סביב האזור העורפי בזמן שהעיניים עצומות.
- הושיבו את המשתתף בכורסה נוחה מול צג.
- הגדרת פרדיגמה
- לקליטה יציבה של נתוני EEG, השתמש בשני מחשבים נפרדים להצגת גירויים חיצוניים ולהקלטת נתוני EEG (ראה איור 1).
- כדי להציג גירויים ניסיוניים למשתתפים, צור תוכנית גירוי המבוססת על הפרדיגמה הניסויית באמצעות תוכנת תכנות (שהוצגה בשלב 1.3).
הערה: במחקר זה נוצרה תוכנת גירוי מבוססת תוכנה, אך ניתן להשתמש בתוכנות אחרות בהתאם לתאימות שלהן לציוד EEG המשמש לניסוי, כמו גם לנוחות המשתמש. סקריפט הגירוי מבוסס תוכנת התכנות מסופק בקובץ משלים 1 (Experimental_stimulus.m). המידע על האירוע, המציין את נקודת ההתחלה של גירויים, נוצר על-ידי תוכנת התכנות הפנימית, ומועבר למגבר ה-EEG דרך תיבת ההדק, ובסופו של דבר לתוכנת ההקלטה EEG (איור 1). - הפעל את התוכנית המציגה את הגירויים הניסיוניים במצב ניטור (עיין בשלב משנה 2.1.10). לאחר מכן, ודא שפרטי האירוע מסומנים כראוי בזמן בתחתית תוכנת הקלטת EEG בכל פעם שמוצג גירוי, כפי שמוצג באיור 6.
הערה: מידע על נקודת הזמן נרשם בכל פעם שמוצג גירוי חדש ולאחר מכן משמש לפילוח נתונים. לכן, חשוב להשיג את נקודות הזמן המדויקות של אירועי הניסוי ככל האפשר כדי למנוע פילוח נתונים לא מדויק, שיוביל לתוצאות לא אמינות בניתוח. - הפעל את תוכנת הקלטת EEG, ולאחר מכן הפעל באופן עצמאי את תוכנית הצגת הגירוי שפותחה על בסיס פרדיגמת הניסוי באמצעות תוכנת תכנות כדי למנוע את השמטת הנתונים.
הערה: לנוחות ניתוח הנתונים, מומלץ ליצור שמות קבצים עם כלל עקבי לאחסון נתונים (לדוגמה, Sub1_Session1).
- הקלטת EEG
- למדוד EEG בקצב דגימה של 1,000 הרץ בהתאם לפרדיגמת הניסוי שהוצגה בשלב 1.3.
הערה: ניתן לשנות את קצב הדגימה בהתאם לטווח תדרי ה-EEG שהחוקר רוצה לחקור. בדרך כלל מומלץ להשתמש בקצב דגימה של >200 הרץ שבו ניתן לחקור מידע EEG ב ≤100 הרץ בהתבסס על משפט נייקוויסט. הסיבה לכך היא שרוב המידע על EEG קיים מתחת ל-100 הרץ. - לשמור על אותן סביבות ניסוי (למשל, מקום הניסוי, ציוד, טמפרטורת החדר וכו') ככל האפשר בין המשתתפים ולהנחות אותם למזער תנועות מיותרות במהלך מדידת EEG.
- למדוד EEG בקצב דגימה של 1,000 הרץ בהתאם לפרדיגמת הניסוי שהוצגה בשלב 1.3.
איור 3: הליך חיבור אלחוטי בין מגבר EEG למחשב באמצעות תוכנת הקלטת EEG. בצע את השלבים לפי הסדר: (א) בחר מגבר, (ב) חבר מגבר, (ג) חפש את המגבר המחובר לחיבור אלחוטי, (ד) החיבור הושלם. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 4: נוהל בדיקת עכבה עבור כל ערוץ. יש להתאים את כל הערוצים לצבע ירוק למדידת EEG יציבה. מומלץ לבצע את הניסוי עם עכבה של פחות מ 20 KΩ. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 5: נוהל ניטור נתונים בזמן אמת עבור כל ערוץ. ניתן לנטר אותות מכל הערוצים הנמדדים בזמן אמת וניתן להגדיל / להקטין אותם באמצעות האפשרות (תיבה אדומה) בסרגל העליון. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 6: צילום מסך לניטור מידע על אירועים. הפסים האדומים מציינים יוצרי אירועים המוצגים בכל פעם שגירוי מסופק על ידי PC1. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
3. ניתוח נתוני EEG
הערה: מחקר זה מספק הנחיות מדויקות לשכפול מושג המחקר. לכן, הוא מספק מתאר קצר של תהליך הניתוח ותוצאות מייצגות. את התהליכים המפורטים ואת התוצאות הנלוות ניתן למצוא במחקר קודם17. זה משמש אינדיקציה לכך שמרי אן ליברט בע"מ העניקה רשות לשימוש בחומר המוגן בזכויות יוצרים.
- עיבוד מקדים
- הסר ממצאים הקשורים לעין מנתוני EEG גולמיים באמצעות הליכים מתמטיים המבוססים על ניתוח רכיבים עיקריים המיושמים בתוכנת עיבוד מקדים של נתוני EEG18,19 (ראה טבלת חומרים).
הערה: אם תקופה כלשהי הציגה ממצאים בולטים (± 100 μV), אפילו לאחר עיבוד מקדים באחת מהאלקטרודות, היא לא נכללה בניתוח נוסף. המספר הממוצע של תקופות שנדחו, כולל סטיית התקן שלהן, היה 3.69 ±-7.15 עבור מטלת תנועת היד המושפעת ו-1.62 ±-3.95 עבור מטלת תנועת היד שלא הושפעה. - החל מסנן פסים בין 0.1 הרץ ל- 55 הרץ. פלח את נתוני ה- EEG המעובדים מראש מ- -1 שניות ל- 3.5 שניות עבור כל ניסוי בהתבסס על תחילת המשימה כדי להכיל את תקופת הבסיס המשמשת להפרעות ספקטרליות הקשורות לאירועים (ERSP) ולניתוחי רשת פונקציונליים.
- הסר ממצאים הקשורים לעין מנתוני EEG גולמיים באמצעות הליכים מתמטיים המבוססים על ניתוח רכיבים עיקריים המיושמים בתוכנת עיבוד מקדים של נתוני EEG18,19 (ראה טבלת חומרים).
- ניתוח ERSP
הערה: נתוני ה-EEG שנמדדו אומתו באמצעות ניתוח ERSP עבור רצועת תדרי בטא נמוכה (12-20 הרץ) הקשורה לתנועות רצוניות.- בצע התמרת פורייה קצרת מועד עבור כל ניסוי כדי לחשב כוחות ספקטרליים של EEG, שעבורם נעשה שימוש בפונקציית newtimef של ארגז הכלים EEGLAB בתוכנת התכנות 20 (חלון Hanning שאינו חופף, גודל חלון של250 ms).
- נרמל את ספקטרום העוצמה של כל ניסוי על-ידי הפחתת ההספק הממוצע של תקופת הבסיס (-1 עד 0 שניות) כדי לחקור את השינויים בכוחות הספקטרליים בין משימת תנועת היד לבין תקופת קו הבסיס.
- הערך מפות ERSP מנורמלות בקו הבסיס עבור כל מטופל על ידי ממוצע ספקטרום הכוח המנורמל לאורך ניסויים.
- ניתוח רשת פונקציונלי
הערה: ניתוח רשת תפקודית נערך כדי לחקור שינויים ב- EEG מנקודת מבט של רשת מוחית. כדי לחשב מדדי רשת משוקללים של כל המוח בהתבסס על תורת הגרפים, קישוריות המוח בין אזורים שונים חושבה תחילה באמצעות ערך נעילת הפאזה (PLV). לאחר מכן חושבה מטריצת קישוריות פונקציונלית באמצעות תוצאות ניתוח קישוריות מבוסס PLV, אשר שימש לאחר מכן לחישוב מדדי רשת המוח כולו17. כל ניתוחי הרשת הפונקציונליים בוצעו באמצעות תוכנת התכנות.- חשב את ערך נעילת הפאזה מבוסס התמרת הילברט (PLV) עבור פס תדרי בטא נמוך (12-20 הרץ) באמצעות פונקציה פנימית21,22. הפונקציה הפנימית לחישוב PLV מבוסס טרנספורמציה הילברט מסופקת בקובץ משלים 2 (myPLV.m).
- הערך את ה- PLV בין כל הזוגות האפשריים של 32 אלקטרודות EEG בכל נקודת זמן במהלך תקופות המשימה (0-3.5 שניות) וצור מטריצת סמיכות סימטרית (32 x 32, מספר אלקטרודות = 32) על ידי ממוצע ה- PLV לאורך תקופת המשימה. השתמש במטריצת PLV כנתוני קלט לניתוח רשת 17,23.
- הערך ארבעה מדדי רשת משוקללים ברמה הגלובלית בהתבסס על תורת הגרפים באמצעות ארגז הכלים לקישוריות מוחית (https://sites.google.com/site/bctnet): (1) חוזק, (2) מקדם אשכולות, (3) אורך נתיב, ו-(4) עולם קטן 17,24,25.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
איור 7 מציג את מפות ה-ERD הטופוגרפיות הנמוכות בטא של כל משימת תנועת יד. ERD נמוך בטא חזק באופן משמעותי נצפה בחצי הכדור הקונטרלסיונלי בהשוואה לחצי הכדור האיפסילזיונלי הן עבור משימות תנועת היד המושפעות והן עבור משימות תנועת היד שאינן מושפעות.
איור 7: מפות טופוגרפיות ממוצעות עבור כל המטופלים המבצעים את מטלות תנועת היד הפגועות והלא מושפעות, בהתאמה. המפות הטופוגרפיות המשולבות התקבלו על ידי היפוך מפות ERD של קבוצת המיפלגיה הימנית. צבע כחול כהה יותר מייצג ERD חזק יותר, מה שמצביע על כך שאזורי המוח המתאימים היו פעילים יותר מאזורים אחרים. CON מציין את ההמיספרה הקונטרלסיונלית השלמה, ו- IPSI מציין את המיספרה האיפסילזיונלית הפגומה. איור זה נלקח מ- Shim et al.17 באישור Mary Ann Liebert, Inc. לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
טבלה 1 מציגה את התוצאות הכמותיות של ארבעת מאפייני הרשת המשוקללים ברמה הגלובלית. שינויים במדדי הרשת נצפו במהלך משימת התנועה של היד הפגועה בהשוואה למשימת התנועה של היד הלא מושפעת. הן מדדי החוזק והן מדדי מקדם האשכולות הופחתו משמעותית במהלך מטלת תנועת היד המושפעת בהשוואה למטלת תנועת היד שלא נפגעה. לעומת זאת, אורך הנתיב גדל באופן משמעותי במהלך משימת תנועת היד הפגועה. לא היה הבדל משמעותי בעולם הקטן בין שתי המשימות.
כמו כן, הערכנו את המתאם בין מדדי הרשת התפקודית לבין מידת הפגיעה המוטורית באמצעות הערכת פוגל-מאייר (FMA). חוזק הרשת האיפסילזיונלית של פס אלפא (rho = 0.340, p = 0.049), מקדם אשכולות (rho = 0.342, p = 0.048) ועולם קטן (rho = 0.444, p = 0.008) הראו מתאם חיובי עם ציון FMA, בעוד שאורך הנתיב (rho = -0.350, p = 0.042) היה בקורלציה שלילית עם ציוני FMA. (איור 8). המתאם בין מדדי רשת איפסיליונלית בטא נמוכה הראה מתאם מובהק שולי עם ציון FMA (חוזק rho = 0.328, p = 0.058, מקדם אשכולות rho = 0.338, p = 0.051, אורך נתיב rho = -0.340, p = 0.049 בהתאמה).
תרשים 8: מתאמים בין מדדי הרשת הפונקציונלית אלפא איפסילטרלית (חוזק, מקדם אשכולות, אורך נתיב ועולם קטן) לבין ציוני הערכת פוגל-מאייר. איור זה נלקח מ- Shim et al.17 באישור Mary Ann Liebert, Inc. לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
| תנועת יד מושפעת | תנועת יד לא מושפעת | p | |
| חוזק | 11.196 ± 1.690 | 11.625 ± 1.743 | 0.014* |
| מקדם קיבוץ באשכולות | 0.342 ± 0.056 | 0.356 ± 0.057 | 0.014* |
| אורך נתיב | 3.249 ± 0.483 | 3.147 ± 0.456 | 0.021* |
| עולם קטן | 0.897 ± 0.032 | 0.894 ± 0.030 | 0.405 |
טבלה 1: ערכי ממוצע וסטיית תקן של מדדי רשת המוח כולה בתחום הבטא הנמוך. לא נעשה שימוש ביחידה ספציפית למדדי הרשת (*p < 0.05). טבלה זו אומצה על ידי Shim et al.17 באישור Mary Ann Liebert, Inc.
קובץ משלים 1: Experimental_stimulus.m. סקריפט גירוי מבוסס תוכנת תכנות. אנא לחץ כאן כדי להוריד קובץ זה.
קובץ משלים 2: myPLV.m. הפונקציה הפנימית לחישוב PLV מבוסס טרנספורמציית הילברט. אנא לחץ כאן כדי להוריד קובץ זה.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
מחקר זה הציג ניסוי EEG למדידת פעילויות עצביות הקשורות לתנועת גפיים עליונות אצל אנשים עם שבץ. הפרדיגמה הניסויית ושיטות הרכישה והניתוח של EEG יושמו כדי לקבוע את דפוסי ה-ERD בקליפת המוח המוטורית האיפסילסיונלית והקונטרלסיונלית.
התוצאות של מפות ERSP (איור 7) הדגימו את ההבדל במידת ההפעלה העצבית בעת הזזת ידיים לקויות ולא מושפעות. התוצאות תאמו את ממצאי מאמריםקודמים 26,27 והראו כי מערך הניסוי הוא שיטה ישימה שניתן ליישם במסגרות מחקר קליני.
מחקרים קודמים השתמשו בעיקר בנתוני EEG במצב מנוחה כדי לחקור את הפעילות העצבית המשתנה אצל אנשים עם שבץ. עם זאת, מחקר זה השתמש בנתוני EEG ספציפיים למשימה שנמדדו במהלך תנועת ידיים, אשר מראים הבטחה כסמן ביולוגי לחיזוי התאוששות מוטורית17.
יש לציין כמה שיקולים חשובים להקלטות EEG מנקודת מבט כללית. בפרט, ההליך לאימות מידע על אירועים המתואר בשלב 2.2.3 הוא חיוני להשגת העיתוי המדויק של אירועים ניסיוניים. זה מונע פילוח נתונים לא מדויק, שעלול לגרום לתוצאות לא אמינות. יתר על כן, כאשר ניסויים מעורבים חולים, נדרשים עיצובי ניסוי ברורים ותמציתיים כדי למנוע עייפות וירידה בריכוז. במחקר זה, המחברים השוו באופן עצמאי דפוסי EEG שנצפו במהלך תנועות היד המושפעות והלא מושפעות בקרב כל משתתף, שנע בין הגילאים 18 ל -80. בעוד שעשויות להיות השפעות הזדקנות מסוימות על דפוס EEG בקרב משתתפים בגילאים שונים, התוצאות ככל הנראה נבעו בעיקר משני מצבים שונים: תנועות ידיים מושפעות או לא מושפעות. עם זאת, בהתחשב בהשפעה הפוטנציאלית של הגיל על דפוסי EEG, קבוצת גיל רחבה יותר מומלצת לניתוח מקיף יותר.
הפרדיגמה ששימשה במחקר זה כללה לסירוגין משימות הארכת יד והרפייה בתוך פרק זמן קצר יחסית (5 שניות ו -3 שניות, בהתאמה) מספר פעמים. משתתפים עם ליקויים קוגניטיביים התקשו להבין את ההוראות ולבצע את המשימה בתוך מגבלת הזמן. לכן, לפני רישום EEG באמצעות פרדיגמה זו, החוקרים חייבים להדריך ביסודיות את המשתתף, ואם אפשר, להדגים את המשימה כדי להבטיח שהמשתתף מבין היטב את הפרדיגמה והמשימה. לכן, מגבלה אפשרית אחת של פרדיגמה זו היא הדרתם של חולים עם ליקויים קוגניטיביים שאינם מסוגלים להבין את הפרדיגמה הניסויית או חולים נעולים מאוד שאינם יכולים לבצע את משימת התנועה. לעתים קרובות, ליקוי קוגניטיבי מלווה בליקוי מוטורי חמור אצל אנשים עם שבץמוחי 28. כתוצאה מכך, תחולת הפרדיגמה באנשים עם שבץ מוחי צרה יותר בהשוואה לפרדיגמת EEG במצב מנוחה 8,29. עבור חולים עם נעילה חמורה עם קוגניציה שלמה, הפרדיגמה יכולה להיות מיושמת על ידי שכפול התנועה עם דמיון תנועתי (דימוי מוטורי), אשר יכול גם לייצר פעילות מוחית הקשורה למוטוריקה30,31.
יתר על כן, ישנן שתי נקודות חשובות שיש לקחת בחשבון בעת ביצוע ניסוי המבוסס על מכשיר EEG הנ"ל. ראשית, כדי להבטיח רישום נתונים יציב, מומלץ מאוד לבדוק את עכבת האלקטרודה לפני כל סשן רכישה בהתאם להליך בשלב 2.1.9. אם מידע העכבה אינו משתקף כראוי, עלולות להתרחש שגיאות בעת המרת תבנית הקובץ הראשונית ( .vhdr) לתבנית הקובץ הרצויה (לדוגמה, ".mat", ".py" וכו'). שנית, במחקר זה, מגבר ה-EEG חובר למחשב הקלטה באמצעות כבל USB. לחיבורים יציבים בין מחשב ההקלטה לכבל USB, מומלץ מאוד להשתמש ביציאת USB 2.0; בעיות טכניות הקשורות לחיבור מגבר EEG עלולות להתעורר אם נעשה שימוש ביציאת USB 3.0.
פרוטוקול הניסוי המוצע מאפשר תצפית על דפוסי EEG המתעוררים במהלך תנועות בחולים עם ליקויים בתפקוד המוטורי. חקירות נוספות המשתמשות בפרדיגמה זו נדרשות כדי לאשר את ערכה ככלי הערכה איכותני להערכת מידת ההתאוששות מהתפקוד המוטורי אצל אנשים עם שבץ מוחי העוברים שיקום מוטורי.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
ל- MS, NJP, WSK ו- HJH יש פטנט ממתין שכותרתו "שיטה למסירת מידע הקשור לליקוי מוטורי והתקנים המשמשים לכך", מספר 10-2022-0007841.
Acknowledgments
עבודה זו נתמכה על ידי מענק קרן המחקר הלאומית של קוריאה (NRF) שמומן על ידי ממשלת קוריאה (MSIT) (No. NRF-2022R1A2C1006046), על ידי תוכנית המחקר הטכנולוגית המקורית למדעי המוח באמצעות קרן המחקר הלאומית של קוריאה (NRF) במימון משרד החינוך, המדע והטכנולוגיה (2019M3C7A1031995), על ידי מענק קרן המחקר הלאומית של קוריאה (NRF) במימון ממשלת קוריאה (MSIT) (No. NRF-2022R1A6A3A13053491), ועל ידי MSIT (משרד המדע והתקשוב), קוריאה, במסגרת תוכנית התמיכה ITRC (מרכז מחקר טכנולוגיית מידע) (IITP-2023-RS-2023-00258971) בפיקוח IITP (המכון לתכנון והערכה של טכנולוגיית מידע ותקשורת).
Materials
| Name | Company | Catalog Number | Comments |
| actiCAP | Easycap, GmbH Ltd., Herrsching, Germany | CAC-32-SAMW-56 | Textile EEG cap platform to accommodate EEG electrodes |
| Brain Vision Recorder (Software) | Brain Products GmBH Ltd., Munich, Germany | - | Software used to record EEG signal |
| Curry 7 (Software) | Compumedics, Australia | - | Software used in preprocessing of EEG data |
| MATLAB R2019a (Software) | MathWorks Inc., Natick, MA, USA | - | Software used to run the experimental stimulus and analyze the EEG data |
| Recording PC | Lenovo Group Limited, Hong Kong, China | Model: X58K | Intel Core i7-7700HQ CPU@2.80 GHz, RAM 8 GB /EEG data recording using Brain Vision Recorder |
| Sensor&Trigger Extension(STE) | Brain Products GmBH Ltd., Munich, Germany | STE-055604-0162 | Adds physioloigcal signals to the EEG amplifier |
| Splitter box | Brain Products GmBH Ltd., Munich, Germany | BP-135-1600 | Connects Ag/AgCl electrodes to the EEG amplifier |
| Stimulation PC | Hansung Corporation, Seoul, Korea | Model: ThinkPad P71 | Intel Core i7-8750H CPU@2.20 GHz, RAM 8 GB Presenting stimulation screen using MATLAB |
| TriggerBox | Brain Products GmBH Ltd., Munich, Germany | BP-245-1010 | Receives trigger signal from PC and relay it to EEG recording system |
References
- Faria-Fortini, I., Michaelsen, S. M., Cassiano, J. G., Teixeira-Salmela, L. F. Upper extremity function in stroke subjects: Relationships between the international classification of functioning, disability, and health domains. Journal of Hand Therapy. 24 (3), 257-265 (2011).
- Veerbeek, J. M., Kwakkel, G., van Wegen, E. E., Ket, J. C., Heymans, M. W. Early prediction of outcome of activities of daily living after stroke: a systematic review. Stroke. 42 (5), 1482-1488 (2011).
- Babiloni, C., et al. Human movement-related potentials vs desynchronization of EEG alpha rhythm: a high-resolution EEG study. Neuroimage. 10 (6), 658-665 (1999).
- Giaquinto, S., Cobianchi, A., Macera, F., Nolfe, G. EEG recordings in the course of recovery from stroke. Stroke. 25 (11), 2204-2209 (1994).
- Bartur, G., Pratt, H., Soroker, N. Changes in mu and beta amplitude of the EEG during upper limb movement correlate with motor impairment and structural damage in subacute stroke. Clinical Neurophysiology. 130 (9), 1644-1651 (2019).
- Boyd, L. A., et al. Biomarkers of stroke recovery: Consensus-based core recommendations from the Stroke Recovery and Rehabilitation Roundtable. International Journal of Stroke. 12 (5), 480-493 (2017).
- Thibaut, A., et al. Using brain oscillations and corticospinal excitability to understand and predict post-stroke motor function. Frontiers in Neurology. 8, 187 (2017).
- Caliandro, P., et al. Small-world characteristics of cortical connectivity changes in acute stroke. Neurorehabilitation and Neural Repair. 31 (1), 81-94 (2017).
- Saes, M., et al. Is Resting-state EEG longitudinally associated with recovery of clinical neurological impairments early poststroke? A prospective cohort study. Neurorehabilitation and Neural Repair. 34 (5), 389-402 (2020).
- Vecchio, F., et al. Cortical connectivity from EEG data in acute stroke: A study via graph theory as a potential biomarker for functional recovery. International Journal of Psychophysiology. 146, 133-138 (2019).
- Ang, K. K., et al. A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke. Clinical EEG and Neuroscience. 46 (4), 310-320 (2015).
- Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., Zhao, X. A comprehensive review of EEG-based brain-computer interface paradigms. Journal of Neural Engineering. 16 (1), 011001 (2019).
- Antelis, J. M., Montesano, L., Ramos-Murguialday, A., Birbaumer, N., Minguez, J. Decoding upper limb movement attempt from EEG measurements of the contralesional motor cortex in chronic stroke patients. IEEE Transactions on Biomedical Engineering. 64 (1), 99-111 (2017).
- Lee, M. H., et al. EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy. Gigascience. 8 (5), giz002 (2019).
- Jasper, H. H. Report of the committee on methods of clinical examination in electroencephalography: 1957. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
- Chatrian, G. E., Lettich, E., Nelson, P. L. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activities. American Journal of EEG technology. 25 (2), 83-92 (1985).
- Shim, M., et al. Altered functional networks of alpha and low-beta bands during upper limb movement and association with motor impairment in chronic stroke. Brain Connectivity. , (2021).
- Semlitsch, H. V., Anderer, P., Schuster, P., Presslich, O. A solution for reliable and valid reduction of ocular artifacts, applied to the P300 ERP. Psychophysiology. 23 (6), 695-703 (1986).
- Kim, Y. W., et al. Riemannian classifier enhances the accuracy of machine-learning-based diagnosis of PTSD using resting EEG. Progress in Neuropsychopharmacology & Biological Psychiatry. 102, 109960 (2020).
- Griffin, D., Lim, J. Signal estimation from modified short-time Fourier transform. IEEE Transactions on Acoustics, Speech, and Signal Processing. 32 (2), 236-243 (1984).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J.
- Shim, M., Kim, D. W., Lee, S. H., Im, C. H. Disruptions in small-world cortical functional connectivity network during an auditory oddball paradigm task in patients with schizophrenia. Schizophrenia Research. 156 (2-3), 197-203 (2014).
- Shim, M., Hwang, H. J., Lee, S. H. Impaired functional cortical networks in the theta frequency band of patients with post-traumatic stress disorder during auditory-cognitive processing. Frontiers in Psychiatry. 13, 811766 (2022).
- Bassett, D. S., Bullmore, E.
- Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
- Shiner, C. T., Tang, H., Johnson, B. W., McNulty, P. A. Cortical beta oscillations and motor thresholds differ across the spectrum of post-stroke motor impairment, a preliminary MEG and TMS study. Brain Research. 1629, 26-37 (2015).
- López-Larraz, E., Sarasola-Sanz, A., Irastorza-Landa, N., Birbaumer, N., Ramos-Murguialday, A. Brain-machine interfaces for rehabilitation in stroke: A review. NeuroRehabilitation. 43 (1), 77-97 (2018).
- Fong, K. N., Chan, C. C., Au, D. K. Relationship of motor and cognitive abilities to functional performance in stroke rehabilitation. Brain Injury. 15 (5), 443-453 (2001).
- Vecchio, F., et al. Acute cerebellar stroke and middle cerebral artery stroke exert distinctive modifications on functional cortical connectivity: A comparative study via EEG graph theory. Clinical Neurophysiology. 130 (6), 997-1007 (2019).
- Hwang, H. J., Kwon, K., Im, C. H. Neurofeedback-based motor imagery training for brain-computer interface (BCI). Journal of Neuroscience Methods. 179 (1), 150-156 (2009).
- Park, S. A., et al. Evaluation of feature extraction methods for EEG-based brain-computer interfaces in terms of robustness to slight changes in electrode locations. Medical & Biological Engineering & Computing. 51 (5), 571-579 (2013).
