Waiting
Login processing...

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

Neuroscience

क्रोनिक स्ट्रोक में ऊपरी अंग हानि के बायोमार्कर के रूप में इलेक्ट्रोएन्सेफलोग्राफी नेटवर्क सूचकांक

Published: July 14, 2023 doi: 10.3791/64753
Automatic Translation
*1, *2, 1, 2, 2, 2, 1,3, 2
1Department of Electronics and Information Engineering, Korea University, 2Department of Rehabilitation Medicine, Seoul National University College of Medicine, Seoul National University Bundang Hospital, 3Interdisciplinary Graduate Program for Artificial Intelligence Smart Convergence Technology, Korea University
* These authors contributed equally

Summary

प्रायोगिक प्रोटोकॉल स्ट्रोक वाले व्यक्तियों में ऊपरी अंग आंदोलन के दौरान इलेक्ट्रोएन्सेफलोग्राफी (ईईजी) संकेतों को प्राप्त करने और विश्लेषण करने के लिए प्रतिमान प्रदर्शित करता है। कम-बीटा ईईजी आवृत्ति बैंड के कार्यात्मक नेटवर्क का परिवर्तन बिगड़ा ऊपरी अंग के आंदोलन के दौरान देखा गया था और मोटर हानि की डिग्री से जुड़ा हुआ था।

Abstract

बिगड़ा हुआ अंग के कार्य-विशिष्ट आंदोलन के दौरान इलेक्ट्रोएन्सेफलोग्राफी (ईईजी) संकेतों में परिवर्तन को मोटर हानि की गंभीरता के लिए और स्ट्रोक वाले व्यक्तियों में मोटर रिकवरी की भविष्यवाणी के लिए एक संभावित बायोमार्कर के रूप में रिपोर्ट किया गया है। ईईजी प्रयोगों को लागू करते समय, मजबूत और व्याख्यात्मक परिणाम प्राप्त करने के लिए विस्तृत प्रतिमान और सुव्यवस्थित प्रयोग प्रोटोकॉल की आवश्यकता होती है। इस प्रोटोकॉल में, हम ऊपरी अंग आंदोलन और ईईजी डेटा के अधिग्रहण और विश्लेषण के लिए आवश्यक विधियों और तकनीकों के साथ एक कार्य-विशिष्ट प्रतिमान का वर्णन करते हैं। प्रतिमान में 1 मिनट का आराम होता है, इसके बाद 10 परीक्षण होते हैं, जिसमें 4 सत्रों में क्रमशः 5 सेकंड और 3 सेकंड आराम और कार्य (हाथ विस्तार) शामिल होते हैं। 1,000 हर्ट्ज की नमूना दर पर 32 एजी / एजीसीएल स्कैल्प इलेक्ट्रोड का उपयोग करके ईईजी सिग्नल प्राप्त किए गए थे। कम-बीटा (12-20 हर्ट्ज) आवृत्ति बैंड में वैश्विक स्तर पर अंग आंदोलन और कार्यात्मक नेटवर्क विश्लेषण से जुड़े घटना से संबंधित वर्णक्रमीय गड़बड़ी विश्लेषण किया गया था। प्रतिनिधि परिणामों ने बिगड़ा हुआ ऊपरी अंग के आंदोलन के दौरान कम-बीटा ईईजी आवृत्ति बैंड के कार्यात्मक नेटवर्क में परिवर्तन दिखाया, और परिवर्तित कार्यात्मक नेटवर्क क्रोनिक स्ट्रोक रोगियों में मोटर हानि की डिग्री से जुड़ा था। परिणाम स्ट्रोक वाले व्यक्तियों में ऊपरी अंग आंदोलन के दौरान ईईजी माप में प्रयोगात्मक प्रतिमान की व्यवहार्यता को प्रदर्शित करते हैं। मोटर हानि और वसूली के बायोमार्कर के रूप में ईईजी संकेतों के संभावित मूल्य को निर्धारित करने के लिए इस प्रतिमान का उपयोग करके आगे के शोध की आवश्यकता है।

Introduction

ऊपरी अंग मोटर हानि स्ट्रोक के सबसे आम परिणामों में से एक है औरदैनिक जीवन की गतिविधियों में सीमाओं से संबंधित है। अल्फा (8-13 हर्ट्ज) और बीटा (13-30 हर्ट्ज) बैंड लय आंदोलनों के साथ निकटता से जुड़े होने के लिए जाने जाते हैं। विशेष रूप से, अध्ययनों से पता चला है कि बिगड़ा हुआ अंग के आंदोलन के दौरान अल्फा और निचले बीटा (12-20 हर्ट्ज) आवृत्ति बैंड में परिवर्तित तंत्रिका गतिविधि स्ट्रोक 3,4,5 वाले व्यक्तियों में मोटर हानि की डिग्री के साथ सहसंबद्ध है। इन निष्कर्षों के आधार पर, इलेक्ट्रोएन्सेफलोग्राफी (ईईजी) एक संभावित बायोमार्कर के रूप में उभरा है जो मोटर हानि की गंभीरता और मोटर रिकवरी 6,7 की संभावना दोनों को दर्शाता है। हालांकि, पहले विकसित ईईजी-आधारित बायोमार्कर स्ट्रोक वाले व्यक्तियों में मोटर हानि की विशेषताओं की जांच के लिए अपर्याप्त साबित हुए हैं, मोटे तौर पर कार्य-प्रेरित ईईजी डेटा 8,9,10 के बजाय आराम-राज्य ईईजी डेटा पर उनकी निर्भरता के कारण। मोटर हानि से संबंधित जटिल सूचना प्रसंस्करण, जैसे कि इप्सिलेशनल और कॉन्ट्रालेशनल गोलार्धों के बीच बातचीत, केवल कार्य-प्रेरित ईईजी डेटा के माध्यम से प्रकट की जा सकती है, न कि आराम-राज्य ईईजी। इसलिए, आगे के अध्ययन न केवल न्यूरोनल गतिविधियों और मोटर हानि विशेषताओं के बीच संबंधों का पता लगाने और स्ट्रोक11 वाले व्यक्तियों में मोटर हानि के लिए संभावित बायोमार्कर के रूप में बिगड़ा हुआ शरीर के हिस्से के आंदोलन के दौरान उत्पन्न ईईजी की उपयोगिता को स्पष्ट करने के लिए आवश्यक हैं।

व्यवहार संबंधी प्रभावों का आकलन करने के लिए ईईजी को लागू करने के लिए कार्य-विशिष्ट प्रतिमान और प्रोटोकॉल की आवश्यकता होती है। आज तक, विभिन्न ईईजी प्रोटोकॉल12 सुझाए गए हैं, जहां स्ट्रोक वाले व्यक्तियों ने आंदोलन से संबंधित मस्तिष्क गतिविधियों को प्रेरित करने के लिए कल्पना या वास्तविक आंदोलनों का प्रदर्शन किया11,13। कल्पित आंदोलनों के मामले में, लगभग 53.7% प्रतिभागी निश्चित रूप से एक संबंधित आंदोलन (जिसे "निरक्षरता" कहा जाता है) की कल्पना नहीं कर सकते थे और इस प्रकार आंदोलन से संबंधितमस्तिष्क गतिविधियों को प्रेरित करने में विफल रहे। इसके अलावा, गंभीर स्ट्रोक वाले व्यक्तियों के लिए पूरे ऊपरी छोर को स्थानांतरित करना मुश्किल है, और अस्थिर आंदोलनों के कारण डेटा अधिग्रहण के दौरान अनावश्यक कलाकृतियों की संभावना है। इसलिए, कार्य से संबंधित उच्च गुणवत्ता वाले ईईजी डेटा और न्यूरोफिज़ियोलॉजिकल रूप से व्याख्या योग्य परिणाम प्राप्त करने के लिए विशेषज्ञ ज्ञान के आधार पर मार्गदर्शन की आवश्यकता होती है। इस अध्ययन में, हमने अपेक्षाकृत सरल हाथ आंदोलन कार्य करने के लिए स्ट्रोक वाले व्यक्तियों के लिए एक प्रयोगात्मक प्रतिमान व्यापक रूप से डिजाइन किया और विस्तृत मार्गदर्शन के साथ एक प्रयोगात्मक प्रक्रिया प्रदान की।

इस लेख में विज़ुअलाइज़ किए गए प्रयोगात्मक प्रोटोकॉल को रेखांकित करके, हमने ईईजी प्रणाली का उपयोग करके ऊपरी अंग के आंदोलन से संबंधित न्यूरोनल गतिविधियों के अधिग्रहण और विश्लेषण के लिए उपयोग की जाने वाली विशिष्ट अवधारणाओं और विधियों को चित्रित करने का लक्ष्य रखा। हेमिप्लेजिक स्ट्रोक वाले प्रतिभागियों में पेरेटिक और नॉनपेरेटिक ऊपरी अंगों के बीच ईईजी के माध्यम से न्यूरोनल गतिविधियों में अंतर का प्रदर्शन करने में, इस अध्ययन का उद्देश्य क्रॉस-सेक्शनल संदर्भ में स्ट्रोक वाले व्यक्तियों में मोटर हानि की गंभीरता के लिए संभावित बायोमार्कर के रूप में वर्णित प्रोटोकॉल का उपयोग करके ईईजी की व्यवहार्यता को प्रस्तुत करना है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

सभी प्रयोगात्मक प्रक्रियाओं की समीक्षा की गई और सियोल नेशनल यूनिवर्सिटी बुंडांग अस्पताल के संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित किया गया। इस अध्ययन में प्रयोगों के लिए, स्ट्रोक वाले 34 प्रतिभागियों को भर्ती किया गया था। सभी प्रतिभागियों से हस्ताक्षरित सूचित सहमति प्राप्त की गई थी। एक कानूनी प्रतिनिधि से एक हस्ताक्षरित सूचित सहमति प्राप्त की गई थी यदि कोई प्रतिभागी मानदंडों को पूरा करता है लेकिन विकलांगता के कारण सहमति फॉर्म पर हस्ताक्षर नहीं कर सकता है।

1. प्रायोगिक सेटअप

  1. रोगी की भर्ती
    1. निम्न समावेश मानदंडों का उपयोग करके स्क्रीनिंग प्रक्रिया निष्पादित करें:
      बिगड़ा ऊपरी अंग कार्यों की उपस्थिति के साथ 18 से 85 वर्ष की आयु;
      मस्तिष्क गणना टोमोग्राफी या चुंबकीय अनुनाद इमेजिंग द्वारा पहली बार इस्केमिक या रक्तस्रावी स्ट्रोक की पुष्टि की गई;
      नैदानिक मूल्यांकन और ईईजी अध्ययन के लिए निर्देशों का पालन करने की प्रतिभागी की क्षमता;
      स्ट्रोक को छोड़कर किसी भी अन्य मनोरोग या न्यूरोलॉजिकल बीमारियों के इतिहास की अनुपस्थिति।
    2. निम्नलिखित के आधार पर रोगियों को बाहर करें:
      केंद्रीय तंत्रिका तंत्र से जुड़ी पिछली बीमारी (जैसे, दर्दनाक मस्तिष्क की चोट, मस्तिष्क ट्यूमर, पार्किंसंस रोग);
      ईईजी टोपी पहनने में असमर्थता; और
      नैदानिक मूल्यांकन और ईईजी अध्ययन के लिए निर्देशों का पालन करने में असमर्थता।
      नोट: प्रयोग में भाग लेने में सक्षम प्रतिभागियों का चयन करने और परिणामों को प्रभावित करने वाले जनसांख्यिकीय कारकों को विनियमित करने के लिए समावेश और बहिष्करण मानदंड चुना गया था।
    3. सभी भर्ती प्रतिभागियों को प्रयोगात्मक प्रक्रिया के विवरण के बारे में जानकारी प्रदान करें।
  2. प्रायोगिक प्रणाली: ईईजी
    1. डेटा रिकॉर्डिंग के लिए 32 एजी / एजीसीएल स्कैल्प इलेक्ट्रोड, एक कपड़ा ईईजी कैप और ईईजी रिकॉर्डिंग सॉफ्टवेयर से युक्त ईईजी सिस्टम का उपयोग करें।
    2. ईईजी रिकॉर्डिंग सॉफ्टवेयर स्थापित के साथ एक व्यक्तिगत कंप्यूटर (पीसी) का उपयोग करें और ब्लूटूथ के माध्यम से ईईजी डिवाइस से पीसी कनेक्ट करें।
    3. इंजीनियरिंग के लिए संख्यात्मक विश्लेषण और प्रोग्रामिंग सॉफ्टवेयर एप्लिकेशन के साथ किसी अन्य पीसी का उपयोग करें ( सामग्री की तालिका देखें)।
    4. उत्तेजना प्रस्तुति के लिए, पीसी को एक समर्पित ट्रिगर बॉक्स (चित्रा 1) से कनेक्ट करें।
      नोट: दो पीसी के विस्तृत विनिर्देश सामग्री की तालिका में प्रदान किए गए हैं।
  3. प्रोग्रामिंग सॉफ्टवेयर पर आधारित प्रयोगात्मक प्रतिमान
    नोट: प्रतिभागियों ने प्रभावित और अप्रभावित हाथों का उपयोग करके एक हाथ विस्तार कार्य किया, जिसके दौरान ईईजी डेटा मापा गया। चित्रा 2 इस अध्ययन के प्रयोगात्मक प्रतिमान को दर्शाता है।
    1. बेसलाइन रेस्टिंग-स्टेट ईईजी डेटा को मापने के लिए मॉनिटर के केंद्र पर 30 सेकंड के लिए दो दृश्य उत्तेजनाएं, क्लोज और ओपन प्रस्तुत करें, जिसके दौरान प्रतिभागी आंखें बंद और खोलता है।
      नोट: क्योंकि विश्राम-राज्य ईईजी डेटा अवांछित शारीरिक कलाकृतियों से अपेक्षाकृत कम दूषित होते हैं, वे ईईजी डेटा की गुणवत्ता को सत्यापित करने और आराम की स्थिति के संबंध में व्यक्तिगत ईईजी विशेषताओं की पहचान करने के लिए उपयोगी होते हैं।
    2. प्रतिभागी को हाथ विस्तार आंदोलन करने का निर्देश देने के लिए 3 सेकंड के लिए एक हाथ गति छवि प्रस्तुत करें, इसके बाद आराम करने के लिए 5 सेकंड के लिए एक निर्धारण चिह्न दें।
      नोट: इस प्रक्रिया को एक परीक्षण के रूप में माना जाता था और एक ही सत्र में 10 बार दोहराया गया था। प्रत्येक प्रतिभागी को प्रत्येक हाथ के लिए 4 सत्रों से गुजरना पड़ा। अत्यधिक थकान को रोकने के लिए प्रत्येक सत्र को करने के बाद प्रतिभागी को जब भी वह चाहता था, ब्रेक था।

Figure 1
चित्रा 1: उपकरण सेटअप का योजनाबद्ध। प्रयोगात्मक उत्तेजनाओं को प्रस्तुत करने वाला एक पीसी (पीसी 1) एक ट्रिगर बॉक्स से जुड़ा हुआ था, और एक अन्य पीसी (पीसी 2) एक ईईजी एम्पलीफायर से जुड़ा हुआ था। पीसी 1 में उत्पन्न उत्तेजना घटनाओं को पीसी 1 से जुड़े ट्रिगर बॉक्स के माध्यम से ईईजी एम्पलीफायर में पहुंचाया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्रा 2: इस अध्ययन में उपयोग किए जाने वाले प्रयोगात्मक प्रतिमान। एक एकल परीक्षण में 3 सेकंड का हाथ विस्तार आंदोलन शामिल था, जिसके बाद 5 सेकंड की छूट दी गई थी। इस पैटर्न को एक ही सत्र में 10 बार दोहराया गया था। कुल आठ सत्र किए गए; चार सत्रों में प्रभावित हाथ आंदोलन शामिल था, जबकि अन्य चार में अप्रभावित हाथ आंदोलन शामिल था। यह आंकड़ा मैरी एन लिबर्ट, इंक की अनुमति के साथ शिम एट अल .17 से अनुकूलित किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

2. आंदोलन से संबंधित ईईजी डेटा रिकॉर्ड करना

  1. ईईजी सेटअप
    1. प्रतिभागी को मॉनिटर के सामने एक आरामदायक कुर्सी में बैठाएं।
      नोट: आंखों की थकान को रोकने के लिए प्रतिभागी और मॉनिटर के बीच की दूरी कम से कम 60 सेमी होनी चाहिए। हालांकि, अत्यधिक दूरी से बचना चाहिए (उदाहरण के लिए, >150 सेमी) क्योंकि यह प्रतिभागी की एकाग्रता को विचलित कर सकता है।
    2. ईईजी माप के लिए टोपी को सटीक रूप से पहनने के लिए, अंतरराष्ट्रीय 10-20 प्रणाली के आधार पर सीजेड स्थान को परिभाषित करें, जिसमें नेशन और इनियन को जोड़ने वाली अनुदैर्ध्य रेखा के चौराहे का उपयोग किया जाता है और दोनों ऑरिकल्स के ऊपरी हिस्से को जोड़ने वाली अनुप्रस्थ रेखा होती है।
      नोट: ईईजी माप उपकरण के आधार पर ईईजी कैप की आवश्यकता नहीं हो सकती है। ऐसे मामले में, ईईजी इलेक्ट्रोड सीधे अंतरराष्ट्रीय 10-20 सिस्टम15 के अनुसार खोपड़ी से जुड़े होते हैं।
    3. एक सटीक ईईजी माप के लिए, प्रतिभागी के सिर के आकार के अनुसार उचित आकार की ईईजी टोपी का उपयोग करें और इसे रखें ताकि सीजेड इलेक्ट्रोड स्थिति को व्यक्तिगत सीजेड स्थान पर रखा जाए।
    4. उचित जकड़न के साथ ठोड़ी के पट्टे को ठीक करें; यह प्रयोग में प्रतिभागी को निगलने और पलक झपकने के दौरान असहज होने से बचाएगा। उसके बाद, पुष्टि करें कि ईईजी कैप के टी 9 और टी 10 इलेक्ट्रोड की स्थिति दोनों ऑरिकल्स के ऊपर अस्थायी क्षेत्र में है, और ईईजी कैप की एफपीजेड इलेक्ट्रोड स्थिति माथे के बीच में स्थित है।
      नोट: यदि वे इलेक्ट्रोड निर्दिष्ट स्थान से बाहर हैं, तो कैप बदलने पर विचार करें। हमारे अध्ययन में तीन ईईजी कैप आकार का उपयोग किया गया था (54 सेमी: छोटा, 56 सेमी: मध्यम, 58 सेमी: बड़ा)।
    5. ईईजी कैप को सही ढंग से रखने के बाद, विस्तारित अंतरराष्ट्रीय 10-10 प्रणाली के अनुसार खोपड़ी पर 32 एजी / एजीसीएल स्कैल्प इलेक्ट्रोड संलग्न करें, जिसमें क्रमशः एफपीजेड और एफसीजेड पर जमीन और संदर्भ इलेक्ट्रोडहों।
      नोट: संदर्भ इलेक्ट्रोड (एफसीजेड) का स्थान विभिन्न शारीरिक कलाकृतियों से अपेक्षाकृत कम प्रभावित होता है, जैसे कि इलेक्ट्रोकुलोग्राफी, इलेक्ट्रोमोग्राफी और इलेक्ट्रोकार्डियोग्राफी, क्योंकि यह खोपड़ी के केंद्रीय क्षेत्र (सीजेड) के आसपास स्थित है।
    6. प्रवाहकीय जेल का उपयोग करके ईईजी इलेक्ट्रोड और खोपड़ी के बीच प्रतिबाधा स्तर को समायोजित करें, और ईईजी इलेक्ट्रोड और खोपड़ी के बीच किसी भी रुकावट को रोकने के लिए जेल के साथ बालों को ठीक करें।
      नोट: यह पुष्टि करना महत्वपूर्ण है कि जेल रिसाव के कारण आसन्न ईईजी इलेक्ट्रोड के बीच कोई पुल बनाया गया है या नहीं।
    7. ईईजी रिकॉर्डिंग के लिए सॉफ्टवेयर का उपयोग करें।
    8. ईईजी सिस्टम चालू करें और एम्पलीफायर का चयन करने > कॉन्फ़िगरेशन निष्पादित करें। कनेक्ट करने के > Liveamp > > एम्पलीफायर चुनें. वायरलेस कनेक्शन के लिए Liveamp फ़ंक्शन की खोज करें (चित्रा 3).
    9. प्रत्येक इलेक्ट्रोड के लिए प्रतिबाधा स्तर की निगरानी के लिए प्रतिबाधा जांच फ़ंक्शन निष्पादित करें।
      नोट: <20 k° के प्रतिबाधा स्तर के साथ प्रयोग का संचालन करने की सिफारिश की जाती है (चित्रा 4)।
    10. यह पुष्टि करने के लिए निगरानी फ़ंक्शन निष्पादित करें कि क्या सभी इलेक्ट्रोड के ईईजी में वास्तविक समय ईईजी सिग्नल मॉनिटरिंग (चित्रा 5) के माध्यम से समान आयाम स्तर हैं।
      नोट: ईईजी सिग्नल का आयाम आम तौर पर 10 μV और 100 μV के बीच होता है, और आंखें बंद होने पर ओसीसीपिटल क्षेत्र के चारों ओर अल्फा (8-12 हर्ट्ज) शक्ति बढ़ जाती है। इसलिए, आंखें बंद होने के दौरान ओसीसीपटल क्षेत्र के आसपास चैनलों पर आयाम स्तर और अल्फा दोलनों की निगरानी करके ईईजी डेटा की गुणवत्ता की गुणात्मक रूप से पुष्टि की जा सकती है।
  2. प्रतिमान सेटअप
    1. स्थिर ईईजी डेटा अधिग्रहण के लिए, बाहरी उत्तेजनाओं को प्रस्तुत करने और ईईजी डेटा रिकॉर्ड करने के लिए दो अलग-अलग पीसी का उपयोग करें ( चित्रा 1 देखें)।
    2. प्रतिभागियों को प्रयोगात्मक उत्तेजनाओं को प्रस्तुत करने के लिए, प्रोग्रामिंग सॉफ्टवेयर (चरण 1.3 में पेश) का उपयोग करके प्रयोगात्मक प्रतिमान के आधार पर एक उत्तेजना कार्यक्रम बनाएं।
      नोट: इस अध्ययन में एक सॉफ्टवेयर-आधारित उत्तेजना कार्यक्रम बनाया गया था, लेकिन प्रयोग के लिए उपयोग किए जाने वाले ईईजी उपकरण के साथ-साथ उपयोगकर्ता सुविधा के साथ उनकी संगतता के आधार पर अन्य सॉफ़्टवेयर का उपयोग किया जा सकता है। प्रोग्रामिंग सॉफ्टवेयर-आधारित उत्तेजना स्क्रिप्ट पूरक फ़ाइल 1 (Experimental_stimulus.m) में प्रदान की जाती है। घटना की जानकारी, उत्तेजनाओं के शुरुआती बिंदु को इंगित करती है, इन-हाउस प्रोग्रामिंग सॉफ्टवेयर द्वारा उत्पन्न होती है, ट्रिगर बॉक्स के माध्यम से ईईजी एम्पलीफायर को प्रेषित की जाती है, और अंततः ईईजी रिकॉर्डिंग सॉफ्टवेयर (चित्रा 1)।
    3. निगरानी मोड में प्रयोगात्मक उत्तेजनाओं को प्रस्तुत करने वाले कार्यक्रम को निष्पादित करें (उप चरण 2.1.10 देखें)। इसके बाद, पुष्टि करें कि ईईजी रिकॉर्डिंग सॉफ्टवेयर के निचले भाग में हर बार उत्तेजना प्रस्तुत करने पर घटना की जानकारी सही तरीके से सही तरीके से चिह्नित की जाती है, जैसा कि चित्र 6 में दिखाया गया है।
      नोट: जब भी कोई नया प्रोत्साहन प्रस्तुत किया जाता है तो समय बिंदु पर जानकारी दर्ज की जाती है और बाद में डेटा विभाजन के लिए उपयोग की जाती है। इसलिए, गलत डेटा विभाजन को रोकने के लिए जितना संभव हो प्रयोगात्मक घटनाओं के सटीक समय बिंदुओं को प्राप्त करना महत्वपूर्ण है, जिससे विश्लेषण में अविश्वसनीय परिणाम होंगे।
    4. ईईजी रिकॉर्डिंग सॉफ्टवेयर शुरू करें, फिर डेटा चूक को रोकने के लिए प्रोग्रामिंग सॉफ्टवेयर का उपयोग करके प्रयोगात्मक प्रतिमान के आधार पर विकसित उत्तेजना प्रस्तुति कार्यक्रम को स्वतंत्र रूप से चलाएं।
      नोट: डेटा विश्लेषण की सुविधा के लिए, डेटा भंडारण (जैसे, Sub1_Session1) के लिए एक सुसंगत नियम के साथ फ़ाइल नाम बनाने की सिफारिश की जाती है।
  3. ईईजी रिकॉर्डिंग
    1. चरण 1.3 में पेश किए गए प्रयोगात्मक प्रतिमान के बाद 1,000 हर्ट्ज की नमूना दर पर ईईजी को मापें।
      नोट: नमूना दर को ईईजी आवृत्तियों की सीमा के आधार पर बदला जा सकता है जो शोधकर्ता जांच करना चाहता है। आम तौर पर >200 हर्ट्ज की नमूना दर का उपयोग करने की सिफारिश की जाती है जहां ईईजी जानकारी की जांच निक्विस्ट प्रमेय के आधार पर ≤100 हर्ट्ज पर की जा सकती है। ऐसा इसलिए है क्योंकि अधिकांश ईईजी जानकारी 100 हर्ट्ज से नीचे मौजूद है।
    2. प्रतिभागियों के बीच जितना संभव हो उतना एक ही प्रयोगात्मक वातावरण (जैसे, प्रयोगात्मक स्थान, उपकरण, कमरे का तापमान आदि) बनाए रखें और उन्हें ईईजी माप के दौरान अनावश्यक आंदोलनों को कम करने का निर्देश दें।

Figure 3
चित्रा 3: ईईजी रिकॉर्डिंग सॉफ्टवेयर के साथ ईईजी एम्पलीफायर और पीसी के बीच वायरलेस कनेक्शन प्रक्रिया। क्रम में चरणों का पालन करें: (ए) एम्पलीफायर का चयन करें, (बी) एम्पलीफायर कनेक्ट करें, (सी) वायरलेस कनेक्शन के लिए कनेक्टेड एम्पलीफायर की खोज करें, (डी) कनेक्शन पूरा हो। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: प्रत्येक चैनल के लिए प्रतिबाधा जांच प्रक्रिया। स्थिर ईईजी माप के लिए सभी चैनलों को हरे रंग में समायोजित किया जाना चाहिए। यह सिफारिश की जाती है कि प्रयोग को 20 किलोवाट से कम प्रतिबाधा के साथ संचालित किया जाए। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्रा 5: प्रत्येक चैनल के लिए वास्तविक समय डेटा निगरानी प्रक्रिया। मापा जा रहा सभी चैनलों से सिग्नल को वास्तविक समय में मॉनिटर किया जा सकता है और शीर्ष बार पर विकल्प (लाल बॉक्स) का उपयोग करके ज़ूम इन / आउट किया जा सकता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 6
चित्र 6: घटना जानकारी की निगरानी के लिए स्क्रीनशॉट। लाल पट्टियाँ इवेंट निर्माताओं को इंगित करती हैं जो हर बार पीसी 1 द्वारा एक उत्तेजना प्रदान किए जाने पर प्रस्तुत की जाती हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

3. ईईजी डेटा विश्लेषण

नोट: यह अध्ययन अनुसंधान अवधारणा को दोहराने के लिए सटीक दिशानिर्देश प्रदान करता है। इसलिए, यह विश्लेषण प्रक्रिया और प्रतिनिधि परिणामों की एक संक्षिप्त रूपरेखा प्रदान करता है। विस्तृत प्रक्रियाओं और संबंधित परिणामों को पिछले अध्ययन17 में पाया जा सकता है। यह एक संकेत के रूप में कार्य करता है कि मैरी एन लिबर्ट, इंक ने कॉपीराइट सामग्री के उपयोग के लिए अनुमति दी है।

  1. प्रीप्रोसेसिंग
    1. ईईजी डेटा प्रीप्रोसेसिंग सॉफ्टवेयर18,19 में लागू प्रमुख घटक विश्लेषण के आधार पर गणितीय प्रक्रियाओं का उपयोग करके कच्चे ईईजी डेटा से आंखों से संबंधित कलाकृतियों को हटा दें (सामग्री की तालिका देखें)।
      नोट: यदि किसी भी युग ने प्रमुख कलाकृतियों (± 100 μV) को प्रदर्शित किया, तो किसी भी इलेक्ट्रोड में प्रीप्रोसेसिंग के बाद भी, इसे आगे के विश्लेषण से बाहर रखा गया था। अस्वीकृत युगों की औसत संख्या, उनके मानक विचलन सहित, प्रभावित हाथ-आंदोलन कार्य के लिए 3.69 ± 7.15 और अप्रभावित हाथ-आंदोलन कार्य के लिए 1.62 ± 3.95 थी।
    2. 0.1 हर्ट्ज और 55 हर्ट्ज के बीच एक बैंडपास फ़िल्टर लागू करें। घटना से संबंधित वर्णक्रमीय गड़बड़ी (ईआरपी) और कार्यात्मक नेटवर्क विश्लेषण के लिए उपयोग की जाने वाली बेसलाइन अवधि को शामिल करने के लिए कार्य की शुरुआत के आधार पर प्रत्येक परीक्षण के लिए -1 एस से 3.5 एस तक प्रीप्रोसेस्ड ईईजी डेटा को सेगमेंट करें।
  2. ई.आर.एस.पी. विश्लेषण
    नोट: मापा ईईजी डेटा स्वैच्छिक आंदोलनों से जुड़े कम-बीटा आवृत्ति बैंड (12-20 हर्ट्ज) के लिए ईआरएसपी विश्लेषण के माध्यम से मान्य किया गया था।
    1. ईईजी वर्णक्रमीय शक्तियों की गणना करने के लिए प्रत्येक परीक्षण के लिए एक अल्पकालिक फूरियर ट्रांसफॉर्म का संचालन करें, जिसके लिए प्रोग्रामिंग सॉफ्टवेयर में ईईजीएलएबी टूलबॉक्स के न्यूटाइमफ फ़ंक्शन का उपयोग20 (एक गैर-अतिव्यापी हैनिंग विंडो, 250 एमएस विंडो आकार) किया गया था।
    2. हाथ आंदोलन कार्य और बेसलाइन अवधि के बीच वर्णक्रमीय शक्तियों में परिवर्तन की जांच करने के लिए बेसलाइन अवधि (-1 से 0 एस) की औसत शक्ति को घटाकर प्रत्येक परीक्षण के पावर स्पेक्ट्रम को सामान्य करें।
    3. परीक्षणों में सामान्यीकृत पावर स्पेक्ट्रा के औसत से प्रत्येक रोगी के लिए बेसलाइन-सामान्यीकृत ईआरएसपी मानचित्रों का अनुमान लगाएं।
  3. कार्यात्मक नेटवर्क विश्लेषण
    नोट: मस्तिष्क नेटवर्क परिप्रेक्ष्य से ईईजी परिवर्तनों की जांच के लिए एक कार्यात्मक नेटवर्क विश्लेषण आयोजित किया गया था। ग्राफ सिद्धांत के आधार पर भारित पूरे मस्तिष्क नेटवर्क सूचकांकों की गणना करने के लिए, विभिन्न क्षेत्रों के बीच मस्तिष्क कनेक्टिविटी की गणना पहले चरण लॉकिंग मूल्य (पीएलवी) का उपयोग करके की गई थी। एक कार्यात्मक कनेक्टिविटी मैट्रिक्स की गणना तब पीएलवी-आधारित कनेक्टिविटी विश्लेषण के परिणामों का उपयोग करके की गई थी, जिसका उपयोग बाद में पूरे मस्तिष्क नेटवर्क सूचकांक17 की गणना करने के लिए किया गया था। प्रोग्रामिंग सॉफ्टवेयर का उपयोग करके सभी कार्यात्मक नेटवर्क विश्लेषण किए गए थे।
    1. इन-हाउस फ़ंक्शन21,22 का उपयोग करके कम-बीटा आवृत्ति बैंड (12-20 हर्ट्ज) के लिए हिल्बर्ट ट्रांसफॉर्म-आधारित चरण लॉकिंग मान (पीएलवी) की गणना करें। हिल्बर्ट ट्रांसफॉर्म-आधारित पीएलवी की गणना के लिए इन-हाउस फ़ंक्शन पूरक फ़ाइल 2 (myPLV.m) में प्रदान किया गया है।
    2. कार्य अवधि (0-3.5 सेकंड) के दौरान प्रत्येक समय बिंदु पर 32 ईईजी इलेक्ट्रोड के सभी संभावित जोड़े के बीच पीएलवी का आकलन करें और कार्य अवधि में पीएलवी का औसत करके एक सममित अनुकूलन मैट्रिक्स (32 x 32, इलेक्ट्रोड की संख्या = 32) बनाएं। नेटवर्क विश्लेषण17,23 के लिए इनपुट डेटा के रूप में पीएलवी मैट्रिक्स का उपयोग करें।
    3. ब्रेन कनेक्टिविटी टूलबॉक्स (https://sites.google.com/site/bctnet) का उपयोग करके ग्राफ सिद्धांत के आधार पर चार भारित वैश्विक स्तर के नेटवर्क सूचकांकों का मूल्यांकन करें: (1) ताकत, (2) क्लस्टरिंग गुणांक, (3) पथ की लंबाई, और (4) छोटी दुनिया 17,24,25।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

चित्रा 7 प्रत्येक हाथ-आंदोलन कार्य के स्थलाकृतिक कम-बीटा ईआरडी नक्शे प्रस्तुत करता है। प्रभावित और अप्रभावित हाथ-आंदोलन कार्यों के लिए इप्सियल गोलार्ध की तुलना में कॉन्ट्रालेशनल गोलार्ध में एक महत्वपूर्ण रूप से मजबूत कम-बीटा ईआरडी देखा गया था।

Figure 7
चित्रा 7: क्रमशः प्रभावित और अप्रभावित हाथ आंदोलन कार्यों को करने वाले सभी रोगियों के लिए औसत स्थलाकृतिक मानचित्र। एकीकृत स्थलाकृतिक मानचित्र ों को सही हेमिप्लेजिया समूह के ईआरडी मानचित्रों को रोककर प्राप्त किया गया था। एक गहरा नीला रंग एक मजबूत ईआरडी का प्रतिनिधित्व करता है, यह दर्शाता है कि संबंधित मस्तिष्क क्षेत्र अन्य क्षेत्रों की तुलना में अधिक सक्रिय थे। कॉन बरकरार गर्भनिरोधक गोलार्ध को दर्शाता है, और आईपीएसआई क्षतिग्रस्त इप्सियल गोलार्ध को दर्शाता है। यह आंकड़ा मैरी एन लिबर्ट, इंक की अनुमति के साथ शिम एट अल .17 से अनुकूलित किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

तालिका 1 चार भारित वैश्विक स्तर के नेटवर्क विशेषताओं के मात्रात्मक परिणामों को दर्शाती है। अप्रभावित हाथ के आंदोलन कार्य की तुलना में प्रभावित हाथ के आंदोलन कार्य के दौरान नेटवर्क सूचकांकों में परिवर्तन देखा गया। अप्रभावित हाथ आंदोलन कार्य की तुलना में प्रभावित हाथ आंदोलन कार्य के दौरान ताकत और क्लस्टरिंग गुणांक सूचकांक दोनों में काफी कमी आई थी। इसके विपरीत, प्रभावित हाथ आंदोलन कार्य के दौरान पथ की लंबाई में काफी वृद्धि हुई। दोनों कार्यों के बीच छोटी-दुनिया में कोई महत्वपूर्ण अंतर नहीं था।

हमने फुगल-मेयर मूल्यांकन (एफएमए) का उपयोग करके कार्यात्मक नेटवर्क सूचकांक और मोटर हानि की डिग्री के बीच सहसंबंध का भी आकलन किया। अल्फा बैंड इप्सियल नेटवर्क ताकत (आरएचओ = 0.340, पी = 0.049), क्लस्टरिंग गुणांक (आरएचओ = 0.342, पी = 0.048), और छोटी-दुनिया (आरएचओ = 0.444, पी = 0.008) ने एफएमए स्कोर के साथ सकारात्मक सहसंबंध दिखाया, जबकि पथ लंबाई (आरएचओ = -0.350, पी = 0.042) एफएमए स्कोर के साथ नकारात्मक रूप से सहसंबद्ध थी। (चित्र 8)। कम-बीटा इप्सिलेशनल नेटवर्क सूचकांकों के बीच सहसंबंध ने एफएमए स्कोर के साथ मामूली महत्वपूर्ण सहसंबंध दिखाया (ताकत आरएचओ = 0.328, पी = 0.058, क्लस्टरिंग गुणांक आरएचओ = 0.338, पी = 0.051, पथ लंबाई आरएचओ = -0.340, पी = 0.049 क्रमशः)।

Figure 8
चित्रा 8: अल्फा और कार्यात्मक नेटवर्क सूचकांक (ताकत, क्लस्टरिंग गुणांक, पथ की लंबाई और छोटी दुनिया) और फुगल-मेयर मूल्यांकन स्कोर के बीच सहसंबंध। यह आंकड़ा मैरी एन लिबर्ट, इंक की अनुमति के साथ शिम एट अल .17 से अनुकूलित किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

प्रभावित हाथ की गति अप्रभावित हाथ आंदोलन p
शक्ति 11.196 ± 1.690 11.625 ± 1.743 0.014*
क्लस्टरिंग गुणांक 0.342 ± 0.056 0.356 ± 0.057 0.014*
पथ की लंबाई 3.249 ± 0.483 3.147 ± 0.456 0.021*
छोटी दुनिया 0.897 ± 0.032 0.894 ± 0.030 0.405

तालिका 1: कम-बीटा बैंड में पूरे मस्तिष्क नेटवर्क सूचकांकों के औसत और मानक विचलन मान। नेटवर्क उपायों के लिए कोई विशिष्ट इकाई का उपयोग नहीं किया जाता है (* पी < 0.05)। इस तालिका को मैरी एन लिबर्ट, इंक की अनुमति के साथ शिम एट अल .17 से अनुकूलित किया गया था।

पूरक फ़ाइल 1: Experimental_stimulus.एम. प्रोग्रामिंग सॉफ्टवेयर-आधारित उत्तेजना स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक फ़ाइल 2: myPLV.m. हिल्बर्ट ट्रांसफॉर्म-आधारित पीएलवी की गणना के लिए इन-हाउस फ़ंक्शन। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

इस अध्ययन ने स्ट्रोक वाले व्यक्तियों में ऊपरी अंग आंदोलन से संबंधित न्यूरोनल गतिविधियों को मापने के लिए एक ईईजी प्रयोग पेश किया है। प्रयोगात्मक प्रतिमान और ईईजी के अधिग्रहण और विश्लेषण के तरीकों को इप्सिलेशनल और कॉन्ट्रालेशनल मोटर कॉर्टेक्स में ईआरडी पैटर्न निर्धारित करने के लिए लागू किया गया था।

ईआरएसपी मानचित्र (चित्रा 7) के परिणामों ने बिगड़ा हुआ और अप्रभावित हाथों को हिलाते समय न्यूरोनल सक्रियण की डिग्री में अंतर का प्रदर्शन किया। परिणाम पिछले लेख26,27 के निष्कर्षों के अनुरूप थे और दिखाया कि प्रयोगात्मक सेटअप एक व्यवहार्य विधि है जिसे नैदानिक अनुसंधान सेटिंग्स में लागू किया जा सकता है।

पिछले अध्ययनों ने मुख्य रूप से स्ट्रोक वाले व्यक्तियों में परिवर्तित न्यूरोनल गतिविधि की जांच के लिए आराम-राज्य ईईजी डेटा का उपयोग किया है। हालांकि, इस अध्ययन ने हाथ आंदोलन के दौरान मापा गया कार्य-विशिष्ट ईईजी डेटा नियोजित किया, जो मोटर रिकवरी17 की भविष्यवाणी के लिए बायोमार्कर के रूप में वादा दिखाता है।

एक सामान्य परिप्रेक्ष्य से ईईजी रिकॉर्डिंग के लिए कुछ महत्वपूर्ण विचारों का उल्लेख किया जाना चाहिए। विशेष रूप से, चरण 2.2.3 में उल्लिखित घटना जानकारी को सत्यापित करने की प्रक्रिया प्रयोगात्मक घटनाओं के सटीक समय को प्राप्त करने के लिए महत्वपूर्ण है। यह गलत डेटा विभाजन को रोकता है, जिसके परिणामस्वरूप अविश्वसनीय परिणाम हो सकते हैं। इसके अलावा, जब प्रयोगों में रोगियों को शामिल किया जाता है, तो थकान और एकाग्रता में कमी को रोकने के लिए स्पष्ट और संक्षिप्त प्रयोगात्मक डिजाइनों की आवश्यकता होती है। इस अध्ययन में, लेखकों ने स्वतंत्र रूप से प्रत्येक प्रतिभागी के भीतर प्रभावित और अप्रभावित हाथ आंदोलनों के दौरान देखे गए ईईजी पैटर्न की तुलना की, जो 18 से 80 वर्ष की आयु में थे। जबकि विभिन्न उम्र के प्रतिभागियों के बीच ईईजी पैटर्न पर कुछ उम्र बढ़ने के प्रभाव हो सकते हैं, परिणाम मुख्य रूप से दो अलग-अलग स्थितियों से उत्पन्न होते हैं: प्रभावित या अप्रभावित हाथ आंदोलन। हालांकि, ईईजी पैटर्न पर उम्र के संभावित प्रभाव को देखते हुए, अधिक व्यापक विश्लेषण के लिए एक व्यापक आयु वर्ग की सिफारिश की जाती है।

इस अध्ययन में उपयोग किए गए प्रतिमान में अपेक्षाकृत कम अवधि (क्रमशः 5 एस और 3 एस) के भीतर बारी-बारी से हाथ विस्तार और विश्राम कार्य शामिल थे। संज्ञानात्मक हानि वाले प्रतिभागियों ने निर्देशों को समझने और समय सीमा के भीतर कार्य करने के लिए संघर्ष किया। इस प्रकार, इस प्रतिमान का उपयोग करके ईईजी रिकॉर्ड करने से पहले, शोधकर्ताओं को प्रतिभागी को पूरी तरह से निर्देश देना चाहिए और यदि संभव हो, तो यह सुनिश्चित करने के लिए कार्य का प्रदर्शन करें कि प्रतिभागी प्रतिमान और कार्य को पूरी तरह से समझता है। इसलिए, इस प्रतिमान की एक संभावित सीमा संज्ञानात्मक हानि वाले रोगियों का बहिष्करण है जो प्रयोगात्मक प्रतिमान को समझ नहीं सकते हैं या गंभीर रूप से बंद रोगियों को जो आंदोलन कार्य को निष्पादित नहीं कर सकते हैं। अक्सर, संज्ञानात्मक हानि स्ट्रोक28 वाले व्यक्तियों में गंभीर मोटर हानि के साथ होती है। नतीजतन, स्ट्रोक वाले व्यक्तियों में प्रतिमान की प्रयोज्यता आराम-राज्य ईईजी प्रतिमान 8,29 की तुलना में संकीर्ण है। बरकरार अनुभूति वाले गंभीर रूप से लॉक-इन रोगियों के लिए, गति कल्पना (मोटर इमेजरी) के साथ आंदोलन की नकल करके प्रतिमान लागू किया जा सकता है, जो मोटर से संबंधित मस्तिष्क गतिविधि30,31 भी पैदा कर सकता है।

इसके अलावा, उपरोक्त ईईजी डिवाइस के आधार पर प्रयोग करते समय विचार करने के लिए दो महत्वपूर्ण बिंदु हैं। सबसे पहले, स्थिर डेटा रिकॉर्डिंग सुनिश्चित करने के लिए, चरण 2.1.9 में प्रक्रिया के अनुसार प्रत्येक अधिग्रहण सत्र से पहले इलेक्ट्रोड प्रतिबाधा की जांच करना अत्यधिक अनुशंसित है। यदि प्रतिबाधा जानकारी ठीक से परिलक्षित नहीं होती है, तो प्रारंभिक फ़ाइल स्वरूप (.vhdr) को वांछित फ़ाइल स्वरूप (जैसे, ".mat", ".py", आदि) में कनवर्ट करते समय त्रुटियाँ हो सकती हैं. दूसरा, इस अध्ययन में, ईईजी एम्पलीफायर को यूएसबी केबल के माध्यम से रिकॉर्डिंग पीसी से जोड़ा गया था। रिकॉर्डिंग पीसी और यूएसबी केबल के बीच स्थिर कनेक्शन के लिए, एक यूएसबी 2.0 पोर्ट अत्यधिक अनुशंसित है; यदि USB 3.0 पोर्ट का उपयोग किया जाता है, तो EEG एम्पलीफायर कनेक्शन से संबंधित तकनीकी समस्याएँ उत्पन्न हो सकती हैं।

प्रस्तावित प्रायोगिक प्रोटोकॉल मोटर फ़ंक्शन हानि वाले रोगियों में आंदोलनों के दौरान प्राप्त ईईजी पैटर्न के अवलोकन की अनुमति देता है। मोटर पुनर्वास से गुजरने वाले स्ट्रोक वाले व्यक्तियों में मोटर फ़ंक्शन रिकवरी की सीमा का मूल्यांकन करने के लिए गुणात्मक मूल्यांकन उपकरण के रूप में इसके मूल्य की पुष्टि करने के लिए इस प्रतिमान का उपयोग करके आगे की जांच की आवश्यकता होती है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

एमएस, एनजेपी, डब्ल्यूएसके और एचजेएच के पास "मोटर हानि और उसके लिए उपयोग किए जाने वाले उपकरणों से संबंधित जानकारी प्रदान करने की विधि" नामक एक पेटेंट-लंबित है, संख्या 10-2022-0007841।

Acknowledgments

यह काम कोरिया सरकार (एमएसआईटी) द्वारा वित्त पोषित नेशनल रिसर्च फाउंडेशन ऑफ कोरिया (एनआरएफ) अनुदान द्वारा समर्थित था ।। एनआरएफ-2022आर1ए2सी1006046, कोरिया के राष्ट्रीय अनुसंधान फाउंडेशन (एनआरएफ) के माध्यम से मस्तिष्क विज्ञान के लिए मूल प्रौद्योगिकी अनुसंधान कार्यक्रम द्वारा, शिक्षा, विज्ञान और प्रौद्योगिकी मंत्रालय (2019 एम 3 सी 7 ए 1031995) द्वारा वित्त पोषित कोरिया के राष्ट्रीय अनुसंधान फाउंडेशन (एनआरएफ) द्वारा कोरिया सरकार (एमएसआईटी) द्वारा वित्त पोषित अनुदान द्वारा। एनआरएफ-2022आर1ए6ए3ए13053491, और एमएसआईटी (विज्ञान और आईसीटी मंत्रालय), कोरिया द्वारा आईटीआरसी (सूचना प्रौद्योगिकी अनुसंधान केंद्र) सहायता कार्यक्रम (आईआईटीपी-2023-आरएस-2023-00258971) के तहत आईआईटीपी (सूचना और संचार प्रौद्योगिकी योजना और मूल्यांकन संस्थान) की निगरानी में।

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

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. 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).
  3. 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).
  4. Giaquinto, S., Cobianchi, A., Macera, F., Nolfe, G. EEG recordings in the course of recovery from stroke. Stroke. 25 (11), 2204-2209 (1994).
  5. 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).
  6. 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).
  7. Thibaut, A., et al. Using brain oscillations and corticospinal excitability to understand and predict post-stroke motor function. Frontiers in Neurology. 8, 187 (2017).
  8. Caliandro, P., et al. Small-world characteristics of cortical connectivity changes in acute stroke. Neurorehabilitation and Neural Repair. 31 (1), 81-94 (2017).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. Lee, M. H., et al. EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy. Gigascience. 8 (5), giz002 (2019).
  15. Jasper, H. H. Report of the committee on methods of clinical examination in electroencephalography: 1957. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  22. 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).
  23. 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).
  24. Bassett, D. S., Bullmore, E. Small-world brain networks. Neuroscientist. 12 (6), 512-523 (2006).
  25. Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. 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).
  31. 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).

Tags

इलेक्ट्रोएन्सेफलोग्राफी नेटवर्क सूचकांक बायोमार्कर ऊपरी अंग हानि क्रोनिक स्ट्रोक ईईजी सिग्नल मोटर हानि मोटर रिकवरी ईईजी प्रयोग प्रतिमान प्रयोग प्रोटोकॉल ईईजी डेटा का अधिग्रहण और विश्लेषण कार्य-विशिष्ट प्रतिमान हाथ विस्तार विश्राम-अवस्था कार्य-स्थिति खोपड़ी इलेक्ट्रोड नमूना दर घटना से संबंधित वर्णक्रमीय गड़बड़ी विश्लेषण कार्यात्मक नेटवर्क विश्लेषण कम-बीटा आवृत्ति बैंड कार्यात्मक नेटवर्क में परिवर्तन क्रोनिक स्ट्रोक में मोटर हानि रोगी ईईजी माप में प्रयोगात्मक प्रतिमान।
क्रोनिक स्ट्रोक में ऊपरी अंग हानि के बायोमार्कर के रूप में इलेक्ट्रोएन्सेफलोग्राफी नेटवर्क सूचकांक
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Choi, G. Y., Chang, W. K., Shim, M., … More

Choi, G. Y., Chang, W. K., Shim, M., Kim, N., Jang, J. h., Kim, W. S., Hwang, H. J., Paik, N. J. Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke. J. Vis. Exp. (197), e64753, doi:10.3791/64753 (2023).

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