Yöntem makalesi

Depresyonda Auriküler Vagus Sinir Stimülasyonunun Fonksiyonel Yakın Kızılötesi Spektroskopi Rehberliğinde Frekans Haritalaması

145 görüntülenme

⸱

DOI:

10.3791/70136

⸱

25 Eylül 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry and Psychotherapy, University of Marburg, 2Center for Mind, Brain, and Behavior (CMBB), University of Marburg, 3Department of Psychology, University of Marburg, 4Faculty of Medicine, University of British Columbia

Bu makalede

Özet

Bu protokol, majör depresif bozukluğu olan bireylerde, fonksiyonel yakın kızılötesi spektroskopi kullanarak transkutanöz auriküler vagus siniri stimülasyonuna verilen frekans bağımlı kortikal yanıtların haritalanması için tekrarlanabilir bir çerçeve sunmaktadır.

Özet

Majör depresif bozukluk (MDB), geniş ölçekli beyin ağlarındaki değişimlerle ilişkilidir ve transkütan auriküler vagus sinir stimülasyonu (taVNS) parametrelerindeki, özellikle stimülasyon frekansındaki değişkenlik, çalışmalar arasındaki tekrarlanabilirliği ve karşılaştırılabilirliği sınırlamaktadır. Bu nedenle, sistematik parametre seçimi için standartlaştırılmış stratejilere ihtiyaç vardır. Bu protokol, fonksiyonel yakın kızılötesi spektroskopi (fNIRS) kullanarak çoklu taVNS frekanslarına verilen bireysel kortikal yanıtların haritalanması için tekrarlanabilir, nörogörüntüleme güdümlü bir iş akışı sunmaktadır. Yaklaşım, sürekli fNIRS veri toplama işlemini, oturum içi çoklu stimülasyon frekanslarının uygulanması ve varsayılan mod ağı aktivitesinin ağ düzeyinde analizi ile birleştirir. Frekansa özgü yanıtlar, mesafe tabanlı metrikler kullanılarak nicelendirilir ve ardından her katılımcı için aday stimülasyon parametrelerini belirlemek amacıyla algoritmik sıralama yapılır.
İş akışı, stimülasyon koşullarının doğrudan denek içi karşılaştırılmasına olanak tanır ve sabit frekanslı tasarımlar yerine ağ düzeyindeki yanıtlara dayalı keşifsel parametre haritalama için yapılandırılmış bir çerçeve sağlar. Temsili sonuçlar, farklı koşullar altında stabil fNIRS sinyalleri elde etmenin ve yorumlanabilir katılımcıya özgü frekans sıralamaları oluşturmanın uygulanabilirliğini göstermektedir. MDB'de gösterilmiş olsa da bu protokol, ağ düzeyinde disfonksiyon içeren diğer nöromodülasyon paradigmalarına ve bozukluklara uyarlanabilir ve bireyselleştirilmiş parametre seçimini amaçlayan gelecekteki çalışmaları destekleyebilir.

Giriş

Transkutanöz auriküler vagus siniri stimülasyonu (taVNS), vagus sinirinin auriküler dalını hedefleyen ve beyin sapı nöromodülatör çekirdeklerinin yanı sıra yaygın kortikal ağları etkileyebilen noninvaziv bir nöromodülasyon tekniğidir1. Önceki çalışmalar, taVNS'nin fizyolojik ve nöral etkilerinin, özellikle stimülasyon frekansı olmak üzere, stimülasyon parametrelerine güçlü bir şekilde bağlı olduğunu göstermiştir2,3,4,5. Hayvan ve insan modellerinde, farklı frekanslar farklı nöromodülatör yolaklar ve beyin yanıtları ile ilişkilendirilmiştir ve mevcut klinik taVNS protokolleri geniş bir frekans aralığını kapsamaktadır6. Bu değişkenlik, sabit frekans geleneklerine güvenmek yerine, frekans haritalama ve prensiplere dayalı parametre seçimi için sistematik yaklaşımlara duyulan ihtiyacı vurgulamaktadır. Bu protokolün amacı, ağ düzeyindeki fizyolojik okumaları kullanarak, birden fazla taVNS frekansına verilen nöral yanıtların denek içi haritalanması için tekrarlanabilir bir yöntem sunmaktır.

Bu protokolün genel amacı, bireysel nöral yanıtların birden fazla taVNS frekansına göre haritalandırılması için tekrarlanabilir bir yöntem sağlamaktır.

Fonksiyonel yakın kızılötesi spektroskopi (fNIRS), kortikal hemodinamiği yüksek zamansal çözünürlükle ölçen ve eş zamanlı taVNS ile uyumlu, taşınabilir bir optik nörogörüntüleme tekniğidir7,8. Manyetik rezonans görüntüleme (MRI) tabanlı yaklaşımlarla karşılaştırıldığında fNIRS; tarayıcı hareketsizliği, akustik gürültü veya kısıtlı donanım kurulumları gibi sınırlamalar olmaksızın daha yüksek taşınabilirlik, daha düşük lojistik yük ve stimülasyon prosedürleriyle daha kolay entegrasyon sunar. Semptom tabanlı optimizasyon stratejileriyle karşılaştırıldığında fNIRS, yalnızca subjektif veya gecikmiş klinik sonuçlara güvenmek yerine, stimülasyona verilen kortikal ağ yanıtlarının doğrudan fizyolojik bir vekilini sağlar9. Sabit frekanslı stimülasyon paradigmalarıyla10 karşılaştırıldığında, mevcut protokol, yanıtları katılımcılar arasında ortalamak yerine frekans duyarlılığındaki bireyler arası değişkenliğin açıkça karakterize edilmesine olanak tanır. Ayrıca fNIRS, ölçeklenebilir tekrarlanan oturum içi ölçümleri destekleyerek bu yaklaşımı özellikle keşifsel frekans haritalama çalışmaları ve verimli, tekrarlanan değerlendirmeler gerektiren pilot araştırmalar için uygun hale getirir.

Bu birleşik yaklaşım, araştırmacıların aynı katılımcı dahilinde nöromodülasyon parametrelerini karşılaştırmayı, kişiselleştirilmiş stimülasyon ayarı adaylarını belirlemeyi veya boylamsal ya da sonuç odaklı deneyler yürütmeden önce protokoller geliştirmeyi hedeflediği durumlarda kullanılmalıdır. Bu yöntem, geniş ölçekli beyin ağı organizasyonunun bozulduğu durumlar için genel olarak uygulanabilir11. Bu protokol, özellikle keşifsel parametre eşlemesi, pilot kişiselleştirme çalışmaları ve erken aşama fizibilite araştırmaları için uygundur. Burada depresyon, varsayılan mod ağı (DMN)12,13 ve ilgili kontrol ağlarındaki aktivite ve bağlantı değişiklikleriyle ilişkilendirilmiş olması ve taVNS'nin bu sistemleri modüle ettiğinin bildirilmiş olması nedeniyle açıklayıcı bir bağlam sunmaktadır14. Ancak, önceki çalışmalarda heterojen stimülasyon frekansları kullanılmıştır ve afektif ve kognitif ağları hedeflemek için en uygun frekanslar belirsizliğini korumaktadır. Bu değişkenlik, tek bir a priori frekansa güvenmek yerine, denek içi frekans karşılaştırmasının kullanılmasını motive etmektedir.

Burada, yatak başı ve boylamsal kullanıma uygun, fNIRS kılavuzluğunda bir taVNS frekans haritalama iş akışının uygulanması için bir protokol tanımlıyoruz. Prosedür; stimülasyon içermeyen bir başlangıç dinlenme durumu baz hattı, ardından 2, 10, 25 ve 40 Hz'de dinlenme durumu taVNS oturumları ve spesifik olmayan etkileri kontrol etmek için bir plasebo (sham) durumunu içermektedir. Her durum için fNIRS verileri toplanır ve normatif sağlıklı bir referansa göre çok değişkenli ağ mesafe metrikleri kullanılarak analiz edilir. Bu metrikler, bağlantı gücü ve bölgesel etkileşim modelleri dahil olmak üzere ağ organizasyonunun tamamlayıcı yönlerini yakalar15,16. Elde edilen ağ düzeyindeki ölçümler, her katılımcı içindeki frekansa özgü etkileri karşılaştırmak ve ağ bilgisine dayalı bir şekilde aday stimülasyon parametrelerini belirlemek için kullanılır. Aday frekansın kısa süreli tekrarlanabilirliğini değerlendirmek için ardından aday kişiye özel bir dinlenme durumu koşulu eklenmiştir.

Bu protokol; keşifsel parametre eşlemesi, kavram kanıtlama kişiselleştirmesi ve daha geniş kapsamlı boylamsal veya klinik çalışmalar öncesinde protokol geliştirme süreçleri için en uygundur. Ağ düzeyindeki fizyolojik metrikleri kullanarak, bireyler bazında stimülasyon frekanslarının sistematik olarak karşılaştırılması için yapılandırılmış bir çerçeve sunar. Yöntem, erken aşama veya pilot araştırmalarda hipotez oluşturmayı ve aday frekansların belirlenmesini desteklemek üzere tasarlanmıştır. Kesin klinik etkinliği, terapötik üstünlüğü veya tedavi optimizasyonunu saptamayı değil, keşifsel ve ağ bilgisine dayalı parametre seçimi yoluyla sonraki boylamsal ve sonuç odaklı çalışmalara temel oluşturmayı amaçlamaktadır.

Protokol

İnsan katılımcıları içeren tüm prosedürler, kurumsal kılavuzlar ve Helsinki Deklarasyonu ile uyumlu olarak gerçekleştirilmiş ve Philipps University Marburg'un sorumlu insan araştırmaları etik kurulu tarafından onaylanmıştır (protokol numarası: 23-232 BO). Katılım öncesinde tüm katılımcılardan yazılı bilgilendirilmiş onam alınmıştır.

Protokol, deneysel iş akışının kronolojik yürütülmesini takip etmektedir (bakınız Şekil 1 (ayrıntılar için). Tekrarlanabilirliği ve katılımcılar arasındaki karşılaştırılabilirliği sağlamak amacıyla tüm adımlar, önceden tanımlanmış parametreler kullanılarak uygulanmıştır. Bu parametreler; sabit taVNS stimülasyon ayarlarını (2, 10, 25 ve 40 Hz frekanslar, darbe genişliği ve bireysel olarak ayarlanmış stimülasyon şiddeti), standartlaştırılmış dinlenme durumu çalışma sürelerini, tutarlı bir plasebo (sham) koşulunu ve kanal konfigürasyonu, hareket düzeltme, filtreleme ve ağ tabanlı analiz prosedürlerini içeren tek tip bir fNIRS veri toplama ve ön işleme hattını kapsamaktadır.

1. Etik Onay ve Çalışma Genel Bakışı

  1. Etik onay alın
    1. Çalışmaya başlamadan önce Philipps University Marburg Tıp Fakültesi Etik Kurulu'ndan onay (Protokol No. 23-232 BO) alın.
    2. Tüm prosedürleri Helsinki Deklarasyonu ve insan katılımcı araştırmalarıyla ilgili kurumsal kılavuzlara uygun olarak yürütün.
    3. Tarama, değerlendirme veya veri toplama işleminden önce her katılımcıdan yazılı bilgilendirilmiş onam alın.
  2. Çalışma hedeflerini belirleyin
    1. Aynı katılımcı içerisinde plasebo stimülasyonu ile birden fazla aktif taVNS frekansını karşılaştırmak için bu protokolü kullanın.
    2. Stimülasyon sırasında kortikal ağ yanıtlarını nicelleştirmek için eşzamanlı fonksiyonel yakın kızılötesi spektroskopi (fNIRS) kullanın.
    3. Sağlıklı kontrol şablonuna ağ düzeyindeki benzerliğe dayanarak aday bireyselleştirilmiş stimülasyon frekansını belirlemek için önceden tanımlanmış analiz betikleri kullanın.
  3. Analitik kapsamı belirleyin
    1. Tüm sonuçları tanımlayıcı ve keşifsel olarak yorumlayın.
    2. Klinik etkinliği, terapötik üstünlüğü veya tedavi optimizasyonunu saptamak için bu protokolü kullanmayın.
    3. Sonuçları, gelecekteki boylamsal veya sonuç odaklı çalışmalara bilgi sağlamak için kullanın.

2. Katılımcıların Belirlenmesi ve Taranması

  1. Çalışma gruplarının belirlenmesi
    1. Yetişkin katılımcıları iki gruba ayırın: Majör Depresif Bozukluk (MDD) ve sağlıklı kontroller (HC).
    2. Sağlıklı kontrolleri, MDD grubuyla aynı çalışma döneminde ve özdeş prosedürler kullanarak belirleyin.
    3. Kurumsal yönergeler uyarınca tazminat sağlayın.
  2. Dahil etme kriterlerinin uygulanması
    1. Yalnızca 18 yaş ve üzeri katılımcıları dahil edin.
    2. Normal veya düzeltilmiş-normal görme yetisini doğrulayın.
    3. Yalnızca MDD grubu için: DSM-5 tabanlı yapılandırılmış klinik görüşme kullanarak MDD tanısını doğrulayın.
    4. Yalnızca MDD grubu için: Yalnızca hafif ila orta şiddette depresyona sahip katılımcıları dahil edin (HAMD-24 ≥8 ve <24; BDI-II ≥8 ve <29).
    5. Yalnızca sağlıklı kontrol grubu için: Mevcut psikiyatrik veya ağır somatik hastalık bulunmadığını doğrulayın.
  3. Hariç tutma kriterlerinin uygulanması
    1. Nörolojik bozuklukları veya önemli kafa travması öyküsü olan katılımcıları hariç tutun.
    2. Psikiyatrik komorbiditesi olan katılımcıları hariç tutun.
    3. Halen psikotropik veya antidepresan ilaç kullanan veya bu tür ilaçları son 2 hafta içinde bırakan katılımcıları hariç tutun.
    4. İntihar düşüncesi veya ağır depresif semptomları olan katılımcıları hariç tutun.
    5. Nöral veya vasküler fonksiyonları etkileme olasılığı olan tıbbi durumları olan katılımcıları hariç tutun.
  4. Klinik değerlendirmenin gerçekleştirilmesi
    1. Hamilton Depresyon Derecelendirme Ölçeği'ni (HAMD-24) uygulayın.
    2. Beck Depresyon Envanteri-II'yi (BDI-II) uygulayın.
    3. Toplam puanları çalışma veri tabanına kaydedin.

3. Deneysel Ortamın Hazırlanması

  1. Laboratuvar odasını hazırlayın
    1. Katılımcıyı sessiz ve loş bir odaya yerleştirin.
    2. Ortam sıcaklığını sabit tutun ve dış gürültüyü en aza indirin.
    3. Bir monitörü katılımcının yaklaşık 1 m önüne konumlandırın.
  2. Katılımcıyı yönlendirin
    1. Monitörde merkezi bir fiksasyon artı işareti görüntüleyin.
    2. Katılımcıya uyanık, rahat ve hareketsiz kalmasını söyleyin.
    3. Katılımcıya tüm kayıtlar boyunca bakışlarını fiksasyon artı işaretinde tutmasını söyleyin.

4. taVNS'yi Hazırlayın ve Stimülasyonu Kalibre Edin

  1. Donanımın hazırlanması
    1. Titanyum-iridyum stimülasyon elektrodu ile donatılmış bir transkutanöz auriküler vagus sinir stimülasyon cihazı kullanın.
    2. Her oturumdan önce kabloları, konnektörleri ve pil durumunu kontrol edin.
  2. Elektrodun yerleştirilmesi
    1. Sol cymba conchae bölgesini alkollü mendillerle temizleyin.
    2. Cildi tamamen kurulayın.
    3. Stimülasyon elektrodunu sol cymba conchae üzerine yerleştirin.
    4. Stabil kontağı ve güvenli yerleşimi doğrulayın.
  3. Akım genliğinin kalibre edilmesi
    1. Darbe genişliğini 300 µs olarak ayarlayın.
    2. Görev döngüsü olmaksızın sürekli stimülasyonu etkinleştirin.
    3. 0 mA ile başlayın ve akımı kademeli olarak 0.1-0.2 mA adımlarla artırın.
    4. Her artıştan sonra katılımcıdan hissi 10 puanlık bir ölçekte değerlendirmesini isteyin.
    5. Akım artırımını, ağrı oluşmadan tolerans gösterilen en yüksek yoğunlukta durdurun.
    6. Algılanan yoğunluk için 7-8/10 değerini hedefleyin.
    7. Kalibrasyonu 2, 10, 25 ve 40 Hz için ayrı ayrı tekrarlayın.
    8. Her frekans için nihai akım genliğini kaydedin.
  4. Plasebo stimülasyonun yapılandırılması
    1. Cihazı elektrik akımı vermeyecek şekilde yapılandırın.
    2. Elektrot yerleşimini aktif koşullarla aynı tutun.
    3. Tüm görsel, dokunsal ve işitsel ipuçlarını aktif stimülasyonla eşleştirin.
  5. Aktif stimülasyon bloklarının uygulanması
    1. Dört aktif frekansı (2, 10, 25 ve 40 Hz) oturum boyunca birer kez uygulayın.
    2. Blok sırasını katılımcılar arasında bilgisayar tarafından oluşturulan bir dizi kullanarak randomize edin.
    3. Koşullar arasına stimülasyonsuz sabit aralıklar yerleştirin.

5. fNIRS Sisteminin Kurulması

  1. Donanımın hazırlanması
    1. Senkronize edilmiş iki fNIRS sistemi kullanın.
    2. Her sistemi 16 ışık kaynağı ve 16 detektör ile donatın.
  2. Montajın tanımlanması
    1. Varsayılan mod ağı bölgelerini hedeflemek için bir optik yerleşim planlama aracı kullanın.
    2. Optodları medial prefrontal korteks, posterior singulat korteks/precuneus, bilateral angular giruslar ve medial temporal bölgeleri kapsayacak şekilde konumlandırın.
    3. Uzun ayrılma kanalları için 3 cm kaynak-detektör aralığı kullanın.
    4. Yaklaşık 8 mm'de kısa ayrılma kanalları ekleyin.
  3. Kazanım parametrelerinin yapılandırılması
    1. 760 nm ve 850 nm dalga boylarını kullanın.
    2. Örnekleme frekansını 5.1 Hz olarak ayarlayın.
    3. Kayıt öncesinde her iki sistemi senkronize edin.

6. Deneysel Oturumu Gerçekleştirin

  1. Blok dizisini belirleyin
    1. Uyaransız olarak 6 dk boyunca bazal dinlenme durumunu (RS0) kaydedin.
    2. 2 dk'lık bir ara verin.
    3. 6 dk boyunca plasebo (sham) stimülasyonu uygulayın.
    4. 2 dk'lık bir ara verin.
    5. Her biri 6 dk süren, randomize edilmiş dört aktif stimülasyon bloğu (2, 10, 25 ve 40 Hz) uygulayın.
    6. Ardışık aktif bloklar arasına 2 dk'lık bir ara yerleştirin.
    7. 6 dk boyunca stimülasyon sonrası dinlenme durumunu (RS1) kaydedin.
  2. Oturum zamanlamasını koruyun
    1. Toplam oturum süresinin yaklaşık 54 dk olduğundan emin olun.
    2. Tüm bloklar boyunca sürekli fNIRS veri toplama işlemi gerçekleştirin.
  3. Standart koşulları sürdürün
    1. Oda aydınlatmasının, talimatların ve fiksasyon ekranının tüm bloklar boyunca aynı kaldığından emin olun.
    2. Elektrot temasını sürekli olarak izleyin.
    3. Gerektiğinde, deneyi yalnızca bir bloğu tamamladıktan sonra durdurun.

7. fNIRS Verilerini Ön İşlemeden Geçirme

  1. Kayıtların bölümlere ayrılması
    1. Sürekli kayıtları RS0, Sham, 2 Hz, 10 Hz, 25 Hz, 40 Hz ve RS1 şeklinde bölümlere ayırın.
    2. Her bir kanal ve koşul için ham yoğunluk sinyallerini çıkarın.
  2. Kalite kontrolünün gerçekleştirilmesi
    1. 0.5 ve 2.33 Hz arasında Butterworth bant geçiren filtreleme uygulayın.
    2. Sinyalleri örtüşmeyen 3 s pencerelere bölün.
    3. Kafa Derisi Bağlanım İndeksi'ni (SCI) ve Güç Spektral Pikini (PSP) hesaplayın.
    4. SCI ≥ 0.8 ve PSP ≥ 0.1 olduğunda pencereleri kabul edilebilir olarak sınıflandırın.
    5. Kabul edilebilir pencere oranı ≥ %70 olan kanalları tutun.
    6. Kabul edilebilir kanal oranı ≥ %70 olan katılımcıları tutun.
  3. Artifaktların düzeltilmesi
    1. Hareket artifaktlarını Zamansal Türev Dağılım Onarımı (TDDR) kullanarak düzeltin.
    2. 8-wavelet bazlı wavelet filtreleme uygulayın.
    3. 4 standart sapmayı aşan katsayıları aykırı değer olarak tanımlayın.
  4. Sinyallerin dönüştürülmesi
    1. Optik yoğunluğu, modifiye Beer-Lambert yasasını kullanarak okshemoglobine dönüştürün.

8. Ağ Özelliklerini Hesaplayın ve Aday Frekansı Seçin

  1. Bağlantısallığı hesaplayın
    1. Tüm ROI çiftleri arasında robust Pearson korelasyonlarını hesaplayın.
    2. Altı benzersiz ikili korelasyonu bir bağlantısallık vektörü olarak saklayın.
    3. 4 × 4 boyutunda simetrik bir bağlantısallık matrisi oluşturun.
  2. Türetilmiş özellikleri hesaplayın
    1. Her matrisin özdeğerlerini ve özvektörlerini hesaplayın.
    2. Matris normalizasyonundan sonra her düğüm için ortalama kontrol edilebilirliği hesaplayın.
  3. Sağlıklı şablonu oluşturun
    1. Kalılan tüm sağlıklı kontrol katılımcıları genelinde ortalama RS0 bağlantısallık matrisini hesaplayın.
    2. Elde edilen matrisi sağlıklı referans şablonu olarak kullanın.
  4. Mesafeleri hesaplayın
    1. Bağlantısallık, özdeğerler ve kontrol edilebilirlik için katılımcı özellikleri ile şablon arasındaki kosinüs mesafesini hesaplayın.
    2. Bileşen eşleştirme kullanarak özvektör benzerliğini hesaplayın.
  5. Koşulları sıralayın
    1. Sham, 2 Hz, 10 Hz, 25 Hz ve 40 Hz koşullarını, her bir metrik için mesafeye göre artan sırada sıralayın.
    2. En küçük mesafeye 1. sıra numarasını atayın.
    3. Her bir koşul için metrikler genelinde sıralama numaralarını toplayın.
  6. Aday bireyselleştirilmiş frekansı seçin
    1. Kümülatif sıralama puanı en düşük olan koşulu belirleyin.
    2. Bu koşulu aday bireyselleştirilmiş stimülasyon frekansı olarak tanımlayın.
  7. Stimülasyon Kazancının Hesaplanması
    1. Aşağıdaki normalizasyonu kullanarak her bir frekans için stimülasyon kazancını (G_f) hesaplayın:
      Tane boyutu derecelendirme formülü, denklem Gf=(d0-df)/(max(df)-min(df)), diyagram.​
      Burada df  RS0 mesafesi ve df  RS0, Sham, 2 Hz, 10 hz, 25 Hz ve 40 Hz koşulları genelinde hesaplanan f. stimülasyon frekansı sırasındaki mesafedir.

Sonuçlar

Veri kalitesi ve elde edilebilirliğin fizibilitesi

Önceden tanımlanmış veri kalitesi kriterlerinin uygulanması, sinyal kalitesi yetersiz olan kanalların ve katılımcıların hariç tutulmasıyla sonuçlanmıştır. Başarılı sonuçlar, koşullar genelinde yüksek kanal koruma oranı, stabil hemodinamik kayıtlar ve ağ özelliklerinin güvenilir tahminine olanak tanıyan yorumlanabilir bağlantı modelleri ile karakterize edilir. Kötü veya suboptimal sonuçlar ise düşük sinyal kalitesi, aşırı hareket artefaktları, yetersiz optod-saç derisi etkileşimi, yetersiz kanal koruma oranı veya yorumlanabilirliği sınırlayan tutarsız ağ tahminlerini içerir. Şekil 3 ve Şekil 4'te gösterildiği gibi, kalite değerlendirmesi sonrası nihai veri seti, majör depresif bozukluğu olan 19 katılımcıyı (MDD; ortalama yaş: 31,21 yıl, SD: 8,99; 10 kadın) ve 19 sağlıklı kontrolü (HC; ortalama yaş: 33,5 yıl, SD: 13,51; 7 kadın) içermektedir. Yedi katılımcı (3 MDD ve 4 HC), öncelikle hareket artefaktları veya yetersiz optod-saç derisi etkileşimi ile ilişkili olarak veri kalitesinin yetersiz olması nedeniyle hariç tutulmuştur.

Kanal bazlı kalite haritaları, bazı bireylerde yerelleşmiş düşük kaliteli bölgelerin olmasıyla birlikte, katılımcılar arasında sinyal kalitesinin heterojen uzamsal dağılımlarını daha da açıkça göstermiştir. Bu bulgular, daha ileri analizlerden önce kafa derisi kuplama indeksi ve güç spektral zirvesine dayalı önceden tanımlanmış eşik değerlerin uygulanmasının önemini vurgulamaktadır. Bu kalite kontrol prosedürleri, sonraki ağ ölçümlerinin güvenilir verilerden hesaplanmasını sağlar ve protokolün kritik bir bileşenini oluşturur. Burada gösterilen temsili çıktılar; veri kalitesi taramasının, standartlaştırılmış ön işlemenin, ROI tabanlı zaman serisi çıkarımının ve önceden tanımlanmış sıra toplamı seçim prosedürünün başarıyla tamamlanmasına doğrudan bağlıdır.

Ön işleme ve ağ oluşturma

Deneysel tasarım ve ön işleme iş akışı Şekil 1 ve Şekil 2'de gösterilmiştir. Kalite kontrol adımının ardından (Şekil 2), sinyaller başarıyla hemoglobin konsantrasyonuna dönüştürülmüş; hareket artefaktları ve sistemik fizyolojik gürültü için düzeltilmiştir. Bu ön işleme adımlarının başarıyla tamamlandığı; korunan yüksek kaliteli kanallar, stabil bölgesel zaman serileri ve yorumlanabilir bağlantı tahminleri ile belirlenirken; kötü sonuçlar arasında aşırı sinyal kaybı, giderilemeyen artefaktlar veya güvenilmez ağ ölçümleri yer almaktadır. Varsayılan mod ağı düğümlerinden bölgesel zaman serilerinin çıkarılması, her bir durum için fonksiyonel bağlantı matrislerinin oluşturulmasını sağlamıştır. Bu temsilci sonuçlar; doğrudan veri kalite kontrolünün17, standartlaştırılmış ön işlemenin18, ROI tanımının ve önceden tanımlanmış sıralama prosedürünün uygulanmasının başarılı yürütülmesine bağlıdır. Ortaya çıkan varsayılan mod ağı fonksiyonel bağlantı matrisleri, sonraki mesafe tabanlı karşılaştırmalar için temel oluşturmaktadır.

Temsili ağ düzeyindeki sonuçlar

Şekil 5A, sağlıklı kontrollerden türetilen referans DMN ağ şablonunun yanı sıra, temsili bir MDD katılımcısı için koşula özgü DMN fonksiyonel bağlantı profilinin bir örneğini göstermektedir. Bu matrisler, koşullar genelinde bölgeden bölgeye bağlantı modellerinin doğrudan görselleştirilmesine olanak tanır ve başarılı protokol çıktısını, daha az yorumlanabilen veya düşük kaliteli ağ tahminlerinden ayırt etmeye yardımcı olur. Görsel inceleme, ağ organizasyonunda şablona göre koşula bağlı varyasyonları ortaya koyarak, stimülasyon frekansının tek bir oturum içinde DMN ağ yapısını nasıl modüle edebileceğini örneklemektedir.

Mesafe ölçümleri (Şekil 5B), bu farklılıkları birden fazla metrik (bağlanabilirlik, özdeğerler, özvektörler ve ortalama kontrol edilebilirlik) üzerinden nicelleştirir. Her bir metrik için koşullar, referans şablona olan yakınlıklarına göre sıralanabilir; düşük mesafe değerleri daha yakın bir benzerliğe işaret eder. Özellikle, farklı mesafe metriklerinin sıralaması koşullar arasında farklılık göstermektedir; bu durum, her bir metriğin ağ temsilleri hakkında yakaladığı tamamlayıcı bilgileri yansıtmaktadır.

Konsensüs tabanlı frekans seçimi

Dört farklı metriğe ait bilgileri entegre etmek için, her katılımcı özelinde sıralamalar toplandı (Şekil 5C). Koşullar arasında kümülatif sıralama puanlarının belirgin şekilde ayrılması, frekansa özgü ağ yanıtlarının başarıyla farklılaştırıldığını gösterirken, koşullar arasında oldukça benzer sıralama puanları, protokolün hassasiyetinin sınırlı olduğunu veya stimülasyon etkileri arasındaki ayrımın zayıf olduğunu düşündürür. En düşük kümülatif sıralama puanına sahip olan koşul, o katılımcı için temsili stimülasyon frekansı adayı olarak yorumlandı. Tablo 1, katılımcılar genelindeki bu seçimleri, ilgili stimülasyon kazanç değerleri ve metrikler arasındaki Kendall’s W ile nicelleştirilmiş uyumla birlikte özetlemektedir.

MDD grubu genelinde, 19 katılımcıdan 12'si sham (plasebo) durumundan ziyade aktif bir stimülasyon frekansı için en düşük kümülatif sıralamayı göstermiştir. Seçilen stimülasyon frekansı katılımcılar arasında farklılık göstermiştir ve bu durum Tablo 1'de özetlenmiştir. Kendall’s W kullanılarak nicelleştirilen metrikler arasındaki uyum da, sıralama tutarlılığındaki değişkenliği yansıtacak şekilde bireyler arasında farklılık göstermiştir. Daha yüksek Kendall’s W değerleri, metrikler arasında daha güçlü bir uyum olduğunu ve birden fazla ağ ölçümünün aynı durum sıralamasını desteklediğine dair daha yüksek güveni gösterirken; düşük değerler, daha zayıf bir uyumu ve metrikler arasında daha fazla heterojenliği ifade eder. Bu nedenle, nihai seçim tek bir metriğe dayalı bir karardan ziyade, tamamlayıcı ağ özelliklerinin veri güdümlü bir entegrasyonu olarak yorumlanmalıdır.

Bu temsili ve fizibiliteye dayalı sonuçlar, protokol tarafından üretilen ağ düzeyindeki çıktı türlerini örneklendirmekte ve iş akışının, stimülasyon koşulları arasında denek içi karşılaştırma için uygulanabileceğini göstermektedir. Bulgular; terapötik fayda, klinik etkinlik veya performans doğrulamasının kanıtı olmaktan ziyade, şurada gösterildiği gibi sinyal edinimi, ön işleme, özellik çıkarımı ve sıra tabanlı parametre eşlemesini örneklendirme amacı taşımaktadır: Şekiller 1–5 ve Tablo 1.

Sürekli fNIRS kayıt diyagramı; korteks stimülasyon düzeneği; kaynak ve detektör yerleşimi.
Şekil 1. Deneysel tasarım ve fNIRS prob konfigürasyonu. (A) Denek içi deneysel tasarım. Her katılımcı; bazal dinlenme durumu (RS0), plasebo stimülasyonu, dört aktif stimülasyon frekansı (2, 10, 25 ve 40 Hz) ve stimülasyon sonrası dinlenme durumu (RS1) dahil olmak üzere tüm koşulları tek bir oturumda tamamladı. Aktif stimülasyon sırası katılımcılar arasında randomize edildi. Her blok 6 dk sürdü ve stimülasyonsuz ~2 dk'lık aralıklarla birbirinden ayrıldı. Fonksiyonel yakın kızılötesi spektroskopi (fNIRS) verileri sürekli olarak kaydedildi (~54 dk toplam) ve analiz için koşullara göre segmente edildi. (B) 32 kaynağı (kırmızı) ve 30 detektörü (mavi) gösteren fNIRS prob yerleşimi; bunlar 89 uzun ayırımlı kanal ve 8 kısa ayırımlı kanal (daire içine alınmış) oluşturmaktadır. Kısa ayırımlı kanallar, yüzeysel fizyolojik gürültüyü gidermek için kullanıldı. (C) Automated Anatomical Labeling (AAL) atlasına dayalı olarak, derinliğe bağlı ölçüm hassasiyetini gösteren, prob yerleşiminin varsayılan mod ağına (DMN) göre kortikal hassasiyet profili. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Beyin bağlantısallık analizi diyagramı, veri ön işleme akışı, ROI çıkarma, özellik hesaplama.
Şekil 2. fNIRS tabanlı ağ analizi için ön işleme ve özellik çıkarma hattı.
Ham ışık yoğunluğu verileri, koşula özgü bloklara (RS0, plasebo, stimülasyon frekansları ve RS1) ayrılmıştır. Veri kalitesi, saçlı deri bağlantı indeksi (SCI > 0,8) ve güç spektral piki (PSP > 0,1) kullanılarak değerlendirilmiş ve yalnızca yüksek kaliteli kanallar tutulmuştur. Sinyaller optik yoğunluğa dönüştürülmüş, ardından zamansal türev dağılım onarımı (TDDR) ve dalgacık filtrelemesi kullanılarak hareket düzeltmesi yapılmıştır. Hemoglobin konsantrasyon değişimleri hesaplanmış ve sistemik fizyolojik gürültüyü azaltmak için kısa mesafe regresyonu uygulanmıştır. Ağ analizi için, medial prefrontal korteks (mPFC), precuneus (Prec), inferior parietal lobül (IPL) ve medial temporal lob (MTL) dahil olmak üzere varsayılan mod ağı (DMN) içindeki ilgi bölgelerinden (ROI) zaman serileri çıkarılmıştır. ROI'ler arasındaki fonksiyonel bağlantısallık hesaplanmıştır. Türetilen özellikler arasında bağlantısallık değerleri, özdeğerler, özvektörler ve ortalama kontrol edilebilirlik yer almaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Kanal kalite analizi; iyi kanalları (RS0) gösteren katılımcı verilerinin sütun grafiği ve ısı haritası.
Şekil 3. Majör depresif bozukluğu (MDB) olan katılımcılarda veri kalitesi değerlendirmesi.
(A) MDB'li her bir katılımcı için baz hattı koşulu (RS0) sırasında kalite kriterlerini karşılayan kanal sayısı. Sütunlar; kalite kriterlerini karşılayan (kayıt süresinin ≥%70'inde SCI > 0,8 ve PSP > 0,1) tüm kanalları (gri), uzun mesafe kanallarını (mavi) ve kısa mesafe kanallarını (turuncu) göstermektedir. Kesikli çizgiler, mevcut maksimum uzun mesafe kanal sayısını (89), kısa mesafe kanal sayısını (8) ve kabul edilebilir katılımcı düzeyinde veri kalitesi eşiğini (toplam kanalların ≥%70'inin korunması) belirtmektedir. Eşik değerin altında kalan katılımcılar vurgulanmıştır (D13, D18, D19). (B) Katılımcılar genelinde kanal bazlı veri kalitesi. Isı haritası, RS0 sırasında her bir kanal ve katılımcı için kalite kriterlerini karşılayan kayıt süresinin yüzdesini göstermektedir. Daha koyu gölgelendirme, daha düşük veri kalitesini ifade eder. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

İyi kanal sayısı karşılaştırması, sütun grafiği; kanal kalitesi, ısı haritası; nörogörüntüleme için veri analizi.
Şekil 4. Sağlıklı kontrol katılımcılarında veri kalitesi değerlendirmesi. (A) Her bir sağlıklı kontrol katılımcısı için bazal durum (RS0) sırasında kalite kriterlerini karşılayan kanal sayısı. Sütunlar; kalite kriterlerini (kayıt süresinin ≥%70'inde SCI > 0.8 ve PSP > 0.1) karşılayan tüm kanalları (gri), uzun ayırımlı kanalları (mavi) ve kısa ayırımlı kanalları (turuncu) göstermektedir. Kesikli çizgiler, mevcut maksimum kanal sayısını ve kabul edilebilir katılımcı düzeyindeki veri kalitesi eşiğini (toplam kanalların ≥ %70'inin korunması) belirtmektedir. Eşik değerinin altında kalan katılımcılar vurgulanmıştır (HC13, HC14, HC15, HC18). (B) Katılımcılar genelinde kanal bazlı veri kalitesi. Isı haritası, RS0 sırasında her bir kanal ve katılımcı için kalite kriterlerini karşılayan kayıt süresinin yüzdesini göstermektedir. Daha koyu gölgelendirme, daha düşük veri kalitesini belirtir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Beyin bağlantısallığı ve kontrol edilebilirlik analizi; ısı haritaları ve çubuk grafikler; EEG veri karşılaştırması.
Şekil 5. Tek bir katılımcıda mesafe tabanlı stimülasyon frekansı seçiminin temsili örneği.
(A) MDD'li (D11) temsili bir katılımcı için farklı koşullarda (RS0, sham ve stimülasyon frekansları) dört varsayılan mod ağı bölgesi arasındaki ikili etkileşimleri gösteren fonksiyonel bağlantısallık matrisleri. Bölgeler medyal prefrontal korteks (mPFC), inferior parietal lobül (IPL), precuneus (Prec) ve medyal temporal lobu (MTL) içerir. Merkezi matris, grup düzeyi RS0 verilerinden türetilen sağlıklı kontrol şablonunu temsil eder. (B) Her bir koşul ile sağlıklı kontrol şablonu arasındaki dört metriğe göre mesafe ölçümleri: bağlantısallık mesafesi (D_conn), özdeğer mesafesi (D_eig), özvektör mesafesi (D_evec) ve ortalama kontrol edilebilirlik mesafesi (D_AC). Çubuklar mesafe değerlerini temsil eder; düşük değerler şablona daha fazla benzerliği gösterir. Her koşul için sıralamalar verilmiştir (sıra 1 = en küçük mesafe). (C) Her koşul için sıraların toplanmasıyla elde edilen metrikler arası konsensüs sıralaması. Toplam sıralaması en düşük olan koşul, bu katılımcı için aday stimülasyon frekansı olarak seçilmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Katılımcı KimliğiBağlantısallıkÖzdeğerÖzvektörOrt. Kontrol EdilebilirlikKonsensüsKandall-W
D0140HZ (G=1,00)40HZ (G=1,00)40HZ (G=1,00)40HZ (G=0,29)40 Hz0.85
D02Sham (G=0,18)Sham (G=0,00)Sham (G=0,11)Sham (G=-0,09)Plasebo/Kontrol (Sham)0.89
D0310HZ (G=0,20)Sham (G=0,05)2HZ (G=0.56)Sham (G=0,63)40 Hz0.34
D07Sham (G=0,29)25HZ (G=0,06)2HZ (G=0.33)25HZ (G=0,45)25Hz0.36
D10Sham (G=1,00)Sham (G=1,00)Sham (G=1,00)Sham (G=1.00)Plasebo0.59
D1110HZ (G=0,71)10HZ (G=0.66)2HZ (G=0,73)40 HZ (G=1,00)10 Hz0.34
D1540HZ (G=0,58)40HZ (G=0,53)40HZ (G=0,21)40HZ (G=-0,27)40 Hz0.96
D1625 HZ (G=1,00)10HZ (G=1.00)25HZ (G=0,90)25Hz (G=0,40)25 Hz0.64
D172HZ (G=0,51)2HZ (G=0,75)25HZ (G=0.73)10HZ (G=0,82)10HZ0.21
D2025HZ (G=-0,08)25HZ (G=0,04)25HZ (G=-0,27)Sham (G=0,31)25HZ0.84
D21Sham (G=0,37)2HZ (G=0,08)Sham (G=0,27)40HZ (G=-0.28)Plasebo0.41
D222HZ (G=-0,06)10HZ (G=0.19)2HZ (G=0,75)2HZ (G=1.00)2HZ0.47
D23Sham (G=0,53)25 HZ (G=-0,14)Sham (G=0,71)40HZ (G=0.23)Plasebo0.31
D2425HZ (G=0,59)25HZ (G=0,18)25HZ (G=0,18)Şam (G=0,34)25 HZ0.5
D2525HZ (G=1.00)Sham (G=-0,01)10HZ (G=1.00)Sham (G=0,19)25Hz0.16
D2610 Hz (G=0,52)Şam (G=0,01)10 HZ (G=1,00)10HZ (G=0.71)10 Hz0.93
D2710HZ (G=-0.11)10HZ (G=0,20)2HZ (G=-0,20)40HZ (G=1,00)2HZ0.05
D2810HZ (G=0,51)10 Hz (G=0,04)10HZ (G=1.00)10 HZ (G=-0,02)10 Hz0.81
D2910HZ (G=0,81) 10HZ (G=0,54) Sham (G=1.00)10 HZ (G=1,00) 10 Hz0.85
Kazanç0.50, 0.520.32, 0.180.58, 0.730.46, 0.400.55, 0.50
 (Ortalama, Medyan)

Tablo 1: Mesafe metriklerine göre katılımcıya özgü frekans seçimi.

Her katılımcı için, sağlıklı kontrol şablonuna olan minimum mesafe ile ilişkili stimülasyon koşulu dört ağ tabanlı metrik için raporlanmıştır: bağlantı mesafesi (D_conn), özdeğer mesafesi (D_eig), özvektör mesafesi (D_evec) ve ortalama kontrol edilebilirlik mesafesi (D_AC). Parantez içindeki değerler (G) stimülasyon kazancını belirtir. Konsensüs sütunu, dört metrik genelindeki sıra toplama işlemine dayalı aday stimülasyon frekansını göstermektedir. Kendall’ın W değeri, her katılımcıdaki metrikler arasındaki uyumu nicelleştirir. Son satır, her bir metrik için katılımcılar genelindeki ortalama ve medyan stimülasyon kazancı değerlerini, ilgili Kendall’ın W değerleriyle birlikte özetlemektedir.

Tartışma

Metodolojik gerekçe ve kritik adımlar

Bu protokol, dinlenme durumu fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) kullanarak, transkütan auriküler vagus sinir stimülasyonunun (taVNS) frekansa bağlı etkilerinin oturum içi haritalaması için standartlaştırılmış bir iş akışı sunmaktadır. Amaç, doğrulanmış bireyselleştirilmiş optimizasyondan ziyade, kontrol edilen koşullar altında aday stimülasyon parametrelerinin yapılandırılmış bir karşılaştırmasını gerçekleştirmektir.

Güvenilir bir uygulama için birkaç adım kritik öneme sahiptir. Bu adımların düzgün şekilde uygulanmaması, sinyal kalitesinin düşmesine, güvenilmez bağlantı tahminlerine, kararsız sıralamalara veya analiz edilebilir veri setlerinin kaybına yol açabilir. Algısal eşikler frekanslar arasında farklılık gösterdiğinden ve aksi takdirde karşılaştırmalarıle karışabileceğinden19, stimülasyon yoğunluğu her frekans için sabit bir algılanan seviyeye (7–8/10) ayrı ayrı kalibre edilmelidir. Hatalı kalibrasyon, gerçek frekans spesifik nöral etkiler yerine algılanan stimülasyon yoğunluğunda farklılıklara yol açarak koşullar arasındaki karşılaştırılabilirliği azaltabilir. fNIRS veri kalitesi; stabil optod-saç derisi bağlantısı, hareket düzeltme, kısa mesafe regresyonu ve önceden tanımlanmış kanal tutma kriterleri ile sağlanmalıdır. Ağ özelliklerinin karşılaştırılabilirliğini sağlamak için katılımcılar ve koşullar genelinde tutarlı bir ilgi alanı (ROI) tanımı gereklidir. Son olarak, frekans seçimi tek bir ölçüme güvenmek yerine, birden fazla tamamlayıcı metriği entegre eden, önceden tanımlanmış sıra tabanlı bir yaklaşıma dayandırılmalıdır. Bu metodolojik adımlar, elde edilen ağ ölçümlerinin kalitesini, stabilitesini ve yorumlanabilirliğini doğrudan belirler ve dolayısıyla Sonuçlar bölümünde gösterilen temsili çıktıları etkiler.

Oturum içi ardışık tasarım ve taşınma etkileri

Protokol, uzatılmış fizyolojik yıkama yapılmadan tek bir oturum içinde birden fazla stimülasyon frekansını ardışık olarak uygular. Sabit koşullar arası aralıklar kullanılsa da, aktarım veya etkileşim etkileri dışlanamaz. Bu durum, koşula özgü yanıtların bağımsızlığını etkileyebilir ve stimülasyon frekansları arasındaki farklar yorumlanırken dikkate alınmalıdır. Buna göre, frekans farkları oturum içi göreceli etkiler olarak yorumlanmalıdır. Belirlenen “optimal frekans”, o oturumdaki en iyi performans gösteren koşulu yansıtır ve tekrarlanma olmaksızın kesin veya genelleştirilebilir bir stimülasyon parametresinden ziyade, oturum içindeki göreceli, veri odaklı bir sıralama sonucu olarak yorumlanmalıdır20.

Alternatif yaklaşımlarla karşılaştırma

Sabit frekanslı protokoller standardizasyona olanak tanır ancak bireyler arası değişkenliği hesaba katmaz; semptom tabanlı ayarlar ise doğrudan fizyolojik içgörüden yoksundur21. Fonksiyonel manyetik rezonans görüntüleme (fMRI) kılavuzlu yaklaşımlar daha geniş bir uzamsal kapsam sunar ancak tekrarlanan kullanımlar veya hasta başı uygulamalar için daha az uygundur. Bu yaklaşımlarla karşılaştırıldığında, mevcut protokol taşınabilirlik, tekrarlanan ölçümler için uygulanabilirlik ve doğrudan ağ düzeyinde değerlendirme açısından avantajlar sunarken, azalmış uzamsal derinlik ve hareket artefaktlarına karşı hassasiyet ile sınırlıdır22. Bu nedenle, klinik olarak doğrulanmış bir optimizasyon stratejisinden ziyade, keşifsel parametre haritalama için pragmatik bir çerçeve olarak değerlendirilmelidir.

Sınırlamalar

Protokol, tek oturumlu bir tasarıma dayanmaktadır ve ağ etkilerinin kalıcılığını veya klinik sonuçları değerlendirmemektedir. Ardışık stimülasyon, koşullar arasında kalıntı etkiler oluşturabilir23. Bu faktörler, belirlenen frekans spesifik yanıtların stabilitesini ve genellenebilirliğini etkileyebilir. Ek olarak, anatomik değişkenlik, elektrot yerleşimi ve cilt empedansı stimülasyon verimliliğini etkileyebilirken; katı fNIRS kalite kontrol kriterleri, analiz edilebilir veri seti sayısını azaltabilir. Ayrıca, fNIRS ölçümleri kortikal bölgelerle sınırlıdır ve ağ düzeyindeki etkilere katkıda bulunabilecek subkortikal aktiviteyi yakalamamaktadır.

Kapsam ve uygulanabilirlik

Bu protokol, nöromodülasyon araştırmalarında pilot çalışmalar, fizibilite testleri veya erken evre protokol geliştirme süreçlerini yürüten araştırmacılar için özellikle uygundur. Aday stimülasyon parametrelerinin ağ tabanlı seçilmesini destekler ancak terapötik etkinlik veya hassas psikiyatri kurmaz. Tutarlı ön işleme, titiz kalite kontrol ve şeffaf karşılaştırma prosedürleri korunduğu sürece; optod yerleşimi ve ROI tanımlamaları değiştirilerek çerçeve diğer ağlara, bozukluklara veya stimülasyon parametrelerine uyarlanabilir24.

Açıklamalar

Tüm katılımcılar, deneylere dahil olmadan önce yazılı bilgilendirilmiş onam vermiştir. Çalışma protokolleri, Marburg Üniversitesi'nin ilgili etik kurulu tarafından incelenmiş ve onaylanmıştır.

Bu çalışmada kullanılan özel yazılım betikleri, anonimleştirilmiş veriler ve diğer materyaller, talep üzerine ilgili taraflara sağlanabilir.

Yazar katkı beyanı

Svenja J. Francke katılımcı alımı, veri toplama, proje yönetimi, metodoloji ile taslağın ilk yazımı ve revize edilmiş metnin yazımına katkıda bulunmuştur. Sarah Alizadeh kavramsallaştırma, metodoloji, veri analizi, görselleştirme ile taslağın ilk yazımı ve revize edilmiş metnin yazımına katkıda bulunmuştur. José C. García Alanis kavramsallaştırma, metodoloji, proje yönetimi, veri analizi ile metnin incelenmesi ve düzenlenmesine katkıda bulunmuştur. Dorian Kock katılımcı alımı, veri toplama, metodoloji ile taslağın ilk yazımı ve revize edilmiş metnin yazımına katkıda bulunmuştur. Jannick Herrmann katılımcı alımı, veri toplama, metodoloji ile taslağın ilk yazımı ve revize edilmiş metnin yazımına katkıda bulunmuştur. Maximilian Kastl katılımcı alımı, veri toplama, metodoloji ile taslağın ilk yazımı ve revize edilmiş metnin yazımına katkıda bulunmuştur. Hamidreza Jamalabadi kavramsallaştırma, metodoloji, veri analizi, denetim ile metnin incelenmesi ve düzenlenmesine katkıda bulunmuştur. Felix P. Bernhard kavramsallaştırma, metodoloji, denetim ile taslağın ilk yazımı ve revize edilmiş metnin yazımına katkıda bulunmuştur.

Teşekkürler

Bu çalışma kısmen Alman Araştırma Vakfı'nın (DFG) SFB/TRR 393 konsorsiyum hibeleri (proje hibe no 521379614), von Behring Röntgen Stiftung'un (No.\ 70\_00038) bir araştırma hibesi, Gießen ve Marburg Üniversite Hastanesi'nin (UKGM, No. 1/2024 MR) bir araştırma hibesi ve Edda und Helmut Laich Stiftung tarafından finanse edilmiştir. Bu çalışma ayrıca, Hessen Bilim ve Sanat Bakanlığı'nın LOEWE programı (Hibe Numarası: LOEWE 1/16/519/03/09.001(0009)/98) ve Almanya'nın Deutsche Forschungsgemeinschaft (Alman Araştırma Vakfı, DFG) kuruluşu tarafından desteklenen DYNAMIC merkezi tarafından desteklenmiştir.

Mükemmeliyet Stratejisi (EXC 3066/1 “The Adaptive Mind”, Proje No. 533717223).

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
fNIRS sistemi (giyilebilir sürekli dalga çok kanallı)NIRxNIRSport2Kortikal hemodinamik kayıtlar için taşınabilir çift-dalga boylu çok kanallı fNIRS sistemi
fNIRS veri toplama yazılımıNIRxAuroraSinyal kazanımı, izleme ve olay işaretleme için kullanılan yerel yazılım
optodlu fNIRS başlığıNIRxNIRSport2 ile uyumludurKaynak ve dedektör yerleşimi için kullanılır
Optodlar (kaynaklar ve detektörler)NIRxNIRSport2 ile uyumludurUzun ayırma kanalları (~30 mm) ve kısa ayırma kanalları (~8 mm)
MATLABMathWorksÇalışmada kullanılan en son sürümÖnişleme, bağlantısallık analizi ve özel betikler için kullanılır
Sinyal İşleme Araç KutusuMathWorksMATLAB eklentisiFiltreleme ve zaman serisi işlemleri için kullanılır
İstatistik ve Makine Öğrenmesi Araç KutusuMathWorksMATLAB eklentisiSıralama, betimleyici istatistikler ve uyum ölçütleri için kullanılır
Özel analiz betikleriKurum içiLütfen çevirmemi istediğiniz kaynak metni sağlayın.Önişleme, öznitelik çıkarımı ve sıra tabanlı frekans seçimi için kullanılır
taVNS stimülasyon cihazıtVNS GmbHÇalışmada kullanılan cihaz modeliTranskutanöz auriküler vagus sinir stimülasyonu için kullanılır
Auriküler stimülasyon elektrotlarıtVNS GmbHStimülatör ile uyumluSol cymba conchae'ye yerleştirme için kullanılır
Elektrot kabloları ve konnektörlertVNS GmbHStimülatör ile uyumluElektrotları stimulasyon cihazına bağlamak için kullanılır
Kontak kremi / iletken jeltVNS GmbHGirdi sağlanmadı. Lütfen çevrilmesini istediğiniz İngilizce metni gönderin.Stimülasyon sırasında elektrot-cilt temasını iyileştirmek için kullanılır
Alkolle temizleme mendilleritVNS GmbHLütfen çevrilmesini istediğiniz kaynak metni sağlayın.Elektrot yerleşimi öncesinde cilt hazırlığı için kullanılır
PsychoPyOpen Science Tools Ltd.Sürüm 2024.4.2Deneysel kontrol, zamanlama, blok randomizasyonu, uyaran sunumu ve senkronizasyon için kullanılır
Bilgisayar iş istasyonuLenovoThinkPad T14, G31666Veri toplama kontrolü ve çevrimdışı analiz için kullanılmıştır; Intel Core Ultra 5, 16 GB RAM, 500 GB SSD, Windows 11 Pro
Monitör / ekranLenovoThinkVision T32UD-40Fiksasyon haçı sunumu için 31,5 inç IPS ekran kullanılmıştır; çözünürlük 3840 × 60 Hz'de 2160
Sessiz test odasıKurumsal tesisLütfen çevirisini yapmamı istediğiniz metni sağlayın.Kayıtlar sırasında çevresel dikkat dağıtıcıları en aza indirmek için kullanılır

Kaynaklar

  1. Rings, T., von Wrede, R., Bröhl, T., Schach, S., Helmstaedter, C., et al. Impact of transcutaneous auricular vagus nerve stimulation on large-scale functional brain networks: from local to global. Front Physiol. 12, 700261(2021).
  2. Kong, J., Fang, J., Park, J., Li, S., Rong, P. Treating depression with transcutaneous auricular vagus nerve stimulation: state of the art and future perspectives. Front Psychiatry. 9, 20(2018).
  3. Badran, B. W., et al. Short trains of transcutaneous auricular vagus nerve stimulation (taVNS) have parameter-specific effects on heart rate. Brain Stimul. 11 (4), 699-708 (2018).
  4. Farmer, A. D., et al. International consensus based review and recommendations for minimum reporting standards in research on transcutaneous vagus nerve stimulation (version 2020). Front Hum Neurosci. 14, 568051(2020).
  5. Yakunina, N., Kim, S. S., Nam, E. -C. Optimization of transcutaneous vagus nerve stimulation using functional MRI. Neuromodulation. 20 (3), 290-300 (2017).
  6. Parente, J., et al. Neural, anti-inflammatory, and clinical effects of transauricular vagus nerve stimulation in major depressive disorder: a systematic review. Int J Neuropsychopharmacol. 27 (3), pyad058(2024).
  7. Chao, J., et al. fNIRS evidence for distinguishing patients with major depression and healthy controls. IEEE Trans Neural Syst Rehabil Eng. 29, 2211-2221 (2021).
  8. Ho, C. S. H., et al. Diagnostic and predictive applications of functional near-infrared spectroscopy for major depressive disorder: a systematic review. Front Psychiatry. 11, 378(2020).
  9. Ludwig, M., Pereira, C., Keute, M., Düzel, E., Betts, M. J., et al. Evaluating phasic transcutaneous vagus nerve stimulation (taVNS) with pupil dilation: the importance of stimulation intensity and sensory perception. bioRxiv. , (2024).
  10. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol Psychiatry. 72 (7), 595-603 (2012).
  11. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nat Med. 23 (1), 28-38 (2017).
  12. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: a meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  13. Whitfield-Gabrieli, S., Ford, J. M. Default mode network activity and connectivity in psychopathology. Annu Rev Clin Psychol. 8, 49-76 (2012).
  14. Fang, J., et al. Transcutaneous vagus nerve stimulation modulates default mode network in major depressive disorder. Biol Psychiatry. 79 (4), 266-273 (2016).
  15. Bassett, D. S., Sporns, O. Network neuroscience. Nat Neurosci. 20 (3), 353-364 (2017).
  16. Gu, S., et al. Controllability of structural brain networks. Nat Commun. 6, 8414(2015).
  17. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85 (Pt 1), 181-191 (2014).
  18. Yücel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  19. Berman, G. J., Bialek, W., Shaevitz, J. W. Predictability and hierarchy in Drosophila behavior. Proc Natl Acad Sci U S A. 113 (42), 11943-11948 (2016).
  20. Atanackov, P., Peterlin, J., Derlink, M., Kovačič, U., Kejžar, N., et al. The acute effects of varying frequency and pulse width of transcutaneous auricular vagus nerve stimulation on heart rate variability in healthy adults: a randomized crossover controlled trial. Biomedicines. 13 (3), 700(2025).
  21. Anderson, Z., Turner, J. A., Ashar, Y. K., Calhoun, V. D., Mittal, V. A. Application of hyperalignment to resting state data in individuals with psychosis reveals systematic changes in functional networks and identifies distinct clinical subgroups. Aperture Neuro. 4, (2024).
  22. Austelle, C. W., et al. A comprehensive review of vagus nerve stimulation for depression. Neuromodulation. 25 (3), 309-315 (2022).
  23. Badran, B. W., et al. Neurophysiologic effects of transcutaneous auricular vagus nerve stimulation (taVNS) via electrical stimulation of the tragus: a concurrent taVNS/fMRI study and review. Focus. 20 (1), 80-89 (2022).
  24. Baig, S. S., et al. Optimizing non-invasive vagus nerve stimulation for treatment in stroke. Neural Regen Res. 20 (12), 3388-3399 (2025).

Yeniden basım ve izinler

Daha fazla makale keşfet

fNIRS HaritalamaDepresyon NörogörüntülemeVarsayılan Mod ŞebekesiStimülasyon Frekansı HaritalamaŞebeke Düzeyinde AnalizTranskütan Vagus StimülasyonuKişiselleştirilmiş Parametre Seçimi

Bu makale yayımlandı

Video yakında

Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.