Name: Conectividad funcional del cerebro humano basada en el flujo sanguíneo cerebral mediante espectroscopia óptica de correlación difusa (Video) | JoVE Journal
Uploaded: 2020-05-27T13:30:00.000+00:00
Duration: 7 min 13 s
Description: Aprende a medir la conectividad funcional cerebral basada en flujo sanguíneo mediante espectroscopia óptica de correlación difusa. Este protocolo no invasivo utiliza sondas portátiles para evaluación en cabecera y entornos naturales.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Los autores desean reconocer el apoyo financiero de la Tercera Frontera de Ohio a la Ohio Imaging Research and Innovation Network (OIRAIN, 667750), y la National Natural Science Foundation of China (No. 81771876).

El protocolo fue aprobado por la Junta de Revisión Institucional de la Universidad Estatal de Wright, y se obtuvo el consentimiento informado de cada participante antes del experimento.
1. Preparación del sujeto
<ol><li>Encienda el sistema FD-fNIRS y DCS para calentarse durante al menos 10 minutos (ver secciones 2 y 3 para obtener más detalles) antes de iniciar cualquier medición del sujeto. En la Figura 1se muestra un ejemplo de medición del sujeto con el instrumento DCS compacto.</li>
	<li>En primer lugar, utilice una cinta métrica para medir la distancia entre el nasión a la inión en la cabeza de cada sujeto(Figura 2A).</li>
	<li>Con la nasión como punto de partida, marque la ubicación que es el 10% de la distancia a la inión con un marcador de tinta. Esto denota el punto entre el fp1 y el fp2 del montaje EEG 10/20(figura 2A).</li>
	<li>Usando una tapa EEG 10/20 (ver Tabla de Materiales),ajuste la tapa para que el punto marcado esté entre Fp1 y Fp2.</li>
	<li>Marque el punto entre Fp1 y F7 (corteza izquierda) y el punto entre Fp2 y F8 (corteza derecha). Esto representa los límites entre la corteza prefrontal superior y la corteza prefrontal dorsolateral (DLFC) y entre el DLFC y la corteza prefrontal inferior (IFC), respectivamente, para los hemisferios izquierdo y derecho(Figura 2A).</li>
	<li>Usando una sonda impresa en 3D, coloque las fibras multimodo (MMF) en los puntos recién marcados (puntos "S" en la Figura 2C)y conecte cada uno a la fuente de luz láser de 785 nm(Figura 2B,C).</li>
	<li>Coloque las fibras monomodo (SMF) a 2,75 cm de distancia del MMF. Se deben colocar dos fibras en el DLFC (ubicaciones "DLFC,1" y "DLFC,2") y una en la IFC (ubicación "IFC"). La colocación del SMF se replica a cada lado de la corteza para un total de seis SMF(Figura 2c).</li>
	<li>Coloque otro SMF 1 cm por debajo del MMF en la ubicación "Ds"en ambos lados de la corteza (para la detección del flujo sanguíneo en el cuero cabelludo) y conecte cada uno de los SMF a máquinas individuales de conteo de un solo fotón(Figura 2C).</li>
</ol>p class-"jove_title">2. Ajustes y calibración del FD-fNIRS

<ol><li>Apague las luces y encienda el sistema FD-fNIRS para prepararla. ADVERTENCIA: Como precaución general, no mire directamente las fuentes de luz y las salidas de fibra, ya que esto puede causar daños oculares. Utilice una tarjeta de sensor IR(Tabla de materiales).</li>
	<li>Evite la exposición innecesaria de los detectores a los niveles de luz de la habitación para mantener un funcionamiento sin ruido y evitar daños en los detectores.</li>
	<li>Caliente las fuentes de luz y los detectores encendiendo el sistema y dejándolo funcionar durante al menos 10 minutos (preferiblemente, 20 min mínimo y 1 h máximo para una precisión y estabilidad óptimas) con la luz encendida, la modulación encendida y la tensión del detector encendida.</li>
	<li>Ejecute el software de adquisición de datos basado en GUI. Ajuste la ganancia del detector para lograr una señal óptima con el sensor conectado y asegurado a un fantasma de calibración (fantasma basado en polidimetilsiloxano de propiedades ópticas conocidas, consulte Tabla de materiales)pulsando el botón "auto-bias". Si la advertencia de sobretensión parpadea, reduzca la ganancia.</li>
	<li>Después de ajustar la ganancia del detector para obtener la señal máxima, desconecte una de las fibras de origen del detector y verifique que la corriente directa (DC) sea inferior a 20 recuentos por período de medición para la fibra de origen correspondiente. Si es mayor que este valor, puede haber una fuga excesiva de luz de la habitación en el detector45. Si este es el caso, el sistema debe ser apagado, entonces cualquier exceso de luz en la habitación debe ser bloqueado / eliminado y los pasos 2.4–2.5 repetidos.</li>
	<li>Verifique el nivel de señal adecuado de cada fuente y detector. El sistema define esto como por encima de 100 y por debajo de 1.500 recuentos por ciclo de medición.</li>
	<li>Realice la calibración pulsando el botón "Calibrar" en la GUI. El sistema tomará medidas y aplicará factores de calibración para medir correctamente las propiedades ópticas del fantasma conocido. Estos factores de calibración se guardan y aplican automáticamente a las mediciones in vivo.</li>
	<li>Registre los datos de calibración, lo que proporcionará un registro del rendimiento del sistema en un fantasma estándar.</li>
</ol>3. Ajustes de DCS
ADVERTENCIA: Como precaución general, no mire las fuentes de luz y las salidas de fibra directamente para evitar posibles daños oculares. Utilice la tarjeta del sensor IR (consulte Tabla de materiales).
<ol><li>Evite la exposición innecesaria de los detectores (es decir, la luz de la habitación) para obtener datos sin procesar precisos para las curvas de autocorrelación y evitar daños a los detectores.</li>
	<li>Caliente las fuentes de luz láser DCS y SPCM (ver Tabla de Materiales)cambiándolas a la posición "encendido" y permitiéndoles funcionar durante al menos 10 minutos (preferiblemente, 20 min como mínimo y 1 h como máximo para una precisión y estabilidad óptimas).</li>
	<li>Ejecute el software de adquisición de datos DCS basado en GUI, que muestra los recuentos de fotones para cada detector y los valores de flujo sanguíneo en tiempo real semicuantitativos. Ajustar la posición de la fibra, el ángulo (la cara de la fibra debe ser perpendicular a la superficie de la piel) y el tiempo de adquisición de datos para obtener una señal de al menos 5.000 recuentos/s (para una relación señal/ruido adecuada) y por debajo de 1.000.000 recuentos/s (para evitar detectores dañinos)(Figura 3A).</li>
	<li>Verifique los niveles de recuento de fotones suficientes (del paso 3.3) de cada detector comprobando el nivel de recuento de fotones y las curvas de autocorrelación casi en tiempo real que se muestran en el monitor.</li>
	<li>Verifique el contacto de fibra suficiente sin fugas de luz ambiental comprobando la intercepción y de la curva de autocorrelación que se muestra en el monitor. El valor óptimo es de 1,5 sin el uso de polarizadores(Figura 3B).</li>
	<li>Compruebe que la sonda y las mediciones no son propensas a los artefactos de movimiento apretando la banda elástica para que esté lo suficientemente apretada como para resistir el movimiento pero lo suficientemente suelta como para evitar cualquier molestia al sujeto. El usuario también debe comprobar las curvas de autocorrelación en el monitor simultáneamente de modo que la curva de autocorrelación decaiga a 1 para un tiempo de correlación más largo (> 10 ms) (Figura 3C).</li>
</ol>4. Recopilación de datos
<ol><li>Instruya al sujeto para minimizar cualquier movimiento durante la medición de 8 minutos.</li>
	<li>Apague las luces y asegúrese de que el sujeto esté sentado en una posición cómoda con los ojos cerrados.</li>
	<li>Realice una línea base de mediciones FD-fNIRS utilizando la sonda óptica del sistema FD-fNIRS en la frente adyacente a la sonda DCS. A continuación, pulse el botón "Adquirir" en la GUI de adquisición de FD-fNIRS. Estos datos proporcionarán propiedades ópticas estáticas, parámetros de absorción y parámetros de dispersión(a, s)sque se utilizarán para la cuantificación del parámetro óptico dinámico, CBFi17,20.</li>
	<li>Después de completar las mediciones FD-fNIRS, comience la adquisición de datos en las mediciones ópticas de DCS pulsando el botón "Ejecutar" en la GUI de adquisición de datos de DCS. Recopilar datos para un total de 8 min con un tiempo de integración máximo de 2 s (se prefiere menos, dependiendo de la relación señal-ruido para cada sujeto).</li>
	<li>Si es necesario, repita el experimento dentro de 1 h del experimento inicial o repita el experimento durante una hora similar del día para reducir las variaciones externas como fatiga, estimulantes o temperatura.</li>
</ol>5. Análisis de datos
<ol><li>Para los datos FD-fNIRS, extraiga las propiedades de μ'sabsorción óptica y dispersión()que se procesan mediante el método de pendiente46,47,48,49,50,51,52,53.</li>
	<li>Para DCS, dado que se necesita postprocesamiento, importe los datos sin procesar de correlación automática de cada uno de los ocho canales en el software de análisis de datos.</li>
	<li>La cuantificación de parámetros relacionados con CBF se detalla en revisiones recientes6,27,54. En resumen, a partir de la función de autocorrelación de intensidad normalizada (g2 [r,]), extraiga la función de autocorrelación temporal de campo eléctrico difuso normalizada (g1 [r,]) utilizando la relación Siegert: g2 (r,) á 1 + g 1 (r, ) 2. NOTA: es una constante, proporcional al número de modos espaciales detectados6,17,27,55,56, oscila entre 0 y 1, y se obtiene mediante el ajuste de la función de autocorrelación de campo eléctrico (normalizado) g1.</li>
	<li>Para obtener un parámetro relacionado con el flujo sanguíneo (DB)a partir del ajuste, utilice la solución analítica para g16,27,54 y ajuste los datos al modelo o tasa de descomposición: EQUATION ONE NOTA: En la ecuación anterior, ko es el número de onda de la luz en el medio, es un factor proporcional a la fracción de volumen de sangre tisular, y DB es el coeficiente Browniano efectivo. Elíndice de flujo sanguíneo (BFI)6,54 o CBFi17puede definirse como el índice de flujo sanguíneo (BFI) 6 . Aquí, cbFi se utiliza.</li>
	<li>Ajuste el modelo utilizando los parámetros ópticos obtenidos de FD-fNIRS. Los parámetros principales para los que se adaptan son CBFi y . NOTA: La Figura 3A muestra datos representativos que son suficientes para el análisis. Los datos de DCS se descartan si (1) la función de autocorrelación es significativamente menor que 1,5 (< 0,5) (es decir, en el caso de la Figura 3B, en el que la función es 1,2, < 0,2, debido a una fuga de luz de la habitación) o si (2) la curva de autocorrelación no se descompone a 1 para un tiempo de correlación más largo (a > 10 ms) (es decir, en el caso de la Figura 3C,donde el artefacto de movimiento, como movimiento de cabeza o sonda, conduce a datos inutilizables).</li>
	<li>Descuelva los resultados cuantificados utilizando un ajuste polinómio de segundo orden para eliminar la deriva lenta(Figura 4A).</li>
	<li>Utilice un filtro Butterworth de segundo orden de fase cero con una banda de paso de 0.009–0.080 Hz para eliminar cualquier frecuencia cerebral no deseada, como ondas Mayer(Figura 4A).</li>
	<li>Utilice la regresión lineal para obtener los residuos de cada canal contra la medición de distancia corta para eliminar las señales superficiales del cuero cabelludo en cada lado de la corteza(Figura 4B).</li>
	<li>Calcule el coeficiente de correlación de Pearson entre cada par de canales para identificar la conectividad funcional del estado en reposo entre las regiones cerebrales(Figura 5).</li>
	<li>Transforme el valor de correlación en un valor z mediante una transformación Fisher Z y realice una prueba tpara obtener el valor p (Figura 5). Utilice la tasa de detección falsa (FDR) para la corrección de comparaciones múltiples.</li>
</ol>

Los autores no declaran intereses financieros en competencia.

Para determinar si la CBF medida por el DCS detectó con precisión RSFC, se examinaron dos áreas del cerebro con propiedades rsFC conocidas. Se supone que existe conectividad funcional entre regiones DLFC y entre DLFC e IFC57,58,59. Se eligió la conectividad entre dos sitios dentro del DLFC izquierdo y derecho, porque la conectividad intrarregional suele ser mayor. También, la Conectividad entre el IFC y el DLFC fue elegido, como...

Cuando el cerebro está en estado de reposo, demuestra una alta sincronización de la actividad espontánea en regiones relacionadas funcionalmente, que se puede ubicar cerca o desde la distancia. Estas regiones en sincronización se conocen como redes funcionales1,2,3,4,5,6,7,8,9. Este fenómeno fue descubierto por primera vez por un estudio de resonancia magnética funcional (fMRI) utilizando señales dependientes del nivel de oxígeno en sangre (BOLD) que indican los niveles de oxigenación de la sangre cerebral5,,10, también conocida como conectividad funcional del estado de reposo (RSFC). Las anomalías en RSFC se han asociado con trastornos cerebrales como autismo11,Alzheimer12y depresión13. Por lo tanto, RSFC es una herramienta valiosa para estudiar a pacientes con trastornos que tienen problemas para realizar evaluaciones basadas en tareas. Sin embargo, muchos pacientes, como los niños autistas jóvenes, son candidatos pobres para ser evaluados por fMRI, ya que requiere permanecer todavía dentro de un espacio confinado durante largos períodos de tiempo14,15. Las imágenes ópticas son rápidas y ponibles; por lo tanto, es adecuado para la mayoría de los pacientes, en particular la población pediátrica16,17,18,19,20,21,22,23,24. Utilizando estas ventajas, la espectroscopia funcional de infrarrojo cercano (fNIRS), que puede cuantificar la concentración de hemoglobina y los parámetros de saturación de oxígeno en el cerebro, se utiliza para medir el RSFC en humanos (incluida la población pediátrica4,8,25 y pacientes con autismo11).
La espectroscopia óptica de correlación difusa (DCS), una técnica óptica relativamente nueva, puede cuantificar el flujo sanguíneo cerebral, que es un parámetro importante que asocia el suministro de oxígeno con el metabolismo6,,17,26,27,28,29. Se ha demostrado que el contraste de flujo óptico cuantificado por DCS tiene una mayor sensibilidad en el cerebro en comparación con el contraste de oxigenación30. Por lo tanto, utilizar parámetros CBF derivados de DCS para evaluar RSFC es ventajoso.
El DCS es sensible al movimiento de las células sanguíneas. Cuando los fotones difuminados se dispersan de las células sanguíneas en movimiento, esto hace que la intensidad de la luz detectada fluctúe con el tiempo. DCS mide una función de autocorrelación de intensidad basada en el tiempo y su tasa de descomposición depende de los parámetros ópticos y el flujo sanguíneo. Estos valores se utilizan en última instancia para obtener el índice de flujo sanguíneo cerebral (CBFi). Con células sanguíneas en movimiento más rápido, la función de autocorrelación de intensidad se descompone más rápido. Por lo tanto, la información sobre el movimiento profundo debajo de la superficie del tejido se puede derivar (por ejemplo, en el cerebro) de mediciones de fluctuaciones de luz difusoras a lo largo del tiempo27,31,32,33,34,35. DCS es una técnica complementaria a la ampliamente conocida fNIRS que mide la oxigenación sanguínea17,,36. Dado que tanto fNIRS como DCS son técnicas ópticas de imágenes cerebrales con alta resolución temporal en el rango de milisegundos, las configuración sin imágenes ópticas son mucho menos sensibles a los artefactos de movimiento que la fMRI. También se han utilizado con éxito para la toma de imágenes cerebrales funcionales en poblaciones pediátricas, incluyendo bebés muy pequeños16. Anteriormente, se han utilizado mediciones superficiales del flujo sanguíneo para evaluar RSFC en estudios preclínicos en ratones37. Aquí, los parámetros de flujo sanguíneo se utilizan para cuantificar RSFC en nueve adultos sanos como un estudio de prueba de concepto38,39.
En este estudio, se utiliza un sistema comercial FD-fNIRS y un sistema DCS personalizado(véase Tabla de materiales). El DCS que se construyó internamente se compone de dos láseres de onda continua de 785 nm, 100 mW y longitud larga que se acoplan a un conector FC y ocho máquinas de conteo de un solo fotón (SPCM) conectadas a un autocorrelator. Una interfaz gráfica de usuario (GUI) de software personalizada también se hizo específicamente para que este sistema mostrar y guardar los recuentos de fotones, curvas de autocorrelación y flujo sanguíneo semicuantitativo de cada canal SPCM en tiempo real. Las piezas de este sistema se utilizan comúnmente para DCS16,17,31,32,40,42,43,44, y los resultados obtenidos también se han verificado internamente y se utilizan en un estudio reciente39.

<table><tbody><tr><td>Sonda impresa</td> en <td>3D Sonda PLA impresa en</td><td>3D interna N/A (Craftbot, Craft unique)</td><td></td></tr><tr><td>785nm, 100mW, CW, FC acoplado Láser</td><td>CrystaLaser</td><td>DL785-100-S</td><td>Componente DCS (fuente de luz)</td></tr><tr><td>Auto-correlador</td><td>Correlator.com</td><td>Flex05-8ch</td><td>Componente DCS (salida de curva g2 a PC)</td></tr><tr><td>GUI</td><td>de adquisición de</td> datos <td>N/A</td> interna <td>codificada en LabVIEW para ejecutar el Sistema DCS</td></tr><tr><td>Software de análisis</td><td>de datos N</td><td>/A</td> interno <td>Código Matlab utilizado para obtener resultados de RSFC</td></tr><tr><td>Tapa de electrodo EEG</td><td>OpenBCI</td><td>N/A</td><td>Tapa de malla EEG con 10/20 posiciones</td></tr><tr><td>estándar Fibra multimodo Óptica</td><td>OZ</td><td>QMMJ-3,2.5-IRVIS-600/630-3PCBK-3</td><td>Componente DCS (fibra fuente)</td></tr><tr><td>Fantoma de calibración Oxiplex</td><td>ISS</td><td>75019, 75020</td><td>Juego de 2 PDMS Calibración Sonda</td></tr><tr><td>muscular Phantom Oxiplex</td><td>ISS</td><td>86010</td><td>Sonda muscular de 4 canales</td></tr><tr><td>Oxímetro Oxiplex</td><td>ISS</td><td>95205</td><td>FD-fNIRS (690nm, 830nm)</td></tr><tr><td>Medidor</td><td>de potencia Thorlabs</td><td>PM100D</td><td>Ajustador de potencia de luz láser</td></tr><tr><td>Tarjeta de sensor</td><td>Thorlabs</td><td>F-IRC1-S Visor de</td><td>haz IR láser</td></tr><tr><td>Fibra monomodo</td><td>OZ Optics</td><td>SMJ-3S2.5-780-5/125-3PCBK-3</td><td>Componente DCS (fibra detectora)</td></tr><tr><td>Máquina contadora de fotón único</td><td>Excelitas</td><td>SPMC-NIR-1x2-FC</td><td>Componente DCS (detector)</td></tr></tbody></table>

conectividad funcional del cerebro humano basada en el flujo sanguíneo cerebral mediante espectroscopia óptica de correlación difusa

Cerebral Blood Flow-Based Resting State Functional Connectivity of the Human Brain using Optical Diffuse Correlation Spectroscopy

Para obtener una comprensión integral del cerebro humano, se desea la utilización del flujo sanguíneo cerebral (CBF) como fuente de contraste porque es un parámetro hemodinámico clave relacionado con el suministro de oxígeno cerebral. Se ha demostrado que las fluctuaciones de baja frecuencia del estado de reposo basadas en el contraste de oxigenación proporcionan correlaciones entre regiones conectadas funcionalmente. El protocolo presentado utiliza espectroscopia de correlación difusa óptica (DCS) para evaluar la conectividad funcional del estado de reposo basado en el flujo sanguíneo (RSFC) en el cerebro humano. Los resultados de RSFC basado en CBF en la corteza frontal humana indican que el RSFC intrarregional es significativamente mayor en los cortices izquierdo y derecho en comparación con el RSFC interregional en ambos cortices. Este protocolo debe ser de interés para los investigadores que emplean técnicas de imagen multimodalpara para estudiar la función cerebral humana, especialmente en la población pediátrica.

La viabilidad de utilizar DCS para medir la conectividad funcional se desemprobó con éxito39. Se midió la conectividad funcional del estado de reposo en los cortices prefrontales de nueve sujetos. Los resultados (media - SD) indicaron una mayor correlación en la región intrarregional de la izquierda (0,64 a 0,25) y la derecha (0,62 a 0,23) cordíes, en comparación con la región interregional de la izquierda (0,32 a 0,32), (0,34 a 0,27) y a la derecha (0,34 a 0,29), (0,34 a 0,26) cortíquios. (<stron...

Este protocolo muestra cómo medir la conectividad funcional del estado en reposo en la corteza prefrontal humana utilizando un instrumento de espectroscopia de correlación difusa hecho a medida. El informe también analiza aspectos prácticos del experimento, así como pasos detallados para analizar los datos.

Conectividad funcional del cerebro humano basada en el flujo sanguíneo cerebral mediante espectroscopia óptica de correlación difusa

To obtain a comprehensive understanding of the human brain, utilization of cerebral blood flow (CBF) as a source of contrast is desired because it is a ...

Este protocolo utiliza sondas ópticas variables para evaluar el flujo sanguíneo cerebral durante el estado de reposo. Una ventaja importante de esta técnica es su portabilidad. Haciéndolo adecuado para el monitoreo de la cama.La sonda portátil permite obtener mediciones de conectividad funcional en estado de reposo en entornos naturales de los sujetos tanto para aplicaciones diagnósticas como terapéuticas. Este protocolo utiliza sondas ópticas portátiles para evaluar el flujo sanguíneo cerebral durante las mediciones de conectividad funcional del estado de reposo. Demostrando el procedimiento con Chien Poon estará Ben Rinehart, un estudiante de posgrado de mi laboratorio.Al menos 10 minutos antes de comenzar el análisis, encienda el FD-fNIRS y dcS con una modulación de luz y voltaje detector. Utilice una cinta métrica para medir la distancia entre el nasion y la inión en la cabeza del sujeto. Usando el nasion como punto de partida, utilice un marcador de tinta para designar la ubicación que es el 10% de la distancia a la inión.Coloque una tapa EEG 10/20 en la cabeza del sujeto de modo que el punto marcado esté entre Fp1 y Fp2. Marque el punto entre fp1 y F7 en la corteza izquierda

cerebral-blood-flow-based-resting-state-functional-connectivity-human

Research

Investigación

JoVE Journal

Bioengineering

Bioingeniería

Se combinaron dominio de la frecuencia del infrarrojo cercano las medidas de espectroscopia de oxigenación cerebral difusa con hemoglobina medidas de espectroscopia de correlación del índice de flujo sanguíneo cerebral para estimar un índice de metabolismo del oxígeno. Pusimos a prueba la utilidad de esta medida como una herramienta de detección de cabecera para evaluar la salud y el desarrollo del cerebro del recién nacido.

No invasiva de medición óptica del metabolismo cerebral en lactantes y Hemodinámica

En este video, demostramos la técnica de espectroscopia de correlación difusa para medir el flujo sanguíneo cerebral en un modelo de ratón de lesión cerebral traumática leve.

Espectroscopia de correlación difusa para evaluar el flujo sanguíneo cerebral en un modelo de ratón

Fuente: Hage, B. D. et. al., Ecografía Doppler transcraneal funcional para monitorizar el flujo sanguíneo cerebral. J. Vis. Exp. (2021) Este video demuestra el uso del ultrasonido Doppler como un herramienta de imagen para medir la velocidad del flujo sanguíneo cerebral, o CBFV en tiempo real. Destaca cómo los cambios de frecuencia en la arteria cerebral media durante tareas como la contención de la respiración revelan cambios en el CBFV, ofreciendo información sobre la actividad cerebral y la...

Imágenes funcionales del flujo sanguíneo cerebral mediante ecografía Doppler transcraneal

Fuente: Nishidate, I., et al. Evaluación simultánea de la hemodinámica cerebral y las propiedades de dispersión de la luz del cerebro de rata in vivo utilizando imágenes de reflectancia difusa multiespectral. J. Vis. Exp. (2017)Este video demuestra el uso de imágenes multiespectrales de reflectancia difusa para analizar el flujo sanguíneo cerebral, los niveles de oxígeno y los cambios en la estructura del tejido en una rata anestesiada, proporcionando información sobre la hemodinámica y la...

Imágenes multiespectrales de reflectancia difusa del flujo sanguíneo cerebral y la estructura tisular de ratas

Fuente: Menezes Forti, R. et al. Monitorización en tiempo real de pacientes neurocríticos con espectroscopias ópticas difusas. J. Vis. Exp. (2020)Este video demuestra el uso de la espectroscopia de correlación difusa (DCS) para medir el flujo sanguíneo cerebral en humanos. Describe los pasos para preparar el sistema, calibrar la sonda, colocarla en la frente del participante, adquirir datos de luz dispersa y analizar las fluctuaciones de intensidad para interpretar la dinámica del flujo...

Espectroscopia de correlación difusa para medir el flujo sanguíneo cerebral en un sujeto humano

La evaluación simultánea de la hemodinámica cerebral y las propiedades de dispersión de luz de ratas in vivo en el tejido cerebral se demuestra usando un sistema de imagen de reflectancia difusa multiespectral convencional.

La evaluación simultánea de Hemodinámica cerebral y propiedades de dispersión de luz de la<em&gt; En Vivo</em&gt; Cerebro de rata utilizando multiespectral de imágenes de reflectancia difusa

Aquí se presenta un protocolo para monitorear de forma no invasiva la hemodinámica cerebral de pacientes neurocríticos en tiempo real y al lado de la cama utilizando óptica difusa. Específicamente, el protocolo propuesto utiliza un sistema óptico difuso híbrido para detectar y mostrar información en tiempo real sobre la oxigenación cerebral, el flujo sanguíneo cerebral y el metabolismo cerebral.

Monitorización en tiempo real de pacientes neurocríticos con espectroscopias ópticas difusas

Presentamos un método para recolectar simultáneamente señales de fMRI y fNIRS de los mismos sujetos con cobertura de fNIRS en toda la cabeza. El protocolo ha sido probado con tres adultos jóvenes y puede adaptarse para la recopilación de datos para estudios de desarrollo y poblaciones clínicas.

Recopilación simultánea de datos de mediciones de fMRI y fNIRS utilizando una matriz de optodos de cabeza completa y canales de corta distancia

Este estudio integró imágenes de resonancia magnética e imágenes de etiquetado de espín arterial para derivar el atlas de flujo sanguíneo cerebral (CBF) para las regiones funcionales cerebrales. La comparación de los atlas de CBF de isquemia cerebral crónica y saludable típica reveló diferencias significativas en las distribuciones regionales de CBF, lo que permitió evaluaciones rápidas y no invasivas de CBF funcional para ayudar en el diagnóstico y evaluar las terapias.

Construcción y aplicación de un atlas de flujo sanguíneo cerebral basado en regiones funcionales cerebrales mediante imágenes de resonancia magnética-etiquetado de espín arterial

Este estudio utilizó espectroscopia funcional de infrarrojo cercano (fNIRS) para medir la actividad de la corteza prefrontal durante una secuencia de asanas de yoga de diseño en bloque de 23 minutos con 27 adultos. La conectividad en estado de reposo se registró antes y después de la práctica. Los hallazgos destacan la efectividad de fNIRS en la investigación basada en el movimiento y proporcionan información neurológica sobre los efectos de las asanas de yoga.

Conectividad en estado de reposo y neuroimagen de la actividad de la corteza prefrontal durante una práctica de asanas de yoga de diseño de bloques con fNIRS

Aprende a medir la conectividad funcional cerebral basada en flujo sanguíneo mediante espectroscopia óptica de correlación difusa. Este protocolo no invasivo utiliza sondas portátiles para evaluación en cabecera y entornos naturales.

Conectividad funcional del cerebro humano basada en el flujo sanguíneo cerebral mediante espectroscopia óptica de correlación difusa (Video) | JoVE Journal

Conectividad funcional del cerebro humano basada en el flujo sanguíneo cerebral mediante espectroscopia óptica de correlación difusa

Explorar más videos