МРТ Проверка fNIRS измерений Во время натуралистического задачи

1Department of Psychiatry, Yale School of Medicine, 2Department of Electronics and Bioinformatics, Meiji University, 3Department of Histology and Neurobiology, Dokkyo Medical University School of Medicine, 4ADAM Center, Department of Physical Therapy, Movement and Rehabilitation Sciences, Northeastern University, 5Department of Neurobiology, Yale School of Medicine
Published 6/15/2015
0 Comments
  CITE THIS  SHARE 
Behavior
 

Summary

Cite this Article

Copy Citation

Noah, J. A., Ono, Y., Nomoto, Y., Shimada, S., Tachibana, A., Zhang, X., et al. fMRI Validation of fNIRS Measurements During a Naturalistic Task. J. Vis. Exp. (100), e52116, doi:10.3791/52116 (2015).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Introduction

Цель методов, описанных здесь, была разработка рабочего протокола, чтобы сравнить фМРТ (функциональной магнитно-резонансной томографии) и fNIRS (функциональная ближней инфракрасной спектроскопии) сигналы в аналогичных мультимодальных задач. В частности, мы стремились разработать функциональную процедуру визуализации для использования с физическими лицами противопоказаны для традиционных МРТ сканирования благодаря тремор, дискинезия, или нескольких имплантированных устройств. В то время как многие эффективные учебные и реабилитационные программы существуют для лиц, подвергающихся риску для падения, нет подтверждения из нейронных механизмов, лежащих в основе эффективности этих программ. Часто лица, участвующие в этих учебных программ противопоказаны по причинам, приведенным. Наша обоснование для этого исследования было определить эффективность функциональной ближней инфракрасной спектроскопии (fNIRS), чтобы определить закономерности деятельности мозга, связанной с натуралистической двигателя задачи участием целые движения тела. Долгосрочные цели включают разработку инструмента для обиваюту не только двигатель обучения парадигмы, но также служат для подтверждения правильности fNIRS для более широкого круга задач, которые не возможно выполнить в натуралистическом моды, используя традиционные методы.

fNIRS деятельность ранее было показано, что сильно коррелирует (г = 0.77-0.94) для гомологичных регионов с МРТ (уровень кислорода в крови зависимых) BOLD сигнала записи в ограниченных исследований, которые измеренных одновременно fNIRS и функциональную активность МРТ, используя классический психологический и простой палец нажав парадигмы 1-3. Результаты этих исследований подтверждают fNIRS является достоверной и надежной, чтобы определить, корковой деятельности, связанной с пониженным воздействием на окружающую задачи, совместимый с МРТ. Тем не менее, fNIRS имеет многочисленные преимущества по сравнению с МРТ в качестве метода нейровизуализации. fNIRS, главное, гораздо менее чувствительны к артефакту движения, чем МРТ и позволяет субъектам вести себя, как они будут в натуралистическом среды, в отличие от исследований МРТ, которые ограничивают двигательную paradigмс 4. Временная точность связана с fNIRS позволяет для определения изменений в нейронных функций отклика с повышенным детализации из-за повышенной частоты дискретизации. Наконец, стоимость fNIRS ниже, чем сканирование МРТ и позволяет исследования будут проводиться с меньшими затратами. Тем не менее, есть недостатки по сравнению с fNIRS МРТ в том числе ограниченной глубиной проникновения, ограниченного пространственным разрешением, а в последнее время было показано, что некоторые физиологические явления, такие как повышенное кровяное давление, частота сердечных сокращений, и кожи головы эффектов кровотока можно ввести ложных срабатываний на корковых гемодинамики сигнал 5-9. В то время как количество методик и аппаратных разработок, относящихся к НИРС, в том числе обработки сигнала, аппаратного обеспечения высокой плотности optode градиенты в настоящее время разрабатываются, он по-прежнему важно развивать смешанные методики, которые позволяют МРТ и fNIRS процедуры дополняют друг друга.

Это исследование служит для тестированияМетод fNIRS для определения нейронных механизмов, занимающихся во время натуралистического задачи танец видеоигр. Целью исследования было сравнение активности в интеграционного центра головного мозга (выше среднего и височной извилины) между группой лиц визуализируют с помощью фМРТ в другую группу субъектов с помощью натуралистического версию задачи визуализируют с fNIRS. Наша группа ранее исследовали этот район с использованием аналогичных интерактивная игра парадигмы и показал активность в височной доле реагирует на оба окси- и де-oxyHb хромофоры в соответствии с корковых активаций 10. Мы также ранее пытались контролировать для системных артефактов ранее, показывая ответов в этой области модулируются по амплитуде по отношению к корковой нагрузки задачи и не системных реакций, связанных с самой деятельности 11. Начальника и среднего височной извилины знает деятельность, связанную с интеграцией мультимодальных сенсорных стимулов, и мы должны предварительнопоказали, что это область, которая будет активна в Dance Dance Revolution (DDR) игры в пилотных исследований МРТ в дополнение к нашим fNIRS публикаций 10-12. Наша гипотеза данного исследования было то, что функциональная активность в этой области как записанные с использованием fNIRS будет значительно коррелирует с функциональной активностью, записанного с помощью фМРТ в аналогичной, но ограниченного протокола танец игры.

Протокол, описанный здесь, включает в себя, как изменить видеоигру танец, которые будут использоваться в качестве нейровизуализации парадигмы в обоих fNIRS и протоколов МРТ. Однако в целом процедура не является специфичным для парадигмы видео игры и может не подходить для любого количества задач, которые не возможно выполнить в ограничений протокола МРТ, в том числе языка и опорно-двигательного аппарата задач. Этот протокол еще устанавливает порядок использования анатомическую специфику МРТ, чтобы разработать конкретные области интереса (ROI), которые могут быть дополнительно изучал во время реального реальных задач с использованием fNIRS.

Protocol

До участия, все субъекты дать информированное согласие в соответствии с ведомственным руководящим принципам. В этом случае, протокол был одобрен институциональных программы защиты человека от университета Мэйдзи (Канагава, Япония), медицинский центр Колумбийского университета (переданного Йельской школы медицины для анализа данных), и Университета Лонг-Айленда, Бруклинский Campus для этого исследования.

1. Программное обеспечение и изменение аппаратного и программного для функционального сканирования мозга (МРТ и fNIRS)

  1. Изменить игру Dance Dance Revolution (DDR), редактируя сведения о файлах конфигурации (.sm) с использованием открытого исходного клона DDR, StepMania, чтобы изменить временные, графики и музыки для региона процентных исследований с использованием МР-томографию до fNIRS изображений ,
    1. В файле .sm указать переменные: фон, музыку, смещение (начало музыку во время сканирования), samplestart, samplelength, BPMS, и bgchanges. Укажите стрелкой PATTerns для каждой меры в файле .sm путем определения стрелки за меры в качестве значения "1", "0" или "M". Определить влево, вверх, вниз или вправо нажатия кнопок для каждой меры. Используйте "1" для стрелки, используйте "0" для пустой, и использовать "M" для шахты в эпох отдыха.
  2. Использование игры-песни "Butterfly" (первоначально производится Smile.dk и доступно на оригинальном Dance Dance Revolution 3-й Mix игры для CD Sony PlayStation), позволит субъектам играть с помощью дизайн переменного блок, встроенный в игровой механике, как модифицировать Файл конфигурации .sm. Альтернативные раз 30 сек игра с 30 сек периоды отдыха с фоновая графика с указанием в игрока, когда для воспроизведения (зеленый), и когда, чтобы расслабиться (красный; Рисунок 1).

Фигура 1
ИнжирЮр 1:. Парадигма Дизайн () DDR Графический интерфейс пользователя. Стрелки в нижней части экрана перемещается к верхней части экрана. Эти стрелки указано субъектов, какую кнопку нажать. Когда стрелки достиг топ область действия (серые стрелки в верхней части экрана), предметы ответил, нажав нужную кнопку. Время Играть было указано на зеленом фоне. Время отдыха было указано на красном фоне. Во время отдыха, стрелки были заменены «бомба» анимации. Они не имели никакой функции по отношению к Геймплей или счет, но были использованы в качестве заполнителя в течение эпох отдыха. (B), блочная конструкция используется для сканирования состояла в общей сложности 5 мин игры и отдыха эпохи. Предварительное сканирование 10 сек в длину, а затем, чередуя 30 сек игру и отдохнуть блоков. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

    Повторите переменное интервал в пять раз за перспективе, чтобы гарантировать специфичность в отличие между отдыха и активных периодов.
  1. В случае сбора данных МРТ, ограничить движения влево и вправо нажатия кнопок со стрелками в МРТ записей с помощью кнопок ноги. Общее количество нажатий кнопок должна оставаться одинаковой для обеих задач (рисунок 2).
  2. Перед процедурой сканирования, объяснить зачатки игры с предметами и позволяют предметы мало практика работает до визуализации. Поручить предметы нажать соответствующую кнопку со стрелкой с их ноги как можно ближе к идеальной время, изложенной в верхней части пути движущейся стрелкой, но свести к минимуму движения головы как можно больше.

Рисунок 2
Рисунок 2:. Экспериментальная установка для МРТ (A) Субъекты лежал в МРТ сканера то время observiнг проецируемого интерактивную среду, используя зеркало, закрепленное в головной катушки над объектом. 2В. Модифицированный ноги платформа, состоящая из двух кнопок разрешенных предметов реагировать с левыми или правыми ног кранов в режиме реального времени во время игры. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

2. МРТ Тестирование и анализ

  1. Получить структурное изображение для каждого субъекта до геймплея с 3D испортил последовательность градиента эхо (SPGR) (124 ломтиков, 256 х 256, поле зрения = 220 мм), с общим временем сканирования 10 мин 38 сек.
  2. Получить функциональной магнитно-резонансной изображения при сканировании с использованием следующих параметров эхо плоской (РПИ) T2 * эхо последовательности -weighted градиент: эхо времени = 51 мс, повторение раз = 3 сек, флип угол = 83 °. Приобретать 27 последовательных осевых срезов изображения головного мозга со следующими размерами: 192 х 192 мм полевыхзрения с 128 128 сетки для общим разрешением 1,56 х 1,56 мм и разрешением по оси Z 4,5 мм.
  3. Поручить предметы играть в игру с помощью выше парадигму, но с использованием только левой и правой стрелки, чтобы уменьшить артефакт движения.
  4. Выполните МРТ BOLD сигнал анализируется с помощью SPM8 5, реализованный в среде MATLAB 7.0.
    1. Откажитесь первые 10 сек серии EPI, чтобы минимизировать T2 * релаксации артефакт, функциональные данные движения корректируются с помощью наименьших квадратов 6-параметр "твердое тело" пространственного преобразования.
    2. Нормируют реконструированный РПИ сканирование в MNI (Монреаль Неврологический институт) шаблон, который имеет разрешение 2 мм 3 с последующим пространственное сглаживание с гауссовым ядром 8 мм полная ширина на половине максимума (FWHM).
    3. Выполните предмет уровня статистический анализ с использованием общей линейной модели (GLM), чтобы создать статистические параметрические карты для сравнения активном состоянии (DDR) по сравнению против состоянии покоя. </ LI>
    4. Выполните групповой анализ с отдельными результатами с использованием стандартной статистической отображение параметрического (SPM) второго уровня случайных эффектов подход. Получить интересующую область на основании результатов анализа группы с порога р <0,01 и размера кластера порога 100 вокселей.
    5. Определите область интереса, как совместно между функциональной группой и анатомической маски высшего и среднего височной извилины, полученной от WFU PickAtlas инструмента 13,14

3. fNIRS установки и сбора данных

  1. Используйте 22-канальный fNIRS системы топографии записывать данные optodes расположенных в массиве 3 х 5. Расстояние между optode для каждой пары источник-детектор 3 см (рис 3а, б).
    1. Восточный эластичный колпачок, содержащий массив оптических датчиков так, что он выровнен с левой префронтальной коры с левой височной доли (3А, Б). Убедите optode в нижнем рядуна самом переднем положении по центру FPZ международной системы 10-10 15. Совместите нижнюю строку optodes параллельно с линией между анатомических ориентиров FPZ и Т7.
  2. Затянуть массив оптического датчика к голове субъекта и заверить его надежно крепятся с помощью ремней и подбородка ремень. Следует обратить внимание на смещение optodes от поверхности головки, так что источник-детектор пары плотно прилегает к голове, но не неудобно тему (рис 3C).
  3. Примеры сырья аналоговый optode источник детектор пара световых данные в компьютер на 7,9 Гц с помощью графического интерфейса пользователя компьютера.

Рисунок 3
Рисунок 3:. Настройки Optode для NIRS записей (А) крышки состоит из упругого листа, снабженной гибкой пластмассы, соединенный с и хоlding 3 см на расстоянии держатели optode. Ремни крепятся к крышке, чтобы позволить ему быть плотно прилегает к голове. Крышка больше и позволяет более чем optodes массива 3 х 5 (показан желтым), используемого в данном исследовании, но необходимо, чтобы закрепить его надежно глав субъектов. (Б) optode крышка и позиционируется на левой префронтальной в височных. Пример optode крышкой на голове, обеспечивая охват предметной 3 х 5 массива над левым префронтальной области к левой височной доле. (С) Optode размещение в кепке, показывая крышкой, прикрепленной к голове с натяжными ремнями и антарктических. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

  1. Калибровка Тестирование и сила сигнала и сигнала к шуму с помощью программного обеспечения управления системой, предоставляемой изготовителем до записи. В случае высокочастотного шума обнаружения, галить optodes и любой вмешательства волосы от каналу с использованием светодиодной подсветкой пластиковая стержень (рисунок 4).

Рисунок 4
Рисунок 4:.. Оптимизация optode сигналов волос был перенесен из каждого канала с помощью освещенной пластиковый инструмент, чтобы вытеснить волосы от центра канала, чтобы обеспечить оптимальное качество сигнала Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

  1. Использование дигитайзера ручку 3D определить пространственные значения местоположений источника и детектора optode в каждом канале упругого колпачка. Используйте дигитайзер для выявления пространственных координат Насьон, затылочного бугра, ушных раковин и Cz каждого субъекта непосредственно перед сбором данных и игры (рисунок 5). Сохранить текстовые файлы с источником и выявитьили места для others.txt и анатомические координаты, чтобы origin.txt файлы.

Рисунок 5
Рисунок 5:.. Калибровка положения optode магнитное инструмент оцифровка была использована для определения размещение 10-20 достопримечательностей на голове и положения optode каналов Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

  1. Процесс захватили 3D-координаты, используя опцию регистрации в НИРС-SPM 16,17 в MATLAB 7.0 (рисунок 6). Из главного меню SPM, забрать автономные пространственную регистрацию. На следующем экране выберите "С 3D дигитайзер" и выберите ранее сохраненные других и происхождения текстовые файлы с использованием соответствующего диалогового окна. В диалоговом окне программного обеспечения, выберите "Registratioн (используйте функцию NFRI) ", чтобы определить пространственное представление

Рисунок 6
Рис. 6: Пример вывода данных калибровки NIRS данных планшета использовали для определения вероятности каждого канала в конкретных областях головного мозга. Канал 22 в этой теме показал, вероятность 0,4129 на Ближнем височной извилины, и 0,47419 в верхней височной извилины. Канал определен в области между излучателем и детектор пар. Круг вокруг канала 22 на рисунке представляет собой приближение области способствует сигнала, записанного с optode пар в этой теме. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

  1. Когда все позиции optode каналов оцифровываются и каждый канал обеспечивает SСила ufficient сигнал, как указано в GUI интерфейса программного обеспечения, предоставленного производителем, спросите предметы стоять и готовиться к DDR тестирования (рис 7а, б).

Рисунок 7
Рисунок 7:. FNIRS сбора данных во время танца игры (A) Субъекты стоять, чтобы играть в игру, используя блок парадигму на стандартном коврике танец игры, будучи привязанным к машине НИРС. (B), альтернативный взгляд сбора данных, показывая исходные данные на фоне экрана, собранной в режиме реального времени от субъекта. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

4. fNIRS сбора данных

  1. До настройке fNIRS запись optodes, обеспечивают предметы с краткого введенияв геймплей и позволяют практику знакомство с игрой, как в тестировании МРТ.
  2. Для тестирования fNIRS, использовать идентичный парадигму, что тестирование МРТ с добавлением вверх / вниз стрелками по сравнению с только стрелками влево и вправо используются для МРТ. Убедитесь, что общее число стрелок прессов идентичны между МРТ и fNIRS задач, и что только модель отличается.
  3. Используйте стандартный 4 кнопки коврик систему реагирования кнопку для геймплея во время тестирования fNIRS (7А).
  4. После того, как комфортно в основах игры, поручить предметы играть в 30 раз сек игра с 30 сек периоды отдыха, как в шаге 1.2. Повторите эту игру 5 мин дважды каждый предметам.
    1. Поручить предметы, специально не трогать свое лицо или нос, и в частности их волосы или голову вблизи optodes. Поручить предметы, чтобы минимизировать вращения, ялик или шаг движения головы во время игры.

5. fNIRS анализа данных

Используйте модифицированный Ламберта-подход 18 для расчета относительных сигналы, отражающие кислородом гемоглобин (окси-Hb), венозная гемоглобина (дезокси-Hb), и общий гемоглобин (всего-HB) изменения концентрации как ΔoxyHb, ΔdeoxyHb, и, соответственно, в ΔtotalHb произвольный единичный (мкМ см) с использованием следующих уравнений:
ΔoxyHb = -1,4887 × 780 Δabs + 0,5970 × 805 Δabs + 1,4847 × 830 Δabs
ΔdeoxyHb = 1,8545 × Δabs 780 + (-0,2394) × Δabs 805 + (-1,0947) × 830 Δabs
ΔtotalHb = ΔoxyHb + ΔdeoxyHb;
где Δabs указывает на изменения в поглощении света на соответствующей длине волны.
  • Низкочастотный фильтр необработанные данные гемодинамики сигналов от отдельных через 25-го порядка Савицкого-Голея фильтра иСредняя 19.
  • Применение коррекцией базовой линии с усредненными данными с наступлением равным нулю.
  • Нормализовать амплитуду сигнала гемодинамики путем деления усредненные значения, стандартного отклонения сигнала записывается 10 сек до задачи.
  • Выбрать каналы для анализа на основе 3D информации дигитайзер. Здесь использовать канал, чтобы использовать для анализа, который имеет регистрационный вероятность 80% или более на Ближнем и Улучшенный височной извилины) в соответствии с выходом в процессе регистрации.
  • 6. Сравнение МРТ и fNIRS сигналов

    1. Используйте функцию Результаты в SPM8 определить супер-пороговые вокселей при Т> 2,6 или соответствующего P <0,01 значения. Определите область интереса (ROI) с помощью перекрывающихся супер-пороговые вокселей определить кластер внутри анатомической области.
      1. В этом случае, определить верхние и средние височной извилины, используя атлас AAL включенные в Pick WFU Atlas. В Тхи• Случай, в результате кластер имеет 572 2 х 2 х 2 мм вокселей, расположенных в средней височной извилины с пиковой вокселе на координатной (-66, -24, 0) и пик Т = 5,73 fNIRS.
    2. Определите канал интерес из данных, используя 3D fNIRS оцифрованные координаты, которые преобразованы в MNI координаты при помощи НДО-SPM в шаге 3.5.1 выше. В этом случае канал 22 у большинства пациентов имели высокую вероятность активности в ROI, определенной в шаге 6.1.
    3. Определить усредненный, ответ событийной в ROI для МРТ и соответствующий канал в fNIRS на время 60 сек блок (активное и отдыха, комбинированный).
    4. Для каждого предмета, в среднем уровень кислорода в крови зависимых (жирный) необработанные сигналы для вокселей в кластере для создания МРТ событие вызвало средние данные.
    5. Сравните фМРТ и fNIRS путем масштабирования данных МРТ, чтобы оптимально соответствуют данные fNIRS с использованием линейной регрессии с помощью fNIRS = В * МРТ, где регрессионный метод получает значение б так тхат значение квадратного корня из fNIRS -b * МРТ сведены к минимуму.
    6. Сравните fNIRS и сигналы МРТ путем сопоставления двух групп.

    Representative Results

    Результаты эксперимента показывают, полученную от деятельности центров интеграции в высших и средних височных извилин, используя функциональную магнитно-резонансную томографию (МРТ), имеют высокую корреляцию с функциональной ближней инфракрасной спектроскопии (fNIRS) сигналы образуют ту же площадь в натуралистической версии задачи . На рисунке 8 показаны нормированные и усредненные исходные данные из 16 субъектов из процедуры МРТ сканирования (синяя линия) и 26 субъектов из fNIRS протокола (красный след). Данные возлагались в момент времени 0 и активная фаза игрового взаимодействия состоялся в первых 30 сек графика (помечены задач). Вертикальная пунктирная линия указывает на переход от зеленого до красного фона в задачи и начале фазы покоя (указано как отдых) оба набора данных показывают увеличение в ответах в активной фазе и снижение в фазе покоя с повышенной изменчивости видели в Сигнал МРТ. Сравнения были сделаны между следами от первого облressing сигнал МРТ, чтобы минимизировать среднеквадратичное различие между двумя следами. Полученный коэффициент корреляции между двумя сигналами 0,78 и значение р для корреляции 0,03.

    Рисунок 9 представляет собой мозг рендеринга с наложенными местах канала от одного субъекта. Усредненные следы от каналов 1 и 22 показаны сплошными линиями, представляющими оксигемоглобина сигналы и пунктирные линии, представляющие дезоксигемоглобина сигналы. Красные и синие следы представляют два варианта на геймплей, музыку и не-музыки, соответственно. Сигналы от канала 1 в качестве контрольного примера для сравнения с интересующей области. Сигналы в этих двух регионах различаются по целевой-ответ.

    Рисунок 8
    Рисунок 8:. Корреляция между fNIRS и сигналов МРТ из Средней височной извилины fNIRS(Красный) и МРТ (синий) сигналы показаны для каждой группы ± SEM, представленной затененных краях. Коэффициент регрессии между ними 0,78; р = 0,03. Вставка показывает оказание ROI определяется от деятельности в МРТ с пиковой активности на MNI координаты (-66, -24, 0) с размером кластера = 571, пик Т = 5,73. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этот показатель.

    Рисунок 9
    Рисунок 9: Различия в сигналы в височной и лобной долей времени курс ΔoxyHb (сплошная линия) и ΔdeoxyHb (пунктирная линия) ответов одного субъекта от двух одиночных испытаний танца игры, показывая два условия "с музыкой (красный). "и" нет музыки (синий) "условия. Эта цифра была изменена с Оно др. 10.

    Discussion

    fNIRS является функциональным методом визуализации головного мозга, что имеет потенциал позволяет изучение нейронных коррелятов естественных деятельности. Развитие этих методов является активным направлением исследований. Мы выделяем здесь методологии, которая была эффективна для записи функциональной активности головного мозга в одном регионе интереса, связанного с участием в танец видео игры.

    Количество публикаций следственных моторные обучения парадигмы с fNIRS быстро увеличилось в последние годы с введением многоканальных fNIRS единиц из Hitachi и Shimadzu (а также другие), способной записывать функциональные деятельность в нескольких областях мозга конкурентно 20,21 , Ранее нами было показано, что можно определить анатомическую специфику сигналов fNIRS, а также использовать сигналы, чтобы определить, как изменения во времени и амплитуды сигналов способствуют поведенческой выполнении двигательных задач 22. Даже с этой лавинообразный интерес в технологии НИРС, несколько исследований были сосредоточены на нейронных механизмов поведения натуралистических проверенных на МРТ. В то время как эта специальная проблема, и многие другие издания 23-26 четко определить будущую роль в изучении fNIRS моторные поведения, протокол, описанный здесь был разработан, чтобы проверить единую методологию для сравнения МРТ и fNIRS данные из натуралистических поведения.

    Результаты указывают на высокую корреляцию между группами для fNIRS и сигналов МРТ в интеграционной зоне височной доле и корреляцию между сигналами в линии с что показано ранее в параллельных МРТ / fNIRS исследований 3. Рисунок 9 показывает, что активность в fNIRS височная не только корковых в природе умач Перепад окси- и deoxyHb chromofore абсорбцию, но также, что деятельность в височной доле весьма отличается от той, что в лобной доле не коррелируют с МРТ активности в височной доле. Подчеркнем несколько важных аспектов исследования, которые позволяют данных для сравнения между двумя методами. Во-первых, калибровка местах optode наметилась в качестве ключевой стратегии в утверждении корковой анатомии и интерпретацию результатов. Модификации мы сделали, чтобы программного обеспечения и аппаратных средств позволило синхронизировать нашу парадигму с протоколом блок дизайна оптимизированного для получения сильных корковых ответов в обеих процедурах. Мы также наметить основные стратегии для обеспечения высокого отношения сигнал-шум (удаление волос с поверхности optode) и сокращения артефактов, включая движения и стимулирования лица (субъекты были специально проинструктированы, чтобы не коснуться их головы или лица).

    Эти результаты и результаты предыдущих исследований, следственные одновременно fNIRS / FMПроцедуры отображения RI подтвердить высокая корреляция между сигналами теоретически предсказал 1-3. Одним из ограничений для интерпретации данных, представленных здесь в том, что мы были не в состоянии использовать новые методы в оптимизации записи НИРС, которые показывают, что можно повысить разрешение отдельных данных канала с использованием высоких записи плотности. Эта техника высокой плотности была также использована для отделения поверхностные компоненты из коркового БИС сигналы 27 в дополнение к другим методам, которые устраняют артефакты артериального давления, частоты сердечных сокращений и других системных переменных 6,7,28. Кроме того, было показано, что размещение датчика и chromaphore выбор может быть использован для контроля ложных срабатываний 29 и адаптивной фильтрации сигналов БИС могут быть эффективно использованы в случае высокой сигнала к шуму. Задача, которую мы использовали здесь и ранее с использованием коммерческих систем НДО с парадигмами, представленные в блочной конструкции 10,11произвел данные с большими сигналами и не требуется дополнительных методов анализа или оборудование, чтобы показать сходство между сигналами. Тем не менее, возможно, что данные, представленные здесь, могут быть улучшены далее через использование этих и других методов обработки в NIRS сигнала.

    Текущие методологии функционального НИРС не заменит необходимость сканирования МРТ; а, как мы предлагаем здесь, две процедуры отображения (в дополнение к ЭЭГ и других) может быть использован, чтобы дополнять друг друга. В случае группы лиц, которые противопоказаны для сканирования МРТ, fNIRS может оказаться единственной жизнеспособной технику, чтобы выяснить преимущества учебной программы, такие как программы по профилактике падения риска для лиц с болезнью Паркинсона. Кроме того, fNIRS имеет ряд будущих направлений, которые также могут быть использованы, чтобы добавить информацию в анатомической детализации через MR сканирования. Высокая плотность размещения optode и увеличение optodes даст большевременное разрешение, которое может быть использовано для соединения и принцип анализа компонентов, а также повышенной точностью BOLD моделирования сигнала.

    Disclosures

    Публикация плата за этой статье авторами S himadzu.

    Acknowledgements

    Это исследование было поддержано в части следующих источников финансирования: Грант ЯОРН-в-помощь по научным исследованиям (C) 25350642 (AT), исследовательский грант от Хаяо Накаяма Фонда науки и технологий и культуры (SS & YO) и Здоровье Игры грант от Роберта Вуда Джонсона Фонда (грант # 66729) (SB & JAN).

    Materials

    Name Company Catalog Number Comments
    Equipment
    Shimadzu OMM-3000 Shimadzu The OMM-3000 used in this study has been replaced by the LABNIRS
    Polhemus Patriot 3D Digitizer Polhemus
    GE Twin-Speed 1.5T MRI scanner General Electric The Twin-Speed 1.5 T scanner has been retired. A number of new scanners are available to replicate this procedure
    Software
    Stepmania Stepmania
    Matlab MathWorks
    NIRS-SPM BISPL
    WFU Pick Atlas ANSIR

    DOWNLOAD MATERIALS LIST

    References

    1. Heinzel, S., et al. Variability of (functional) hemodynamics as measured with simultaneous fNIRS and fMRI during intertemporal choice. NeuroImage. 71, 125-134 (2013).
    2. Cui, X., Bray, S., Bryant, D. M., Glover, G. H., Reiss, A. L. A quantitative comparison of NIRS and fMRI across multiple cognitive tasks. Neuroimage. 54, 2808-2821 (2011).
    3. Sato, H., et al. A NIRS–fMRI investigation of prefrontal cortex activity during a working memory task. Neuroimage. 83, 158-173 (2013).
    4. Piper, S. K., et al. A wearable multi-channel fNIRS system for brain imaging in freely moving subjects. NeuroImage. 85, (Part 1), 64-71 (2014).
    5. Funane, T., et al. Quantitative evaluation of deep and shallow tissue layers' contribution to fNIRS signal using multi-distance optodes and independent component analysis). NeuroImage. 85, (Part 1), 150-165 (2014).
    6. Tachtsidis, I., et al. Ch. 46. Oxygen Transport to Tissue XXX Vol. 645 Advances in Experimental Medicine and Biology. Liss, P., Hansell, P., Bruley, D. F., Harrison, D. K. Springer. New York, NY. 307-314 (2009).
    7. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage. 85, (Part 1), 6-27 (2014).
    8. Saager, R., Berger, A. Measurement of layer-like hemodynamic trends in scalp and cortex: implications for physiological baseline suppression in functional near-infrared spectroscopy). Journal Of Biomedical Optics. 13, (3), 034017-034017 (2008).
    9. Takahashi, T., et al. Influence of skin blood flow on near-infrared spectroscopy signals measured on the forehead during a verbal fluency task. Neuroimage. 57, 991-1002 (2011).
    10. Ono, Y., et al. Frontotemporal oxyhemoglobin dynamics predict performance accuracy of dance simulation gameplay: Temporal characteristics of top-down and bottom-up cortical activities. NeuroImage. 85, 461-470 (2014).
    11. Tachibana, A., Noah, J. A., Bronner, S., Ono, Y., Onozuka, M. Parietal and temporal activity during a multimodal dance video game: an fNIRS study. Neuroscience Letters. 503, (2), 125-130 (2011).
    12. Annual Society for Neuroscience Conference. Noah, J., Tachibana, A., Bronner, S. 2010 Nov 13-17, San Diego, CA, (2010).
    13. Maldjian, J. A., Laurienti, P. J., Burdette, J. H. Precentral gyrus discrepancy in electronic versions of the Talairach atlas. Neuroimage. 21, 450-455 (2004).
    14. Maldjian, J. A., Laurienti, P. J., Kraft, R. A., Burdette, J. H. An automated method for neuroanatomic and cytoarchitectonic atlas-based interrogation of fMRI data sets. Neuroimage. 19, 1233-1239 (2003).
    15. Chatrian, G. E., Lettich, E., Nelson, P. L. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activity. Am J EEG Technol. 25, 83-92 (1985).
    16. Okamoto, M., Dan, I. Automated cortical projection of head-surface locations for transcranial functional brain mapping. Neuroimage. 26, 18-28 (2005).
    17. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM statistical parametric mapping for near-infrared spectroscopy. Neuroimage. 44, 428-447 (2009).
    18. Cope, M., Delpy, D. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26, (3), 289-294 (1988).
    19. Savitzky, A., Golay, M. J. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry. 36, (8), 1627-1639 (1964).
    20. Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. 21, 1275-1288 (2004).
    21. Suzuki, M., et al. Prefrontal and premotor cortices are involved in adapting walking and running speed on the treadmill: an optical imaging study. Neuroimage. 23, 1020-1026 (2004).
    22. Boas, D. A., Elwell, C. E., Ferrari, M., Taga, G. Twenty years of functional near-infrared spectroscopy: introduction for the special issue. NeuroImage. 85, 1-5 (2014).
    23. Holtzer, R., et al. fNIRS study of walking and walking while talking in young and old individuals. The Journals of Gerontology Series A: Biological Sciences and Medical Sciences. 66, (8), 879-887 (2011).
    24. Suzuki, M., Miyai, I., Ono, T., Kubota, K. Activities in the frontal cortex and gait performance are modulated by preparation. An fNIRS study. Neuroimage. 39, 600-607 (2008).
    25. Shimada, S., Hiraki, K., Oda, I. The parietal role in the sense of self-ownership with temporal discrepancy between visual and proprioceptive feedbacks. Neuroimage. 24, 1225-1232 (2005).
    26. Matsuda, G., Hiraki, K. Sustained decrease in oxygenated hemoglobin during video games in the dorsal prefrontal cortex: a NIRS study of children. Neuroimage. 29, 706-711 (2006).
    27. Gregg, N. M., White, B. R., Zeff, B. W., Berger, A. J., Culver, J. P. Brain specificity of diffuse optical imaging: improvements from superficial signal regression and tomography. Frontiers in Neuroenergetics. 2, 14 (2010).
    28. Kirilina, E., et al. The physiological origin of task-evoked systemic artefacts in functional near infrared spectroscopy. Neuroimage. 61, 70-81 (2012).
    29. Strangman, G., Franceschini, M. A., Boas, D. A. Factors affecting the accuracy of near-infrared spectroscopy concentration calculations for focal changes in oxygenation parameters. NeuroImage. 18, 865-879 (2003).

    Comments

    0 Comments


      Post a Question / Comment / Request

      You must be signed in to post a comment. Please or create an account.

      Video Stats