자연주의 작업하는 동안 fNIRS 측정의 fMRI 검증

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

여기에 기술 된 방법의 목적은 fMRI와 fNIRS 및 (기능 근적외선 분광법)와 유사한 멀티 모달 작업에서 신호를 비교하는 작업 프로토콜을 개발하는 것이었다. 구체적으로 우리는 전통적인 자기 공명 진동에 의한 검사, 운동 장애, 또는 다중 주입 장치에 대한 금기 개인들과 사용하기위한 기능적인 이미징 방법을 개발하는 것을 목표로. 많은 효과적인 교육 및 재활 프로그램이 떨어지는 위험에 개인을 위해 존재하지만, 이러한 프로그램의 효과를 기본 신경 메커니즘을 더 확인이 없습니다. 종종, 이러한 교육 프로그램에 참여하는 개인은 금기 인용 된 이유입니다. 본 연구에 대한 이론적 근거는 우리 몸 전체의 움직임을 수반하는 자연 모터 작업과 관련된 뇌 활동의 패턴을 결정하는 기능, 근적외선 분광법 (fNIRS)의 효능을 결정 하였다. 장기 목표는 스터드 도구의 개발을 포함Y뿐만 아니라 운동 학습 패러다임하지만 전통적인 방법을 사용하여 자연 방식으로 수행 할 수없는 작업의 폭 넓은 다양한 fNIRS의 적합성을 확인하는 역할을한다.

fNIRS 활동은 이전에 고도의 패러다임을 눌러 고전 심리적, 간단한 손가락을 사용하여 동시 fNIRS과의 fMRI 기능 활동을 측정 제한된 연구에서의 fMRI BOLD (혈액의 산소 수준에 따라 다름) 신호 녹음과 상동 지역에 대한 (R = 0.77-0.94) 상관 관계가 밝혀졌다 1-3. 이러한 연구 결과는 fNIRS의 fMRI 호환 환원 환경 태스크와 관련된 대뇌 피질의 활성을 측정하기 유효하고 신뢰성 확인. 그러나, fNIRS는 뇌 영상 방법으로의 fMRI에 비해 많은 장점이 있습니다. fNIRS는 중요한의 fMRI보다 동 잡음에 덜 민감하고 그들이 자연 환경에서 모터 paradig를 제한의 f​​MRI 연구에 반대 할뿐만 주제 행동 할 수 있습니다MS 사. fNIRS과 관련된 시간적 정확성으로 인해 증가 된 샘플링 주파수로 증가 세분화 신경 반응 함수의 변화를 결정 수 있습니다. 마지막으로, fNIRS의 비용의 fMRI 스캔보다 낮은과 연구가 적은 비용으로 수행 할 수 있습니다. 그러나, 최근의 침투 깊이 제한, 제한된 공간 해상도 및 포함의 fMRI에 비해 fNIRS 단점이 있다고 밝혀졌다있다 같은 행 위양성을 도입 할 수 혈압, 심박수, 및 두피 혈류 효과 특정 생리적 현상 대뇌 피질의 혈역학 적 신호 5-9. 방법론 및 신호 처리, 고밀도 optode 구배를 제공하는 하드웨어를 포함 NIRS 특정 하드웨어 개발의 번호가 현재 개발되고있는 동안, 자기 공명과 fNIRS 절차가 서로를 보완 할 수있는 혼합 된 방법론을 개발하는 것이 여전히 중요하다.

이 연구는 테스트하는 역할을한다자연 댄스 비디오 게임 태스크 동안 신경 결합 메커니즘을 결정 fNIRS 방법. 연구의 목적은 fNIRS를 이미지화 작업 자연 버전을 사용하여 피사체의 다른 그룹의 fMRI를 이용하여 묘화 개인의 그룹 사이의 뇌 (우수한 중간 시간적 이랑)의 통합 센터에서 활성을 비교 하​​였다. 우리 그룹은 이전에 비슷한 대화 형 게임의 패러다임을 사용하여이 지역을 조사하고 측두엽의 활동 대뇌 피질의 활성화 (10)에 따라 옥시 및 해제 oxyHb 발색단 모두에 반응을 보이고있다. 우리는 또한 이전에 작업의 대뇌 피질의 부하가 아닌 활동 자체 (11)와 관련된 전신 반응에 대해 진폭 변조 이전에이 지역에서 응답을 보여줌으로써 전신 이슈를 제어하려고했습니다. 우수하고 중간 시간 이랑 멀티 모달 감각 자극의 통합과 관련된 활동을 알고 있으며, 우리는 이전에이댄스 댄스 레볼루션 (DDR) 우리의 fNIRS 간행물 10-12뿐만 아니라 파일럿의 fMRI 연구에서 게임 플레이에 활성화하기 위해이 영역을 표시. 본 연구에 대한 우리의 가설을 기록하여 fNIRS으로이 지역의 기능 활동이 상당히 유사하지만 제한된 댄스 게임 프로토콜에서의 fMRI를 사용하여 촬영 기능 활동과 상관 것이라고했다.

여기에 설명 된 프로토콜과의 fMRI fNIRS 프로토콜 모두에서 뇌 영상 패러다임로서 사용되는 방법 댄스 비디오 게임을 수정 포함한다. 그러나 전체 과정은 비디오 게임의 패러다임을 특정하지 않고 언어와 전위의 작업을 포함하는 자기 공명 프로토콜의 제약에서 수행 할 수없는 작업의 번호에 해당 될 수 있습니다. 이 프로토콜은 또한 상기 fNIRS를 이용하여 실시간 실제 작업 동안 연구 될 수이자 (ROI)의 특정 지역을 개발하는 자기 공명의 해부학 적 특이성을 사용하는 방법을 설명합니다.

Protocol

참여에 앞서, 모든 주제는 기관의 지침에 따라 동의를 제공합니다. 이 경우, 프로토콜은 메이지 대학 (Kanagawa, 일본), (데이터 분석을 위해 의학의 예일 학교에 전달) 컬럼비아 대학 의료 센터 및 롱 아일랜드 대학이 연구 브루클린 캠퍼스에서 기관 인간의 보호 프로그램에 의해 승인되었다.

1. 소프트웨어 및 기능성 뇌 영상의 하드웨어 변경 및 개발 (자기 공명 및 fNIRS)

  1. fNIRS 이미징 이전의 fMRI를 사용하여 관심 연구 영역에 대한 타이밍, 그래픽과 음악을 변경 DDR, Stepmania의 오픈 소스 클론을 사용하여 구성 파일 (.sm)의 세부 사항을 편집하여 게임 댄스 댄스 레볼루션 (DDR)을 수정 .
    1. .sm 파일에서 변수를 지정 오프셋 배경, 음악, (스캔 시간에 음악을 시작), samplestart, samplelength, BPMS 및 bgchanges을. 화살표 PATT 지정Erns를 "1"의 값을 "0"또는 "M"으로 측정 당 화살표를 정의하여 .sm 파일의 각 측정 값. 각 측정의 경우 왼쪽, 위, 아래, 또는 오른쪽 버튼 누름을 정의합니다. , 화살표는 "1"을 사용하여 빈은 "0"를 사용하고, 나머지 시대의 광산에 대해 "M"을 사용합니다.
  2. 게임 노래 "나비"를 사용, 수정 같은 주제는 게임 기계에 내장 교류 블록 디자인을 사용하여 재생할 수 (원래 소니 플레이 스테이션의 원래 댄스 댄스 레볼루션 3 번째 믹스 게임 CD에 Smile.dk에 의해 수행 가능) .sm 구성 파일. 배경 그래픽이 때 휴식하는 방법 (녹색)을 재생할 때 플레이어에 표시하고 30 초 휴식 시간에 다른 30 초 게임 시간 (적색도 1).

그림 1
무화과URE 1 :. 패러다임 디자인 () DDR 그래픽 사용자 인터페이스. 화면 아래쪽 화살표가 화면의 상단쪽으로 움직였다. 이 화살표를 눌러 버튼을 주제로 나타났다. 화살표 가기 작용 영역 (화면 상단의 회색 화살표)에 도달하면, 피험자는 정확한 버튼을 눌러 응답. 재생 시간은 녹색 배경으로 표시했다. 나머지 시간은 빨간색 배경으로 표시했다. 나머지 시간 동안, 화살표는 "폭탄"애니메이션으로 대체되었다. 이 게임 플레이에 대해 또는 점수와의 기능이 없었다,하지만 나머지 신 (新) 시대 동안 자리 표시 자 역할을하기 위해 사용되었다. (B) 검사에 사용되는 블록 디자인은 플레이 5 분의 전체 구성되었고 에포크 휴식. 사전 검사는 30 초 플레이를 번갈아 차단을 휴식 한 다음, 길이가 10 초였다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

    휴식과 활동 기간 사이의 대조에 특이성을 보장하기 위해 실행 당 교류 간격을 다섯 번 반복합니다.
  1. 자기 공명 데이터 컬렉션의 경우, 풋 버튼을 사용하여 녹화의 fMRI에서 왼쪽으로 동작 및 오른쪽 화살표 버튼 누름을 제한. 버튼 누름의 전체 수는 두 작업 (그림 2) 평등을 유지해야한다.
  2. 스캔 절차에 앞서, 몇 가지 연습 영상 이전에 실행 주체를 대상으로 게임의 초보를 설명하고 있습니다. 이동 화살표의 경로의 상단에 나와있는 완벽한 시간에 가까운 자신의 발에 해당하는 화살표 버튼을 누릅니다 과목을 지시하지만, 가능한 한 머리의 움직임을 최소화 할 수 있습니다.

그림 2
그림 2 :.의 fMRI를위한 실험 장치는 (A) 주제는 observi 동안 MRI 스캐너에 누워피사체 상기 코일 헤드에 장착 된 미러를 이용한 투영 대화식 환경 겨. 그림 2B. 주제는 게임 플레이 중에 실시간으로 왼쪽 또는 오른쪽 발가락 탭으로 응답 할 수 두 개의 버튼으로 구성된 변형 된 발 플랫폼. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

(2)의 fMRI 테스트 및 분석

  1. 3D로 게임 플레이에 앞서 각각의 주제에 대해 구조적인 이미지를 얻기가 10 분 38 초 총 검사 시간, 그라데이션 에코 시퀀스 (SPGR) (124 조각, 256 X 256,보기 = 220mm의 필드) 버릇.
  2. 에코 평면 (EPI) T2 * -weighted 그라데이션 에코 순서에 대해 다음 설정을 사용하여 스캔하는 동안 기능적 자기 공명 영상을 얻 시간 에코 = 51 밀리 초, 반복 시간 = 3 초, 플립 각도 = 83 °. 192 X 192mm 필드 : 다음과 같은 크기로 뇌의 27 연속 축 슬라이스 이미지를 수집1.56 X 1.56 mm의 총 해상도와 4.5 mm의 z 축 해상도 128 X 128 격자보기.
  3. 위의 패러다임을 사용하지만 동 잡음을 줄이기 위해 만 왼쪽과 오른쪽 화살표를 사용하여 게임을 주제 지시합니다.
  4. MATLAB 7.0에서 구현 SPM8 5를 사용하여 분석의 fMRI BOLD 신호를 수행합니다.
    1. T2 * 이완 이슈를 최소화하기 위해 에피 시리즈의 첫 번째 10 초를 버리고, 기능 데이터는 최소 제곱 6 매개 변수 '강체'공간 변형을 통해 수정 움직임이다.
    2. 반 최대 (FWHM)에서 8mm 전체 폭의 가우시안 커널 공간 스무딩 다음에 2mm 3 해상도가 MNI (몬트리올 신경학 연구소) 템플릿 재편 EPI 검사를 정상화.
    3. 제목 수준을 수행 일반 선형 모델 (GLM) 나머지 조건과 비교 활성 상태 (DDR)을 비교하는 통계 파라 메트릭지도를 만들 수 있습니다. 이용 통계 분석 </ 리>
    4. 표준 통계 파라미터 매핑 (SPM)을 사용하여 개별 결과와 그룹 분석 번째 수준 임의 효과 방법을 수행합니다. p <0.01 100 복셀 클러스터 사이즈 문턱 임계치와 기 분석 결과에 기초하여 관심 지역을 구하는.
    5. WFU PickAtlas 도구 (13, 14)에서 얻은 기능 클러스터 및 우수하고 중간 시간 이랑의 해부학 마스크 사이의 결합으로 관심 영역을 정의

3. fNIRS 설정 및 데이터 수집

  1. 3 × 5 어레이로 배열 optodes의 데이터를 기록하기 위해 22 채널 fNIRS 지형 시스템을 사용합니다. 각 소스 검출기 쌍 간 optode 거리는 3cm (도 3A, B)이다.
    1. 동양이 왼쪽 측두엽의 좌측 전두엽 피질에서 줄 지어되도록 광 센서의 배열을 포함하는 탄성 캡 (그림 3A, B). 가장 낮은 행의 optode을 보장가장 앞쪽에 위치 국제 10-10 FPZ 시스템 (15)을 중심으로한다. 해부학 FPZ과 T7 사이의 라인과 평행 optodes의 열등한 행을 맞 춥니 다.
  2. 피사체의 머리에 광학 탐침 배열을 체결하고 안전하게 스트랩과 턱 스트랩을 사용하여 연결되어 확신합니다. 소스 검출기 쌍 머리에 꽉하지만 주제 (그림 3C)에 불편하지 않도록주의가 헤드 표면에서 optodes의 변위에 지불해야한다.
  3. 컴퓨터 그래픽 사용자 인터페이스를 이용하여 7.9 Hz에서 컴퓨터로 샘플 원시 아날로그 optode 소스 검출기 쌍 광 데이터.

그림 3
그림 3 :. NIRS 녹음에 대한 Optode 설정 () 캡과 호 커플 구부릴 수있는 플라스틱 장착 탄성 시트로 구성막고 3cm는 optode 홀더 간격. 스트랩은 머리에 단단히 장착 할 수 있도록 캡에 장착되어 있습니다. 캡은 크고 본 연구에 사용 된 (노란색으로 표시) 3 × 5 배열보다 더 optodes 수 있습니다, 그러나 주제의 머리에 단단히 고정 할 필요가있다. (나) optode 캡과 측두엽에 왼쪽 전두엽 위에 위치. 왼쪽 측두엽에 왼쪽 전두엽 영역 이상 3 × 5 배열의 주제 제공 범위의 머리에 optode 캡의 예. 조임 스트랩과 턱끈 머리에 고정 캡 보여주는 모자 (C) Optode 배치. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 기록에 앞서 제조업체에서 제공 시스템 제어 소프트웨어를 사용하여 노이즈 비율 테스트 및 교정 신호 강도 및 신호. 고 잡음의 경우에 검출되는, R가져 가십시오의 optodes와 LED를 사용하여 채널에서 어떤 방해 머리 플라스틱 막대 (그림 4) 조명.

그림 4
그림 4 :.. optode 신호의 최적화가 헤어 최적의 신호 품질을 보장하기 위해 채널 중심에서 머리를 대체하기 위해 조명 플라스틱 도구를 사용하여 각 채널에서 이동 된 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 탄성 캡의 각 채널의 소스 및 검출기 optode 위치의 공간 값을 결정하기 위해 3D 디지털화 펜을 사용합니다. 즉시 데이터 수집 및 게임 플레이 (그림 5) 전에 각 과목의 nasion, inion, 이개 및 Cz에의 공간 좌표를 식별하기 위해 디지타이저를 사용합니다. 소스를 텍스트 파일을 저장하고 감지또는 위치 others.txt하고 해부학 적 좌표는 파일을 origin.txt 할 수 있습니다.

그림 5
그림 5 :.. optode 위치의 교정이 자기 디지털화 도구가 optode 채널의 머리와 위치에 10 ~ 20 랜드 마크의 위치를 결정하는 데 사용되었다 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 캡처 된 3D는 MATLAB 7.0 내에서 NIRS-SPM (16, 17) (그림 6)에서 등록 옵션을 사용하여 좌표를 처리합니다. SPM의 메인 메뉴에서 독립형 공간 등록을 선택합니다. 다음 화면에서, "3D 디지타이저"를 선택하고 해당 대화 상자를 사용하여 이전에 저장 한 다른 사람과 원점 텍스트 파일을 선택합니다. 소프트웨어 대화 상자에서, "특허 등록을 선택N 공간 표현을 결정하는 "(NFRI 함수를 사용)

그림 6
도 6 :. NIRS 보정 데이터의 샘플 출력 디지타이저 데이터는 뇌의 특정 영역에있는 각 채널의 확률을 결정하는 데 사용되었다. 이 주제에 채널 22는 우수한 시간적 이랑 중동 시간적 이랑 0.4129, 그리고 0.47419의 확률을 보였다. 채널은 이미 터와 검출기 쌍 사이의 영역에 의해 정의된다. 그림에서 채널 (22)의 주위에 원이 주제에 optode 쌍에서 기록 된 신호에 기여하는 지역의 근사치를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 모든 optode 채널 위치는 디지털화하고, 각각의 채널을 제공 할 때제조자에 의해 제공된 소프트웨어 인터페이스 GUI에 표시된 ufficient 신호 강도는, 스탠드 및 DDR 시험을 위해 준비하기 위해 (도 7A를, B) 피사체를 묻는다.

그림 7
그림 7 :. 댄스 게임 플레이 중 fNIRS 데이터 수집 () 주제는 NIRS 기계에 닿는하면서 표준 댄스 게임 매트에 블록 패러다임을 사용하여 게임을 서있다. (B) 대상에서 실시간으로 수집 된 배경 화면에 원시 데이터를 표시하는 데이터 수집의 대체보기. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

4. fNIRS 데이터 수집

  1. 이전 optodes을 기록 fNIRS을 설정에 대한 간략한 소개와 주제를 제공게임 플레이와의 fMRI 테스트에서와 같이 게임에 익숙하기위한 연습을 할 수 있습니다.
  2. fNIRS 테스트에 대한, 자기 공명 사용에만 좌우 화살표를 비교하여 위 / 아래 화살표의 추가의 fMRI 테스트의 것과 동일한 패러다임을 사용한다. 화살표 프레스의 총 수의 fMRI와 fNIRS 작업 사이에만 패턴이 다른 것을 동일한 지 확인합니다.
  3. fNIRS 테스트 (그림 7A) 동안 게임 플레이를위한 표준 4 버튼 바닥 매트 버튼 응답 시스템을 사용합니다.
  4. 게임 플레이의 기본 편안하면, 주제는 단계 1.2에서와 같이 30 초 휴식 시간 30 초 게임 시간을 재생하도록 지시. 각각의 주제로 두 번이 5 분 게임을 반복합니다.
    1. 자신의 얼굴이나 코와 optodes 가까운 특히 머리 나 머리를 만지지하기 위해 특별히 주제를 지시한다. 게임 플레이 도중 머리의 회전, 울부 짖다 또는 피치 움직임을 최소화하기 위해 주제를 지시합니다.

5. fNIRS 데이터 분석

각각 ΔoxyHb, ΔdeoxyHb 및 ΔtotalHb과 산소 헤모글로빈 (옥시-HB), 탈 산소 헤모글로빈 (옥시-HB), 총 헤모글로빈 (총-HB) 농도의 변화를 반영하는 기준 신호를 계산하기 위해 수정 된 맥주 - 램버트 방식 (18)를 사용하여 임의의 단위 (μm의 센티미터) 다음 식을 사용하여 :
ΔoxyHb = -1.4887 Δabs 780 + 0.5970 × Δabs 805 + 1.4847 × Δabs 830 ×
ΔdeoxyHb = 1.8545 × Δabs 780 + (-0.2394) Δabs × 805 + (-1.0947) × Δabs (830)
ΔtotalHb = ΔoxyHb + ΔdeoxyHb;
여기서 Δabs는 해당 파장의 광 흡수의 변화를 나타냅니다.
  • 25 번째 오더 Savitzky-골 레이 필터를 통해 개인에서 혈역학 신호 로우 패스 필터 원시 데이터 및19 평균.
  • 제로로 설정 시작으로 평균 데이터베이스 라인 보정을 적용합니다.
  • 신호의 표준 편차를 평균값으로 나눈 혈역학 신호 진폭 정규화 작업은 이전에 10 초를 기록했다.
  • 선택 채널 디지타이저 3D 정보에 기초하여 분석된다. 여기에서, 등록 프로세스의 출력에 따라) 중앙과 측두 이랑 80 % 이상의 등록 확률을 갖는 분석에 이용하는 채널을 사용한다.
  • 의 fMRI와 fNIRS 신호 6. 비교

    1. T> 2.6 또는 해당 p 값 <0.01에서 초 임계 복셀을 결정하기 위해 SPM8의 결과 기능을 사용합니다. 해부학 적 영역의 내부 클러스터를 정의하는 중첩 초 임계 복셀을 사용하여이자 수익 (ROI)의 영역을 결정합니다.
      1. 이 경우, WFU 후비 아틀라스 포함 AAL 아틀라스를 사용 우수한 중간 시간적 이랑을 정의한다. 생에서의 경우는, 그 결과 클러스터 좌표 (-66, -24, 0)와 피크 T = 5.73 fNIRS에서 피크 복셀과 중간 시간 이랑에있는 572 2 × 2 × 2mm의 복셀이 있습니다.
    2. 위의 단계 3.5.1에​​서 NIRS-SPM을 이용하여 좌표 MNI로 변환 3D 디지털 좌표를 사용하여 fNIRS 데이터로부터 관심의 채널을 결정합니다. 이 경우, 대부분의 환자에서 채널 (22)은 단계 6.1에서 정의 된 ROI의 활성의 높은 가능성을 가지고 있었다.
    3. 60 초 블록 (활성 및 휴식, 결합)의 기간 동안 fNIRS에서의 fMRI에 대한 투자 수익 (ROI)의 평균, 이벤트 트리거 응답 및 해당 채널을 결정합니다.
    4. 각각의 주제에 대해, 자기 공명 이벤트가 평균 데이터를 트리거 생성하기 위해 클러스터 내에서 복셀의 혈액 산소 수준 종속 (BOLD) 원시 신호를 평균.
    5. 최적의 fNIRS = B를 회귀 방법 그쪽 때문에, b 값을 구한다 *의 fMRI를 이용한 선형 회귀를 이용 fNIRS 데이터와 일치하는 자기 공명 데이터를 스케일링함으로써 자기 공명과 비교 fNIRST 루트는 fNIRS -b *의 fMRI의 제곱 값을 최소화 의미한다.
    6. 두 그룹의 상관 관계에 의해 fNIRS과의 fMRI 신호를 비교.

    Representative Results

    실험의 결과는 기능 자기 공명 영상 (fMRI)를 사용하여 우수한 중간 시간적 뇌회 (gyri)에 통합 센터에서 얻은 활성 기능성 근적외선 분광법에 높은 상관 관계가를 나타낸다 (fNIRS) 신호는 태스크의 자연 버전의 동일한 영역을 형성 . 그림 8은 자기 공명 스캔 절차 (블루 추적)과 fNIRS 프로토콜 (빨간색 추적)에서 26 과목에서 16 과목에서 정규화 및 평균 원시 데이터를 보여줍니다. 데이터는 시간 0에서 고정시키고, 게임의 상호 작용의 활동기에는 그래프 (표지 태스크)의 처음 30 초에 일어났다. 수직 점선은 작업하고 나머지 단계의 시작에 빨간색 배경에 녹색의 전환을 나타냅니다 (나머지로 표시) 두 데이터 세트에서 볼 수 증가 변동성 나머지 단계의 활성 위상 및 감소에 반응의 증가를 보여 의 fMRI 신호. 비교 먼저 등록하여 트레이스 사이에 만들어졌다루트는 두 트레이스 사이의 광장 차이를 의미 최소화하기 위해 자기 공명 신호를 ressing. 두 신호 사이의 결과적인 상관 계수는 0.78이었다 상관에 대한 p 값은 0.03이었다.

    그림 9는 하나의 주제에서 중첩 채널 위치 렌더링 뇌를 나타냅니다. 채널 1 및 22에서 트레이스 헤모글로빈 신호를 나타내는 실선으로 도시 및 디 옥시 헤모글로빈의 신호를 나타내는 점선 평균화된다. 빨간색과 파란색 흔적은 각각, 게임 플레이, 음악과 비 음악에 두 변형을 나타냅니다. 채널 1의 신호가 관심의 영역과 비교하는 제어 예로서 역할을한다. 이 두 지역에서의 신호는 작업 응답에 대한 다르다.

    그림 8
    그림 8 :. 중간 임시 뇌회에서 fNIRS과의 fMRI 신호 사이의 상관 관계 fNIRS(적색)과의 fMRI는 (파란색) 신호 음영 모서리로 표현 각 그룹 ± SEM에 대해 표시됩니다. 둘 사이의 회귀 계수는 0.78이고; P = 0.03. 삽입 MNI에서 피크 활동의 fMRI의 활동에서 결정되는 투자 수익 (ROI)의 렌더링 좌표 표시 (-66, -24, 0) 클러스터 크기 = 571, 피크 T = 5.73와. 의 더 큰 버전을 보려면 여기를 클릭하십시오 이 그림.

    그림 9
    그림 9 : 시간적 전두엽에서 신호의 차이 ΔoxyHb (실선)과 ΔdeoxyHb (점선) 음악과 함께 두 가지 조건을 "보여주는 댄스 게임의 두 개의 단일 시험에서 하나의 피사체의 응답 (적색)의 시간 코스. "와"아니오 음악 (파란색) "조건. 이 그림은 오노 등에서 수정되었습니다. 10.

    Discussion

    fNIRS 천연의 신경 활동의 상관 관계 조사를 허용 가능성을 갖고 기능적 뇌 영상 기법이다. 이러한 기술의 개발은 활성 연구 방향이다. 우리는 여기에 댄스 비디오 게임에 참여와 관련된 관심 영역에 하나의 기능적 뇌 활동을 기록하기위한 효과적인 방법론왔다 개요.

    fNIRS와 운동 학습 패러다임을 조사 출판물 번호 동시에 뇌의 복수의 영역 (20, 21)에 기능적 활동을 기록 할 수있는 히타치 시마즈 (및 기타)에서 멀티 채널 fNIRS 단위의 도입으로 최근에는 급속도로 증가하고있다 . 우리는 fNIRS 신호의 해부학 적 특이성을 결정하기 위해뿐만 아니라 타이밍 및 신호 진폭의 변동은 모터 작업 행동 성능에 기여하는 방법을 결정하는 신호를 사용하는 것이 가능하다는 것을 미리 보여 주었다 (22)에 특정 연구의 번호를 포함. 심지어 NIRS 기술이 눈덩이 관심과 함께, 몇 가지 연구의 fMRI에 의해 검증 자연 주의적 행동의 신경 메커니즘에 초점을 맞추고있다. 이 특별한 문제를 비롯한 다양한 출판물 23-26 명확 모터 동작을 공부 fNIRS의 미래 역할을 간략하게 설명하는 동안, 프로토콜은 여기에 자연 주의적 행동에서의 fMRI와 fNIRS 데이터를 비교하는 균일 한 방법의 유효성을 검사하기 위해 개발되었다 설명했다.

    결과는 인라인 그와 전에 동시의 fMRI / fNIRS 연구 3의 측두엽의 통합 지역에 fNIRS에 대한 그룹과의 fMRI 신호 사이의 높은 상관 관계와 신호 사이의 상관 관계를한다 나타냅니다. 그림 9는 나타냅니다 fNIRS 활동 측두엽은없는 자연 위트 만 대뇌 피질이다H 차동 옥시 및 deoxyHb 흡광도를 chromofore 아니라 측두엽에서 그 활성은 측두엽에서의 fMRI 활동과 상관없는 전두엽에서 본 것과 매우 다르다. 우리는 데이터가 두 가지 기술을 비교 될 수 있도록 연구 몇 가지 중요한 측면을 강조한다. 먼저, optode 위치의 교정은 피질 해부학과 해석 결과의 확인에 중요한 전략으로 약술 하였다. 수정 우리는 소프트웨어로 만든 하드웨어는 우리가 모두 절차에 강한 대뇌 피질의 반응을 산출하기 위해 최적화 된 블록 설계 프로토콜 우리의 패러다임을 동기화 할 수있었습니다. 우리는 또한 잡음 비율 (optode 표면에서 머리 제거) 및 모션과 얼굴 자극 (대상은 구체적으로 자신의 머리 또는 얼굴을 만지지 않도록 지시를 받았다)을 포함하여 유물의 감소에 높은 신호를 보장하기 위해 핵심 전략을 설명합니다.

    이러한 결과 이​​전 연구 결과 / FM을 동시 fNIRS 조사RI 촬상 절차는 신호들 사이의 높은 상관 관계를 이론적으로 예측 확인 1-3. 여기에 제시된 데이터를 해석 한 가지 제한은 우리가 고밀도 기록을 사용하여 개별 채널 데이터의 해상도를 증가시킬 수있다 보여 NIRS 기록 최적화에 새로운 기술을 이용할 수 없었던 점이다. 이 고밀도 기술은 또한 피질골 NIRS 혈압, 심박수 및 기타 전신성 변수 6,7,28으로부터 아티팩트를 제거하는 다른 기술에 더하여 (27) 신호로부터 표면 구성 요소를 분리하는데 사용되어왔다. 또한 해당 프로브 배치를 도시 한 내용과 chromaphore 선택은 잡음 비율이 높은 신호의 경우에 유효하게 이용할 수있다 가양 29 NIRS 신호의 적응 필터링을위한 제어하는데 사용될 수있다. 우리가 블록 디자인 10, 11에 제시 패러다임 상업 NIRS 시스템을 사용하여 여기에 이전에 고용 한 작업큰 신호와 데이터를 생산하고있다 및 신호 사이의 유사성을 보여주기 위해 추가 분석 기술 또는 하드웨어를 요구하지 않았습니다. 그러나, 여기에 제시된 데이터 NIRS 신호 처리에서 이들 및 다른 기술들의 사용을 통해 더욱 개선 될 수 있다는 것이 가능하다.

    NIRS 기능성의 현재 방법은 자기 공명 스캔에 대한 필요성을 대체 할 것이다; 여기서 우리가 제안으로서 오히려, (EEG 등 이외에) 두 촬상 절차는 서로 보완하는 데 사용할 수있다. 자기 공명 스캔 금기 개인들의 그룹의 경우, fNIRS은 파킨슨 병을 가진 개인 빠질 위험 방지 프로그램과 같은 교육 프로그램의 이점을 확인하는 유일한 가능한 기술을 증명할 수있다. 또한, fNIRS 또한 MR 스캔을 통해 제공 해부학 상세 정보를 추가하기 위해 사용할 수있는 미래 방향의 번호를 갖는다. 고밀도 optode 배치 및 증가 optodes 높은 얻을 것입니다BOLD 신호 모델링의 증가 된 정확성뿐만 아니라 연결 및 주성분 분석을 위해 사용할 수있는 시간 해상도.

    Disclosures

    이 기사에 대한 출판 비용은 S를 himadzu 후원한다.

    Acknowledgements

    이 연구는 다음과 같은 자금 출처에 의해 부분적으로 지원되었다 : JSPS 보조금 에이드의 과학 연구 (C) 25350642 (AT), 과학 기술과 문화 (SS & YO)에 대한 하야오 나카야마 재단의 연구 보조금 및 대한 건강 게임 연구는 로버트 우드 존슨 재단 (보조금 # 66729) (SB & 월)에서 부여합니다.

    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