Automatic Translation

This translation into Spanish was automatically generated through Google Translate.
English Version | Other Languages

 JoVE Behavior

fMRI Validación de fNIRS Mediciones Durante un Grupo Naturalista

1, 2, 2, 2, 3, 1, 1, 1,5

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

Article
    Downloads Comments Metrics Publish with JoVE
     

    Summary

    Cite this Article

    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).

    Introduction

    El objetivo de los métodos descritos aquí fue desarrollar un protocolo de trabajo para comparar fMRI (resonancia magnética funcional) y fNIRS (espectroscopia de infrarrojo cercano funcional) señales en tareas multimodales similares. En concreto nos propusimos desarrollar un procedimiento de imagen funcional para su uso con personas contraindicados para las exploraciones de resonancia magnética funcional tradicionales debido a temblor, discinesia, o múltiples dispositivos implantados. Si bien existen muchos programas de formación y rehabilitación eficaces para las personas en riesgo de caer, no hay confirmación de los mecanismos neurales que subyacen a la eficacia de estos programas. A menudo, las personas que participan en estos programas de formación están contraindicadas por las razones citadas. Nuestra razón de ser de este estudio fue determinar la eficacia de la espectroscopia de infrarrojo cercano funcional (fNIRS) para determinar los patrones de la actividad cerebral asociada a una tarea motora naturalista que implica movimientos de todo el cuerpo. Los objetivos a largo plazo incluyen el desarrollo de una herramienta para sementaly no sólo los paradigmas de aprendizaje motor, pero también sirven para confirmar la idoneidad de fNIRS para una variedad más amplia de tareas que no son posibles de realizar en una manera naturalista de manera artesanal.

    actividad fNIRS ya ha sido demostrado ser altamente correlacionados (r = 0,77-0,94) para las regiones homólogas con (dependientes de nivel de oxígeno en la sangre) grabaciones de señal BOLD fMRI en estudios limitados que midieron fNIRS concurrentes y actividad funcional de resonancia magnética funcional utilizando el dedo psicológica y simple clásica tocando paradigmas 1-3. Los resultados de estos estudios confirman fNIRS es válido y fiable para determinar la actividad cortical asociado a una tarea ambiental reducido compatible con fMRI. Sin embargo, fNIRS tiene numerosas ventajas sobre fMRI como un método de neuroimagen. fNIRS, importante, es mucho menos sensible a los artefactos de movimiento de fMRI y permite que los sujetos que se comportan como lo harían en un entorno naturalista en contraposición a los estudios de resonancia magnética funcional que restringen paradig motor4 ms. La precisión temporal asociado con fNIRS permite la determinación de los cambios en las funciones neuronales de respuesta con mayor granularidad debido a la mayor frecuencia de muestreo. Por último, el costo de fNIRS es más baja que la exploración de resonancia magnética funcional y permite estudios que se llevaron a cabo a un costo menor. Sin embargo, hay desventajas de fNIRS en comparación con fMRI incluyendo limitada profundidad de penetración, la resolución espacial limitada, y más recientemente se ha demostrado que ciertos fenómenos fisiológicos tales como la presión arterial, frecuencia cardiaca, y del cuero cabelludo efectos flujo de sangre puede introducir falsos positivos a la señal de hemodinámica cortical 5-9. Si bien se están desarrollando actualmente una serie de metodologías y desarrollos de hardware específicos para NIRS, incluyendo el procesamiento de señales, hardware para proporcionar gradientes optodos de alta densidad, todavía es importante desarrollar metodologías mixtas que permiten fMRI y procedimientos fNIRS al complementan.

    Este estudio sirve para probarun método de fNIRS para determinar los mecanismos neurales que participan durante una tarea de videodanza juego naturalista. El objetivo del estudio fue comparar la actividad en un centro de integración del cerebro (la circunvolución temporal superior y medio) entre un grupo de individuos fotografiado usando fMRI a otro grupo de sujetos con una versión naturalista de la tarea utilizando imágenes fNIRS. Nuestro grupo ha investigado previamente esta área utilizando paradigmas juego interactivo similares y ha mostrado actividad en el lóbulo temporal responde a los dos cromóforos oxi y de-oxiHb en conformidad con las activaciones corticales 10. También hemos intentado anteriormente para controlar artefactos sistémicos previamente al mostrar las respuestas en esta área son moduladas en amplitud con respecto a la carga cortical de la tarea y no respuestas sistémicas relacionadas con la actividad en sí 11. La circunvolución temporal superior y media se ha conocido la actividad asociada a la integración de los estímulos sensoriales multimodales y tenemos previamentemuestra esta área a ser activos en Dance Dance Revolution (DDR) de juego en piloto estudios de resonancia magnética funcional, además de nuestras publicaciones fNIRS 10-12. Nuestra hipótesis de este estudio fue que la actividad funcional en esta área como grabadas utilizando fNIRS se correlacionó significativamente con la actividad funcional grabado utilizando fMRI en un protocolo de juego de baile similar, pero limitado.

    El protocolo descrito aquí incluye cómo modificar un video juego de baile para ser utilizado como un paradigma de la neuroimagen en ambos fNIRS y protocolos de resonancia magnética funcional. Sin embargo el procedimiento en general no es específica para el paradigma del juego de vídeo y podría ser apropiado para cualquier número de tareas que no son posibles de realizar en las limitaciones de un protocolo de resonancia magnética funcional, incluidas las tareas de lenguaje y del aparato locomotor. Este protocolo describe además el procedimiento para utilizar la especificidad anatómica de fMRI para desarrollar determinadas regiones de interés (ROI) que puede ser estudiado más a fondo durante las tareas del mundo real-real utilizando fNIRS.

    Protocol

    Antes de participar, todos los sujetos proporcionan consentimiento informado de acuerdo con las directrices institucionales. En este caso, el protocolo fue aprobado por el programa de protección humana institucional de la Universidad de Meiji (Kanagawa, Japón), Columbia University Medical Center (transferido a la Escuela de Medicina de Yale para el análisis de datos), y la Universidad de Long Island, Brooklyn Campus para este estudio.

    1. Software y Hardware Modificación y Desarrollo para Neuroimagen Funcional (fMRI y fNIRS)

    1. Modificar el juego Dance Dance Revolution (DDR) mediante la edición de los detalles de los archivos de configuración (.sm) utilizando el clon de código abierto de DDR, Stepmania, para cambiar de tiempo, los gráficos y la música de la región de los estudios de interés utilizando fMRI antes de la proyección de imagen fNIRS .
      1. En el archivo .sm especificar las variables de: fondo, música, offset (iniciar la música en tiempo de exploración), samplestart, samplelength, BPMS y bgchanges. Especifique la flecha pattErns para cada medida en el archivo .sm definiendo flechas por compás como un valor de "1", "0", o "M". Definir la izquierda, arriba, abajo, o pulsaciones de botones correctos para cada medida. Utilice "1" para una flecha, utilice "0" para el espacio en blanco, y el uso de "M" para una mina en las épocas de descanso.
    2. Utilizando el juego-canción "Butterfly" (originalmente interpretada por Smile.dk y disponible en el Dance Dance Revolution 3 rd Mix CD del juego original para Sony PlayStation), permiten a los sujetos para jugar utilizando un diseño de bloques alterna integrado en la mecánica del juego, modificada en el archivo de configuración .sm. Alternos tiempos de juego 30 seg con períodos de descanso 30 seg con gráficos de fondo que indica al reproductor cuándo jugar (verde) y el momento de relajarse (rojo; Figura 1).

    Figura 1
    HigoUre. 1: Paradigma de diseño de interfaz de usuario (A) DDR Gráfico. Las flechas en la parte inferior de la pantalla se movieron hacia la parte superior de la pantalla. Estas flechas indican que los sujetos qué botón presionar. Cuando las flechas llegaron a la zona de acción de arriba (flechas de color gris en la parte superior de la pantalla), los sujetos respondieron pulsando el botón correcto. Tiempo de reproducción se indica con un fondo verde. Tiempo de descanso se indica con un fondo rojo. Durante el tiempo de descanso, flechas fueron reemplazados con animaciones "bomba". Estos no tenían función con respecto a la jugabilidad o la puntuación, pero se utilizaron para servir como un marcador de posición durante épocas de descanso. (B) El diseño de bloque utilizado para la exploración consistió en un total de 5 minutos de juego y descanso épocas. La exploración previa fue de 10 segundos de duración, seguida por la alternancia de 30 segundos de juego y descanso bloques. Por favor, haga clic aquí para ver una versión más grande de esta figura.

      Repita el intervalo alterna cinco veces por carrera para asegurar la especificidad en el contraste entre el descanso y períodos activos.
    1. En el caso de la recolección de datos de resonancia magnética funcional, restringir los movimientos de izquierda y presionar un botón de flecha derecha en grabaciones de resonancia magnética funcional utilizando los botones del pie. El número total de pulsaciones de botón debe permanecer igual para ambas tareas (Figura 2).
    2. Antes del procedimiento de exploración, explicar los rudimentos del juego a los sujetos y permitir que algunos sujetos la práctica se ejecuta antes de la proyección de imagen. Instruya a los sujetos que pulsar el botón de la flecha correspondiente con el pie tan cerca del momento perfecto esbozado en la parte superior de la trayectoria de la flecha en movimiento, pero para minimizar el movimiento de la cabeza tanto como sea posible.

    Figura 2
    Figura 2:. Montaje experimental para la fMRI sujetos (A) estaba en el escáner de resonancia magnética mientras observing el entorno interactivo proyectado utilizando un espejo montado en la bobina de la cabeza por encima de la materia. La Figura 2B. Una plataforma para los pies modificado que consta de dos botones permitieron sujetos responden con toques del dedo del pie izquierdo o derecho en tiempo real durante el juego. Por favor, haga clic aquí para ver una versión más grande de esta figura.

    2. Pruebas y Análisis fMRI

    1. Obtener una imagen estructural de cada asignatura antes de la jugabilidad con un 3D estropeado secuencia eco de gradiente (SPGR) (124 rodajas, 256 x 256, el campo de visión = 220 mm), con un tiempo de ciclo total de 10 min 38 seg.
    2. Obtener imágenes de resonancia magnética funcional durante el escaneo con la siguiente configuración para planar eco (EPI) T2 * secuencia eco de gradiente ponderadas: echo tiempo = 51 ms, tiempo de repetición = 3 seg, ángulo flip = 83 °. Adquirir 27 imágenes rebanada axiales consecutivas del cerebro con las siguientes dimensiones: 192 x 192 mm de campode vista con una rejilla de 128 x 128 de resolución total de 1,56 x 1,56 mm y una resolución del eje z de 4,5 mm.
    3. Instruya a los sujetos para jugar juego usando el paradigma anterior, pero utilizando las flechas izquierda y derecha solamente para reducir los artefactos de movimiento.
    4. Realizar señal BOLD fMRI análisis utilizando SPM8 5, implementado en MATLAB 7.0.
      1. Deseche los primeros 10 segundos de la serie EPI para minimizar el T2 * relajación artefacto, datos funcionales son movimiento corregido a través de mínimos cuadrados de 6 parámetros de transformación espacial 'cuerpo rígido'.
      2. Normalizar las exploraciones del PAI realineados a MNI (Montreal Neurological Institute) de plantilla que tiene una resolución de 2 mm 3 seguido de suavizado espacial con el kernel gaussiano de 8 mm de anchura a media altura (FWHM).
      3. Realizar nivel sujeto análisis estadísticos utilizando el modelo lineal general (GLM) para crear mapas paramétricos estadísticos para comparar la condición activa (DDR) en comparación contra el estado de reposo. </ Li>
      4. Realizar análisis de grupo con resultados individuales usando mapeo paramétrico estadístico estándar (SPM) de segundo nivel enfoque de efectos aleatorios. Obtener región de interés sobre la base de los resultados del análisis de grupo con un umbral de p <0,01 y el grupo umbral de tamaño de 100 voxels.
      5. Definir la región de interés como la conjunción entre el grupo funcional y anatómica de la máscara de giro temporal superior y medio, obtenido a partir de herramienta WFU PickAtlas 13,14

    3. fNIRS Configuración y Adquisición de Datos

    1. Utilice un sistema de topografía fNIRS 22 canales para grabar datos de optodos dispuestos en una matriz de 3 x 5. La distancia entre optodo para cada par fuente-detector es 3 cm (Figura 3A, B).
      1. Orient el tapón elástico que contiene la matriz de sensores ópticos de manera que está alineado de la corteza prefrontal izquierda para el lóbulo temporal izquierdo (Figura 3A, B). Asegurar la optodo en la fila más bajoen la posición más anterior se centra en Fpz del sistema internacional 10-10 15. Alinear la fila inferior del optodos en paralelo con la línea entre los puntos anatómicos Fpz y T7.
    2. Apriete la matriz sonda óptica en la cabeza del sujeto y asegurar que esté bien sujeto con las correas y el barboquejo. Se debe prestar atención al desplazamiento de optodos de la superficie de la cabeza para que pares fuente-detector son apretado en la cabeza, pero no incómodo con el tema (Figura 3C).
    3. Muestra optodo analógico par fuente-detector de luz cruda de datos en el ordenador a 7,9 Hz utilizando la interfaz gráfica de usuario de ordenador.

    Figura 3
    Figura 3:. Optodo de configuración para las grabaciones de NIRS (A) La tapa consiste en una lámina elástica equipado con plástico flexible acoplado a y holding 3 cm espaciados titulares de optodos. Las correas se ajustan a la tapa para permitir que sea bien equipada en la cabeza. La tapa es más grande y permite más optodos que la matriz de 3 x 5 (que se muestra en amarillo) que se utiliza en este estudio, pero es necesario para asegurar de forma segura a los jefes de los sujetos. (B) La tapa optodo y colocado sobre el prefrontal izquierda a los lóbulos temporales. Ejemplo de la tapa optodo en la cabeza del sujeto que proporciona cobertura de 3 x 5 matriz sobre el área prefrontal izquierda en el lóbulo temporal izquierdo. (C) optodo colocación en el casquillo que muestra el casquillo asegurado a cabeza con correas de apriete y barbijo. Haga clic aquí para ver una versión más grande de esta figura.

    1. Prueba de calibración y la fuerza de la señal y la relación señal a ruido usando el software de control del sistema proporcionado por el fabricante antes de la grabación. En el caso de ruido elevado ser detectado, roptodos eMove y cualquier pelo interferir desde el canal mediante un LED iluminados varilla de plástico (Figura 4).

    Figura 4
    Figura 4:.. La optimización de las señales optodos Cabello fue trasladado de cada canal utilizando una herramienta de plástico iluminado para desplazar el pelo desde el centro del canal para asegurar la calidad óptima de la señal Haga clic aquí para ver una versión más grande de esta figura.

    1. Utilice una pluma digitalización 3D para determinar los valores espaciales de los lugares de origen y de optodos detector en cada canal de la tapa elástica. Utilice el digitalizador para identificar las coordenadas espaciales de nasion, inion, aurículas y Cz de cada sujeto inmediatamente antes de la recolección de datos y el juego (Figura 5). Guardar archivos de texto con la fuente y detectaro ubicaciones a others.txt y las coordenadas anatómicas a origin.txt archivos.

    Figura 5
    Figura 5:.. La calibración de la posición optodo Una herramienta de digitalización magnética se utilizó para determinar la ubicación de los puntos de referencia de 10 a 20 en la cabeza y la posición de los canales optodos Por favor haga clic aquí para ver una versión más grande de esta figura.

    1. Procesar el 3D capturado coordina mediante la opción de registro en NIRS-SPM 16,17 dentro de MATLAB 7.0 (Figura 6). En el menú principal de la SPM, recoger independiente registro espacial. En la siguiente pantalla, seleccione "Con Digitalizador 3D" y escoja los otros previamente guardadas y archivos de texto de origen mediante el diálogo correspondiente. Desde el diálogo de software, seleccione la "Registration (utilice la función NFRI) "para determinar la representación espacial

    Figura 6
    Figura 6:. Ejemplo de salida de los datos de calibración NIRS datos digitizador se utilizó para determinar la probabilidad de cada canal en regiones específicas del cerebro. Canal 22 en este tema mostró una probabilidad de 0.4129 en el Temporal Gyrus Media, y 0,47419 en el Temporal Gyrus Superior. El canal se define por el área entre pares emisor y el detector. El círculo alrededor del canal 22 en la figura representa una aproximación de la zona contribuyendo a la señal grabada a partir de los pares optodos en este tema. Por favor, haga clic aquí para ver una versión más grande de esta figura.

    1. Cuando todas las posiciones de canal optodo son digitalizadas y cada canal ofrece sintensidad de la señal ufficient como se indica en la interfaz gráfica de usuario de la interfaz de software proporcionado por el fabricante, pregunte sujetos a ponerse de pie y prepararse para las pruebas de DDR (Figura 7A, B).

    Figura 7
    Figura 7:. La recopilación de datos fNIRS durante el juego de baile Los sujetos (A) de pie para jugar el juego usando el paradigma de bloque en una estera juego de baile estándar, mientras que estar atado a la máquina NIRS. (B) Vista Alternativa de recopilación de datos que muestra datos en bruto en la pantalla de fondo recogida en tiempo real de tema. Haga clic aquí para ver una versión más grande de esta figura.

    4. fNIRS Data Collection

    1. Antes de la creación de los fNIRS grabación optodos, proporcionar los sujetos con una breve introduccióna la jugabilidad y permitir la práctica de familiaridad con el juego como en las pruebas de resonancia magnética funcional.
    2. Para las pruebas de fNIRS, utilizar un paradigma idéntica a la de las pruebas de fMRI con la adición de las flechas arriba / abajo en comparación con las flechas izquierda y derecha solamente utilizados para fMRI. Asegúrese de que el número total de flecha prensas son idénticos entre fMRI y tareas fNIRS y que sólo el patrón difiere.
    3. Utilice un sistema estándar de 4 botones alfombrilla respuesta botón para el juego durante las pruebas fNIRS (Figura 7A).
    4. Una vez cómodo en los fundamentos de la jugabilidad, instruyen a los sujetos para jugar 30 veces juego seg con períodos de descanso 30 seg como en el paso 1.2. Repita este juego de 5 minutos dos veces con cada súbditos.
      1. Instruya a temas específicamente de no tocar la cara o la nariz y en particular el cabello o la cabeza cerca de las optodos. Instruya a los sujetos para minimizar la rotación, yola o de paso los movimientos de la cabeza durante el juego.

    5. fNIRS análisis de datos

    Utilice un enfoque de Beer-Lambert modificado 18 para el cálculo de las señales relativas que reflejan la hemoglobina oxigenada (oxi-Hb), la hemoglobina desoxigenada (desoxi-Hb) y la hemoglobina total (total Hb) los cambios de concentración como ΔoxyHb, ΔdeoxyHb y ΔtotalHb, respectivamente, en un unidad arbitraria (M cm) usando las siguientes ecuaciones:
    ΔoxyHb = -1,4887 × Δabs 780 + 0,5970 × Δabs 805 + 1,4847 × 830 Δabs
    ΔdeoxyHb = 1,8545 × Δabs 780 + (-0,2394) × Δabs 805 + (-1,0947) × Δabs 830
    ΔtotalHb = ΔoxyHb + ΔdeoxyHb;
    donde Δabs indica cambios en la absorción de la luz en la longitud de onda correspondiente.
  • Filtro de paso bajo datos brutos de señales hemodinámicas del individuo a través de un filtro Savitzky-Golay 25 de orden ypromedio 19.
  • Aplicar corrección de línea base a los datos promediados con el inicio se establece en cero.
  • Normalizar amplitud de la señal hemodinámica dividiendo los valores promediados por la desviación estándar de la señal grabada 10 seg antes de la tarea.
  • Elija canales para ser analizadas en base a información digitalizador 3D. Aquí, utilizar un canal a utilizar para el análisis que tiene una probabilidad de registro de 80% o más en el giro medio y Superior Temporal) de acuerdo con la salida del proceso de registro.
  • 6. Comparación de fMRI y fNIRS Señales

    1. Utilice la función de los resultados en SPM8 para determinar voxels súper umbral a T> 2,6 o un valor P correspondiente <0,01. Determinar la región de interés (ROI) usando la superposición de voxels super-umbral para definir una agrupación dentro de una región anatómica.
      1. En este caso, defina la circunvolución temporal superior y medio utilizando el atlas AAL incluidos en la Selección WFU Atlas. En this caso, el grupo resultante tiene 572 2 x 2 x 2 mm voxels ubicados en el giro temporal medio con un voxel pico en la coordenada (-66, -24, 0) y el pico de T = 5,73 fNIRS.
    2. Determinar el canal de interés a partir de datos digitalizados fNIRS utilizando coordenadas 3D que se convierten en MNI coordenadas utilizando NIRS-SPM en el paso 3.5.1 anteriormente. En este caso, el canal 22 en la mayoría de los sujetos tenían la mayor probabilidad de actividad en el ROI definido en el paso 6.1.
    3. Determinar el promedio, la respuesta activado por eventos en la ROI para fMRI y el correspondiente canal en fNIRS para la duración del bloque 60 seg (activo y resto, combinado).
    4. Para cada tema, el promedio de los dependientes (BOLD) señales en bruto nivel de oxígeno en sangre para los voxels en el clúster para generar eventos fMRI desencadenó datos promedio.
    5. Comparar fMRI y fNIRS escalando datos de la fMRI para que coincida de manera óptima los datos fNIRS utilizando una regresión lineal utilizando fNIRS = b * fMRI, donde el método de regresión obtiene el valor b de modo that el valor cuadrático medio de fNIRS -b * fMRI se reduce al mínimo.
    6. Comparar fNIRS y las señales de resonancia magnética funcional por la correlación de los dos grupos.

    Representative Results

    Los resultados del experimento indican actividad obtenida de los centros de integración en las circunvoluciones temporales superior y medio utilizando imágenes de resonancia magnética funcional (fMRI) tienen una alta correlación con la espectroscopia de infrarrojo cercano funcional (fNIRS) señales forman la misma zona en la versión naturalista de la tarea . La Figura 8 muestra los datos en bruto normalizado y promediados de 16 sujetos del procedimiento de fMRI de exploración (traza azul) y los 26 temas del protocolo fNIRS (trazo rojo). Los datos fueron puestas en el tiempo 0 y la fase activa de la interacción del juego tuvieron lugar en los primeros 30 segundos de la gráfica (tarea de marcado). La línea discontinua vertical indica la transición de la verde a fondo rojo en la tarea y el inicio de la fase de reposo (indicada como resto) Ambos conjuntos de datos muestran aumentos en las respuestas en la fase activa y la disminución en la fase de reposo con aumento de la variabilidad observada en la señal de resonancia magnética funcional. Se realizaron comparaciones entre las huellas por primera regressing la señal de resonancia magnética funcional para reducir al mínimo la raíz cuadrada diferencia media entre los dos rastros. El coeficiente de correlación resultante entre las dos señales fue de 0,78 y el valor de p para la correlación fue de 0,03.

    Figura 9 representa un cerebro renderizado con localizaciones canal superpuestas de un solo tema. Promediaron los rastros de los canales 1 y 22 se muestran con líneas sólidas representan señales de oxihemoglobina y líneas discontinuas representan señales desoxihemoglobina. Huellas rojas y azules representan dos variantes de juego, la música y no la música, respectivamente. Las señales de canal 1 sirven como un ejemplo de control para comparar con la región de interés. Las señales en estas dos regiones difieren con respecto a la tarea de respuesta.

    Figura 8
    Figura 8:. Correlación entre fNIRS y señales de fMRI de Medio Temporal Gyrus Los fNIRS(Rojo) y de resonancia magnética funcional (Azules) señales se muestran para cada grupo ± SEM representada por los bordes sombreados. El coeficiente de regresión entre los dos es 0,78; p = 0,03. El inserto muestra una representación del retorno de la inversión determinada a partir de la actividad en la fMRI con la actividad pico a MNI coordenadas (-66, -24, 0) con un tamaño de clúster = 571, pico t = 5,73. Haga clic aquí para ver una versión más grande de esta figura.

    Figura 9
    Figura 9: Las diferencias en las señales en los lóbulos temporal y frontal Tiempo-curso de ΔoxyHb (línea continua) y ΔdeoxyHb (línea punteada) respuestas de un solo tema de dos ensayos individuales del juego de baile que muestra a dos condiciones ", con música (rojo). "y" sin música (azul) "condiciones. Esta cifra ha sido modificado desde Ono et al. 10.

    Discussion

    fNIRS es una técnica de imagen cerebral funcional que tiene la promesa de permitir que el estudio de los correlatos neurales de actividades naturales. El desarrollo de esas técnicas es una línea de investigación activa. Planteamos aquí una metodología que ha sido eficaz para el registro de la actividad cerebral funcional en una sola región de interés asociado a la participación en un videojuego de baile.

    El número de publicaciones que investigan paradigmas de aprendizaje motor con fNIRS han aumentado rápidamente en los últimos años con la introducción de fNIRS unidades multi-canal de Hitachi y Shimadzu (así como otros) capaz de grabar actividades funcionales en múltiples regiones del cerebro concurrentemente 20,21 . Hemos demostrado previamente que es posible para determinar la especificidad anatómica de señales fNIRS así como utilizar las señales para determinar cómo las variaciones en sincronización y la amplitud de las señales contribuyen a rendimiento de comportamiento de las tareas motoras 22. Incluso con este interés bola de nieve en la tecnología NIRS, pocos estudios se han centrado en los mecanismos neurales de comportamientos naturalistas validados por resonancia magnética funcional. Si bien este número especial y numerosas otras publicaciones 23-26 describen claramente el papel futuro de fNIRS en el estudio de comportamientos motores, el protocolo descrito aquí fue desarrollado para validar una metodología uniforme para comparar fMRI y fNIRS datos de comportamientos naturales.

    Los resultados indican una alta correlación entre los grupos para fNIRS y señales de resonancia magnética funcional en una zona de integración del lóbulo temporal y la correlación entre las señales está en línea con la que se muestra antes de concurrentes fMRI / fNIRS estudios 3. Figura 9 indica que la actividad en fNIRS el lóbulo temporal no es solamente cortical en la naturaleza ingenioh oxi- diferencial y deoxyHb chromofore absorbancia, sino también que la actividad en el lóbulo temporal es muy diferente de la observada en el lóbulo frontal no se correlaciona con la actividad fMRI en el lóbulo temporal. Hacemos hincapié en algunos aspectos críticos del estudio que permiten que los datos se compararon entre las dos técnicas. En primer lugar, la calibración de los lugares optodos se perfiló como una estrategia clave en la confirmación de la anatomía cortical y la interpretación de los resultados. Las modificaciones que hicieron al software y hardware nos permitieron sincronizamos nuestro paradigma con un protocolo de diseño de bloques optimizado para producir fuertes respuestas corticales en ambos procedimientos. También nos planteamos estrategias clave para asegurar una alta relación señal a ruido (eliminación del vello de la superficie optodo) y la reducción de artefactos, incluyendo el movimiento y la estimulación facial (sujetos fueron instruidos específicamente de no tocar la cabeza o la cara).

    Estos resultados y los resultados de estudios previos que investigan fNIRS concurrentes / FMProcedimientos de imagen RI confirman una alta correlación entre las señales que teóricamente predijo 1-3. Una de las limitaciones a la interpretación de los datos presentados aquí es que no hemos podido utilizar nuevas técnicas de optimización de la grabación NIRS que muestran que es posible aumentar la resolución de los datos de canales individuales utilizando grabaciones de alta densidad. Esta técnica de alta densidad también se ha utilizado para separar los componentes superficiales de la cortical NIRS señales 27, además de otras técnicas que eliminan los artefactos de la presión arterial, la frecuencia cardíaca y otras variables sistémicas 6,7,28. También se ha demostrado que la colocación de la sonda y cromóforo elección puede ser usado para controlar los falsos positivos 29 y filtrado adaptativo de señales NIRS se puede utilizar eficazmente en el caso de alta relación señal a ruido. La tarea que hemos empleado aquí y anteriormente utilizando sistemas NIRS comerciales con los paradigmas que se presentan en diseño de bloques 10,11ha producido datos con señales grandes y no ha requerido nuevas técnicas de análisis o hardware para mostrar similitudes entre señales. Sin embargo, es posible que los datos presentados aquí podrían mejorarse aún más mediante el uso de estas y otras técnicas de procesamiento de señales en NIRS.

    Metodologías actuales en NIRS funcional no reemplazarán la necesidad de que la exploración de resonancia magnética funcional; más bien, como se sugiere aquí, los dos procedimientos por imágenes (además de EEG y otros) pueden ser usados ​​para complementarse entre sí. En el caso de un grupo de individuos que están contraindicados para la exploración de resonancia magnética funcional, fNIRS pueden resultar la única técnica viable para determinar los beneficios de un programa de capacitación, tales como los programas de prevención de riesgo de caída para las personas con enfermedad de Parkinson. Además, fNIRS tiene una serie de direcciones futuras que también se puede utilizar para agregar información al detalle anatómico proporcionada a través de la exploración de RM. Optodos alta densidad de colocación optodo y mayores producirán más altaresolución temporal que se puede utilizar para la conectividad y el análisis de componentes principales, así como la precisión de la modelización de la señal BOLD.

    Disclosures

    Tasas de publicación para este artículo son patrocinados por S himadzu.

    Acknowledgements

    Esta investigación fue financiada en parte por las siguientes fuentes de financiamiento: JSP subvención-en-Ayudas a la Investigación Científica (C) 25350642 (AT), una beca de investigación de la Fundación Hayao Nakayama de Ciencia y Tecnología y Cultura (SS y YO), y un conceder Juegos de Investigación en Salud de la Fundación Robert Wood Johnson (Grant # 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

    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.

    Metrics

    Waiting
    simple hit counter