Automatic Translation

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

 JoVE Behavior

fMRI Validering av fNIRS Målinger Under en naturalis Task

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

    Målet med metodene beskrevet her var å utvikle en fungerende protokoll for å sammenligne fMRI (funksjonell magnetisk resonans imaging) og fNIRS (funksjonell nær-infrarød spektroskopi) signaler i lignende multimodale oppgaver. Spesielt vi som mål å utvikle en funksjonell avbildning prosedyre for bruk med enkeltpersoner kontraindisert for tradisjonelle fMRI skanninger grunn av skjelvinger, dyskinesi, eller flere implanterte enheter. Mens mange effektiv trening og rehabiliteringsprogram finnes for personer med risiko for å falle, er det ingen bekreftelse av neural mekanismene bak effekten av disse programmer. Ofte enkeltpersoner som deltar i disse opplæringsprogrammer er kontraindisert av grunner nevnt. Årsaken til denne studien var å bestemme effekten av funksjonelle nær-infrarød spektroskopi (fNIRS) for å bestemme mønstre av hjerneaktivitet assosiert med en natur motor oppgave som omfatter hele kroppens bevegelser. Langsiktig mål er blant annet utvikling av et verktøy for å study ikke bare motorisk læring paradigmer, men også tjene til å bekrefte hensiktsmessigheten av fNIRS for et bredere spekter av oppgaver som ikke er mulig å utføre i et naturalistisk måte ved hjelp av tradisjonelle metoder.

    fNIRS aktivitet har tidligere vist seg å være sterkt korrelert (r = 0,77 til 0,94) for homologe områder med fMRI BOLD (blod oksygen nivå avhengige) signal opptak i begrenset studier som målte samtidige fNIRS og fMRI funksjonell aktivitet ved hjelp av klassiske psykologiske og enkel finger peke paradigmer 1. 3. Resultatene av disse studiene bekrefter fNIRS er gyldig og pålitelig å bestemme kortikal aktivitet forbundet med en redusert miljø oppgave er kompatibel med fmri. Imidlertid har fNIRS mange fordeler fremfor fMRI som neuroimaging metode. fNIRS, viktigst, er mye mindre følsom for bevegelse artefakt enn fMRI og lar fag for å oppføre seg som de ville i en naturalistisk miljø i motsetning til fMRI studier som begrenser motor paradigms 4. Tinning nøyaktighet forbundet med fNIRS åpner for fastsettelse av endringer i nevrale responsfunksjoner med økt detaljnivå på grunn av den økte samplingfrekvens. Til slutt, kostnaden for fNIRS er lavere enn fMRI skanning og gir mulighet for studier skal gjennomføres med lavere kostnader. Det finnes imidlertid ulemper ved fNIRS forhold til fmri herunder begrenset inntrengningsdybde, begrenset romlig oppløsning, og mer nylig har det blitt vist at visse fysiologiske fenomener som blodtrykk, puls, og hodebunn blodstrøm effekter kan innføre falske positiver til kortikale hemodynamisk signal 5-9. Mens en rekke metoder og maskinvare utvikling spesifikke for NIRS, inkludert signalbehandling, maskinvare for å gi høy tetthet optode gradienter er under utvikling, er det likevel viktig å utvikle blandede metoder som gjør at fMRI og fNIRS prosedyrer for å utfylle hverandre.

    Denne studien bidrar til å testeen metode for fNIRS for å bestemme nevrale mekanismer som driver under en naturalistisk dans videospill oppgave. Målet med studien var å sammenligne aktivitet i en integrering sentrum av hjernen (den overlegne og midtre temporal gyrus) mellom en gruppe individer avbildes med fMRI til en annen gruppe av emner ved hjelp av en naturalistisk versjon av oppgaven avbildes med fNIRS. Vår gruppe har tidligere undersøkt dette området med lignende interaktive spill paradigmer og har vist aktivitet i tinninglappen reagerer på både oksy- og de-oxyHb kromoforer i samsvar med kortikale aktive 10. Vi har også tidligere forsøkt å kontrollere for systemiske gjenstander som tidligere ved å vise respons på dette området er modulert i amplitude med hensyn til det kortikale belastningen av oppgaven og ikke systemiske responser relatert til selve aktiviteten 11. Den overlegne og midtre temp gyrus har kjent aktivitet forbundet med integrering av multimodale sensoriske stimuli, og vi har tidligerevist dette området til å være aktiv i Dance Dance Revolution (DDR) spill i pilot fMRI studier i tillegg til våre fNIRS publikasjoner 10-12. Vår hypotese for den aktuelle studien var at funksjonell aktivitet i dette området som registrert bruker fNIRS ville bli betydelig korrelert med funksjonell aktivitet registreres ved hjelp av fMRI i en lignende, men begrenset dansespillet protokollen.

    Protokollen er beskrevet her inkluderer hvordan du endrer en dans videospill som skal brukes som en neuroimaging paradigme i begge fNIRS og fMRI-protokoller. Men den generelle prosedyren er ikke spesifikke for paradigmet av video spillet og kunne være hensiktsmessig for en rekke oppgaver som ikke er mulig å utføre i rammen av en fMRI-protokollen, inkludert oppgaver språk og lokomotoriske. Denne protokollen beskriver videre fremgangsmåten for å bruke anatomisk spesifisitet av fMRI til å utvikle spesifikke regioner av interesse (ROI) som kan bli ytterligere undersøkt under real-reelle oppgaver ved hjelp fNIRS.

    Protocol

    Før deltakelse, alle fag gi informert samtykke i henhold til institusjonelle retningslinjer. I dette tilfellet ble protokollen godkjent av institusjonelle menneskets beskyttelse program fra Meiji University (Kanagawa, Japan), Columbia University Medical Center (overført til Yale School of Medicine for dataanalyse), og Long Island University, Brooklyn Campus for denne studien.

    1. programvare og maskinvare Modifikasjon og utvikling for Funksjonell Neuroimaging (fMRI og fNIRS)

    1. Endre spillet Dance Dance Revolution (DDR) ved å redigere detaljene i konfigurasjonsfiler (.sm) ved hjelp av åpen kildekode klone av DDR, Stepmania, til å endre timing, grafikk og musikk for regionen rente studier ved hjelp av fMRI før fNIRS bildebehandling .
      1. I .sm filen angi variabler: bakgrunn, musikk, offset (start musikk på skanning), samplestart, samplelength, BPMS og bgchanges. Spesifiser pilen patterns for hvert tiltak i .sm filen ved å definere piler per tiltak som verdien "1", "0" eller "M". Definere venstre, opp, ned eller høyre knappetrykk for hvert tiltak. Bruk "1" for en pil, bruke "0" for blank, og bruke "M" for en gruve i resten epoker.
    2. Bruke spill-sangen "Butterfly" (opprinnelig utført av Smile.dk og tilgjengelig på den originale Dance Dance Revolution 3. Mix spill CD for Sony PlayStation), la fag å spille med en alternerende blokk design, bygget i spillmekanikken som modifisert i den .sm konfigurasjonsfilen. Alternative 30 sek spill ganger med 30 sek hvileperioder med bakgrunn grafikk indikerer til spilleren når du skal spille (grønn) og når du skal slappe av (red; figur 1).

    Figur 1
    Figure. 1: Paradigm Design (A) DDR grafisk brukergrensesnitt. Flyttet pilene nederst på skjermen mot toppen av skjermen. Disse pilene indikert til fag hvilken knapp du skal trykke. Når pilene nådde toppen handlingen området (grå piler på toppen av skjermen), fag svarte med å trykke på riktig knapp. Spilletid ble indikert med en grønn bakgrunn. Hviletid ble indikert med en rød bakgrunn. Under resten tiden ble piler erstattet med "bombe" animasjoner. Disse hadde ingen funksjon i forhold til gameplay eller score, men ble brukt til å tjene som et sted holder under hvile epoker. (B) Den blokkdesign brukes til skanning besto av i alt 5 min spillestil og hvile epoker. Den pre-scan var 10 sek i lengde, fulgt av alternerende 30 sek lek og hvile blokker. Klikk her for å se en større versjon av dette tallet.

      Gjenta vekslende intervall fem ganger per løp å sikre spesifisitet i motsetning mellom hvile og aktive perioder.
    1. I tilfelle av fMRI datainnsamling, begrense bevegelser til venstre og høyre piltast presser i fMRI opptak med foten knapper. Den samlede antall knappetrykk bør forbli lik for begge oppgavene (figur 2).
    2. Før prosedyren skanning, forklarer barnelærdom av spillet til fag og la fagene noen praksis går før bildebehandling. Instruere fag for å trykke den tilsvarende pilen knappen med foten så nær den perfekte tiden skissert øverst på banen for å flytte pilen, men å minimere hodebevegelser så mye som mulig.

    Figur 2
    Figur 2:. Eksperimentell oppsett for fMRI (A) Pasienter lå i MR skanner mens observing det projiserte interaktivt miljø ved hjelp av et speil montert på hodet spiral over emnet. Figur 2B. En modifisert fot plattform bestående av to knapper tillatt fag å svare med venstre eller høyre tå kraner i sanntid under spilling. Klikk her for å se en større versjon av dette tallet.

    2. fMRI Testing og analyse

    1. Skaff en strukturell bilde for hvert fag før gameplay med en 3D bortskjemt gradient ekko sekvens (SPGR) (124 stykker, 256 x 256, synsfelt = 220 mm), med en total skanning tid på 10 min 38 sek.
    2. Skaff funksjonell magnetisk resonans bilder under skanning ved hjelp av følgende innstillinger for echo planar (EPI) T2 * vektet gradient ekko sekvens: echo time = 51 ms, repetisjon tid = 3 sek, flip vinkel = 83 °. Erverve 27 sammenhengende aksiale snittbilder av hjernen med følgende dimensjoner: 192 x 192 mm feltsyn med en 128 x 128 rutenett for en total oppløsning på 1,56 x 1,56 mm og en z-aksen oppløsning på 4,5 mm.
    3. Instruere fag for å spille spillet med paradigmet ovenfor, men kun ved hjelp av venstre og høyre piltast for å redusere bevegelsesartefakter.
    4. Utfør fMRI BOLD signal analyser ved hjelp SPM8 5, implementert i MATLAB 7.0.
      1. Kast de første 10 sek av EPI-serien for å minimere T2 * avslapning gjenstand, funksjonelle data er bevegelse rettet via en minste kvadrater 6-parameteren 'stiv kropp "romlig transformasjon.
      2. Normalisere realigned EPI skanner til MNI (Montreal Neurological Institute) mal som har en 2 mm 3 oppløsning fulgt av romlige glatting med Gaussian kernel på 8 mm i full bredde på halv maksimum (FWHM).
      3. Utføre emne-nivå statistiske analyser ved hjelp av generelle lineære modellen (GLM) for å skape statistiske parametriske kart for å sammenligne den aktive tilstanden (DDR) sammenlignet mot hviletilstand. </ Li>
      4. Utfør gruppe analyse med individuelle resultater ved hjelp av standard statistisk parametrisk kartlegging (SPM) andrenivå tilfeldige utslag tilnærming. Skaffe regionen av interesse basert på gruppeanalyseresultater med en terskel på p <0,01 og cluster størrelse terskel på 100 lydelementer.
      5. Definere regionen av interesse som forbindelse mellom det funksjonelle klyngen og den anatomiske maske av overlegen og midtre temp gyrus, hentet fra WFU PickAtlas verktøy 13,14

    3. fNIRS Setup og Data Acquisition

    1. Bruk en 22-kanals fNIRS topografi system for å registrere data fra optodes ordnet i en 3 x 5 array. Den inter-optode avstand for hver kilde-detektor par er 3 cm (figur 3A, B).
      1. Orientere den elastiske hetten som inneholder rekken av optiske sensorer, slik at den er på linje fra venstre prefrontale cortex til venstre tinninglappen (figur 3A, B). Sikre optode i den nederste radenpå det mest fremre posisjon er sentrert på FPZ av det internasjonale system 10-10 15. Juster dårligere rad med optodes parallelt med linjen mellom anatomiske landemerker FPZ og T7.
    2. Stram den optiske sonden array til hodet av faget og sikre den er godt festet ved hjelp av stropper og haken-stroppen. Oppmerksomhet bør vies til forskyvning av optodes fra hodet overflaten slik at kilde-detektor parene er tett i hodet, men ikke ubehagelig å faget (Figur 3C).
    3. Eksempel rå analog optode kilde-detektor par lette data går inn i maskinen på 7,9 Hz ved hjelp av datamaskinen grafiske brukergrensesnittet.

    Figur 3
    Fig. 3: Optode oppsett for NIRS opptak (A) Hetten består av et elastisk ark utstyrt med bøyelig plast er koplet til og holding 3 cm avstand optode holdere. Stroppene er montert på hetten for å tillate det å være tett tilpasset til hodet. Hetten er større og gjør det mulig for flere optodes enn 3 x 5 matrise (vist i gult) brukt i denne studien, men er nødvendig for å feste den sikkert til hodene av fag. (B) Den optode hette og plassert over venstre prefrontal til tinninglappene. Eksempel på optode cap på hodet av faget gi dekning på 3 x 5 matrise over venstre prefrontal området til venstre tinninglappen. (C) Optode plassering i hetten viser cap festet til hodet med strammereimer og hakestropp. Klikk her for å se en større versjon av dette tallet.

    1. Test kalibrering og signalstyrken og signal til støyforhold ved å bruke systemkontroll programvare som leveres av produsenten før opptak. I tilfelle av høy støy som blir detektert, rEDra optodes og noen hår forstyrrende fra kanalen ved hjelp av en LED-belyst plast stang (figur 4).

    Figur 4
    Figur 4:.. Optimalisering av optode signaler Hair ble flyttet fra hver kanal med en opplyst plast verktøy for å fortrenge hår fra kanalen sentrum for å sikre optimal signalkvalitet Klikk her for å se en større versjon av dette tallet.

    1. Bruke et 3D digitalisering penn for å bestemme romlig verdier av kilden og detektoren optode steder i hver kanal av den elastiske hetten. Bruk digitaliserer å identifisere de romlige koordinatene nasion, inion, ytterøret og Cz av hvert fag rett før datainnsamling og spill (Figur 5). Lagre tekstfiler med kilde og avdekkeeller steder å others.txt og anatomiske koordinatene til origin.txt filer.

    Figur 5
    Figur 5:.. Kalibrering av optode stilling En magnetisk digitalisering verktøyet ble brukt til å bestemme plassering av 10-20 landemerker på hodet og posisjonen til optode kanaler Klikk her for å se en større versjon av dette tallet.

    1. Behandle fanget 3D koordinerer hjelp registreringen alternativ i NIRS-SPM 16,17 innen MATLAB 7.0 (figur 6). Fra hovedmenyen på SPM, plukke frittstående romlig registrering. På neste skjermbilde, velg "Med 3D Digitaliserer" og velge tidligere lagrede andre og opprinnelsestekstfiler med tilsvarende dialog. Fra dialogboksen programvaren, velg "Registrerinn (bruk NFRI funksjon) "for å avgjøre romlig representasjon

    Figur 6
    Fig. 6: Eksempel på produksjon av NIRS kalibreringsdata digitaldata ble anvendt for å bestemme sannsynligheten for at hver kanal i bestemte områder av hjernen. Kanal 22 i dette faget viste en sannsynlighet på 0,4129 i Midt Temporal Gyrus, og 0,47419 i Superior Temporal Gyrus. Kanalen er definert av området mellom emitter og detektorparene. Sirkelen rundt kanal 22 i figuren representerer en tilnærming av området bidrar til signalet registreres fra optode parene i dette faget. Klikk her for å se en større versjon av dette tallet.

    1. Når alle optode kanalposisjoner er digitalisert og hver kanal gir sufficient signalstyrke som angitt i GUI av programvaren grensesnittet levert av produsenten, be fag å stå og forberede for DDR testing (Figur 7A, B).

    Figur 7
    Figur 7:. FNIRS datainnsamling under dansen spillet (A) Fag stå å spille spillet med blokken paradigmet på en standard dansespillet matte mens å være bundet til NIRS maskinen. (B) Alternativ visning av datainnsamling viser rådata på bakgrunn skjerm samlet i sanntid fra emnet. Klikk her for å se en større versjon av dette tallet.

    4. fNIRS Datainnsamling

    1. Før du setter opp fNIRS opptak optodes, gi personer med en kort introduksjontil spillbarheten og tillate praksis for kjennskap til spillet som i fMRI testing.
    2. For fNIRS testing, bruker et identisk paradigme som i fMRI testing med tillegg av opp / ned-pilene sammenlignet med bare venstre og høyre piltast brukes for fMRI. Pass på at det totale antallet pil presser er identisk mellom fMRI og fNIRS oppgaver og at bare mønsteret er forskjellig.
    3. Bruk en standard 4-knapp gulvmatte knappen responssystem for gameplay under fNIRS testing (Figur 7A).
    4. Når komfortabel i det grunnleggende gameplay, instruere fag å spille 30 sek spill ganger med 30 sek hvileperioder som i trinn 1.2. Gjenta dette 5 min spillet to ganger med hver fag.
      1. Instruere fagene spesielt for å ikke berøre deres ansikt eller nese og spesielt håret eller hodet nær optodes. Instruere fag for å minimere rotasjon, Yawl eller bek bevegelser av hodet under spillet.

    5. fNIRS Dataanalyse

    Bruk en modifisert Beer-Lambert tilnærming 18 for å beregne relative signaler reflekterer oksygenert hemoglobin (oxy-Hb), desoksydert hemoglobin (deoksv-Hb), og total hemoglobin (total-Hb) konsentrasjonsendringer som ΔoxyHb, ΔdeoxyHb, og ΔtotalHb henholdsvis i en vilkårlig enhet (pM cm) ved bruk av følgende ligninger:
    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;
    hvor Δabs indikerer endringer i lys absorpsjon på tilsvarende bølgelengde.
  • Lavpassfilter rådata av hemodynamiske signaler fra enkelte gjennom en 25 th for Savitzky-Golay filter oggjennomsnitt 19.
  • Påfør baseline korreksjon til gjennomsnittsdata med utbruddet satt til null.
  • Normaliser hemodynamisk signalamplituden ved å dividere gjennomsnittsverdiene med standardavvik av det signal som registreres 10 sekunder før oppgaven.
  • Velg kanaler som skal analyseres, basert på 3D digitaliserings informasjon. Her bruker en kanal for å utnytte for analyse som har en registrering sannsynlighet på 80% eller mer i midten og Superior Oral Gyrus) i henhold til utgangen av registreringsprosessen.
  • 6. Sammenligning av fMRI og fNIRS Signaler

    1. Bruk resultatene funksjon i SPM8 å bestemme super-terskel voxel på T> 2.6 eller en tilsvarende P-verdi <0,01. Bestem regionen av interesse (ROI) ved hjelp av overlappende super-terskel voxel å definere en klynge inne i en anatomisk region.
      1. I dette tilfellet definerer den overlegne og midtre time gyrus bruker AAL atlas inkludert i WFU Pick Atlas. I this tilfelle, har den resulterende klyngen 572 2 x 2 x 2 mm lydelementer som ligger i midten temp gyrus med en topp voxel på koordinat (-66, -24, 0) og maksimal T = 5,73 fNIRS.
    2. Bestem kanal interesse fra fNIRS data ved hjelp av 3D digitaliserte koordinatene som er konvertert til MNI koordinater ved hjelp NIRS-SPM i trinn 3.5.1 ovenfor. I dette tilfellet, kanal 22 i de fleste fag hadde høyest sannsynlighet for aktiviteten i ROI definert i trinn 6.1.
    3. Bestem gjennomsnitt, event-utløste reaksjon i ROI for fmri og tilsvarende kanal i fNIRS for varigheten av den 60 sek blokken (aktiv og resten, kombinert).
    4. For hvert fag, gjennomsnittlig blod oksygen nivå avhengige (BOLD) rå signaler for voxel i klyngen for å generere fMRI hendelsen utløste gjennomsnittsdata.
    5. Sammenligne fMRI og fNIRS ved å skalere fMRI data optimalt matche fNIRS data ved hjelp av en lineær regresjon ved hjelp fNIRS = b * fMRI, hvor regresjon metoden henter b verdi så that den kvadratisk middelverdi av fNIRS -B * fMRI er minimert.
    6. Sammenligne fNIRS og fMRI-signaler av korrelasjon mellom de to gruppene.

    Representative Results

    Resultatene fra forsøket indikerer aktivitet hentet fra integrasjons sentre i superior og midtre time Gyri bruker funksjonell magnetisk resonans imaging (fMRI) har en høy korrelasjon til funksjonell nær-infrarød spektroskopi (fNIRS) signaler fra samme område i naturalistisk versjon av oppgaven . Figur 8 viser normaliserte og gjennomsnitts rådata fra 16 fag fra fMRI skanning prosedyre (blå strek) og de ​​26 fagene fra fNIRS protokollen (rød kurve). Dataene ble festet ved tiden 0 og den aktive fasen av spillet interaksjon fant sted i de første 30 sekunder av grafen (merket oppgave). Den vertikale stiplede linjen indikerer overgangen til grønn til rød bakgrunn i oppgave og starten av de andre fase (indikert som rest) begge datasettene viser økninger i reaksjoner i den aktive fasen, og nedgangen i hvilefasen med økt variasjon sett i fMRI signal. Sammenligninger ble gjort mellom sporene etter første regressing fMRI signal for å minimere root mean square forskjellen mellom de to sporene. Den resulterende Korrelasjonskoeffisienten mellom de to signalene var 0,78 og p verdi for korrelasjonen var 0,03.

    Figur 9 viser en hjerne rende med lagret kanal steder fra en enkelt gjenstand. Gjennomsnitt spor fra kanal 1 og 22 er vist med heltrukne linjer representerer oxyhemoglobin signaler og stiplede linjer som representerer deoksyhemoglobin signaler. Rød og blå spor representerer to varianter på gameplay, musikk og ikke-musikk, henholdsvis. Signaler fra kanal 1 tjene som en kontroll eksempel for å sammenligne med den regionen av interesse. Signaler i disse to regionene forskjellige med hensyn til oppgave respons.

    Figur 8
    Figur 8:. Sammenheng mellom fNIRS og fMRI signaler fra Middle Oral Gyrus De fNIRS(Rød) og fMRI (blå) signaler er vist for hver gruppe ± SEM representert ved skyggelagte kanter. Regresjonskoeffisienten mellom de to er 0.78; p = 0,03. Innsatsen viser en gjengivelse av ROI bestemmes fra aktiviteten i fMRI med peak aktivitet på MNI koordinere (-66, -24, 0) med en klynge size = 571, peak t = 5,73. Klikk her for å se en større versjon av dette tallet.

    Figur 9
    Figur 9: Forskjeller i Signaler i tinning og frontallappene Tids løpet av ΔoxyHb (heltrukket linje) og ΔdeoxyHb (stiplet linje) responser av en enkelt gjenstand fra to enkle utprøving av dansen spillet viser to forhold "med musikk (rød). "og" ingen musikk (blå) "forhold. Dette tallet har blitt forandret fra Ono et al. 10.

    Discussion

    fNIRS er en funksjonell hjerneavbildningsteknikk som har løftet om at studiet av de nevrale korrelater av naturlige aktiviteter. Utvikling av disse teknikkene er en aktiv forskning retning. Vi her skissere en metodikk som har vært effektiv for innspilling funksjonell hjerneaktiviteten i ett område av interesse i forbindelse med deltakelse i en dans videospill.

    Antall publikasjoner undersøker motorisk læring paradigmer med fNIRS har økt raskt de siste årene med innføringen av flerkanals fNIRS enheter fra Hitachi og Shimadzu (samt andre) kan ta opp funksjonelle aktiviteter i flere regioner av hjernen samtidig 20,21 . Vi har tidligere vist at det er mulig å bestemme spesifisiteten av anatomiske fNIRS signaler, så vel som å benytte signalene for å bestemme hvordan variasjoner i timing og amplituden av de signaler som bidrar til atferdsmessige utførelsen av motoriske oppgaver 22. Selv med denne snøballkasting interesse NIRS teknologi, har få studier fokusert på nevrale mekanismer for naturalis atferd validert av fMRI. Selv om denne spesielle saken og en rekke andre publikasjoner 23-26 tydelig skissere fremtidige rolle fNIRS i å studere motoriske atferd, beskrev protokollen her ble utviklet for å validere en enhetlig metodikk for å sammenligne fMRI og fNIRS data fra naturalis atferd.

    Resultatene indikerer en høy korrelasjon mellom grupper for fNIRS og fMRI-signaler i en integrering område av tinninglappen og korrelasjonen mellom signalene er i tråd med det som er vist før i samtidige fMRI / fNIRS studier 3. Figur 9 viser at fNIRS aktivitet i tinninglappen er ikke bare kortikal i naturen viddh differensial oksy- og deoxyHb chromofore absorbans, men også at aktiviteten i tinninglappen er ganske forskjellig fra det man ser i frontallappen ikke korrelerer med fMRI aktivitet i tinninglappen. Vi understreker noen viktige aspekter av studien som tillater data å bli sammenlignet mellom de to teknikker. Først ble kalibrering av optode stedene beskrevet som en viktig strategi i bekrefter kortikal anatomi og tolkning av resultatene. Endringene vi har gjort til programvare og maskinvare tillatt oss å synkronisere vår paradigme med en blokkdesign protokoll optimalisert for å gi sterke kortikale reaksjoner i begge prosedyrer. Vi har også skissere viktige strategier for å sikre høy signal til støyforhold (hårfjerning fra optode overflate) og reduksjon av gjenstander inkludert bevegelse og ansikts stimulering (forsøkspersonene ble spesifikt bedt om ikke å røre hodet eller ansiktet).

    Disse resultater og resultater fra tidligere studier som undersøker samtidige fNIRS / FMRI bildebehandling prosedyrer bekrefte en høy korrelasjon mellom signalene som teoretisk spådd 1-3. En begrensning til tolkningen av dataene som presenteres her er at vi ikke var i stand til å utnytte nyere teknikker i optimalisering av NIRS opptak som viser det er mulig å øke oppløsningen av de enkelte kanal data ved hjelp av høy tetthet opptak. Denne høye tetthet teknikken har også blitt anvendt for å separere komponenter fra overflatiske kortikale NIRS signaler 27 i tillegg til andre teknikker som fjerner gjenstander fra blodtrykk, hjertefrekvens og andre systemiske variabler 6,7,28. Det er også blitt vist at sonden plassering og chromaphore valg kan brukes til å kontrollere for falske positive 29 og adaptiv filtrering av NIRS signaler kan brukes effektivt i tilfelle av høyt signal til støyforhold. Oppgaven som vi har ansatt her og tidligere bruk av kommersielle NIRS systemer med paradigmer presentert i blokkdesign 10,11har produsert data med store signaler og har ikke pålagt ytterligere analyseteknikker eller maskinvare for å vise likheter mellom signaler. Imidlertid er det mulig at data presentert her kan forbedres ytterligere ved bruk av disse og andre teknikker i NIRS signalbehandling.

    Nåværende metoder i funksjonell NIRS vil ikke erstatte behovet for fMRI skanning; heller, som vi foreslår her, de to avbildningsprosedyrer (i tillegg til EEG og andre) kan anvendes for å komplettere hverandre. I tilfelle av en gruppe individer som er kontraindisert for fMRI skanning, kan fNIRS bevise den eneste levedyktige teknikk for å fastslå nytten av et opplæringsprogram for eksempel programmer fall risikoforebyggende for personer med Parkinsons sykdom. Videre har fNIRS en rekke fremtidige retninger som også kan brukes til å legge til informasjon i den anatomiske detaljer som er levert gjennom MR-skanning. Høy tetthet optode plassering og økte optodes vil gi høyeretidsmessig oppløsning som kan brukes for tilkobling og prinsippet komponentanalyse samt økt nøyaktighet BOLD signal modellering.

    Disclosures

    Publiserings avgifter for denne artikkelen er sponset av S himadzu.

    Acknowledgements

    Denne forskningen ble støttet delvis av følgende finansieringskilder: JSP Grant-in-Aid for Scientific Research (C) 25350642 (AT), et forskningsstipend fra Hayao Nakayama Foundation for Science & Technology and Culture (SS & YO), og en Helse Games Forskning stipend fra Robert Wood Johnson Foundation (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