Automatic Translation

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

 JoVE Behavior

IRMf Validation des fNIRS mesures pendant une tâche naturaliste

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

    L'objectif des méthodes décrites ici était de développer un protocole de travail pour comparer IRMf (imagerie par résonance magnétique fonctionnelle) et fNIRS (spectroscopie proche infrarouge fonctionnelle) des signaux dans les tâches multimodales similaires. Plus précisément nous avons cherché à développer une procédure d'imagerie fonctionnelle pour une utilisation avec les individus contre-scans IRMf traditionnels dus aux tremblements, dyskinésie ou plusieurs dispositifs implantés. Alors que de nombreux programmes de formation et de réadaptation efficaces existent pour les personnes à risque de tomber, il n'y a aucune confirmation des mécanismes neuronaux sous-jacents efficacité de ces programmes. Souvent, les personnes qui participent à ces programmes de formation sont contre-indiqués pour les raisons citées. Notre raison d'être de cette étude était de déterminer l'efficacité de la spectroscopie proche infrarouge fonctionnelle (fNIRS) pour déterminer les modèles d'activité cérébrale associée à une tâche motrice naturaliste impliquant des mouvements de tout le corps. Les objectifs à long terme comprennent le développement d'un outil au harasy non seulement paradigmes d'apprentissage du moteur, mais servent également à confirmer la pertinence de fNIRS pour une plus grande variété de tâches qui ne sont pas possible d'effectuer de façon naturaliste en utilisant des méthodes traditionnelles.

    activité fNIRS a précédemment montré une forte corrélation (r = 0,77 à 0,94) pour les régions homologues à (dépendantes niveau d'oxygène dans le sang) des enregistrements de signaux IRMf BOLD dans des études limitées qui mesuraient fNIRS simultanées et activité fonctionnelle IRMf utilisant doigt psychologique et classique simple tapant paradigmes 1-3. Les résultats de ces études confirment fNIRS est valide et fiable pour déterminer l'activité corticale associée à une tâche environnementale réduite compatible avec l'IRMf. Cependant, fNIRS a de nombreux avantages sur l'IRMf comme une méthode de neuro-imagerie. fNIRS, surtout, est beaucoup moins sensible aux artefacts de mouvement que l'IRMf et permet sujets se comportent comme ils le feraient dans un environnement naturaliste par opposition aux études IRMf qui restreignent moteur paradig4 ms. La précision temporelle associée à fNIRS permet de déterminer des changements dans les fonctions de réponse de neurones avec granularité accrue en raison de l'augmentation de la fréquence d'échantillonnage. Enfin, le coût de fNIRS est inférieure à balayage IRMf et permet des études soient menées à moindre coût. Cependant, il ya des inconvénients de fNIRS rapport à IRMf y compris la profondeur limitée de pénétration, la résolution spatiale limitée, et plus récemment il a été montré que certains phénomènes physiologiques comme la pression artérielle, le rythme cardiaque, et les effets de la circulation sanguine du cuir chevelu peut introduire des faux positifs à la le signal hémodynamique corticale 5-9. Bien qu'un certain nombre de méthodes et de développements spécifiques à NIRS matérielles, y compris le traitement du signal, le matériel de fournir des gradients de Optode haute densité sont actuellement en cours d'élaboration, il est toujours important de développer des méthodologies mixtes qui permettent IRMf et procédures fNIRS à se complètent mutuellement.

    Cette étude permet de testerune méthode de fNIRS pour déterminer les mécanismes neuronaux engagés pendant une tâche naturaliste danse du jeu vidéo. Le but de l'étude était de comparer l'activité dans un centre d'intégration du cerveau (le gyrus temporal supérieur et moyen) entre un groupe d'individus imagé en utilisant l'IRMf pour un autre groupe de sujets en utilisant une version naturaliste de la tâche imagées par fNIRS. Notre groupe a déjà enquêté sur ce domaine en utilisant les paradigmes de jeux interactifs similaires et a montré une activité dans le lobe temporal répond à deux chromophores oxy-et dé-oxyHb conformément aux activations corticales 10. Nous avons également tenté auparavant de contrôler pour les artefacts systémiques précédemment en montrant les réponses dans ce domaine sont modulés en amplitude par rapport à la charge corticale de la tâche et non des réponses systémiques liés à l'activité elle-même 11. Le gyrus temporal supérieur et moyen a connu une activité associée à l'intégration des stimuli sensoriels multimodaux et nous avons précédemmentmontré ce domaine à être actif dans Dance Dance Revolution (DDR) de jeu dans les études IRMf pilotes en plus de nos publications fNIRS 10-12. Notre hypothèse de l'étude était que l'activité fonctionnelle dans ce domaine en utilisant fNIRS enregistrées serait significativement corrélée avec l'activité fonctionnelle enregistrée par IRMf dans un protocole de jeu de danse similaire, mais limitée.

    Le protocole décrit ici comprend la façon de modifier un jeu vidéo de danse pour être utilisé comme un paradigme de la neuro-imagerie dans les deux fNIRS et protocoles IRMf. Toutefois, la procédure globale est pas spécifique au paradigme de jeu vidéo et pourrait être approprié pour un certain nombre de tâches qui ne sont pas possible d'effectuer dans les contraintes d'un protocole IRMf, y compris les tâches de la langue et locomoteurs. Ce protocole décrit encore la procédure à utiliser la spécificité anatomique de l'IRMf pour développer des régions spécifiques d'intérêt (ROI) qui peut encore être étudié au cours de tâches du monde réel-réel en utilisant fNIRS.

    Protocol

    Avant de participer, tous les sujets fournir un consentement éclairé conformément aux directives institutionnelles. Dans ce cas, le protocole a été approuvé par le programme de protection humaine institutionnelle de l'Université Meiji (Kanagawa, Japon), Columbia University Medical Center (transféré à la Yale School of Medicine pour l'analyse des données), et l'Université de Long Island, Brooklyn campus pour cette étude.

    1. Logiciel et modification de matériel et de développement pour la neuro-imagerie fonctionnelle (IRMf et fNIRS)

    1. Modifier le jeu Dance Dance Revolution (DDR) en éditant les détails des fichiers de configuration (.sm) en utilisant le clone de DDR, Stepmania, open source pour changer le calendrier, les graphiques et la musique pour la région des études d'intérêt à l'aide de l'IRMf avant imagerie fNIRS .
      1. Dans le fichier de .sm spécifier les variables: fond, musique, offset (démarrer la musique au temps de balayage), samplestart, samplelength, bpm, et bgchanges. Spécifiez la flèche PattEms pour chaque mesure dans le fichier .sm en définissant flèches par mesure comme une valeur de "1", "0" ou "M". Définir gauche, haut, bas, ou appuyez sur un bouton à droite pour chaque mesure. Utilisez "1" pour une flèche, utiliser "0" pour le blanc, et utiliser "M" pour une mine dans les époques de repos.
    2. Utilisation du jeu chanson "Papillon" (à l'origine interprété par Smile.dk et disponible sur le Dance Dance Revolution 3 ème Mix CD du jeu original pour Sony PlayStation), permettent sujets de jouer en utilisant une conception de bloc alternatif intégré dans les mécanismes de jeu tel que modifié en le fichier de configuration de .sm. Autres temps de jeu de 30 sec avec des périodes de repos 30 sec avec un fond graphiques indiquant au joueur quand jouer (vert) et quand se détendre (rouge; Figure 1).

    Figure 1
    Figueure 1:. paradigme de conception de l'interface utilisateur (A) DDR graphique. Flèches en bas de l'écran déplacés vers le haut de l'écran. Ces flèches indiquent les sujets sur quel bouton appuyer. Lorsque les flèches ont atteint la zone d'action de haut (flèches grises en haut de l'écran), les sujets ont répondu en appuyant sur le bouton approprié. Temps de lecture a été indiqué par un fond vert. Le temps de repos a été indiqué par un fond rouge. Pendant le temps de repos, les flèches ont été remplacés par des animations "la bombe". Ceux-ci avaient pas de fonction par rapport au gameplay ou le score, mais ont été utilisés pour servir de place de titulaire au cours des époques de repos. (B) La conception de bloc utilisée pour la numérisation est composée d'un total de 5 min de jeu et de repos époques. Le pré-scan était de 10 sec en longueur, suivie par une alternance de jeu 30 sec et se reposer blocs. S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

      Répétez l'intervalle de cinq fois par alternance terme pour assurer la spécificité de contraste entre le repos et les périodes actives.
    1. Dans le cas de la collecte de données IRMf, restreindre les mouvements à gauche et à droite boutons fléchés presses en IRMf enregistrements en utilisant les boutons de pied. Le nombre total de pressions de bouton doit rester égal pour les deux tâches (Figure 2).
    2. Avant la procédure de numérisation, d'expliquer les rudiments du jeu à des sujets et permettre à quelques-uns des sujets pratique va avant l'imagerie. Demandez sujets d'appuyer sur le bouton de flèche correspondant à leur pied aussi près le moment idéal indiqué au sommet de la trajectoire de la flèche mobile, mais pour minimiser le mouvement de la tête autant que possible.

    Figure 2
    Figure 2:. Montage expérimental pour l'IRMf (A) Sujets résidait dans le scanner IRM tandis observing l'environnement interactif projetée en utilisant un miroir monté sur la bobine de tête au-dessus de l'objet. La figure 2B. Une plate-forme de pied modifié constitué de deux boutons permis sujets de répondre avec des robinets d'orteil gauche ou à droite en temps réel pendant le jeu. S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

    2. Analyses et d'Essais IRMf

    1. Obtenir une image structurelle pour chaque sujet avant avec un gameplay 3D gâtés séquence d'écho de gradient (SPGR) (124 tranches, 256 x 256, champ de vision = 220 mm), avec un temps de balayage total de 10 min 38 sec.
    2. Obtenir des images fonctionnelles de résonance magnétique en cours de numérisation en utilisant les paramètres suivants pour écho planar (EPI) T2 * gradient pondérées en séquence d'écho: echo temps = 51 ms, répétition temps = 3 sec, angle de bascule = 83 °. Acquérir 27 consécutifs images de coupe axiales du cerveau avec les dimensions suivantes: 192 x 192 champ de mmde vue avec une grille de 128 x 128 pour une résolution totale de 1,56 x 1,56 mm et une résolution de l'axe z de 4,5 mm.
    3. Demandez sujets de jouer le jeu en utilisant le paradigme ci-dessus mais en utilisant les flèches gauche et droite seulement pour réduire l'artefact de mouvement.
    4. Effectuer le signal IRMf BOLD analyses utilisant SPM8 5, mis en œuvre dans MATLAB 7.0.
      1. Jeter les 10 premières secondes de la série PEV afin de minimiser la relaxation T2 * artefact, données fonctionnelles sont mouvement corrigé via des moindres carrés 6-paramètre 'corps rigide "transformation spatiale.
      2. Normaliser les scans du PEV réalignés à l'INM (Institut neurologique de Montréal) modèle qui a une résolution de 2 mm 3 suivi par lissage spatial avec un noyau gaussien de 8 mm de largeur à mi-hauteur (FWHM).
      3. Effectuer niveau objet d'analyses statistiques en utilisant le modèle linéaire général (GLM) pour créer des cartes paramétriques statistiques pour comparer l'état actif (DDR) comparée à l'état de repos. </ Li>
      4. Effectuer des analyses de groupe avec des résultats individuels en utilisant la cartographie paramétrique statistique standard (SPM) de deuxième niveau d'approche à effets aléatoires. Obtenir région d'intérêt en fonction des résultats d'analyse de groupe avec un seuil de p <cluster 0,01 et le seuil de taille de 100 voxels.
      5. Définir la région d'intérêt comme la conjonction entre la grappe fonctionnelle et le masque anatomique du gyrus temporal supérieur et intermédiaire, obtenu à partir de WFU PickAtlas outil 13,14

    3. fNIRS installation et acquisition de données

    1. Utiliser un système de topographie fNIRS 22 canaux pour enregistrer les données de optodes disposées dans un tableau 3 x 5. La distance inter-optode pour chaque paire source-détecteur est de 3 cm (figure 3A, B).
      1. Orient le bouchon élastique comportant le réseau de capteurs optiques de sorte qu'il est aligné à partir du cortex préfrontal gauche pour le lobe temporal gauche (figure 3A, B). Assurer la optode dans la rangée la plus basseà la position la plus antérieure est centrée sur Fpz du système international 10-10 15. Aligner la rangée inférieure de optodes en parallèle avec la ligne entre les repères anatomiques Fpz et T7.
    2. Serrer l'ensemble de sonde optique à la tête du sujet et assurer qu'il est correctement fixé en utilisant les sangles et la jugulaire. Une attention particulière devrait être accordée à la déplacement de optodes de la surface de la tête de telle sorte que les paires source-détecteur sont serrés à la tête mais pas inconfortable au sujet (figure 3C).
    3. Exemples de données brutes optode analogique de couple source-détecteur de lumière dans l'ordinateur à 7,9 Hz en utilisant l'interface utilisateur graphique de l'ordinateur.

    Figure 3
    Figure 3:. Configuration Optode pour les enregistrements NIRS (A) Le bouchon se compose d'une feuille élastique équipée avec du plastique flexible couplé à et holding 3 cm espacés détenteurs de Optode. Sangles sont montés sur le bouchon pour lui permettre d'être étroitement ajustée à la tête. Le bouchon est plus grande et permet de plus que l'optodes 3 x 5 array (en jaune) utilisée dans cette étude, mais il est nécessaire pour le fixer solidement à la tête des sujets. (B) Le bouchon de optode et positionné sur le préfrontal gauche pour les lobes temporaux. Exemple de la calotte optode sur la tête du sujet offrant une couverture de 3 x 5 tableau sur la zone préfrontale gauche du lobe temporal gauche. (C) Optode placement en montrant bouchon bouchon fixé à la tête avec des sangles de serrage et jugulaire. S'il vous plaît, cliquez ici pour voir une version plus grande de cette figure.

    1. étalonnage d'essai et la force du signal et le rapport signal sur bruit en utilisant le logiciel de commande de système fournie par le fabricant avant l'enregistrement. Dans le cas d'un bruit élevé est détecté, roptodes de eMove et tout poil interférer dans le canal à l'aide d'une tige en plastique illuminées LED (figure 4).

    Figure 4
    Figure 4:.. Optimisation des signaux de Optode cheveux a été déplacé de chaque canal en utilisant un outil en plastique lumineux pour déplacer les cheveux du centre de canal pour assurer une qualité optimale du signal S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

    1. Utilisez un stylo de numérisation 3D pour déterminer les valeurs spatiale de la source et le détecteur Optode endroits dans chaque canal du bouchon élastique. Utilisez le numériseur pour identifier les coordonnées spatiales de nasion, inion, oreillettes et Cz de chaque sujet immédiatement avant la collecte des données et le jeu (figure 5). Enregistrer les fichiers de texte avec la source et de détecterou à des emplacements anatomiques others.txt et coordonnées de origin.txt fichiers.

    Figure 5
    Figure 5:.. Calibrage de la position de optode Un outil de numérisation magnétique a été utilisé pour déterminer le placement de 10-20 points de repère sur la tête et la position des canaux de Optode S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

    1. Traiter les coordonnées 3D capturées à l'aide de l'option d'enregistrement dans NIRS-SPM 16,17 sein MATLAB 7.0 (Figure 6). Dans le menu principal du SPM, ramasser autonome inscription spatiale. Sur l'écran suivant, sélectionnez «Avec numériseur 3D" et choisissez les autres précédemment enregistrés et les fichiers texte d'origine en utilisant la boîte de dialogue correspondante. De la boîte de dialogue du logiciel, choisissez l'option "Registration (utiliser la fonction NFRI) "pour déterminer la représentation spatiale

    Figure 6
    Figure 6:. Exemple de sortie des données de calibrage SPIR données numériseur a été utilisé pour déterminer la probabilité de chaque canal dans des régions spécifiques du cerveau. Canal 22 à ce sujet a montré une probabilité de 0,4129 au Moyen-Temporal Gyrus, et 0,47419 dans le Temporal Gyrus Supérieur. Le canal est défini par la zone située entre les paires d'émetteur et de détecteur. Le cercle autour de canal 22 dans la figure représente une approximation de la zone contribuant au signal enregistré à partir des paires de Optode à ce sujet. S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

    1. Lorsque toutes les positions de canaux de optode sont numérisées et chaque canal fournit sufficient force du signal comme indiqué dans l'interface graphique de l'interface du logiciel fourni par le fabricant, demandez sujets de se tenir et de se préparer pour les tests de DDR (figure 7A, B).

    Figure 7
    Figure 7:. La collecte de données fNIRS pendant le jeu de danse (A) Sujets reposer à jouer le jeu en utilisant le paradigme de bloc sur un tapis de jeu de danse standard, tout en étant attaché à la machine NIRS. (B) de vision alternative de la collecte de données présente les données brutes sur l'écran de fond recueillies en temps réel du sujet. S'il vous plaît, cliquez ici pour voir une version plus grande de cette figure.

    4. fNIRS de collecte de données

    1. Avant de mettre les fNIRS enregistrement optodes, fournir des sujets avec une brève introductionau gameplay et de permettre la pratique de familiarité avec le jeu comme dans les tests IRMf.
    2. Pour les tests de fNIRS, utiliser un paradigme identique à celle des tests IRMf avec l'ajout des flèches haut / bas par rapport aux flèches gauche et droite uniquement utilisées pour l'IRMf. Assurez-vous que le nombre total de flèches presses sont identiques entre IRMf et les tâches de fNIRS et que seul le motif diffère.
    3. Utilisez un tapis de sol système de réponse bouton standard 4 boutons pour le jeu lors des tests d'fNIRS (figure 7A).
    4. Une fois à l'aise dans les bases de gameplay, instruisent les sujets de jouer 30 fois de jeux sec avec des périodes de repos 30 sec comme dans l'étape 1.2. Répétez ce jeu 5 min à deux reprises avec chacun des sujets.
      1. Demandez sujets spécifiquement de ne pas toucher leur visage ou le nez et en particulier les cheveux ou la tête près des optodes. Demandez sujets à minimiser rotation, yawl ou de résine, les mouvements de leur tête pendant le jeu.

    5. fNIRS analyse de données

    Utilisez une approche modifiée de Beer-Lambert 18 pour calculer les signaux relatifs reflétant l'hémoglobine oxygénée (oxy-Hb), hémoglobine désoxygénée (désoxy-Hb), et de l'hémoglobine totale (total-Hb) les changements de concentration comme ΔoxyHb, ΔdeoxyHb et ΔtotalHb respectivement dans un unité arbitraire (uM cm) en utilisant les équations suivantes:
    ΔoxyHb = -1,4887 × AAbs 780 + 0,5970 × AAbs 805 + 1,4847 × 830 AAbs
    ΔdeoxyHb = 1,8545 × 780 + AAbs (-0,2394) x 805 + AAbs (-1,0947) × 830 AAbs
    ΔtotalHb = ΔoxyHb + ΔdeoxyHb;
    où AAbs indique les changements d'absorption de la lumière à la longueur d'onde correspondante.
  • Filtre passe-bas les données brutes de signaux hémodynamiques de personne à travers un filtre 25 e afin Savitzky-Golay etmoyenne 19.
  • Appliquer la correction de référence pour les données moyennes avec le début mis à zéro.
  • Normaliser l'amplitude du signal hémodynamique en divisant les valeurs moyennes de l'écart type du signal enregistré 10 secondes avant l'entrée.
  • Sélectionner les canaux à analyser sur la base de l'information de numériseur 3D. Ici, utiliser un canal à utiliser pour l'analyse qui a une probabilité d'enregistrement de 80% ou plus dans le Moyen et Supérieur Temporal Gyrus) en fonction de la sortie du processus d'enregistrement.
  • 6. Comparaison des IRMf et fNIRS Signaux

    1. Utilisez la fonction de résultats en SPM8 pour déterminer super-seuil voxels à T> 2.6 ou une valeur P correspondant <0,01. Déterminer la région d'intérêt (ROI) en utilisant chevauchent voxels super-seuil pour définir une grappe à l'intérieur d'une région anatomique.
      1. Dans ce cas, définir les gyrus temporal supérieur et moyen utilisant l'atlas AAL inclus dans le Pick WFU Atlas. Dans this cas, la grappe a obtenu 572 2 x 2 x 2 mm voxels situés dans le gyrus temporal moyen avec un voxel de pointe à coordonner (-66, -24, 0) et le pic T = 5,73 fNIRS.
    2. Déterminer le canal d'intérêt à partir de données de fNIRS utilisant coordonnées numérisées 3D qui sont convertis en utilisant les coordonnées INM NIRS-SPM à l'étape 3.5.1 ci-dessus. Dans ce cas, le canal 22 dans la plupart des sujets avaient la probabilité la plus élevée de l'activité dans le ROI définie à l'étape 6.1.
    3. Déterminer la réponse moyenne événementielle dans le retour sur investissement pour l'IRMf et canal correspondant dans fNIRS pour la durée du bloc de 60 sec (active et de repos, combiné).
    4. Pour chaque sujet, la moyenne des signaux bruts à charge de niveau d'oxygène du sang (en gras) pour les voxels au sein du cluster pour générer événement IRMf déclenché données moyennes.
    5. Comparer IRMf et fNIRS en escaladant des données d'IRMf pour correspondre de manière optimale les données fNIRS aide d'une régression linéaire en utilisant fNIRS = b * IRMf, lorsque la méthode de la régression obtient la valeur de b afin that la valeur quadratique moyenne de * IRMf de fNIRS est minimisé.
    6. Comparer fNIRS et des signaux IRMf par corrélation des deux groupes.

    Representative Results

    Les résultats de l'expérience indiquent une activité obtenue à partir de centres d'intégration dans les circonvolutions temporales supérieures et intermédiaires utilisant l'imagerie par résonance magnétique fonctionnelle (IRMf) ont une forte corrélation avec la spectroscopie proche infrarouge fonctionnelle signaux (de fNIRS) forment la même zone dans la version naturaliste de la tâche . La figure 8 montre les données brutes et normalisées moyennes de 16 sujets de la procédure de balayage IRMf (courbe bleue) et les 26 sujets par rapport au protocole fNIRS (trace rouge). Les données ont été épinglés au temps 0 et la phase active de l'interaction de jeu ont eu lieu dans les 30 premières secondes du graphique (tâche marqué). La ligne verticale pointillée indique la transition du vert au fond rouge dans la tâche et le début de la phase de repos (indiqué comme repos) Les deux ensembles de données montrent une augmentation dans les réponses à la phase active et la baisse de la phase de repos à la variabilité accrue vu dans le signal IRMf. Des comparaisons ont été faites entre les traces d'abord regRessing le signal IRMf pour minimiser la racine carrée différence moyenne entre les deux traces. Le coefficient de corrélation obtenu entre les deux signaux est de 0,78 et la valeur de p pour la corrélation était de 0,03.

    Figure 9 représente un cerveau rendu avec des emplacements de canal superposées à partir d'un seul sujet. Moyenne des traces de canaux 1 et 22 sont représentés en traits pleins représentant des signaux de oxyhémoglobine et pointillés représentant des signaux désoxyhémoglobine. Traces rouges et bleues représentent deux variantes de gameplay, de la musique et non la musique, respectivement. Signal du canal 1 servir d'exemple de contrôle à comparer avec la région d'intérêt. Signaux dans ces deux régions diffèrent par rapport à la tâche-réponse.

    Figure 8
    Figure 8:. Corrélation entre fNIRS et signaux IRMf du Moyen Temporal Gyrus Les fNIRS(Rouge) et l'IRMf signaux (en bleu) sont indiqués pour chaque groupe ± SEM représenté par bords ombragés. Le coefficient de régression entre les deux est de 0,78; p = 0,03. L'insert montre un rendu de la ROI déterminée à partir de l'activité en IRMf avec un pic d'activité au INM coordonnées (-66, -24, 0) avec une taille de cluster = 571, crête t = 5,73. S'il vous plaît, cliquez ici pour voir une version plus grande de ce chiffre.

    Figure 9
    Figure 9: Différences dans les signaux dans les temporaux et frontaux Lobes Le cours du temps ΔoxyHb (ligne solide) et ΔdeoxyHb (ligne pointillée) Les réponses d'un seul sujet de deux essais simples du jeu de danse montrant deux conditions "avec de la musique (rouge). »et« Pas de musique (bleu) "conditions. Ce chiffre a été modifié depuis Ono et al. 10.

    Discussion

    fNIRS est une technique d'imagerie fonctionnelle du cerveau qui a la promesse de permettre l'étude des corrélats neuronaux des activités naturelles. Développement de ces techniques est une direction de recherche active. Nous présentons ici une méthodologie qui a été efficace pour l'enregistrement de l'activité cérébrale fonctionnelle dans une seule région d'intérêt associé à la participation à un jeu vidéo de danse.

    Le nombre de publications enquête moteur paradigmes d'apprentissage avec fNIRS ont augmenté rapidement ces dernières années avec l'introduction du multi-canal unités de fNIRS de Hitachi et Shimadzu (ainsi que d'autres) capable d'enregistrer des activités fonctionnelles dans plusieurs régions du cerveau simultanément 20,21 . Nous avons montré précédemment qu'il est possible de déterminer la spécificité de signaux fNIRS anatomique ainsi que d'utiliser les signaux pour déterminer des variations de synchronisation et d'amplitude des signaux contribuent à la performance du comportement des tâches à moteur 22. Même avec cet intérêt boule de neige dans la technologie NIRS, peu d'études ont porté sur les mécanismes neuronaux des comportements naturalistes validées par IRMf. Bien que cette question particulière et de nombreuses autres publications 23-26 décrivent clairement le rôle futur de fNIRS dans l'étude des comportements moteurs, le protocole décrit ici a été développé pour valider une méthodologie uniforme pour comparer les données d'IRMf et fNIRS de comportements naturalistes.

    Les résultats indiquent une forte corrélation entre les groupes pour fNIRS et signaux IRMf dans une zone d'intégration du lobe temporal et la corrélation entre les signaux est en ligne avec celle indiquée auparavant dans simultanés IRMf / fNIRS études 3. Figure 9 indique que l'activité fNIRS dans le lobe temporal est non seulement corticale dans la nature d'esprith oxy- différentiel et deoxyHb chromofore absorbance, mais aussi que l'activité dans le lobe temporal est tout à fait différente de celle observée dans le lobe frontal ne pas corréler avec l'activité IRMf dans le lobe temporal. Nous soulignons quelques aspects critiques de l'étude qui permettent de comparer les données entre les deux techniques. Tout d'abord, l'étalonnage des emplacements de Optode a été décrit comme une stratégie clé pour confirmer l'anatomie et l'interprétation des résultats corticale. Les modifications que nous avons faites aux logiciels et matériel nous a permis de synchroniser notre paradigme avec un protocole de conception de bloc optimisé pour obtenir des réponses corticales forts dans les deux procédures. Nous présentons également des stratégies clés pour assurer un rapport signal sur bruit (d'épilation de la surface de optode) et la réduction des artefacts, y compris le mouvement et la stimulation du visage (les sujets ont reçu la directive de ne pas toucher leur tête ou le visage).

    Ces résultats et les résultats d'études antérieures enquête fNIRS simultanées / FMProcédures d'imagerie RI confirment une forte corrélation entre les signaux de la valeur théorique 1-3. Une limitation à l'interprétation des données présentées ici est que nous avons été incapables d'utiliser de nouvelles techniques en matière d'optimisation de l'enregistrement NIRS qui montrent qu'il est possible d'augmenter la résolution des données de canaux individuels à l'aide des enregistrements de haute densité. Cette technique de haute densité a également été utilisée pour séparer les composants superficiels de la NIRS corticale des signaux 27 en plus d'autres techniques qui éliminent les artefacts de la pression artérielle, la fréquence cardiaque et d'autres variables systémiques 6,7,28. Il a également été montré que le placement de la sonde et chromophore choix peut être utilisé pour contrôler les faux positifs 29 et filtrage adaptatif de signaux SPIR peut être utilisé efficacement dans le cas de haute rapport signal sur bruit. La tâche que nous avons employé ici et précédemment en utilisant des systèmes de SPIR commerciales avec les paradigmes présentés dans la conception de bloc 10,11a produit des données avec de grands signaux et n'a pas besoin de nouvelles techniques d'analyse ou de matériel pour montrer les similitudes entre signaux. Cependant, il est possible que les données présentées ici peuvent être améliorées davantage par l'utilisation de ces techniques et d'autres dans NIRS traitement du signal.

    Les méthodes actuelles de NIRS fonctionnelle ne remplacera pas la nécessité pour le balayage IRMf; plutôt, comme nous le proposons ici, les deux procédures d'imagerie (en plus de l'EEG et autres) peuvent être utilisés pour se compléter mutuellement. Dans le cas d'un groupe d'individus qui sont contre-balayage IRMf, fNIRS peuvent se révéler la seule technique viable pour déterminer les avantages d'un programme de formation tels que les programmes de prévention de risque de chute pour les personnes atteintes de la maladie de Parkinson. En outre, fNIRS a un certain nombre d'orientations futures qui peuvent également être utilisés pour ajouter des informations au détail anatomique fourni par balayage MR. Haute densité placement optode et l'augmentation optodes donneront plusrésolution temporelle qui peut être utilisé pour la connectivité et de l'analyse en composantes principales ainsi qu'une augmentation de la précision de la modélisation du signal BOLD.

    Disclosures

    Frais de publication de cet article sont parrainés par S himadzu.

    Acknowledgements

    Cette recherche a été financée en partie par les sources de financement suivantes: JSPS Grant-in-Aid pour la recherche scientifique (C) 25350642 (AT), une subvention de recherche de la Fondation Hayao Nakayama pour la science et de la technologie et de la culture (SS & YO), et un Jeux de recherche en santé subvention de la Fondation Robert Wood Johnson (Grant N ° 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