Kwalitatieve en vergelijkende corticale activiteit data-analyses van een functionele near-infrared spectroscopie experiment toepassen blok ontwerp

Summary

We beschrijven de analyse van continugolf functioneel near-infrared spectroscopie experiment met behulp van een blokontwerp met een sensorimotorische taak. Om de betrouwbaarheid van de data-analyse te verhogen, gebruikten we de kwalitatieve algemene lineaire modelgebaseerde statistische parametrische mapping en de vergelijkende hiërarchische gemengde modellen voor multi-kanalen.

Abstract

Neuroimaging studies spelen een cruciale rol bij de evaluatie van pre- versus post-interventionele neurologische aandoeningen zoals bij revalidatie en chirurgische behandeling. Onder de vele neuroimaging-technologieën die worden gebruikt om hersenactiviteit te meten, maakt functionele near-infrared spectroscopie (fNIRS) de evaluatie van dynamische corticale activiteiten mogelijk door de lokale hemoglobineniveaus te meten die vergelijkbaar zijn met functionele magnetische resonantiebeeldvorming (fMRI). Ook kunnen, als gevolg van minder fysieke beperking in fNIRS, meerdere varianten van sensorimotorische taken worden geëvalueerd. Veel laboratoria hebben verschillende methoden ontwikkeld voor fNIRS-gegevensanalyse; ondanks het feit dat de algemene beginselen hetzelfde zijn, is er echter geen universeel gestandaardiseerde methode. Hier presenteren we de kwalitatieve en vergelijkende analytische methoden van gegevens verkregen uit een meerkanaals fNIRS-experiment met behulp van een blokontwerp. Voor kwalitatieve analyse gebruikten we een software voor NIRS als een massa-univariate benadering op basis van het gegeneraliseerde lineaire model. De NIRS-SPM-analyse toont kwalitatieve resultaten voor elke sessie door het geactiveerde gebied tijdens de taak te visualiseren. Daarnaast kan de niet-invasieve driedimensionale digitizer worden gebruikt om de fNIRS-kanaallocaties ten opzichte van de hersenen te schatten. Om de NIRS-SPM-bevindingen te bevestigen, kan de amplitude van de veranderingen in hemoglobineniveaus veroorzaakt door de sensorimotorische taak statistisch worden geanalyseerd door de gegevens verkregen uit twee verschillende sessies (voor en na interventie) van dezelfde studiepersoon te vergelijken met behulp van een multi-channel hiërarchisch gemengd model. Onze methoden kunnen worden gebruikt om de pre- versus postinterventieanalyse te meten bij een verscheidenheid aan neurologische aandoeningen zoals bewegingsstoornissen, cerebrovasculaire ziekten en neuropsychiatrische aandoeningen.

Introduction

Neurorevalidatie speelt een belangrijke rol bij het functionele herstel na sensorische stoornissen. Om de mechanismen van neuroplasticiteitsgerassocieerd functioneel herstel te verduidelijken, zijn verschillende neuroimaging-technologieën gebruikt, zoals functionele magnetische resonantiebeeldvorming (fMRI), positronemissietomografie (PET), elektro-encefalografie (EEG) en functionele near-infrared spectroscopie (fNIRS). Verschillende beeldvormende modaliteiten hebben verschillende voor- en nadelen. Hoewel de fMRI het meest typische apparaat is, wordt het beïnvloed door magnetische velden, heeft het hoge kosten, hoge fysieke beperking en beperkte sensorimotorische taken^1,2,3,4. Het fNIRS-apparaat onderscheidt zich als een niet-invasieve optische neuroimaging en heeft een relatief lagere ruimtelijke resolutie, maar heeft een betere temporele resolutie dan fMRI⁴. fNIRS is geschikt bij het verifiëren van behandelingseffecten omdat het de pre- versus postinterventie-effecten vergelijkt, dynamische motorische taken heeft, draagbaar is en meer functioneert in natuurlijke omgevingen dan fMRI^1,2,4. Nirs is gemeld dat meer geschikt op het gebied van cerebrovasculaire ziekte, epileptische stoornissen, ernstig hersenletsel, de ziekte van Parkinson, en cognitieve^{stoornissen 1,5}. Met betrekking tot sensorimotorische taken, wordt het wijd gebruikt in gang en bevindend saldo^6,7,8,hogere ledemaatfunctie (hand het grijpen, vinger het tikken)^8,9,complexe motorische vaardigheidstraining^10,11,robotica^12,13,14,15,en hersenen-computer interface^16,17,18. De fNIRS is gebaseerd op de principes van optische neuroimaging en neurovasculaire koppeling, die corticale metabolische activiteit, verhoogde bloedstroom en bijgevolg corticale activiteit als secundaire signalen^{meten 19}. fNIRS-signalen zouden sterke correlaties hebben met signalen van bloedzuurstofniveauafhankelijke fMRI²⁰. Een continue golf fNIRS gebruikt de gewijzigde Beer-Lambert-wet om de veranderingen in zuurstofrijk hemoglobine (HbO₂) en gedeoxygeneerde hemoglobine (HHb) corticale concentratieniveaus te bepalen op basis van gemeten veranderingen in breedband bijna-infrarood lichtdemping^21,22. Omdat het niet mogelijk was om de differentiële padlengtefactor (DPF) te meten met behulp van het continugolf NIRS-systeem, gingen we ervan uit dat de DPF constant was en dat hemoglobinesignaalveranderingen werden aangeduid in willekeurige eenheden van millimole-millimeter (mM x mm)^2,18.

De fNIRS-experimenten moeten de meest geschikte methoden selecteren, waaronder de sonde-instellingen, de experimentontwerpen en de analysemethoden. Wat de instelling van de sonde betreft, is de internationale 10-20-methode die wordt gebruikt bij EEG-meting de instellingsnorm die door veel onderzoekers in neuroimaging wordt gebruikt. In de afgelopen jaren zijn coördinateninstellingen gebruikt op basis van de standaard hersenen op basis van montreal neurological institute (MNI) coördinaten. Het experiment maakt gebruik van een blokontwerp, meestal gebruikt voor sensorimotorische taken, en een gebeurtenisgerelateerd ontwerp. Dit is een methode om veranderingen in hemoglobineconcentratie in rust en tijdens taken te vergelijken; HbO₂ concentratieniveaus stijgen en HHb concentratie niveaus dalen met veranderingen in cerebrale bloedstroom geassocieerd met taak-afhankelijke corticale activiteit. Hoewel er verschillende analysemethoden zijn, maakt de NIRS-SPM vrije software een analyse mogelijk die vergelijkbaar is met de statistische parametrische mapping (SPM) van fMRI. De behandeling van NIRS-gegevens maakt gebruik van een massa-univariate benadering op basis van het algemene lineaire model (GLM). Bij het uitvoeren van taakafhankelijke hersenactiviteitsanalyse kunnen de fNIRS-metingen worden beïnvloed door opgeroepen of niet-opgeroepen neuronale activiteit en systemische fysiologische interferenties (hartslag, bloeddruk, ademhalingsfrequentie en autonome activiteit van het zenuwstelsel) in het cerebrale en extracerebrale^{compartiment 23}. Daarom zijn pre-analyseverwerking, filtering, waveletconversie en analyse van hoofdcomponenten nuttig²³. Met betrekking tot het filteren en artefacten van de gegevensverwerking met behulp van de NIRS-SPM, low-pass filtering⁹ en de wavelet minimale beschrijvingslengte (Wavelet-MDL)^{werden 24} detrending gebruikt om de beweging of andere bronnen van ruis / artefact te overwinnen. Voor meer informatie over deze analytische methode, zie het rapport van Ye et al.²⁵. Hoewel er rapporten zijn die alleen SPM gebruiken, is het slechts een kwalitatieve index door beeldanalyse, en vanwege de lage ruimtelijke resolutie van NIRS is uiterste voorzichtigheid vereist voor groepsanalyse. Bovendien, wanneer de DPF constant is, numerieke vergelijkingen tussen kanalen en individuen moeten niet worden uitgevoerd, maar het verschil in de veranderingen in elk kanaal kan worden geverifieerd. Op basis van de bovenstaande voorwaarden, om de nirs-spm groepsanalyse resultaten aan te vullen, gebruikten we de oorspronkelijke analysemethode voor multi-channel analyse na het verbeteren van de nauwkeurigheid van ruimtelijke registratie. Deze meerkanaalsanalyse vergeleek de amplitude van de verandering in HbO_2- en HHb-niveaus tussen de rust- en taakperioden op elk kanaal voor en onmiddellijk na de behandeling met behulp van hiërarchische gemengde modellen met vaste interventies (voor of na), vaste perioden (rust of on-task) en willekeurige individuele effecten.

Op deze manier zijn er verschillende fNIRS meet- en analysemethoden; er is echter geen standaardmethode vastgesteld. In dit artikel introduceren we onze methoden, kwalitatieve GLM-gebaseerde statistische parametrische mapping en het vergelijkende hiërarchische gemengde model op meerdere niveaus, om gegevens te analyseren die zijn verkregen uit een meerkanaals fNIRS-experiment van pre- versus postinterventie met behulp van een blokontwerp met sensorimotorische taken.

Protocol

Deze studie werd goedgekeurd door de institutional review board (IRB) van de Fukuoka University, Japan (IRB nr. 2017M017). Voorafgaand aan deelname hebben alle patiënten schriftelijk geïnformeerde toestemming gegeven. 1. Voorbereiding van het fNIRS-experiment OPMERKING: Voor dit experiment werd een multi-channel continugolf lasergebaseerd NIRS-systeem gebruikt. De golflengten van het bijna-infrarood licht waren 780 nm, 805 nm en 830 nm, en de bemonsteringsfrequentie…

Representative Results

Hierin introduceren we de robotondersteunde revalidatie waar onze groep momenteel aan werkt: de biofeedback-effecten op motorisch tekort aan de bovenste ledematen bij patiënten met een acute beroerte. We omvatten 10 instemmende beroertepatiënten (gemiddelde leeftijd: 66,8 ± 12,0 jaar; twee vrouwen en acht mannen) die in ons ziekenhuis werden opgenomen. In de subacute beroertefase, meer dan 2 weken na het begin, evalueerden we de motorische activiteit van deze patiënten met behulp van …

Discussion

In onze groep analytische methoden voor fNIRS, naast het uitvoeren van een imaging analytische methode door kwalitatieve t-statistic mappings, vergeleken we pre- vs. post-interventie (robot-assisted exercise) met behulp van de vergelijkende multichannel analyse. Voor kwalitatieve analyse gebruikten we de NIRS-SPM-software als een massa-univariate benadering op basis van het gegeneraliseerde lineaire model. De NIRS-SPM-analyse toont kwalitatieve resultaten van elke sessie door het geactiveerde gebied tijdens de t…

Materials

3D-digitizer software	TOPCON	–	NS-1000 software ver.1.50
NIRS system	Shimadzu	–	FOIRE-3000
Robot	CYBERDYNE	–	Single-joint type Hybrid Assitive Limb (HAL-SJ)