JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Résultats
Discussion
Divulgations
Acknowledgements
Materials
References
Traduction automatique
Please note that all translations are automatically generated. Click here for the English version.
Neurosciences

블록 설계를 적용하는 기능적인 근적외선 분광 실험에서 질적 및 비교 피질 활동 데이터 분석

Published: December 03, 2020
doi:
10.3791/61836
, , , ,
1Department of Neurosurgery, Faculty of Medicine,Fukuoka University, 2Department of Rehabilitation Medicine,Fukuoka University Hospital, 3Department of Preventive Medicine and Public Health, Faculty of Medicine,Fukuoka University, 4Department of Neurology,Fukuoka University Hospital

Summary

우리는 감각 운동 작업을 가진 블록 디자인을 사용하여 연속 파 기능 근적외선 분광 실험의 분석을 설명합니다. 데이터 분석의 신뢰성을 높이기 위해 질적 일반 선형 모델 기반 통계 파라메트릭 매핑및 다중 채널에 대한 비교 계층 혼합 모델을 사용했습니다.

Abstract

신경 이미징 연구는 재활 및 외과 치료와 같은 사전 개입 후 신경 학적 조건의 평가에 중추적 인 역할을합니다. 뇌 활동을 측정하는 데 사용되는 많은 신경 이미징 기술 중, 기능적 근적외선 분광법 (fNIRS)은 기능성 자기 공명 영상 (fMRI)과 유사한 국소 헤모글로빈 수준을 측정하여 동적 피질 활동의 평가를 가능하게합니다. 또한, fNIRS의 물리적 제한이 적기 때문에 감각 운동 작업의 여러 변종을 평가할 수 있습니다. 많은 실험실은 fNIRS 데이터 분석을 위한 몇 가지 방법을 개발했습니다. 그러나 일반적인 원칙이 동일하다는 사실에도 불구하고 보편적으로 표준화된 방법은 없습니다. 여기서는 블록 설계를 이용한 다중 채널 fNIRS 실험에서 얻은 데이터의 질적 및 비교 분석 방법을 제시합니다. 질적 분석을 위해 NIRS용 소프트웨어를 일반화된 선형 모델을 기반으로 하는 대량 단일변종 접근 법으로 사용했습니다. NIRS-SPM 분석은 작업 중에 활성화된 영역을 시각화하여 각 세션의 정성적 결과를 보여줍니다. 또한, 비침습적 3차원 디지타이저는 뇌에 비해 fNIRS 채널 위치를 추정하는 데 사용될 수 있다. NIRS-SPM 연구 결과를 확증하기 위해, 감각 운동 작업에 의해 유도된 헤모글로빈 수치의 변화의 진폭은 다중 채널 계층 적 혼합 모델을 사용하여 동일한 연구 대상의 두 개의 다른 세션 (개입 전후)에서 얻은 데이터를 비교하여 통계적으로 분석 될 수 있습니다. 우리의 방법은 운동 장애, 뇌혈관 질환 및 신경 정신 장애와 같은 다양한 신경 장애에서 사전 개입 후 분석을 측정하는 데 사용할 수 있습니다.

Introduction

신경 재활은 감각 운동 장애 다음 기능 회복에 중요한 역할을한다. 신경가소성 기능 회복의 메커니즘을 명확히 하기 위해 기능성 자기 공명 영상(fMRI), 양전자 방출 단층 촬영(PET), 뇌전도법(EEG), 기능적인 근적외선 분광법(fNIRS)과 같은 다양한 신경 이미징 기술이 사용되었습니다. 다른 이미징 양식에는 다른 장점과 단점이 있습니다. fMRI는 가장 일반적인 장치이지만 자기장에 의해 영향을 받고, 높은 비용, 높은 물리적 제한, 제한된 감각 운동 작업1,2,3,4. fNIRS 장치는 비침습적 광학 신경 이미징으로 두드러지며 상대적으로 낮은 공간 해상도를 가지고 있지만 fMRI4보다더 나은 시간적 해상도를 가지고 있습니다. fNIRS는 사전 개입 효과를 비교하고, 동적 모터 작업을 가지고, 휴대용, fMRI1,2,4보다자연 환경에서 더 많은 기능을 하기 때문에 치료 효과를 확인할 때 적합하다. NIRS는 뇌혈관 질환, 간질 장애, 심각한 뇌 손상, 파킨슨 병 및 인지 장애1,5의 분야에서 더 적합하다고보고되었습니다. 감각 운동 작업에 관해서는, 걸음걸이 및 서 균형6,7,8,상측 사지 기능 (손 잡기, 손가락 두드리는)8,9,복잡한 모터 스킬 트레이닝10,11,로봇 공학12,13,14,15및 뇌 컴퓨터 인터페이스16,17,18에널리 사용된다. fNIRS는 피질 대사 활동, 증가된 혈류 및 결과적으로 이차신호19로피질 활동을 측정하는 광학 신경 이미징 및 신경 혈관 커플링의 원리를 기반으로 합니다. fNIRS 신호는 혈액 산소 수준 의존fMRI20의신호와 강한 상관 관계를 가지고 보고되었다. 연속 파 fNIRS는 변형 된 맥주 램버트 법을 사용하여 분산 헤모글로빈 (HbO2)및 탈산소 화 헤모글로빈 (HHb) 피질 농도 농도 농도 의 변화를 결정하기 위해 광대역 근적외선 감쇠21,22의측정 된 변화에 따라. 연속파 NIRS 시스템을 이용하여 차동 경로 길이 계수(DPF)를 측정할 수 없기 때문에, 우리는 DPF가 일정하고 헤모글로빈 신호 변화가 밀리몰 밀리미터(mM x mm)2,18의임의 단위로 표시되었다고 가정하였다.

fNIRS 실험은 프로브 설정, 실험 설계 및 분석 방법을 포함하여 가장 적절한 방법을 선택해야 합니다. 프로브 설정에 관해서는, EEG 측정에 사용되는 국제 10-20 방법은 신경 이미징에 있는 많은 연구원에 의해 이용되는 설정 표준입니다. 최근 몇 년 동안, 몬트리올 신경 학회 (MNI) 좌표에 기초하여 표준 두뇌에 따라 좌표 설정이 사용 되었습니다. 이 실험은 일반적으로 감각 운동 작업에 사용되는 블록 설계와 이벤트 관련 설계를 사용합니다. 이것은 휴식과 작업 중에 헤모글로빈 농도의 변화를 비교하는 방법입니다. HbO2 농도 수준 증가 하 고 HHb 농도 수준 작업 의존 피 질 활동과 관련 된 대뇌 혈 류의 변화와 함께 감소. 다양한 분석 방법이 있지만 NIRS-SPM 무료 소프트웨어는 fMRI의 통계 파라메트릭 매핑(SPM)과 유사한 분석을 가능하게 합니다. NIRS 데이터의 처리는 일반 선형 모델(GLM)에 기초하여 질량 단변형 접근 방식을 사용합니다. 태스크 에 의존하는 뇌 활동 분석을 수행할 때, fNIRS 측정은 대뇌 및 초뇌구획(23)에서발동되거나 비호출되지 않은 신경 활동 및 전신 생리적 간섭(심박수, 혈압, 호흡 속도 및 자율 신경계 활동)에 의해 영향을 받을 수 있다. 따라서 사전 분석 처리, 필터링, 웨이블렛 변환 및 주 성분 분석이유용하다(23) NIRS-SPM을 이용한 데이터 처리의 필터링 및 아티팩트에 대해서는 로우패스 필터링9 및 웨이블렛 최소 설명 길이(Wavelet-MDL)24디트렌드를 사용하여 노이즈/아티팩트의 동작 또는 기타 소스를 극복하는 데 사용하였다. 이 분석 방법에 대한 자세한 내용은 Ye 외25의보고서를 참조하십시오. SPM만을 사용하는 보고서가 있지만 이미지 분석을 통해 질적 지수일 뿐이며 NIRS의 낮은 공간 해상도로 인해 그룹 분석에 주의가 필요합니다. 또한 DPF가 일정할 때 채널과 개인 간의 수치 비교를 수행해서는 안 되지만 각 채널의 변경 내용은 확인할 수 있습니다. 위의 조건에 따라 NIRS-SPM 그룹 분석 결과를 보완하기 위해 공간 등록의 정확도를 개선한 후 다중 채널 분석을 위한 원래 분석 방법을 사용했습니다. 이 멀티 채널 분석은 고정 내정간섭(전후), 고정 된 기간 (휴식 또는 작업), 무작위 개별 효과를 가진 계층 혼합 모델을 사용하여 치료 전후각 채널에서 나머지 및 작업 기간 사이의 HbO2 및 HHb 수준의 변화의 진폭을 비교했습니다.

이러한 방식으로 몇 가지 fNIRS 측정 및 분석 방법이 있습니다. 그러나 표준 메서드가 설정되지 않았습니다. 본 백서에서는 감각운동 작업을 이용한 블록 설계를 이용하여 사전 개입 의 다중 채널 fNIRS 실험에서 얻은 데이터를 분석하기 위해 질적 GLM 기반 통계 파라메트릭 매핑 및 비교 다단계 계층 적 혼합 모델을 소개합니다.

Protocol

이 연구는 일본 후쿠오카대학(IRB No. 2017M017)의 기관심사위원회(IRB)의 승인을 받았습니다. 참여 하기 전에, 모든 환자는 서면 통보 된 동의를 제공. 1. fNIRS 실험 준비 참고: 이 실험을 위한 다중 채널 연속 파 레이저 기반 NIRS 시스템이 사용되었습니다. 근적외선의 파장은 780nm, 805nm, 830nm였으며 샘플링 속도는 7.8Hz로 설정되었다. 시간 및 공간 해상도(광 방출기?…

Representative Results

여기에서, 우리는 우리 그룹이 현재 일하고 있는 로봇 지원 재활을 소개합니다: 급성 뇌졸중을 가진 환자에 있는 상부 사지 모터 적자에 biofeedback 효력. 우리는 우리 병원에 입원한 10명의 동의한 뇌졸중 환자 (평균 나이: 66.8 ± 12.0 년, 2명의 여자와 8명의 남자)를 포함했습니다. 아급성 뇌졸중 단계에서, 발병 후 2 주 이상, 우리는 같은 날 상부 사지 로봇 보조 재활 전후 fNIRS …

Discussion

fNIRS를 위한 그룹 분석 방법에서, 질적 t-통계매핑에 의한 이미징 분석 방법을 수행하는 것 외에도, 비교멀티채널 분석을 사용하여 사전 개입(로봇 보조 운동)을 비교했습니다. 질적 분석을 위해 NIRS-SPM 소프트웨어를 일반화된 선형 모델을 기반으로 하는 대량 단변형 접근 법으로 사용했습니다. NIRS-SPM 분석은 작업 중에 활성화된 영역을 시각화하여 각 세션의 질적 결과를 보여줍니다. 더욱이…

Divulgations

The authors have nothing to disclose.

Acknowledgements

이 작품은 과학진흥진흥협회(JSPS) 과학연구부(C) 18K08956과 후쿠오카대학 중앙연구원(201045)의 기금을 지원받았다.

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)
DOWNLOAD MATERIALS LIST

References

  1. Bonilauri, A., Sangiuliano Intra, F., Pugnetti, L., Baselli, G., Baglio, F. A systematic review of cerebral functional near-infrared spectroscopy in chronic neurological diseases-actual applications and future perspectives. Diagnostics (Basel). 10 (8), (2020).
  2. Mihara, M., Miyai, I. Review of functional near-infrared spectroscopy in neurorehabilitation. Neurophotonics. 3 (3), 031414 (2016).
  3. Yang, M., Yang, Z., Yuan, T., Feng, W., Wang, P. A systemic review of functional near-infrared spectroscopy for stroke: Current application and future directions. Frontiers in Neurology. 10, 58 (2019).
  4. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences. 1464 (1), 5-29 (2020).
  5. Obrig, H. NIRS in clinical neurology – a ‘promising’ tool. Neuroimage. 85, 535-546 (2014).
  6. Fujimoto, H., et al. Cortical changes underlying balance recovery in patients with hemiplegic stroke. Neuroimage. 85, 547-554 (2014).
  7. Herold, F., et al. Functional near-infrared spectroscopy in movement science: a systematic review on cortical activity in postural and walking tasks. Neurophotonics. 4 (4), 041403 (2017).
  8. Leff, D. R., et al. Assessment of the cerebral cortex during motor task behaviours in adults: a systematic review of functional near infrared spectroscopy (fNIRS) studies. Neuroimage. 54 (4), 2922-2936 (2011).
  9. Morishita, T., et al. Changes in motor-related cortical activity following deep brain stimulation for parkinson’s Disease detected by functional near infrared spectroscopy: A pilot study. Frontiers in Human Neuroscience. 10, 629 (2016).
  10. Lee, S. H., Jin, S. H., An, J. The difference in cortical activation pattern for complex motor skills: A functional near- infrared spectroscopy study. Science Reports. 9 (1), 14066 (2019).
  11. Hatakenaka, M., Miyai, I., Mihara, M., Sakoda, S., Kubota, K. Frontal regions involved in learning of motor skill–A functional NIRS study. Neuroimage. 34 (1), 109-116 (2007).
  12. Saita, K., et al. Combined therapy using botulinum toxin A and single-joint hybrid assistive limb for upper-limb disability due to spastic hemiplegia. Journal of the Neurological Sciences. 373, 182-187 (2017).
  13. Chang, P. H., et al. The cortical activation pattern by a rehabilitation robotic hand: a functional NIRS study. Frontiers in Human Neuroscience. 8, 49 (2014).
  14. Bae, S. J., Jang, S. H., Seo, J. P., Chang, P. H. The optimal speed for cortical activation of passive wrist movements performed by a rehabilitation robot: A functional NIRS study. Frontiers in Human Neuroscience. 11, 194 (2017).
  15. Saita, K., et al. Biofeedback effect of hybrid assistive limb in stroke rehabilitation: A proof of concept study using functional near infrared spectroscopy. PLoS One. 13 (1), 0191361 (2018).
  16. Mihara, M., et al. Near-infrared spectroscopy-mediated neurofeedback enhances efficacy of motor imagery-based training in poststroke victims: a pilot study. Stroke. 44 (4), 1091-1098 (2013).
  17. Naseer, N., Hong, K. S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, 3 (2015).
  18. Mihara, M., et al. Neurofeedback using real-time near-infrared spectroscopy enhances motor imagery related cortical activation. PLoS One. 7 (3), 32234 (2012).
  19. Tak, S., Jang, J., Lee, K., Ye, J. C. Quantification of CMRO(2) without hypercapnia using simultaneous near-infrared spectroscopy and fMRI measurements. Physics in Medicine and Biology. 55 (11), 3249-3269 (2010).
  20. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. Neuroimage. 17 (2), 719-731 (2002).
  21. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. Neuroimage. 85, 6-27 (2014).
  22. Delpy, D. T., et al. Estimation of optical pathlength through tissue from direct time of flight measurement. Physics in Medicine and Biology. 33 (12), 1433-1442 (1988).
  23. Tachtsidis, I., Scholkmann, F. False positives and false negatives in functional near-infrared spectroscopy: issues, challenges, and the way forward. Neurophotonics. 3 (3), 031405 (2016).
  24. Jang, K. E., et al. Wavelet minimum description length detrending for near-infrared spectroscopy. Journal of Biomedical Optics. 14 (3), 034004 (2009).
  25. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for near-infrared spectroscopy. Neuroimage. 44 (2), 428-447 (2009).
  26. Orihuela-Espina, F., Leff, D. R., James, D. R., Darzi, A. W., Yang, G. Z. Quality control and assurance in functional near infrared spectroscopy (fNIRS) experimentation. Physics in Medicine and Biology. 55 (13), 3701-3724 (2010).
  27. Benjamini, Y., Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B. 57 (1), 289-300 (1995).
  28. Herold, F., Wiegel, P., Scholkmann, F., Muller, N. G. Applications of functional near-infrared spectroscopy (fNIRS) neuroimaging in exercise(-)cognition science: A systematic, methodology-focused review. Journal of Clinial Medicine. 7 (12), (2018).
  29. Boden, S., et al. The oxygenation response to functional stimulation: is there a physiological meaning to the lag between parameters. Neuroimage. 36 (1), 100-107 (2007).
  30. Pinti, P., Scholkmann, F., Hamilton, A., Burgess, P., Tachtsidis, I. Current status and issues regarding pre-processing of fNIRS neuroimaging data: An investigation of diverse signal filtering Methods within a general linear model Framework. Frontiers in Human Neuroscience. 12, 505 (2018).
  31. Udina, C., et al. Functional near-infrared spectroscopy to study cerebral hemodynamics in older adults during cognitive and motor tasks: a review. Frontiers in Aging Neuroscience. 11, 367 (2019).
  32. Verghese, J., Wang, C., Ayers, E., Izzetoglu, M., Holtzer, R. Brain activation in high-functioning older adults and falls: Prospective cohort study. Neurology. 88 (2), 191-197 (2017).
  33. Yucel, M. A., et al. Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses. Neurophotonics. 2 (3), 035005 (2015).
  34. Torricelli, A., et al. Time domain functional NIRS imaging for human brain mapping. Neuroimage. 85, 28-50 (2014).
  35. Giacalone, G., et al. Time-domain near-infrared spectroscopy in acute ischemic stroke patients. Neurophotonics. 6 (1), 015003 (2019).
  36. Saita, K., et al. Contralateral cerebral hypometabolism after cerebellar stroke: a functional near-infrared spectroscopy study. Journal of Stroke and Cerebrovascular Diseases. 26 (4), 69-71 (2017).

Tags

FNIRSFunctional Near-infrared SpectroscopyQualitative AnalysisComparative AnalysisBlock DesignGLMGeneral Linear ModelNIRS-SPMSpatial Registration3D DigitizerMATLABHemoglobinHierarchical Mixed Models
check_url/fr/61836?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citer Cet Article
Saita, K., Morishita, T., Arima, H., Ogata, T., Inoue, T. Qualitative and Comparative Cortical Activity Data Analyses from a Functional Near-Infrared Spectroscopy Experiment Applying Block Design. J. Vis. Exp. (166), e61836, doi:10.3791/61836 (2020).
Télécharger la Citation
Réimpressions et Autorisations

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image