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

Alt ekstremitenin fonksiyonel yakın kızılötesi spektroskopisi ve robot yardımlı çok eklemli işaretleme hareketlerini kullanan bir deney

Published: June 07, 2024
doi:
10.3791/66004
, , , , ,
1Center of Mathematics, Computing and Cognition,Universidade Federal do ABC, 2Department of the Physical Therapy,Federal University of Sao Carlos, 3Vivax Ltda, 4Highland Instruments

Summary

Dünya çapında her 6 kişiden 1’inin yaşamları boyunca felç geçireceği ve rehabilitasyon mekanizmaları hala tam olarak anlaşılamayan uzun süreli sakatlığa neden olacağı tahmin edilmektedir. Bu çalışma, bir alt ekstremite robotik terapi seansı sırasında fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) ile beyin aktivasyonunu değerlendirmek için bir protokol önermektedir.

Abstract

İnme, her yıl dünya çapında yaklaşık 17 milyon kişiyi etkilemektedir ve uzun süreli sakatlığın önde gelen nedenidir. Robotik tedavi, inme hastalarının kaybedilen motor fonksiyonlarını yeniden kazanmalarına yardımcı olma konusunda umut vaat ediyor. Motor iyileşmenin nasıl gerçekleştiğinin anlaşılmasını arttırmanın potansiyel bir yolu, sağlıklı bireylerde terapi tarafından hedeflenen hareketler sırasında beyin aktivasyonunu incelemektir. Fonksiyonel Yakın Kızılötesi Spektroskopisi (fNIRS), motor fonksiyonun nöral temellerini incelemek için umut verici bir nörogörüntüleme tekniği olarak ortaya çıkmıştır. Bu çalışmada sağlıklı bireylerde karmaşık alt ekstremite hareketlerinin fNIRS nöral korelasyonlarının araştırılması amaçlanmıştır. Katılımcılardan motor rehabilitasyon için robotik bir cihaz kullanarak 6 dakika boyunca dinlenme ve hareket döngüleri gerçekleştirmeleri istendi. Görev, bir bilgisayar ekranında görüntülenen hedefleri işaret etmek için koordineli diz ve ayak bileği eklem hareketleri gerektiriyordu. Robot tarafından sağlanan farklı hareket yardımı seviyelerine sahip iki deneysel koşul araştırıldı. Sonuçlar, fNIRS protokolünün görev sırasında motor kontrolü ile ilişkili beyin bölgelerini etkili bir şekilde tespit ettiğini gösterdi. Özellikle, tüm denekler, yardımsız durum sırasında kontralateral premotor alanda, yardımlı duruma kıyasla daha fazla aktivasyon sergiledi. Sonuç olarak, fNIRS, alt ekstremitenin çok eklemli işaretleme hareketleriyle ilişkili oksihemoglobin konsantrasyonundaki değişiklikleri tespit etmek için değerli bir yaklaşım gibi görünmektedir. Bu araştırma, inme motor iyileşme mekanizmalarının anlaşılmasına katkıda bulunabilir ve inme hastaları için gelişmiş rehabilitasyon tedavilerinin önünü açabilir. Bununla birlikte, fNIRS’in motor fonksiyonunu ve klinik ortamlardaki uygulamalarını incelemedeki potansiyelini tam olarak aydınlatmak için daha fazla araştırmaya ihtiyaç vardır.

Introduction

Epidemiyolojik veriler, dünya çapında her yıl ~ 17 milyon yeni inme vakası olduğunu ve düşük ve orta gelirli ülkelerde görülme sıklığında bir artış olduğunu göstermektedir1. Yeni vaka sayısının 2030 yılına kadar 77 milyona çıkacağı tahmin edilmektedir2. İnmeye bağlı motor bozukluk genellikle hastanın hareketliliğini ve günlük yaşam aktivitelerine katılımını etkileyerek düşük yaşam kalitesine katkıda bulunur. Geleneksel motor rehabilitasyon manuel terapiyi içerir, ancak son birkaç on yılda rehabilitasyon için robotik sistemler geliştirilmiştir. Bu sistemler yüksek yoğunlukta, dozda, ölçülebilirlikte, güvenilirlikte, tekrarlanabilirlikte ve esnekliktetedavi sağlayabilir 3 ve hem akut hem de kronik inme hastaları için etkili rehabilitasyon tedavileri olarak potansiyel göstermiştir 4,5,6. Rehabilitasyon için robotik sistemler, tedavi sunmanın yanı sıra, hasta hareket kinematik/kinetik verilerini ölçebilen sensörlerle donatılabildikleri için değerlendirme araçları olarak kullanılabilir 7,8. Üst ekstremite motor rehabilitasyonu için, bu tür verilerin sadece robotik terapi ile ortaya çıkan hastanın motor iyileşme düzeyini değerlendirmek için yararlı olduğu kanıtlanmakla kalmamıştır ve geleneksel klinik değerlendirmelere ek bir araç olarak hizmet etmiştir 9,10, aynı zamanda inme11’den motor iyileşme sürecinin anlaşılmasına da katkıda bulunmuştur. 12 sağlıklı deneklerde hareket ve motor öğrenmenin sinirsel kontrolünün yanı sıra 3,13,14. Sonuç olarak, bu bulgular rehabilitasyon tedavilerinin geliştirilmesi için bir temel oluşturmuştur15.

Son yirmi yılda, alt ekstremite nörorehabilitasyonu için, yürüme sırasında hastanın vücut ağırlığını destekleyen dış iskeletlerden (örneğin, Lokomat16 gibi bir koşu bandı üzerinden) hastanın ayak bileği, diz veya ayağını yürümeden egzersiz yapmasına izin veren sabit robotik sistemlere (Rutgers Ankle17 gibi) kadar birçok robotik cihaz önerilmiştir. Yüksek Performanslı Ayak Bileği Rehabilitasyon Robotu18 ve Gwangju Bilim ve Teknoloji Enstitüsü (GIST) ayak bileği/ayak rehabilitasyon robotu19) veya hasta tarafından yerde veya bir koşu bandı üzerinde yürümek için giyilen tahrikli dış iskeletler olan aktif ayak ortezleri (Motorlu Yürüyüş Ortezi20 ve MIT Ayak Bileği Botu21 gibi). Alt ekstremite rehabilitasyonu için robotlar hakkında bir inceleme için 22,23,4’e bakın.

İnme hastalarında alt ekstremite rehabilitasyonu için robotik cihazların klinik çalışmalarının sonuçları cesaret verici olmuştur ve bu sistemlerin, spesifik cihaza ve klinik protokole bağlı olarak eklemlerin Hareket Açıklığını (ROM), kas kuvvetini veya yürüyüşünü iyileştirebileceğini göstermiştir (rehabilitasyon için alt ekstremite robotlarının etkinliği hakkında bir inceleme için bkz. 24,25). Robot destekli terapinin nöroplastik değişiklikleri teşvik ettiği ve sonuçta motor yeteneklerin gelişmesiyle sonuçlandığıvarsayılmış olsa da 26, inmeden motor iyileşme sürecinin tam olarak nasıl gerçekleştiği ve hangi robotik eğitim protokollerinin alt ekstremite motor yeteneklerinin iyileşme sürecini optimize ettiği çoğunlukla belirsizliğini korumaktadır. Aslında, rehabilitasyon robotlarının artan gelişimi (akademik araştırmacılar veya ticari kuruluşlar tarafından) ile motor iyileşmenin altında yatan nörofizyolojik mekanizmaların sınırlı anlaşılması arasında önemli ve artan bir eşitsizlik vardır4. Gömülü sensörlerle alınan hareket kinematiği veya eklem torklarının ölçümleri, hastalar alt ekstremite motor yeteneklerini geri kazanırken ortaya çıkan motor davranış değişikliklerini nicel olarak tanımlamaya katkıda bulunmuştur 27,28,29 ve bu boşluğu kısmen doldurmuştur. Bununla birlikte, bu tür değişikliklerin altında yatan nöral korelasyonlar daha az araştırılmıştır. Bunun birkaç nedeni var.

Beyin fonksiyonel görüntüleme zaman alıcıdır ve bazen klinik çalışmalar bağlamında tamamlanması zordur, bu da hastanın çalışmaya uyma olasılığını en üst düzeye çıkarmak için genellikle hasta yükünü minimumda tutmayı gerektirir. Bu, inme sonrası yorgunluk ve kas güçsüzlüğünün sıklıkla gözlendiği gerçeği göz önüne alındığında, özellikle felç geçirmiş bireyler için geçerlidir30. Ayrıca, fonksiyonel Manyetik Rezonans Görüntüleme (fMRI) gibi manyetik alanlara dayalı görüntüleme yöntemleri, hem hasta hem de robotik donanımın mıknatıs açısından güvenli olmasını gerektirir.

Non-invaziv görüntüleme yöntemleri arasında, fonksiyonel Yakın Kızılötesi Spektroskopisi (fNIRS), robotik tedavi gören deneklerde beyin aktivasyon alanlarını değerlendirmek için özellikle uygun bir görüntüleme tekniğidir. fMRI’ya benzer şekilde, fNIRS beyindeki kan oksijenasyonunu / oksijensizmesini ölçer. Bununla birlikte, fMRI’dan farklı olarak, fNIRS robotik donanımla tamamen uyumludur ve genellikle taşınabilir, hatta yatak başında bile kullanılabilir. Ayrıca, fNIRS düşük maliyetlidir ve hareket artefaktlarına karşı daha az duyarlılığasahiptir 31,32,33.

70’lerin sonlarında ilk kez piyasaya sürülmesinden bu yana birçok klinik ortamda açık avantajlarına ve yaygın kullanımınarağmen34, sadece birkaç çalışma, alt ekstremite hareketleri ve inme motor iyileşmesi ile ilişkili beyin aktivasyonunu ölçmek için fNIRS’yi kullanmıştır. Hareketin nöral kontrolünün mekanizmalarını ve/veya mekanizmalarını aydınlatmayı veya inmeden motor iyileşmenin değerlendirilmesini amaçlayan FNIRS çalışmaları çoğunlukla tek eklem hareketlerini araştırmıştır (örneğin, dorsifleksiyon, plantar fleksiyon veya diz ekstansiyon hareketleri 35,36,37), yürüme 38,39,40,41,42,43 veya bisiklete binme44. İnceleme için45’e bakın. Benzer şekilde, alt ekstremite için robot yardımlı terapi üzerine yapılan fNIRS çalışmaları çoğunlukla robot yardımlı yürüyüş rehabilitasyonuna odaklanmıştır; İnceleme için46’ya bakın. Birkaç çalışma, robotik cihazlar için kontrol sinyalleri elde etmek için Beyin-Bilgisayar Arayüzü (BCI) sisteminin bir parçası olarak fNIRS’in kullanılmasına odaklanmıştır47,48; Bu araştırma alanı aynı zamanda fNIRS sinyallerinin işlenmesine de dayanırken, amacı farklıdır ve esas olarak hasta niyetlerinin (örneğin, ciddi motor engelli hastalar) kodunu çözmeye odaklanmıştır.

Burada sunulan pilot çalışma, alt ekstremite rehabilitasyonu için robotik bir sistemin etkilerini araştırmaya yönelik ilk çabanın bir parçasıdır. Robot, günlük çok eklemli hareketlerde eğitimi içeren hedef odaklı alt ekstremite rehabilitasyonu sağlayabilir ve alt ekstremitenin tek eklemlerine (örneğin diz veya ayak bileği) terapi sağlayabilir (yani, aşağıdan yukarıya bir rehabilitasyon programı uygulayabilir).

Çalışma, alt ekstremite, çok eklemli işaretleme hareketlerinin gerçekleştirilmesi sırasında fNIRS verilerinin elde edilmesini gerektiren deneysel bir protokolün fizibilitesini araştırmayı amaçladı. 6 dakika ile sınırlı olan bu çalışmada veri toplama süresi tipik fNIRS protokollerine göre daha kısadır. Bu, özellikle sınırlı hareket kabiliyeti veya gücü olan hastalarda, bu araştırmanın pratikliğini ve klinik uygulanabilirliğini arttırmak amacıyla yapılan kasıtlı bir seçimdi. Bu tür karmaşık çok eklemli hareketlerin fNIRS korelasyonlarını belirlemek ve beyin aktivasyonunun robot yardımı ile nasıl modüle edildiğine dair içgörüler elde etmek de ilgi çekici noktalardı. Bu amaçla, aynı katılımcılarla iki deney seansı gerçekleştirildi: biri robot yardımı olmadan, diğeri robot yardımıyla. Son olarak, bu çalışmanın, protokol fizibilitesinin kaydedilmesi ve robotik terapi ile hedeflenen hareketler sırasında beyin aktivasyonunun değerlendirilmesi açısından gelecekteki araştırmalara temel oluşturması açısından sağlıklı deneklere odaklandığını belirtmek önemlidir.

Cihaz
Deneylerimizi yürütmek için alt ekstremite rehabilitasyonu sağlamak üzere tasarlanmış taşınabilir bir robot (bkz. Şekil 1) kullanıldı. Robot, 3D erişilebilir bir çalışma alanına sahiptir ve kompakt ve hafiftir, yaklaşık 35 lb ağırlığındadır, bu da taşımayı ve kurmayı kolaylaştırır.

Figure 1
Şekil 1: Deney düzeneği. (A) Alt ekstremite için tasarlanmış robotik sistem (zemine monte edilmiş). Bir gönüllü, arayüzü sağ ayağıyla kullanırken gösterilir. (B) Deneğin ayağı için robotik sisteme bağlanmayı sağlayan destek yapısı. (C) Piknik oyununun ekran görüntüsü. Oyunun amacı ayağı (yeşil ve beyaz ayakkabı) hedefe (sarı daire) hareket ettirmektir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Robotik sistem, bir hastanın işaret etme veya tekme atma gibi günlük görevlerde yapılanlara benzer alt ekstremite hareketlerini gerçekleştirmesine yardımcı olmak için tasarlanmıştır. Bir bilgisayar monitöründe veya robotik cihazın önüne yerleştirilmiş bir televizyon ekranında görüntülenen etkileşimli sanal gerçeklik oyunlarını kullanır (bkz. Şekil 1). Robot ucu efektörü hastanın alt ekstremitesine (örneğin ayak bileği) takılır ve konumu ekrandaki bir imlecin konumuyla eşleştirilir. Tipik bir oyun, hastanın hareket hedeflerini gösterir (örneğin, işaret edilecek nesne veya topun nereye vurulacağı).

Hareket görevini tamamlamak için robot, hastaya tam yardımdan hiç yardıma kadar değişebilen bir yardım seviyesiyle yardımcı olabilir. Robotik yardım seviyesi, hastanın motor bozukluğu seviyesine göre her rehabilitasyon seansının başında seçilir. Denek tarafından gerçekleştirilen hareketler, oyun tarafından hastanın performansını puanlamak ve performansları hakkında geri bildirim sağlamak için kullanılır (örneğin, ROM, hareket sayısı ve robotik yardım seviyesi). Oyunlar, hastanın ilgisini ve dikkatini sürdürmek için etkileşimli ve eğlenceli olacak şekilde tasarlanmıştır. Bu çalışmada katılımcılar, oyuncunun böceklerin havluya ulaşmasını ve yiyeceği çalmasını engellemek zorunda kaldığı “Piknik oyununu” oynadılar (ekran görüntüsü için bkz. Şekil 1, alt panel).

Veri toplama, iki farklı sürekli dalga optod (760 nm ve 850 nm), 8 çift uçlu LED kaynağı ve 8 çift uçlu aktif dedektör içeren taşınabilir bir fNIRS toplama sistemi ile gerçekleştirildi. Sinyaller, 10.17 Hz’lik bir örnekleme hızı kullanılarak elde edildi. fNIRS sistemi tarafından oluşturulan bir Wi-Fi ağı kullanılarak kalibrasyon optimizasyonu ve sinyal kaydı için bir dizüstü bilgisayar kullanıldı.

Optodları önceden belirlenmiş yerlerde tutmak için bir kapak kullanıldı. Kaynaklar ve detektörler, 10-10 uluslararası EEG sistemine göre ızgara uzamsal dağılıma göre yerleştirildi. Her bir fNIRS kanalı, optodlar arası mesafeleri yaklaşık 30 mm olan bir kaynak-dedektör çifti tarafından tanımlandı. Optodlar, Şekil 2’de gösterilen konumlarda ek motor, ön motor ve motor alanlarının üzerine yerleştirildi. Toplam kanal sayısı 28 idi, burada 8’i tek bir dedektöre fiber optik adaptör kullanılarak her kaynağa bağlanan kısa mesafeli kanallardı. Donanımın çoğullama kurulumu göz önüne alındığında, tek bir dedektör kullanarak tüm kaynaklardan kısa mesafeli bilgi elde etmek mümkündür.

Figure 2
Şekil 2: 10-10 EEG sistemi kullanılarak montaj düzeni. Harfler ve sayılar kaynak/dedektör konumlarını gösterir. Kırmızı ve mavi noktalar sırasıyla kaynak ve dedektör optodlarını temsil eder. Yeşil çizgiler, kaynak ve dedektör çiftlerinden oluşan fNIRS kanallarını temsil eder. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Deneysel tasarım
Deney, robotun deneğin hareketleri için sağladığı yardım seviyesinde farklılık gösteren iki farklı deney koşulu altında gerçekleştirildi. İlk koşulda robot, deneğin hareketlerine herhangi bir yardım sağlamayacak şekilde programlanırken, ikinci koşulda robot, deneğin ayak ve bacak hareketlerini kontrol etti (robot destekli hareket).

Her deney, Şekil 3’te gösterildiği gibi, bir motor görevin (oyunu oynamak – 30 s) ve dinlenmenin (30 s) alternatif döngülerini içeren bir blok tasarım paradigmasını izledi. Her aşamanın (oyun/oyun veya dinlenme) başlangıcı ve bitişi, bilgisayar ekranı aracılığıyla deneğe görsel olarak bildirildi. Dinlenme aşamasında, duraklamayı belirten bir mesaj görüntülendi. Her döngünün (oyun/oyun + dinlenme) süresi 60 saniyeydi ve altı kez tekrarlandı, bu da toplam 360 saniyelik (6 dakika) bir çalışma süresiyle sonuçlandı.

Katılımcılar, böceklerin havluya ulaşmasını ve yiyecek çalmasını önlemenin amaçlandığı “Piknik oyunu” oynadılar. Bu oyun, belirlenmiş bir ev hedefinden (başlangıç pozisyonu) başlayan ve ana hedefe dönmeden önce üç dış hedeften birine doğru uzanan bir dizi alt ekstremite hareketini içeriyordu. Ekranda, dış hedefler, katılımcıların ulaşması ve üzerine basması gereken hareketli böcekler olarak görsel olarak temsil edildi. Her hareket için ortak bir ana hedefin yanı sıra, her biri rastgele eşit sayıda sunulan üç dışa ulaşma hedefi vardı. Ayağın ana hedeften dış hedeflerin konumuna gitmesi gereken mesafe, yaklaşık 26 cm ölçülerinde bir yay oluşturdu. Motor görev, diz fleksiyonu/ekstansiyonu, plantar fleksiyon ve dorsifleksiyon hareketleri arasında koordinasyon gerektiren çok eklemli hareketlerin yürütülmesini gerektiriyordu.

fNIRS veri kayıtları, robot tarafından üretilen bir transistör-transistör-mantık (TTL) darbesi aracılığıyla oyun tarafından deneğe sunulan görsel uyaranlarla senkronize edildi. Her aşamanın başlangıcında (oyun/oyun ve dinlenme) darbeler üretildi. Böylece, tüm zamanlama kontrolü, katılımcıya her hareketi başlatması için görsel ipuçları (hedefler) sağlayan, beyin aktivite kayıtlarını işaretlemek için fNIRS sistemine TTL sinyalleri gönderen ve deney gerektiriyorsa, hareket yardımını başlatmak için robot kontrol sistemine sinyaller gönderen oyun tarafından gerçekleştirildi.

Protocol

Bu çalışma, UNICEP’in (Centro Universitario Paulista) yerel Etik İnceleme Kurulu tarafından onaylanmıştır. Tüm katılımcılar, insanları içeren bilimsel araştırmalarla ilgili tüm kurumsal yönergelere ve federal normlara uyarak bilgilendirilmiş onam verdiler. Brezilya federal düzenlemelerinin gerektirdiği şekilde hiçbir mali tazminat almadılar. 1. fNIRS sistemi Kapağı 16 optod kullanarak hazırlayın: 8 ışık kaynağı (760 nm ve 850 nm) ve 8…

Representative Results

Altı deneğin tümü her iki deneyi de tamamladı. Yardımsız durumda, her denek tarafından ortalama 76.67 deneme (std. 10.73) tamamlanmıştır (her denek için, yeni bir hedef yalnızca bir öncekine ulaşıldığında gösterildiğinden, deneme sayısı başarılı erişim sayısına bağlıdır). Deneğin hareketinin robot tarafından tam olarak desteklendiği yardım durumunda, tüm denekler 70 denemeyi tamamladı. Tüm deneklerden fNIRS verileri başarıyla kaydedildi. <strong class="…

Discussion

Bu kavram kanıtlama çalışmasında, alt ekstremite rehabilitasyonu için bir robot kullanarak farklı hareket türleriyle egzersiz yapan sağlıklı deneklerden alınan fNIRS verilerini kullanarak beyin aktivasyon haritalaması üzerine çıkarımlar yapmanın fizibilitesi araştırılmıştır. Yetişkinlerde tipik fNIRS kayıt seansları 6 dakikadan daha uzundur54. Bununla birlikte, bir rehabilitasyon ortamı bağlamında kayıtları uygulanabilir kılmak için, denek için gereksiz yorgunluk…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Bu çalışmanın görüşleri, hipotezleri, sonuçları ve tavsiyeleri yazarlara aittir ve fon sağlayan kuruluşun görüşlerini temsil etmeyebilir. JRS, teknolojik destek için Sao Paulo Araştırma Vakfı’na (FAPESP, hibe numaraları 2021/05332-8, 2018/04654-9, 2018/21934-5 ve 2023/02538-0) ve Jackson Cionek’e minnettardır. AMM ve Vivax Ltda, FAPESP (São Paulo Araştırma Vakfı) ve FINEP (Brezilya İnovasyon Ajansı) ‘na minnettardır. Bu proje FAPESP (hibe numarası 2018/09559-4) ve FINEP (hibe numarası 2019/09933-6) tarafından finanse edilmiştir.

Materials

32 inch Smart TV Samsung N/A TV connected to robot via HDMI cable
8-detector silicon photodiode (SiPD) optodes for optical detection with dual tip NIRx Medical Technologies (Glen Head, NY, USA) https://nirx.net/nirsport
8-source optodes bundle for optical illumination with dual tip NIRx Medical Technologies (Glen Head, NY, USA) https://nirx.net/nirsport
Aurora acquisition software NIRx Medical Technologies (Glen Head, NY, USA) https://nirx.net/nirsport
Laptop Precision XPS 13 Dell Technologies (Round Rock, TX, USA)
nirsLAB fNIRS Analysis software NIRx Medical Technologies (Glen Head, NY, USA) https://nirx.net/nirsport
NIRSports2 fNIRS acquisition system NIRx Medical Technologies (Glen Head, NY, USA) https://nirx.net/nirsport It has two different continuous wave optics (760 and 850 nm), 8 dual-ended LED sources and 8 dual-ended active detectors.
R R-project.org (open source software) https://www.r-project.org/
Standard cut cap, black color for up to 128 holders. Easycap GmbH (Wörthsee, Germany) https://www.easycap.de/
Vivax Assistive Rehabilitation Machine (ARM)  Vivax Ltda (São Paulo, Brazil) https://vivaxbr.com/home/ It is a portable robot designed to deliver lower limb rehabilitation. It has a 3D reachable workspace and is compact and light, weighing about 35 lb., which makes it easy to transport and to install. 
DOWNLOAD MATERIALS LIST

References

  1. GBD 2016 Stroke Collaborators. Global, regional, and national burden of stroke, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016. The Lancet. Neurology. 18 (5), 439-458 (2019).
  2. GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. The Lancet. Neurology. 20 (10), 795-820 (2021).
  3. Huang, V. S., Krakauer, J. W. Robotic neurorehabilitation: a computational motor learning perspective. Journal of NeuroEngineering and Rehabilitation. 6, 5 (2009).
  4. Hobbs, B., Artemiadis, P. A Review of Robot-Assisted Lower-Limb Stroke Therapy: Unexplored Paths and Future Directions in Gait Rehabilitation. Frontiers in neurorobotics. 14, 19 (2020).
  5. Bertani, R., Melegari, C., De Cola, M. C., Bramanti, A., Bramanti, P., Calabrò, R. S. Effects of robot-assisted upper limb rehabilitation in stroke patients: a systematic review with meta-analysis. Neurological Sciences. 38 (9), 1561-1569 (2017).
  6. Warutkar, V., Dadgal, R., Mangulkar, U. R. Use of robotics in gait rehabilitation following stroke: A review. Cureus. 14 (11), e31075 (2022).
  7. Dipietro, L., et al. Changing motor synergies in chronic stroke. Journal of Neurophysiology. 98 (2), 757-768 (2007).
  8. Dipietro, L., et al. Learning, not adaptation, characterizes stroke motor recovery: evidence from kinematic changes induced by robot-assisted therapy in trained and untrained task in the same workspace. IEEE Trans Neural Syst Rehabil Eng. 20 (1), 48-57 (2012).
  9. Bosecker, C., Dipietro, L., Volpe, B., Krebs, H. I. Kinematic robot-based evaluation scales and clinical counterparts to measure upper limb motor performance in patients with chronic stroke. Neurorehabilitation and Neural Repair. 24 (1), 62-69 (2010).
  10. Krebs, H. I., et al. Robotic measurement of arm movements after stroke establishes biomarkers of motor recovery. Stroke. 45 (1), 200-204 (2014).
  11. Volpe, B. T., et al. Robotic devices as therapeutic and diagnostic tools for stroke recovery. Archives of Neurology. 66 (9), 1086-1090 (2009).
  12. Hogan, N., et al. Motions or muscles? Some behavioral factors underlying robotic assistance of motor recovery. Journal of Rehabilitation Research and Development. 43 (5), 605-618 (2006).
  13. Shadmehr, R., Wise, S. P. . The Computational Neurobiology of Reaching and Pointing: A Foundation for Motor Learning. , (2005).
  14. Dipietro, L., Poizner, H., Krebs, H. I. Spatiotemporal dynamics of online motor correction processing revealed by high-density electroencephalography. J Cogn Neurosci. 26 (9), 1966-1980 (2014).
  15. Krebs, H., et al. Rehabilitation robotics: Performance-based progressive robot-assisted therapy. Autonomous Robots. 15, 7-20 (2003).
  16. Colombo, G., Joerg, M., Schreier, R., Dietz, V. Treadmill training of paraplegic patients using a robotic orthosis. Journal of Rehabilitation Research and Development. 37 (6), 693-700 (2000).
  17. Girone, M., et al. A Stewart platform-based system for ankle telerehabilitation. Autonomous Robots. 10, 203-212 (2001).
  18. Saglia, J. A., Tsagarakis, N. G., Dai, J. S., Caldwell, D. G. A high-performance redundantly actuated parallel mechanism for ankle rehabilitation. The International Journal of Robotics Research. 28 (9), 1216-1227 (2009).
  19. Yoon, J., Ryu, J. A novel reconfigurable ankle/foot rehabilitation robot. , 2290-2295 (2005).
  20. Ruthenberg, B. J., Wasylewski, N. A., Beard, J. E. An experimental device for investigating the force and power requirements of a powered gait orthosis. Journal of Rehabilitation Research and Development. 34 (2), 203-213 (1997).
  21. Forrester, L. W., et al. Clinical application of a modular ankle robot for stroke rehabilitation. NeuroRehabilitation. 33 (1), 85-97 (2013).
  22. Díaz, I., Gil, J. J., Sánchez, E. Lower-limb robotic rehabilitation: Literature review and challenges. Journal of Robotics. 2011, 759764 (2011).
  23. Zhang, X., Yue, Z., Wang, J. Robotics in lower-limb rehabilitation after stroke. Behavioural Neurology. 2017, 3731802 (2017).
  24. Zhang, M., Davies, T. C., Xie, S. Effectiveness of robot-assisted therapy on ankle rehabilitation – a systematic review. Journal of NeuroEngineering and Rehabilitation. 10, 30 (2013).
  25. Lo, K., Stephenson, M., Lockwood, C. Effectiveness of robotic assisted rehabilitation for mobility and functional ability in adult stroke patients: a systematic review protocol. JBI Database of Systematic Reviews and Implementation Reports. 15 (1), 39-48 (2017).
  26. Belda-Lois, J. M., et al. Rehabilitation of gait after stroke: a review towards a top-down approach. Journal of NeuroEngineering and Rehabilitation. 8, 66 (2011).
  27. Bortole, M., et al. The H2 robotic exoskeleton for gait rehabilitation after stroke: early findings from a clinical study. Journal of NeuroEngineering and Rehabilitation. 12, 54 (2015).
  28. Banala, S. K., Kim, S. H., Agrawal, S. K., Scholz, J. P. Robot assisted gait training with active leg exoskeleton (ALEX). IEEE Transactions on Neural Systems and Rehabilitation Engineering. 17 (1), 2-8 (2009).
  29. Bartenbach, V., Wyss, D., Seuret, D., Riener, R. A lower limb exoskeleton research platform to investigate human-robot interaction. 2015 IEEE International Conference on Rehabilitation Robotics (ICORR). 2015, 600-605 (2015).
  30. Hinkle, J. L., et al. Poststroke fatigue: Emerging evidence and approaches to management: A scientific statement for healthcare professionals from the American heart association. Stroke. 48 (7), e159-e170 (2017).
  31. Balardin, J. B., Zimeo Morais, G. A., Furucho, R. A., Trambaiolli, L. R., Sato, J. R. Impact of communicative head movements on the quality of functional near-infrared spectroscopy signals: negligible effects for affirmative and negative gestures and consistent artifacts related to raising eyebrows. Journal of Biomedical Optics. 22 (4), 4601 (2017).
  32. Nazeer, H., Naseer, N., Mehboob, A., Khan, M. J., Khan, R. A., Khan, U. S., Ayaz, Y. Enhancing classification performance of fNIRS-BCI by identifying cortically active channels using the z-score method. Sensors. 20 (23), 6995 (2020).
  33. Ayaz, H., et al. Optical imaging and spectroscopy for the study of the human brain: status report. Neurophotonics. 9, S24001 (2022).
  34. Chen, W. L., et al. Functional near-infrared spectroscopy and its clinical application in the field of neuroscience: Advances and future directions. Frontiers in Neuroscience. 14, 724 (2020).
  35. Yamamoto, K., Miyata, T., Onozuka, A., Koyama, H., Ohtsu, H., Nagawa, H. Plantar flexion as an alternative to treadmill exercise for evaluating patients with intermittent claudication. European Journal of Vascular and Endovascular Surgery. 33 (3), 325-329 (2007).
  36. Formenti, D., et al. Effects of knee extension with different speeds of movement on muscle and cerebral oxygenation. PeerJ. 6, 5704 (2018).
  37. Miyai, I., et al. Cortical mapping of gait in humans: a near-infrared spectroscopic topography study. NeuroImage. 14 (5), 1186-1192 (2001).
  38. Miyai, I., et al. Premotor cortex is involved in restoration of gait in stroke. Annals of Neurology. 52 (2), 188-194 (2002).
  39. Mihara, M., et al. Sustained prefrontal activation during ataxic gait: a compensatory mechanism for ataxic stroke?. NeuroImage. 37 (4), 1338-1345 (2007).
  40. Rea, M., et al. Lower limb movement preparation in chronic stroke: A pilot study toward an fNIRS-BCI for gait rehabilitation. Neurorehabilitation and Neural Repair. 28 (6), 564-575 (2014).
  41. Holtzer, R., Verghese, J., Allali, G., Izzetoglu, M., Wang, C., Mahoney, J. R. Neurological gait abnormalities moderate the functional brain signature of the posture first hypothesis. Brain Topography. 29 (2), 334-343 (2016).
  42. Kim, H. Y., Yang, S. P., Park, G. L., Kim, E. J., You, J. S. Best facilitated cortical activation during different stepping, treadmill, and robot-assisted walking training paradigms and speeds: A functional near-infrared spectroscopy neuroimaging study. NeuroRehabilitation. 38 (2), 171-178 (2016).
  43. Khan, H., Nazeer, H., Engell, H., Naseer, N., Korostynska, O., Mirtaheri, P. Prefrontal cortex activation measured during different footwear and ground conditions using fNIRS-A case study. 2021 IEEE International Conference on Artificial Intelligence and Mechatronics Systems (AIMS). , 1-6 (2021).
  44. Lin, P. Y., Chen, J. J., Lin, S. I. The cortical control of cycling exercise in stroke patients: an fNIRS study). Human Brain Mapping. 34 (10), 2381-2390 (2013).
  45. 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).
  46. Berger, A., Horst, F., Müller, S., Steinberg, F., Doppelmayr, M. Current state and future prospects of EEG and fNIRS in robot-assisted gait rehabilitation: A brief review. Frontiers in Human Neuroscience. 13, 172 (2019).
  47. Khan, R. A., Naseer, N., Qureshi, N. K., et al. fNIRS-based Neurorobotic Interface for gait rehabilitation. J NeuroEngineering Rehabil. 15 (1), 7 (2018).
  48. Khan, H., Naseer, N., Yazidi, A., Eide, P. K., Hassan, H. W., Mirtaheri, P. Analysis of Human Gait Using Hybrid EEG-fNIRS-Based BCI System: A Review. Front. Hum. Neurosci. 14, (2020).
  49. Delpy, D. T., Cope, M. Quantification in tissue near-infrared spectroscopy. Philosophical Transactions of the Royal Society B: Biological Sciences. 352 (1354), 649-659 (1997).
  50. Huppert, T. J. Commentary on the statistical properties of noise and its implication on general linear models in functional near-infrared spectroscopy. Neurophotonics. 3, 010401 (2016).
  51. Alexandre, F., Heraud, N., Oliver, N., Varray, A. Cortical implication in lower voluntary muscle force production in non-hypoxemic COPD patients. PLoS One. 9 (6), 100961 (2014).
  52. Yoon, T., Vanden Noven, M. L., Nielson, K. A., Hunter, S. K. Brain areas associated with force steadiness and intensity during isometric ankle dorsiflexion in men and women. Experimental Brain Research. 232 (10), 3133-3145 (2014).
  53. Ciccarelli, O., et al. Identifying brain regions for integrative sensorimotor processing with ankle movements. Experimental Brain Research. 166 (1), 31-42 (2005).
  54. 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 (2020).
  55. Thickbroom, G. W., Phillips, B. A., Morris, I., Byrnes, M. L., Mastaglia, F. L. Isometric force-related activity in sensorimotor cortex measured with functional MRI. Experimental Brain Research. 121 (1), 59-64 (1998).
  56. Derosière, G., Alexandre, F., Bourdillon, N., Mandrick, K., Ward, T. E., Perrey, S. Similar scaling of contralateral and ipsilateral cortical responses during graded unimanual force generation. NeuroImage. 85 (1), 471-477 (2014).
  57. Shi, P., Li, A., Yu, H. Response of the cerebral cortex to resistance and non-resistance exercise under different trajectories: A functional near-infrared spectroscopy study. Frontiers in Neuroscience. 15, 685920 (2021).
  58. Dettmers, C., et al. Relation between cerebral activity and force in the motor areas of the human brain. Journal of Neurophysiology. 74 (2), 802-815 (1995).
  59. Keisker, B., Hepp-Reymond, M. C., Blickenstorfer, A., Kollias, S. S. Differential representation of dynamic and static power grip force in the sensorimotor network. The European Journal of Neuroscience. 31 (8), 1483-1491 (2010).
  60. Harada, T., Miyai, I., Suzuki, M., Kubota, K. Gait capacity affects cortical activation patterns related to speed control in the elderly. Experimental Brain Research. 193 (3), 445-454 (2009).
  61. Saleh, S., et al. The role of premotor areas in dual tasking in healthy controls and persons with multiple sclerosis: An fNIRS imaging study. Frontiers in Behavioral Neuroscience. 12, 296 (2018).
  62. Bonnal, J., et al. Relation between cortical activation and effort during robot-mediated walking in healthy people: A functional near-infrared spectroscopy neuroimaging study (fNIRS). Sensors. 22 (15), 5542 (2022).
  63. Shibuya, K., Sadamoto, T., Sato, K., Moriyama, M., Iwadate, M. Quantification of delayed oxygenation in ipsilateral primary motor cortex compared with contralateral side during a unimanual dominant-hand motor task using near-infrared spectroscopy. Brain Research. 1210, 142-147 (2008).
  64. Dai, T. H., Liu, J. Z., Sahgal, V., Brown, R. W., Yue, G. W. Relationship between muscle output and functional MRI-measured brain activation. Experimental brain research. 140 (3), 290-300 (2001).
  65. Cabibel, V., Hordacre, B., Perrey, S. Implication of the ipsilateral motor network in unilateral voluntary muscle contraction: the cross-activation phenomenon. Journal of Neurophysiology. 123 (5), 2090-2098 (2020).
  66. Akselrod, M., Martuzzi, R., Serino, A., vander Zwaag, W., Gassert, R., Blanke, O. Anatomical and functional properties of the foot and leg representation in areas 3b, 1 and 2 of primary somatosensory cortex in humans: A 7T fMRI study. NeuroImage. 159, 473-487 (2017).
  67. Brigadoi, S., Cooper, R. J. How short is short? Optimum source-detector distance for short-separation channels in functional near-infrared spectroscopy. Neurophotonics. 2 (2), 025005 (2015).
  68. Funahashi, S. Prefrontal contribution to decision-making under free-choice conditions. Frontiers in Neuroscience. 11, 431 (2017).
  69. Simon, S. R., Meunier, M., Piettre, L., Berardi, A. M., Segebarth, C. M., Boussaoud, D. Spatial attention and memory versus motor preparation: premotor cortex involvement as revealed by fMRI. Journal of Neurophysiology. 88 (4), 2047-2057 (2002).
  70. Desmurget, M., Sirigu, A. A parietal-premotor network for movement intention and motor awareness. Trends in Cognitive Sciences. 13 (10), 411-419 (2009).
  71. Nachev, P., Kennard, C., Husain, M. Functional role of the supplementary and pre-supplementary motor areas. Nature reviews. Neuroscience. 9 (11), 856-869 (2008).
  72. Thoenissen, D., Zilles, K., Toni, I. Differential involvement of parietal and precentral regions in movement preparation and motor intention. The Journal of neuroscience: the official journal of the Society for Neuroscience. 22 (20), 9024-9034 (2002).
  73. Al-Quraishi, M. S., Elamvazuthi, I., Tang, T. B., Al-Qurishi, M., Adil, S. H., Ebrahim, M. Bimodal data fusion of simultaneous measurements of EEG and fNIRS during lower limb movements. Brain Sciences. 11 (6), 713 (2021).
  74. Bishnoi, A., Holtzer, R., Hernandez, M. E. Brain Activation Changes While Walking in Adults with and without Neurological Disease: Systematic Review and Meta-Analysis of Functional Near-Infrared Spectroscopy Studies. Brain sciences. 11 (3), 291 (2021).
  75. Oh, S., Song, M., Kim, J. Validating attentive locomotion training using interactive treadmill: an fNIRS study. Journal of NeuroEngineering and Rehabilitation. 15 (1), 122 (2018).

Tags

Keywords: FNIRSFunctional Near-infrared SpectroscopyRobot-assistedLower LimbMulti-jointPointing MovementsMotor RecoveryStrokeBrain ActivationBrain OxygenationNeuroimaging
check_url/fr/66004?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citer Cet Article
Ricardo Sato, J., Carolyna Gianlorenço, A., Borges Fernandes, E., Frigo da Rocha, T., Massato Makiyama, A., Dipietro, L. An Experiment Using Functional Near-Infrared Spectroscopy and Robot-Assisted Multi-Joint Pointing Movements of the Lower Limb. J. Vis. Exp. (208), e66004, doi:10.3791/66004 (2024).
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