JoVE Journal > Bioengineering
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Traduzione automatica
Please note that all translations are automatically generated. Click here for the English version.
Bioingegneria

Conectividad funcional del cerebro humano basada en el flujo sanguíneo cerebral mediante espectroscopia óptica de correlación difusa

Published: May 27, 2020
doi:
10.3791/60765
, , ,
1Department of Biomedical, Industrial and Human Factors Engineering,Wright State University, 2South China Academy of Advanced Optoelectronics,South China Normal University

Summary

Este protocolo muestra cómo medir la conectividad funcional del estado en reposo en la corteza prefrontal humana utilizando un instrumento de espectroscopia de correlación difusa hecho a medida. El informe también analiza aspectos prácticos del experimento, así como pasos detallados para analizar los datos.

Abstract

Para obtener una comprensión integral del cerebro humano, se desea la utilización del flujo sanguíneo cerebral (CBF) como fuente de contraste porque es un parámetro hemodinámico clave relacionado con el suministro de oxígeno cerebral. Se ha demostrado que las fluctuaciones de baja frecuencia del estado de reposo basadas en el contraste de oxigenación proporcionan correlaciones entre regiones conectadas funcionalmente. El protocolo presentado utiliza espectroscopia de correlación difusa óptica (DCS) para evaluar la conectividad funcional del estado de reposo basado en el flujo sanguíneo (RSFC) en el cerebro humano. Los resultados de RSFC basado en CBF en la corteza frontal humana indican que el RSFC intrarregional es significativamente mayor en los cortices izquierdo y derecho en comparación con el RSFC interregional en ambos cortices. Este protocolo debe ser de interés para los investigadores que emplean técnicas de imagen multimodalpara para estudiar la función cerebral humana, especialmente en la población pediátrica.

Introduction

Cuando el cerebro está en estado de reposo, demuestra una alta sincronización de la actividad espontánea en regiones relacionadas funcionalmente, que se puede ubicar cerca o desde la distancia. Estas regiones en sincronización se conocen como redes funcionales1,2,3,4,5,6,7,8,9. Este fenómeno fue descubierto por primera vez por un estudio de resonancia magnética funcional (fMRI) utilizando señales dependientes del nivel de oxígeno en sangre (BOLD) que indican los niveles de oxigenación de la sangre cerebral5,,10, también conocida como conectividad funcional del estado de reposo (RSFC). Las anomalías en RSFC se han asociado con trastornos cerebrales como autismo11,Alzheimer12y depresión13. Por lo tanto, RSFC es una herramienta valiosa para estudiar a pacientes con trastornos que tienen problemas para realizar evaluaciones basadas en tareas. Sin embargo, muchos pacientes, como los niños autistas jóvenes, son candidatos pobres para ser evaluados por fMRI, ya que requiere permanecer todavía dentro de un espacio confinado durante largos períodos de tiempo14,15. Las imágenes ópticas son rápidas y ponibles; por lo tanto, es adecuado para la mayoría de los pacientes, en particular la población pediátrica16,17,18,19,20,21,22,23,24. Utilizando estas ventajas, la espectroscopia funcional de infrarrojo cercano (fNIRS), que puede cuantificar la concentración de hemoglobina y los parámetros de saturación de oxígeno en el cerebro, se utiliza para medir el RSFC en humanos (incluida la población pediátrica4,8,25 y pacientes con autismo11).

La espectroscopia óptica de correlación difusa (DCS), una técnica óptica relativamente nueva, puede cuantificar el flujo sanguíneo cerebral, que es un parámetro importante que asocia el suministro de oxígeno con el metabolismo6,,17,26,27,28,29. Se ha demostrado que el contraste de flujo óptico cuantificado por DCS tiene una mayor sensibilidad en el cerebro en comparación con el contraste de oxigenación30. Por lo tanto, utilizar parámetros CBF derivados de DCS para evaluar RSFC es ventajoso.

El DCS es sensible al movimiento de las células sanguíneas. Cuando los fotones difuminados se dispersan de las células sanguíneas en movimiento, esto hace que la intensidad de la luz detectada fluctúe con el tiempo. DCS mide una función de autocorrelación de intensidad basada en el tiempo y su tasa de descomposición depende de los parámetros ópticos y el flujo sanguíneo. Estos valores se utilizan en última instancia para obtener el índice de flujo sanguíneo cerebral (CBFi). Con células sanguíneas en movimiento más rápido, la función de autocorrelación de intensidad se descompone más rápido. Por lo tanto, la información sobre el movimiento profundo debajo de la superficie del tejido se puede derivar (por ejemplo, en el cerebro) de mediciones de fluctuaciones de luz difusoras a lo largo del tiempo27,31,32,33,34,35. DCS es una técnica complementaria a la ampliamente conocida fNIRS que mide la oxigenación sanguínea17,,36. Dado que tanto fNIRS como DCS son técnicas ópticas de imágenes cerebrales con alta resolución temporal en el rango de milisegundos, las configuración sin imágenes ópticas son mucho menos sensibles a los artefactos de movimiento que la fMRI. También se han utilizado con éxito para la toma de imágenes cerebrales funcionales en poblaciones pediátricas, incluyendo bebés muy pequeños16. Anteriormente, se han utilizado mediciones superficiales del flujo sanguíneo para evaluar RSFC en estudios preclínicos en ratones37. Aquí, los parámetros de flujo sanguíneo se utilizan para cuantificar RSFC en nueve adultos sanos como un estudio de prueba de concepto38,39.

En este estudio, se utiliza un sistema comercial FD-fNIRS y un sistema DCS personalizado(véase Tabla de materiales). El DCS que se construyó internamente se compone de dos láseres de onda continua de 785 nm, 100 mW y longitud larga que se acoplan a un conector FC y ocho máquinas de conteo de un solo fotón (SPCM) conectadas a un autocorrelator. Una interfaz gráfica de usuario (GUI) de software personalizada también se hizo específicamente para que este sistema mostrar y guardar los recuentos de fotones, curvas de autocorrelación y flujo sanguíneo semicuantitativo de cada canal SPCM en tiempo real. Las piezas de este sistema se utilizan comúnmente para DCS16,17,31,32,40,42,43,44, y los resultados obtenidos también se han verificado internamente y se utilizan en un estudio reciente39.

Protocol

El protocolo fue aprobado por la Junta de Revisión Institucional de la Universidad Estatal de Wright, y se obtuvo el consentimiento informado de cada participante antes del experimento. 1. Preparación del sujeto Encienda el sistema FD-fNIRS y DCS para calentarse durante al menos 10 minutos (ver secciones 2 y 3 para obtener más detalles) antes de iniciar cualquier medición del sujeto. En la Figura 1se muestra un ejemplo de medición del sujeto con el …

Representative Results

La viabilidad de utilizar DCS para medir la conectividad funcional se desemprobó con éxito39. Se midió la conectividad funcional del estado de reposo en los cortices prefrontales de nueve sujetos. Los resultados (media – SD) indicaron una mayor correlación en la región intrarregional de la izquierda (0,64 a 0,25) y la derecha (0,62 a 0,23) cordíes, en comparación con la región interregional de la izquierda (0,32 a 0,32), (0,34 a 0,27) y a la derecha (0,34 a 0,29), (0,34 a 0,26) cortíquios…

Discussion

Para determinar si la CBF medida por el DCS detectó con precisión RSFC, se examinaron dos áreas del cerebro con propiedades rsFC conocidas. Se supone que existe conectividad funcional entre regiones DLFC y entre DLFC e IFC57,58,59. Se eligió la conectividad entre dos sitios dentro del DLFC izquierdo y derecho, porque la conectividad intrarregional suele ser mayor. También, la Conectividad entre el IFC y el DLFC fue elegido,…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Los autores desean reconocer el apoyo financiero de la Tercera Frontera de Ohio a la Ohio Imaging Research and Innovation Network (OIRAIN, 667750), y la National Natural Science Foundation of China (No. 81771876).

Materials

3D Printed Probe In-house N/A 3D printed PLA probe (Craftbot, Craft unique)
785nm, 100mW, CW, FC coupled Laser CrystaLaser DL785-100-S DCS component (light source)
Auto-correlator Correlator.com Flex05-8ch DCS component (output g2 curve to PC)
Data Acquisition GUI In-house N/A GUI coded in LabVIEW to run the DCS system
Data analysis software In-house N/A Matlab code used for obtaining RSFC results
EEG Electrode Cap OpenBCI N/A EEG mesh cap with standard 10/20 positions
Multi-mode fiber OZ Optics QMMJ-3,2.5-IRVIS-600/630-3PCBK-3 DCS component (source fiber)
Oxiplex calibration phantom ISS 75019, 75020 Set of 2 PDMS Calibration Phantom
Oxiplex muscle probe ISS 86010 4 channel muscle probe
Oxiplex Oximeter ISS 95205 FD-fNIRS (690nm, 830nm)
Power meter Thorlabs PM100D Laser light power adjuster
Sensor card Thorlabs F-IRC1-S laser IR beam viewer
Single-mode fiber OZ Optics SMJ-3S2.5-780-5/125-3PCBK-3 DCS component (detector fiber)
Single-Photon Counting Machine Excelitas SPMC-NIR-1×2-FC DCS component (detector)
DOWNLOAD MATERIALS LIST

Riferimenti

  1. Cohen, A. L., et al. Defining functional areas in individual human brains using resting functional connectivity MRI. NeuroImage. 41 (1), 45-57 (2008).
  2. Pizoli, C. E., et al. Resting state activity in development and maintenance of normal brain function. Proceedings of the National Academy of Sciences of the United States of America. 108 (28), 11638-11643 (2011).
  3. Duan, L., Zhang, Y. J., Zhu, C. Z. Quantitative comparison of resting state functional connectivity derived from fNIRS and fMRI: A simultaneous recording study. NeuroImage. 60 (4), 2008-2018 (2012).
  4. White, B. R., et al. Resting state functional connectivity in the human brain revealed with diffuse optical tomography. NeuroImage. 47 (1), 148-156 (2009).
  5. Biswal, B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic resonance in medicine official journal of the Society of Magnetic Resonance in Medicine/Society of Magnetic Resonance in Medicine. 34 (4), 537-541 (1995).
  6. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering. , (2011).
  7. Zhang, H., et al. Test-retest assessment of independent component analysis-derived resting state functional connectivity based on functional near-infrared spectroscopy. NeuroImage. 55 (2), 607-615 (2011).
  8. Lu, C. M., et al. Use of fNIRS to assess resting state functional connectivity. Journal of Neuroscience Methods. 186 (2), 242-249 (2010).
  9. Zhang, Y. -. J., et al. Detecting Resting state Functional Connectivity in the Language System using Functional Near-Infrared Spectroscopy. Journal of Biomedical Optics. 15 (4), 047003 (2010).
  10. Fransson, P. Spontaneous low-frequency BOLD signal fluctuations: An fMRI investigation of the resting state default mode of brain function hypothesis. Human Brain Mapping. , (2005).
  11. Li, J., et al. Characterization of autism spectrum disorder with spontaneous hemodynamic activity. Biomedical Optics Express. , (2016).
  12. Sheline, Y. I., Raichle, M. E. Resting state functional connectivity in preclinical Alzheimer’s disease. Biological Psychiatry. , (2013).
  13. Mulders, P. C., van Eijndhoven, P. F., Schene, A. H., Beckmann, C. F., Tendolkar, I. Resting state functional connectivity in major depressive disorder: A review. Neuroscience and Biobehavioral Reviews. , (2015).
  14. Kiviniemi, V., et al. Slow vasomotor fluctuation in fMRI of anesthetized child brain. Magnetic Resonance in Medicine. , (2000).
  15. Fransson, P., et al. Resting state networks in the infant brain. Proceedings of the National Academy of Sciences of the United States of America. , (2007).
  16. Durduran, T., Yodh, A. G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement. Neuroimage. 85, 51-63 (2014).
  17. Buckley, E. M., Parthasarathy, A. B., Grant, P. E., Yodh, A. G., Franceschini, M. A. Diffuse correlation spectroscopy for measurement of cerebral blood flow: future prospects. Neurophotonics. 1 (1), 011009 (2014).
  18. Buckley, E. M., et al. Cerebral hemodynamics in preterm infants during positional intervention measured with diffuse correlation spectroscopy and transcranial Doppler ultrasound. Optics Express. , (2009).
  19. Dehaes, M., et al. Cerebral oxygen metabolism in neonatal hypoxic ischemic encephalopathy during and after therapeutic hypothermia. Journal of Cerebral Blood Flow. , (2014).
  20. Lin, P. Y., et al. Non-invasive optical measurement of cerebral metabolism and hemodynamics in infants. Journal of Visualized Experiments. , (2013).
  21. Lin, P. Y., et al. Regional and hemispheric asymmetries of cerebral hemodynamic and oxygen metabolism in newborns. Cerebral Cortex. 23 (2), (2013).
  22. Busch, D. R., et al. Cerebral Blood Flow Response to Hypercapnia in Children with Obstructive Sleep Apnea Syndrome. Sleep. , (2016).
  23. Durduran, T., et al. Cerebral oxygen metabolism (CMRO2) reactivity to hypercapnia in neonates with severe congenital heart defects measured with diffuse optics. Journal of Cerebral Blood Flow and Metabolism. , (2009).
  24. Durduran, T., et al. Optical measurement of cerebral hemodynamics and oxygen metabolism in neonates with congenital heart defects. Journal of Biomedical Optics. , (2010).
  25. Mesquita, R. C., Franceschini, M. A., Boas, D. A. Resting state functional connectivity of the whole head with near-infrared spectroscopy. Biomedical optics express. 1 (1), 324-336 (2010).
  26. Boas, D. A., Franceschini, M. A. Haemoglobin oxygen saturation as a biomarker: The problem and a solution. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering. , (2011).
  27. Durduran, T., Yodh, A. G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement. NeuroImage. , (2014).
  28. Yu, G. Diffuse Correlation Spectroscopy (DCS): A Diagnostic Tool for Assessing Tissue Blood Flow in Vascular-Related Diseases and Therapies. Current Medical Imaging Reviews. (8), 194-210 (2012).
  29. Yu, G., Durduran, T., Zhou, C., Cheng, R., Yodh, A. G. Near-Infrared Diffuse Correlation Spectroscopy for Assessment of Tissue Blood Flow. Handbook of Biomedical Optics. , 195-216 (2011).
  30. Selb, J., et al. Sensitivity of near-infrared spectroscopy and diffuse correlation spectroscopy to brain hemodynamics: simulations and experimental findings during hypercapnia. Neurophotonics. 1 (1), (2014).
  31. Cheung, C., et al. In vivo cerebrovascular measurement combining diffuse near-infrared absorption and correlation spectroscopies. Physics in Medicine and Biology. 46 (8), 2053-2065 (2001).
  32. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philos Trans A Math Phys Eng Sci. 369 (1955), 4390-4406 (2011).
  33. Maret, G., Wolf, P. E. Multiple Light Scattering from Disordered Media. The Effect of Brownian Motion of Scatterers. Z. Phys. B – Condensed Matter. 65, 409-413 (1987).
  34. Yu, G. Q. Near-infrared diffuse correlation spectroscopy in cancer diagnosis and therapy monitoring. Journal of Biomedical Optics. 17 (1), (2012).
  35. Carp, S. A., Dai, G. P., Boas, D. A., Franceschini, M. A., Kim, Y. R. Validation of diffuse correlation spectroscopy measurements of rodent cerebral blood flow with simultaneous arterial spin labeling MRI; towards MRI-optical continuous cerebral metabolic monitoring. Biomedical Optics Express. 1 (2), 553-565 (2010).
  36. Roche-Labarbe, N., et al. Near-infrared spectroscopy assessment of cerebral oxygen metabolism in the developing premature brain. Journal of Cerebral Blood Flow. , (2012).
  37. Bergonzi, K. M., Bauer, A. Q., Wright, P. W., Culver, J. P. Mapping functional connectivity using cerebral blood flow in the mouse brain. J Cereb Blood Flow Metab. 35 (3), 367-370 (2015).
  38. Poon, C. S., Li, J., Kress, J., Rohrbach, D. J., Sunar, U. Resting state Functional Connectivity measured by Diffuse Correlation Spectroscopy. Optics InfoBase Conference Papers. , (2018).
  39. Li, J., Poon, C. -. S., Kress, J., Rohrbach, D. J., Sunar, U. Resting state functional connectivity measured by diffuse correlation spectroscopy. Journal of Biophotonics. 11 (2), (2018).
  40. Yu, G. Q. Near-infrared diffuse correlation spectroscopy in cancer diagnosis and therapy monitoring. J Biomed Opt. 17 (1), (2012).
  41. Li, J., et al. Measurements of human motor and visual activities with diffusing-wave spectroscopy. Novel Optical Instrumentation for Biomedical Applications II. 5864, 58640 (2005).
  42. Wang, D., et al. Fast blood flow monitoring in deep tissues with real-time software correlators. Biomedical Optics Express. 7 (3), 776 (2016).
  43. Boas, D. A., Yodh, A. G. Spatially varying dynamical properties of turbid media probed with diffusing temporal light correlation. Journal of the Optical Society of America a-Optics Image Science and Vision. 14 (1), 192-215 (1997).
  44. Diop, M., Lee, T. -. Y., St. Lawrence, K. Continuous monitoring of absolute cerebral blood flow by combining diffuse correlation spectroscopy and time-resolved near-infrared technology. Spie. 7896, 78960 (2011).
  45. Medical, I. . ISS Oxiplex Manual. , (2008).
  46. Fantini, S., et al. Quantitative optical monitoring of the hemoglobin concentration and saturation in the piglet brain. Biomedical Optical Spectroscopy and Diagnostics. , (2000).
  47. Hueber, D. M., et al. Non-invasive and quantitative near-infrared haemoglobin spectrometry in the piglet brain during hypoxic stress, using a frequency-domain multidistance instrument. Physics in Medicine and Biology. , (2001).
  48. Zhang, J., et al. Application of I&Q detection system in scouting the curative effect of neck squamous cell carcinoma. Optical Tomography and Spectroscopy of Tissue V. , (2003).
  49. Zhao, J., Ding, H. S., Hou, X. L., Le Zhou, C., Chance, B. In vivo determination of the optical properties of infant brain using frequency-domain near-infrared spectroscopy. Journal of Biomedical Optics. , (2005).
  50. Tu, T., Chen, Y., Zhang, J., Intes, X., Chance, B. Analysis on performance and optimization of frequency-domain near-infrared instruments. Journal of Biomedical Optics. , (2002).
  51. Choe, R., et al. Transabdominal near infrared oximetry of hypoxic stress in fetal sheep brain in utero. Proceedings of the National Academy of Sciences of the United States of America. , (2003).
  52. Sunar, U., et al. Noninvasive diffuse optical measurement of blood flow and blood oxygenation for monitoring radiation therapy in patients with head and neck tumors: a pilot study. Journal of Biomedical Optics. 11 (6), (2006).
  53. Sunar, U., et al. Hemodynamic responses to antivascular therapy and ionizing radiation assessed by diffuse optical spectroscopies. Optics Express. , (2007).
  54. Durduran, T., Choe, R., Baker, W. B., Yodh, A. G. Diffuse Optics for Tissue Monitoring and Tomography T. Rep Prog Phys. 73 (7), (2010).
  55. Boas, D. A., Campbell, L. E., Yodh, A. G. Scattering and imaging with diffusing temporal field correlations. Physical Review Letters. , (1995).
  56. Boas, D. A., Yodh, A. G. Spatially varying dynamical properties of turbid media probed with diffusing temporal light correlation. Journal of the Optical Society of America A. , (1997).
  57. Chuang, C. -. C., Sun, C. -. W. Gender-related effects of prefrontal cortex connectivity: a resting state functional optical tomography study. Biomedical Optics Express. 5 (8), 2503 (2014).
  58. Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. , (2004).
  59. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. , (2009).
  60. Farzam, P., et al. Shedding light on the neonatal brain: Probing cerebral hemodynamics by diffuse optical spectroscopic methods. Scientific Reports. , (2017).
  61. Shang, Y., Li, T., Yu, G. Clinical applications of near-infrared diffuse correlation spectroscopy and tomography for tissue blood flow monitoring and imaging. Physiological Measurement. , (2017).
  62. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philos Trans A Math Phys Eng Sci. 369 (1955), 4390-4406 (2011).
  63. Durduran, T., et al. Diffuse optical measurement of blood flow, blood oxygenation, and metabolism in a human brain during sensorimotor cortex activation. Optics Letters. , (2004).
  64. Kim, M. N., et al. Noninvasive measurement of cerebral blood flow and blood oxygenation using near-infrared and diffuse correlation spectroscopies in critically brain-injured adults. Neurocritical Care. , (2010).
  65. Irwin, D., et al. Influences of tissue absorption and scattering on diffuse correlation spectroscopy blood flow measurements. Biomedical Optics Express. , (2011).

Tags

Keywords: Cerebral Blood FlowResting State Functional ConnectivityOptical Diffuse Correlation SpectroscopyWearable Optical Probes3D-printed ProbeMulti-mode FibersSingle-mode Fibers785 Nanometer LaserSingle-photon Counting MachinesFD-fNIRS SystemCalibration Phantom
check_url/it/60765?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
Poon, C., Rinehart, B., Li, J., Sunar, U. Cerebral Blood Flow-Based Resting State Functional Connectivity of the Human Brain using Optical Diffuse Correlation Spectroscopy. J. Vis. Exp. (159), e60765, doi:10.3791/60765 (2020).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

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

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image