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

Connettività funzionale dello stato di riposo basato sul flusso sanguigno cerebrale del cervello umano utilizzando la spettroscopia ottica di correlazione diffusa

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

Questo protocollo dimostra come misurare la connettività funzionale dello stato di riposo nella corteccia prefrontale umana utilizzando uno strumento di spettroscopia di correlazione diffusa su misura. La relazione discute anche gli aspetti pratici dell’esperimento e le fasi dettagliate per l’analisi dei dati.

Abstract

Per ottenere una comprensione completa del cervello umano, l’utilizzo del flusso sanguigno cerebrale (CBF) come fonte di contrasto è desiderato perché è un parametro emodinamico chiave relativo all’apporto di ossigeno cerebrale. È stato di riposo le fluttuazioni a bassa frequenza basate sul contrasto di ossigenazione hanno dimostrato di fornire correlazioni tra regioni funzionalmente connesse. Il protocollo presentato utilizza la spettroscopia di correlazione diffusa ottica (DCS) per valutare la connettività funzionale dello stato di riposo basata sul flusso sanguigno (RSFC) nel cervello umano. I risultati di RSFC basati su CBF nella corteccia frontale umana indicano che rsFC intraregionale è significativamente più alto nei cortici sinistro e destro rispetto al RSFC interregionale in entrambe le cortice. Questo protocollo dovrebbe essere di interesse per i ricercatori che impiegano tecniche di imaging multimodale per studiare la funzione del cervello umano, specialmente nella popolazione pediatrica.

Introduction

Quando il cervello è in uno stato di riposo, dimostra un’alta sincronizzazione di attività spontanea in regioni funzionalmente correlate, che può essere situata nelle vicinanze o da una distanza. Queste aree in-sync sono note come reti funzionali1,2,3,4,5,6,7,8,9. Questo fenomeno è stato scoperto per la prima volta da uno studio di risonanza magnetica funzionale (fMRI) che utilizza segnali dipendenti dal livello di ossigeno nel sangue (BOLD) che indicano i livelli di ossigenazione del sangue cerebrale5,10, noto anche come connettività funzionale dello stato a riposo (RSFC). Anomalie in RSFC sono stati associati con disturbi cerebrali come l’autismo11, Morbo di Alzheimer12, e la depressione13. Così, RSFC è uno strumento prezioso per studiare i pazienti con disturbi che hanno difficoltà a eseguire valutazioni basate su attività. Tuttavia, molti pazienti, come i bambini autistici giovani, sono poveri candidati per la valutazione da parte della fMRI, in quanto richiede di rimanere ancora all’interno di uno spazio confinato per lunghi periodi di tempo14,15. L’imaging ottico è veloce e indossabile; così, è adatto per la maggior parte dei pazienti, in particolare la popolazione pediatrica16,17,18,19,20,21,22,23,24. Utilizzando questi vantaggi, la spettroscopia funzionale nel vicino infrarosso (fNIRS), che può quantificare la concentrazione di emoglobina e i parametri di saturazione di ossigeno nel cervello, viene utilizzata per misurare la RSFC negli esseri umani (compresa la popolazione pediatrica4,8,25 e pazienti con autismo11).

La spettroscopia ottica di correlazione diffusa (DCS), una tecnica ottica relativamente nuova, può quantificare il flusso sanguigno cerebrale, che è un parametro importante che associa l’apporto di ossigeno al metabolismo6,17,26,27,28,29. Il contrasto del flusso ottico quantificato dalla MDD ha dimostrato di avere una maggiore sensibilità nel cervello rispetto al contrasto di ossigenazione30. Pertanto, l’utilizzo dei parametri CBF derivati da DCS per la valutazione di RSFC è vantaggioso.

La MDD è sensibile alle cellule del sangue in movimento. Quando i fotoni diffarsi si disperdono dalle cellule del sangue in movimento, l’intensità della luce rilevata fluttua nel tempo. La DCS misura una funzione di autocorrelazione dell’intensità basata sul tempo e il suo tasso di decadimento dipende dai parametri ottici e dal flusso sanguigno. Questi valori vengono infine utilizzati per ottenere l’indice del flusso sanguigno cerebrale (CBFi). Con le cellule del sangue in movimento più veloci, la funzione di autocorrelazione dell’intensità decade più velocemente. Pertanto, le informazioni sul movimento in profondità sotto la superficie del tessuto possono essere derivate (ad esempio, nel cervello) dalle misurazioni della diffazione delle fluttuazioni della luce nel tempo27,31,32,33,34,35. La MDD è una tecnica complementare al fNIRS ampiamente noto che misura l’ossigenazione del sangue17,36. Poiché sia fNIRS che DCS sono tecniche ottiche di imaging cerebrale con alta risoluzione temporale nell’intervallo di millisecondi, i set-up di imaging ottico sono molto meno sensibili agli artefatti di movimento rispetto alla fMRI. Sono stati utilizzati con successo anche per l’imaging cerebrale funzionale nelle popolazioni pediatriche, compresi i neonati molto piccoli16. In precedenza, sono state utilizzate misurazioni superficiali del flusso sanguigno per valutare la RSFC negli studi preclinici nei topi37. Qui, i parametri del flusso sanguigno vengono utilizzati per quantificare RSFC in nove adulti sani come uno studio proof-of-concept38,39.

In questo studio vengono utilizzati un sistema commerciale FD-fNIRS e un sistema DCS personalizzato(vedere Tabella dei materiali). Il DCS che è stato costruito in-house è composto da due 785 nm, 100 mW, lunghi laser a onde continue di coerenza che sono accoppiati a un connettore FC e otto macchine per il conteggio di foto singolo (SPCM) collegate a un auto-correlatore. Un’interfaccia utente grafica (GUI) software personalizzata è stata creata anche appositamente per questo sistema per visualizzare e salvare i conteggi dei fotoni, le curve di autocorrelazione e il flusso sanguigno semi-quantitativo di ogni canale SPCM in tempo reale. Le parti di questo sistema sono comunemente utilizzate per DCS16,17,31,32,40,42,43,44, e i risultati ottenuti sono stati anche verificati internamente e utilizzati in un recente studio39.

Protocol

Il protocollo è stato approvato dall’Institutional Review Board della Wright State University, e il consenso informato è stato ottenuto da ogni partecipante prima dell’esperimento. 1. Preparazione del soggetto Accendere il sistema FD-fNIRS e DCS per riscaldarsi per almeno 10 min (vedere le sezioni 2 e 3 per ulteriori dettagli) prima di iniziare qualsiasi misurazione del soggetto. Un esempio di misurazione del soggetto con lo strumento DCS compatto è illustrato nella <strong class=…

Representative Results

La fattibilità dell’utilizzo di DCS per misurare la connettività funzionale è stata esordiata con successo39. È stata misurata la connettività funzionale dello stato di riposo nelle cortice prefrontali di nove soggetti. I risultati (media – SD) indicavano una correlazione più elevata nell’area intraregionale di sinistra (0,64 x 0,25) e a destra (0,62 x 0,23) cortici, rispetto alla regione interregionale della sinistra (0,32 x 0,32), (0,34 x 0,27) e a destra (0,34 x 0,29), (0,34 x 0,26) corti…

Discussion

Per determinare se CBF misurato da DCS accuratamente rilevato RSFC, due aree del cervello con proprietà RSFC note sono state esaminate. Si presuppone che la connettività funzionale tra le aree DLFC e tra DLFC e IFC esistanoto 57,58,59. È stata scelta la connettività tra due siti all’interno del DLFC sinistro e destro, perché la connettività intraregionale è in genere più elevata. Inoltre, è stata scelta la connettività…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Gli autori desiderano riconoscere il sostegno finanziario dell’Ohio Third Frontier all’Ohio Imaging Research and Innovation Network (OIRAIN, 667750) e alla National Natural Science Foundation of China (n. 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