Summary

Analyses qualitatives et comparatives des données d’activité corticale à partir d’une expérience de spectroscopie fonctionnelle dans le proche infrarouge appliquant la conception de blocs

Published: December 03, 2020
doi:

Summary

Nous décrivons l’analyse de l’expérience fonctionnelle continue-onduleuse de spectroscopie proche infrarouge utilisant une conception de bloc avec une tâche sensorimotrice. Pour accroître la fiabilité de l’analyse des données, nous avons utilisé la cartographie statistique paramétrique qualitative générale basée sur un modèle linéaire et les modèles mixtes hiérarchiques comparatifs pour les canaux multiples.

Abstract

Les études de neuroimagerie jouent un rôle central dans l’évaluation des affections neurologiques pré-interventionnelles par rapport aux affections post-interventionnelles, comme la réadaptation et le traitement chirurgical. Parmi les nombreuses technologies de neuroimagerie utilisées pour mesurer l’activité cérébrale, la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS) permet d’évaluer les activités corticales dynamiques en mesurant les niveaux locaux d’hémoglobine similaires à l’imagerie par résonance magnétique fonctionnelle (IRMf). En outre, en raison d’une restriction physique moindre dans fNIRS, plusieurs variantes de tâches sensorimotrices peuvent être évaluées. De nombreux laboratoires ont mis au point plusieurs méthodes d’analyse des données du FNIRS; cependant, malgré le fait que les principes généraux sont les mêmes, il n’existe pas de méthode universellement normalisée. Ici, nous présentons les méthodes analytiques qualitatives et comparatives des données obtenues à partir d’une expérience fNIRS multicanal à l’aide d’un plan de bloc. Pour l’analyse qualitative, nous avons utilisé un logiciel pour le NIRS comme approche univariée de masse basée sur le modèle linéaire généralisé. L’analyse NIRS-SPM montre des résultats qualitatifs pour chaque session en visualisant la zone activée pendant la tâche. En outre, le numériseur tridimensionnel non invasif peut être utilisé pour estimer les emplacements des canaux fNIRS par rapport au cerveau. Pour corroborer les résultats du NIRS-SPM, l’amplitude des changements dans les niveaux d’hémoglobine induits par la tâche sensorimotrice peut être statistiquement analysée en comparant les données obtenues à partir de deux sessions différentes (avant et après l’intervention) du même sujet d’étude à l’aide d’un modèle mixte hiérarchique multicanal. Nos méthodes peuvent être utilisées pour mesurer l’analyse pré- vs post-intervention dans une variété de troubles neurologiques tels que les troubles du mouvement, les maladies cérébrovasculaires et les troubles neuropsychiatriques.

Introduction

Neurorehabilitation joue un rôle important dans le rétablissement fonctionnel suivant la perturbation sensorimotrice. Pour clarifier les mécanismes de la récupération fonctionnelle associée à la neuroplasticité, diverses technologies de neuroimagerie ont été utilisées, telles que l’imagerie par résonance magnétique fonctionnelle (IRMf), la tomographie par émission de positons (TEP), l’électroencéphalographie (EEG) et la spectroscopie fonctionnelle dans le proche infrarouge (IRNirs). Différentes modalités d’imagerie présentent différents avantages et inconvénients. Bien que l’IRMf soit l’appareil le plus typique, il est affecté par les champs magnétiques, a un coût élevé, une restriction physique élevée et des tâches sensorimotrices limitées1,2,3,4. Le dispositif fNIRS se distingue comme une neuroimagerie optique non invasive et a une résolution spatiale relativement inférieure, mais il a une meilleure résolution temporelle que l’IRMf4. Le fNIRS convient lors de la vérification des effets du traitement, car il compare les effets pré- et post-intervention, a des tâches motrices dynamiques, est portable et fonctionne davantage dans les environnements naturels que l’IRMf1,2,4. Il a été rapporté que le NIRS est plus approprié dans les domaines des maladies cérébrovasculaires, des troubles épileptiques, des lésions cérébrales graves, de la maladie de Parkinson et des troubles cognitifs1,5. En ce qui concerne les tâches sensorimotrices, il est largement utilisé dans la démarche et l’équilibre debout6,7,8,la fonction des membres supérieurs (préhension de la main, tapotement des doigts)8,9,l’entraînement moteur complexe10,11,la robotique12,13,14,15,et l’interface cerveau-ordinateur16,17,18. Le fNIRS est basé sur les principes de neuroimagerie optique et de couplage neurovasculaire, qui mesurent l’activité métabolique corticale, l’augmentation du flux sanguin, et par conséquent l’activité corticale comme signaux secondaires19. On a signalé que les signaux fNIRS ont de fortes corrélations avec les signaux d’IRMf20dépendant du niveau d’oxygène dans le sang. Un fNIRS à ondes continues utilise la loi de Beer-Lambert modifiée pour déterminer les changements dans les niveaux de concentration corticale d’hémoglobine oxygénée(HbO2)et d’hémoglobine désoxygénée (HHb) en fonction des changements mesurés dans l’atténuation de la lumière proche infrarouge à large bande21,22. Comme il n’était pas possible de mesurer le facteur différentiel de longueur de chemin (DPF) à l’aide du système NIRS à ondes continues, nous avons supposé que le DPF était constant et que les changements de signal d’hémoglobine étaient notés en unités arbitraires de millimole-millimètre (mM x mm)2,18.

Les expériences fNIRS doivent sélectionner les méthodes les plus adéquates, y compris les paramètres de la sonde, les plans d’expérience et les méthodes d’analyse. En ce qui concerne le réglage de la sonde, la méthode internationale 10-20 utilisée dans la mesure EEG est la norme de réglage utilisée par de nombreux chercheurs en neuroimagerie. Au cours des dernières années, des paramètres de coordonnées basés sur le cerveau standard sur la base des coordonnées de l’Institut neurologique de Montréal (INM) ont été utilisés. L’expérience utilise une conception de bloc, généralement utilisée pour les tâches sensorimotrices, et une conception liée aux événements. Il s’agit d’une méthode de comparaison des changements dans la concentration d’hémoglobine au repos et pendant les tâches; Les niveaux de concentration de HbO2 augmentent et les niveaux de concentration de HHb diminuent avec des changements du flux sanguin cérébral lié à l’activité corticale tâche-dépendante. Bien qu’il existe différentes méthodes d’analyse, le logiciel libre NIRS-SPM permet une analyse similaire à la cartographie paramétrique statistique (SPM) de l’IRMf. Le traitement des données nirs utilise une approche univariée de masse basée sur le modèle linéaire général (GLM). Lors de l’analyse de l’activité cérébrale dépendante de la tâche, les mesures fNIRS peuvent être affectées par une activité neuronale évoquée ou non évoquée et des interférences physiologiques systémiques (fréquence cardiaque, pression artérielle, fréquence respiratoire et activité du système nerveux autonome) dans le compartiment cérébral et extracérébral23. Par conséquent, le traitement de pré-analyse, le filtrage, la conversion d’ondelettes et l’analyse en composantes principales sont utiles23. En ce qui concerne le filtrage et les artefacts du traitement des données à l’aide du NIRS-SPM, le filtrage passe-bas9 et la longueur minimale de description des ondelettes (Wavelet-MDL)24 detrending ont été utilisés pour surmonter le mouvement ou d’autres sources de bruit / artefact. Pour plus de détails sur cette méthode analytique, voir le rapport de Ye et coll.25. Bien qu’il existe des rapports utilisant uniquement SPM, il ne s’agit que d’un index qualitatif par analyse d’image, et en raison de la faible résolution spatiale de NIRS, une extrême prudence est requise pour l’analyse de groupe. De plus, lorsque le DPF est constant, des comparaisons numériques entre les canaux et les individus ne doivent pas être effectuées, mais la différence dans les changements dans chaque canal peut être vérifiée. Sur la base des conditions ci-dessus, afin de compléter les résultats de l’analyse de groupe NIRS-SPM, nous avons utilisé la méthode d’analyse originale pour l’analyse multicanal après avoir amélioré la précision de l’enregistrement spatial. Cette analyse multicanal a comparé l’amplitude de la variation des niveaux d’HbO2 et de HHb entre les périodes de repos et de travail à chaque canal avant et immédiatement après le traitement à l’aide de modèles mixtes hiérarchiques avec des interventions fixes (avant ou après), des périodes fixes (repos ou sur la tâche) et des effets individuels aléatoires.

De cette façon, il existe plusieurs méthodes de mesure et d’analyse du FNIRS; toutefois, aucune méthode normalisée n’a été établie. Dans cet article, nous présentons nos méthodes, la cartographie paramétrique statistique qualitative basée sur glm et le modèle mixte hiérarchique multi-niveaux comparatif, pour analyser les données obtenues à partir d’une expérience fNIRS multicanal de pré- vs post-intervention en utilisant une conception de bloc avec des tâches sensorimotrices.

Protocol

Cette étude a été approuvée par le comité d’examen institutionnel (CISR) de l’Université de Fukuoka, au Japon (CISR no 2017M017). Avant la participation, tous les patients ont donné leur consentement éclairé par écrit. 1. Préparation de l’expérience fNIRS REMARQUE : Un système NIRS à ondes continues multicanal à ondes continues a été utilisé pour cette expérience. Les longueurs d’onde de la lumière proche infrarouge étaient de 780 nm, 805 …

Representative Results

Nous présentons ici la rééducation assistée par robot sur laquelle notre groupe travaille actuellement : les effets du biofeedback sur le déficit moteur des membres supérieurs chez les patients ayant subi un AVC aigu. Nous avons inclus 10 patients consentants de course (âge moyen : 66,8 ± 12,0 ans ; deux femmes et huit hommes) qui ont été admis à notre hôpital. À l’étape subaiguë de course, plus de 2 semaines après le début, nous avons évalué l’activité corticale m…

Discussion

Dans nos méthodes analytiques de groupe pour le fNIRS, en plus d’effectuer une méthode d’analyse d’imagerie par des mappages qualitatifs de statistiques t,nous avons comparé pré- et post-intervention (exercice assisté par robot) en utilisant l’analyse multicanal comparative. Pour l’analyse qualitative, nous avons utilisé le logiciel NIRS-SPM comme une approche univariée de masse basée sur le modèle linéaire généralisé. L’analyse NIRS-SPM montre les résultats qualitatifs de chaque sessio…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Ce travail a été en partie soutenu par la Japan Society for the Promotion of Science (JSPS) Grant-in-Aid for Scientific Research (C) 18K08956 et un fonds de l’Institut central de recherche de l’Université de Fukuoka (n ° 201045).

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)

Riferimenti

  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).
check_url/it/61836?article_type=t

Play Video

Citazione di questo articolo
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).

View Video