Summary

Verwendung fiberlosen, Wearable fNIRS die Hirnaktivität in realen kognitiven Aufgaben Überwachen

Published: December 02, 2015
doi:

Summary

Überwachung der Hirnaktivität außerhalb des Labors ohne körperliche Einschränkungen präsentiert methodische Herausforderungen. Ein fiberlose, tragbare funktionellen Nahinfrarotspektroskopie System (fNIRS) wurde verwendet, um die Gehirnaktivität während einer ökologischen prospektiven Gedächtnisaufgabe zu messen. Es wurde gezeigt, daß dieses System verwendet werden, um die Gehirnaktivität während der Nicht-lab basierte Experimente überwachen.

Abstract

Functional Nahinfrarotspektroskopie (fNIRS) ist eine bildgebende Technik, die Nah-Infrarot-Licht verwendet, um die Gehirnaktivität zu überwachen. Basierend auf neurovaskulären Kopplung ist fNIRS Lage, messen die Hämoglobinkonzentration ändert sekundäre neuronale Aktivität. Im Vergleich zu anderen bildgebenden Verfahren, stellt fNIRS einen guten Kompromiss in Bezug auf die räumliche und zeitliche Auflösung. Darüber hinaus ist es tragbar, leicht, weniger empfindlich gegenüber Bewegungsartefakten und keine signifikante physikalische Beschränkungen auferlegen. Es ist daher angebracht, um eine breite Palette von kognitiven Aufgaben (zB Gehör, Ganganalyse, die soziale Interaktion) und verschiedenen Altersgruppen (zB Neugeborene, Erwachsene, ältere Menschen) zu überwachen. Die jüngste Entwicklung von fiberlosen fNIRS Geräte hat den Weg für neue Anwendungen in der neurowissenschaftlichen Forschung eröffnet. Dies stellt eine einzigartige Gelegenheit, um die funktionelle Aktivität während der realen Welt Tests zu studieren, die empfindlicher und genauer in den Arsch sein kann,Essing die kognitive Funktion und Dysfunktion als Labor-basierten Tests. Diese Studie untersucht die Verwendung von fiberlosen fNIRS die Hirnaktivität während eines realen prospektiven Gedächtnisaufgabe zu überwachen. Dieses Protokoll wird außerhalb des Labors und Gehirn Hämoglobinkonzentrationsänderungen kontinuierlich über den präfrontalen Kortex gemessen, während der Gegenstand herumläuft, um verschiedene Aufgaben durchgeführt.

Introduction

Anomalie der Funktion im präfrontalen Kortex, und vor allem die vordersten Teils (rostral präfrontalen Kortex oder BA10) ist in einer Reihe von Entwicklungs, psychiatrischen und neurologischen Erkrankungen häufig. Es bewirkt, dass deutliche Störungen im Problemlösen, Gedächtnis und Aufmerksamkeits Fähigkeiten im täglichen Leben, die sehr zu deaktivieren sind 1,2. Jedoch sind diese Arten von Problemen schwierig, im Labor oder in der Klinik zu diagnostizieren. Das ist, weil die mentalen Prozesse, die BA 10 Träger werden im Umgang mit neuartigen, offenen Situationen, in denen Verhalten beteiligt selbstinitiierte 3. Solche Situationen sind schwer im Labor erfolgreich neu zu erstellen, da die formalen, künstliche und eng begrenzt Situation der Teilnehmer steht in der Regel im Labor kann ihr Verhalten und die Art und Weise, dass sie die Aufgabe zu nähern ändern. Dies kann die Gültigkeit der Messung entweder klinische oder Forschungszwecken deutlich zu reduzieren, mit einem starken Risiko der Unterdiagnose 4 </ sup>. Eines der durch den Frontallappen, wo dies am deutlichsten unterstützten kognitiven Fähigkeiten ist prospektive Speicher (dh die Fähigkeit, sich zu erinnern, die Durchführung einer künftigen Maßnahmen), wo es seit langem bekannt, dass es erhebliche Meinungsverschiedenheiten zwischen den Messungen im Alltag gemacht werden Leben und das Labor 5. Diese methodischen Fragen konnten weitgehend umgangen werden, wenn Forscher und Kliniker untersuchen präfrontalen Kortex-Funktion, einschließlich prospektiven Gedächtnis, konnte so, indem sie ihre Messungen in der "realen Welt" Situationen zu tun.

Während Neuroimaging-Techniken stellen ein mächtiges Werkzeug, um die Gehirnfunktion in einem nicht-invasiv und objektive Art und Weise zu untersuchen, die meisten dieser Techniken zu verhängen physischen Einschränkungen zu diesem Thema, und sind somit nicht für den Einsatz im Alltag Einstellungen (z. B. funktionellen Magnet-Resonanz (geeignete fMRI), Magnetoenzephalografie (MEG), Positronenemissionstomographie (PET)). Angesichts der Notwendigkeit, bringenfunktionelle Bildgebung Instrumente außerhalb des Labors und angesichts der jüngsten technologischen Verbesserungen, tragbare und leicht tragbar Elektroenzephalographie (EEG) und funktionelle Nahinfrarot-Spektroskopie (fNIRS) Systeme entwickelt 6-11. Einer der Hauptvorteile der fNIRS über EEG ist seine höhere räumliche Auflösung. Darüber hinaus ist es weniger anfällig für Bewegungsartefakte, blinken und Augenbewegungen 12. Wearable fNIRS ist somit für den Einsatz in der täglichen Lebenszusammenhängen besser geeignet, da es weniger physische Einschränkungen auferlegt als EEG und ermöglicht freie Bewegung in einer natürlichen Umgebung.

fNIRS nicht-invasiv bestrahlt den Kopf mit Nah-Infrarot-Licht (650-900 nm). Wie das biologische Gewebe ist in diesem Wellenlängenbereich relativ transparent ist, kann das Licht, das Gehirn zu erreichen und durch Hämoglobin absorbiert. fNIRS misst somit die Konzentrationsänderungen der beiden Oxyhämoglobin (HbO 2) und Desoxyhämoglobin (HHb) mit Informationen von Oxygenierung und Hämodynamik changes mit Hirnaktivität verbunden. Genauer gesagt wird die Gehirnfunktionsaktivierung als gleichzeitige Erhöhung HbO 2 und eine Abnahme HHb 13 definiert. Die Eindringtiefe des Lichts bedeutet jedoch, dass Signal nur von der kortikalen Oberfläche wiederhergestellt werden. Als Licht wird in Gewebe diffundieren, ist es nicht möglich, hoch räumlich strukturelle Informationen über das Gehirn 14 zu erhalten. Konventionelle fNIRS Systeme verwenden optische Fasern auf den Kopf gekoppelt, um das Licht, das durch die Kopfhaut führen und um die zurückgestreute Licht zu sammeln. Obwohl diese Instrumente sind kompakt, tragbar und für Laborumgebungen geeignet, optischen Fasern, Bündel und ihr Gewicht zu begrenzen die Bewegungen der Teilnehmer und, wenn nicht gut stabilisiert, deren Verschiebungen führen zu Bewegungsartefakten Kontamination 7. Die neue Generation von miniaturisierten und fiberlosen fNIRS Systeme bietet die Möglichkeit, die Gehirnaktivität in realistischen Situationen auf frei beweglichen Teilnehmer erkundens und ohne nennenswerte körperliche Einschränkungen. Realistische Situationen sind besonders wertvoll, wenn die Erforschung menschlicher Führungsaufgaben und fiberlosen fNIRS Systeme können einen einzigartigen Einblick in die menschliche Hirnfunktionen bereitzustellen. Der erste fiberlose Systeme wurden nur mit einer kleinen Anzahl von Kanälen (z. B., ein Kanal 15 und 2 Kanäle 16) Beschränkung der Untersuchung auf kleine Flächen ausgestattet. Vor kurzem, Mehrkanal-Wireless-und tragbar fNIRS Geräte wurden entwickelt 6,7, 17-20 geben die Möglichkeit, größere Teile der Kopf frei bewegenden Teilnehmern zu überwachen.

In dieser Studie wurde eine neue Mehrkanal tragbar und fiberlosen fNIRS System verwendet werden, um zu überwachen und präfrontalen Kortex Aktivität Karte während eines realen potenziellen Speicher (PM) Aufgabe. Die fNIRS System ist hauptsächlich aus einem flexiblen Sondeneinheit (Headset), die sowohl den dorsolateralen und rostral präfrontalen Kortex (Figur 1) erstreckt sich zusammensetzt,die zu einer Verarbeitungseinheit (tragbare Box), die auf der Teilnehmer Taille (1D) getragen wird, verbunden ist. Das Headset ist aus 6-Oberflächenemissionslaserdiode mit zwei Wellenlängen (705 nm und 830 nm) und 6 Silizium-Photodioden gebildet. Das Fehlen von optischen Fasern verringert das Gewicht und die Masse der Sonde, wobei sich wohler und robust gegenüber Bewegungsartefakten. Optoden sind in einer alternierenden Geometrie (1A) mit einer inter Optode Abstand von 3 cm angeordnet, wodurch 16 Quellen-Detektor-Kombinationen (z. B. 16 Messkanäle) 6. Um das Headset aus der Umgebungslicht abzuschirmen, wird eine Schattierungskappe (1D).

Das Ziel dieser Studie war es, präfrontalen Kortex-Funktion zu untersuchen, während einer prospektiven Gedächtnisaufgabe in der realen Welt. Während prospektiven Gedächtnisaufgaben werden die Teilnehmer gebeten, sich daran zu erinnern, um zu einer seltenen Cue zu reagieren (z. B. eine bekannteGesicht oder eine Parkuhr) führen, wenn andere anspruchsvolle Aufgabe als "Daueraufgabe" bekannt. In zwei verschiedenen Blöcken der Aufgabe werden soziale potenziellen Speicher Cues (eine Person), um nicht-sozialen potenziellen Speicher Cues (a Parkuhr) gegenübergestellt. Dieser Gegensatz wurde gewählt, weil es eine wichtige Unterscheidung zwischen verschiedenen Formen der Cue in ereignisbasierten prospektiven Gedächtnisaufgaben und so das experimentelle Paradigma kann in der Nähe eines "real-life" Situation 21 gehalten werden gemacht darstellt. Während BA 10 ist bekannt, empfindlich auf die Verarbeitung von sozialen Vergleich zu nicht-sozialen Informationen in einigen Situationen zu sein (zB., Gilbert et al., 2007, 22), legt nahe, den letzten Beweis dafür, dass hämodynamischen Veränderungen in BA 10 bis prospektiven Gedächtnisaufgaben Zusammenhang sind relativ unempfindlich gegen Cue Unterschiede (siehe Burgess et al., 2011, 23 für die Überprüfung). Somit ist es eine offene Frage, ob Sozial im Vergleich zu nicht-soziale Signale beeinflusst BA 10 Aktivität im Zusammenhang mit einem potenziellen Speicherparadigmen.

Das Ziel dieser Studie ist es, die Machbarkeit der Verwendung der fNIRS System präfrontalen Kortex Hämodynamik und Oxygenierung Änderungen mit einer realen kognitive Aufgabe induzierte überwachen bewerten. Eine Einzelfallstudie (eines gesunden erwachsenen Teilnehmer, 24 Jahre alt), die auf der Nutzung des fNIRS Gerät während einer prospektiven Gedächtnisaufgabe, außen in einer typischen Londoner Straße Ort durchgeführt und imitiert die Anforderungen des Alltags Hier berichten wir. Insbesondere, ob hämodynamische Veränderungen als Reaktion auf soziale und nicht-sozialen PM Cues können aufgenommen werden untersucht.

Protocol

Das Protokoll wurde von der UCL lokalen Forschungsethikkommission, Kontrollnummer CEHP / 2014/901 genehmigt. 1. Instrumente-Setup vor der Ankunft des Teilnehmers Verwenden Sie Video-Aufnahmen von 3 Kameras zu "real-world" Typ Aufgaben (zB Shallice und Burgess 1991 3) zu analysieren: Legen Sie eine Kamera auf der Brust des Experimentators, um Bewegungen des Teilnehmers zu folgen. Montieren Sie die Kamera auf den Kopf fNIRS Schattierung Kappe zu verfolgen, wo der Teilnehmer während des gesamten Versuchs suchen. Bereiten Sie und schalten Sie die Kamera für die zweite Experimentator, der die erste Versuchsleiter und die Teilnehmer für die gesamte Sitzung folgt. Reinigen Sie die fNIRS Headset mit einem Desinfektions wischen. Legen Sie ein 3D-Scanner in einem geeigneten Raum (zB., Weit weg von Metallgegenständen, Wänden und Böden) und schalten Sie ihn ein. 2. TEILNEHMERt Vorbereitung und fNIRS Probe Placement Bevor das Experiment beginnt, haben die Teilnehmer unterschreiben die Einverständniserklärung. Verwenden Sie die 10-20-System (Abbildung 2) und digitalisieren die Optoden und 10-20 Standard-Positionen 24, 25, um konsistente fNIRS Headset Platzierung für alle Teilnehmer zu erreichen: Mark mit einem abwaschbaren Marker der Nasion (Nz, der Schnittpunkt zwischen der Stirnbein und Nasenknochen), Inion (Iz, der Hinterhaupthöcker auf der Rückseite der Kopfhaut) und linke und rechte präaurikulär Punkten (LPA, RPA, die Punkte vorderen zu den Ohren vor dem oberen Ende des Tragus) (Abbildung 2) in Übereinstimmung mit den Anweisungen des Herstellers. Messen Sie die Nz-Iz Abstand über und um den Kopf und den LPA-RPA Abstand über den Kopf. Mark mit einem abwaschbaren Marker der Cz (der Schnittpunkt zwischen der Nz-Iz Linie und der LPA-RPA Linie, an der 50% des Nz-Iz erreichbar und die 50% of die LPA-RPA Abstand), Fpz (10% des Nz-Iz Distanz) und Fz (30% des Nz-Iz Abstand) Punkten basierend auf dem 10-20-System (Abbildung 2). Verwenden Sie ein Stirnband mit Löchern passend zu den Optoden Positionen für eine genauere Digitalisierung über die Teilnehmer. Entfernen Sie Haare aus der Stirn so viel wie möglich mit Haarklammern entlang der Haaransatz. Legen Sie das Kopfband über die Digitalisierung des präfrontalen Kortex entsprechend den Fpz und Fz Punkte: Kanal 9 in Übereinstimmung mit der Fpz Punkt und Kanal 9-Kanal-8 Linie zum Fpz-Fz Linie (1E) ausgerichtet ist. Digitalisieren die markierten 10-20 Referenzpunkte und die Optoden Positionen mittels des 3D-Magnet digitalisieren. Speichern der digitalisierten Koordinaten und nutzen die Spatial Analysis Tool (http://brain-lab.jp/wp/?page_id=52) des Open-Source-Plattform für die Optischen Topographie Analysis Tools (Kartoffel) Software (siehe die Tabelle der Materialien für die Pelzther Informationen) zu fNIRS Daten auf ein Montreal Neurological Institute (MNI) Gehirn-Vorlage registrieren. HINWEIS: Der implementierte Algorithmus zur probabilistischen Registrierung wandelt die digitalisierten Orten in der realen Welt Koordinatensystem in das Koordinatensystem MNI und dann Projekte und lokalisiert sie auf den MNI Hirnoberfläche (1E) 26,27. Offene Kartoffel durch die Matlab-Befehl P3. Wählen Sie "Spatial Analysis" aus dem Menü auf dem Hauptfenster der Kartoffel Graphical User Interface (GUI) und klicken Sie auf die "Spatial Analysis" -Taste. Laden Sie die digitalisierten Koordinaten durch Klicken auf die "Empty 10-20" Knopf auf dem Spatial Analysis Data Viewer-Fenster. Klicken Sie auf die "Empty MNI" -Taste. Wählen Sie die 10/20 Referenzpunkte auf der Schätzung Fenster MNI und starten Sie die räumliche Registrierung. Überprüfen Sie die korrekte Lage der fNIRS-Kanäle auf der Vorlage Hirnoberfläche (1E): prüfen, ob Kanal 8 und Kanal 9 Überlappung der inter-hemisphärische Spalt 28. Wenn richtig ist, speichern Sie die Kanalkonfigurationsdatei für weitere Analysen; die Digitalisierung Band 8 und 9 ersetzen Sie andernfalls Wieder Ausrichten Kanäle FPZ-Fz Linie und überlappenden Kanal 9 bis Fpz. Wiederholen Sie dann die Digitalisierungsverfahren. Legen Sie die fNIRS Headset Ausrichten Kanäle 8 und 9 an die Fpz-Fz Linie und überlappenden Kanal 9 bis Fpz, im Einvernehmen mit der Digitalisierung Stirnband, und entfernen Sie das Stirnband (1B-C). Stellen Sie sicher, dass die Sonde auch an den Kopf des Teilnehmers befestigt. Legen Sie die Schattierung Kappe mit dem Kopf Kamera auf sie über die fNIRS Headset montiert. Erklären Sie die Versuchsvorschriften an den Teilnehmer. Fügen gerätebezogene Vorsichtsmaßnahmen (z. B. 'Nehmen Sie so wenig Zeit wie möglich, ohne zu hetzen oder aus der Versuchsleiter hinter (kein fließendes) ") sowie task spezifischen Vorschriften (z. B. "Sie außerhalb der Queen Square Bereich gehen nicht in die benachbarten Straßen oder Gebiete"). Haben die Teilnehmer erfolgreich zu merken alle Regeln und nach draußen gehen, um das Experiment zu starten. 3. fNIRS Signale Quality Assessment Verwenden Sie die fNIRS System im drahtlosen Modus Erste Sichtprüfung Signale Qualität auf dem fNIRS Laptop: Drücken Sie die Taste "Power" auf dem tragbaren Box und schalten Sie den fNIRS im Wireless-Modus. Öffnen Sie die fNIRS Erfassungssoftware auf dem fNIRS Laptop und stellen Sie die Verbindung mit dem tragbaren Box. Drücken Sie die "Probe Adjustment", um zu optimieren die Detektoren zu gewinnen auf der Basis des detektierten Lichts. Überprüfen Sie die Fühlerabgleich Ergebnisse auf der Software-Fenster "Probe Adjustment" und prüfen, ob jeder Detektor empfängt genug Licht von der Quelle durch Prüfen, ob alle Kanäle als "normal" eingestuft. ObKanäle als "Streunende" oder "Under", erneut Platz markiert die Schattierung Kappe und maximieren die Optoden Kopplung mit der Stirn. Wenn Kanäle als "Over" bezeichnet, stellen Sie die Leistung der Laserquelle auf "niedrig". Hinweis: Da die seitlichen Kanäle decken den dorsolateralen präfrontalen Kortex, in einigen Fällen kann es notwendig sein, die Haare aus der Stirn zu bewegen, um das empfangene Licht zu maximieren. Drücken Sie die "Ready" und dann auf "Start", um Daten für eine Minute zu erwerben und zu überprüfen, ob Heartbeat (Hämoglobin Schwingungen ~ 1 Hz) ist auf Konzentrationssignale, die eine gute Signalqualität sorgt für sichtbar. Schalten Sie den tragbaren Box in der Wireless-Modus mit der Taste "Power" auf sie. Drücken Sie die Taste "Power" in Verbindung mit der "Mode" Taste auf der tragbaren Box auf den fNIRS im Standalone-Modus schalten. HINWEIS: Die Stand-alone-Modus sorgt dafür, dass die Teilnehmer kann frei um die Versuchsfläche bewegen und vermeidet die Notwendigkeit, in der Nähe des fNIRS Laptop, um die Wireless-Verbindung aufrecht zu erhalten sein. 4. Datenerfassung Schalten Sie den Kamerakopf und die Experimentatoren 'Kameras und beginnen Dreharbeiten. Drücken Sie die "Probe Adjustment" auf der fNIRS tragbaren Box optimiert die Detektoren zu gewinnen und dann die Taste "Play / Stop" Taste, um die fNIRS Akquisition (Abtastfrequenz = 5 Hz) zu starten. Fügen Sie eine Markierung, um den fNIRS Daten manuell mit dem "Mark" auf der fNIRS tragbaren Box in Verbindung mit einem Audio-Trigger (z. B. einen Signalton). Der Audiotrigger müssen deutlich auf allen Videokameras aufgezeichnet werden. Dann starten Sie das Experiment. HINWEIS: Dies ermöglicht eine robuste Zeitsynchronisation zwischen den verschiedenen Videokameras und die fNIRS Aufnahme. 5. Versuchsprotokoll & #160; Fügen Sie die folgenden Bedingungen und Gegengewicht zu den potenziellen Speicher diejenigen, für die Teilnehmer: Verwenden Sie 3 Ausgangsbedingungen: HINWEIS: Dies ermöglicht die globale Hämodynamik und Sauerstoffversorgung zu entkoppeln Änderungen aufgrund Fuß bezogene systemische Veränderungen im Vergleich zu mehr lokalisierte Reaktionen aufgrund von Gehirn (neuronale) -Funktion. Für den Rest 1 Bedingung haben die Teilnehmer stehen stationär auf der Straße, wo der Test durchgeführt wird, und zählen die Anzahl der Reize auf ein Stück Papier (z. B. mit einem Blatt mit Xs und Os auf ihm gedruckt und haben die Teilnehmerzahl die Anzahl der Ausgänge auf sie). Für den Rest 2 Bedingung haben die Teilnehmer zu Fuß ein kurzes Stück auf einem normalen Schritttempo, und stellen Sie keine anderen von ihm verlangt. Für den Ausgangszustand, haben die Teilnehmer zu Fuß rund um die ganze Straße Bereich, in dem das Experiment durchgeführt. HINWEIS: In unserem Fall hat das Experiment stattin Queen Square, London WC1N, UK Für die Nicht kontaminierte Laufende Bedingung haben die Teilnehmer zu Fuß rund um den experimentellen Bereich und zählen das Auftreten bestimmter Gegenstände (z. B. die Anzahl der Zeichen, um Gebäude, die das Wort "Queen" enthalten, angebracht). Für die Nicht-Sozial Prospective Speicherbedingung haben die Teilnehmer die Durchführung der Daueraufgabe (z. B. haben die Teilnehmer zählen die Anzahl der Termine und Öffnungszeiten an Gebäuden angebracht), sondern darüber hinaus, wenn sie innerhalb einer bestimmten Entfernung von einem kam Parkuhr, haben sie über zu gehen, um es zu und berühren. Für die Sozial Prospective Speicherbedingung haben die Teilnehmer die Durchführung der Daueraufgabe (z. B. haben die Teilnehmer zählen die Anzahl Türklingeln), sondern darüber hinaus, haben ihn zu reagieren, um einer der Experimentatoren, die als eine der konföderierten, die sich um in vorge bewegt wirkt -specified Positionen innerhalb der Versuchsfläche. Haben die Teilnehmer gehen auf sie zuund ihnen ein "fist bump" Gruß. Verwenden Sie eine zusätzliche laufende Bedingung (Kontaminierte Laufende), nachdem die Uhr Bedingungen (zB., Hat die Teilnehmer, die Anzahl der ungehinderten Treppen im Testbereich zählen). Wiederholen Sie die beiden oben in umgekehrter Reihenfolge beschrieben Ruhebedingungen (Rest 2 und dann Rest 1). HINWEIS: Dies ermöglicht Auswertung der Spaziergang bezogene systemische Veränderungen am Ende des Experiments. 6. Wiederherstellen von Veranstaltungen aus den Videos Laden Sie die Videos aller Kameras und speichern in MPG4-Format. Laden Sie die Videos von allen Kameras in ELAN (https://tla.mpi.nl/tools/tla-tools/elan/) und synchronisieren Sie die Videos: Verwendung Optionen / Medien Synchronisation-Modus und richten sie auf der Grundlage des Zeitpunkts des Audio auslösen. In ELAN, verwenden Sie Anmerkungen und drücken Sie die Tier-Taste auf der ELAN-Hauptfenster (bezogenGruppen von Anmerkungen, dh., einem Tier für alle gesellschaftlichen Ziele PM), um Ereignisse in der Video-Stream zu markieren. Sehen Sie sich das Video-Stream synchronisiert und mit Anmerkungen versehen von Beginn und Ende jeder Versuchsbedingung, und verwenden Sie Ebenen für den Punkt, an dem jedes PM Ziel erreicht ist. Verwenden Sie separate Ebenen für die sozialen und nicht-sozialen PM Ziele. Schließen Sie die Videobearbeitung für jeden Teilnehmer und verwenden Sie die Datei / Export As / Interlinear Text für den Export als Textdatei alle kommentierten Zeitpunkten. 7. Datenanalyse Öffnen Sie die fNIRS Software und Export von Daten aus dem tragbaren Box-Flash-Karte in das fNIRS Laptop. HINWEIS: Die fNIRS System-Verarbeitungseinheit verwendet den modifizierten Bier-Lambert Gesetz und berechnet die relativen Veränderungen in HbO 2 und HHb von einem willkürlichen Null-Grundlinie zu Beginn der Messperiode. Konzentrationswerte werden somit in molaren Konzentrationen (mmol / l) multipliziert exprimiertvon der Pfadlänge (mm) 6, da sie nicht für die optische Weglänge korrigiert. Sparen Konzentrationen Daten und importieren Sie sie in Matlab durch eine in-house vor, eine Bearbeitungssoftware. Pre-Prozess werden die Signale auf diesen Schritten folgt (3B): Signale Downsampling auf 1 Hz: Verwenden Sie eine Spline-Interpolation (Matlab-Funktion: interp1) nach unten Beispieldaten von 5 Hz bis 1 Hz. Linear Detrending: Um langsame Driften des Signals zu entfernen, verwenden eine lineare Interpolation (Matlab-Funktion: polyfit) zwischen der Ruhephasen 1 am Anfang und am Ende des Experiments. Bewegungsartefakt-Korrektur: Für jeden Kanal identifizieren und zu entfernen Bewegungsartefakte durch eine Wavelet-basierte Verfahren 31. Verbessern Signale Qualität durch die Anwendung der Korrelation Basierend Signalverbesserung (CBSI) Verfahren 32. Komplexe Wavelet-Transformation: <li> Verwenden Sie ein Morlet Mutter-Wavelet, skaliert und übersetzt im Laufe der Zeit zu berechnen, die Wavelet-Transformation für jeden Kanal durch die Wavelet Toolbox (Matlab-Funktion: wt) von Grinsted et al 33 (. http://noc.ac.uk/ Verwendung Wissenschaft / crosswavelet-Wavelet-Kohärenz). Anmerkung: Von der Wavelet-Spektrums ist es möglich, die spektrale Zusammensetzung von Signalen in einem Zeit-Frequenz-Raum zu evaluieren. Bandpaßfilterung: Auf der Basis der Wavelet-Analyse, verwenden Sie eine 3. Ordnung Butterworth-Bandpassfilter (Matlab-Funktionen: Butter und Filter) mit Grenzfrequenzen von 0,008 bis 0,2 Hz 7, 34.

Representative Results

Figur 3 zeigt ein Beispiel für HbO 2 und HHb un-verarbeitete Signale (Kanal 8) während der Laufzeit-basierten PM Experiment in dieser Fallstudie (3A) und die entsprechenden Signale (Figur 3C), nachdem er vorverarbeitet (3B aufgezeichnet ). 4 zeigt die Wavelet-Leistungsspektrums des Kanals 8 HbO 2 und HHb Signale in dem das Rechteck zeigt den Frequenzbereich, konserviert mit dem Bandpassfilter. In Anbetracht der Tatsache, dass der Teilnehmer außerhalb zu Fuß während des Experiments und bewegte den Kopf, um die Aufgabe zu erfüllen, war der fNIRS System robust gegenüber Bewegungsartefakten und Sonnenlicht. In der Tat kann HbO 2 Schritten und HHb Dekremente in Übereinstimmung mit nicht-sozialen (3D) und sozialen (3E) potenzielle Speicher Veranstaltungen gefunden werden. Diese Trends bedeuten in der Regel funktionelle Hirnaktivität 13, 35. Inder Tat, wenn ein Bereich des Gehirns aktiviert, die Neuronen "metabolischen Sauerstoffbedarf steigt mit der daraus folgenden Anstieg der regionalen Hirndurchblutung. Da die meisten der Sauerstoff zu den Zellen durch Hämoglobin geliefert ist, werden Steigerungen in HbO 2 und Abnahme HHb Konzentrationen während funktionelle Aktivität des Gehirns 9 beobachtet. Regionen innerhalb der präfrontalen Kortex, die diese Trends zeigen, können durch die räumliche Verteilung von HbO 2 und HHb Konzentrationswerte über die Stirn kartiert (Abbildung 5, Video 1, Video 2) bewertet werden. Ein Beispiel, wie Gehirn Reaktionen auf eine soziale PM Veranstaltung sind über alle Kanäle verteilt ist in Abbildung 5. 5A und 5B Bericht bzw. die räumliche Verteilung über die Stirn von HbO 2 und HHb zum sozialen Ereignis PM (t = 2455 gezeigt, e) während 5C und 5D Bericht JEWEILIGEN Ely die räumliche Verteilung der HbO 2 und HHb dem nicht-sozialen Ereignis PM (t = 1744 s) Fig. 5 zeigt den regionalen Niederlassungen (Kanäle), in denen erhöhte HbO 2 (rot, 5A-C) und eine Abnahme der HHb (blau, 5B-D) sind deutlich zu beobachten, was auf eine Erhöhung der Gehirnfunktion. Ein Beispiel, wie präfrontalen Kortex Aktivität, soziale PM und nicht-sozialen PM Ereignissen und deren Verteilung über die Kanäle der Zeit ändern wird in Video 1 und Video 2 dargestellt Zusätzlich Figuren 6 und 7 zeigen die Daten aller Kanäle entsprechend der Zeitfenster in Video 1 und Video 2 enthalten sind. Gehen bezogenen hämodynamischen und Sauerstoffänderungen können in 3A beobachtet werden. Eine scheinbare HHb Erhöhungen und HbO 2 abnimmt während des Gehens Bedingungen auftreten, und diese werden nach der Vorverarbeitung entfernt. NHALT "fo: keep-together.within-page =" always "> Abbildung 1. fNIRS Headset Platzierung und Kanäle Konfiguration. Optoden Anordnung im fNIRS Sonde ist in Abbildung A dargestellt. Rote Kreise die Einspritzstellen (Quellen), gelbe Kreise den Sammelstellen (Detektoren) und grüne Kreise die Messkanäle. Die Sonde wird über der Stirn (B, C, D) mit dem Kanal 9 in Übereinstimmung mit dem Fpz Punkt und Kanäle 8-9 mit dem Nasion-Mittellinie ausgerichtet Inion platziert. Das digitalisierte Kanäle Lage in den MNI-Koordinatensystem umgewandelt und überlappend auf die Hirnrinde (E). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen. 6 / 53336fig2.jpg "/> Abbildung 2. 10-20 System anatomischen Referenzen. Die farblich hervorgehobenen Kreise zeigen die ausgewählten Referenzpunkte auf dem Kopf des Teilnehmers gekennzeichnet werden (Nz = Nasion, Iz = Inion, LPA = Links präaurikulär, RPA = Rechts präaurikulär). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen. Abbildung 3. Signal Vorverarbeitung Strom. (A) HbO 2 und HHb Rohsignale aus einer repräsentativen Kanal aufgenommen (Kanal 8). Schwarze Linien kennzeichnen den Beginn und das Ende eines jeden experimentellen Zustand. Grün und Magenta Linien markieren die nicht-sozialen und gesellschaftlichen potenziellen Speicher hits. Sternchen zeigen die Bedingungen ging. (R1 = Rest 1; R2 = Rast 2; B = Baseline; OGU = Fort unberührten; PMN = nicht-soziale Prospective-Speicher; PMs = Sozial Prospective-Speicher; OGC = Fortlaufende verunreinigt). (B) Das Feld zeigt die Vorverarbeitung Ablaufplan angewendet, um 8 Rohsignale Kanals. (C) Die erhaltenen vorverarbeiteten Signale dargestellt. (D, E) HbO 2 steigt und sinkt HHb auftreten, als Reaktion auf eine gewählte nicht-sozialen (D) und sozialen (E) potenzielle Speicher hits. Diese hämodynamischen Trend wird in der Regel funktionelle Aktivierung bezogen. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen. Abbildung 4. Wavelet Leistungsspektren. (A, B) Die Wavelet-Leistungsspektren der Kanal 8 HbO 2 und HHb Rohsignale werden in Panel A und B dargestellt sind. Schwarze Linien kennzeichnen den Beginn und das Ende eines jeden experimentellen Zustand. Sternchen zeigen die Bedingungen ging. (R1 = Rest 1; R2 = Rast 2; B = Baseline; OGU = Fort unberührten; PMN = nicht-sozialen Prospective Speicher; PMs = Sozial Prospective Speicher; OGC = Fortlaufende verunreinigt). Das schwarze Rechteck hebt den Frequenzbereich durch den Bandpassfilter (0,008 bis 0,2 Hz) erhalten. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen. Abbildung 5. Räumliche Verteilung der kortikalen Aktivität PM Veranstaltungen. HbO 2 und HHb Konzentrationsänderungen werden auf die Hirnrinde abgebildet, um die funktionelle Aktivität als Reaktion auf soziale PM Events (AB) und nicht-sozialen PM Events (CD) zu lokalisieren. HbO 2und HHb Werte bei t = 2455 sec für das soziale Ereignis PM (AB) und t = 1744 sec für die nicht-sozialen Ereignis PM (CD) übernommen. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen. Abbildung 6. Oxyhämoglobin und Desoxyhämoglobin-Signale für alle Kanäle in Reaktion auf nicht-sozialen PM Veranstaltungen. Die grünen Linien zeigen die nicht-sozialen PM Events (t ​​= 1744 s und t = 1792 sec). Bitte klicken Sie hier, um eine größere Version zu sehen dieser Figur. Abbildung 7. Oxyhämoglobin und Desoxyhämoglobin signale für alle Kanäle in Reaktion auf eine soziale PM Ereignis. Die magentafarbene Linie zeigt die soziale Ereignis PM (t = 2455 sec). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen. Video 1. HbO 2 und HHb Konzentrationsänderungen zu sozialen PM Veranstaltungen. Das Video zeigt, wie HbO 2 (linkes Bild) und HHb (rechts) entwickeln sich im Laufe der Zeit, während der Teilnehmer auf die soziale PM Ziel nähert. Das Video von der Kamera auf den Brustkorb des Experimentators synchronisiert angebracht. Bitte klicken Sie hier, um dieses Video anzusehen. <img alt="Figur 7" src= "/ files / ftp_upload / 53.336 / 53336mov2.jpg" /> Video 2. HbO 2 und HHb Konzentrationsänderungen auf nicht-sozialen PM Veranstaltungen. Das Video zeigt, wie HbO 2 (linkes Bild) und HHb (rechts) entwickeln sich im Laufe der Zeit, während der Teilnehmer ist mit dem nicht-sozialen PM Ziel nähert. Das Video von der Kamera auf den Brustkorb des Experimentators synchronisiert angebracht. Bitte klicken Sie hier, um dieses Video anzusehen.

Discussion

Das Ziel dieser Studie war es, die mögliche Verwendung von tragbaren und fiberlosen fNIRS bewerten, um Gehirn hämodynamischen und Sauerstoffversorgung Änderungen Gehirn neuronale Aktivität während der reale Situationen im Zusammenhang zu überwachen. Ein tragbar und fiberlosen Mehrkanal fNIRS System wurde verwendet, um die Gehirnaktivität über dem präfrontalen Kortex während einer prospektiven Gedächtnisaufgabe außerhalb des Labors durchgeführt, zu messen. Die Fallstudie hier berichtet wird untersucht, ob Veränderungen des Gehirns in HbO 2 und HHb auf einem frei beweglichen Teilnehmer als Reaktion auf soziale und nicht-sozialen PM Cues in einem Experiment außerhalb des Labors kontinuierlich und robust überwacht werden.

Die Verwendung von fNIRS auf frei beweglichen Teilnehmer im Leben-basierten Experimenten stellt eine herausfordernde Situation. In der Tat können Kopfbewegungen Sonde Verschiebungen mit der Folge von Bewegungsartefakten, die zur Beschädigung der optischen Identifikation von Hirnaktivität 36 verursachen. Außerdem optischen Sensoren sind lichtempfindliche streun (z. B. Sonneneinstrahlung, wenn Experimente außerhalb durchgeführt), die Schaffung zusätzlicher Lärm in fNIRS Signale. Der gemeldete Fallstudie bietet eine vorläufige Demonstration der Machbarkeit des fNIRS System so wirklichen Leben Anwendungen. Das Fehlen von optischen Fasern, die in solchen Vorrichtungen verhindert optische Kopplung zwischen der Kopfhaut und den Optoden was stabilere Messungen gegen Bewegungsartefakte. Darüber hinaus gewährleistet die Schattierung Kappe eine gute Abschirmung von Streulicht, das Detektoren Sättigung und geringe Signal-zu-Geräusche Verhältnis (SNR) vermeidet. Darüber hinaus wurden Erhöhungen der HbO 2 und Abnahme HHb Konzentrationen in Übereinstimmung mit sozialen und nicht-sozialen PM Treffern (3D-E) 11 gefunden, 37 weitere Unterstützung ihrer Machbarkeit. Um zu beurteilen, ob die hämodynamische Trends in Figur 3D-E beobachtet sind statistisch signifikant und aktivierten Bereiche innerhalb des präfrontalen Cortex zu finden (Abbildung 5, Video 1, Video 2, 6, 7), werden auf Konzernebene Analysen erforderlich. Um Schluß zu machen und funktional spezialisierte präfrontalen Kortex Gebiete 38, 39, werden zukünftige Arbeiten Gruppendaten und statistische Analysen, basierend auf statistischen Parametric Mapping (SPM) mit einem allgemeinen linearen Modell (GLM) Ansatz präsentieren zu identifizieren.

Obwohl Ergebnisse müssen als vorläufig angesehen werden kann, hat es sich gezeigt, dass ohne Fiber fNIRS effektiv außerhalb der traditionellen Laboreinstellungen gebracht und Echtzeit-Überwachung der Gehirnaktivität verwendet werden. Dies eröffnet neue Wege für neurologische und neurowissenschaftlichen Forschung. Es gibt mindestens zwei offensichtliche Bereiche für die Anwendung in dieser Hinsicht. Die erste bezieht sich auf ökologische Validität. Kognitiven Neurowissenschaften Forscher untersuchen Muster der Hirnaktivität während die Menschen der Durchführung kognitiver Aufgaben (unter Verwendung von z. B. Blutsauerstoffgehalt abhängig Zeichenal Änderung als ein Proxy in der funktionellen MRI), um zu versuchen, herauszufinden, wie das Gehirn unterstützt unsere geistigen Fähigkeiten. In einigen Fällen ist es möglich, experimentellen Situationen in dem Scanner, die sehr genau die Situation in den Alltag, wo der Prozess von Interesse verwendet wird, entsprechen zu schaffen. Betrachten wir zum Beispiel, das Lesen. Lesen von Worten auf einem Display, während in einem MRI-Scanner wahrscheinlich macht wie ähnliche Forderungen auf das Lesen Worte in einem Buch, wenn zu Hause, dass es fast selbstverständlich, dass die Ergebnisse in den Scanner aufgelesen kann helfen, erklären, wie das Gehirn setzt das Lesen im Alltag. , Für viele Formen der menschlichen Verhalten und Kognition, Diese Annahme ist jedoch immer prekärer. Zum Beispiel kann die kognitiven Prozesse, die ein Teilnehmer verwendet, wenn eine soziale Situation ist in einem MRI-Scanner vorgestellt (wobei der Teilnehmer unbeweglich, auf eigene Faust, und in einem sehr fremd und streng kontrollierten Umgebung) sowie in wichtigen Bezug zu denen unterschiedlich sein in Eingriff, wenn der Teilnehmer socialising im wirklichen Leben 40. Dies ist besonders wichtig in sozialer Neurowissenschaft, wo die Untersuchung der neuronalen Korrelate der zwischenmenschlichen Dynamik (genannt hyperscanning, für einen Überblick siehe Babiloni und Astolfi 2014 41) erfordert eine naturalistische Umgebung. NIRS-basierte hyperscanning 42, 43 kann somit ein neues Instrument, um gleichzeitig zu überwachen Hirnaktivität von zwei oder mehr Personen in realistischen Situationen. Tatsächlich gibt es einige geistigen Fähigkeiten, die nicht gut in der hoch künstlichen und körperlich eingeschränkten Umgebung eines MRI, PET oder MEG-Scanner untersucht werden können. Solche, die Gehfähigkeit oder große Mengen an körperliche Bewegung sowie jene mit sozialen Interaktionen sind offensichtliche Kandidaten. Aus diesem Grund ist in der Lage, um die Gehirnaktivität der Teilnehmer an naturalistischen Situationen zu studieren, ist für die Forscher sehr wünschenswert.

Eine zweite, verwandte, breites Anwendungsgebiet betrifft die Verwendung dieser Technologie in derklinischen Situationen. Ein offensichtlicher Kandidat kann Neurorehabilitation zu sein, wo man sich wünschen könnte, um die Auswirkungen auf das Gehirn von Schulungsverfahren für Aktivitäten des täglichen Lebens zu untersuchen (z. B. in einer Küche) oder von Medikamenten auf bestimmte neuronale Populationen im Zusammenhang mit diesen Aktivitäten. Aber die Technologie könnte auch vielleicht Bildungseinrichtungen ebenso entwickelt werden und z. B. für die Verwendung von "Echtzeit" Selbstüberwachung der Gehirnaktivität. Die Portabilität, geringes Risiko, und die Fähigkeit, sie in situ in realen Umgebungen mit minimaler Einschränkung auf das Verhalten zu verwenden, macht dieses Verfahren sehr verschieden von anderen, die derzeit verfügbar sind.

Obwohl tragbare fNIRS Systeme zeigen Potential für reale Beobachtungen gibt es weitere Einschränkungen, die behandelt werden, wenn Sie während der fNIRS natürlichen Gehen haben. Da die Infrarot-Licht durch die Kopfhaut, empfindlich auf Prozesse, die sowohl auf der Groß a geschehen istnd außer zerebralen Fächer des Kopfes. Frühere Studien zeigten, dass eine gewisse Menge der Signale durch fNIRS gemessen entsteht durch systemische Veränderungen 34, 39, 44, die nicht direkt auf die Hirnaktivität in Zusammenhang stehen (siehe Scholkmann et al. 9 für einen Überblick). Wie Intra- und Extra-zerebralen hämodynamischen werden durch systemische Veränderungen beeinflusst sowohl aufgaben evozierten und spontanen (z. B. Herzfrequenz, Blutdruck, Atmung, Hautdurchblutung), physiologische Veränderungen an den Fuß Tätigkeit stehen sollten berücksichtigt werden. Sie stammen aus dem autonomen Nervensystem (ANS) Aktivität, die Herzfrequenz, Atmung, Blutdruck und Behälter Messer durch seine efferenten Fasern reguliert. Genauer gesagt ist das sympathische Teilung des ANS hyper-Aktivierung während der Übung, die zu Herzfrequenz, Blutdruck und Atmung Schritten 45. Beispielsweise haben frühere Studien gezeigt, dass die Atmung induziert Veränderungen in Partialdruck des Kohlen dioxide im arteriellen Blut (PaCO2), die wiederum Einfluss Hirndurchblutung und zerebralen Blutvolumens 46, 47. Darüber hinaus zeigt 3A ein Beispiel für periodische HHb Erhöhungen und HbO 2 ab, die nur wenige Perioden, die mit verwechselt werden kann auftreten, Gehirn Deaktivierung. Um eine kohärente Vergleiche zwischen den Bedingungen zu machen (z. B. zu bewerten, wenn wesentliche Änderungen in der Konzentration auftreten, in Bezug auf eine Basisperiode) sollten alle experimentellen Phasen unter dem gleichen körperlichen Aktivität Zustand gemessen werden. Aus diesem Grund wurde ein gingen Ruhephase (Rest 2) in unserem Leben-basiertes Protokoll enthalten. Eine richtige Deutung der fNIRS Daten erfordert auch eine gute SNR. Dies wird in der Regel mit herkömmlichen Block und ereignisbezogene Designs, bei denen Stimulationen mehrmals wiederholt werden erreicht. Testwiederholungen und strukturierte Designs sind nicht immer möglich, im Leben-basierten Experimenten. Aus diesem Grund zusätzliche Sensoren und entsprechende Analysen techniques für systemische Veränderungen 48 und Bewegungsartefakte sind notwendig, um das SNR zu verbessern und richtig zu interpretieren Signale des Gehirns zu erklären. Wir planen, die Auswirkungen einer solchen Spaziergang bezogene systemische Veränderungen durch den Einsatz von tragbaren Geräten untersuchen, Atemfrequenz, Herzfrequenz und Schrittgeschwindigkeit zu überwachen. Darüber hinaus wird das Problem der Rückgewinnung Ereignisse behandelt werden muss, zu. In der kognitiven Neurowissenschaft Experimenten wird die Gehirnaktivität in Bezug auf Stimuli oder Umgebungen Teilnehmer gestoßen untersucht, und ihr Verhalten als Reaktion auf oder Erwartung von ihnen. Experimentatoren müssen daher (a) wissen, was Sie zu dem Teilnehmer in ihrer Umgebung derzeit verfügbar, und (b) einen Moment-für-Moment Rekord von Verhalten des Teilnehmers. In einem typischen Laborsituation können diese Faktoren leicht gesteuert werden, da der Experimentator kann einschränken, was die Teilnehmer zu begegnen, und die Form und die Anzahl von Verhaltensweisen, die der Teilnehmer bekunden können. Dies ist jedoch nichtin "real-world" Umgebungen außerhalb des Labors, wo viele Ereignisse und Erfahrungen, dass die Forschungsteilnehmer wird der Fall außerhalb der strengen Kontrolle des Experimentators 49. Dementsprechend wird in der "realen Welt" type Aufgaben der Art hier untersuchten Videoaufzeichnungen sind für die Analyse verwendet (z. B. Shallice und Burgess 1991 3). Dies ermöglicht es, sowohl die anhaltende (z. B. Block-Level) und vorübergehend wiederherzustellen (z. B. ereignisbezogene) Prozesse, die verschiedene Aspekte der Leistung zu unterstützen (für einen Überblick siehe Gonen-Yaacovi und Burgess, 2012 21). Die Ereignisse, von den Videoaufnahmen zurückgewonnen werden auf die theoretische Frage, die in dem Experiment gerichtet ab. In der Fallstudie berichtet, wurden Event Onsets aus den Videos von den 3 Kameras gefilmt erholt. Dieses Verfahren zur Bestimmung des Beginns und Beendigung der bestimmten Signale und Verhaltensreaktionen ist mühsam und erfordert Geschick bei Durchführung lebens basierend dat durchein. Ein zentraler Punkt ist, dass mit "real life" Typ Versuche es in der Regel nicht das gleiche Maß an Vorwissen der Ereignisse, wie mit den Labor-basiert sind, und die Teilnehmer haben in der Regel mehr Spielraum in der Art, wie sie reagieren. Außerdem ist, wie die Teilnehmer steht es frei, in einer natürlichen und nicht kontrollierten Umgebung zu bewegen, werden sie mit einer Vielzahl von sich schnell ändernden Stimuli konfrontiert, und es ist schwierig, die hämodynamische Reaktion auf die reale Ereignis von Interesse zu erholen. Zum Beispiel im Falle Studie wurden die hämodynamischen Trends für HbO 2 und HHb (3D-E) beobachtet wurden, sind nicht phasenstarr an das Video-gewonnen Einsetzen wie der typische ereignisbezogene hämodynamischen Antwort 38. HbO 2 und HHb starten bzw. zu steigen und zu verringern 20 s vor dem Beginn des Stimulus und erreichen ein Maximum nach. Weitere Analysen sind daher notwendig, um festzustellen, ob PM Queues Ereignisse werden tatsächlich geschieht, wenn der Teilnehmer sieht das Ziel, als er auf sie oder Ansätzewenn er sie erreicht. Angesichts der potenziellen von fiberlosen fNIRS Technologien für das wirkliche Leben klinische Anwendungen, die zukünftige Arbeit wird das Video-Kodierungsproblem durch die Entwicklung neuer Algorithmen zur Veranstaltung Onsets in eine objektivere Weise zu identifizieren, sowie die Möglichkeit der tut es direkt von fNIRS Daten anzugehen.

Disclosures

The authors have nothing to disclose.

Acknowledgements

The authors would like to acknowledge funding from the Wellcome Trust (088429/Z/09/Z, 104580/Z/14/Z support to IT).

Materials

Wearable Optical Topography Hitachi Medical Corporation fNIRS system
Patriot Polhemus 3D magnetic digitizer
ActionCam Mobius Subject's Camera
Hero3 GoPro Experimenter's Camera
Panasonic HC-V720 Panasonic Experimenter's Camera
Platform for Optical Topography Analysis Tools (POTATo) software Hitachi Medical Corporation http://www.hitachi.co.jp/products/ot/analyze/kaiseki_en.html

References

  1. Alvarez, J. A., Emory, E. Executive function and the frontal lobes: a meta-analytic review. Neuropsychol. Rev. 16 (1), 17-42 (2006).
  2. Jurado, M. B., Rosselli, M. The elusive nature of executive functions: a review of our current understanding. Neuropsychol. Rev. 17 (3), 213-233 (2007).
  3. Shallice, T. I. M., Burgess, P. W. Deficits in strategy application following frontal lobe damage in man. Brain. 114 (2), 727-741 (1991).
  4. Burgess, P. W., Alderman, N., Volle, E., Benoit, R. G., Gilbert, S. J. Mesulam’s frontal lobe mystery re-examined. Restor. Neurol. Neurosci. 27 (5), 493-506 (2009).
  5. Kvavilashvili, L., Ellis, J. A. Ecological validity and the real-life/laboratory controversy in memory research: a critical and historical review. History and Philosophy of Psychology. 6 (1), 59-80 (2004).
  6. Atsumori, H., et al. Development of wearable optical topography system for mapping the prefrontal cortex activation. Rev. Sci. Instrum. 80 (4), 043704 (2009).
  7. Piper, S. K., et al. A wearable multi-channel fNIRS system for brain imaging in freely moving subjects. Neuroimage. 85, 64-71 (2014).
  8. Casson, A. J., Smith, S., Duncan, J. S., Rodriguez-Villegas, E. Wearable EEG: what is it, why is it needed and what does it entail?. IEEE Eng. Med. Biol. Mag. , 5867-5870 (2008).
  9. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. Neuroimage. 85, 6-27 (2014).
  10. Hoshi, Y. Functional near‐infrared optical imaging: Utility and limitations in human brain mapping. Psychophysiology. 40 (4), 511-520 (2003).
  11. McKendrick, R., Parasuraman, R., Ayaz, H. Wearable functional near infrared spectroscopy (fNIRS) and transcranial direct current stimulation (tDCS): expanding vistas for neurocognitive augmentation. Front. Syst. Neurosci. 9, (2015).
  12. Lloyd-Fox, S., Blasi, A., Elwell, C. E. Illuminating the developing brain: the past, present and future of functional near infrared spectroscopy. Neurosci. Biobehav. Rev. 34 (3), 269-284 (2010).
  13. Obrig, H., et al. Near-infrared spectroscopy: does it function in functional activation studies of the adult brain?. Int. J. Psychophysiol. 35 (2), 125-142 (2000).
  14. Ferrari, M., Quaresima, V. A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application. Neuroimage. 63 (2), 921-935 (2012).
  15. Sagara, K., Kido, K., Ozawa, K. Portable single-channel NIRS-based BMI system for motor disabilities’ communication tools. Conf. Proc. IEEE Eng. Med. Biol. Soc. , 602-605 (2009).
  16. Shiga, T., Yamamoto, K., Tanabe, K., Nakase, Y., Chance, B. Study of an algorithm based on model experiments and diffusion theory for a portable tissue oximeter. J. Biomed. Opt. 2 (2), 154-161 (1997).
  17. Muehlemann, T., Haensse, D., Wolf, M. Wireless miniaturized in-vivo near infrared imaging. Opt. Express. 16 (14), 10323-10330 (2008).
  18. Kim, C. K., Lee, S., Koh, D., Kim, B. M. Development of wireless NIRS system with dynamic removal of motion artifacts. Biomed. Eng. Lett. 1 (4), 254-259 (2011).
  19. Ayaz, H., Onaral, B., Izzetoglu, K., Shewokis, P. A., McKendrick, R., Parasuraman, R. Continuous monitoring of brain dynamics with functional near infrared spectroscopy as a tool for neuroergonomic research: empirical examples and a technological development. Front. Hum. Neurosci. 7, 871 (2013).
  20. Safaie, J., Grebe, R., Moghaddam, H. A., Wallois, F. Toward a fully integrated wireless wearable EEG-NIRS bimodal acquisition system. J. Neural. Eng. 10 (5), 056001 (2013).
  21. Gonen-Yaacovi, G., Burgess, P. W. Prospective memory: the future for future intentions. Psychol. Belg. 52 (2-3), 173-204 (2012).
  22. Gilbert, S. J., Williamson, I. D. M., Dumontheil, I., Simons, J. S., Frith, C. D., Burgess, P. W. Distinct regions of medial rostral prefrontal cortex supporting social and nonsocial functions. Soc. Cogn. Affect. Neurosci. 2, 217-226 (2007).
  23. Burgess, P. W., Gonen-Yaacovi, G., Volle, E. Functional neuroimaging studies of prospective memory: What have we learnt so far?. Neuropsychologia. 49 (8), 2246-2257 (2011).
  24. Okamoto, M., et al. Three-dimensional probabilistic anatomical cranio-cerebral correlation via the international 10–20 system oriented for transcranial functional brain mapping. Neuroimage. 21 (1), 99-111 (2004).
  25. Jasper, H. H. The ten twenty electrode system of the international federation. Electroencephalogr. Clin. Neurophysiol. 10, 371-375 (1958).
  26. Okamoto, M., Ippeita, D. Automated cortical projection of head-surface locations for transcranial functional brain mapping. Neuroimage. 26 (1), 18-28 (2005).
  27. Singh, A. K., et al. Spatial registration of multichannel multi-subject fNIRS data to MNI space without MRI. Neuroimage. 27 (4), 842-851 (2005).
  28. Koessler, L., et al. Automated cortical projection of EEG sensors: anatomical correlation via the international 10–10 system. Neuroimage. 46 (1), 64-72 (2009).
  29. Burgess, P. W., Quayle, A., Frith, C. D. Brain regions involved in prospective memory as determined by positron emission tomography. Neuropsychologia. 39, 545-555 (2001).
  30. Burgess, P. W., Scott, S. K., Frith, C. D. The role of the rostral frontal cortex (area 10) in prospective memory: a lateral versus medial dissociation. Neuropsychologia. 41, 906-918 (2003).
  31. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiol. Meas. 33 (2), 259-270 (2012).
  32. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. Neuroimage. 49 (4), 3039-3046 (2010).
  33. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlin. Processes Geophys. 11 (5/6), 561-566 (2004).
  34. Kirilina, E., et al. Identifying and quantifying main components of physiological noise in functional near infrared spectroscopy on the prefrontal cortex. Front. Hum. Neurosci. 7, (2013).
  35. Hoshi, Y., Tamura, M. Dynamic multichannel near-infrared optical imaging of human brain activity. J. Appl. Physiol. 75 (4), 1842-1846 (1993).
  36. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85, 181-191 (2014).
  37. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. Neuroimage. 29 (2), 368-382 (2006).
  38. Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J. P., Frith, C. D., Frackowiak, R. S. Statistical parametric maps in functional imaging: a general linear approach. Hum. Brain Mapp. 2 (4), 189-210 (1994).
  39. Tachtsidis, I., Koh, P. H., Stubbs, C., Elwell, C. E. Functional optical topography analysis using statistical parametric mapping (SPM) methodology with and without physiological confounds. Adv. Exp. Med. Biol. 662, 237-243 (2010).
  40. Burgess, P. W., Alderman, N., Evans, J., Emslie, H., Wilson, B. A. The ecological validity of tests of executive function. J. Int. Neuropsychol. Soc. 4, 547-558 (1998).
  41. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neurosci. Biobehav. Rev. 44, 76-93 (2014).
  42. Scholkmann, F., Holper, L., Wolf, U., Wolf, M. A new methodical approach in neuroscience: assessing inter-personal brain coupling using functional near-infrared imaging (fNIRI) hyperscanning. Front. Hum. Neurosci. 7, (2013).
  43. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. Neuroimage. 59 (3), 2430-2437 (2012).
  44. Tachtsidis, I., Leung, T. S., Devoto, L., Delpy, D. T., Elwell, C. E. Measurement of frontal lobe functional activation and related systemic effects: a near-infrared spectroscopy investigation. Adv. Exp. Med. Biol. 614, 397-403 (2008).
  45. Freeman, J. V., Dewey, F. E., Hadley, D. M., Myers, J., Froelicher, V. F. Autonomic nervous system interaction with the cardiovascular system during exercise. Prog. Cardiovasc Dis. 48 (5), 342-362 (2006).
  46. Scholkmann, F., Gerber, U., Wolf, M., Wolf, U. End-tidal CO2: an important parameter for a correct interpretation in functional brain studies using speech tasks. Neuroimage. 66, 71-79 (2013).
  47. Tisdall, M. M., et al. The effect on cerebral tissue oxygenation index of changes in the concentrations of inspired oxygen and end-tidal carbon dioxide in healthy adult volunteers. Anesth. Analg. 109 (3), 906-913 (2009).
  48. Tachtsidis, I., Leung, T. S., Chopra, A., Koh, P. H., Reid, C. B., Elwell, C. E. False positives in functional nearinfrared topography. Adv. Exp. Med. Biol. 645, 307-314 (2009).
  49. Gilbert, S. J., Zamenopoulos, T., Alexiou, K., Johnson, J. H. Involvement of right dorsolateral prefrontal cortex in ill-structured design cognition: An fMRI study. Brain Res. 1312, 79-88 (2010).

Play Video

Cite This Article
Pinti, P., Aichelburg, C., Lind, F., Power, S., Swingler, E., Merla, A., Hamilton, A., Gilbert, S., Burgess, P., Tachtsidis, I. Using Fiberless, Wearable fNIRS to Monitor Brain Activity in Real-world Cognitive Tasks. J. Vis. Exp. (106), e53336, doi:10.3791/53336 (2015).

View Video