Summary

ניסוי באמצעות ספקטרוסקופיה פונקציונלית של אינפרא אדום קרוב ותנועות הצבעה רב-מפרקיות בסיוע רובוט של הגפה התחתונה

Published: June 07, 2024
doi:

Summary

ההערכה היא כי 1 מכל 6 אנשים ברחבי העולם ילקה בשבץ מוחי במהלך חייו, מה שיגרום לנכות ארוכת טווח, שמנגנוני השיקום שלה עדיין אינם מובנים היטב. מחקר זה מציע פרוטוקול להערכת הפעלת המוח על ידי ספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS) במהלך טיפול רובוטי בגפיים התחתונות.

Abstract

שבץ מוחי משפיע על כ -17 מיליון אנשים ברחבי העולם מדי שנה והוא גורם מוביל לנכות ארוכת טווח. טיפול רובוטי הראה הבטחה בסיוע לחולי שבץ להחזיר תפקודים מוטוריים שאבדו. אפיק אפשרי אחד להגברת ההבנה של האופן שבו מתרחשת התאוששות מוטורית הוא לחקור את הפעלת המוח במהלך התנועות הממוקדות על ידי הטיפול באנשים בריאים. ספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS) התפתחה כטכניקת דימות מוחי מבטיחה לבחינת יסודות עצביים של תפקוד מוטורי. מחקר זה נועד לחקור קורלציות עצביות fNIRS של תנועות מורכבות בגפיים התחתונות אצל נבדקים בריאים. המשתתפים התבקשו לבצע מחזורים של מנוחה ותנועה במשך 6 דקות באמצעות מכשיר רובוטי לשיקום מוטורי. המשימה דרשה תנועות מתואמות של מפרקי הברכיים והקרסול כדי להצביע על מטרות המוצגות על מסך מחשב. נבדקו שני תנאי ניסוי עם רמות שונות של סיוע בתנועה שסופקו על ידי הרובוט. התוצאות הראו כי פרוטוקול fNIRS זיהה ביעילות אזורים במוח הקשורים לשליטה מוטורית במהלך המשימה. יש לציין כי כל הנבדקים הפגינו הפעלה רבה יותר באזור הפרה-מוטורי הנגדי במהלך המצב ללא סיוע בהשוואה למצב הנעזר. לסיכום, fNIRS נראה כגישה רבת ערך לזיהוי שינויים בריכוז אוקסיהמוגלובין הקשורים לתנועות הצבעה מרובות מפרקים של הגפה התחתונה. מחקר זה עשוי לתרום להבנת מנגנוני ההתאוששות המוטורית של שבץ מוחי ועשוי לסלול את הדרך לשיפור טיפולי השיקום לחולי שבץ. עם זאת, יש צורך במחקר נוסף כדי להבהיר באופן מלא את הפוטנציאל של fNIRS בחקר תפקוד מוטורי ויישומיו בסביבות קליניות.

Introduction

נתונים אפידמיולוגיים מצביעים על כך שברחבי העולם ישנם ~17 מיליון מקרים חדשים של שבץ מוחי מדי שנה, עם עלייה בהיארעות במדינות בעלות הכנסה נמוכה ובינונית1. מספר המקרים החדשים צפוי לעלות ל-77 מיליון עד שנת 20302. פגיעה מוטורית עקב שבץ מוחי משפיעה לעיתים קרובות על ניידות המטופל והשתתפותו בפעילויות יומיומיות, ותורמת לאיכות חיים נמוכה. שיקום מוטורי מסורתי כולל טיפול ידני, אך בעשורים האחרונים פותחו מערכות רובוטיות לשיקום. מערכות אלה יכולות לספק טיפול בעצימות גבוהה, במינון, בכימות, באמינות, בחזרתיות ובגמישות3 והראו פוטנציאל כטיפולי שיקום יעילים הן לחולי שבץ אקוטי והן לחולי שבץ כרוני 4,5,6. בנוסף למתן הטיפול, מערכות רובוטיות לשיקום יכולות לשמש ככלי הערכה מכיוון שהן יכולות להיות מצוידות בחיישנים שיכולים למדוד את תנועת המטופל נתונים קינמטיים/קינטיים 7,8. עבור שיקום מוטורי בגפיים העליונות, נתונים אלה לא רק הוכחו כשימושיים להערכת רמת ההתאוששות המוטורית של המטופל המתעוררת על ידי טיפול רובוטי ושימשו ככלי משלים להערכות קליניות מסורתיות 9,10, אלא הם גם תרמו לקידום ההבנה של תהליך ההתאוששות המוטורית משבץ11, 12 וכן בקרה עצבית של תנועה ולמידה מוטורית במקצועות בריאים 3,13,14. כתוצאה מכך, ממצאים אלה היוו בסיס להעצמת טיפולי השיקום15 .

במהלך שני העשורים האחרונים, הוצעו מכשירים רובוטיים רבים לשיקום נוירולוגי בגפיים התחתונות, החל משלד חיצוני התומך במשקל הגוף של המטופל במהלך הליכה (למשל, מעל הליכון, כגון Lokomat16) ועד מערכות רובוטיות נייחות המאפשרות למטופל לאמן את הקרסול, הברך או כף הרגל ללא הליכה (כגון Rutgers Ankle17, רובוט שיקום הקרסול בעל הביצועים הגבוהים18, ורובוט שיקום הקרסול/כף הרגל19 של מכון גוואנגז’ו למדע וטכנולוגיה (GIST) או אורתוזות כף רגל פעילות שהן שלד חיצוני מופעל הנלבש על ידי המטופל כדי ללכת מעל הקרקע או מעל הליכון (כגון Powered Gait Orthosis20 ו- MIT Anklebot21). ראה 22,23,4 לסקירה על רובוטים לשיקום גפיים תחתונות.

תוצאות מחקרים קליניים של מכשירים רובוטיים לשיקום גפיים תחתונות בחולי שבץ היו מעודדות והראו כי מערכות אלה עשויות לשפר את טווח התנועה של המפרקים (ROM), כוח השרירים או ההליכה, בהתאם למכשיר הספציפי ולפרוטוקול הקליני (ראה 24,25 לסקירה על יעילותם של רובוטים בגפיים התחתונות לשיקום). בעוד שהוצע כי טיפול בעזרת רובוט מקדם שינויים נוירופלסטיים, אשר בסופו של דבר מביאים לשיפור ביכולות המוטוריות26, כיצד תהליך ההתאוששות המוטורית משבץ מתרחש בדיוק ואילו פרוטוקולי אימון רובוטיים מייעלים את תהליך ההתאוששות של יכולות מוטוריות בגפיים התחתונות, עדיין לא ברור ברובו . למעשה, קיים פער משמעותי והולך בין הפיתוח הגובר של רובוטים שיקומיים (בין אם על ידי חוקרים אקדמיים ובין אם על ידי גורמים מסחריים) לבין ההבנה המוגבלת של המנגנונים הנוירופיזיולוגיים העומדים בבסיס ההתאוששות המוטורית4. מדידות של קינמטיקה תנועתית או מומנטים משותפים שנלקחו באמצעות חיישנים משובצים תרמו לתיאור כמותי של שינויים התנהגותיים מוטוריים המתרחשים כאשר חולים משחזרים יכולות מוטוריות בגפיים התחתונות 27,28,29, וממלאים חלקית פער זה. עם זאת, הקורלציות העצביות העומדות בבסיס שינויים כאלה נחקרו פחות. זאת בשל מספר סיבות.

הדמיה תפקודית של המוח גוזלת זמן ולפעמים קשה להשלים אותה בהקשר של ניסויים קליניים, אשר לעתים קרובות דורשים שמירה על עומס מטופלים מינימלי כדי למקסם את הסבירות להיענות המטופל למחקר. זה נכון במיוחד עבור אנשים שסבלו משבץ, בהתחשב בעובדה כי עייפות לאחר שבץ וחולשת שרירים נצפים לעתים קרובות30. כמו כן, שיטות דימות המבוססות על שדות מגנטיים, כגון דימות תהודה מגנטית תפקודי (fMRI), דורשות הן חומרה של המטופל והן של חומרה רובוטית כדי להיות בטוחים למגנט.

בין שיטות הדימות הלא פולשניות, ספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS) היא טכניקת הדמיה המתאימה במיוחד להערכת אזורים של הפעלת המוח בנבדקים שעברו טיפול רובוטי. בדומה ל-fMRI, fNIRS מודד חמצון/דה-אוקסיגנציה בדם במוח. עם זאת, בניגוד ל-fMRI, fNIRS תואם באופן מלא לחומרה רובוטית, ולעתים קרובות הוא נייד, אפילו שמיש ליד המיטה. כמו כן, fNIRS יש עלות נמוכה ופחות רגישות לתנועהartifacts 31,32,33.

למרות יתרונותיו הברורים והשימוש הנרחב בו במסגרות קליניות רבות מאז הצגתו לראשונה בסוף שנות ה -7034, רק מחקרים מעטים השתמשו ב- fNIRS כדי לכמת את הפעלת המוח הקשורה לתנועות גפיים תחתונות והתאוששות מוטורית של שבץ. מחקרי FNIRS שמטרתם להבהיר מנגנונים של שליטה עצבית בתנועה ו / או מנגנונים או הערכה של התאוששות מוטורית משבץ חקרו בעיקר תנועות מפרק יחיד (למשל, dorsiflexion, כיפוף פלנטרי או תנועות הארכת ברך 35,36,37), הליכה 38,39,40,41,42,43, או רכיבה על אופניים44. ראה45 לסקירה. באופן דומה, מחקרי fNIRS על טיפול בעזרת רובוט לגפה התחתונה התמקדו בעיקר בשיקום הליכה בעזרת רובוט; ראה46 לסקירה. מספר מחקרים התמקדו בשימוש ב-fNIRS כחלק ממערכת ממשק מוח-מחשב (BCI) כדי להפיק אותות בקרה עבור התקנים רובוטיים47,48; בעוד שתחום מחקר זה מסתמך גם על עיבוד אותות fNIRS, מטרתו שונה ומתמקדת בעיקר בפענוח כוונות המטופלים (למשל, חולים עם מוגבלויות מוטוריות חמורות).

מחקר הפיילוט המוצג כאן הוא חלק ממאמץ ראשוני לחקור את ההשפעות של מערכת רובוטית לשיקום גפיים תחתונות. הרובוט יכול לספק שיקום מוכוון מטרה בגפיים התחתונות הכולל אימון בתנועות יומיומיות מרובות מפרקים, כמו גם לספק טיפול למפרקים בודדים (למשל, ברך או קרסול) של הגפה התחתונה (כלומר, ליישם תוכנית שיקום מלמטה למעלה).

מטרת המחקר הייתה לבדוק את ההיתכנות של פרוטוקול ניסויי שדרש רכישת נתוני fNIRS במהלך ביצוע תנועות הצבעה רב-מפרקיות בגפיים התחתונות. משך תקופת איסוף הנתונים במחקר זה, שהוגבל ל-6 דקות, קצר יותר מפרוטוקולי fNIRS טיפוסיים. זו הייתה בחירה מכוונת שנעשתה במטרה לשפר את המעשיות והישימות הקלינית של מחקר זה, במיוחד בחולים עם ניידות או כוח מוגבלים. זיהוי מתאמי fNIRS של תנועות רב-מפרקים מורכבות כאלה וקבלת תובנות לגבי האופן שבו הפעלת המוח מווסתת על ידי סיוע רובוטי היו גם הם נקודות עניין. לשם כך נערכו שני מפגשי ניסויים עם אותם משתתפים: אחד ללא סיוע רובוטי ואחד בסיוע רובוט. לבסוף, חשוב לציין כי מחקר זה התמקד בנושאים בריאים על מנת לבסס בסיס למחקר עתידי במונחים של היתכנות פרוטוקול רישום והערכה של הפעלת המוח במהלך תנועות הממוקדות על ידי טיפול רובוטי.

מכשיר
רובוט נייד שתוכנן לספק שיקום גפיים תחתונות (ראו איור 1) שימש לביצוע הניסויים שלנו. לרובוט יש סביבת עבודה נגישה בתלת ממד והוא קומפקטי וקל משקלו כ-35 ליברות, מה שמקל על שינוע והתקנה.

Figure 1
איור 1: מערך ניסויי. (A) המערכת הרובוטית (המותקנת על הרצפה) המיועדת לגפה התחתונה. מתנדב נראה משתמש בממשק ברגל ימין. (B) מבנה תמיכה לכף הרגל של הנבדק המאפשר חיבור למערכת הרובוטית. (C) צילום מסך של משחק הפיקניק. מטרת המשחק היא להזיז את כף הרגל (נעל ירוקה ולבנה) למטרה (עיגול צהוב). אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

המערכת הרובוטית נועדה לסייע למטופל לבצע תנועות גפיים תחתונות הדומות לאלו המבוצעות במשימות יומיומיות, כגון הצבעה או בעיטה. הוא משתמש במשחקי מציאות מדומה אינטראקטיביים, אשר מוצגים על צג מחשב או מסך טלוויזיה הממוקם מול המכשיר הרובוטי (ראו איור 1). אפקט קצה הרובוט מחובר לגפה התחתונה של המטופל (למשל, קרסול), ומיקומו ממופה למיקום של סמן על המסך. משחק טיפוסי מראה את מטרות התנועה של המטופל (למשל, האובייקט שאליו יש להצביע או היכן לבעוט בכדור).

כדי להשלים את משימת התנועה, הרובוט עשוי לסייע למטופל ברמת סיוע שיכולה לנוע בין סיוע מלא לאפס. רמת הסיוע הרובוטי נבחרת בתחילת כל מפגש שיקום בהתאם לרמת הליקוי המוטורי של המטופל. התנועות המבוצעות על ידי הנבדק משמשות את המשחק כדי לדרג את ביצועי המטופל ולספק לו משוב על ביצועיו (למשל, ROM, מספר תנועות ורמת סיוע רובוטי). המשחקים נועדו להיות אינטראקטיביים ומבדרים כדי לשמור על עניין ותשומת לב של המטופל. במחקר הזה, המשתתפים שיחקו את “משחק הפיקניק”, שבו השחקן היה צריך לעצור את החרקים מלהגיע למגבת ולגנוב את האוכל (ראו איור 1, לוח תחתון, לצילום מסך).

איסוף הנתונים בוצע באמצעות מערכת איסוף fNIRS ניידת עם שני אופטודות שונות של גלים רציפים (760 ננומטר ו-850 ננומטר), 8 מקורות LED בעלי קצה כפול ו-8 גלאים פעילים בעלי קצה כפול. האותות נרכשו באמצעות קצב דגימה של 10.17 הרץ. מחשב נייד שימש לאופטימיזציה של כיול והקלטת אותות באמצעות רשת Wi-Fi שנוצרה על ידי מערכת fNIRS.

כובע שימש להחזקת האופטודות במקומות שנקבעו מראש. המקורות והגלאים הוצבו על פי מערכת EEG בינלאומית 10-10 בפיזור מרחבי רשת. כל תעלת fNIRS הוגדרה על ידי זוג גלאי מקור עם מרחקים בין-אופטודים של כ-30 מ”מ. האופטודות מוקמו מעל האזורים המוטוריים, הקדם-מוטוריים והמוטוריים המשלימים במקומות שמוצגים באיור 2. מספר הערוצים הכולל היה 28, כאשר 8 היו ערוצים למרחקים קצרים שהוצמדו לכל מקור באמצעות מתאם סיב אופטי לגלאי יחיד. בהתחשב בהגדרת הריבוב של החומרה, ניתן לרכוש מידע למרחקים קצרים מכל המקורות באמצעות גלאי אחד בלבד.

Figure 2
איור 2: פריסת מונטאז’ באמצעות מערכת EEG 10-10. האותיות והמספרים מציינים את מיקומי המקור/הגלאי. הנקודות האדומות והכחולות מייצגות את אופטודות המקור והגלאי, בהתאמה. הקווים הירוקים מייצגים את ערוצי fNIRS המורכבים מזוגות מקור וגלאים. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

תכנון ניסיוני
הניסוי נערך בשני תנאי ניסוי שונים, הנבדלים זה מזה ברמת הסיוע שמספק הרובוט לתנועות הנבדק. בתנאי הראשון, הרובוט תוכנת לא לספק כל סיוע לתנועות הנבדק, ואילו בתנאי השני, הרובוט שלט בתנועות הרגליים והרגליים של הנבדק (תנועה בעזרת רובוט).

כל ניסוי עקב אחר פרדיגמת תכנון בלוקים הכוללת מחזורים מתחלפים של משימה מוטורית (משחק המשחק – 30 שניות) ומנוחה (30 שניות), כפי שמודגם באיור 3. ההתחלה והסיום של כל שלב (משחק/משחק או מנוחה) אותתו חזותית לנבדק דרך מסך המחשב. במהלך שלב המנוחה, הוצגה הודעה המציינת הפסקה. כל מחזור (משחק/משחק + מנוחה) נמשך 60 שניות וחזר על עצמו שש פעמים, והתוצאה הייתה זמן ריצה כולל של 360 שניות (6 דקות).

המשתתפים שיחקו ב”משחק פיקניק”, שבו המטרה הייתה למנוע מחרקים להגיע למגבת ולגנוב מזון. משחק זה כלל רצף של תנועות גפיים תחתונות, החל מיעד ביתי מוגדר (מיקום התחלתי) ונמשך לעבר אחת משלוש מטרות חיצוניות לפני החזרה למטרה הביתית. על המסך, המטרות החיצוניות הוצגו חזותית כחרקים נעים מונפשים, שהמשתתפים היו צריכים להגיע אליהם ולדרוך עליהם. היו שלוש מטרות חיצוניות, שכל אחת מהן הוצגה באופן אקראי מספר שווה של פעמים, לצד יעד בית משותף לכל תנועה. המרחק שכף הרגל הייתה צריכה לעבור מהמטרה הביתית למיקום המטרות החיצוניות יצר קשת, שגודלה כ-26 ס”מ. המשימה המוטורית דרשה ביצוע תנועות רב-מפרקיות, הדורשות תיאום בין כיפוף/הארכת הברך, כיפוף פלנטרי ותנועות דורסיפלקסיה.

הקלטות הנתונים fNIRS סונכרנו עם הגירויים החזותיים שהציג המשחק לנבדק באמצעות פולס טרנזיסטור-טרנזיסטור-לוגיקה (TTL) שנוצר על ידי הרובוט. פולסים נוצרו בתחילת כל שלב (משחק/משחק ומנוחה). לפיכך, כל בקרת התזמון בוצעה על ידי המשחק, שסיפק רמזים חזותיים (מטרות) למשתתף להתחיל כל תנועה, שלח אותות TTL למערכת fNIRS כדי לסמן את הקלטות הפעילות המוחית, ואם נדרש על ידי הניסוי, שלח אותות למערכת הבקרה הרובוטית כדי ליזום סיוע בתנועה.

Protocol

מחקר זה אושר על ידי המועצה המקומית לבחינת אתיקה של UNICEP (Centro Universitario Paulista). כל המשתתפים סיפקו הסכמה מדעת בהתאם לכל ההנחיות המוסדיות והנורמות הפדרליות בנוגע למחקר מדעי המערב בני אדם. הם לא קיבלו פיצוי כספי, כפי שנדרש על פי תקנות פדרליות ברזילאיות. 1. מערכת fNIRS הכינ?…

Representative Results

כל ששת הנבדקים השלימו את שני הניסויים. במצב ללא סיוע, כל נבדק ביצע בממוצע 76.67 ניסויים (std. 10.73) (שימו לב, עבור כל נבדק, מספר הניסויים היה תלוי במספר ההישגים המוצלחים, שכן יעד חדש הוצג רק אם היעד הקודם הושג). בתנאי הסיוע, שבו תנועת הנבדק נעזרה באופן מלא ברובוט, כל הנבדקים השלימו 70 ניסויים. נתוני fNIRS…

Discussion

במחקר הוכחת היתכנות זה, נבדקה ההיתכנות של הסקת מסקנות על מיפוי הפעלת המוח באמצעות נתוני fNIRS מנבדקים בריאים בזמן שהם התאמנו עם סוגים שונים של תנועות באמצעות רובוט לשיקום גפיים תחתונות. הקלטות fNIRS טיפוסיות במבוגרים נמשכות יותר מ-6 דקותו-54. עם זאת, כדי להפוך את ההקלטות לאפשריות בה?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

הדעות, ההשערות, המסקנות וההמלצות של מחקר זה הן של המחברים ואינן מייצגות בהכרח את עמדות הגוף המממן. JRS אסירת תודה לקרן המחקר של סאו פאולו (FAPESP, מספרי מענקים 2021/05332-8, 2018/04654-9, 2018/21934-5 ו- 2023/02538-0) ולג’קסון צ’יונק על התמיכה הטכנולוגית. AMM ו- Vivax Ltda אסירי תודה ל- FAPESP (קרן המחקר של סאו פאולו) ול- FINEP (סוכנות החדשנות הברזילאית). פרויקט זה מומן באמצעות מענקים של FAPESP (מענק מספר 2018/09559-4) ו- FINEP (מענק מספר 2019/09933-6).

Materials

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

References

  1. GBD 2016 Stroke Collaborators. Global, regional, and national burden of stroke, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016. The Lancet. Neurology. 18 (5), 439-458 (2019).
  2. GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. The Lancet. Neurology. 20 (10), 795-820 (2021).
  3. Huang, V. S., Krakauer, J. W. Robotic neurorehabilitation: a computational motor learning perspective. Journal of NeuroEngineering and Rehabilitation. 6, 5 (2009).
  4. Hobbs, B., Artemiadis, P. A Review of Robot-Assisted Lower-Limb Stroke Therapy: Unexplored Paths and Future Directions in Gait Rehabilitation. Frontiers in neurorobotics. 14, 19 (2020).
  5. Bertani, R., Melegari, C., De Cola, M. C., Bramanti, A., Bramanti, P., Calabrò, R. S. Effects of robot-assisted upper limb rehabilitation in stroke patients: a systematic review with meta-analysis. Neurological Sciences. 38 (9), 1561-1569 (2017).
  6. Warutkar, V., Dadgal, R., Mangulkar, U. R. Use of robotics in gait rehabilitation following stroke: A review. Cureus. 14 (11), e31075 (2022).
  7. Dipietro, L., et al. Changing motor synergies in chronic stroke. Journal of Neurophysiology. 98 (2), 757-768 (2007).
  8. Dipietro, L., et al. Learning, not adaptation, characterizes stroke motor recovery: evidence from kinematic changes induced by robot-assisted therapy in trained and untrained task in the same workspace. IEEE Trans Neural Syst Rehabil Eng. 20 (1), 48-57 (2012).
  9. Bosecker, C., Dipietro, L., Volpe, B., Krebs, H. I. Kinematic robot-based evaluation scales and clinical counterparts to measure upper limb motor performance in patients with chronic stroke. Neurorehabilitation and Neural Repair. 24 (1), 62-69 (2010).
  10. Krebs, H. I., et al. Robotic measurement of arm movements after stroke establishes biomarkers of motor recovery. Stroke. 45 (1), 200-204 (2014).
  11. Volpe, B. T., et al. Robotic devices as therapeutic and diagnostic tools for stroke recovery. Archives of Neurology. 66 (9), 1086-1090 (2009).
  12. Hogan, N., et al. Motions or muscles? Some behavioral factors underlying robotic assistance of motor recovery. Journal of Rehabilitation Research and Development. 43 (5), 605-618 (2006).
  13. Shadmehr, R., Wise, S. P. . The Computational Neurobiology of Reaching and Pointing: A Foundation for Motor Learning. , (2005).
  14. Dipietro, L., Poizner, H., Krebs, H. I. Spatiotemporal dynamics of online motor correction processing revealed by high-density electroencephalography. J Cogn Neurosci. 26 (9), 1966-1980 (2014).
  15. Krebs, H., et al. Rehabilitation robotics: Performance-based progressive robot-assisted therapy. Autonomous Robots. 15, 7-20 (2003).
  16. Colombo, G., Joerg, M., Schreier, R., Dietz, V. Treadmill training of paraplegic patients using a robotic orthosis. Journal of Rehabilitation Research and Development. 37 (6), 693-700 (2000).
  17. Girone, M., et al. A Stewart platform-based system for ankle telerehabilitation. Autonomous Robots. 10, 203-212 (2001).
  18. Saglia, J. A., Tsagarakis, N. G., Dai, J. S., Caldwell, D. G. A high-performance redundantly actuated parallel mechanism for ankle rehabilitation. The International Journal of Robotics Research. 28 (9), 1216-1227 (2009).
  19. Yoon, J., Ryu, J. A novel reconfigurable ankle/foot rehabilitation robot. , 2290-2295 (2005).
  20. Ruthenberg, B. J., Wasylewski, N. A., Beard, J. E. An experimental device for investigating the force and power requirements of a powered gait orthosis. Journal of Rehabilitation Research and Development. 34 (2), 203-213 (1997).
  21. Forrester, L. W., et al. Clinical application of a modular ankle robot for stroke rehabilitation. NeuroRehabilitation. 33 (1), 85-97 (2013).
  22. Díaz, I., Gil, J. J., Sánchez, E. Lower-limb robotic rehabilitation: Literature review and challenges. Journal of Robotics. 2011, 759764 (2011).
  23. Zhang, X., Yue, Z., Wang, J. Robotics in lower-limb rehabilitation after stroke. Behavioural Neurology. 2017, 3731802 (2017).
  24. Zhang, M., Davies, T. C., Xie, S. Effectiveness of robot-assisted therapy on ankle rehabilitation – a systematic review. Journal of NeuroEngineering and Rehabilitation. 10, 30 (2013).
  25. Lo, K., Stephenson, M., Lockwood, C. Effectiveness of robotic assisted rehabilitation for mobility and functional ability in adult stroke patients: a systematic review protocol. JBI Database of Systematic Reviews and Implementation Reports. 15 (1), 39-48 (2017).
  26. Belda-Lois, J. M., et al. Rehabilitation of gait after stroke: a review towards a top-down approach. Journal of NeuroEngineering and Rehabilitation. 8, 66 (2011).
  27. Bortole, M., et al. The H2 robotic exoskeleton for gait rehabilitation after stroke: early findings from a clinical study. Journal of NeuroEngineering and Rehabilitation. 12, 54 (2015).
  28. Banala, S. K., Kim, S. H., Agrawal, S. K., Scholz, J. P. Robot assisted gait training with active leg exoskeleton (ALEX). IEEE Transactions on Neural Systems and Rehabilitation Engineering. 17 (1), 2-8 (2009).
  29. Bartenbach, V., Wyss, D., Seuret, D., Riener, R. A lower limb exoskeleton research platform to investigate human-robot interaction. 2015 IEEE International Conference on Rehabilitation Robotics (ICORR). 2015, 600-605 (2015).
  30. Hinkle, J. L., et al. Poststroke fatigue: Emerging evidence and approaches to management: A scientific statement for healthcare professionals from the American heart association. Stroke. 48 (7), e159-e170 (2017).
  31. Balardin, J. B., Zimeo Morais, G. A., Furucho, R. A., Trambaiolli, L. R., Sato, J. R. Impact of communicative head movements on the quality of functional near-infrared spectroscopy signals: negligible effects for affirmative and negative gestures and consistent artifacts related to raising eyebrows. Journal of Biomedical Optics. 22 (4), 4601 (2017).
  32. Nazeer, H., Naseer, N., Mehboob, A., Khan, M. J., Khan, R. A., Khan, U. S., Ayaz, Y. Enhancing classification performance of fNIRS-BCI by identifying cortically active channels using the z-score method. Sensors. 20 (23), 6995 (2020).
  33. Ayaz, H., et al. Optical imaging and spectroscopy for the study of the human brain: status report. Neurophotonics. 9, S24001 (2022).
  34. Chen, W. L., et al. Functional near-infrared spectroscopy and its clinical application in the field of neuroscience: Advances and future directions. Frontiers in Neuroscience. 14, 724 (2020).
  35. Yamamoto, K., Miyata, T., Onozuka, A., Koyama, H., Ohtsu, H., Nagawa, H. Plantar flexion as an alternative to treadmill exercise for evaluating patients with intermittent claudication. European Journal of Vascular and Endovascular Surgery. 33 (3), 325-329 (2007).
  36. Formenti, D., et al. Effects of knee extension with different speeds of movement on muscle and cerebral oxygenation. PeerJ. 6, 5704 (2018).
  37. Miyai, I., et al. Cortical mapping of gait in humans: a near-infrared spectroscopic topography study. NeuroImage. 14 (5), 1186-1192 (2001).
  38. Miyai, I., et al. Premotor cortex is involved in restoration of gait in stroke. Annals of Neurology. 52 (2), 188-194 (2002).
  39. Mihara, M., et al. Sustained prefrontal activation during ataxic gait: a compensatory mechanism for ataxic stroke?. NeuroImage. 37 (4), 1338-1345 (2007).
  40. Rea, M., et al. Lower limb movement preparation in chronic stroke: A pilot study toward an fNIRS-BCI for gait rehabilitation. Neurorehabilitation and Neural Repair. 28 (6), 564-575 (2014).
  41. Holtzer, R., Verghese, J., Allali, G., Izzetoglu, M., Wang, C., Mahoney, J. R. Neurological gait abnormalities moderate the functional brain signature of the posture first hypothesis. Brain Topography. 29 (2), 334-343 (2016).
  42. Kim, H. Y., Yang, S. P., Park, G. L., Kim, E. J., You, J. S. Best facilitated cortical activation during different stepping, treadmill, and robot-assisted walking training paradigms and speeds: A functional near-infrared spectroscopy neuroimaging study. NeuroRehabilitation. 38 (2), 171-178 (2016).
  43. Khan, H., Nazeer, H., Engell, H., Naseer, N., Korostynska, O., Mirtaheri, P. Prefrontal cortex activation measured during different footwear and ground conditions using fNIRS-A case study. 2021 IEEE International Conference on Artificial Intelligence and Mechatronics Systems (AIMS). , 1-6 (2021).
  44. Lin, P. Y., Chen, J. J., Lin, S. I. The cortical control of cycling exercise in stroke patients: an fNIRS study). Human Brain Mapping. 34 (10), 2381-2390 (2013).
  45. Yang, M., Yang, Z., Yuan, T., Feng, W., Wang, P. A systemic review of functional near-infrared spectroscopy for stroke: Current application and future directions. Frontiers in Neurology. 10, 58 (2019).
  46. Berger, A., Horst, F., Müller, S., Steinberg, F., Doppelmayr, M. Current state and future prospects of EEG and fNIRS in robot-assisted gait rehabilitation: A brief review. Frontiers in Human Neuroscience. 13, 172 (2019).
  47. Khan, R. A., Naseer, N., Qureshi, N. K., et al. fNIRS-based Neurorobotic Interface for gait rehabilitation. J NeuroEngineering Rehabil. 15 (1), 7 (2018).
  48. Khan, H., Naseer, N., Yazidi, A., Eide, P. K., Hassan, H. W., Mirtaheri, P. Analysis of Human Gait Using Hybrid EEG-fNIRS-Based BCI System: A Review. Front. Hum. Neurosci. 14, (2020).
  49. Delpy, D. T., Cope, M. Quantification in tissue near-infrared spectroscopy. Philosophical Transactions of the Royal Society B: Biological Sciences. 352 (1354), 649-659 (1997).
  50. Huppert, T. J. Commentary on the statistical properties of noise and its implication on general linear models in functional near-infrared spectroscopy. Neurophotonics. 3, 010401 (2016).
  51. Alexandre, F., Heraud, N., Oliver, N., Varray, A. Cortical implication in lower voluntary muscle force production in non-hypoxemic COPD patients. PLoS One. 9 (6), 100961 (2014).
  52. Yoon, T., Vanden Noven, M. L., Nielson, K. A., Hunter, S. K. Brain areas associated with force steadiness and intensity during isometric ankle dorsiflexion in men and women. Experimental Brain Research. 232 (10), 3133-3145 (2014).
  53. Ciccarelli, O., et al. Identifying brain regions for integrative sensorimotor processing with ankle movements. Experimental Brain Research. 166 (1), 31-42 (2005).
  54. Udina, C., et al. Functional near-infrared spectroscopy to study cerebral hemodynamics in older adults during cognitive and motor tasks: A review. Frontiers in Aging Neuroscience. 11, 367 (2020).
  55. Thickbroom, G. W., Phillips, B. A., Morris, I., Byrnes, M. L., Mastaglia, F. L. Isometric force-related activity in sensorimotor cortex measured with functional MRI. Experimental Brain Research. 121 (1), 59-64 (1998).
  56. Derosière, G., Alexandre, F., Bourdillon, N., Mandrick, K., Ward, T. E., Perrey, S. Similar scaling of contralateral and ipsilateral cortical responses during graded unimanual force generation. NeuroImage. 85 (1), 471-477 (2014).
  57. Shi, P., Li, A., Yu, H. Response of the cerebral cortex to resistance and non-resistance exercise under different trajectories: A functional near-infrared spectroscopy study. Frontiers in Neuroscience. 15, 685920 (2021).
  58. Dettmers, C., et al. Relation between cerebral activity and force in the motor areas of the human brain. Journal of Neurophysiology. 74 (2), 802-815 (1995).
  59. Keisker, B., Hepp-Reymond, M. C., Blickenstorfer, A., Kollias, S. S. Differential representation of dynamic and static power grip force in the sensorimotor network. The European Journal of Neuroscience. 31 (8), 1483-1491 (2010).
  60. Harada, T., Miyai, I., Suzuki, M., Kubota, K. Gait capacity affects cortical activation patterns related to speed control in the elderly. Experimental Brain Research. 193 (3), 445-454 (2009).
  61. Saleh, S., et al. The role of premotor areas in dual tasking in healthy controls and persons with multiple sclerosis: An fNIRS imaging study. Frontiers in Behavioral Neuroscience. 12, 296 (2018).
  62. Bonnal, J., et al. Relation between cortical activation and effort during robot-mediated walking in healthy people: A functional near-infrared spectroscopy neuroimaging study (fNIRS). Sensors. 22 (15), 5542 (2022).
  63. Shibuya, K., Sadamoto, T., Sato, K., Moriyama, M., Iwadate, M. Quantification of delayed oxygenation in ipsilateral primary motor cortex compared with contralateral side during a unimanual dominant-hand motor task using near-infrared spectroscopy. Brain Research. 1210, 142-147 (2008).
  64. Dai, T. H., Liu, J. Z., Sahgal, V., Brown, R. W., Yue, G. W. Relationship between muscle output and functional MRI-measured brain activation. Experimental brain research. 140 (3), 290-300 (2001).
  65. Cabibel, V., Hordacre, B., Perrey, S. Implication of the ipsilateral motor network in unilateral voluntary muscle contraction: the cross-activation phenomenon. Journal of Neurophysiology. 123 (5), 2090-2098 (2020).
  66. Akselrod, M., Martuzzi, R., Serino, A., vander Zwaag, W., Gassert, R., Blanke, O. Anatomical and functional properties of the foot and leg representation in areas 3b, 1 and 2 of primary somatosensory cortex in humans: A 7T fMRI study. NeuroImage. 159, 473-487 (2017).
  67. Brigadoi, S., Cooper, R. J. How short is short? Optimum source-detector distance for short-separation channels in functional near-infrared spectroscopy. Neurophotonics. 2 (2), 025005 (2015).
  68. Funahashi, S. Prefrontal contribution to decision-making under free-choice conditions. Frontiers in Neuroscience. 11, 431 (2017).
  69. Simon, S. R., Meunier, M., Piettre, L., Berardi, A. M., Segebarth, C. M., Boussaoud, D. Spatial attention and memory versus motor preparation: premotor cortex involvement as revealed by fMRI. Journal of Neurophysiology. 88 (4), 2047-2057 (2002).
  70. Desmurget, M., Sirigu, A. A parietal-premotor network for movement intention and motor awareness. Trends in Cognitive Sciences. 13 (10), 411-419 (2009).
  71. Nachev, P., Kennard, C., Husain, M. Functional role of the supplementary and pre-supplementary motor areas. Nature reviews. Neuroscience. 9 (11), 856-869 (2008).
  72. Thoenissen, D., Zilles, K., Toni, I. Differential involvement of parietal and precentral regions in movement preparation and motor intention. The Journal of neuroscience: the official journal of the Society for Neuroscience. 22 (20), 9024-9034 (2002).
  73. Al-Quraishi, M. S., Elamvazuthi, I., Tang, T. B., Al-Qurishi, M., Adil, S. H., Ebrahim, M. Bimodal data fusion of simultaneous measurements of EEG and fNIRS during lower limb movements. Brain Sciences. 11 (6), 713 (2021).
  74. Bishnoi, A., Holtzer, R., Hernandez, M. E. Brain Activation Changes While Walking in Adults with and without Neurological Disease: Systematic Review and Meta-Analysis of Functional Near-Infrared Spectroscopy Studies. Brain sciences. 11 (3), 291 (2021).
  75. Oh, S., Song, M., Kim, J. Validating attentive locomotion training using interactive treadmill: an fNIRS study. Journal of NeuroEngineering and Rehabilitation. 15 (1), 122 (2018).

Play Video

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

View Video