Waiting
로그인 처리 중...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी और निचले अंग के रोबोट-सहायता प्राप्त बहु-संयुक्त इंगित आंदोलनों का उपयोग करके एक प्रयोग

Published: June 7, 2024 doi: 10.3791/66004
Automatic Translation
1, 2, 2, 2, *3, *4
1Center of Mathematics, Computing and Cognition, Universidade Federal do ABC, 2Department of the Physical Therapy, Federal University of Sao Carlos, 3Vivax Ltda, 4Highland Instruments
* These authors contributed equally

Summary

यह अनुमान लगाया गया है कि दुनिया भर में 6 में से 1 व्यक्ति को अपने जीवनकाल में स्ट्रोक होगा, जिससे दीर्घकालिक विकलांगता होगी, जिसका पुनर्वास तंत्र अभी भी खराब समझा जाता है। यह अध्ययन निचले अंग रोबोट थेरेपी सत्र के दौरान कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) द्वारा मस्तिष्क सक्रियण का मूल्यांकन करने के लिए एक प्रोटोकॉल का प्रस्ताव करता है।

Abstract

स्ट्रोक हर साल दुनिया भर में लगभग 17 मिलियन व्यक्तियों को प्रभावित करता है और दीर्घकालिक विकलांगता का एक प्रमुख कारण है। रोबोटिक थेरेपी ने स्ट्रोक रोगियों को खोए हुए मोटर कार्यों को पुनः प्राप्त करने में मदद करने का वादा दिखाया है। मोटर रिकवरी कैसे होती है, इसकी समझ बढ़ाने के लिए एक संभावित एवेन्यू स्वस्थ व्यक्तियों में चिकित्सा द्वारा लक्षित आंदोलनों के दौरान मस्तिष्क सक्रियण का अध्ययन करना है। कार्यात्मक निकट-इन्फ्रारेड स्पेक्ट्रोस्कोपी (एफएनआईआरएस) मोटर फ़ंक्शन के तंत्रिका आधार की जांच के लिए एक आशाजनक न्यूरोइमेजिंग तकनीक के रूप में उभरा है। इस अध्ययन का उद्देश्य स्वस्थ विषयों में जटिल निचले अंग आंदोलनों के एफएनआईआरएस तंत्रिका सहसंबंधों की जांच करना है। प्रतिभागियों को मोटर पुनर्वास के लिए रोबोटिक डिवाइस का उपयोग करके 6 मिनट के लिए आराम और आंदोलन के चक्र करने के लिए कहा गया था। कार्य को कंप्यूटर स्क्रीन पर प्रदर्शित लक्ष्यों को इंगित करने के लिए समन्वित घुटने और टखने के संयुक्त आंदोलनों की आवश्यकता होती है। रोबोट द्वारा प्रदान की गई आंदोलन सहायता के विभिन्न स्तरों के साथ दो प्रयोगात्मक स्थितियों का पता लगाया गया था। परिणामों से पता चला कि एफएनआईआरएस प्रोटोकॉल ने कार्य के दौरान मोटर नियंत्रण से जुड़े मस्तिष्क क्षेत्रों का प्रभावी ढंग से पता लगाया। विशेष रूप से, सभी विषयों ने सहायक स्थिति की तुलना में नो-असिस्टेंस स्थिति के दौरान कॉन्ट्रालेटरल प्रीमोटर क्षेत्र में अधिक सक्रियण का प्रदर्शन किया। अंत में, एफएनआईआरएस निचले अंग के बहु-संयुक्त इंगित आंदोलनों से जुड़े ऑक्सीहीमोग्लोबिन एकाग्रता में परिवर्तन का पता लगाने के लिए एक मूल्यवान दृष्टिकोण प्रतीत होता है। यह शोध स्ट्रोक मोटर रिकवरी तंत्र की समझ में योगदान दे सकता है और स्ट्रोक रोगियों के लिए बेहतर पुनर्वास उपचार का मार्ग प्रशस्त कर सकता है। हालांकि, मोटर फ़ंक्शन और नैदानिक सेटिंग्स में इसके अनुप्रयोगों का अध्ययन करने में एफएनआईआरएस की क्षमता को पूरी तरह से स्पष्ट करने के लिए और शोध की आवश्यकता है।

Introduction

महामारी विज्ञान के आंकड़ों से संकेत मिलता है कि दुनिया भर में हर साल स्ट्रोक के ~ 17 मिलियन नए मामले होते हैं, जिसमें निम्न और मध्यम आय वाले देशों में घटनाओं में वृद्धि होतीहै। 2030 तक नए मामलों की संख्या बढ़कर 77 मिलियन होने का अनुमानहै। स्ट्रोक के कारण मोटर हानि अक्सर रोगी की गतिशीलता और दैनिक जीवन की गतिविधियों में भागीदारी को प्रभावित करती है, जिससे जीवन की निम्न गुणवत्ता में योगदान होता है। पारंपरिक मोटर पुनर्वास में मैनुअल थेरेपी शामिल है, लेकिन पिछले कुछ दशकों में, पुनर्वास के लिए रोबोट सिस्टम विकसित किए गए हैं। इन प्रणालियों उच्च तीव्रता, खुराक, मात्रात्मकता, विश्वसनीयता, दोहराव, और लचीलापन3 पर चिकित्सा वितरित कर सकते हैं और दोनों तीव्र और पुरानी स्ट्रोक रोगियों 4,5,6 के लिए प्रभावी पुनर्वास उपचार के रूप में क्षमता दिखाया है. चिकित्सा देने के अलावा, पुनर्वास के लिए रोबोट सिस्टम मूल्यांकन उपकरण के रूप में इस्तेमाल किया जा सकता है के रूप में वे सेंसर है कि रोगी आंदोलन कीनेमेटिक / गतिज डेटा 7,8 को मापने कर सकते हैं से लैस किया जा सकता है. ऊपरी छोर मोटर पुनर्वास के लिए, इस तरह के डेटा न केवल रोबोट चिकित्सा द्वारा प्राप्त रोगी की मोटर वसूली के स्तर का आकलन करने के लिए उपयोगी साबित हुआ है और पारंपरिक नैदानिक आकलन 9,10 के लिए एक पूरक उपकरण के रूप में कार्य किया है, लेकिन यह भी स्ट्रोक11 से मोटर वसूली की प्रक्रिया की समझ को आगे बढ़ाने में योगदान दिया है, 12 के साथ-साथ स्वस्थ विषयों में आंदोलन और मोटर सीखने के तंत्रिका नियंत्रण 3,13,14. नतीजतन, इन निष्कर्षों पुनर्वास उपचार15 बढ़ाने के लिए एक आधार प्रदान की है.

पिछले दो दशकों में, निचले अंग न्यूरोरेबिलिटेशन के लिए कई रोबोट उपकरणों का प्रस्ताव किया गया है, जो एक्सोस्केलेटन से फैले हुए हैं जो चलने के दौरान रोगी के शरीर के वजन का समर्थन करते हैं (उदाहरण के लिए, ट्रेडमिल पर, जैसे लोकोमैट16) स्थिर रोबोट सिस्टम के लिए जो रोगी को व्यायाम करने की अनुमति देता है चलने के बिना टखने, घुटने या पैर (जैसे रटगर्स टखने17, उच्च प्रदर्शन टखने पुनर्वास रोबोट18, और ग्वांगजू इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी (जीआईएसटी) टखने/पैर पुनर्वास रोबोट19) या सक्रिय पैर ऑर्थोस जो रोगी द्वारा ओवरग्राउंड या ट्रेडमिल पर चलने के लिए पहने जाने वाले एक्सोस्केलेटन हैं (जैसे कि संचालित चाल ऑर्थोसिस20 और एमआईटी एंकलेबोट21)। निचले अंग पुनर्वास के लिए रोबोट पर समीक्षा के लिए 22,23,4 देखें।

स्ट्रोक रोगियों पर निचले अंग पुनर्वास के लिए रोबोट उपकरणों के नैदानिक अध्ययन के परिणाम उत्साहजनक रहे हैं और दिखाया गया है कि ये सिस्टम विशिष्ट डिवाइस और नैदानिक प्रोटोकॉल के आधार पर जोड़ों की गति की सीमा (रोम), मांसपेशियों की ताकत या चाल में सुधार कर सकते हैं (पुनर्वास के लिए निचले अंग रोबोट की प्रभावकारिता पर समीक्षा के लिए 24,25 देखें)। हालांकि यह माना गया है कि रोबोट-असिस्टेड थेरेपी न्यूरोप्लास्टिक परिवर्तनों को बढ़ावा देती है, जिसके परिणामस्वरूप अंततः मोटर क्षमताओं में सुधार होता है26, स्ट्रोक से मोटर रिकवरी की प्रक्रिया वास्तव में कैसे होती है और कौन से रोबोट प्रशिक्षण प्रोटोकॉल निचले अंग मोटर क्षमताओं की वसूली की प्रक्रिया का अनुकूलन करते हैं, ज्यादातर अस्पष्ट रहते हैं। वास्तव में, पुनर्वास रोबोट (या तो अकादमिक शोधकर्ताओं या वाणिज्यिक संस्थाओं द्वारा) के बढ़ते विकास और मोटर रिकवरी4 से गुजरने वाले न्यूरोफिज़ियोलॉजिकल तंत्र की सीमित समझ के बीच एक महत्वपूर्ण, बढ़ती असमानता है। आंदोलन कीनेमेटीक्स या एम्बेडेड सेंसर के साथ लिया संयुक्त टोक़ के माप मात्रात्मक रूप से मोटर व्यवहार परिवर्तन है कि रोगियों को कम अंग मोटर क्षमताओं 27,28,29 ठीक हो जाते हैं, आंशिक रूप से इस अंतर को भरने के रूप में वर्णन करने के लिए योगदान दिया है. हालांकि, इस तरह के परिवर्तनों के अंतर्निहित तंत्रिका सहसंबंधों की कम जांच की गई है। यह कई कारणों से है।

मस्तिष्क कार्यात्मक इमेजिंग समय लेने वाली है और कभी-कभी नैदानिक परीक्षणों के संदर्भ में पूरा करना मुश्किल होता है, जिसे अक्सर अध्ययन के लिए रोगी के पालन की संभावना को अधिकतम करने के लिए रोगी के बोझ को कम से कम रखने की आवश्यकता होती है। यह उन व्यक्तियों के लिए विशेष रूप से सच है जिन्हें स्ट्रोक का सामना करना पड़ा है, इस तथ्य को देखते हुए कि स्ट्रोक के बाद थकान और मांसपेशियों की कमजोरी अक्सर30 देखी जाती है। इसके अलावा, इमेजिंग तौर-तरीके जो चुंबकीय क्षेत्रों पर आधारित होते हैं, जैसे कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई), को चुंबक-सुरक्षित होने के लिए रोगी और रोबोट हार्डवेयर दोनों की आवश्यकता होती है।

गैर-इनवेसिव इमेजिंग तौर-तरीकों में, कार्यात्मक निकट-इन्फ्रारेड स्पेक्ट्रोस्कोपी (एफएनआईआरएस) एक इमेजिंग तकनीक है जो विशेष रूप से रोबोटिक थेरेपी से गुजरने वाले विषयों में मस्तिष्क सक्रियण के क्षेत्रों का आकलन करने के लिए उपयुक्त है। एफएमआरआई के समान, एफएनआईआरएस मस्तिष्क में रक्त ऑक्सीजनकरण/डीऑक्सीजनेशन को मापता है। हालांकि, एफएमआरआई के विपरीत, एफएनआईआरएस रोबोट हार्डवेयर के साथ पूरी तरह से संगत है, और यह अक्सर पोर्टेबल होता है, यहां तक कि बेडसाइड पर प्रयोग करने योग्य भी होता है। इसके अलावा, fNIRS कम लागत और गति कलाकृतियों 31,32,33 के लिए कम संवेदनशीलता है.

70 के दशक के उत्तरार्ध में34 में इसकी पहली शुरूआत के बाद से कई नैदानिक सेटिंग्स में इसके स्पष्ट फायदे और व्यापक उपयोग के बावजूद, केवल कुछ अध्ययनों ने कम अंग आंदोलनों और स्ट्रोक मोटर रिकवरी से जुड़े मस्तिष्क सक्रियण को निर्धारित करने के लिए एफएनआईआरएस का उपयोग किया है। या तंत्र के तंत्रिका नियंत्रण के तंत्र को स्पष्ट करने के उद्देश्य से एफएनआईआरएस अध्ययन या स्ट्रोक से मोटर वसूली के मूल्यांकन ने ज्यादातर एकल-संयुक्त आंदोलनों (जैसे, डॉर्सिफ्लेक्सियन, प्लांटार फ्लेक्सन या घुटने के विस्तार आंदोलनों 35,36,37) की जांच की है, 38,39,40,41,42,43, या साइकिल चलाना44। समीक्षा के लिए45 देखें। इसी तरह, निचले अंग के लिए रोबोट-असिस्टेड थेरेपी पर एफएनआईआरएस अध्ययन ने ज्यादातर रोबोट-सहायता प्राप्त चाल पुनर्वास पर ध्यान केंद्रित किया है; समीक्षा के लिए46 देखें। कुछ अध्ययनों ने रोबोटिक उपकरणों47,48 के लिए नियंत्रण संकेत प्राप्त करने के लिए मस्तिष्क-कंप्यूटर इंटरफ़ेस (बीसीआई) प्रणाली के हिस्से के रूप में एफएनआईआरएस का उपयोग करने पर ध्यान केंद्रित किया है; जबकि यह शोध क्षेत्र एफएनआईआरएस संकेतों के प्रसंस्करण पर भी निर्भर करता है, इसका लक्ष्य अलग है और मुख्य रूप से रोगी के इरादों (जैसे, गंभीर मोटर विकलांग रोगियों) को डिकोड करने पर केंद्रित है।

यहां प्रस्तुत पायलट अध्ययन निचले अंग पुनर्वास के लिए रोबोट प्रणाली के प्रभावों की जांच करने के प्रारंभिक प्रयास का हिस्सा है। रोबोट लक्ष्य-उन्मुख निचले अंग पुनर्वास प्रदान कर सकता है जिसमें रोजमर्रा के बहु-संयुक्त आंदोलनों में प्रशिक्षण शामिल है और साथ ही निचले अंग के एकल जोड़ों (जैसे, घुटने या टखने) को चिकित्सा प्रदान करता है (यानी, नीचे-ऊपर पुनर्वास कार्यक्रम लागू करता है)।

अध्ययन का उद्देश्य एक प्रयोगात्मक प्रोटोकॉल की व्यवहार्यता की जांच करना है जिसके लिए निचले अंग, बहु-संयुक्त पॉइंटिंग आंदोलनों के प्रदर्शन के दौरान एफएनआईआरएस डेटा के अधिग्रहण की आवश्यकता होती है। इस अध्ययन में डेटा अधिग्रहण अवधि की अवधि, जो 6 मिनट तक सीमित थी, ठेठ एफएनआईआरएस प्रोटोकॉल से कम है। यह इस शोध की व्यावहारिकता और नैदानिक प्रयोज्यता को बढ़ाने के उद्देश्य से बनाया गया एक जानबूझकर विकल्प था, विशेष रूप से सीमित गतिशीलता या ताकत वाले रोगियों में। इस तरह के जटिल बहु-संयुक्त आंदोलनों के एफएनआईआरएस सहसंबंधों की पहचान करना और रोबोट सहायता द्वारा मस्तिष्क सक्रियण को कैसे संशोधित किया गया था, इस बारे में अंतर्दृष्टि प्राप्त करना भी रुचि के बिंदु थे। इस उद्देश्य के लिए, एक ही प्रतिभागियों के साथ प्रयोगों के दो सत्र आयोजित किए गए थे: एक बिना रोबोट सहायता के और एक रोबोट सहायता के साथ। अंत में, यह टिप्पणी करना महत्वपूर्ण है कि यह अध्ययन रोबोटिक थेरेपी द्वारा लक्षित आंदोलनों के दौरान प्रोटोकॉल व्यवहार्यता और मस्तिष्क सक्रियण के मूल्यांकन के संदर्भ में भविष्य के अनुसंधान के लिए एक नींव स्थापित करने के लिए स्वस्थ विषयों पर केंद्रित है।

उपकरण
निचले अंग पुनर्वास ( चित्रा 1 देखें) देने के लिए डिज़ाइन किया गया एक पोर्टेबल रोबोट हमारे प्रयोगों का संचालन करने के लिए इस्तेमाल किया गया था। रोबोट में एक 3 डी पहुंच योग्य कार्यक्षेत्र है और कॉम्पैक्ट और हल्का है, जिसका वजन लगभग 35 पाउंड है, जो परिवहन और स्थापित करना आसान बनाता है।

Figure 1
चित्रा 1: प्रायोगिक सेटअप। (ए) निचले अंग के लिए डिज़ाइन किया गया रोबोट सिस्टम (फर्श पर स्थापित)। एक स्वयंसेवक को अपने दाहिने पैर के साथ इंटरफ़ेस का उपयोग करते हुए दिखाया गया है। (बी) विषय के पैर के लिए समर्थन संरचना जो रोबोट प्रणाली से लगाव को सक्षम बनाती है। (सी) पिकनिक गेम का एक स्क्रीनशॉट। खेल का उद्देश्य पैर (हरे और सफेद जूते) को लक्ष्य (पीला घेरा) पर ले जाना है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

रोबोटिक सिस्टम को एक मरीज को निचले अंग आंदोलनों को करने में सहायता करने के लिए डिज़ाइन किया गया है, जो रोजमर्रा के कार्यों में किए जाते हैं, जैसे कि इशारा करना या लात मारना। यह इंटरैक्टिव वर्चुअल रियलिटी गेम्स का उपयोग करता है, जो कंप्यूटर मॉनीटर या रोबोटिक डिवाइस के सामने रखी टेलीविजन स्क्रीन पर प्रदर्शित होते हैं ( चित्र 1 देखें)। रोबोट-एंड प्रभावक रोगी के निचले अंग (जैसे, टखने) से जुड़ा होता है, और इसकी स्थिति को स्क्रीन पर कर्सर की स्थिति में मैप किया जाता है। एक विशिष्ट खेल रोगी आंदोलन के लक्ष्य को दर्शाता है (उदाहरण के लिए, गेंद को इंगित करने या कहां किक करने के लिए वस्तु)।

आंदोलन कार्य को पूरा करने के लिए, रोबोट रोगी को सहायता के स्तर के साथ सहायता कर सकता है जो पूर्ण सहायता से लेकर कोई भी नहीं हो सकता है। रोगी के मोटर हानि के स्तर के आधार पर प्रत्येक पुनर्वास सत्र की शुरुआत में रोबोट सहायता का स्तर चुना जाता है। विषय द्वारा किए गए आंदोलनों का उपयोग खेल द्वारा रोगी के प्रदर्शन को स्कोर करने और उन्हें उनके प्रदर्शन (जैसे, रोम, आंदोलनों की संख्या और रोबोट सहायता के स्तर) पर प्रतिक्रिया प्रदान करने के लिए किया जाता है। खेलों को रोगी की रुचि और ध्यान बनाए रखने के लिए इंटरैक्टिव और मनोरंजक होने के लिए डिज़ाइन किया गया है। इस अध्ययन में, प्रतिभागियों ने "पिकनिक गेम" खेला, जिसमें खिलाड़ी को कीड़ों को तौलिया तक पहुंचने और भोजन चोरी करने से रोकना था (स्क्रीनशॉट के लिए चित्र 1, निचला पैनल देखें)।

डेटा अधिग्रहण दो अलग-अलग निरंतर-तरंग ऑप्टोड (760 एनएम और 850 एनएम), 8 दोहरे टिप एलईडी स्रोतों और 8 दोहरे टिप सक्रिय डिटेक्टरों के साथ पोर्टेबल एफएनआईआरएस अधिग्रहण प्रणाली के साथ किया गया था। संकेतों को 10.17 हर्ट्ज की नमूना दर का उपयोग करके प्राप्त किया गया था। एक लैपटॉप अंशांकन अनुकूलन और fNIRS प्रणाली द्वारा बनाई गई एक वाई-फाई नेटवर्क का उपयोग कर संकेत रिकॉर्डिंग के लिए इस्तेमाल किया गया था.

पूर्व निर्धारित स्थानों में ऑप्टोड को पकड़ने के लिए एक टोपी का उपयोग किया गया था। स्रोतों और डिटेक्टरों को ग्रिड स्थानिक वितरण में 10-10 अंतर्राष्ट्रीय ईईजी प्रणाली के अनुसार रखा गया था। प्रत्येक एफएनआईआरएस चैनल को लगभग 30 मिमी की अंतर-ऑप्टोड दूरी के साथ एक स्रोत-डिटेक्टर जोड़ी द्वारा परिभाषित किया गया था। ऑप्टोड को पूरक मोटर, प्रीमोटर और मोटर क्षेत्रों में चित्र 2 में दिखाए गए स्थानों पर रखा गया था। चैनलों की कुल संख्या 28 थी, जहां 8 कम दूरी के चैनल थे जो एक एकल डिटेक्टर के लिए फाइबर ऑप्टिक्स एडाप्टर का उपयोग करके प्रत्येक स्रोत से जुड़े थे। हार्डवेयर के मल्टीप्लेक्सिंग सेटअप को देखते हुए, केवल एक डिटेक्टर का उपयोग करके सभी स्रोतों से कम दूरी की जानकारी प्राप्त करना संभव है।

Figure 2
चित्रा 2: 10-10 ईईजी प्रणाली का उपयोग करके असेंबल लेआउट। अक्षर और संख्याएं स्रोत/डिटेक्टर स्थानों को इंगित करती हैं। लाल और नीले डॉट्स क्रमशः स्रोत और डिटेक्टर ऑप्टोड का प्रतिनिधित्व करते हैं। हरी रेखाएं fNIRS चैनलों का प्रतिनिधित्व करती हैं जिनमें स्रोत और डिटेक्टर जोड़े होते हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

प्रायोगिक डिजाइन
प्रयोग दो अलग-अलग प्रयोगात्मक स्थितियों के तहत आयोजित किया गया था, जो विषय के आंदोलनों के लिए रोबोट द्वारा प्रदान की गई सहायता के स्तर में भिन्न था। पहली स्थिति में, रोबोट को विषय के आंदोलनों को कोई सहायता प्रदान नहीं करने के लिए प्रोग्राम किया गया था, जबकि दूसरी स्थिति में, रोबोट ने विषय के पैर और पैर की गतिविधियों (रोबोट-सहायता प्राप्त आंदोलन) को नियंत्रित किया।

प्रत्येक प्रयोग एक ब्लॉक डिजाइन प्रतिमान एक मोटर कार्य (खेल खेल खेल - 30 एस) और आराम (30 एस) के वैकल्पिक चक्र शामिल पीछा किया, चित्रा 3 में सचित्र के रूप में. प्रत्येक चरण (खेल/खेल या आराम) की शुरुआत और निष्कर्ष को कंप्यूटर स्क्रीन के माध्यम से विषय को नेत्रहीन संकेत दिया गया था। बाकी चरण के दौरान, ठहराव का संकेत देने वाला एक संदेश प्रदर्शित किया गया था। प्रत्येक चक्र (खेल/खेल + आराम) की अवधि 60 सेकंड थी और इसे छह बार दोहराया गया, जिसके परिणामस्वरूप कुल रनटाइम 360 सेकंड (6 मिनट) था।

प्रतिभागियों ने "पिकनिक गेम" खेला, जिसका उद्देश्य कीड़ों को तौलिया तक पहुंचने और भोजन चुराने से रोकना था। इस खेल में निचले अंग आंदोलनों का एक क्रम शामिल था, जो एक निर्दिष्ट घरेलू लक्ष्य (प्रारंभिक स्थिति) से शुरू होता है और घर के लक्ष्य पर लौटने से पहले तीन बाहरी लक्ष्यों में से एक की ओर फैलता है। स्क्रीन पर, बाहरी लक्ष्यों को नेत्रहीन रूप से एनिमेटेड चलती कीड़ों के रूप में दर्शाया गया था, जिन्हें प्रतिभागियों तक पहुंचना और कदम रखना था। तीन बाहरी पहुंचने वाले लक्ष्य थे, प्रत्येक बेतरतीब ढंग से प्रत्येक आंदोलन के लिए एक आम घरेलू लक्ष्य के साथ, समान संख्या में प्रस्तुत किए गए थे। घर के लक्ष्य से बाहरी लक्ष्यों की स्थिति तक यात्रा करने के लिए पैर को जिस दूरी की आवश्यकता होती है, वह एक चाप बनाती है, जिसकी माप लगभग 26 सेमी है। मोटर कार्य को बहु-संयुक्त आंदोलनों के निष्पादन की आवश्यकता होती है, घुटने के फ्लेक्सन / एक्सटेंशन, प्लांटार फ्लेक्सन और डॉर्सिफ्लेक्सियन आंदोलनों के बीच समन्वय की मांग होती है।

fNIRS डेटा रिकॉर्डिंग को रोबोट द्वारा उत्पन्न ट्रांजिस्टर-ट्रांजिस्टर-लॉजिक (TTL) पल्स के माध्यम से गेम द्वारा प्रस्तुत दृश्य उत्तेजनाओं के साथ सिंक्रनाइज़ किया गया था। प्रत्येक चरण (खेल/खेल और आराम) की शुरुआत में दालें उत्पन्न हुईं। इस प्रकार, सभी समय नियंत्रण खेल द्वारा किया गया था, जिसने प्रत्येक आंदोलन को शुरू करने के लिए प्रतिभागी को दृश्य संकेत (लक्ष्य) प्रदान किए, मस्तिष्क गतिविधि रिकॉर्डिंग को चिह्नित करने के लिए एफएनआईआरएस प्रणाली को टीटीएल सिग्नल भेजे, और यदि प्रयोग द्वारा आवश्यक हो, तो आंदोलन सहायता शुरू करने के लिए रोबोट नियंत्रण प्रणाली को संकेत भेजे।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

इस अध्ययन को UNICEP (Centro Universitario Paulista) के स्थानीय एथिक्स रिव्यू बोर्ड द्वारा अनुमोदित किया गया था। सभी प्रतिभागियों ने मनुष्यों से जुड़े वैज्ञानिक अनुसंधान के संबंध में सभी संस्थागत दिशानिर्देशों और संघीय मानदंडों का पालन करते हुए सूचित सहमति प्रदान की। ब्राजील के संघीय नियमों द्वारा आवश्यक उन्हें कोई वित्तीय मुआवजा नहीं मिला।

1. एफएनआईआरएस प्रणाली

  1. 16 ऑप्टोड का उपयोग करके टोपी तैयार करें: 8 प्रकाश स्रोत (760 एनएम और 850 एनएम) और 8 प्रकाश डिटेक्टर ( चित्र 2 देखें; स्रोतों का स्थान: FC1, FC2, C3, Cz, C4, CP1, CP2 और Pz; डिटेक्टरों का स्थान (FCz, C1, C2, CPz, P1 और P3)। आठवें डिटेक्टर को कम दूरी के एडॉप्टर से संलग्न करें, जो प्रत्येक स्रोत ऑप्टोड से जुड़ा होता है।
  2. एफएनआईआरएस अधिग्रहण सॉफ्टवेयर खोलें और प्रत्येक ऑप्टोड के प्लेसमेंट के साथ असेंबल लोड करें।
  3. 10.17 हर्ट्ज पर fNIRS संकेत अस्थायी नमूना दर सेट करें।

2. प्रतिभागी

  1. संक्षेप में प्रतिभागी को अनुसंधान प्रासंगिकता और प्रयोगात्मक प्रोटोकॉल की व्याख्या करें।
  2. यदि प्रतिभागी स्वयंसेवक के लिए सहमत है, तो सुनिश्चित करें कि स्वयंसेवक मनुष्यों से जुड़े वैज्ञानिक अनुसंधान के संबंध में सभी संस्थागत दिशानिर्देशों और संघीय मानदंडों का पालन करते हुए सूचित सहमति प्रदान करता है।
  3. स्वयंसेवक को रोबोट के सामने एक कुर्सी पर बैठने का निर्देश दें, जो कंप्यूटर मॉनीटर से लगभग 150 सेमी दूर स्थित हो।
  4. जूते निकालने के बाद, आराम से वेल्क्रो (हुक-एंड-लूप फास्टनर) पट्टियों के साथ रोबोट बांह में प्रतिभागी के पैर संलग्न करें ( चित्र 1, ऊपरी बाएं पैनल देखें)।
  5. प्रतिभागी के सिर में ऑप्टोड के साथ fNIRS टोपी रखें और ठोड़ी के नीचे हुक-एंड-लूप फास्टनर के साथ इसे सुरक्षित रूप से जकड़ें।
  6. परिवेश प्रकाश के हस्तक्षेप को कम करने के लिए ऑप्टोड कैप पर ओवरकैप रखें।

3. डेटा अधिग्रहण

  1. प्रत्येक प्रतिभागी को निर्देश दें कि आंदोलन कलाकृतियों के जोखिम को कम करने के लिए अचानक सिर आंदोलनों को न करें।
  2. इष्टतम सिग्नल गुणवत्ता के लिए fNIRS प्रणाली को कैलिब्रेट करें।
  3. प्रमाणित करें कि सभी चैनल अच्छी गुणवत्ता के हैं, जैसा कि इंटरफ़ेस द्वारा दिखाया गया है। यदि नहीं, तो खोपड़ी और ऑप्टोड टिप के बीच के बालों को हटाने का प्रयास करें।
  4. प्रतिभागी को समझाएं कि स्क्रीन पर इंगित लक्ष्यों तक पहुंचने के लिए रोबोट से जुड़े पैर को घुमाकर गेम कैसे खेलना है।
  5. प्रतिभागियों को समझाएं कि रोबोटिक सहायता के बिना और रोबोटिक सहायता से दो शर्तें होंगी।

4. रोबोट प्रणाली

  1. मॉनिटर और रोबोट को इलेक्ट्रिक नेटवर्क स्रोत से जोड़कर सिस्टम को पावर दें। परिचालन प्रणाली शुरू होने के बाद, पहला गेम इंटरफ़ेस दिखाई देता है।
  2. रोबोटिक आर्म को मानक स्थान पर रखें और रोबोटिक आर्म को सही ढंग से फीडबैक संदेश प्राप्त करने की प्रतीक्षा करें।
  3. रोबोट गेमिंग इंटरफ़ेस में लॉग इन करने के लिए सिस्टम में प्रतिभागी और प्रयोगकर्ता के बारे में वर्णनात्मक डेटा दर्ज करें।
  4. खेल चयन इंटरफ़ेस में, 30 एस आराम अंतराल के साथ सत्र का समय 6 मिनट तक कॉन्फ़िगर करें।
  5. प्रतिभागी द्वारा उपयोग किए जाने वाले उपयुक्त पैर (दाएं या बाएं) का चयन करें।
  6. पिकनिक गेम चुनें और गेम खेलने के लिए गो पर क्लिक करें।

5. डेटा विश्लेषण

  1. संशोधित बीयर-लैम्बर्ट समीकरण49 का उपयोग करके कच्चे संकेतों को हेमोडायनामिक राज्यों (ऑक्सीहीमोग्लोबिन (एचबीओ) और डीऑक्सीहीमोग्लोबिन (एचबीआर)) में परिवर्तित करें।
  2. मजबूत अनुमान और ऑटोकोरिलेशन अनुमान के साथ सामान्य रैखिक मॉडल (जीएलएम) का उपयोग करके व्यक्तिगत सक्रियण मानचित्र बनाएं, जो गति कलाकृतियों50 से कम प्रभावित होता है। प्रयोगात्मक डिजाइन (बाकी = 0; खेल/खेलने = 1) स्वतंत्र चर के रूप में विहित हेमोडायनामिक प्रतिक्रिया समारोह (एचआरएफ) और आश्रित चर के रूप में मनाया एचबीओ या एचबीआर संकेत द्वारा जटिल का प्रयोग करें।
  3. प्रत्येक चैनल के लिए, बाकी की तुलना में खेल/खेल के दौरान बीटा गुणांक (जो चैनल के सक्रियण की ताकत को दर्शाता है) निकालें।
  4. रुचि के तीन क्षेत्रों (आरओआई) में चैनल मर्ज करें और आरओआई चैनलों में सक्रियण गुणांक (जीएलएम बीटा) का औसत करें। आरओआई को निम्नानुसार परिभाषित करें ( चित्र 2 देखें): (1) बाएं गोलार्ध के लिए प्रीमोटर क्षेत्र (चैनल [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) बाएं गोलार्ध के लिए सोमाटोमोटर क्षेत्र (चैनल [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); और (3) पूरक मोटर क्षेत्र (SMA) (चैनल [Cz-FCz, CPz-Cz])।
    नोट: यहां जांच की गई 51,52,53 के समान मोटर कार्यों पर पिछले साहित्य के आधार पर और यह देखते हुए कि सभी प्रतिभागियों ने अपने दाहिने पैर के साथ मोटर कार्य निष्पादित किया, यह अनुमान लगाया गया था कि बाएं (विपरीत) प्रीमोटर और सोमैटोमोटर, साथ ही एसएमए क्षेत्र, दोनों स्थितियों में खेल / खेलने के प्रदर्शन के दौरान सक्रियण प्रदर्शित करेंगे, बिना किसी स्थिति में मजबूत सक्रियण के साथ।
  5. इन बीटा पर गैर-पैरामीट्रिक विलकॉक्सन परीक्षण लागू करें। टाइप I त्रुटि को 5% (एक-पूंछ विश्लेषण) पर सेट करें।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

सभी छह विषयों ने दोनों प्रयोगों को पूरा किया। बिना सहायता की स्थिति में, प्रत्येक विषय द्वारा औसतन 76.67 परीक्षण (कक्षा 10.73) पूरे किए गए थे (ध्यान दें, प्रत्येक विषय के लिए, परीक्षणों की संख्या सफल पहुंच की संख्या पर निर्भर करती थी क्योंकि एक नया लक्ष्य केवल तभी दिखाया गया था जब पिछला लक्ष्य पूरा हो गया था)। सहायता की स्थिति में, जहां विषय के आंदोलन को रोबोट द्वारा पूरी तरह से सहायता प्रदान की गई थी, सभी विषयों ने 70 परीक्षण पूरे किए। fNIRS डेटा सफलतापूर्वक सभी विषयों से दर्ज किया गया था.

चित्रा 4 एचबीओ और एचबीआर के लिए खेल बनाम बाकी अवधि की तुलना करने वाले एकल-विषय मस्तिष्क सक्रियण नक्शे दिखाता है। प्रत्येक विषय के लिए, एचबीओ परिवर्तनों से जुड़े मानचित्रों ने प्रयोगात्मक स्थिति में बिना रोबोट सहायता के सांख्यिकीय रूप से महत्वपूर्ण सक्रियण (पी < 0.01) दिखाया, जबकि केवल दो विषयों ने रोबोट सहायता के साथ प्रयोगात्मक स्थिति में सांख्यिकीय रूप से महत्वपूर्ण सक्रियण दिखाया। एचबीआर के बारे में, चार विषयों ने दोनों स्थितियों में सांख्यिकीय रूप से महत्वपूर्ण सक्रियण (पी < 0.01) प्रस्तुत किया, हालांकि एचबीओ की तुलना में कम चैनलों में।

चित्रा 5 आरओआई-आधारित परिकल्पना-संचालित विश्लेषण के व्यक्तिगत विषयों के परिणामों को सारांशित करता है। जांच किए गए सभी आरओआई में, केवल बाएं प्रीमोटर कॉर्टेक्स ने बाकी तुलना (पी = 0.046) के सापेक्ष खेल/खेल के दौरान एचबीओ सक्रियण में सांख्यिकीय रूप से महत्वपूर्ण वृद्धि प्रदर्शित की और केवल रोबोट सहायता के बिना स्थिति में। इसके अलावा, इस आरओआई ने रोबोट सहायता (पी = 0.016) के साथ स्थिति की तुलना में रोबोट सहायता के बिना स्थिति में अधिक सक्रियण प्रस्तुत किया। अन्य आरओआई के लिए या एचबीआर-आधारित विश्लेषणों में कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं थे, या तो खेल / खेल बनाम बाकी विश्लेषण में या स्थितियों के बीच तुलना में (पी >0.05)। इस प्रकार, समूह स्तर पर, बाएं सोमैटोमोटर कॉर्टेक्स, एसएमए, या एचबीआर-आधारित विश्लेषणों में कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं पाया गया।

Figure 3
चित्रा 3: खेल के वैकल्पिक ब्लॉक और आराम राज्य की स्थिति के साथ ब्लॉक डिजाइन प्रयोग। विषय ने 30 s (खेल अवधि) के लिए लगातार पिकनिक खेल खेला और निम्नलिखित 30 s (बाकी अवधि) के लिए अभी भी बना रहा। इस चक्र को 6 बार दोहराया गया था, जिसके परिणामस्वरूप 6 मिनट की सत्र अवधि (ध्यान दें, केवल 150 एस आंकड़े में दिखाए गए हैं)। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: एकल-विषय मस्तिष्क थ्रेशोल्ड सांख्यिकीय सक्रियण मानचित्र। एकल-विषय मस्तिष्क थ्रेसहोल्ड (चैनल पी-वैल्यू < 0.01) दोनों प्रयोगात्मक स्थितियों (रोबोट सहायता के साथ और बिना) में एचबीओ और एचबीआर के लिए छह विषयों (एस 1-एस 6) के सांख्यिकीय सक्रियण मानचित्र। ध्यान दें कि केवल सांख्यिकीय रूप से महत्वपूर्ण सक्रियण प्रदर्शित करने वाले नक्शे प्रस्तुत किए जाते हैं (यानी, रिक्त स्लॉट के साथ कोई भी विषय और स्थिति इंगित करती है कि उस विशेष संयोजन के लिए कोई महत्वपूर्ण सक्रियण नहीं देखा गया था)। रंग पट्टी प्रत्येक fNIRS चैनल के सक्रियण गुणांक (GLM बीटा) के t-सांख्यिकी आयाम का प्रतिनिधित्व करती है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्रा 5: एचबीओ संकेतों के आधार पर बाएं प्रीमोटर कॉर्टेक्स का सक्रियण। जैसा कि चरण 5.2 में विस्तृत है, बीटा गुणांक का अनुमान जीएलएम का उपयोग करके लगाया गया था, और सक्रियण के आयाम को प्रत्येक विषय, प्रयोगात्मक स्थिति (बिना सहायता प्राप्त और सहायता प्राप्त आंदोलनों), और विशिष्ट चैनलों के लिए निर्धारित किया गया था (ध्यान दें, आरओआई के लिए बीटा मान औसत द्वारा प्राप्त किए गए थे बाएं प्रीमोटर प्रांतस्था के भीतर चैनल)। डॉट चार्ट नेत्रहीन रूप से प्रत्येक विषय और स्थिति के लिए ROI औसत बीटा गुणांक का प्रतिनिधित्व करता है, जिसमें लाल और हरे बिंदु क्रमशः सहायक और असिस्टेड आंदोलनों को इंगित करते हैं। प्रत्येक विषय के लिए, बिना सहायता वाली स्थिति का आरओआई बीटा गुणांक सहायक स्थिति की तुलना में अधिक है, जो पूर्व स्थिति में अधिक सक्रियण को दर्शाता है। यह परिणाम सभी विषयों में एक जैसा है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

इस प्रूफ-ऑफ-कॉन्सेप्ट अध्ययन में, स्वस्थ विषयों से एफएनआईआरएस डेटा का उपयोग करके मस्तिष्क सक्रियण मानचित्रण पर अनुमान लगाने की व्यवहार्यता की जांच की गई, जबकि उन्होंने निचले अंग पुनर्वास के लिए रोबोट का उपयोग करके विभिन्न प्रकार के आंदोलनों के साथ प्रयोग किया। वयस्कों में विशिष्ट fNIRS रिकॉर्डिंग सत्र 6 मिनट54 से अधिक लंबे होते हैं। हालांकि, एक पुनर्वास सेटिंग के संदर्भ में रिकॉर्डिंग संभव बनाने के लिए, प्रयोग की कुल अवधि अनावश्यक थकान और विषय के लिए प्रयास से बचने के लिए कम से कम किया जाना चाहिए. इस अध्ययन ने यह भी परीक्षण किया कि क्या 6 कार्य पुनरावृत्ति ब्लॉक (6 मिनट की सत्र अवधि के साथ) के साथ एक ब्लॉक डिजाइन प्रयोग हेमोडायनामिक प्रतिक्रिया का आकलन करने और सहायता और नो-सहायता स्थिति के बीच अंतर का पता लगाने के लिए पर्याप्त था। निष्कर्ष बताते हैं कि ये रिकॉर्डिंग जानकारीपूर्ण हैं और एफएनआईआरएस वास्तव में निचले अंगों के लिए रोबोट सहायता के विभिन्न स्तरों के साथ व्यायाम व्यवस्था से जुड़े एचबीओ एकाग्रता में परिवर्तन का पता लगाने के लिए एक उपयोगी तरीका हो सकता है। यहां तक कि एक छोटे से नमूना आकार के साथ, कार्य बनाम बाकी ब्लॉकों की तुलना करते समय एचबीओ द्वारा मापा गया एक महत्वपूर्ण कॉन्ट्रालेटरल प्रीमोटर सक्रियण पाया गया; रोबोट-सहायता प्राप्त एक की तुलना में सभी विषयों ने इस क्षेत्र में नो-असिस्टेंस स्थिति में अधिक सक्रियण प्रस्तुत किया।

fNIRS डेटा दो अलग-अलग स्थितियों के दौरान दर्ज किया गया था, जो मोटर कार्य को पूरा करने के लिए आवश्यक विषय के प्रयास के दो अलग-अलग स्तरों के अनुरूप था। प्रयोगों के पहले सेट में, रोबोट K को 10 पर सेट किया गया था, जो बिना किसी रोबोट सहायता के अनुरूप था। प्रयोगों के दूसरे सेट में, K को 150 पर सेट किया गया था; K के इस मूल्य के साथ विषय का निचला अंग लगभग पूरी तरह से रोबोट द्वारा स्थानांतरित किया गया था। जैसा कि चित्रा 4 में दर्शाया गया है, सभी विषयों ने बिना किसी स्थिति में सांख्यिकीय रूप से महत्वपूर्ण मस्तिष्क सक्रियण प्रदर्शित किया; जब K को 150 पर सेट किया गया था, तो केवल दो विषयों ने महत्वपूर्ण सक्रियण प्रस्तुत किया।

जैसा कि चित्रा 5 में संक्षेप में बताया गया है, परिणामों ने यह भी दिखाया कि बिना सहायता वाले अभ्यासों (उच्च स्तर के प्रयास) से जुड़े एचबीओ एकाग्रता में परिवर्तन सहायक अभ्यासों से जुड़े परिवर्तनों की तुलना में अधिक थे। हालांकि, एक महत्वपूर्ण अंतर केवल कॉन्ट्रालेटरल प्रीमोटर कॉर्टेक्स (पीएमसी) में पाया गया था। यह खोज मनुष्यों पर कई पिछले न्यूरोइमेजिंग अध्ययनों के परिणामों के अनुरूप है जो बल55,56 के बढ़ते स्तर के साथ न्यूरोनल सक्रियण में वृद्धि पाते हैं। हालांकि, अधिकांश पिछले अध्ययनों ने ऊपरी अंग की जांच की; बहुमत स्थिर, आइसोमेट्रिक कार्यों पर केंद्रित है, जबकि केवल कुछ ही गतिशील आंदोलनों 57,58,59 मूल्यांकन किया है.

अपेक्षाकृत कम अध्ययनों ने निचले अंग पर ध्यान केंद्रित किया है। उनमें से कुछ ने स्थिर मोटर कार्यों पर ध्यान केंद्रित किया है। अलेक्जेंड्रे एट अल 51 ने स्वस्थ और पुरानी प्रतिरोधी फुफ्फुसीय रोग विषयों में घुटने के एक्सटेंसर के अधिकतम और सबमैक्सिमल स्वैच्छिक संकुचन (एमवीसी) के एफएनआईआरएस सहसंबंधों की जांच की। एफएमआरआई का उपयोग करते हुए, यूं एट अल 52 ने विभिन्न एमवीसी स्तरों पर टखने के डॉर्सिफ्लेक्सर मांसपेशियों के साथ आइसोमेट्रिक संकुचन के दौरान कॉर्टिकल सक्रियण परिवर्तनों की जांच की। अन्य अध्ययनों ने चाल60,61,62 पर ध्यान केंद्रित किया है। एफएनआईआरएस का उपयोग करते हुए, हरदा एट अल 60 ने स्वस्थ विषयों में तीन तीव्रता पर चलने के दौरान कॉर्टिकल सक्रियण पैटर्न की जांच की और पाया कि लोकोमोटर गति और ताल में वृद्धि कॉर्टिकल सक्रियण के उच्च स्तर से जुड़ी थी। बोनल एट अल 62 ने शारीरिक सहायता के विभिन्न स्तरों पर एक्सोस्केलेटन-मध्यस्थता चाल के दौरान स्वस्थ विषयों में कॉर्टिकल सक्रियण की जांच की और दो असिस्टेड स्थितियों (50% और 100%) के दौरान सबसे बड़ी कॉर्टिकल सक्रियण भी पाया, लेकिन सहायक स्थितियों के बीच कॉर्टिकल सक्रियण में केवल मामूली अंतर। इस अध्ययन के परिणाम समग्र रूप से इन पिछले अध्ययनों के परिणामों के अनुरूप हैं।

निचले अंग आंदोलनों के तंत्रिका नियंत्रण से जुड़े कॉर्टिकल क्षेत्रों की भूमिका अभी भी बहुत कम समझी जाती है और ऊपरी अंग तंत्रिका नियंत्रण की तुलना में कम अध्ययन किया जाता है। विशेष रूप से पुनर्वास के संदर्भ में, इस तरह की समझ इन क्षेत्रों की न्यूरोप्लास्टिकिटी की पहचान करने के लिए एक नींव स्थापित करने के लिए महत्वपूर्ण है, जो हो सकती है, उदाहरण के लिए, न्यूरोलॉजिकल मूल, मोटर व्यायाम या उम्र बढ़ने के मोटर विकारों के परिणामस्वरूप। जैसा कि चित्र 4 में दिखाया गया है, सभी विषयों ने बिना सहायता के स्थिति के दौरान पीएमसी या एसएमए क्षेत्रों में सक्रियता दिखाई। आकृति में प्रस्तुत चैनल-विशिष्ट परिणामों से संकेत मिलता है कि हालांकि सक्रियण द्विपक्षीय था, यह विरोधाभासी गोलार्ध में अधिक प्रमुख था। कुल मिलाकर, ये निष्कर्ष अलेक्जेंड्रे एट अल.51 के अध्ययन के अनुरूप हैं जो घुटने के विस्तार के दौरान contralateral प्राथमिक मोटर (M1) और प्राथमिक सोमैटोसेंसरी (S1), PMC, और प्रीफ्रंटल (PFC) कॉर्टिकल क्षेत्रों की सक्रियता दिखाते हैं। इसके अलावा, ये निष्कर्ष यूं एट अल.52 के अध्ययन के परिणामों के अनुरूप हैं, जो टखने के डॉर्सी-फ्लेक्सन के दौरान कॉन्ट्रालेटरल एम 1, एसएमए, पुटामेन, पैलिडम सिंगुलेट कॉर्टेक्स और इप्सिलेटरल सेरिबैलम में सक्रियण दिखाते हैं, और सिकारेली एट अल.53 के अध्ययन के परिणामों के साथ जो कि विपरीत एम 1 और संवेदी कॉर्टिस की सक्रियता पाई गई, साथ ही टखने के आंदोलनों के दौरान पीएमसी और उप-भाग क्षेत्र।

हेमीबॉडी आंदोलनों को सेरेब्रल कॉर्टेक्स के विपरीत गोलार्ध द्वारा नियंत्रित माना जाता है। हालांकि, एकतरफा आंदोलनों 56,63,64, साथ ही एकतरफा पैर आंदोलनों (समीक्षा के लिए65 भी देखें) के लिए ipsilateral cortical भागीदारी की सूचना दी गई है। इन अध्ययनों से अलग, विश्लेषण ने सभी विषयों में सोमैटोमोटर कॉर्टेक्स में लगातार सक्रियण प्रकट नहीं किया, जैसा कि चित्रा 4में दिखाया गया है; इसके अतिरिक्त, आरओआई विश्लेषण के परिणामों ने महत्वपूर्ण सक्रियण का संकेत नहीं दिया। इस खोज को ऊपरी अंगों की तुलना में निचले अंगों के लिए सोमैटोमोटर कॉर्टेक्स के अपेक्षाकृत छोटे आकार और गहरे स्थान के लिए जिम्मेदार ठहराया जा सकता है, जो अनुदैर्ध्य सल्कस66 पर स्थित है। इसके अतिरिक्त, एफएनआईआरएस संकेत गैर-सतही मस्तिष्क क्षेत्रों67 के प्रति कम संवेदनशील है।

सहायता की स्थिति के साथ कोई सहायता नहीं की तुलना करते समय, केवल विपरीत पीएमसी ने दो स्थितियों के बीच काफी अलग सक्रियण प्रदर्शित किया। यह आश्चर्य की बात नहीं है कि मोटर कार्य नेत्रहीन निर्देशित था, और इस प्रकार बिना किसी सहायता की स्थिति में अधिक ध्यान और मोटर प्रयास की आवश्यकता थी। पीएमसी को कार्यकारी कार्य में एक भूमिका माना जाता है, जिसमें मोटर तैयारी और योजना68 शामिल है। इसके अलावा, हाल के अध्ययनों ने स्थानिक ध्यान और कामकाजी स्मृति69 में पीएमसी भूमिका का सुझाव दिया है। इस अध्ययन का परिणाम पिछले वाले के अनुरूप है जो कार्यकारी कार्य68 में इस क्षेत्र की भूमिका और ऊपरी अंग70,71,72 और निचले अंग आंदोलनों73 की मोटर तैयारी पर प्रकाश डाला गया है। यह परिणाम दोहरे कार्यों से जुड़े चाल अध्ययनों के परिणामों के अनुरूप है जिन्होंने कार्य और पीएमसी सक्रियण74,75 को करने के लिए आवश्यक ध्यान के बीच संबंध दिखाया है।

इस अध्ययन की कई सीमाएँ हैं। सबसे पहले, नमूना आकार छोटा था। भविष्य की जांच नमूना आकार में वृद्धि करके वर्तमान शोध पर विस्तार करना चाहिए, जिसमें अधिक विविध जनसांख्यिकीय, जैसे कि महिलाएं और अन्य आयु समूह, एचबीओ और एचबीआर दोनों के लिए मानक मूल्य स्थापित करने के लिए शामिल हैं (इस अध्ययन में 5 पुरुष और 1 महिला शामिल हैं, 40 और 62 वर्ष के बीच)। दूसरा, कैप असेंबल 10-10 ईईजी प्रणाली पर आधारित था, और आरओआई विश्लेषण ने एक मानक एमएनआई 152 मस्तिष्क मॉडल का उपयोग किया था। भविष्य के अध्ययन व्यक्तिगत संरचनात्मक एमआरआई, मस्तिष्क नेविगेशन, या उच्च घनत्व वाले एफएनआईआरएस का उपयोग कर सकते हैं। इसके अलावा, रिकॉर्डिंग एक ही सत्र में प्रदर्शन किया गया, और इस प्रकार, fNIRS रिकॉर्डिंग के अंतर-विषय परिवर्तनशीलता का मूल्यांकन नहीं किया गया था। इसके अलावा, एचबीओ और एचबीआर विश्लेषण के परिणाम अलग-अलग थे, हालांकि ये दोनों माप एक ही न्यूरोफिज़ियोलॉजिकल घटना (अर्थात्, हेमोडायनामिक प्रतिक्रिया फ़ंक्शन) से जुड़े हैं। हालांकि, मनाया गया अंतर पूर्व साहित्य के साथ संरेखित होता है जो अन्य प्रणालीगत कन्फ्यूडर्स के लिए इन दो क्रोमोफोर की असमान संवेदनशीलता और इसकी व्याख्या34 पर समझौते की कमी का संकेत देता है। अंत में, चूंकि बिना किसी सहायता की स्थिति में खेल खेलने की गति प्रत्येक विषय के लिए अलग थी (क्योंकि वर्तमान लक्ष्य सफलतापूर्वक हासिल करने के बाद ही अगला परीक्षण शुरू हुआ था), इससे विषयों के मस्तिष्क सक्रियण के विचरण में वृद्धि हो सकती है।

इस व्यवहार्यता अध्ययन के परिणामों के आधार पर, हम वर्तमान में साओ कार्लोस के संघीय विश्वविद्यालय में चल रहे एक पायलट नैदानिक अध्ययन में यहां प्रस्तुत एक के समान एक एफएनआईआरएस प्रयोगात्मक प्रोटोकॉल का उपयोग करने की योजना बना रहे हैं, जिसका उद्देश्य रोबोट के चिकित्सीय प्रभावों का आकलन करना है क्रोनिक स्ट्रोक रोगियों के निचले अंग मोटर क्षमताओं पर। यहां प्रस्तुत मस्तिष्क सक्रियण मानचित्र संभावित रूप से स्वस्थ व्यक्तियों में मस्तिष्क सक्रियण के लिए एक संदर्भ प्रदान कर सकते हैं जो निचले अंग पर रोबोट थेरेपी के प्रभावों का अध्ययन करने में सहायक हो सकते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

एएमएम विवैक्स लिमिटेड कंपनी का मालिक है, जिसने विवैक्स असिस्टिव रिहैबिलिटेशन मशीन (एआरएम) विकसित की है। एलडी एक चिकित्सा उपकरण कंपनी हाईलैंड इंस्ट्रूमेंट्स में एक अधिकारी है। उसके पास इमेजिंग, मस्तिष्क उत्तेजना, निदान, मॉडलिंग और सिमुलेशन से संबंधित व्यक्तिगत रूप से या कंपनी में एक अधिकारी के रूप में पेटेंट लंबित या जारी किए गए हैं। अन्य लेखकों ने हितों के टकराव की घोषणा नहीं की।

Acknowledgments

इस अध्ययन की राय, परिकल्पना, निष्कर्ष और सिफारिशें लेखकों की हैं और जरूरी नहीं कि फंडिंग एजेंसी की राय का प्रतिनिधित्व करें। जेआरएस साओ पाउलो रिसर्च फाउंडेशन (एफएपीईएसपी, अनुदान संख्या 2021/05332-8, 2018/04654-9, 2018/21934-5 और 2023/02538-0) और तकनीकी सहायता के लिए जैक्सन सियोनेक का आभारी है। AMM और Vivax Ltda FAPESP (साओ पाउलो रिसर्च फाउंडेशन) और FINEP (ब्राजीलियाई इनोवेशन एजेंसी) के आभारी हैं। इस परियोजना को FAPESP (अनुदान संख्या 2018/09559-4) और FINEP (अनुदान संख्या 2019/09933-6) से अनुदान के साथ वित्त पोषित किया गया था।

Materials

Name Company Catalog Number Comments
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. 

DOWNLOAD MATERIALS LIST

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. , MIT Press. Cambridge, MA. (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. A novel reconfigurable ankle/foot rehabilitation robot. Yoon, J., Ryu, J. Proceedings of the 2005 IEEE International Conference on Robotics and Automation, Barcelona, Spain, , 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). , Bandung, Indonesia. 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), Basel, Switzerland. 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).

Tags

इस महीने JoVE में अंक 208
कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी और निचले अंग के रोबोट-सहायता प्राप्त बहु-संयुक्त इंगित आंदोलनों का उपयोग करके एक प्रयोग
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ricardo Sato, J., Carolyna… More

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).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter