Waiting
Login processing...

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

Neuroscience

Een experiment met behulp van functionele nabij-infraroodspectroscopie en robotgeassisteerde multi-joint richtbewegingen van de onderste ledematen

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

Geschat wordt dat 1 op de 6 mensen wereldwijd tijdens zijn leven een beroerte zal krijgen, met langdurige invaliditeit tot gevolg, waarvan de revalidatiemechanismen nog steeds slecht worden begrepen. Deze studie stelt een protocol voor om hersenactivatie te evalueren door middel van functionele nabij-infraroodspectroscopie (fNIRS) tijdens een robottherapiesessie voor de onderste ledematen.

Abstract

Beroerte treft elk jaar wereldwijd ongeveer 17 miljoen mensen en is een belangrijke oorzaak van langdurige invaliditeit. Robottherapie is veelbelovend gebleken bij het helpen van patiënten met een beroerte om verloren motorische functies terug te krijgen. Een mogelijke manier om het begrip van hoe motorisch herstel plaatsvindt te vergroten, is het bestuderen van hersenactiviteit tijdens de bewegingen die het doelwit zijn van therapie bij gezonde personen. Functionele nabij-infraroodspectroscopie (fNIRS) is naar voren gekomen als een veelbelovende neuroimaging-techniek voor het onderzoeken van neurale onderbouwing van motorische functies. Deze studie had tot doel fNIRS neurale correlaten van complexe bewegingen van de onderste ledematen bij gezonde proefpersonen te onderzoeken. Deelnemers werd gevraagd om gedurende 6 minuten rust- en bewegingscycli uit te voeren met behulp van een robotapparaat voor motorische revalidatie. De taak vereiste gecoördineerde knie- en enkelgewrichtsbewegingen om doelen aan te wijzen die op een computerscherm werden weergegeven. Er werden twee experimentele omstandigheden onderzocht met verschillende niveaus van bewegingsondersteuning die door de robot worden geboden. De resultaten toonden aan dat het fNIRS-protocol effectief hersengebieden detecteerde die verband houden met motorische controle tijdens de taak. Opmerkelijk is dat alle proefpersonen een grotere activering vertoonden in het contralaterale premotorische gebied tijdens de toestand zonder assistentie in vergelijking met de geassisteerde toestand. Concluderend lijkt fNIRS een waardevolle benadering te zijn voor het detecteren van veranderingen in de oxyhemoglobineconcentratie geassocieerd met multi-gewrichtsgerichte bewegingen van de onderste ledematen. Dit onderzoek kan bijdragen aan het begrip van motorische herstelmechanismen voor beroertes en kan de weg vrijmaken voor verbeterde revalidatiebehandelingen voor patiënten met een beroerte. Er is echter verder onderzoek nodig om het potentieel van fNIRS bij het bestuderen van motorische functies en de toepassingen ervan in klinische omgevingen volledig op te helderen.

Introduction

Epidemiologische gegevens geven aan dat er wereldwijd elk jaar ~17 miljoen nieuwe gevallen van beroerte zijn, met een toename van de incidentie in lage- en middeninkomenslanden. Het aantal nieuwe gevallen zal naar schatting toenemen tot 77 miljoen in 20302. Motorische stoornissen als gevolg van een beroerte beïnvloeden vaak de mobiliteit van de patiënt en de deelname aan dagelijkse activiteiten, wat bijdraagt aan een lage kwaliteit van leven. Traditionele motorische revalidatie omvat manuele therapie, maar in de afgelopen decennia zijn robotsystemen voor revalidatie ontwikkeld. Deze systemen kunnen therapie leveren met hoge intensiteit, dosis, kwantificeerbaarheid, betrouwbaarheid, herhaalbaarheid en flexibiliteit3 en hebben potentieel getoond als effectieve revalidatiebehandelingen voor zowel acute als chronische patiënten met een beroerte 4,5,6. Naast het leveren van therapie kunnen robotsystemen voor revalidatie worden gebruikt als evaluatie-instrumenten, omdat ze kunnen worden uitgerust met sensoren die kinematische/kinetische gegevens van de beweging van de patiënt kunnen meten 7,8. Voor motorische revalidatie van de bovenste ledematen is niet alleen bewezen dat dergelijke gegevens nuttig zijn voor het beoordelen van het niveau van motorisch herstel van de patiënt dat wordt uitgelokt door robottherapie en dienden ze als een aanvullend hulpmiddel bij traditionele klinische beoordelingen 9,10, maar hebben ze ook bijgedragen aan het bevorderen van het begrip van het proces van motorisch herstel na een beroerte11, 12 evenals neurale controle van beweging en motorisch leren bij gezonde proefpersonen 3,13,14. Als gevolg hiervan hebben deze bevindingen een basis gelegd voor het verbeteren van revalidatiebehandelingen15.

In de afgelopen twee decennia zijn er veel robotapparaten voor neurorevalidatie van de onderste ledematen voorgesteld, variërend van exoskeletten die het lichaamsgewicht van de patiënt ondersteunen tijdens het lopen (bijv. over een loopband, zoals Lokomat16) tot stationaire robotsystemen waarmee de patiënt de enkel, knie of voet kan trainen zonder te lopen (zoals de Rutgers Ankle17, de High-Performance Ankle Rehabilitation Robot18 en de enkel-/voetrevalidatierobot van het Gwangju Institute of Science and Technology (GIST)19) of actieve voetorthesen die worden aangedreven exoskeletten die door de patiënt worden gedragen om over de grond of over een loopband te lopen (zoals de Powered Gait Orthosis20 en de MIT Anklebot21). Zie 22,23,4 voor een recensie over robots voor revalidatie van de onderste ledematen.

De resultaten van klinische onderzoeken naar robotapparaten voor revalidatie van de onderste ledematen bij patiënten met een beroerte zijn bemoedigend en hebben aangetoond dat deze systemen het bewegingsbereik (ROM), de spierkracht of het looppatroon van de gewrichten kunnen verbeteren, afhankelijk van het specifieke apparaat en het klinische protocol (zie 24,25 voor een overzicht van de werkzaamheid van robots van de onderste ledematen voor revalidatie). Hoewel is gepostuleerd dat robotondersteunde therapie neuroplastische veranderingen bevordert, die uiteindelijk resulteren in verbeterde motorische vaardigheden26, blijft het grotendeels onduidelijk hoe het proces van motorisch herstel van een beroerte precies plaatsvindt en welke robottrainingsprotocollen het proces van herstel van de motorische vaardigheden van de onderste ledematen optimaliseren. In feite is er een significante, groeiende ongelijkheid tussen de toenemende ontwikkeling van revalidatierobots (door academische onderzoekers of commerciële entiteiten) en het beperkte begrip van de neurofysiologische mechanismen die ten grondslag liggen aan motorisch herstel4. Metingen van bewegingskinematica of gewrichtskoppels die met ingebouwde sensoren zijn uitgevoerd, hebben bijgedragen aan het kwantitatief beschrijven van motorische gedragsveranderingen die optreden wanneer patiënten de motorische vaardigheden van de onderste ledematen herstellen 27,28,29, waardoor deze leemte gedeeltelijk wordt opgevuld. De neurale correlaten die aan dergelijke veranderingen ten grondslag liggen, zijn echter minder onderzocht. Dit heeft verschillende redenen.

Functionele beeldvorming van de hersenen is tijdrovend en soms moeilijk te voltooien in de context van klinische onderzoeken, waarbij de belasting van de patiënt vaak minimaal moet worden gehouden om de kans te maximaliseren dat de patiënt zich aan het onderzoek houdt. Dit geldt met name voor personen die een beroerte hebben gehad, gezien het feit dat vermoeidheid en spierzwakte na een beroerte vaak worden waargenomen30. Ook beeldvormingsmodaliteiten die gebaseerd zijn op magnetische velden, zoals functionele Magnetic Resonance Imaging (fMRI), vereisen dat zowel patiënt- als robothardware magneetveilig is.

Van de niet-invasieve beeldvormingsmodaliteiten is functionele nabij-infraroodspectroscopie (fNIRS) een beeldvormingstechniek die bijzonder geschikt is voor het beoordelen van hersenactiviteitsgebieden bij proefpersonen die robottherapie ondergaan. Net als fMRI meet fNIRS de zuurstoftoevoer/deoxygenatie in het bloed in de hersenen. In tegenstelling tot fMRI is fNIRS echter volledig compatibel met robothardware en is het vaak draagbaar en zelfs bruikbaar aan het bed. fNIRS heeft ook lage kosten en minder gevoeligheid voor bewegingsartefacten 31,32,33.

Ondanks de duidelijke voordelen en het wijdverbreide gebruik in veel klinische omgevingen sinds de eerste introductie in de late jaren 7034, hebben slechts enkele onderzoeken fNIRS gebruikt om hersenactiviteit te kwantificeren die verband houdt met bewegingen van de onderste ledematen en motorisch herstel van een beroerte. FNIRS-studies gericht op het ophelderen van mechanismen van neurale controle van beweging en/of mechanismen of evaluatie van motorisch herstel na een beroerte hebben meestal bewegingen van één gewricht onderzocht (bijv. dorsaalflexie, plantairflexie of knie-extensiebewegingen35,36,37), lopen 38,39,40,41,42,43 of fietsen 44. Zie45 voor een recensie. Evenzo hebben fNIRS-onderzoeken naar robotondersteunde therapie voor de onderste ledematen zich vooral gericht op robotondersteunde looprevalidatie; Zie46 voor een recensie. Een paar studies hebben zich gericht op het gebruik van fNIRS als onderdeel van een Brain-Computer Interface (BCI)-systeem om besturingssignalen voor robotapparaten af te leiden47,48; hoewel dit onderzoeksgebied ook afhankelijk is van de verwerking van fNIRS-signalen, is het doel anders en voornamelijk gericht op het decoderen van de intenties van patiënten (bijv. patiënten met ernstige motorische handicaps).

De hierin gepresenteerde pilotstudie maakt deel uit van een eerste poging om de effecten van een robotsysteem voor revalidatie van de onderste ledematen te onderzoeken. De robot kan doelgerichte revalidatie van de onderste ledematen leveren, waarbij wordt getraind in dagelijkse bewegingen met meerdere gewrichten, en therapie geven aan afzonderlijke gewrichten (bijv. knie of enkel) van de onderste ledematen (d.w.z. een bottom-up revalidatieprogramma implementeren).

De studie had tot doel de haalbaarheid te onderzoeken van een experimenteel protocol dat de verwerving van fNIRS-gegevens vereiste tijdens het uitvoeren van gerichte bewegingen van de onderste ledematen, met meerdere gewrichten. De duur van de data-acquisitieperiode in deze studie, die beperkt was tot 6 minuten, is korter dan bij typische fNIRS-protocollen. Dit was een bewuste keuze met als doel de bruikbaarheid en klinische toepasbaarheid van dit onderzoek te vergroten, met name bij patiënten met beperkte mobiliteit of kracht. Het identificeren van fNIRS-correlaten van dergelijke complexe bewegingen met meerdere gewrichten en het verkrijgen van inzicht in hoe hersenactiviteit werd gemoduleerd door robotassistentie waren ook aandachtspunten. Hiervoor werden twee experimenteersessies uitgevoerd met dezelfde deelnemers: één zonder robotassistentie en één met robotassistentie. Ten slotte is het belangrijk op te merken dat deze studie zich richtte op gezonde proefpersonen om een basis te leggen voor toekomstig onderzoek in termen van de haalbaarheid van het registratieprotocol en de evaluatie van hersenactiviteit tijdens bewegingen die het doelwit zijn van robottherapie.

Apparaat
Een draagbare robot die is ontworpen om revalidatie van de onderste ledematen te leveren (zie figuur 1) werd gebruikt om onze experimenten uit te voeren. De robot heeft een 3D-bereikbare werkruimte en is compact en licht, met een gewicht van ongeveer 35 lb., waardoor hij gemakkelijk te vervoeren en te installeren is.

Figure 1
Figuur 1: Experimentele opstelling. (A) Het robotsysteem (geïnstalleerd op de vloer) ontworpen voor de onderste ledematen. Een vrijwilliger wordt getoond die de interface met zijn rechtervoet gebruikt. (B) Ondersteuningsstructuur voor de voet van de proefpersoon die bevestiging aan het robotsysteem mogelijk maakt. (C) Een screenshot van het Picnic-spel. Het doel van het spel is om de voet (groene en witte schoen) naar het doel (gele cirkel) te verplaatsen. Klik hier om een grotere versie van deze figuur te bekijken.

Het robotsysteem is ontworpen om een patiënt te helpen bij het uitvoeren van bewegingen van de onderste ledematen die vergelijkbaar zijn met die van alledaagse taken, zoals wijzen of schoppen. Het maakt gebruik van interactieve virtual reality-games, die worden weergegeven op een computermonitor of een televisiescherm dat voor het robotapparaat is geplaatst (zie figuur 1). De effector aan het uiteinde van de robot wordt bevestigd aan de onderste ledematen van de patiënt (bijv. enkel) en de positie ervan wordt toegewezen aan de positie van een cursor op het scherm. Een typisch spel toont de bewegingsdoelen van de patiënt (bijv. het object waarnaar moet worden gewezen of waar de bal moet worden geschopt).

Om de bewegingstaak te voltooien, kan de robot de patiënt helpen met een niveau van ondersteuning dat kan variëren van volledige hulp tot geen. Het niveau van robotondersteuning wordt aan het begin van elke revalidatiesessie gekozen op basis van de mate van motorische beperking van de patiënt. De bewegingen die door de proefpersoon worden uitgevoerd, worden door het spel gebruikt om de prestaties van de patiënt te scoren en hen feedback te geven over hun prestaties (bijv. ROM, aantal bewegingen en niveau van robotassistentie). De spellen zijn ontworpen om interactief en vermakelijk te zijn om de interesse en aandacht van de patiënt vast te houden. In dit onderzoek speelden de deelnemers het "Picnic-spel", waarbij de speler moest voorkomen dat de insecten de handdoek bereikten en het voedsel stalen (zie figuur 1, onderste paneel, voor een screenshot).

Data-acquisitie werd uitgevoerd met een draagbaar fNIRS-acquisitiesysteem met twee verschillende optodes met continue golven (760 nm en 850 nm), 8 dual-tip LED-bronnen en 8 dual-tip actieve detectoren. De signalen werden verkregen met behulp van een bemonsteringsfrequentie van 10,17 Hz. Een laptop werd gebruikt voor de kalibratie-optimalisatie en signaalregistratie met behulp van een Wi-Fi-netwerk dat door het fNIRS-systeem werd gecreëerd.

Een dop werd gebruikt om de optodes op de vooraf bepaalde locaties vast te houden. De bronnen en detectoren werden volgens het 10-10 internationale EEG-systeem in een raster ruimtelijke verdeling geplaatst. Elk fNIRS-kanaal werd gedefinieerd door een bron-detectorpaar met interoptode-afstanden van ongeveer 30 mm. De optodes werden geplaatst over de aanvullende motor-, premotor- en motorgebieden op de locaties die worden weergegeven in figuur 2. Het totale aantal kanalen was 28, waarvan 8 korteafstandskanalen die aan elke bron waren gekoppeld met behulp van een glasvezeladapter aan een enkele detector. Gezien de multiplexing-opstelling van de hardware, is het mogelijk om informatie over korte afstanden uit alle bronnen te verkrijgen met slechts één detector.

Figure 2
Figuur 2: Montagelay-out met behulp van het 10-10 EEG-systeem. De letters en cijfers geven de locaties van de bron/detector aan. De rode en blauwe stippen vertegenwoordigen respectievelijk de bron- en detectoroptodes. De groene lijnen vertegenwoordigen de fNIRS-kanalen die bestaan uit bron- en detectorparen. Klik hier om een grotere versie van deze figuur te bekijken.

Experimenteel ontwerp
Het experiment werd uitgevoerd onder twee verschillende experimentele omstandigheden, die verschilden in het niveau van assistentie dat door de robot werd geboden voor de bewegingen van de proefpersoon. In de eerste toestand was de robot geprogrammeerd om geen hulp te bieden aan de bewegingen van de proefpersoon, terwijl in de tweede toestand de robot de voet- en beenbewegingen van de proefpersoon bestuurde (robotondersteunde beweging).

Elk experiment volgde een blokontwerpparadigma met afwisselende cycli van een motorische taak (het spelen van het spel - 30 s) en rusten (30 s), zoals geïllustreerd in figuur 3. Het begin en einde van elke fase (spel/spel of rust) werden via het computerscherm visueel aan de proefpersoon gesignaleerd. Tijdens de rustfase werd een bericht weergegeven dat een pauze aangaf. Elke cyclus (spelen/spel + rust) duurde 60 s en werd zes keer herhaald, wat resulteerde in een totale looptijd van 360 s (6 min).

De deelnemers speelden het "Picknickspel", waarbij het doel was om te voorkomen dat insecten bij de handdoek zouden komen en voedsel zouden stelen. Dit spel omvatte een opeenvolging van bewegingen van de onderste ledematen, beginnend bij een aangewezen thuisdoel (beginpositie) en zich uitstrekkend naar een van de drie buitenste doelen voordat ze terugkeerden naar het thuisdoel. Op het scherm werden de buitenste doelen visueel weergegeven als geanimeerde bewegende insecten, die de deelnemers moesten bereiken en erop moesten stappen. Er waren drie naar buiten reikende doelen, elk willekeurig een gelijk aantal keren gepresenteerd, naast een gemeenschappelijk thuisdoel voor elke beweging. De afstand die de voet nodig had om van het thuisdoel naar de positie van de buitenste doelen te reizen, vormde een boog van ongeveer 26 cm. De motorische taak vereiste de uitvoering van bewegingen met meerdere gewrichten, waarbij coördinatie tussen knieflexie/-extensie, plantairflexie en dorsaalflexiebewegingen vereist was.

De fNIRS-gegevensregistraties werden gesynchroniseerd met de visuele stimuli die door het spel aan de proefpersoon werden gepresenteerd via een transistor-transistor-logic (TTL)-puls die door de robot werd gegenereerd. Pulsen werden gegenereerd aan het begin van elke fase (spel/spel en rust). Zo werd alle timingcontrole uitgevoerd door het spel, dat visuele aanwijzingen (doelen) aan de deelnemer gaf om elke beweging te starten, TTL-signalen naar het fNIRS-systeem stuurde om de opnames van de hersenactiviteit te markeren en, indien nodig voor het experiment, signalen naar het robotbesturingssysteem stuurde om bewegingsondersteuning te starten.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Deze studie werd goedgekeurd door de lokale Ethics Review Board van UNICEP (Centro Universitario Paulista). Alle deelnemers gaven geïnformeerde toestemming volgens alle institutionele richtlijnen en federale normen met betrekking tot wetenschappelijk onderzoek met mensen. Ze ontvingen geen financiële compensatie, zoals vereist door de Braziliaanse federale regelgeving.

1. fNIRS-systeem

  1. Bereid de dop voor met behulp van 16 optodes: 8 lichtbronnen (760 nm en 850 nm) en 8 lichtdetectoren (zie figuur 2; locatie van bronnen: FC1, FC2, C3, Cz, C4, CP1, CP2 en Pz; locatie van detectoren (FCz, C1, C2, CPz, P1 en P3). Bevestig de achtste detector aan de korteafstandsadapter, die is aangesloten op elk van de bronoptodes.
  2. Open de fNIRS-acquisitiesoftware en laad de montage met de plaatsing van elke optode.
  3. Stel de temporele bemonsteringsfrequentie van het fNIRS-signaal in op 10.17 Hz.

2. Deelnemers

  1. Leg kort de onderzoeksrelevantie en het experimentele protocol uit aan de deelnemer.
  2. Als de deelnemer ermee instemt om vrijwilligerswerk te doen, zorg er dan voor dat de vrijwilliger geïnformeerde toestemming geeft volgens alle institutionele richtlijnen en federale normen met betrekking tot wetenschappelijk onderzoek met mensen.
  3. Instrueer de vrijwilliger om op een fauteuil voor de robot te gaan zitten, op ongeveer 150 cm afstand van het computerscherm.
  4. Nadat u de schoenen hebt uitgetrokken, bevestigt u de voet van de deelnemer comfortabel aan de robotarm met klittenband (klittenband) (zie afbeelding 1, paneel linksboven).
  5. Plaats de fNIRS-dop met de optodes in het hoofd van de deelnemer en maak deze stevig vast met de klittenbandsluiting onder de kin.
  6. Plaats de overdop op de optodekap om de interferentie van omgevingslicht te verminderen.

3. Data-acquisitie

  1. Instrueer elke deelnemer om geen plotselinge hoofdbewegingen te maken om het risico op bewegingsartefacten te minimaliseren.
  2. Kalibreer het fNIRS-systeem voor een optimale signaalkwaliteit.
  3. Certificeer dat alle kanalen van goede kwaliteit zijn, zoals blijkt uit de interface. Als dit niet het geval is, probeer dan het haar tussen de hoofdhuid en de optodepunt te verwijderen.
  4. Leg de deelnemer uit hoe hij het spel moet spelen door de voet die aan de robot is bevestigd te bewegen om de doelen op het scherm te bereiken.
  5. Leg de deelnemers uit dat er twee voorwaarden zijn: zonder en met robotassistentie.

4. Robotachtig systeem

  1. Schakel het systeem in door de monitor en de robot aan te sluiten op de elektrische netwerkbron. Nadat het besturingssysteem is geïnitialiseerd, verschijnt de eerste game-interface.
  2. Plaats de robotarm op de standaardlocatie en wacht tot u het feedbackbericht ontvangt dat de robotarm correct is gepositioneerd .
  3. Voer beschrijvende gegevens over de deelnemer en de experimentator in het systeem in om in te loggen op de robotspelinterface.
  4. Configureer in de spelselectie-interface de sessietijd tot 6 minuten met rustintervallen van 30 s.
  5. Selecteer het juiste been (rechts of links) dat door de deelnemer moet worden gebruikt.
  6. Selecteer het Picknickspel en klik op Go om het spel te spelen.

5. Data-analyse

  1. Zet de ruwe signalen om in hemodynamische toestanden (oxyhemoglobine (HbO) en deoxyhemoglobine (HbR)) met behulp van de gemodificeerde Beer-Lambert-vergelijking49.
  2. Maak individuele activeringskaarten met behulp van het General Linear Model (GLM) met robuuste schattingen en autocorrelatieschattingen, die minder worden beïnvloed door bewegingsartefacten50. Gebruik het experimentele ontwerp (rest = 0; spel/spel = 1) ingewikkeld door de canonieke hemodynamische responsfunctie (HRF) als de onafhankelijke variabele en het waargenomen HbO- of HbR-signaal als de afhankelijke variabele.
  3. Extraheer voor elk kanaal de bètacoëfficiënt (die de sterkte van activering van het kanaal weergeeft) tijdens het spel/spel in vergelijking met de rest.
  4. Voeg kanalen samen in drie interesseregio's (ROI) en neem het gemiddelde van de activeringscoëfficiënten (GLM-bèta's) over de ROI-kanalen. Definieer de ROI's als volgt (zie figuur 2): (1) premotorisch gebied voor de linkerhersenhelft (kanalen [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) somatomotorisch gebied voor de linkerhersenhelft (kanalen [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); en (3) aanvullend motorgebied (SMA) (kanalen [Cz-FCz, CPz-Cz]).
    OPMERKING: Op basis van eerdere literatuur over motorische taken die vergelijkbaar zijn met de hierinonderzochte literatuur 51,52,53 en gezien het feit dat alle deelnemers de motorische taak met hun rechterbeen uitvoerden, werd verondersteld dat de linker (contralaterale) premotorische en somatomotorische, evenals SMA-regio's, activering zouden vertonen tijdens spel-/speelprestaties in beide omstandigheden, met sterkere activering in de niet-ondersteunde toestand.
  5. Pas de niet-parametrische Wilcoxon-test toe op deze bèta's. Stel de Type I-fout in op 5% (eenzijdige analyse).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Alle zes proefpersonen voltooiden beide experimenten. In de toestand zonder assistentie werden gemiddeld 76,67 proeven (std. 10,73) voltooid door elke proefpersoon (merk op dat voor elke proefpersoon het aantal proeven afhing van het aantal succesvolle bereiken, aangezien een nieuw doel alleen werd getoond als het vorige werd bereikt). In de assistentietoestand, waarbij de beweging van de proefpersoon volledig werd ondersteund door de robot, voltooiden alle proefpersonen 70 proeven. fNIRS-gegevens werden met succes geregistreerd van alle proefpersonen.

Figuur 4 toont de hersenactivatiekaarten met één proefpersoon waarin de speel-/spel- en rustperioden voor HbO en HbR worden vergeleken. Voor elke proefpersoon vertoonden de kaarten geassocieerd met HbO-veranderingen statistisch significante activering (p < 0,01) in de experimentele conditie zonder robotassistentie, terwijl slechts twee proefpersonen statistisch significante activering vertoonden in de experimentele conditie met robotassistentie. Wat HbR betreft, vertoonden vier proefpersonen statistisch significante activering (p < 0,01) in beide omstandigheden, zij het in minder kanalen in vergelijking met HbO.

Figuur 5 geeft een overzicht van de resultaten van de individuele proefpersonen van de op ROI gebaseerde hypothesegestuurde analyses. Van alle onderzochte ROI's vertoonde alleen de linker premotorische cortex een statistisch significante toename van HbO-activering tijdens het spel/spel ten opzichte van rustvergelijking (p = 0,046) en alleen in de toestand zonder robothulp. Bovendien presenteerde deze ROI een grotere activering in de toestand zonder robotassistentie in vergelijking met de toestand met robotassistentie (p = 0,016). Er waren geen statistisch significante verschillen voor de andere ROI's of in HbR-gebaseerde analyses, noch in spel/spel-vs. rust-analyses, noch in vergelijkingen tussen omstandigheden (p>0,05). Op groepsniveau werden dus geen statistisch significante verschillen gevonden in de linker somatomotorische cortex, SMA, of in HbR-gebaseerde analyses.

Figure 3
Figuur 3: Blokontwerpexperiment met afwisselende blokken van spel- en rusttoestandscondities. De proefpersoon speelde het Picnic-spel continu gedurende 30 seconden (spelperiode) en bleef stil gedurende de volgende 30 seconden (rustperiode). Deze cyclus werd 6 keer herhaald, wat resulteerde in een sessieduur van 6 minuten (let op, er worden slechts 150 seconden weergegeven in de afbeelding). Klik hier om een grotere versie van deze figuur te bekijken.

Figure 4
Figuur 4: Single-subject brain thresholded statistical activation maps. Single-subject brain thresholded (kanaal p-waarde < 0,01) statistische activeringskaarten van de zes proefpersonen (S1-S6) voor HbO en HbR in beide experimentele omstandigheden (bewegingen met en zonder robotassistentie). Merk op dat alleen kaarten met een statistisch significante activering worden weergegeven (d.w.z. elke proefpersoon en aandoening met een blanco sleuf geeft aan dat er geen significante activering is waargenomen voor die specifieke combinatie). De kleurenbalk vertegenwoordigt de t-statistische amplitude van de activeringscoëfficiënt (GLM-bèta) van elk fNIRS-kanaal. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 5
Figuur 5: Activatie van de linker premotorische cortex op basis van HbO-signalen. Zoals beschreven in stap 5.2, werden de bètacoëfficiënten geschat met behulp van een GLM en werd de amplitude van activering gekwantificeerd voor elke proefpersoon, experimentele conditie (niet-geassisteerde en geassisteerde bewegingen) en specifieke kanalen (let op, de bètawaarden voor de ROI werden verkregen door het gemiddelde te nemen van de kanalen in de linker premotorische cortex). Het stippendiagram geeft visueel de gemiddelde ROI-bètacoëfficiënten weer voor elk onderwerp en elke aandoening, waarbij de rode en groene stippen respectievelijk de geassisteerde en niet-ondersteunde bewegingen aangeven. Voor elke proefpersoon is de ROI-bètacoëfficiënt van de niet-geassisteerde aandoening groter dan die van de geassisteerde aandoening, wat een grotere activering in de eerste toestand betekent. Dit resultaat is consistent voor alle onderwerpen. Klik hier om een grotere versie van deze figuur te bekijken.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

In deze proof-of-concept-studie werd de haalbaarheid onderzocht van het maken van conclusies over het in kaart brengen van hersenactiviteit met behulp van fNIRS-gegevens van gezonde proefpersonen terwijl ze oefenden met verschillende soorten bewegingen met behulp van een robot voor revalidatie van de onderste ledematen. Typische fNIRS-opnamesessies bij volwassenen duren langer dan 6 min54. Om opnames echter haalbaar te maken in de context van een revalidatiesetting, moet de totale duur van het experiment worden geminimaliseerd om onnodige vermoeidheid en inspanning voor de proefpersoon te voorkomen. In deze studie werd ook getest of een blokontwerpexperiment met 6 taakherhalingsblokken (met een sessieduur van 6 minuten) voldoende was om de hemodynamische respons te beoordelen en het verschil tussen de hulp- en de niet-bijstandstoestand te detecteren. De bevindingen suggereren dat deze opnames informatief zijn en dat fNIRS inderdaad een nuttige methode kan zijn om veranderingen in de HbO-concentratie te detecteren die verband houden met trainingsregimes met verschillende niveaus van robotondersteuning aan de onderste ledematen. Zelfs met een kleine steekproefomvang werd een significante contralaterale premotorische activering gevonden, zoals gemeten door HbO bij het vergelijken van taak- versus rustblokken; Alle proefpersonen vertoonden een grotere activering in deze regio in de toestand zonder assistentie in vergelijking met de robotondersteunde toestand.

fNIRS-gegevens werden geregistreerd onder twee verschillende omstandigheden, wat overeenkomt met twee verschillende niveaus van inspanning van de proefpersoon die nodig zijn om de motorische taak te voltooien. In de eerste reeks experimenten werd de robot K ingesteld op 10, wat overeenkwam met geen robotondersteuning. In de tweede reeks experimenten werd K ingesteld op 150; met deze waarde van K werd de onderste ledemaat van de proefpersoon bijna volledig bewogen door de robot. Zoals afgebeeld in figuur 4, vertoonden alle proefpersonen statistisch significante hersenactiviteit in de niet-geassisteerde toestand; toen K was ingesteld op 150, vertoonden slechts twee proefpersonen een significante activering.

Zoals samengevat in figuur 5, toonden de resultaten ook aan dat de veranderingen in HbO-concentratie geassocieerd met niet-ondersteunde oefeningen (hoger inspanningsniveau) over het algemeen hoger waren dan de veranderingen geassocieerd met geassisteerde oefeningen. Een significant verschil werd echter alleen gevonden in de contralaterale Premotorische Cortex (PMC). Deze bevinding komt overeen met de resultaten van verschillende eerdere neuroimaging-onderzoeken bij mensen die een toenemende neuronale activering vonden met toenemende krachtniveaus55,56. De meeste eerdere studies onderzochten echter de bovenste ledematen; De meerderheid concentreerde zich op statische, isometrische taken, terwijl slechts enkelen dynamische bewegingen hebben geëvalueerd 57,58,59.

Relatief minder studies hebben zich gericht op de onderste ledematen. Een paar van hen hebben zich gericht op statische motorische taken. Alexandre et al.51 onderzochten fNIRS-correlaten van maximale en submaximale vrijwillige contracties (MVC) van kniestrekkers bij gezonde en chronische patiënten met obstructieve longziekte. Met behulp van fMRI onderzochten Yoon et al.52 corticale activeringsveranderingen tijdens isometrische contracties met de dorsaalbuigende enkelspieren op verschillende MVC-niveaus. Andere studies hebben zich gericht op het lopenvan 60,61,62. Met behulp van fNIRS onderzochten Harada et al.60 corticale activeringspatronen tijdens het lopen met drie intensiteiten bij gezonde proefpersonen en ontdekten dat verhoogde locomotorische snelheid en cadans geassocieerd waren met een hogere mate van corticale activering. Bonnal et al.62 onderzochten corticale activering bij gezonde proefpersonen tijdens exoskelet-gemedieerde gang op verschillende niveaus van fysieke ondersteuning en vonden ook de grootste corticale activering tijdens de twee niet-ondersteunde aandoeningen (50% en 100%), maar slechts kleine verschillen in corticale activering tussen de geassisteerde aandoeningen. De resultaten van deze studie komen overeen met de resultaten van deze eerdere studies in het algemeen.

De rol van corticale gebieden die verband houden met neurale controle van bewegingen van de onderste ledematen wordt nog steeds weinig begrepen en minder bestudeerd in vergelijking met neurale controle van de bovenste ledematen. Vooral in de context van revalidatie is een dergelijk begrip essentieel voor het leggen van een basis voor het identificeren van neuroplasticiteit van deze gebieden, die bijvoorbeeld kunnen optreden als gevolg van motorische stoornissen van neurologische oorsprong, motorische oefeningen of veroudering. Zoals te zien is in figuur 4, vertoonden alle proefpersonen activering in de PMC- of SMA-gebieden tijdens de niet-geassisteerde toestand. De kanaalspecifieke resultaten die in de figuur worden gepresenteerd, geven aan dat hoewel de activering bilateraal was, deze prominenter aanwezig was in de contralaterale hemisfeer. Over het algemeen komen deze bevindingen overeen met de studie van Alexandre et al.51 die activering van contralaterale primaire motorische (M1) en primaire somatosensorische (S1), PMC en prefrontale (PFC) corticale gebieden aantoonde tijdens het strekken van de knie. Bovendien komen deze bevindingen overeen met de resultaten van de studie van Yoon et al.52 die activering aantoonden in de contralaterale M1, SMA, putamen, pallidum cingulate cortex en ipsilaterale cerebellum tijdens dorsaalflexie van de enkel, en met de resultaten van de studie van Ciccarelli et al.53 die activering van contralaterale M1 en sensorische cortex vonden, evenals PMC en subcorticale regio's tijdens enkelbewegingen.

Hemibody-bewegingen worden geacht te worden gecontroleerd door de contralaterale hemisfeer van de hersenschors. Ipsilaterale corticale betrokkenheid is echter gerapporteerd voor unimanuele bewegingen56,63,64, evenals unilaterale voetbewegingen (zie ook65 voor een overzicht). Anders dan bij deze studies toonde de analyse geen consistente activering in de somatomotorische cortex bij alle proefpersonen, zoals geïllustreerd in figuur 4; bovendien duidden de uitkomsten van de ROI-analyse niet op significante activering. Deze bevinding kan worden toegeschreven aan de relatief kleine omvang en diepere locatie van de somatomotorische cortex voor de onderste ledematen, in vergelijking met de bovenste ledematen, die zich in de longitudinale sulcus66 bevindt. Bovendien is het fNIRS-signaal minder gevoelig voor niet-oppervlakkige hersengebieden67.

Bij het vergelijken van de toestand zonder ondersteuning met de bijstandstoestand, vertoonde alleen de contralaterale PMC een significant verschillende activering tussen de twee aandoeningen. Dit is niet verwonderlijk gezien het feit dat de motorische taak visueel werd geleid en dus waarschijnlijk meer aandacht en motorische inspanning vereiste in de toestand zonder ondersteuning. PMC wordt geacht een rol te spelen in de uitvoerende functie, inclusief motorische voorbereiding en planning68. Bovendien hebben recente studies een PMC-rol in ruimtelijke aandacht en werkgeheugen gesuggereerd69. Het resultaat van deze studie is in lijn met de vorige die de rol van dit gebied in de executieve functie68 en de motorische voorbereiding van de bovenste ledematen 70,71,72 en de bewegingen van de onderste ledematen 73 benadrukten. Dit resultaat komt ook overeen met de resultaten van loopstudies met dubbele taken die de correlatie hebben aangetoond tussen de aandacht die nodig is om de taak uit te voeren en PMC-activering74,75.

Deze studie heeft verschillende beperkingen. Ten eerste was de steekproefomvang klein. Toekomstig onderzoek zou het huidige onderzoek moeten uitbreiden door de steekproefomvang te vergroten, inclusief een meer diverse demografie, zoals vrouwen en andere leeftijdsgroepen, om normatieve waarden vast te stellen voor zowel HbO als HbR (deze studie omvatte 5 mannen en 1 vrouw, tussen 40 en 62 jaar oud). Ten tweede was de cap-montage gebaseerd op het 10-10 EEG-systeem en maakte ROI-analyse gebruik van een standaard MNI152-hersenmodel. Toekomstige studies zouden individuele structurele MRI's, hersennavigatie of fNIRS met hoge dichtheid kunnen gebruiken. Bovendien werden opnames uitgevoerd in een enkele sessie, en dus werd de variabiliteit binnen het onderwerp van fNIRS-opnames niet geëvalueerd. Bovendien waren de resultaten van de HbO- en HbR-analyses verschillend, hoewel beide metingen geassocieerd zijn met dezelfde neurofysiologische verschijnselen (namelijk de hemodynamische responsfunctie). Het waargenomen verschil komt echter overeen met eerdere literatuur die wijst op een ongelijke gevoeligheid van deze twee chromoforen voor andere systemische confounders en het gebrek aan overeenstemming over de interpretatie ervan34. Ten slotte, aangezien de snelheid van het spelen van het spel in de toestand zonder hulp voor elke proefpersoon anders was (omdat de volgende proef pas begon nadat het huidige doel met succes was bereikt), zou dit de variantie van de hersenactivatie van de proefpersonen kunnen hebben vergroot.

Op basis van de resultaten van deze haalbaarheidsstudie zijn we van plan om een fNIRS-experimenteel protocol te gebruiken dat vergelijkbaar is met het protocol dat hierin wordt gepresenteerd in een klinische pilotstudie die momenteel aan de gang is aan de Federale Universiteit van Sao Carlos, Brazilië, en die gericht is op het beoordelen van de therapeutische effecten van de robot op de motorische vaardigheden van de onderste ledematen van patiënten met een chronische beroerte. De hierin gepresenteerde hersenactiveringskaarten kunnen mogelijk een referentie bieden voor hersenactivatie bij gezonde personen die nuttig kunnen zijn bij het bestuderen van de effecten van de robottherapie op de onderste ledematen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

AMM is de eigenaar van het bedrijf Vivax Ltda, dat de Vivax Assistive Rehabilitation Machine (ARM) heeft ontwikkeld. LD is een officier bij Highland Instruments, een bedrijf in medische hulpmiddelen. Ze heeft patenten aangevraagd of uitgegeven, persoonlijk of als functionaris in het bedrijf, met betrekking tot beeldvorming, hersenstimulatie, diagnostiek, modellering en simulatie. De andere auteurs verklaren dat er geen sprake is van belangenverstrengeling.

Acknowledgments

De meningen, hypothesen, conclusies en aanbevelingen van deze studie zijn die van de auteurs en vertegenwoordigen niet noodzakelijkerwijs de mening van de financieringsinstantie. JRS is de Sao Paulo Research Foundation (FAPESP, subsidienummers 2021/05332-8, 2018/04654-9, 2018/21934-5 en 2023/02538-0) en Jackson Cionek dankbaar voor technologische ondersteuning. AMM en Vivax Ltda zijn FAPESP (São Paulo Research Foundation) en FINEP (Braziliaans Innovatiebureau) dankbaar. Dit project werd gefinancierd met subsidies van FAPESP (subsidienummer 2018/09559-4) en FINEP (subsidienummer 2019/09933-6).

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

Deze maand in JoVE nummer 208
Een experiment met behulp van functionele nabij-infraroodspectroscopie en robotgeassisteerde multi-joint richtbewegingen van de onderste ledematen
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