JoVE Journal > Bioengineering
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Please note that all translations are automatically generated. Click here for the English version.
Bioengineering

Connectivité fonctionnelle de l’état de repos basée sur le flux sanguin cérébral du cerveau humain à l’aide de la spectroscopie optique de corrélation diffuse

Published: May 27, 2020
doi:
10.3791/60765
, , ,
1Department of Biomedical, Industrial and Human Factors Engineering,Wright State University, 2South China Academy of Advanced Optoelectronics,South China Normal University

Summary

Ce protocole démontre comment mesurer la connectivité fonctionnelle de l’état de repos dans le cortex préfrontal humain à l’aide d’un instrument de spectroscopie de corrélation diffuse sur mesure. Le rapport traite également des aspects pratiques de l’expérience ainsi que des étapes détaillées pour analyser les données.

Abstract

Pour obtenir une compréhension complète du cerveau humain, l’utilisation du flux sanguin cérébral (CBF) comme source de contraste est souhaitée parce qu’il s’agit d’un paramètre hmodynamique clé lié à l’approvisionnement en oxygène cérébral. Il a été démontré que les fluctuations de basse fréquence fondées sur le contraste entre l’oxygénation en fonction de l’état de repos en fonction du contraste d’oxygénation fournissent des corrélations entre les régions fonctionnellement connectées. Le protocole présenté utilise la spectroscopie de corrélation diffuse optique (DCS) pour évaluer la connectivité fonctionnelle de l’état de repos basée sur le flux sanguin (RSFC) dans le cerveau humain. Les résultats du RSFC basé dans le cortex frontal humain basé à la CBF indiquent que le RSFC intrarégional est significativement plus élevé dans les cortices gauche et droite que dans les cortices interrégionals dans les deux cortices. Ce protocole devrait intéresser les chercheurs qui utilisent des techniques d’imagerie multimodales pour étudier la fonction cérébrale humaine, en particulier dans la population pédiatrique.

Introduction

Lorsque le cerveau est dans un état de repos, il démontre une synchronisation élevée de l’activité spontanée dans les régions fonctionnellement liées, qui peuvent être situés à proximité ou à distance. Ces régions in-sync sont connus comme les réseaux fonctionnels1,2,3,4,5,6,7,8,9. Ce phénomène a d’abord été découvert par une étude d’imagerie par résonance magnétique fonctionnelle (IRMf) utilisant des signaux dépendants du niveau d’oxygène sanguin (BOLD) qui indiquent des niveaux d’oxygénation du sang cérébral5,10, également connu sous le nom de connectivité fonctionnelle d’état de repos (RSFC). Des anomalies dans RSFC ont été associées à des troubles cérébraux tels que l’autisme11, la maladie d’Alzheimer12, et la dépression13. Ainsi, LE RSFC est un outil précieux pour étudier les patients atteints de troubles qui ont de la difficulté à effectuer des évaluations fondées sur des tâches. Cependant, de nombreux patients, tels que les jeunes enfants autistes, sont de mauvais candidats à l’évaluation par l’IRMf, car il faut rester encore à l’intérieur d’un espace confiné pendant de longues périodes de temps14,15. L’imagerie optique est rapide et portable; ainsi, il convient à une majorité de patients, en particulier la population pédiatrique16,17,18,19,20,21,22,23,24. En utilisant ces avantages, la spectroscopie fonctionnelle proche infrarouge (fNIRS), qui peut quantifier la concentration d’hémoglobine et les paramètres de saturation en oxygène dans le cerveau, est utilisé pour mesurer RSFC chez l’homme (y compris la population pédiatrique4,8,25 et les patients atteints d’autisme11).

La spectroscopie optique de corrélation diffuse (DCS), une technique optique relativement nouvelle, peut quantifier le flux sanguin cérébral, qui est un paramètre important qui associe l’approvisionnement en oxygène avec le métabolisme6,17,26,27,28,29. Le contraste optique de flux quantifié par DCS a été montré pour avoir une sensibilité plus élevée dans le cerveau comparé au contraste d’oxygénation30. Il est donc avantageux d’utiliser des paramètres CBF dérivés du DCS pour évaluer le RSFC.

DCS est sensible au déplacement des cellules sanguines. Lors de la diffusion de photons se disperser à partir de cellules sanguines en mouvement, cela provoque l’intensité de la lumière détectée à fluctuer au fil du temps. DCS mesure une fonction d’autocorrélation d’intensité basée sur le temps et son taux de désintégration dépend des paramètres optiques et du flux sanguin. Ces valeurs sont finalement utilisées pour obtenir l’indice de flux sanguin cérébral (CBFi). Avec des cellules sanguines en mouvement plus rapide, la fonction d’autocorrélation d’intensité se désintègre plus rapidement. Par conséquent, l’information sur le mouvement profond sous la surface du tissu peut être dérivée (p. ex., dans le cerveau) des mesures de la diffusion des fluctuations de lumière au fil du temps27,31,32,33,34,35. DCS est une technique complémentaire aux FNIRS largement connus qui mesure l’oxygénation du sang17,36. Étant donné que les FNIRS et les DCS sont des techniques optiques d’imagerie cérébrale à haute résolution temporelle dans la gamme des millisecondes, les configurations d’imagerie optique sont beaucoup moins sensibles aux artefacts de mouvement que l’IRMf. Ils ont également été utilisés avec succès pour l’imagerie cérébrale fonctionnelle dans les populations pédiatriques, y compris les très jeunes nourrissons16. Auparavant, des mesures superficielles du flux sanguin ont été utilisées pour évaluer LE RSFC dans des études précliniques chez des souris37. Ici, les paramètres de flux sanguin sont utilisés pour quantifier RSFC chez neuf adultes en bonne santé comme une étude de preuve de concept38,39.

Dans cette étude, un système commercial FD-fNIRS et un système DCS personnalisé sont utilisés(voir Tableau des matériaux). Le DCS qui a été construit en interne est composé de deux 785 nm, 100 mW, longue longueur de cohérence lasers à ondes continues qui sont couplés à un connecteur FC et huit machines de comptage mono-photon (SPCM) connectés à un auto-corrélateur. Une interface utilisateur graphique logicielle personnalisée (GUI) a également été faite spécifiquement pour que ce système affiche et enregistre le nombre de photon, les courbes d’autocorrélation et le flux sanguin semi-quantitatif de chaque canal SPCM en temps réel. Les pièces de ce système sont couramment utilisées pour DCS16,17,31,32,40,42,43,44, et les résultats obtenus ont également été vérifiés en interne et utilisés dans une étude récente39.

Protocol

Le protocole a été approuvé par la Commission d’examen institutionnel de l’Université Wright State, et le consentement éclairé a été obtenu de chaque participant avant l’expérience. 1. Préparation du sujet Accélérer le système FD-fNIRS et DCS pour se réchauffer pendant au moins 10 min (voir les sections 2 et 3 pour plus de détails) avant de commencer toutes les mesures du sujet. Un exemple de mesure du sujet avec l’instrument compact DCS est indiqué dans <stro…

Representative Results

La faisabilité de l’utilisation de DCS pour mesurer la connectivité fonctionnelle a été avec succès démostrée39. La connectivité fonctionnelle d’état de repos dans les cortices préfrontal de neuf sujets a été mesurée. Les résultats (moyenne et DD) ont indiqué une corrélation plus élevée dans la région intrarégionale de la gauche (0,64 à 0,25) et à droite (0,62 à 0,23) cortices, par rapport à la région interrégionale de la gauche (0,32 à 0,32), (0,34 à 0,27) et à dr…

Discussion

Pour déterminer si la CBF mesurée par DCS a détecté avec précision LE RSFC, deux zones du cerveau ayant des propriétés connues du RSFC ont été examinées. La connectivité fonctionnelle entre les régions DLFC et entre DLFC et IFC est supposée exister57,58,59. La connectivité entre deux sites à gauche et à droite DLFC a été choisie, parce que la connectivité intrarégionale est généralement plus élevée. En ou…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Les auteurs aimeraient reconnaître le soutien financier de la troisième frontière de l’Ohio au Réseau de recherche et d’innovation en imagerie de l’Ohio (OIRAIN, 667750) et à la National Natural Science Foundation of China (no 81771876).

Materials

3D Printed Probe In-house N/A 3D printed PLA probe (Craftbot, Craft unique)
785nm, 100mW, CW, FC coupled Laser CrystaLaser DL785-100-S DCS component (light source)
Auto-correlator Correlator.com Flex05-8ch DCS component (output g2 curve to PC)
Data Acquisition GUI In-house N/A GUI coded in LabVIEW to run the DCS system
Data analysis software In-house N/A Matlab code used for obtaining RSFC results
EEG Electrode Cap OpenBCI N/A EEG mesh cap with standard 10/20 positions
Multi-mode fiber OZ Optics QMMJ-3,2.5-IRVIS-600/630-3PCBK-3 DCS component (source fiber)
Oxiplex calibration phantom ISS 75019, 75020 Set of 2 PDMS Calibration Phantom
Oxiplex muscle probe ISS 86010 4 channel muscle probe
Oxiplex Oximeter ISS 95205 FD-fNIRS (690nm, 830nm)
Power meter Thorlabs PM100D Laser light power adjuster
Sensor card Thorlabs F-IRC1-S laser IR beam viewer
Single-mode fiber OZ Optics SMJ-3S2.5-780-5/125-3PCBK-3 DCS component (detector fiber)
Single-Photon Counting Machine Excelitas SPMC-NIR-1×2-FC DCS component (detector)
DOWNLOAD MATERIALS LIST

References

  1. Cohen, A. L., et al. Defining functional areas in individual human brains using resting functional connectivity MRI. NeuroImage. 41 (1), 45-57 (2008).
  2. Pizoli, C. E., et al. Resting state activity in development and maintenance of normal brain function. Proceedings of the National Academy of Sciences of the United States of America. 108 (28), 11638-11643 (2011).
  3. Duan, L., Zhang, Y. J., Zhu, C. Z. Quantitative comparison of resting state functional connectivity derived from fNIRS and fMRI: A simultaneous recording study. NeuroImage. 60 (4), 2008-2018 (2012).
  4. White, B. R., et al. Resting state functional connectivity in the human brain revealed with diffuse optical tomography. NeuroImage. 47 (1), 148-156 (2009).
  5. Biswal, B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic resonance in medicine official journal of the Society of Magnetic Resonance in Medicine/Society of Magnetic Resonance in Medicine. 34 (4), 537-541 (1995).
  6. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering. , (2011).
  7. Zhang, H., et al. Test-retest assessment of independent component analysis-derived resting state functional connectivity based on functional near-infrared spectroscopy. NeuroImage. 55 (2), 607-615 (2011).
  8. Lu, C. M., et al. Use of fNIRS to assess resting state functional connectivity. Journal of Neuroscience Methods. 186 (2), 242-249 (2010).
  9. Zhang, Y. -. J., et al. Detecting Resting state Functional Connectivity in the Language System using Functional Near-Infrared Spectroscopy. Journal of Biomedical Optics. 15 (4), 047003 (2010).
  10. Fransson, P. Spontaneous low-frequency BOLD signal fluctuations: An fMRI investigation of the resting state default mode of brain function hypothesis. Human Brain Mapping. , (2005).
  11. Li, J., et al. Characterization of autism spectrum disorder with spontaneous hemodynamic activity. Biomedical Optics Express. , (2016).
  12. Sheline, Y. I., Raichle, M. E. Resting state functional connectivity in preclinical Alzheimer’s disease. Biological Psychiatry. , (2013).
  13. Mulders, P. C., van Eijndhoven, P. F., Schene, A. H., Beckmann, C. F., Tendolkar, I. Resting state functional connectivity in major depressive disorder: A review. Neuroscience and Biobehavioral Reviews. , (2015).
  14. Kiviniemi, V., et al. Slow vasomotor fluctuation in fMRI of anesthetized child brain. Magnetic Resonance in Medicine. , (2000).
  15. Fransson, P., et al. Resting state networks in the infant brain. Proceedings of the National Academy of Sciences of the United States of America. , (2007).
  16. Durduran, T., Yodh, A. G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement. Neuroimage. 85, 51-63 (2014).
  17. Buckley, E. M., Parthasarathy, A. B., Grant, P. E., Yodh, A. G., Franceschini, M. A. Diffuse correlation spectroscopy for measurement of cerebral blood flow: future prospects. Neurophotonics. 1 (1), 011009 (2014).
  18. Buckley, E. M., et al. Cerebral hemodynamics in preterm infants during positional intervention measured with diffuse correlation spectroscopy and transcranial Doppler ultrasound. Optics Express. , (2009).
  19. Dehaes, M., et al. Cerebral oxygen metabolism in neonatal hypoxic ischemic encephalopathy during and after therapeutic hypothermia. Journal of Cerebral Blood Flow. , (2014).
  20. Lin, P. Y., et al. Non-invasive optical measurement of cerebral metabolism and hemodynamics in infants. Journal of Visualized Experiments. , (2013).
  21. Lin, P. Y., et al. Regional and hemispheric asymmetries of cerebral hemodynamic and oxygen metabolism in newborns. Cerebral Cortex. 23 (2), (2013).
  22. Busch, D. R., et al. Cerebral Blood Flow Response to Hypercapnia in Children with Obstructive Sleep Apnea Syndrome. Sleep. , (2016).
  23. Durduran, T., et al. Cerebral oxygen metabolism (CMRO2) reactivity to hypercapnia in neonates with severe congenital heart defects measured with diffuse optics. Journal of Cerebral Blood Flow and Metabolism. , (2009).
  24. Durduran, T., et al. Optical measurement of cerebral hemodynamics and oxygen metabolism in neonates with congenital heart defects. Journal of Biomedical Optics. , (2010).
  25. Mesquita, R. C., Franceschini, M. A., Boas, D. A. Resting state functional connectivity of the whole head with near-infrared spectroscopy. Biomedical optics express. 1 (1), 324-336 (2010).
  26. Boas, D. A., Franceschini, M. A. Haemoglobin oxygen saturation as a biomarker: The problem and a solution. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering. , (2011).
  27. Durduran, T., Yodh, A. G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement. NeuroImage. , (2014).
  28. Yu, G. Diffuse Correlation Spectroscopy (DCS): A Diagnostic Tool for Assessing Tissue Blood Flow in Vascular-Related Diseases and Therapies. Current Medical Imaging Reviews. (8), 194-210 (2012).
  29. Yu, G., Durduran, T., Zhou, C., Cheng, R., Yodh, A. G. Near-Infrared Diffuse Correlation Spectroscopy for Assessment of Tissue Blood Flow. Handbook of Biomedical Optics. , 195-216 (2011).
  30. Selb, J., et al. Sensitivity of near-infrared spectroscopy and diffuse correlation spectroscopy to brain hemodynamics: simulations and experimental findings during hypercapnia. Neurophotonics. 1 (1), (2014).
  31. Cheung, C., et al. In vivo cerebrovascular measurement combining diffuse near-infrared absorption and correlation spectroscopies. Physics in Medicine and Biology. 46 (8), 2053-2065 (2001).
  32. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philos Trans A Math Phys Eng Sci. 369 (1955), 4390-4406 (2011).
  33. Maret, G., Wolf, P. E. Multiple Light Scattering from Disordered Media. The Effect of Brownian Motion of Scatterers. Z. Phys. B – Condensed Matter. 65, 409-413 (1987).
  34. Yu, G. Q. Near-infrared diffuse correlation spectroscopy in cancer diagnosis and therapy monitoring. Journal of Biomedical Optics. 17 (1), (2012).
  35. Carp, S. A., Dai, G. P., Boas, D. A., Franceschini, M. A., Kim, Y. R. Validation of diffuse correlation spectroscopy measurements of rodent cerebral blood flow with simultaneous arterial spin labeling MRI; towards MRI-optical continuous cerebral metabolic monitoring. Biomedical Optics Express. 1 (2), 553-565 (2010).
  36. Roche-Labarbe, N., et al. Near-infrared spectroscopy assessment of cerebral oxygen metabolism in the developing premature brain. Journal of Cerebral Blood Flow. , (2012).
  37. Bergonzi, K. M., Bauer, A. Q., Wright, P. W., Culver, J. P. Mapping functional connectivity using cerebral blood flow in the mouse brain. J Cereb Blood Flow Metab. 35 (3), 367-370 (2015).
  38. Poon, C. S., Li, J., Kress, J., Rohrbach, D. J., Sunar, U. Resting state Functional Connectivity measured by Diffuse Correlation Spectroscopy. Optics InfoBase Conference Papers. , (2018).
  39. Li, J., Poon, C. -. S., Kress, J., Rohrbach, D. J., Sunar, U. Resting state functional connectivity measured by diffuse correlation spectroscopy. Journal of Biophotonics. 11 (2), (2018).
  40. Yu, G. Q. Near-infrared diffuse correlation spectroscopy in cancer diagnosis and therapy monitoring. J Biomed Opt. 17 (1), (2012).
  41. Li, J., et al. Measurements of human motor and visual activities with diffusing-wave spectroscopy. Novel Optical Instrumentation for Biomedical Applications II. 5864, 58640 (2005).
  42. Wang, D., et al. Fast blood flow monitoring in deep tissues with real-time software correlators. Biomedical Optics Express. 7 (3), 776 (2016).
  43. Boas, D. A., Yodh, A. G. Spatially varying dynamical properties of turbid media probed with diffusing temporal light correlation. Journal of the Optical Society of America a-Optics Image Science and Vision. 14 (1), 192-215 (1997).
  44. Diop, M., Lee, T. -. Y., St. Lawrence, K. Continuous monitoring of absolute cerebral blood flow by combining diffuse correlation spectroscopy and time-resolved near-infrared technology. Spie. 7896, 78960 (2011).
  45. Medical, I. . ISS Oxiplex Manual. , (2008).
  46. Fantini, S., et al. Quantitative optical monitoring of the hemoglobin concentration and saturation in the piglet brain. Biomedical Optical Spectroscopy and Diagnostics. , (2000).
  47. Hueber, D. M., et al. Non-invasive and quantitative near-infrared haemoglobin spectrometry in the piglet brain during hypoxic stress, using a frequency-domain multidistance instrument. Physics in Medicine and Biology. , (2001).
  48. Zhang, J., et al. Application of I&Q detection system in scouting the curative effect of neck squamous cell carcinoma. Optical Tomography and Spectroscopy of Tissue V. , (2003).
  49. Zhao, J., Ding, H. S., Hou, X. L., Le Zhou, C., Chance, B. In vivo determination of the optical properties of infant brain using frequency-domain near-infrared spectroscopy. Journal of Biomedical Optics. , (2005).
  50. Tu, T., Chen, Y., Zhang, J., Intes, X., Chance, B. Analysis on performance and optimization of frequency-domain near-infrared instruments. Journal of Biomedical Optics. , (2002).
  51. Choe, R., et al. Transabdominal near infrared oximetry of hypoxic stress in fetal sheep brain in utero. Proceedings of the National Academy of Sciences of the United States of America. , (2003).
  52. Sunar, U., et al. Noninvasive diffuse optical measurement of blood flow and blood oxygenation for monitoring radiation therapy in patients with head and neck tumors: a pilot study. Journal of Biomedical Optics. 11 (6), (2006).
  53. Sunar, U., et al. Hemodynamic responses to antivascular therapy and ionizing radiation assessed by diffuse optical spectroscopies. Optics Express. , (2007).
  54. Durduran, T., Choe, R., Baker, W. B., Yodh, A. G. Diffuse Optics for Tissue Monitoring and Tomography T. Rep Prog Phys. 73 (7), (2010).
  55. Boas, D. A., Campbell, L. E., Yodh, A. G. Scattering and imaging with diffusing temporal field correlations. Physical Review Letters. , (1995).
  56. Boas, D. A., Yodh, A. G. Spatially varying dynamical properties of turbid media probed with diffusing temporal light correlation. Journal of the Optical Society of America A. , (1997).
  57. Chuang, C. -. C., Sun, C. -. W. Gender-related effects of prefrontal cortex connectivity: a resting state functional optical tomography study. Biomedical Optics Express. 5 (8), 2503 (2014).
  58. Okamoto, M., et al. Multimodal assessment of cortical activation during apple peeling by NIRS and fMRI. NeuroImage. , (2004).
  59. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. , (2009).
  60. Farzam, P., et al. Shedding light on the neonatal brain: Probing cerebral hemodynamics by diffuse optical spectroscopic methods. Scientific Reports. , (2017).
  61. Shang, Y., Li, T., Yu, G. Clinical applications of near-infrared diffuse correlation spectroscopy and tomography for tissue blood flow monitoring and imaging. Physiological Measurement. , (2017).
  62. Mesquita, R. C., et al. Direct measurement of tissue blood flow and metabolism with diffuse optics. Philos Trans A Math Phys Eng Sci. 369 (1955), 4390-4406 (2011).
  63. Durduran, T., et al. Diffuse optical measurement of blood flow, blood oxygenation, and metabolism in a human brain during sensorimotor cortex activation. Optics Letters. , (2004).
  64. Kim, M. N., et al. Noninvasive measurement of cerebral blood flow and blood oxygenation using near-infrared and diffuse correlation spectroscopies in critically brain-injured adults. Neurocritical Care. , (2010).
  65. Irwin, D., et al. Influences of tissue absorption and scattering on diffuse correlation spectroscopy blood flow measurements. Biomedical Optics Express. , (2011).

Tags

Keywords: Cerebral Blood FlowResting State Functional ConnectivityOptical Diffuse Correlation SpectroscopyWearable Optical Probes3D-printed ProbeMulti-mode FibersSingle-mode Fibers785 Nanometer LaserSingle-photon Counting MachinesFD-fNIRS SystemCalibration Phantom
check_url/60765?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Poon, C., Rinehart, B., Li, J., Sunar, U. Cerebral Blood Flow-Based Resting State Functional Connectivity of the Human Brain using Optical Diffuse Correlation Spectroscopy. J. Vis. Exp. (159), e60765, doi:10.3791/60765 (2020).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image