JoVE Journal > Neuroscience
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.
Neuroscience

Blok Tasarımı Uygulayan İşlevsel Yakın Kızılötesi Spektroskopi Deneyinden Nitel ve Karşılaştırmalı Kortikal Aktivite Veri Analizleri

Published: December 03, 2020
doi:
10.3791/61836
, , , ,
1Department of Neurosurgery, Faculty of Medicine,Fukuoka University, 2Department of Rehabilitation Medicine,Fukuoka University Hospital, 3Department of Preventive Medicine and Public Health, Faculty of Medicine,Fukuoka University, 4Department of Neurology,Fukuoka University Hospital

Summary

Sensorimotor görevine sahip bir blok tasarımı kullanarak sürekli dalga fonksiyonel yakın kızılötesi spektroskopi deneyinin analizini açıklıyoruz. Veri analizinin güvenilirliğini artırmak için nitel genel doğrusal model tabanlı istatistiksel parametrik haritalamayı ve çok kanallı karşılaştırmalı hiyerarşik karma modelleri kullandık.

Abstract

Nörogörüntüleme çalışmaları, rehabilitasyon ve cerrahi tedavi gibi girişimsel sonrası nörolojik durumların değerlendirilmesinde önemli bir rol oynar. Beyin aktivitesini ölçmek için kullanılan birçok nörogörüntüleme teknolojisi arasında fonksiyonel yakın kızılötesi spektroskopi (fNIRS), fonksiyonel manyetik rezonans görüntülemeye (fMRI) benzer lokal hemoglobin seviyelerini ölçerek dinamik kortikal aktivitelerin değerlendirilmesini sağlar. Ayrıca, fNIRS’deki daha az fiziksel kısıtlama nedeniyle, sensorimotor görevlerinin birden fazla çeşidi değerlendirilebilir. Birçok laboratuvar fNIRS veri analizi için çeşitli yöntemler geliştirmiştir; ancak, genel ilkelerin aynı olmasına rağmen, evrensel olarak standartlaştırılmış bir yöntem yoktur. Burada, blok tasarımı kullanılarak çok kanallı bir fNIRS deneyinden elde edilen verilerin nitel ve karşılaştırmalı analitik yöntemlerini sunuyoruz. Nitel analiz için, NIRS için genelleştirilmiş doğrusal modele dayalı kitlesel-tek değişkenli bir yaklaşım olarak bir yazılım kullandık. NIRS-SPM analizi, görev sırasında etkinleştirilen alanı görselleştirerek her oturum için nitel sonuçlar gösterir. Ek olarak, invaziv olmayan üç boyutlu sayısallaştırıcı, beyne göre fNIRS kanal konumlarını tahmin etmek için kullanılabilir. NIRS-SPM bulgularını doğrulamak için, sensorimotor görevi tarafından indüklenen hemoglobin seviyelerindeki değişikliklerin genliği, çok kanallı hiyerarşik karma bir model kullanılarak aynı çalışma konusunun iki farklı seansından (müdahale öncesi ve sonrası) elde edilen veriler karşılaştırılarak istatistiksel olarak analiz edilebilir. Yöntemlerimiz hareket bozuklukları, serebrovasküler hastalıklar ve nöropsikiyatrik bozukluklar gibi çeşitli nörolojik bozukluklarda müdahale öncesi ve sonrası analizi ölçmek için kullanılabilir.

Introduction

Nörorehabilitasyon sensorimotor bozukluğunun ardından fonksiyonel iyileşmede önemli bir rol oynar. Nöroplastisite ile ilişkili fonksiyonel iyileşme mekanizmalarını netleştirmek için fonksiyonel manyetik rezonans görüntüleme (fMRI), pozitron emisyon tomografisi (PET), elektroensefalografi (EEG) ve fonksiyonel yakın kızılötesi spektroskopi (fNIRS) gibi çeşitli nörogörüntleme teknolojileri kullanılmıştır. Farklı görüntüleme yöntemlerinin farklı avantajları ve dezavantajları vardır. fMRI en tipik cihaz olmasına rağmen, manyetik alanlardan etkilenir, yüksek maliyetli, yüksek fiziksel kısıtlamaya ve sınırlı sensorimotor görevleri1, 2,3,4. FNIRS cihazı noninvaziv optik nörogörüntüleme olarak öne çıkıyor ve nispeten daha düşük bir mekansal çözünürlüğe sahip, ancak fMRI4’tendaha iyi bir zamansal çözünürlüğe sahip . fNIRS, müdahale öncesi ve sonrası etkileri karşılaştırdığı, dinamik motor görevlere sahip olduğu, taşınabilir olduğu ve doğal ortamlarda fMRI1,2,4’tendaha fazla işlev gördüğü için tedavi etkilerini doğrularken uygundur. NIRS’nin serebrovasküler hastalık, epileptik bozukluklar, ağır beyin hasarı, Parkinson hastalığı ve bilişsel bozukluk alanlarında daha uygun olduğu bildirilmiştir1,5. Sensorimotor görevleri ile ilgili olarak, yürüyüş ve duran denge 6 ,7,8,üst uzuv fonksiyonu (el kavrama, parmakla dokunma) 8 ,9,karmaşık motor beceri eğitimi 10 ,11,robotik12 , 13,14,15ve beyin-bilgisayar arayüzü16,17,18‘ de yaygın olarak kullanılır. FNIRS, kortikal metabolik aktiviteyi, artan kan akışını ve dolayısıyla kortikal aktiviteyi ikincil sinyaller olarak ölçen optik nörogörüntüleme ve nörovasküler kavrama ilkelerine dayanmaktadır19. fNIRS sinyallerinin kan oksijen seviyesine bağımlı fMRI20sinyalleri ile güçlü korelasyonlara sahip olduğu bildirilmiştir. Sürekli dalga fNIRS, geniş bant yakın kızılötesi ışık zayıflaması21,22’deki ölçülen değişikliklere dayanarak oksijenli hemoglobin(HbO 2)ve deoksijene hemoglobin (HHb) kortikal konsantrasyon seviyelerindeki değişiklikleri belirlemek için değiştirilmiş Bira-Lambert yasasınıkullanır. Sürekli dalga NIRS sistemini kullanarak diferansiyel yol uzunluğu faktörünü (DPF) ölçmek mümkün olmadığından, DPF’nin sabit olduğunu ve hemoglobin sinyal değişikliklerinin milimole milimetre (mM x mm)2,18’inrastgele birimlerinde belirtildiğini varsaydık.

FNIRS deneylerinin prob ayarları, deney tasarımları ve analiz yöntemleri dahil olmak üzere en yeterli yöntemleri seçmesi gerekir. Prob ayarı ile ilgili olarak, EEG ölçümünde kullanılan uluslararası 10-20 yöntemi, birçok araştırmacı tarafından nörogörüntlemede kullanılan ayar standardıdır. Son yıllarda Montreal Nöroloji Enstitüsü (MNI) koordinatlarına dayanarak standart beyne dayalı koordinat ayarları kullanılmıştır. Deney, genellikle sensorimotor görevleri için kullanılan bir blok tasarımı ve olayla ilgili bir tasarım kullanır. Bu, istirahatte ve görevler sırasında hemoglobin konsantrasyonundaki değişiklikleri karşılaştırma yöntemidir; Göreve bağlı kortikal aktivite ile ilişkili serebral kan akışındaki değişikliklerle HbO2 konsantrasyon seviyeleri artar ve HHb konsantrasyon seviyeleri azalır. Çeşitli analiz yöntemleri olmasına rağmen, NIRS-SPM ücretsiz yazılımı fMRI’nın istatistiksel parametrik eşlemesine (SPM) benzer bir analiz sağlar. NIRS verilerinin tedavisi, genel doğrusal modele (GLM) dayalı kitlesel olarak tek değişkenli bir yaklaşım kullanır. Göreve bağımlı beyin aktivitesi analizi yapılırken, fNIRS ölçümleri serebral ve ekstraserebral bölmede uyandırılan veya çağrıştırılmayan nöronal aktivite ve sistemik fizyolojik girişimlerden (kalp hızı, kan basıncı, solunum hızı ve otonom sinir sistemi aktivitesi) etkilenebilir23. Bu nedenle, ön analiz işleme, filtreleme, dalgacık dönüştürme ve ana bileşen analizi yararlıdır23. NIRS-SPM kullanılarak veri işlemenin filtre ve yapıtları ile ilgili olarak, hareket veya diğer gürültü/yapı kaynaklarının üstesinden gelmek için düşük geçişli filtreleme9 ve dalgacık minimum açıklama uzunluğu (Wavelet-MDL)24 detrending kullanılmıştır. Bu analitik yöntemin ayrıntıları için Ye ve ark.25‘in raporuna bakın. Yalnızca SPM kullanan raporlar olmasına rağmen, görüntü analizi tarafından yalnızca nitel bir dizindir ve NIRS’nin düşük uzamsal çözünürlüğü nedeniyle grup analizi için çok dikkatli olunması gerekir. Ayrıca, DPF sabit olduğunda, kanallar ve bireyler arasındaki sayısal karşılaştırmalar yapılmamalıdır, ancak her kanaldaki değişikliklerdeki fark doğrulanabilir. Yukarıdaki koşullara dayanarak, NIRS-SPM grup analiz sonuçlarını desteklemek için, mekansal kaydın doğruluğunu artırdıktan sonra çok kanallı analiz için orijinal analiz yöntemini kullandık. Bu çok kanallı analiz, HbO2 ve HHb düzeylerindeki değişimin genliğini, sabit müdahaleler (önce veya sonra), sabit dönemler (dinlenme veya görev üstü) ve rastgele bireysel efektlerle hiyerarşik karışık modeller kullanarak tedaviden önce ve hemen sonra her kanalda geri kalan ve görev başında dönemler arasında karşılaştırdı.

Bu şekilde, birkaç fNIRS ölçüm ve analiz yöntemi vardır; ancak, hiçbir standart yöntem oluşturulmuştur. Bu yazıda, sensorimotor görevlerine sahip bir blok tasarımı kullanarak müdahale öncesi ve sonrası çok kanallı bir FNIRS deneyinden elde edilen verileri analiz etmek için nitel GLM tabanlı istatistiksel parametrik haritalama ve karşılaştırmalı çok seviyeli hiyerarşik karma model yöntemlerimizi tanıtıyoruz.

Protocol

Bu çalışma Japonya Fukuoka Üniversitesi kurumsal inceleme kurulu (IRB) tarafından onaylanmıştır (IRB No. 2017M017). Katılımdan önce, tüm hastalar yazılı bilgilendirilmiş onay verdi. 1. FNIRS deneyinin hazırlanması NOT: Bu deney için çok kanallı sürekli dalga lazer tabanlı NIRS sistemi kullanılmıştır. Kızılötesine yakın ışığın dalga boyları 780 nm, 805 nm ve 830 nm idi ve örnekleme hızı 7,8 Hz olarak belirlendi. Zaman ve mekansal …

Representative Results

Burada, grubumuzun şu anda üzerinde çalıştığı robot destekli rehabilitasyonu tanıtıyoruz: akut inme geçiren hastalarda üst ekstremite motor açığı üzerindeki biyofeedback etkileri. Hastanemize başvuran 10 rızalı inme hastasını (yaş ortalaması: 66.8 ± 12.0 yıl; iki kadın ve sekiz erkek) dahil ettik. Subakut inme aşamasında, başlangıçtan 2 haftadan fazla bir süre sonra, aynı gün üst ekstremite robot destekli rehabilitasyondan önce ve hemen sonra bu hastal…

Discussion

FNIRS için grup analitik yöntemlerimizde, nitel t-istatistikharitalamaları ile görüntüleme analitik yöntemini gerçekleştirmenin yanı sıra, karşılaştırmalı çok kanallı analizi kullanarak müdahale öncesi ve sonrası (robot destekli egzersiz) karşılaştırdık. Nitel analiz için NIRS-SPM yazılımını genelleştirilmiş doğrusal modele dayalı kitlesel-tek değişkenli bir yaklaşım olarak kullandık. NIRS-SPM analizi, görev sırasında etkinleştirilen alanı görselleştirerek her oturu…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Bu çalışma kısmen Japonya Bilimi Destekleme Derneği (JSPS) Bilimsel Araştırmalar için Yardım Hibesi (C) 18K08956 ve Fukuoka Üniversitesi Merkez Araştırma Enstitüsü’nden (No. 201045) bir fon tarafından desteklendi.

Materials

3D-digitizer software TOPCON – NS-1000 software ver.1.50
NIRS system Shimadzu – FOIRE-3000
Robot CYBERDYNE – Single-joint type Hybrid Assitive Limb (HAL-SJ)
DOWNLOAD MATERIALS LIST

References

  1. Bonilauri, A., Sangiuliano Intra, F., Pugnetti, L., Baselli, G., Baglio, F. A systematic review of cerebral functional near-infrared spectroscopy in chronic neurological diseases-actual applications and future perspectives. Diagnostics (Basel). 10 (8), (2020).
  2. Mihara, M., Miyai, I. Review of functional near-infrared spectroscopy in neurorehabilitation. Neurophotonics. 3 (3), 031414 (2016).
  3. 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).
  4. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences. 1464 (1), 5-29 (2020).
  5. Obrig, H. NIRS in clinical neurology – a ‘promising’ tool. Neuroimage. 85, 535-546 (2014).
  6. Fujimoto, H., et al. Cortical changes underlying balance recovery in patients with hemiplegic stroke. Neuroimage. 85, 547-554 (2014).
  7. Herold, F., et al. Functional near-infrared spectroscopy in movement science: a systematic review on cortical activity in postural and walking tasks. Neurophotonics. 4 (4), 041403 (2017).
  8. Leff, D. R., et al. Assessment of the cerebral cortex during motor task behaviours in adults: a systematic review of functional near infrared spectroscopy (fNIRS) studies. Neuroimage. 54 (4), 2922-2936 (2011).
  9. Morishita, T., et al. Changes in motor-related cortical activity following deep brain stimulation for parkinson’s Disease detected by functional near infrared spectroscopy: A pilot study. Frontiers in Human Neuroscience. 10, 629 (2016).
  10. Lee, S. H., Jin, S. H., An, J. The difference in cortical activation pattern for complex motor skills: A functional near- infrared spectroscopy study. Science Reports. 9 (1), 14066 (2019).
  11. Hatakenaka, M., Miyai, I., Mihara, M., Sakoda, S., Kubota, K. Frontal regions involved in learning of motor skill–A functional NIRS study. Neuroimage. 34 (1), 109-116 (2007).
  12. Saita, K., et al. Combined therapy using botulinum toxin A and single-joint hybrid assistive limb for upper-limb disability due to spastic hemiplegia. Journal of the Neurological Sciences. 373, 182-187 (2017).
  13. Chang, P. H., et al. The cortical activation pattern by a rehabilitation robotic hand: a functional NIRS study. Frontiers in Human Neuroscience. 8, 49 (2014).
  14. Bae, S. J., Jang, S. H., Seo, J. P., Chang, P. H. The optimal speed for cortical activation of passive wrist movements performed by a rehabilitation robot: A functional NIRS study. Frontiers in Human Neuroscience. 11, 194 (2017).
  15. Saita, K., et al. Biofeedback effect of hybrid assistive limb in stroke rehabilitation: A proof of concept study using functional near infrared spectroscopy. PLoS One. 13 (1), 0191361 (2018).
  16. Mihara, M., et al. Near-infrared spectroscopy-mediated neurofeedback enhances efficacy of motor imagery-based training in poststroke victims: a pilot study. Stroke. 44 (4), 1091-1098 (2013).
  17. Naseer, N., Hong, K. S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, 3 (2015).
  18. Mihara, M., et al. Neurofeedback using real-time near-infrared spectroscopy enhances motor imagery related cortical activation. PLoS One. 7 (3), 32234 (2012).
  19. Tak, S., Jang, J., Lee, K., Ye, J. C. Quantification of CMRO(2) without hypercapnia using simultaneous near-infrared spectroscopy and fMRI measurements. Physics in Medicine and Biology. 55 (11), 3249-3269 (2010).
  20. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. Neuroimage. 17 (2), 719-731 (2002).
  21. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. Neuroimage. 85, 6-27 (2014).
  22. Delpy, D. T., et al. Estimation of optical pathlength through tissue from direct time of flight measurement. Physics in Medicine and Biology. 33 (12), 1433-1442 (1988).
  23. Tachtsidis, I., Scholkmann, F. False positives and false negatives in functional near-infrared spectroscopy: issues, challenges, and the way forward. Neurophotonics. 3 (3), 031405 (2016).
  24. Jang, K. E., et al. Wavelet minimum description length detrending for near-infrared spectroscopy. Journal of Biomedical Optics. 14 (3), 034004 (2009).
  25. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for near-infrared spectroscopy. Neuroimage. 44 (2), 428-447 (2009).
  26. Orihuela-Espina, F., Leff, D. R., James, D. R., Darzi, A. W., Yang, G. Z. Quality control and assurance in functional near infrared spectroscopy (fNIRS) experimentation. Physics in Medicine and Biology. 55 (13), 3701-3724 (2010).
  27. Benjamini, Y., Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B. 57 (1), 289-300 (1995).
  28. Herold, F., Wiegel, P., Scholkmann, F., Muller, N. G. Applications of functional near-infrared spectroscopy (fNIRS) neuroimaging in exercise(-)cognition science: A systematic, methodology-focused review. Journal of Clinial Medicine. 7 (12), (2018).
  29. Boden, S., et al. The oxygenation response to functional stimulation: is there a physiological meaning to the lag between parameters. Neuroimage. 36 (1), 100-107 (2007).
  30. Pinti, P., Scholkmann, F., Hamilton, A., Burgess, P., Tachtsidis, I. Current status and issues regarding pre-processing of fNIRS neuroimaging data: An investigation of diverse signal filtering Methods within a general linear model Framework. Frontiers in Human Neuroscience. 12, 505 (2018).
  31. 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 (2019).
  32. Verghese, J., Wang, C., Ayers, E., Izzetoglu, M., Holtzer, R. Brain activation in high-functioning older adults and falls: Prospective cohort study. Neurology. 88 (2), 191-197 (2017).
  33. Yucel, M. A., et al. Short separation regression improves statistical significance and better localizes the hemodynamic response obtained by near-infrared spectroscopy for tasks with differing autonomic responses. Neurophotonics. 2 (3), 035005 (2015).
  34. Torricelli, A., et al. Time domain functional NIRS imaging for human brain mapping. Neuroimage. 85, 28-50 (2014).
  35. Giacalone, G., et al. Time-domain near-infrared spectroscopy in acute ischemic stroke patients. Neurophotonics. 6 (1), 015003 (2019).
  36. Saita, K., et al. Contralateral cerebral hypometabolism after cerebellar stroke: a functional near-infrared spectroscopy study. Journal of Stroke and Cerebrovascular Diseases. 26 (4), 69-71 (2017).

Tags

FNIRSFunctional Near-infrared SpectroscopyQualitative AnalysisComparative AnalysisBlock DesignGLMGeneral Linear ModelNIRS-SPMSpatial Registration3D DigitizerMATLABHemoglobinHierarchical Mixed Models
check_url/61836?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Saita, K., Morishita, T., Arima, H., Ogata, T., Inoue, T. Qualitative and Comparative Cortical Activity Data Analyses from a Functional Near-Infrared Spectroscopy Experiment Applying Block Design. J. Vis. Exp. (166), e61836, doi:10.3791/61836 (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