Waiting
Login processing...

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

Neuroscience

تجربة باستخدام التحليل الطيفي الوظيفي القريب من الأشعة تحت الحمراء وحركات التأشير متعددة المفاصل بمساعدة الروبوت للطرف السفلي

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

تشير التقديرات إلى أن 1 من كل 6 أفراد في جميع أنحاء العالم سيصابون بسكتة دماغية في حياتهم ، مما يتسبب في إعاقة طويلة الأجل ، لا تزال آليات إعادة التأهيل غير مفهومة بشكل جيد. تقترح هذه الدراسة بروتوكولا لتقييم تنشيط الدماغ عن طريق التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) خلال جلسة العلاج الروبوتي للأطراف السفلية.

Abstract

تؤثر السكتة الدماغية على ما يقرب من 17 مليون شخص في جميع أنحاء العالم كل عام وهي سبب رئيسي للإعاقة طويلة الأجل. أظهر العلاج الروبوتي نتائج واعدة في مساعدة مرضى السكتة الدماغية على استعادة الوظائف الحركية المفقودة. أحد السبل المحتملة لزيادة فهم كيفية حدوث التعافي الحركي هو دراسة تنشيط الدماغ أثناء الحركات التي يستهدفها العلاج لدى الأفراد الأصحاء. برز التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) كتقنية تصوير عصبي واعدة لفحص الأسس العصبية للوظيفة الحركية. تهدف هذه الدراسة إلى التحقيق في الارتباطات العصبية fNIRS لحركات الأطراف السفلية المعقدة في الأشخاص الأصحاء. طلب من المشاركين أداء دورات من الراحة والحركة لمدة 6 دقائق باستخدام جهاز روبوتي لإعادة التأهيل الحركي. تطلبت المهمة حركات منسقة لمفصل الركبة والكاحل للإشارة إلى الأهداف المعروضة على شاشة الكمبيوتر. تم استكشاف حالتين تجريبيتين بمستويات مختلفة من المساعدة في الحركة التي يقدمها الروبوت. أظهرت النتائج أن بروتوكول fNIRS اكتشف بشكل فعال مناطق الدماغ المرتبطة بالتحكم الحركي أثناء المهمة. والجدير بالذكر أن جميع الأشخاص أظهروا نشاطا أكبر في المنطقة الحركية المقابلة أثناء حالة عدم المساعدة مقارنة بالحالة المساعدة. في الختام ، يبدو أن fNIRS هو نهج قيم للكشف عن التغيرات في تركيز أوكسي هيموغلوبين المرتبطة بحركات التأشير متعددة المفاصل للطرف السفلي. قد يساهم هذا البحث في فهم آليات التعافي الحركي للسكتة الدماغية وقد يمهد الطريق لتحسين علاجات إعادة التأهيل لمرضى السكتة الدماغية. ومع ذلك ، هناك حاجة إلى مزيد من البحث لتوضيح إمكانات fNIRS بشكل كامل في دراسة الوظيفة الحركية وتطبيقاتها في البيئات السريرية.

Introduction

تشير البيانات الوبائية إلى أن هناك ~ 17 مليون حالة جديدة من السكتة الدماغية في جميع أنحاء العالم كل عام ، مع زيادة في الإصابة في البلدان المنخفضة والمتوسطة الدخل1. وتشير التقديرات إلى أن عدد الحالات الجديدة سيرتفع إلى 77 مليون بحلول عام 20302. غالبا ما يؤثر الضعف الحركي الناتج عن السكتة الدماغية على حركة المريض ومشاركته في أنشطة الحياة اليومية ، مما يساهم في انخفاض نوعية الحياة. تشمل إعادة التأهيل الحركي التقليدي العلاج اليدوي ، ولكن على مدى العقود القليلة الماضية ، تم تطوير أنظمة روبوتية لإعادة التأهيل. يمكن لهذه الأنظمة تقديم العلاج بكثافة عالية ، وجرعة ، وقابلية للقياس الكمي ، وموثوقية ، وتكرار ، ومرونة3 وقد أظهرت إمكانات كعلاجات إعادة تأهيل فعالة لكل من مرضى السكتة الدماغية الحادة والمزمنة4،5،6. بالإضافة إلى تقديم العلاج ، يمكن استخدام الأنظمة الروبوتية لإعادة التأهيل كأدوات تقييم حيث يمكن تجهيزها بأجهزة استشعار يمكنها قياس البيانات الحركية / الحركية لحركة المريض 7,8. بالنسبة لإعادة التأهيل الحركي للطرف العلوي ، لم تثبت هذه البيانات أنها مفيدة فقط لتقييم مستوى التعافي الحركي للمريض الذي أثاره العلاج الروبوتي وكانت بمثابة أداة تكميلية للتقييمات السريرية التقليدية 9,10 ، ولكنها ساهمت أيضا في تعزيز فهم عملية التعافي الحركي من السكتة الدماغية11 ، 12 وكذلك التحكم العصبي في الحركة والتعلم الحركي في المواد الصحية3،13،14. ونتيجة لذلك، وفرت هذه النتائج أساسا لتعزيز علاجات إعادةالتأهيل15.

على مدى العقدين الماضيين ، تم اقتراح العديد من الأجهزة الروبوتية لإعادة التأهيل العصبي للأطراف السفلية ، والتي تمتد من الهياكل الخارجية التي تدعم وزن جسم المريض أثناء المشي (على سبيل المثال ، فوق جهاز المشي ، مثل Lokomat16) إلى الأنظمة الروبوتية الثابتة التي تسمح للمريض بممارسة الكاحل أو الركبة أو القدم دون المشي (مثل Rutgers Ankle17 ، روبوت إعادة تأهيل الكاحل عالي الأداء18 ، وروبوت إعادة تأهيل الكاحل / القدم التابع لمعهد غوانغجو للعلوم والتكنولوجيا (GIST)19) أو أجهزة تقويم القدم النشطة التي يتم تشغيلها على الهياكل الخارجية التي يرتديها المريض للمشي فوق الأرض أو فوق جهاز المشي (مثل Powered Gait Orthosis20 و MIT Anklebot21). انظر22،23،4 للحصول على مراجعة حول الروبوتات لإعادة تأهيل الأطراف السفلية.

كانت نتائج الدراسات السريرية للأجهزة الروبوتية لإعادة تأهيل الأطراف السفلية على مرضى السكتة الدماغية مشجعة وأظهرت أن هذه الأنظمة قد تحسن نطاق حركة المفاصل (ROM) أو قوة العضلات أو المشي ، اعتمادا على الجهاز المحدد والبروتوكول السريري (انظر 24،25 لمراجعة فعالية روبوتات الأطراف السفلية لإعادة التأهيل). في حين تم افتراض أن العلاج بمساعدة الروبوت يعزز التغيرات العصبية ، والتي تؤدي في النهاية إلى تحسين القدرات الحركية26 ، كيف تحدث عملية التعافي الحركي من السكتة الدماغية بالضبط وأي بروتوكولات التدريب الروبوتية تعمل على تحسين عملية استعادة القدرات الحركية للأطراف السفلية ، لا تزال غير واضحة في الغالب. في الواقع ، هناك تفاوت كبير ومتزايد بين التطور المتزايد لروبوتات إعادة التأهيل (إما من قبل الباحثين الأكاديميين أو الكيانات التجارية) والفهم المحدود للآليات الفسيولوجية العصبية التي تكمن وراء التعافي الحركي4. ساهمت قياسات حركية الحركة أو عزم دوران المفاصل المأخوذة باستخدام أجهزة استشعار مدمجة في الوصف الكمي للتغيرات السلوكية الحركية التي تحدث عندما يستعيد المرضى القدرات الحركية للأطراف السفلية27،28،29 ، مما يسد هذه الفجوة جزئيا. ومع ذلك ، فإن الارتباطات العصبية الكامنة وراء هذه التغييرات كانت أقل تحقيقا. هذا يرجع إلى عدة أسباب.

يستغرق التصوير الوظيفي للدماغ وقتا طويلا ويصعب إكماله في بعض الأحيان في سياق التجارب السريرية ، والتي تتطلب غالبا إبقاء عبء المريض في حده الأدنى لزيادة احتمالية التزام المريض بالدراسة. هذا ينطبق بشكل خاص على الأفراد الذين عانوا من سكتة دماغية ، بالنظر إلى حقيقة أن التعب بعد السكتة الدماغية وضعف العضلات كثيرا ما يلاحظ30. أيضا ، تتطلب طرق التصوير التي تعتمد على المجالات المغناطيسية ، مثل التصوير بالرنين المغناطيسي الوظيفي (fMRI) ، أن تكون كل من أجهزة المريض والروبوتية آمنة للمغناطيس.

من بين طرق التصوير غير الغازية ، يعد التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) تقنية تصوير مناسبة بشكل خاص لتقييم مناطق تنشيط الدماغ في الأشخاص الذين يخضعون للعلاج الروبوتي. على غرار التصوير بالرنين المغناطيسي الوظيفي ، يقيس fNIRS أكسجة الدم / إزالة الأكسجين في الدماغ. ومع ذلك ، على عكس التصوير بالرنين المغناطيسي الوظيفي ، فإن fNIRS متوافق تماما مع الأجهزة الروبوتية ، وغالبا ما يكون محمولا ، حتى أنه يمكن استخدامه بجانب السرير. أيضا ، fNIRS لديه تكلفة منخفضة وحساسية أقل للقطع الأثرية المتحركة31،32،33.

على الرغم من مزاياه الواضحة واستخدامه على نطاق واسع في العديد من الإعدادات السريرية منذ تقديمه لأول مرة في أواخر 70s34 ، إلا أن عددا قليلا من الدراسات استخدم fNIRS لتحديد تنشيط الدماغ المرتبط بحركات الأطراف السفلية واستعادة حركة السكتة الدماغية. دراسات FNIRS التي تهدف إلى توضيح آليات التحكم العصبي في الحركة و / أو الآليات أو تقييم التعافي الحركي من السكتة الدماغية قد بحثت في الغالب في حركات المفصل الواحد (على سبيل المثال ، الانثناء الظهري أو الانثناء الأخمصي أو حركات تمديد الركبة35،36،37) ، المشي38،39،40،41،42،43 ، أو ركوب الدراجات44. انظر45 للمراجعة. وبالمثل ، ركزت دراسات fNIRS حول العلاج بمساعدة الروبوت للطرف السفلي في الغالب على إعادة تأهيل المشي بمساعدة الروبوت. انظر46 للمراجعة. ركزت بعض الدراسات على استخدام fNIRS كجزء من نظام واجهة الدماغ الحاسوبية (BCI) لاشتقاق إشارات التحكم للأجهزة الروبوتية47,48 ؛ بينما يعتمد هذا المجال البحثي أيضا على معالجة إشارات fNIRS ، فإن هدفه مختلف ويركز بشكل أساسي على فك تشفير نوايا المريض (على سبيل المثال ، المرضى الذين يعانون من إعاقات حركية شديدة).

الدراسة التجريبية المقدمة هنا هي جزء من جهد أولي للتحقيق في آثار نظام روبوتي لإعادة تأهيل الأطراف السفلية. يمكن للروبوت تقديم إعادة تأهيل الأطراف السفلية الموجهة نحو الهدف والتي تتضمن التدريب على الحركات اليومية متعددة المفاصل بالإضافة إلى تقديم العلاج للمفاصل المفردة (على سبيل المثال ، الركبة أو الكاحل) من الطرف السفلي (أي تنفيذ برنامج إعادة التأهيل من أسفل إلى أعلى).

هدفت الدراسة إلى التحقيق في جدوى بروتوكول تجريبي يتطلب الحصول على بيانات fNIRS أثناء أداء الطرف السفلي ، حركات التأشير متعددة المفاصل. مدة فترة الحصول على البيانات في هذه الدراسة ، والتي اقتصرت على 6 دقائق ، أقصر من بروتوكولات fNIRS النموذجية. كان هذا اختيارا متعمدا تم اتخاذه بهدف تعزيز التطبيق العملي والتطبيق السريري لهذا البحث ، لا سيما في المرضى الذين يعانون من محدودية الحركة أو القوة. كان تحديد ارتباطات fNIRS لمثل هذه الحركات المعقدة متعددة المفاصل واكتساب نظرة ثاقبة حول كيفية تعديل تنشيط الدماغ بمساعدة الروبوت من النقاط المثيرة للاهتمام أيضا. لهذا الغرض ، أجريت جلستان من التجارب مع نفس المشاركين: واحدة بدون مساعدة الروبوت والأخرى بمساعدة الروبوت. أخيرا ، من المهم ملاحظة أن هذه الدراسة ركزت على الموضوعات الصحية من أجل إنشاء أساس للبحث المستقبلي من حيث تسجيل جدوى البروتوكول وتقييم تنشيط الدماغ أثناء الحركات التي يستهدفها العلاج الروبوتي.

جهاز
تم استخدام روبوت محمول مصمم لتقديم إعادة تأهيل الأطراف السفلية (انظر الشكل 1) لإجراء تجاربنا. يحتوي الروبوت على مساحة عمل ثلاثية الأبعاد يمكن الوصول إليها وهو مضغوط وخفيف الوزن ، ويزن حوالي 35 رطلا ، مما يجعله سهل النقل والتركيب.

Figure 1
الشكل 1: الإعداد التجريبي. أ: النظام الروبوتي (المثبت على الأرض) المصمم للطرف السفلي. يظهر متطوع يستخدم الواجهة بقدمه اليمنى. (ب) هيكل دعم لقدم الشخص يتيح التعلق بالنظام الروبوتي. (ج) لقطة شاشة للعبة النزهة. الهدف من اللعبة هو تحريك القدم (الحذاء الأخضر والأبيض) إلى الهدف (الدائرة الصفراء). يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

تم تصميم النظام الروبوتي لمساعدة المريض في أداء حركات الأطراف السفلية المشابهة لتلك التي يتم إجراؤها في المهام اليومية ، مثل الإشارة أو الركل. يستخدم ألعاب الواقع الافتراضي التفاعلية ، والتي يتم عرضها على شاشة الكمبيوتر أو شاشة التلفزيون الموضوعة أمام الجهاز الآلي (انظر الشكل 1). يتم توصيل المستجيب ذو الطرف النهي الآلي بالطرف السفلي للمريض (على سبيل المثال ، الكاحل) ، ويتم تعيين موضعه إلى موضع المؤشر على الشاشة. تظهر اللعبة النموذجية أهداف حركة المريض (على سبيل المثال ، الكائن الذي يجب الإشارة إليه أو مكان ركل الكرة).

لإكمال مهمة الحركة ، قد يساعد الروبوت المريض بمستوى من المساعدة يمكن أن يتراوح من المساعدة الكاملة إلى لا شيء. يتم اختيار مستوى المساعدة الروبوتية في بداية كل جلسة إعادة تأهيل بناء على مستوى ضعف الحركة لدى المريض. يتم استخدام الحركات التي يؤديها الموضوع بواسطة اللعبة لتسجيل أداء المريض وتزويده بتعليقات حول أدائه (على سبيل المثال ، ROM وعدد الحركات ومستوى المساعدة الروبوتية). تم تصميم الألعاب لتكون تفاعلية ومسلية للحفاظ على اهتمام المريض واهتمامه. في هذه الدراسة ، لعب المشاركون "لعبة النزهة" ، حيث كان على اللاعب منع الحشرات من الوصول إلى المنشفة وسرقة الطعام (انظر الشكل 1 ، اللوحة السفلية ، للحصول على لقطة شاشة).

تم إجراء الحصول على البيانات باستخدام نظام الحصول على fNIRS المحمول مع اثنين من البصريات الموجة المستمرة المختلفة (760 نانومتر و 850 نانومتر) ، و 8 مصادر LED مزدوجة الطرف ، و 8 كاشفات نشطة مزدوجة الطرف. تم الحصول على الإشارات باستخدام معدل أخذ عينات قدره 10.17 هرتز. تم استخدام كمبيوتر محمول لتحسين المعايرة وتسجيل الإشارات باستخدام شبكة Wi-Fi التي أنشأها نظام fNIRS.

تم استخدام غطاء لتثبيت البصريات في المواقع المحددة مسبقا. تم وضع المصادر وأجهزة الكشف وفقا لنظام EEG الدولي 10-10 في توزيع مكاني للشبكة. تم تحديد كل قناة fNIRS بواسطة زوج من كاشف المصدر بمسافات بين البصريات تبلغ حوالي 30 مم. وضعت البصريات فوق مناطق المحرك التكميلي، والمحرك الأولي، والمناطق الحركية في المواقع الموضحة في الشكل 2. بلغ العدد الإجمالي للقنوات 28 قناة ، حيث كانت 8 قنوات قصيرة المدى مقترنة بكل مصدر باستخدام محول ألياف بصرية إلى كاشف واحد. نظرا لإعداد تعدد الإرسال للأجهزة ، من الممكن الحصول على معلومات قصيرة المسافة من جميع المصادر باستخدام كاشف واحد فقط.

Figure 2
الشكل 2: تخطيط المونتاج باستخدام نظام 10-10 EEG. تشير الأحرف والأرقام إلى مواقع المصدر / الكاشف. تمثل النقطتان الحمراء والزرقاء بصريات المصدر والكاشف ، على التوالي. تمثل الخطوط الخضراء قنوات fNIRS التي تتكون من أزواج المصدر والكاشف. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

التصميم التجريبي
أجريت التجربة في ظل شرطين تجريبيين متميزين ، يختلفان في مستوى المساعدة التي يقدمها الروبوت لحركات الموضوع. في الحالة الأولى ، تمت برمجة الروبوت بحيث لا يقدم أي مساعدة لحركات الشخص ، بينما في الحالة الثانية ، يتحكم الروبوت في حركات قدم وساق الشخص (الحركة بمساعدة الروبوت).

اتبعت كل تجربة نموذج تصميم كتلة يتضمن دورات متناوبة لمهمة حركية (لعب اللعبة - 30 ثانية) والراحة (30 ثانية) ، كما هو موضح في الشكل 3. تم الإشارة بصريا إلى بداية ونهاية كل مرحلة (اللعب / اللعبة أو الراحة) للموضوع من خلال شاشة الكمبيوتر. خلال مرحلة الراحة ، تم عرض رسالة تشير إلى توقف مؤقت. كانت مدة كل دورة (لعب / لعبة + راحة) 60 ثانية وتكررت ست مرات ، مما أدى إلى وقت تشغيل إجمالي يبلغ 360 ثانية (6 دقائق).

لعب المشاركون "لعبة النزهة" ، حيث كان الهدف هو منع الحشرات من الوصول إلى المنشفة وسرقة الطعام. تضمنت هذه اللعبة سلسلة من حركات الأطراف السفلية ، بدءا من هدف منزلي معين (الموضع الأولي) وتمتد نحو أحد الأهداف الخارجية الثلاثة قبل العودة إلى الهدف الرئيسي. على الشاشة ، تم تمثيل الأهداف الخارجية بصريا كحشرات متحركة متحركة ، والتي كان على المشاركين الوصول إليها والتقدم إليها. كانت هناك ثلاثة أهداف خارجية ، تم تقديم كل منها بشكل عشوائي لعدد متساو من المرات ، إلى جانب هدف منزلي مشترك لكل حركة. شكلت المسافة التي تحتاجها القدم للانتقال من الهدف الرئيسي إلى موضع الأهداف الخارجية قوسا يبلغ قياسه 26 سم تقريبا. تتطلب المهمة الحركية تنفيذ حركات متعددة المفاصل ، مما يتطلب التنسيق بين ثني / تمديد الركبة ، والانثناء الأخمصي ، وحركات الانثناء الظهري.

تمت مزامنة تسجيلات بيانات fNIRS مع المحفزات البصرية التي تقدمها اللعبة للموضوع من خلال نبض منطق الترانزستور الترانزستور (TTL) الناتج عن الروبوت. تم توليد البقول في بداية كل مرحلة (اللعب / اللعبة والراحة). وهكذا ، تم تنفيذ جميع عمليات التحكم في التوقيت بواسطة اللعبة ، والتي قدمت إشارات بصرية (أهداف) للمشارك لبدء كل حركة ، وأرسلت إشارات TTL إلى نظام fNIRS لتحديد تسجيلات نشاط الدماغ ، وإذا اقتضت التجربة ذلك ، أرسلت إشارات إلى نظام التحكم في الروبوت لبدء مساعدة الحركة.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

تمت الموافقة على هذه الدراسة من قبل مجلس مراجعة الأخلاقيات المحلي التابع ل UNICEP (Centro Universitario Paulista). قدم جميع المشاركين موافقة مستنيرة باتباع جميع المبادئ التوجيهية المؤسسية والمعايير الفيدرالية المتعلقة بالبحث العلمي الذي يشمل البشر. لم يتلقوا أي تعويض مالي ، كما هو مطلوب بموجب اللوائح الفيدرالية البرازيلية.

1. نظام fNIRS

  1. قم بإعداد الغطاء باستخدام 16 بصريات: 8 مصادر ضوء (760 نانومتر و 850 نانومتر) و 8 كاشفات ضوئية (انظر الشكل 2 ؛ موقع المصادر: FC1 و FC2 و C3 و Cz و C4 و CP1 و CP2 و Pz ؛ موقع الكاشفات (FCz و C1 و C2 و CPz و P1 و P3). قم بتوصيل الكاشف الثامن بمحول المسافات القصيرة ، المتصل بكل من بصريات المصدر.
  2. افتح برنامج اقتناء fNIRS وقم بتحميل المونتاج مع وضع كل بوتود.
  3. اضبط معدل أخذ العينات الزمنية لإشارة fNIRS على 10.17 هرتز.

2. المشاركون

  1. اشرح بإيجاز أهمية البحث والبروتوكول التجريبي للمشارك.
  2. إذا وافق المشارك على التطوع ، فتأكد من أن المتطوع يقدم موافقة مستنيرة باتباع جميع الإرشادات المؤسسية والمعايير الفيدرالية المتعلقة بالبحث العلمي الذي يشمل البشر.
  3. اطلب من المتطوع الجلوس على كرسي بذراعين أمام الروبوت ، على بعد حوالي 150 سم من شاشة الكمبيوتر.
  4. بعد إزالة الحذاء ، قم بتوصيل قدم المشارك بشكل مريح بذراع الروبوت باستخدام أحزمة الفيلكرو (قفل الخطاف والحلقة) (انظر الشكل 1 ، أعلى اللوحة اليسرى).
  5. ضع غطاء fNIRS مع البصريات في رأس المشارك واربطه بإحكام باستخدام قفل الخطاف والحلقة أسفل الذقن.
  6. ضع الغطاء العلوي على غطاء البصر لتقليل تداخل الإضاءة المحيطة.

3. الحصول على البيانات

  1. اطلب من كل مشارك عدم القيام بحركات رأس مفاجئة لتقليل مخاطر القطع الأثرية للحركة.
  2. قم بمعايرة نظام fNIRS للحصول على جودة إشارة مثالية.
  3. تأكد من أن جميع القنوات ذات نوعية جيدة ، كما هو موضح في الواجهة. إذا لم يكن كذلك ، فحاول إزالة الشعر بين فروة الرأس وطرف البصرية.
  4. اشرح للمشارك كيفية لعب اللعبة عن طريق تحريك القدم المرفقة بالروبوت للوصول إلى الأهداف المشار إليها على الشاشة.
  5. اشرح للمشاركين أنه سيكون هناك شرطان: بدون وبمساعدة روبوتية.

4. النظام الروبوتي

  1. قم بتشغيل النظام عن طريق توصيل الشاشة والروبوت بمصدر الشبكة الكهربائية. بعد تهيئة نظام التشغيل ، تظهر واجهة اللعبة الأولى.
  2. ضع الذراع الروبوتية في الموقع القياسي وانتظر حتى تتلقى الذراع الروبوتية الموضوعة بشكل صحيح رسالة ردود الفعل.
  3. أدخل بيانات وصفية عن المشارك والمجرب في النظام لتسجيل الدخول إلى واجهة ألعاب الروبوت.
  4. في واجهة اختيار اللعبة ، قم بتكوين وقت الجلسة إلى 6 دقائق مع فترات راحة 30 ثانية.
  5. حدد الساق المناسبة (يمينا أو يسارا) لاستخدامها من قبل المشارك.
  6. حدد لعبة النزهة وانقر على Go للعب اللعبة.

5. تحليل البيانات

  1. تحويل الإشارات الخام إلى حالات الدورة الدموية (أوكسي هيموغلوبين (HbO) وديوكسي هيموغلوبين (HbR)) باستخدام معادلة بير لامبرت المعدلة49.
  2. قم بإنشاء خرائط تنشيط فردية باستخدام النموذج الخطي العام (GLM) مع تقدير قوي وتقدير الارتباط التلقائي ، والذي يكون أقل تأثرا بعناصر الحركة50. استخدم التصميم التجريبي (الراحة = 0 ؛ اللعبة / اللعب = 1) الملتوي بواسطة وظيفة الاستجابة الديناميكية الدموية المتعارف عليها (HRF) كمتغير مستقل وإشارة HbO أو HbR المرصودة كمتغير تابع.
  3. لكل قناة ، استخرج معامل بيتا (الذي يعكس قوة تنشيط القناة) أثناء اللعبة / اللعب مقارنة بالباقي.
  4. دمج القنوات في ثلاث مناطق اهتمام (ROI) ومتوسط معاملات التنشيط (GLM betas) عبر قنوات عائد الاستثمار. حدد عائد الاستثمار على النحو التالي (انظر الشكل 2): (1) المنطقة قبل الحركية لنصف الكرة الأيسر (القنوات [FC1-FCz ، C1-FC1 ، C1-Cz ، C3-C1]) ؛ (2) المنطقة الحركية الجسدية لنصف الكرة الأيسر (القنوات [C3-CP1 ، CP1-P1 ، CP1-CPz ، P1-Pz]) ؛ و (3) منطقة المحرك التكميلية (SMA) (القنوات [Cz-FCz ، CPz-Cz]).
    ملاحظة: استنادا إلى الأدبيات السابقة حول المهام الحركية المشابهة لتلك التي تم التحقيق فيها هنا51،52،53 وبالنظر إلى أن جميع المشاركين نفذوا المهمة الحركية بساقهم اليمنى ، فقد افترض أن الحركة الحركية اليسرى (المقابلة) والحركة الجسدية ، وكذلك مناطق SMA ، ستعرض التنشيط أثناء أداء اللعبة / اللعب في كلتا الحالتين ، مع تنشيط أقوى في الحالة دون مساعدة.
  5. قم بتطبيق اختبار ويلكوكسون غير المعلمية على هذه الإصدارات التجريبية. اضبط خطأ النوع الأول على 5٪ (تحليل أحادي الطرف).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

أكمل جميع الأشخاص الستة كلتا التجربتين. وفي حالة عدم تقديم المساعدة، أنجز كل موضوع ما متوسطه 76.67 تجربة (10.73 تجربة (لاحظ أن عدد التجارب يعتمد على عدد التجارب الناجحة لأن الهدف الجديد لا يظهر إلا إذا تم بلوغ الهدف السابق). في حالة المساعدة ، حيث تم مساعدة حركة الشخص بالكامل بواسطة الروبوت ، أكمل جميع الأشخاص 70 تجربة. تم تسجيل بيانات fNIRS بنجاح من جميع الموضوعات.

يوضح الشكل 4 خرائط تنشيط الدماغ أحادية الموضوع التي تقارن فترات اللعب / اللعبة مقابل فترات الراحة ل HbO و HbR. لكل موضوع ، أظهرت الخرائط المرتبطة بتغييرات HbO تنشيطا ذا دلالة إحصائية (p < 0.01) في الحالة التجريبية بدون مساعدة الروبوت ، بينما أظهر موضوعان فقط تنشيطا ذا دلالة إحصائية في الحالة التجريبية بمساعدة الروبوت. فيما يتعلق ب HbR ، قدم أربعة أشخاص تنشيطا ذا دلالة إحصائية (p < 0.01) في كلتا الحالتين ، وإن كان ذلك في قنوات أقل مقارنة ب HbO.

يلخص الشكل 5 نتائج الموضوعات الفردية للتحليلات القائمة على الفرضيات القائمة على عائد الاستثمار. من بين جميع عائد الاستثمار الذي تم فحصه ، أظهرت القشرة الأمامية للحركة اليسرى فقط زيادة ذات دلالة إحصائية في تنشيط HbO أثناء اللعبة / اللعب بالنسبة لمقارنة الراحة (p = 0.046) وفقط في الحالة بدون مساعدة روبوتية. بالإضافة إلى ذلك ، قدم عائد الاستثمار هذا تنشيطا أكبر في الحالة دون مساعدة روبوتية مقارنة بالحالة بمساعدة روبوتية (p = 0.016). لم تكن هناك فروق ذات دلالة إحصائية لعائد الاستثمار الآخر أو في التحليلات القائمة على HbR ، سواء في تحليلات اللعب / اللعبة مقابل الراحة أو في المقارنات بين الظروف (p>0.05). وبالتالي ، على مستوى المجموعة ، لم يتم العثور على فروق ذات دلالة إحصائية في القشرة الحركية الجسدية اليسرى ، SMA ، أو في التحليلات القائمة على HbR.

Figure 3
الشكل 3: تجربة تصميم الكتلة مع الكتل البديلة للعبة وظروف حالة الراحة. لعب الموضوع لعبة Picnic بشكل مستمر لمدة 30 ثانية (فترة اللعبة) وظل ثابتا لمدة 30 ثانية التالية (فترة الراحة). تكررت هذه الدورة 6 مرات ، مما أدى إلى مدة الجلسة 6 دقائق (لاحظ ، يتم عرض 150 ثانية فقط في الشكل). يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 4
الشكل 4: خرائط التنشيط الإحصائي لعتبة الدماغ أحادية الموضوع. خرائط التنشيط الإحصائي للدماغ ذات الموضوع الواحد (قيمة القناة p < 0.01) للأشخاص الستة (S1-S6) ل HbO و HbR في كلتا الحالتين التجريبيتين (الحركات بمساعدة روبوتية وبدونها). لاحظ أنه يتم تقديم الخرائط التي تعرض تنشيطا ذا دلالة إحصائية فقط (على سبيل المثال ، يشير أي موضوع وشرط به فتحة فارغة إلى أنه لم يلاحظ أي تنشيط مهم لهذه المجموعة المعينة). يمثل شريط الألوان سعة إحصائيات t لمعامل التنشيط (GLM beta) لكل قناة fNIRS. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 5
الشكل 5: تنشيط القشرة الحركية اليسرى بناء على إشارات HbO. كما هو مفصل في الخطوة 5.2 ، تم تقدير معاملات بيتا باستخدام GLM ، وتم تحديد سعة التنشيط لكل موضوع ، وحالة تجريبية (حركات غير مساعدة ومساعدة) ، وقنوات محددة (لاحظ ، تم الحصول على قيم بيتا لعائد الاستثمار عن طريق حساب متوسط القنوات داخل القشرة الحركية اليسرى). يمثل المخطط النقطي بصريا متوسط معاملات بيتا لعائد الاستثمار لكل موضوع وحالة ، مع النقاط الحمراء والخضراء التي تشير إلى الحركات المساعدة وغير المساعدة ، على التوالي. لكل موضوع ، يكون معامل بيتا لعائد الاستثمار للحالة غير المساعدة أكبر من معامل الحالة المساعدة ، مما يدل على تنشيط أكبر في الحالة السابقة. هذه النتيجة متسقة في جميع المواد. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

في دراسة إثبات المفهوم هذه ، تم التحقيق في جدوى إجراء استنتاجات حول رسم خرائط تنشيط الدماغ باستخدام بيانات fNIRS من الأشخاص الأصحاء أثناء ممارسة أنواع مختلفة من الحركات باستخدام روبوت لإعادة تأهيل الأطراف السفلية. جلسات تسجيل fNIRS النموذجية للبالغين أطول من 6 دقائقو 54. ومع ذلك ، لجعل التسجيلات ممكنة في سياق إعداد إعادة التأهيل ، يجب تقليل المدة الإجمالية للتجربة إلى الحد الأدنى لتجنب التعب والجهد غير الضروريين للموضوع. اختبرت هذه الدراسة أيضا ما إذا كانت تجربة تصميم الكتلة مع 6 كتل تكرار المهام (مع مدة جلسة 6 دقائق) كافية لتقييم استجابة الدورة الدموية واكتشاف الفرق بين حالة المساعدة وعدم المساعدة. تشير النتائج إلى أن هذه التسجيلات مفيدة وقد تكون fNIRS بالفعل طريقة مفيدة للكشف عن التغيرات في تركيز HbO المرتبطة بأنظمة التمرين بمستويات مختلفة من مساعدة الروبوت للأطراف السفلية. حتى مع حجم عينة صغير ، تم العثور على تنشيط كبير للحركة المقابلة كما تم قياسه بواسطة HbO عند مقارنة المهمة مقابل كتل الراحة ؛ قدم جميع الأشخاص نشاطا أكبر في هذه المنطقة في حالة عدم المساعدة مقارنة بالشخص بمساعدة الروبوت.

تم تسجيل بيانات fNIRS خلال حالتين مختلفتين ، تقابلان مستويين مختلفين من جهد الشخص اللازم لإكمال المهمة الحركية. في المجموعة الأولى من التجارب ، تم ضبط الروبوت K على 10 ، وهو ما يتوافق مع عدم مساعدة الروبوت. في المجموعة الثانية من التجارب ، تم تعيين K على 150. مع هذه القيمة من K ، تم تحريك الطرف السفلي للموضوع بالكامل تقريبا بواسطة الروبوت. كما هو موضح في الشكل 4 ، أظهر جميع الأشخاص نشاطا ذا دلالة إحصائية للدماغ في الحالة غير المساعدة. عندما تم تعيين K على 150 ، قدم موضوعان فقط تنشيطا كبيرا.

كما هو ملخص في الشكل 5 ، أظهرت النتائج أيضا أن التغييرات في تركيز HbO المرتبطة بالتمارين غير المساعدة (مستوى أعلى من الجهد) كانت أعلى بشكل عام من التغييرات المرتبطة بالتمارين المساعدة. ومع ذلك ، تم العثور على فرق كبير فقط في القشرة الحركية المقابلة (PMC). تتوافق هذه النتيجة مع نتائج العديد من دراسات التصوير العصبي السابقة على البشر والتي وجدت زيادة التنشيط العصبي مع زيادة مستويات القوة55,56. ومع ذلك ، فإن معظم الدراسات السابقة بحثت في الطرف العلوي. ركزت الغالبية على المهام الثابتة متساوية القياس ، في حين أن القليل منها فقط قام بتقييم الحركات الديناميكية57،58،59.

ركزت دراسات أقل نسبيا على الطرف السفلي. ركز عدد قليل منهم على المهام الحركية الثابتة. قام Alexandre et al.51 بالتحقيق في ارتباطات fNIRS للانقباضات الطوعية القصوى ودون القصوى (MVC) لباسطات الركبة في موضوعات مرض الانسداد الرئوي الصحي والمزمن. باستخدام التصوير بالرنين المغناطيسي الوظيفي ، قام Yoon et al.52 بالتحقيق في تغيرات التنشيط القشري أثناء الانقباضات متساوية القياس مع عضلات الكاحل الظهرية المثنية بمستويات MVC مختلفة. ركزت دراسات أخرى على المشية60،61،62. باستخدام fNIRS ، قام Harada et al.60 بالتحقيق في أنماط التنشيط القشري أثناء المشي بثلاث درجات من الشدة في الأشخاص الأصحاء ووجدوا أن زيادة السرعة الحركية والإيقاع ارتبطت بدرجة أعلى من التنشيط القشري. قام Bonnal et al.62 بالتحقيق في التنشيط القشري في الأشخاص الأصحاء أثناء المشية بوساطة الهيكل الخارجي على مستويات مختلفة من المساعدة البدنية ووجدوا أيضا أكبر تنشيط قشري خلال الحالتين غير المساعدتين (50٪ و 100٪) ولكن فقط اختلافات طفيفة في التنشيط القشري بين الحالات المساعدة. تتوافق نتائج هذه الدراسة مع نتائج هذه الدراسات السابقة بشكل عام.

لا يزال دور المناطق القشرية المرتبطة بالتحكم العصبي في حركات الأطراف السفلية غير مفهوم وأقل دراسة مقارنة بالتحكم العصبي في الطرف العلوي. في سياق إعادة التأهيل على وجه الخصوص ، يعد هذا الفهم أمرا أساسيا لإنشاء أساس لتحديد المرونة العصبية لهذه المناطق ، والتي يمكن أن تحدث ، على سبيل المثال ، نتيجة للاضطرابات الحركية ذات الأصل العصبي أو التمارين الحركية أو الشيخوخة. كما هو موضح في الشكل 4 ، أظهر جميع الأشخاص تنشيطا في مناطق PMC أو SMA أثناء الحالة دون مساعدة. تشير النتائج الخاصة بالقناة المعروضة في الشكل إلى أنه على الرغم من أن التنشيط كان ثنائيا ، إلا أنه كان أكثر بروزا في نصف الكرة المقابل. بشكل عام ، تتوافق هذه النتائج مع دراسة Alexandre et al.51 التي أظهرت تنشيط المحرك الأساسي المقابل (M1) والحسي الجسدي الأولي (S1) ، PMC ، والمناطق القشرية قبل الجبهية (PFC) أثناء تمديد الركبة. بالإضافة إلى ذلك ، تتوافق هذه النتائج مع نتائج دراسة Yoon et al.52 التي أظهرت التنشيط في M1 المقابل ، SMA ، البوتامين ، القشرة الحزامية الشاحبة ، والمخيخ المماثل أثناء انثناء ظهر الكاحل ، ومع نتائج دراسة Ciccarelli et al.53 التي وجدت تنشيط M1 المقابل والقشرات الحسية ، وكذلك PMC والمناطق تحت القشرية أثناء حركات الكاحل.

تعتبر حركات نصف الجسم خاضعة لسيطرة نصف الكرة المقابل للقشرة الدماغية. ومع ذلك ، تم الإبلاغ عن المشاركة القشرية المماثلة للحركات أحادية اليد56،63،64 ، وكذلك حركات القدم من جانب واحد (انظر أيضا65 للمراجعة). بشكل مختلف عن هذه الدراسات ، لم يكشف التحليل عن تنشيط ثابت في القشرة الحركية الجسدية في جميع الموضوعات ، كما هو موضح في الشكل 4. بالإضافة إلى ذلك ، لم تشر نتائج تحليل عائد الاستثمار إلى تنشيط كبير. يمكن أن تعزى هذه النتيجة إلى الحجم الصغير نسبيا والموقع الأعمق للقشرة الحركية الجسدية للأطراف السفلية ، مقارنة بالأطراف العلوية ، التي تقع في التلم الطولي66. بالإضافة إلى ذلك ، فإن إشارة fNIRS أقل حساسية لمناطق الدماغ غير السطحية67.

عند مقارنة عدم المساعدة بشرط المساعدة ، أظهر PMC المقابل فقط تنشيطا مختلفا بشكل كبير بين الشرطين. هذا ليس مفاجئا نظرا لأن المهمة الحركية كانت موجهة بصريا ، وبالتالي من المحتمل أن تتطلب المزيد من الاهتمام والجهد الحركي في حالة عدم المساعدة. يعتبر PMC دورا في الوظيفة التنفيذية ، بما في ذلك إعداد المحرك والتخطيط68. علاوة على ذلك ، اقترحت الدراسات الحديثة دور PMC في الانتباه المكاني والذاكرة العاملة69. تتماشى نتائج هذه الدراسة مع الدراسات السابقة التي سلطت الضوء على دور هذه المنطقة في الوظيفة التنفيذية68 والتحضير الحركي للطرف العلوي70،71،72 وحركات الأطراف السفلية73. تتوافق هذه النتيجة أيضا مع نتائج دراسات المشي التي تتضمن مهام مزدوجة أظهرت العلاقة بين الانتباه المطلوب لأداء المهمة وتنشيط PMC74,75.

هذه الدراسة لديها العديد من القيود. أولا ، كان حجم العينة صغيرا. يجب أن تتوسع التحقيقات المستقبلية في البحث الحالي من خلال زيادة حجم العينة ، بما في ذلك ديموغرافية أكثر تنوعا ، مثل الإناث والفئات العمرية الأخرى ، لإنشاء قيم معيارية لكل من HbO و HbR (شملت هذه الدراسة 5 ذكور و 1 أنثى ، بين 40 و 62 سنة). ثانيا ، استند مونتاج الغطاء إلى نظام EEG 10-10 ، واستخدم تحليل عائد الاستثمار نموذج دماغ MNI152 قياسي. يمكن أن تستخدم الدراسات المستقبلية التصوير بالرنين المغناطيسي الهيكلي الفردي ، أو ملاحة الدماغ ، أو fNIRS عالي الكثافة. بالإضافة إلى ذلك ، تم إجراء التسجيلات في جلسة واحدة ، وبالتالي ، لم يتم تقييم التباين داخل الموضوع لتسجيلات fNIRS. علاوة على ذلك ، كانت نتائج تحليلات HbO و HbR مختلفة ، على الرغم من أن كلا هذين القياسين مرتبطان بنفس الظواهر الفسيولوجية العصبية (أي وظيفة الاستجابة الديناميكية الدموية). ومع ذلك ، فإن الاختلاف الملحوظ يتماشى مع الأدبيات السابقة التي تشير إلى حساسية غير متكافئة لهذين اللونين للمربكات الجهازية الأخرى وعدم الاتفاق على تفسيرها34. أخيرا ، نظرا لأن سرعة لعب اللعبة في حالة عدم المساعدة كانت مختلفة لكل موضوع (لأن التجربة التالية بدأت فقط بعد تحقيق الهدف الحالي بنجاح) ، فقد يكون هذا قد زاد من تباين تنشيط دماغ الأشخاص.

بناء على نتائج دراسة الجدوى هذه ، نخطط لاستخدام بروتوكول تجريبي fNIRS مشابه للبروتوكول المقدم هنا في دراسة سريرية تجريبية جارية حاليا في جامعة ساو كارلوس الفيدرالية بالبرازيل ، والتي تهدف إلى تقييم الآثار العلاجية للروبوت على القدرات الحركية للأطراف السفلية لمرضى السكتة الدماغية المزمنة. قد توفر خرائط تنشيط الدماغ المعروضة هنا مرجعا لتنشيط الدماغ لدى الأفراد الأصحاء والذي يمكن أن يكون مفيدا في دراسة آثار العلاج الروبوتي على الطرف السفلي.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

AMM هي صاحبة شركة Vivax Ltda ، التي طورت آلة إعادة التأهيل المساعدة Vivax (ARM). LD هو ضابط في Highland Instruments ، وهي شركة للأجهزة الطبية. لديها براءات اختراع معلقة أو صادرة ، شخصيا أو كمسؤول في الشركة ، تتعلق بالتصوير وتحفيز الدماغ والتشخيص والنمذجة والمحاكاة. يعلن المؤلفون الآخرون عدم وجود تضارب في المصالح.

Acknowledgments

آراء وفرضيات واستنتاجات وتوصيات هذه الدراسة هي آراء المؤلفين ولا تمثل بالضرورة آراء وكالة التمويل. JRS ممتنة لمؤسسة أبحاث ساو باولو (FAPESP ، أرقام المنح 2021 / 05332-8 ، 2018 / 04654-9 ، 2018/21934-5 و 2023 / 02538-0) وجاكسون سيونيك للدعم التكنولوجي. AMM و Vivax Ltda ممتنان ل FAPESP (مؤسسة أبحاث ساو باولو) و FINEP (وكالة الابتكار البرازيلية). تم تمويل هذا المشروع بمنح من FAPESP (رقم المنحة 2018/09559-4) و FINEP (رقم المنحة 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

هذا الشهر في JoVE ، العدد 208 ،
تجربة باستخدام التحليل الطيفي الوظيفي القريب من الأشعة تحت الحمراء وحركات التأشير متعددة المفاصل بمساعدة الروبوت للطرف السفلي
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