JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

我们使用具有感官运动任务的块设计描述连续波功能近红外光谱实验的分析。为提高数据分析的可靠性,我们采用了基于定性的一般线性模型统计参数映射和多通道比较分层混合模型。

摘要

神经成像研究在评估介入前神经系统疾病(如康复和手术治疗)方面起着关键作用。在用于测量大脑活动的众多神经成像技术中,功能近红外光谱 (fNIRS) 通过测量类似于功能磁共振成像 (fMRI) 的局部血红蛋白水平,能够评估动态皮质活动。此外,由于 fNIRS 中的物理限制较小,可以评估感官运动任务的多个变体。许多实验室已经开发出几种用于fNIRS数据分析的方法:然而,尽管一般原则是相同的,但没有普遍标准化的方法。在这里,我们介绍了使用块设计从多通道 fNIRS 实验中获得的数据的定性和比较分析方法。在定性分析方面,我们使用 NIRS 软件作为基于通用线性模型的大规模不变方法。NIRS-SPM 分析通过在任务期间可视化激活区域来显示每个会话的定性结果。此外,非侵入性三维数字化器可用于估计 fNIRS 通道相对于大脑的位置。为了证实NIRS-SPM的发现,可以通过比较使用多通道分层混合模型从同一研究对象的两个不同会话(干预前后)获得的数据进行统计分析。我们的方法可用于测量各种神经系统疾病(如运动障碍、脑血管疾病和神经精神病)的干预前与干预后分析。

引言

神经康复在感官运动障碍后的功能恢复中起着重要作用。为了澄清神经可塑性相关功能恢复的机制,我们使用了各种神经成像技术,如功能磁共振成像 (fMRI)、负电子发射断层扫描 (PET)、脑电图 (EEG) 和功能近红外光谱 (fNIRS)。不同的成像模式有不同的优点和缺点。虽然fMRI是最典型的设备,它受磁场的影响,具有高成本,高物理限制,和有限的感官运动任务1,2,3,4。fNIRS 设备是一种非侵入性光学神经成像,空间分辨率相对较低,但与 fMRI4相比,它具有更好的时间分辨率。fNIRS在验证治疗效果时是合适的,因为它比较了干预前和干预后的效果,具有动态运动任务,便携,在自然环境中比fMRI1、2、4功能更显著。据报道,NIRS在脑血管疾病、癫痫病、严重脑损伤、帕金森病和认知障碍等领域更为适用。在感官运动任务方面,它广泛应用于步态和站立平衡6、7、8、上肢功能(抓手、手指敲击)8、9、复杂运动技能训练10、11、机器人12、13、14、15和脑-计算机界面16、17、18。fNIRS基于光学神经成像和神经血管耦合原理,测量皮质代谢活动,增加血液流动,从而皮质活性作为次要信号19。据报道,fNIRS信号与血氧水平依赖性fMRI20信号有很强的相关性。连续波 fNIRS 使用修改后的啤酒-兰伯特定律,根据宽带近红外光衰减2122的测量变化,确定含氧血红蛋白 (HbO2)和脱氧血红蛋白 (HHb) 皮质浓度水平的变化。由于无法使用连续波 NIRS 系统测量微分路径长度因子 (DPF),因此我们假设 DPF 是恒定的,血红蛋白信号变化表示为任意单位毫米 (mM x mm)218

fNIRS 实验需要选择最充分的方法,包括探针设置、实验设计和分析方法。在探针设置方面,EEG测量中采用的国际10-20方法是许多研究人员在神经成像中使用的设定标准。近年来,根据蒙特利尔神经学研究所(MNI)坐标,基于标准大脑的坐标设置被使用。该实验使用块设计,通常用于感官运动任务,以及事件相关设计。这是比较休息和任务期间血红蛋白浓度变化的方法:HbO2 浓度水平增加,HHb 浓度水平随着与任务依赖皮质活动相关的脑血流量变化而降低。虽然有各种分析方法,但 NIRS-SPM 免费软件能够进行类似于 fMRI 统计参数映射 (SPM) 的分析。NIRS 数据的处理使用基于一般线性模型 (GLM) 的大规模不变方法。在执行任务依赖性大脑活动分析时,fNIRS 测量可受脑部和脑外隔间23中唤起或非唤起的神经元活动和全身生理干扰(心率、血压、呼吸速率和自主神经系统活动)的影响。因此,预分析处理、过滤、波转换和主要组件分析是有用的关于使用 NIRS-SPM 进行数据处理的过滤和人工制品,使用低通滤9 和波段最小描述长度 (Wavelet-MDL)24 去趋势来克服运动或其他噪声/神器来源。有关此分析方法的详细信息,请参阅 Ye 等人25 的报告。虽然只有使用 SPM 的报告,但它只是图像分析的定性指标,由于 NIRS 的空间分辨率较低,因此组分析需要极其谨慎。此外,当 DPF 是恒定的时,不应执行通道和个人之间的数字比较,但可以验证每个通道的变化差异。基于上述条件,为了补充NIRS-SPM组分析结果,在提高空间注册精度后,采用了原有的多通道分析分析方法。这种多渠道分析比较了治疗前后每个通道的 HbO2 和 HHb 水平变化幅度,使用具有固定干预(之前或之后)、固定周期(休息或任务)和随机单个效果的分层混合模型。

这样,有几个fNIRS测量和分析方法:但是,尚未确定标准方法。本文介绍了基于GLM的定性统计参数映射和比较多层次的分层混合模型,利用具有感官运动任务的块设计,分析多通道fNIRS干预前与干预后实验获得的数据。

Access restricted. Please log in or start a trial to view this content.

研究方案

这项研究得到了日本福冈大学机构审查委员会(IRB)的批准(IRB No. 2017M017)。在参与之前,所有患者都提供书面知情同意。

1. 准备 fNIRS 实验

注:本实验使用了多通道连续波激光基NIRS系统。近红外光的波长为780纳米、805纳米和830纳米,采样率为7.8赫兹。时间和空间分辨率(发射光器和探测器探测器之间的距离)分别为0.13 s和3.0厘米。

  1. 将 fNIRS 设备设置在一个黑暗无噪音的地方。在室温下进行实验。在实验前30分钟启动fNIRS仪器。
    注:fNIRS系统在受控温度和湿度条件下使用,以确保设备稳定运行。
  2. 使用整个头盖进行 fNIRS 记录,并将头盖固定在主体的头上,以便对应于国际 10-20 系统中央 (Cz) 的位置位于头盖第 245 号的支架上。(图1) 。
  3. 将标记贴纸附在参考位置点:鼻腔 (Nz)、右外部听觉肉 (AR) 和左外部听觉肉 (AL)。
    注:由于三维 (3D) 坐标围绕 Nz、AR、AL 标记贴纸和 Cz 支架的位置进行读取,因此在拍照前必须附加标记贴纸。
  4. 在高分辨率数码相机进行空间注册校准后,用探头位置拍摄受试者头部的照片,同时从 15 个角度显示参考点(Cz、Nz、AR 和 LR)。
    注意:请在放置探头之前拍照。如果放置探头后拍摄照片,则探头和布线可能隐藏标记地标。根据制造商的建议,在拍摄 12 张照片 30° 对角线向前到主体的右侧后,在稍微高于 3 张或更多照片,使 Cz(持有人 No. 245)出现在图片中。这是因为在总共拍摄 15 张或更多张照片时,很容易使其成为三维拍摄。
  5. 使用发光二极管 (LED) 照明塑料棒连接探头,小心地分离受试者干扰光极的头发。安排探头,使光极连接到从头皮表面的最小距离,并与头皮接触。
    注意:仔细检查是否有任何压力或不适的病人由于附件的光子,因为增加强度的全身混淆与自主神经系统激活23。
  6. 将带有 32 个光极(16 个光源和 16 个探测器;每个半球 4 x 4 个阵列)的 48 通道系统安排在正面和相干区域作为感兴趣区域的头部盖上(图 2)。
  7. 开始并使用 3D 数字化软件来确定空间注册。
  8. 扫描整个头部的图片数据后,通过自动测量确定每个患者的空间坐标,并保存为 "起源 " 文件和其他 文件(*CSV 文件)。
    注意:如果无法使用自动测量从图像中检测到坐标点,请手动输入调整。

2. 运行实验

  1. 为实验选择块设计,任务可以是研究的任何兴趣运动,如手开/闭,手指敲击等。在我们以前的研究中,任务是机器人辅助肘部运动15。
    注:每个周期由三个方块(15 s 休息 - 15 s 任务 - 15 s 休息)组成,每个患者在每个会话中完成 7 个周期。
  2. 让参与者在舒适的位置等待,直到启动信号。指示受试者在休息和任务期间闭上眼睛。
  3. 给开始和停止提示(即"重复弯曲和肘部延伸","停止和放松")。
    注意:测量时不要说话。测量期间,仔细检查监视器屏幕上是否有人工制品。
  4. 以相同的姿势执行块设计任务。直立姿势与站立或坐姿是可取的,不要扭曲耳机。
    注意:如果患者在长时间佩戴头架后感到不舒服,请在机器人辅助练习中取出或松开探头。
  5. 完成 NIRS 测量后,取下头架并标记贴纸以结束实验。
    注意:仔细检查由于长时间佩戴对头皮的皮肤损伤。

3. 使用 NIRS-SPM 软件进行定性 GLM 分析

  1. 在马特拉布软件上启动 NIRS-SPM。将与从 NIRS 设备获得的 HbO2 和 HHb 浓度变化相关的数据文件转换为用于 NIRS-SPM 分析的文件格式。
  2. 从弹出式菜单中选择使用 NIRS 系统的选项。选择加载按钮并选择转换的 HbO2 和 HHb 浓度更改选项。
  3. 检测 NIRS 通道位置的空间注册。选择 独立 复选框,然后选择 带 3D 数字化复 选框。
  4. 在从真实坐标到 MNI 空间中,使用对话框选择 _origin。CSV 是指坐标参考点文件, 并_others。CSV 是指坐标探头/通道文件。
  5. 选择 "注册 "按钮。选择要进行空间估计的点,然后单击 "确定 "按钮。单击 "渲染大脑"按钮的项目 MNI 坐标
    注:根据蒙特利尔神经研究所 (MNI) 大脑模板估计 NIRS 通道位置的空间位置。
  6. 选择 "多萨尔视图" 选项,然后单击 "保存" 按钮。
  7. 指定第 1部分时,请选择 NIRS 数据文件名和 SPM 目录。选择血红蛋白复选框;HbO2或HHb.突出显示指定设计选项并选择Sec选项。突出显示条件/试验选项的数量,并输入数字7
  8. 突出显示发病和持续时间选项的矢量,并输入按以下实验条件持续时间乘以的发病媒介。
    注意:在这种情况下,发病时间的向量应指定为[15:45:285] 或 [15 60 105 150 195 240 285]。持续时间的向量应指定为[15* (7,1)] 或 [15 15 15 15 15 15 15] 。
  9. 要进行去趋势化,请选择 波莱特-MDL 按钮。使用 预着色方法:低通滤清器 并选择 hrf 按钮,并纠正串行相关性,然后选择 按钮。
  10. 在估计时间相关性时,请检查 个人分析
    注意:保存单独的 MNI 坐标系统中 fNIRS 通道位置的空间本地化作为文本文件。同样,将地图保存在基于单个布罗德曼区域 (BA) 作为文本文件。
  11. 在估计时间相关性时,请查看 组分析。NIRS-SPM 根据 MNI 标准化的大脑坐标系统对参与者人数的平均光学位置进行对齐。
  12. 根据标准化大脑血红蛋白水平的变化计算激活图。HbO2 和 HHb 水平在 p < 0.01 的未更正阈值下被认为显著。
    注:左/右信息在受右影响的侧翻转,用于组分析。

4. 基于分层混合模型的多渠道比较分析

  1. 启动 SAS 软件。转换文本文档(。使用低通路滤波器处理的 NIRS 数据文件中 HbO2 和 HHb 的浓度变化的 TXT(截止频率设置为 0.1 Hz)到电子表格软件逗号分离值文件()。CSV)。
  2. 使用程序创建导入 SAS 数据 (.sas7bdat)。
  3. 输出导入文件,并下列命令,以"导入文件"为名
  4. 为每个主题输出干预前文件,在分析 SAS 中运行以下命令。(图3)在创建导入文件时,给出一个可以识别主题信息和干预前与干预后(例如 id1 预,id1 帖子)的名称。。。
  5. 运行每个通道的干预前和干预后数据命令(ch1-48;HbO2 和 HHb 如下所示 (图 4)。
  6. 根据从输出结果中获得的数据,在电子表格工作簿文件(.xlsx)中输入每个通道的干预前差异(任务和休息差异)、休息和任务值(估计值、上限和下限)。
  7. 同样,将固定效果类型 3 测试的交互项的自由度、F 值和 P 值的数字和分母度输入到电子表格工作簿文件(.xlsx)中。
  8. 要控制多通道测试中的误发现率 (FDR),请使用本杰明和霍奇伯格方法27, 并将 FDR 控制在 p 值< 0.01。

Access restricted. Please log in or start a trial to view this content.

结果

在此,我们介绍了我们团队目前正在研究的机器人辅助康复:急性中风患者上肢运动缺陷的生物反馈效应。我们包括10名同意中风患者(平均年龄:66.8岁±12.0岁;两名妇女和8名男子)住进我们医院。在下肢中风阶段,在发病后2周多,我们使用fNIRS系统评估了这些患者在同一天上肢机器人辅助康复前后与运动相关的皮质活动。关于块设计任务,他们在每个任务周期中在 15s 内执?...

Access restricted. Please log in or start a trial to view this content.

讨论

在我们的 fNIRS 小组分析方法中,除了通过定性 t统计映射执行成像分析方法外,我们还使用比较多通道分析比较干预前与干预后(机器人辅助练习)。在定性分析方面,我们使用 NIRS-SPM 软件作为基于通用线性模型的大规模不变方法。NIRS-SPM 分析通过在任务期间可视化激活区域来显示每个会话的定性结果。此外,非侵入性 3D 数字化器的信息能够估计 fNIRS 通道相对于大脑的位置。使用NIRS-SPM?...

Access restricted. Please log in or start a trial to view this content.

披露声明

作者与本研究无关,不得披露利益冲突。

致谢

这项工作部分得到了日本科学促进会(JSPS)科研资助(C)18K08956和福冈大学中央研究所(第201045号)的资助。

Access restricted. Please log in or start a trial to view this content.

材料

NameCompanyCatalog NumberComments
3D-digitizer softwareTOPCON-NS-1000 software ver.1.50
NIRS systemShimadzu-FOIRE-3000
RobotCYBERDYNE-Single-joint type Hybrid Assitive Limb (HAL-SJ)

参考文献

  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, Pt 1 535-546 (2014).
  6. Fujimoto, H., et al. Cortical changes underlying balance recovery in patients with hemiplegic stroke. Neuroimage. 85, Pt 1 547-554 (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, Pt 1 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, Pt 1 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).

Access restricted. Please log in or start a trial to view this content.

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

166 NIRS SPM GLM

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。