הדעות, ההשערות, המסקנות וההמלצות של מחקר זה הן של המחברים ואינן מייצגות בהכרח את עמדות הגוף המממן. JRS אסירת תודה לקרן המחקר של סאו פאולו (FAPESP, מספרי מענקים 2021/05332-8, 2018/04654-9, 2018/21934-5 ו- 2023/02538-0) ולג'קסון צ'יונק על התמיכה הטכנולוגית. AMM ו- Vivax Ltda אסירי תודה ל- FAPESP (קרן המחקר של סאו פאולו) ול- FINEP (סוכנות החדשנות הברזילאית). פרויקט זה מומן באמצעות מענקים של FAPESP (מענק מספר 2018/09559-4) ו- FINEP (מענק מספר 2019/09933-6).

מחקר זה אושר על ידי המועצה המקומית לבחינת אתיקה של UNICEP (Centro Universitario Paulista). כל המשתתפים סיפקו הסכמה מדעת בהתאם לכל ההנחיות המוסדיות והנורמות הפדרליות בנוגע למחקר מדעי המערב בני אדם. הם לא קיבלו פיצוי כספי, כפי שנדרש על פי תקנות פדרליות ברזילאיות.
1. מערכת fNIRS
<ol><li>הכינו את המכסה באמצעות 16 אופטודות: 8 מקורות אור (760 ננומטר ו-850 ננומטר) ו-8 גלאי אור (ראו איור 2; מיקום המקורות: FC1, FC2, C3, Cz, C4, CP1, CP2 ו-Pz; מיקום הגלאים (FCz, C1, C2, CPz, P1 ו-P3). חבר את הגלאי השמיני למתאם למרחקים קצרים, המחובר לכל אחד מהאופטודות המקור.</li>
	<li>פתח את תוכנת הרכישה fNIRS וטען את המונטאז' עם המיקום של כל אופטודה.</li>
	<li>הגדר את קצב הדגימה הטמפורלית של אות fNIRS על 10.17 הרץ.</li>
</ol>2. משתתפים
<ol><li>הסבר בקצרה את הרלוונטיות המחקרית ואת פרוטוקול הניסוי למשתתף.</li>
	<li>אם המשתתף מסכים להתנדב, ודא שהמתנדב מספק הסכמה מדעת בהתאם לכל ההנחיות המוסדיות והנורמות הפדרליות בנוגע למחקר מדעי המערב בני אדם.</li>
	<li>הנחו את המתנדב לשבת על כורסה מול הרובוט, הממוקמת במרחק של כ-150 ס"מ מצג המחשב.</li>
	<li>לאחר הסרת הנעליים, חברו בנוחות את כף רגלו של המשתתף לזרוע הרובוט באמצעות רצועות סקוטש (מהדק וו ולולאה) (ראו איור 1, פאנל שמאלי עליון).</li>
	<li>הניחו את מכסה ה-fNIRS עם האופטודות בראשו של המשתתף והדקו אותו היטב באמצעות מהדק הוו והלולאה מתחת לסנטר.</li>
	<li>הניחו את מכסה הכיסוי על מכסה האופטודה כדי להפחית את ההפרעה של תאורת הסביבה.</li>
</ol>3. רכישת נתונים
<ol><li>הנחו כל משתתף לא לבצע תנועות ראש פתאומיות כדי למזער את הסיכון של חפצי תנועה.</li>
	<li>כייל את מערכת fNIRS לקבלת איכות אות אופטימלית.</li>
	<li>אשר כי כל הערוצים באיכות טובה, כפי שמוצג על ידי הממשק. אם לא, נסו להסיר את השיער בין הקרקפת לקצה האופטודה.</li>
	<li>הסבירו למשתתף כיצד לשחק את המשחק על ידי הזזת הרגל המחוברת לרובוט כדי להגיע למטרות המצוינות על המסך.</li>
	<li>הסבירו למשתתפים שיהיו שני תנאים: בלי ועם סיוע רובוטי.</li>
</ol>4. מערכת רובוטית
<ol><li>הפעל את המערכת על ידי חיבור הצג והרובוט למקור רשת החשמל. לאחר אתחול מערכת ההפעלה, ממשק המשחק הראשון מופיע.</li>
	<li>מקם את הזרוע הרובוטית במיקום הסטנדרטי והמתן לקבלת הודעת משוב נכונה על הזרוע הרובוטית .</li>
	<li>הזן נתונים תיאוריים על המשתתף והנסיין למערכת כדי להיכנס לממשק המשחקים של הרובוט.</li>
	<li>בממשק בחירת המשחק, הגדר את זמן ההפעלה ל -6 דקות עם מרווחי מנוחה של 30 שניות.</li>
	<li>בחר את הרגל המתאימה (ימין או שמאל) לשימוש על ידי המשתתף.</li>
	<li>בחר את משחק הפיקניק ולחץ על Go כדי לשחק את המשחק.</li>
</ol>5. ניתוח נתונים
<ol><li>המר את האותות הגולמיים למצבים המודינמיים (oxyhemoglobin (HbO) ו- deoxyhemoglobin (HbR)) באמצעות משוואת באר-למברט49 ששונתה.</li>
	<li>צור מפות הפעלה נפרדות באמצעות המודל הליניארי הכללי (GLM) עם אומדן חזק והערכת מתאם אוטומטי, המושפע פחות מתוצרי תנועה50. השתמש בתכנון הניסוי (מנוחה = 0; משחק/משחק = 1) מפותל על ידי פונקציית התגובה ההמודינמית הקנונית (HRF) כמשתנה הבלתי תלוי והאות HbO או HbR שנצפה כמשתנה התלוי.</li>
	<li>עבור כל ערוץ, חלץ את מקדם הבטא (המשקף את עוצמת ההפעלה של הערוץ) במהלך המשחק/משחק בהשוואה לשאר.</li>
	<li>מזג ערוצים בשלושה אזורי עניין (ROI) וממוצע מקדמי ההפעלה (GLM betas) בערוצי החזר ההשקעה. הגדר את החזר ההשקעה באופן הבא (ראה איור 2): (1) אזור קדם-מוטורי עבור ההמיספרה השמאלית (ערוצים [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) אזור סומטומוטורי עבור ההמיספרה השמאלית (ערוצים [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); ו-(3) אזור מוטורי משלים (SMA) (ערוצים [Cz-FCz, CPz-Cz]). הערה: בהתבסס על ספרות קודמת על משימות מוטוריות דומות לזו שנחקרה כאן 51,52,53 ובהתחשב בכך שכל המשתתפים ביצעו את המשימה המוטורית עם רגלם הימנית, הועלתה השערה כי האזורים הקדם-מוטוריים והסומטומוטוריים השמאליים (הנגדיים), כמו גם אזורי SMA, יציגו הפעלה במהלך ביצועי המשחק/משחק בשני התנאים, עם הפעלה חזקה יותר במצב ללא סיוע.</li>
	<li>החל את מבחן Wilcoxon הלא פרמטרי על בטאים אלה. הגדר את השגיאה מסוג I על 5% (ניתוח חד-זנבי).</li>
</ol>

הערכת הפעלת המוח על ידי fNIRS במהלך טיפול רובוטי בגפיים התחתונות

AMM היא הבעלים של חברת Vivax Ltda, שפיתחה את מכונת השיקום המסייע Vivax (ARM). LD הוא קצין בהיילנד אינסטרומנטס, חברת מכשור רפואי. יש לה פטנטים תלויים ועומדים או מונפקים, באופן אישי או כנושא משרה בחברה, הקשורים להדמיה, גירוי מוחי, אבחון, מידול והדמיה. המחברים האחרים מצהירים כי אין ניגוד עניינים.

במחקר הוכחת היתכנות זה, נבדקה ההיתכנות של הסקת מסקנות על מיפוי הפעלת המוח באמצעות נתוני fNIRS מנבדקים בריאים בזמן שהם התאמנו עם סוגים שונים של תנועות באמצעות רובוט לשיקום גפיים תחתונות. הקלטות fNIRS טיפוסיות במבוגרים נמשכות יותר מ-6 דקותו-54. עם זאת, כדי להפוך את ההקלטות לאפשריות בה?...

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>32 inch Smart TV</td>
			<td>Samsung</td>
			<td>N/A</td>
			<td>TV connected to robot via HDMI cable</td>
		</tr>
		<tr>
			<td>8-detector silicon photodiode (SiPD) optodes for optical detection with dual tip</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>8-source optodes bundle for optical illumination with dual tip</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>Aurora acquisition software</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>Laptop Precision XPS 13</td>
			<td>Dell Technologies (Round Rock, TX, USA)</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>nirsLAB fNIRS Analysis software</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td></td>
		</tr>
		<tr>
			<td>NIRSports2 fNIRS acquisition system</td>
			<td>NIRx Medical Technologies (Glen Head, NY, USA)</td>
			<td>https://nirx.net/nirsport</td>
			<td>It has two different continuous wave optics (760 and 850 nm), 8 dual-ended LED sources and 8 dual-ended active detectors.</td>
		</tr>
		<tr>
			<td>R</td>
			<td>R-project.org (open source software)</td>
			<td>https://www.r-project.org/</td>
			<td></td>
		</tr>
		<tr>
			<td>Standard cut cap, black color for up to 128 holders.</td>
			<td>Easycap GmbH (W&#246;rthsee, Germany)</td>
			<td>https://www.easycap.de/</td>
			<td></td>
		</tr>
		<tr>
			<td>Vivax Assistive Rehabilitation Machine (ARM)&#160;</td>
			<td>Vivax Ltda (S&#227;o Paulo, Brazil)</td>
			<td>https://vivaxbr.com/home/</td>
			<td>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.&#160;</td>
		</tr>
	</tbody>
</table>

an experiment using functional near-infrared spectroscopy and robot-assisted multi-joint pointing movements of the lower limb

שבץ מוחי משפיע על כ -17 מיליון אנשים ברחבי העולם מדי שנה והוא גורם מוביל לנכות ארוכת טווח. טיפול רובוטי הראה הבטחה בסיוע לחולי שבץ להחזיר תפקודים מוטוריים שאבדו. אפיק אפשרי אחד להגברת ההבנה של האופן שבו מתרחשת התאוששות מוטורית הוא לחקור את הפעלת המוח במהלך התנועות הממוקדות על ידי הטיפול באנשים בריאים. ספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS) התפתחה כטכניקת דימות מוחי מבטיחה לבחינת יסודות עצביים של תפקוד מוטורי. מחקר זה נועד לחקור קורלציות עצביות fNIRS של תנועות מורכבות בגפיים התחתונות אצל נבדקים בריאים. המשתתפים התבקשו לבצע מחזורים של מנוחה ותנועה במשך 6 דקות באמצעות מכשיר רובוטי לשיקום מוטורי. המשימה דרשה תנועות מתואמות של מפרקי הברכיים והקרסול כדי להצביע על מטרות המוצגות על מסך מחשב. נבדקו שני תנאי ניסוי עם רמות שונות של סיוע בתנועה שסופקו על ידי הרובוט. התוצאות הראו כי פרוטוקול fNIRS זיהה ביעילות אזורים במוח הקשורים לשליטה מוטורית במהלך המשימה. יש לציין כי כל הנבדקים הפגינו הפעלה רבה יותר באזור הפרה-מוטורי הנגדי במהלך המצב ללא סיוע בהשוואה למצב הנעזר. לסיכום, fNIRS נראה כגישה רבת ערך לזיהוי שינויים בריכוז אוקסיהמוגלובין הקשורים לתנועות הצבעה מרובות מפרקים של הגפה התחתונה. מחקר זה עשוי לתרום להבנת מנגנוני ההתאוששות המוטורית של שבץ מוחי ועשוי לסלול את הדרך לשיפור טיפולי השיקום לחולי שבץ. עם זאת, יש צורך במחקר נוסף כדי להבהיר באופן מלא את הפוטנציאל של fNIRS בחקר תפקוד מוטורי ויישומיו בסביבות קליניות.

Epidemiological data indicates that worldwide there are ~17 million new cases of stroke each year, with an increase in incidence in low- and middle-income countries1. The number of new cases is estimated to increase to 77 million by 20302. Motor impairment due to stroke often affects patient&#39;s mobility and participation in daily life activities, contributing to a low quality of life. Traditional motor rehabilitation includes manual therapy, but over the past few decades, robotic systems for rehabilitation have been developed. These systems can deliver therapy at high intensity, dose, quantifiability, reliability, repeatability, and flexibility3 and have shown potential as effective rehabilitation treatments for both acute and chronic stroke patients4,5,6. In addition to delivering therapy, robotic systems for rehabilitation can be used as evaluation tools as they can be equipped with sensors that can measure patient movement kinematic/kinetic data7,8. For upper extremity motor rehabilitation, such data has not only been proven to be useful for assessing the level of patient&#39;s motor recovery elicited by robotic therapy and served as a supplementary tool to traditional clinical assessments9,10, but it has also contributed to advancing the understanding of the process of motor recovery from stroke11,12 as well as neural control of movement and motor learning in healthy subjects3,13,14. As a result, these findings have provided a foundation for enhancing rehabilitation treatments15.
Over the last two decades, many robotic devices for lower limb neurorehabilitation have been proposed, spanning from exoskeletons that support the patient body weight during walking (e.g., over a treadmill, such as Lokomat16) to stationary robotic systems that allow the patient to exercise the ankle, knee or foot without walking (such as the Rutgers Ankle17, the High-Performance Ankle Rehabilitation Robot18, and the Gwangju Institute of Science and Technology (GIST) ankle/foot rehabilitation robot19) or active foot orthoses that are actuated exoskeletons worn by the patient to walk overground or over a treadmill (such as the Powered Gait Orthosis20&#160;and the MIT Anklebot21).&#160;See22,23,4 for a review on robots for lower limb rehabilitation.
Results of clinical studies of robotic devices for lower limb rehabilitation on stroke patients have been encouraging and have shown that these systems may improve joints&#39; Range of Motion (ROM), muscle strength, or gait, depending on the specific device and clinical protocol (see&#160;24,25&#160;for a review on the efficacy of lower limb robots for rehabilitation). While it has been postulated that robot-assisted therapy promotes neuroplastic changes, which ultimately result in improved motor abilities26, how the process of motor recovery from stroke exactly occurs and which robotic training protocols optimize the process of recovery of lower limb motor abilities, remain mostly unclear. In fact, there is a significant, growing disparity between the increasing development of rehabilitation robots (either by academic researchers or commercial entities) and the limited understanding of the neurophysiological mechanisms that underlie motor recovery4. Measurements of movement kinematics or joint torques taken with embedded sensors have contributed to quantitatively describing motor behavioral changes that occur as patients recover lower limb motor abilities27,28,29, partially filling this gap. However, the neural correlates underlying such changes have been less investigated. This is due to several reasons.
Brain functional imaging is time-consuming and sometimes difficult to complete in the context of clinical trials, which often require keeping patient burden minimal to maximize the likelihood of patient adherence to the study. This holds particularly true for individuals who have suffered a stroke, given the fact that post-stroke fatigue and muscle weakness are frequently observed30. Also, imaging modalities that are based on magnetic fields, such as functional Magnetic Resonance Imaging (fMRI), require both patient and robotic hardware to be magnet-safe.
Among non-invasive imaging modalities, functional Near-Infrared Spectroscopy (fNIRS) is an imaging technique particularly suitable for assessing areas of brain activation in subjects undergoing robotic therapy. Similarly to fMRI, fNIRS measures blood oxygenation/deoxygenation in the brain. However, unlike fMRI, fNIRS is fully compatible with robotic hardware, and it is often portable, even being usable at the bedside. Also, fNIRS has low cost and less sensitivity to motion artifacts31,32,33.
Despite its clear advantages and widespread use in many clinical settings since its first introduction in the late 70s34, only a few studies have used fNIRS to quantify brain activation associated with lower limb movements and stroke motor recovery. FNIRS studies aimed at elucidating mechanisms of neural control of movement and/or mechanisms or evaluation of motor recovery from stroke have mostly investigated single-joint movements (e.g., dorsiflexion, plantar flexion or knee extension movements35,36,37), walking38,39,40,41,42,43, or cycling44. See45&#160;for a review. Similarly, fNIRS studies on robot-assisted therapy for the lower limb have mostly focused on robot-assisted gait rehabilitation; see46&#160;for a review. A few studies have focused on using fNIRS as part of a Brain-Computer Interface (BCI) system to derive control signals for robotic devices47,48; while this research area also relies on the processing of fNIRS signals, its goal is different and mainly&#160;focused on decoding patient intentions (e.g., patients with severe motor disabilities).
The pilot study presented herein is part of an initial effort to investigate the effects of a robotic system for lower limb rehabilitation. The robot can deliver target-oriented lower limb rehabilitation that involves training in everyday multi-joint movements as well as deliver therapy to single joints (e.g., knee or ankle) of the lower limb (i.e., implement a bottom-up rehabilitation program).
The study aimed to investigate the feasibility of an experimental protocol that required the acquisition of fNIRS data during the performance of lower limb, multi-joint pointing movements. The duration of the data acquisition period in this study, which was limited to 6 min, is shorter than typical fNIRS protocols. This was a deliberate choice made with the aim of enhancing the practicality and clinical applicability of this research, particularly in patients with limited mobility or strength. Identifying fNIRS correlates of such complex multi-joint movements and gaining insights into how brain activation was modulated by robot assistance were also points of interest. For this purpose, two sessions of experiments were conducted with the same participants: one with no robot assistance and one with robot assistance. Finally, it is important to remark that this study focused on healthy subjects in order to establish a foundation for future research in terms of recording protocol feasibility and evaluation of brain activation during movements targeted by robotic therapy.
Apparatus 
A portable robot designed to deliver lower limb rehabilitation (see Figure 1) was used to conduct our experiments. The robot has a 3D reachable workspace and is compact and light, weighing about 35 lb., which makes it easy to transport and install.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg" /> 
Figure 1: Experimental setup. (A) The robotic system (installed on the floor) designed for the lower limb. A volunteer is shown utilizing the interface with their right foot. (B) Support structure for the subject&#39;s foot that enables attachment to the robotic system. (C) A screenshot of the Picnic game. The objective of the game is to move the foot (green and white shoe) to the target (yellow circle). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
The robotic system is designed to assist a patient in performing lower limb movements similar to those performed in everyday tasks, such as pointing or kicking. It uses interactive virtual reality games, which are displayed on a computer monitor or a television screen placed in front of the robotic device (see Figure 1). The robot-end effector is attached to the patient&#39;s lower limb (e.g., ankle), and its position is mapped to the position of a cursor on the screen. A typical game shows the patient movement targets (e.g., the object to point to or where to kick the ball).
To complete the movement task, the robot may assist the patient with a level of assistance that can range from full assistance to none. The level of robotic assistance is chosen at the beginning of each rehabilitation session based on the patient&#39;s level of motor impairment. The movements performed by the subject are used by the game to score the patient&#39;s performance and provide them feedback on their performance (e.g., ROM, number of movements, and level of robotic assistance). The games are designed to be interactive and entertaining to sustain patient interest and attention. In this study, participants played the &#34;Picnic game&#34;, in which the player had to stop the insects from reaching the towel and stealing the food (see Figure 1, bottom panel, for a screenshot).
Data acquisition was performed with a portable fNIRS acquisition system with two different continuous-wave optodes (760 nm and 850 nm), 8 dual-tip LED sources, and 8 dual-tip active detectors. The signals were acquired using a sampling rate of 10.17 Hz. A laptop was used for the calibration optimization and signal recording using a Wi-Fi network created by the fNIRS system.
A cap was used to hold the optodes in the predetermined locations. The sources and detectors were placed according to the 10-10 international EEG system in a grid spatial distribution. Each fNIRS channel was defined by a source-detector pair with inter-optode distances of approximately 30 mm. The optodes were placed over the supplementary motor, premotor, and motor areas at the locations shown in Figure 2. The total number of channels was 28, where 8 were short-distance channels that were coupled to each source using a fiber optics adapter to a single detector. Given the multiplexing setup of the hardware, it is possible to acquire short-distance information from all sources using only one detector.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg" /> 
Figure 2: Montage layout using the 10-10 EEG system. The letters and numbers indicate the source/detector locations. The red and blue dots represent the source and detector optodes, respectively. The green lines represent the fNIRS channels which consist of source and detector pairs. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Experimental design 
The experiment was conducted under two distinct experimental conditions, differing in the level of assistance provided by the robot for the subject&#39;s movements. In the first condition, the robot was programmed not to provide any assistance to the subject&#39;s movements, while in the second condition, the robot controlled the subject&#39;s foot and leg movements (robot-assisted movement).
Each experiment followed a block design paradigm involving alternating cycles of a motor task (playing the game - 30 s) and resting (30 s), as illustrated in Figure 3. The starting and conclusion of each phase (play/game or rest) were visually signaled to the subject through the computer screen. During the rest phase, a message indicating a pause was displayed. Each cycle (play/game + rest) had a duration of 60 s and was repeated six times, resulting in a total runtime of 360 s (6 min).
The participants played the &#34;Picnic game&#34;, wherein the objective was to prevent insects from reaching the towel and stealing food. This game involved a sequence of lower limb movements, starting from a designated home target (initial position) and extending towards one of three outer targets before returning to the home target. On the screen, the outer targets were visually represented as animated moving insects, which the participants had to reach and step onto. There were three outer-reaching targets, each randomly presented an equal number of times, alongside a common home target for every movement. The distance that the foot needed to travel from the home target to the position of the outer targets formed an arc, approximately measuring 26 cm. The motor task required the execution of multi-joint movements, demanding coordination between knee flexion/extension, plantar flexion, and dorsiflexion movements.
The fNIRS data recordings were synchronized with the visual stimuli presented by the game to the subject through a transistor-transistor-logic (TTL) pulse generated by the robot. Pulses were generated at the outset of each phase (play/game and rest). Thus, all timing control was performed by the game, which provided visual cues (targets) to the participant to start each movement, sent TTL signals to the fNIRS system to mark the brain activity recordings, and, if required by the experiment, sent signals to the robot control system to initiate movement assistance.

מחבר זרקור: הערכת פעילות המוח בשיקום גפיים תחתונות בסיוע רובוטי באמצעות fNIRS

ניסוי באמצעות ספקטרוסקופיה פונקציונלית של אינפרא אדום קרוב ותנועות הצבעה רב-מפרקיות בסיוע רובוט של הגפה התחתונה

In this study, we aim to investigate the feasibility of an experimental protocol involving movements of the lower limb attached to a robotic device and simultaneous acquisition of functional near-infrared spectroscopy, fNIRS, data. Few studies have employed fNIRS to study brain activation in stroke, motor recovery, and lower limb movements, focusing mainly on single joint actions, walking, or cycling. Our study pioneers in exploring multi-joints lower limb training for target rehabilitation.Functional near-infrared spectroscopy, fNIRS, effectively measures temporal changes in brain blood oxygenation, serving as an indirect brain activity indicator, to functional MRI signals. Unlike fMRI, fNIRS is compatible with robotic hardware, portable, and more robust to motion artifacts. There are two main challenge.The first is to synchronize the robotic device movements with fNIRS data. The second is to obtain enough data to achieve the statistical power, to detect hemodynamic changes in only six minutes. Our study confirmed the feasibility of the protocol and yielded anticipated results.In the assisted condition, only two subject exhibited significant brain activation. The unassisted exercise, requiring more effort, showed a greater HbO concentration change than assisted ones, with notable difference in the contralateral PMC.

כל ששת הנבדקים השלימו את שני הניסויים. במצב ללא סיוע, כל נבדק ביצע בממוצע 76.67 ניסויים (std. 10.73) (שימו לב, עבור כל נבדק, מספר הניסויים היה תלוי במספר ההישגים המוצלחים, שכן יעד חדש הוצג רק אם היעד הקודם הושג). בתנאי הסיוע, שבו תנועת הנבדק נעזרה באופן מלא ברובוט, כל הנבדקים השלימו 70 ניסויים. נתוני fNIRS...

ההערכה היא כי 1 מכל 6 אנשים ברחבי העולם ילקה בשבץ מוחי במהלך חייו, מה שיגרום לנכות ארוכת טווח, שמנגנוני השיקום שלה עדיין אינם מובנים היטב. מחקר זה מציע פרוטוקול להערכת הפעלת המוח על ידי ספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS) במהלך טיפול רובוטי בגפיים התחתונות.

Stroke affects approximately 17 million individuals worldwide each year and is a leading cause of long-term disability. Robotic therapy has shown promise ...

במחקר זה, אנו שואפים לחקור את ההיתכנות של פרוטוקול ניסיוני הכולל תנועות של הגפה התחתונה המחוברת למכשיר רובוטי ורכישה בו זמנית של ספקטרוסקופיה פונקציונלית של אינפרא אדום קרוב, fNIRS, נתונים. מחקרים מעטים השתמשו ב-fNIRS כדי לחקור פעילות מוחית בשבץ, התאוששות מוטורית ותנועות גפיים תחתונות, תוך התמקדות בעיקר בפעולות מפרק יחיד, הליכה או רכיבה על אופניים. המחקר שלנו חלוץ בחקר אימון רב מפרקי גפיים תחתונות לשיקום מטרה.ספקטרוסקופיה תפקודית של אינפרא אדום קרוב, fNIRS, מודדת ביעילות שינויים זמניים בחמצון הדם במוח, ומשמשת כאינדיקטור עקיף לפעילות המוח, לאותות MRI פונקציונליים. שלא כמו fMRI, fNIRS תואם לחומרה רובוטית, נייד ועמיד יותר לתנועה. ישנם שני אתגרים עיקריים.הראשון הוא לסנכרן את תנועות המכשיר הרובוטי עם נתוני fNIRS. השני הוא להשיג מספיק נתונים כדי להשיג את הכוח הסטטיסטי, כדי לזהות שינויים המודינמיים רק שש דקות. המחקר שלנו אישר את היתכנות הפרוטוקול והניב תוצאות צפויות.במצב הנעזר, רק שני נבדקים הפגינו פעילות מוחית משמעותית. התרגיל ללא סיוע, הדורש מאמץ רב יותר, הראה שינוי ריכוז HbO גדול יותר מאשר אלה שנעזרו, עם הבדל ניכר ב- PMC הנגדי.

an-experiment-using-functional-near-infrared-spectroscopy-robot

Research

JoVE Journal

Neuroscience

An Experiment Using Functional Near-Infrared Spectroscopy and Robot-Assisted Multi-Joint Pointing Movements of the Lower Limb

801 Views.  Universidade Federal do ABC. במחקר זה, אנו שואפים לחקור את ההיתכנות של פרוטוקול ניסיוני הכולל תנועות של הגפה התחתונה המחוברת למכשיר רובוטי ורכישה בו זמנית של ספקטרוסקופיה פונקציונלית של אינפרא אדום קרוב, fNIRS, נתונים. מחקרים מעטים השתמשו ב-fNIRS כדי לחקור פעילות מוחית בשבץ, התאוששות מוטורית ותנועות גפיים ...

Video: מחבר זרקור: הערכת פעילות המוח בשיקום גפיים תחתונות בסיוע רובוטי באמצעות fNIRS

Stroke affects approximately 17 million individuals worldwide each year and is a leading cause of long-term disability. Robotic therapy has shown promise in helping stroke patients regain lost motor functions. One potential avenue for increasing the understanding of how motor recovery occurs is to study brain activation during the movements that are targeted by therapy in healthy individuals. Functional Near-Infrared Spectroscopy (fNIRS) has emerged as a promising neuroimaging technique for examining neural underpinnings of motor function. This study aimed to investigate fNIRS neural correlates of complex lower limb movements in healthy subjects. Participants were asked to perform cycles of rest and movement for 6 min using a robotic device for motor rehabilitation. The task required coordinated knee and ankle joint movements to point to targets displayed on a computer screen. Two experimental conditions with different levels of movement assistance provided by the robot were explored. The results showed that the fNIRS protocol effectively detected brain regions associated with motor control during the task. Notably, all subjects exhibited greater activation in the contralateral premotor area during the no-assistance condition compared to the assisted condition. In conclusion, fNIRS appears to be a valuable approach for detecting changes in oxyhemoglobin concentration associated with multi-joint pointing movements of the lower limb. This research might contribute to the understanding of stroke motor recovery mechanisms and might pave the way for improved rehabilitation treatments for stroke patients. However, further research is needed to fully elucidate the potential of fNIRS in studying motor function and its applications in clinical settings.

It is estimated that 1 in 6 individuals worldwide will have a stroke in their lifetime, causing long-term disability, whose rehabilitation mechanisms are still poorly understood. This study proposes a protocol to evaluate brain activation by functional near-infrared spectroscopy (fNIRS) during a lower limb robotic therapy session.