JoVE Logo

Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

Descriviamo l'analisi dell'esperimento di spettroscopia funzionale al vicino infrarosso ad onda continua utilizzando un progetto a blocchi con un compito sensorimotorio. Per aumentare l'affidabilità dell'analisi dei dati, abbiamo utilizzato la mappatura parametrica statistica lineare qualitativa basata su modelli lineari e i modelli misti gerarchici comparativi per più canali.

Abstract

Gli studi di neuroimaging svolgono un ruolo fondamentale nella valutazione delle condizioni neurologiche pre- vs post-interventiali come nella riabilitazione e nel trattamento chirurgico. Tra le molte tecnologie di neuroimaging utilizzate per misurare l'attività cerebrale, la spettroscopia funzionale vicino all'infrarosso (fNIRS) consente la valutazione delle attività corticali dinamiche misurando i livelli locali di emoglobina simili alla risonanza magnetica funzionale (fMRI). Inoltre, a causa della minore restrizione fisica in fNIRS, è possibile valutare più varianti di attività sensorimotorie. Molti laboratori hanno sviluppato diversi metodi per l'analisi dei dati fNIRS; tuttavia, nonostante i principi generali siano gli stessi, non esiste un metodo universalmente standardizzato. Qui presentiamo i metodi analitici qualitativi e comparativi dei dati ottenuti da un esperimento fNIRS multicanale utilizzando un block design. Per l'analisi qualitativa, abbiamo utilizzato un software per NIRS come approccio univariato di massa basato sul modello lineare generalizzato. L'analisi NIRS-SPM mostra i risultati qualitativi per ogni sessione visualizzando l'area attivata durante l'attività. Inoltre, il digitalizzatore tridimensionale non invasivo può essere utilizzato per stimare le posizioni del canale fNIRS rispetto al cervello. Per confermare i risultati nirs-spm, l'ampiezza dei cambiamenti nei livelli di emoglobina indotti dal compito sensorimotorio può essere analizzata statisticamente confrontando i dati ottenuti da due sessioni diverse (prima e dopo l'intervento) dello stesso soggetto di studio utilizzando un modello misto gerarchico multicanale. I nostri metodi possono essere utilizzati per misurare l'analisi pre- vs post-intervento in una varietà di disturbi neurologici come disturbi del movimento, malattie cerebrovascolari e disturbi neuropsichiatrici.

Introduzione

La neuroriabilitazione gioca un ruolo importante nel recupero funzionale a seguito di disturbi sensorimotori. Per chiarire i meccanismi di recupero funzionale associato alla neuroplasticità, sono state utilizzate varie tecnologie di neuroimaging, come la risonanza magnetica funzionale (fMRI), la tomografia ad emissione di positroni (PET), l'elettroencefalografia (EEG) e la spettroscopia funzionale vicino all'infrarosso (fNIRS). Diverse modalità di imaging hanno diversi vantaggi e svantaggi. Sebbene il fMRI sia il dispositivo più tipico, è influenzato da campi magnetici, ha un costo elevato, un'elevata restrizione fisica e attività sensorimotorielimitate 1,2,3,4. Il dispositivo fNIRS si distingue come neuroimaging ottico non invasivo e ha una risoluzione spaziale relativamente inferiore, ma ha una risoluzione temporale migliore rispetto a fMRI4. fNIRS è adatto quando si verificano gli effetti del trattamento perché confronta gli effetti pre- contro post-intervento, ha attività motorie dinamiche, è portatile e funziona più in ambienti naturali rispetto a fMRI1,2,4. Nirs è stato segnalato per essere più adatto nei campi della malattia cerebrovascolare, disturbi epilettici, grave lesione cerebrale, morbo di Parkinson, e deficit cognitivo1,5. Per quanto riguarda le attività sensorimotorie, è ampiamente utilizzato nell'andatura e nel bilanciamento in piedi6,7,8,funzione dell'arto superiore (afferramento della mano, maschiatura delle dita)8,9,allenamento complesso delle abilità motorie10,11,robotica12,13,14,15e interfaccia cervello-computer16,17,18. Il fNIRS si basa sui principi del neuroimaging ottico e dell'accoppiamento neurovascolare, che misurano l'attività metabolica corticale, l'aumento del flusso sanguigno e di conseguenza l'attività corticale come segnalisecondari 19. È stato riferito che i segnali fNIRS hanno forti correlazioni con segnali di fMRI20dipendente dal livello di ossigeno nel sangue . Un fNIRS ad onda continua utilizza la legge di Beer-Lambert modificata per determinare i cambiamenti nei livelli di concentrazione corticale dell'emoglobina ossigenata (HbO2)e dell'emoglobina deossigenata (HHb) in base alle variazioni misurate nell'attenuazione della luce nel vicinoinfrarosso a banda larga 21,22. Poiché non era possibile misurare il fattore differenziale di lunghezza del percorso (DPF) utilizzando il sistema NIRS ad onda continua, abbiamo supposto che il DPF fosse costante e che i cambiamenti del segnale dell'emoglobina fossero denotati in unità arbitrarie di millimole-millimetro (mM x mm)2,18.

Gli esperimenti fNIRS devono selezionare i metodi più appropriati, tra cui le impostazioni della sonda, i progetti dell'esperimento e i metodi di analisi. Per quanto riguarda l'impostazione della sonda, il metodo internazionale 10-20 utilizzato nella misurazione EEG è lo standard di impostazione utilizzato da molti ricercatori nella neuroimaging. Negli ultimi anni, sono state utilizzate impostazioni di coordinate basate sul cervello standard sulla base delle coordinate del Montreal Neurological Institute (MNI). L'esperimento utilizza un progetto a blocchi, generalmente utilizzato per attività sensorimotorie, e un progetto relativo agli eventi. Questo è un metodo per confrontare i cambiamenti nella concentrazione di emoglobina a riposo e durante i compiti; I livelli di concentrazione di HbO2 aumentano e i livelli di concentrazione di HHb diminuiscono con i cambiamenti nel flusso sanguigno cerebrale associati all'attività corticale dipendente dalle attività. Sebbene esistano vari metodi di analisi, il software libero NIRS-SPM consente un'analisi simile alla mappatura parametrica statistica (SPM) di fMRI. Il trattamento dei dati NIRS utilizza un approccio univariato di massa basato sul modello lineare generale (GLM). Quando si esegue un'analisi dell'attività cerebrale dipendente dalle attività, le misurazioni fNIRS possono essere influenzate dall'attività neuronale evocata o non evocata e dalle interferenze fisiologiche sistemiche (frequenza cardiaca, pressione sanguigna, frequenza respiratoria e attività del sistema nervoso autonomo) nel compartimento cerebrale ed extracerebrale23. Pertanto, l'elaborazione, il filtraggio, la conversione wavelet e l'analisi dei componenti principali sonoutili 23. Per quanto riguarda il filtraggio e gli artefatti dell'elaborazione dei dati utilizzando il NIRS-SPM, il filtro passa-basso9 e la lunghezza minima della descrizione wavelet (Wavelet-MDL)24 sono stati utilizzati per superare il movimento o altre fonti di rumore / artefatto. Per informazioni dettagliate su questo metodo analitico, fare riferimento al rapporto di Ye etal. Sebbene ci siano rapporti che usano solo SPM, è solo un indice qualitativo per analisi delle immagini e, a causa della bassa risoluzione spaziale di NIRS, è necessaria estrema cautela per l'analisi di gruppo. Inoltre, quando il DPF è costante, non dovrebbero essere eseguiti confronti numerici tra canali e individui, ma la differenza nelle modifiche in ogni canale può essere verificata. Sulla base delle condizioni di cui sopra, al fine di integrare i risultati dell'analisi del gruppo NIRS-SPM, abbiamo utilizzato il metodo di analisi originale per l'analisi multicanale dopo aver migliorato l'accuratezza della registrazione spaziale. Questa analisi multicanale ha confrontato l'ampiezza della variazione dei livelli hbo2 e HHb tra il resto e i periodi di attività in ogni canale prima e immediatamente dopo il trattamento utilizzando modelli misti gerarchici con interventi fissi (prima o dopo), periodi fissi (riposo o su compito) ed effetti individuali casuali.

In questo modo, esistono diversi metodi di misurazione e analisi fNIRS; tuttavia, non è stato stabilito alcun metodo standard. In questo articolo, introduciamo i nostri metodi, la mappatura statistica parametrica qualitativa basata su GLM e il modello misto gerarchico comparativo multi-livello, per analizzare i dati ottenuti da un esperimento fNIRS multicanale di pre- vs. post-intervento utilizzando un block design con attività sensorimotorie.

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

Protocollo

Questo studio è stato approvato dal comitato di revisione istituzionale (IRB) dell'Università di Fukuoka, Giappone (IRB n. 2017M017). Prima della partecipazione, tutti i pazienti hanno fornito il consenso informato scritto.

1. Preparazione dell'esperimento fNIRS

NOTA: È stato utilizzato un sistema NIRS basato su laser a onde continue multicanale per questo esperimento. Le lunghezze d'onda della luce del vicino infrarosso erano di 780 nm, 805 nm e 830 nm, e la frequenza di campionamento era impostata a 7,8 Hz. Il tempo e la risoluzione spaziale (distanze tra l'emettitore di luce e la sonda del rivelatore) erano rispettivamente di 0,13 s e 3,0 cm.

  1. Impostare il dispositivo fNIRS in un luogo buio e silenzioso. Condurre esperimenti a temperatura ambiente. Avviare lo strumento fNIRS 30 minuti prima dell'esperimento.
    NOTA: i sistemi fNIRS sono utilizzati in condizioni di temperatura e umidità controllate per garantire un funzionamento stabiledell'apparecchiatura 26.
  2. Utilizzare un intero cappuccio per la registrazione fNIRS e attaccare il cappuccio della testa sulla testa del soggetto in modo tale che la posizione corrispondente al centro (Cz) del sistema internazionale 10-20 si trovi al supporto n. 245 del tappo della testa. (Figura 1).
  3. Attaccare l'adesivo di marcatura ai punti di localizzazione di riferimento: il nasione (Nz), il meato uditivo esterno destro (AR) e il meato uditivo esterno sinistro (AL).
    NOTA: Poiché le coordinate tridimensionali (3D) vengono lette intorno alle posizioni del supporto Nz, AR, AL e Cz, è necessario attaccare l'adesivo di marcatura prima di scattare una foto.
  4. Dopo la calibrazione di una fotocamera digitale ad alta risoluzione per la registrazione spaziale, scatta foto della testa del soggetto con la posizione della sonda mentre mostri i punti di riferimento (Cz, Nz, AR e LR) da 15 prospettive.
    NOTA: Si prega di scattare una foto prima di posizionare la sonda. Se viene scattata una foto dopo aver posizionato la sonda, il punto di riferimento del marcatore potrebbe essere nascosto dalla sonda e dal cavo di cablaggio. Come raccomandato dal produttore, dopo aver scattato 12 foto di 30° in diagonale verso destra del soggetto, scattare tre o più foto leggermente sopra in modo che il Cz (titolare n. 245) appaia nella foto. Questo perché è facile renderlo tridimensionale quando si catturano un totale di 15 o più scatti.
  5. Separare accuratamente i capelli del soggetto che interferiscono con l'optodo utilizzando un'asta di plastica illuminata da diodo (LED) a emissione di luce per attaccare la sonda. Disporre la sonda in modo che gli optodi siano attaccati a una distanza minima dalla superficie del cuoio capelluto e a contatto con il cuoio capelluto.
    NOTA: Verificare attentamente se c'è pressione o disagio per il paziente a causa dell'attaccamento degli optodi, a causa dell'aumento della forza dei confondenti sistemici associati all'attivazione del sistema nervoso autonomo23.
  6. Disporre il sistema a 48 canali con 32 optodi (16 sorgenti luminose e 16 rivelatori; 4 x 4 array per ogni emisfero) su un cappuccio frontale bilaterale sulle aree frontali e parietali come regioni di interesse(Figura 2).
  7. Avviare e utilizzare il software di digitalizzatore 3D per determinare la registrazione spaziale.
  8. Dopo aver scansionato i dati dell'immagine di un'intera testa, determinare la coordinata spaziale di ogni paziente misurando automaticamente e salvando come file Origin e Others (*CSV).
    NOTA: se non è stato possibile rilevare i punti di coordinate dalle immagini utilizzando la misurazione automatica, inserire manualmente la regolazione.

2. Esegui l'esperimento

  1. Seleziona un design a blocchi per l'esperimento e il compito può essere qualsiasi movimento di interesse per lo studio come apertura / chiusura della mano, maschiatura delle dita, ecc. Nel nostro studio precedente, il compito erano i movimenti del gomito assistiti da robot15.
    NOTA: Ogni ciclo è composto da tre blocchi (15 s di riposo - 15 s di attività - 15 s di riposo) e ogni paziente completa sette cicli in ogni sessione.
  2. Fai aspettare il partecipante in una posizione comoda fino al segnale di partenza. Istruisci il soggetto a chiudere gli occhi durante il resto e il compito.
  3. Dare segnali di inizio e arresto (ad esempio, "Ripetere la flessione e l'estensione del gomito", "Fermarsi e rilassarsi").
    NOTA: Non parlare durante le misurazioni. Controllare attentamente la presenza di artefatti sullo schermo del monitor durante le misurazioni.
  4. Eseguire l'attività di progettazione del blocco nella stessa postura. La postura verticale con posizione in piedi o seduta è desiderabile non distorcere le cuffie.
    NOTA: Se il paziente si sente a disagio dopo aver indossato il portacapo per un lungo periodo di tempo, rimuovere o allentare la sonda durante l'esercizio assistito da robot.
  5. Dopo aver completato la misurazione NIRS, rimuovere il portacapo e l'adesivo di marcatura per terminare l'esperimento.
    NOTA: Controllare attentamente la presenza di danni alla pelle al cuoio capelluto dovuti a un uso prolungato.

3. Analisi GLM qualitativa utilizzando il software NIRS-SPM

  1. Avviare nirs-spm sul software MATLAB. Convertire il file di dati relativo alla modifica della concentrazione hbo2 e HHb acquisita dal dispositivo NIRS nel formato di file per l'analisi NIRS-SPM.
  2. Scegliete l'opzione di sistema NIRS utilizzando dal menu a comparsa. Selezionate il pulsante di caricamento e scegliete le opzioni di conversione divariazione della concentrazione HbO 2 e HHb.
  3. Rilevare la registrazione spaziale della posizione del canale NIRS. Selezionare la casella di controllo Autonomo, quindi selezionare la casella di controllo Con digitalizzatore 3D.
  4. All'interno di Da coordinate reali allo spazio MNI, utilizzate la finestra di dialogo per scegliere _origin. CSV che fa riferimento al file del punto di riferimento delle coordinate e _others. CSV che fa riferimento al file probe/canali di coordinate.
  5. Selezionare il pulsante Registrazione. Scegliere i punti per procedere alla stima spaziale e fare clic sul pulsante OK. Fare clic sulla coordinata MNI progetto sul pulsante Cervello sottoposto a rendering.
    NOTA: La posizione spaziale delle posizioni del canale NIRS è stimata sulla base del modello cerebrale del Montreal Neurological Institute (MNI).
  6. Selezionare l'opzione Vista dorsale e fare clic sul pulsante Salva.
  7. Nella sezione Specifica livello 1st selezionare il nome file di dati NIRS e la directory SPM. Selezionare la casella di controllo emoglobina; HbO2 o HHb. Evidenziare l'opzione Specifica progetto' e selezionare l'opzione Sec. Evidenziare le opzioni Numero di condizioni/prove e immettere il numero 7.
  8. Evidenziare le opzioni Vettore di esordio e Durata e immettere un vettore di esordio moltiplicato per la durata delle condizioni sperimentali come segue.
    NOTA: In questo caso, il vettore dei tempi di esordio deve essere specificato come [15:45:285] o [15 60 105 150 195 240 285]. Il vettore di durata deve essere specificato come [15* quelli(7,1)] o [15 15 15 15 15 15 15 15].
  9. Per il detrending, selezionate il pulsante Wavelet-MDL. Utilizzare il metodo di precolorazione: filtro passa-basso e selezionare il pulsante hrf e correggere la correlazione seriale, quindi selezionare il pulsante nessuno.
  10. Nella stima delle correlazioni temporali, controllare l'analisi individuale.
    NOTA: salvare la localizzazione spaziale delle posizioni dei canali fNIRS nei singoli sistemi di coordinate MNI come file di testo. Allo stesso modo, salvate la mappa in base alla singola area di Brodmann (BA) come file di testo.
  11. Nella stima delle correlazioni temporali, controllare l'analisi di gruppo. Il NIRS-SPM allineava le posizioni di optode media del numero di partecipanti secondo il sistema di coordinate cerebrali standardizzato MNI.
  12. Calcola la mappa di attivazione in base ai cambiamenti nel livello di emoglobina per il cervello standardizzato. I livelli di HbO2 e HHb sono stati considerati significativi ad una soglia non corretta di p < 0,01.
    NOTA: le informazioni a sinistra/destra sono state capovolte nei lati interessati a destra per l'analisi del gruppo.

4. Analisi comparativa multicanale basata su un modello misto gerarchico

  1. Avviare il software SAS. Convertire il documento di testo (. TXT) delle variazioni di concentrazione di HbO2 e HHb nel file di dati NIRS elaborato con un filtro passa basso (la frequenza di taglio è stata impostata a 0,1 Hz) al file di valori separati da virgola del software del foglio di calcolo (. La commissione per i l'i csv
  2. Creare i dati Import SAS (sas7bdat) utilizzando il programma.
  3. Output del file di importazione con il comando seguente, libname out "Importa file"
  4. Generare il file pre- e post-intervento per ogni soggetto, eseguire i comandi seguenti in Analysis SAS. (Figura 3) Durante la creazione del file di importazione, fornire un nome tale da poter identificare le informazioni sull'oggetto e pre- vs. post-intervento (ad esempio, id1 pre, id1 post ...)
  5. Eseguire il comando dati pre e post-intervento per ogni canale (ch1-48; HbO2 e HHb) come segue(Figura 4).
  6. In base ai dati ottenuti dai risultati dell'output, inserire le differenze pre- e post-intervento nella modifica (differenza in attività e riposo), riposo e valori sulle attività (valori stimati, limiti superiori e limiti inferiori) di ogni canale nel file della cartella di lavoro del foglio di calcolo (.xlsx).
  7. Analogamente, inserire il numeratore e i gradi denominatori di libertà, valore F e valore P dell'elemento di interazione del test di tipo 3 ad effetto fisso nel file della cartella di lavoro del foglio di calcolo (.xlsx).
  8. Per controllare il tasso di individuazione falso (FDR) nei test multicanale, utilizzare i metodi27 di Benjamin e Hochberg e controllare l'FDR con un valore p < 0,01.

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

Risultati

Qui, introduciamo la riabilitazione assistita da robot su cui il nostro gruppo sta attualmente lavorando: gli effetti del biofeedback sul deficit motorio degli arti superiori nei pazienti con ictus acuto. Abbiamo incluso 10 pazienti con ictus consenzienti (età media: 66,8 ± 12,0 anni; due donne e otto uomini) che sono stati ricoverati nel nostro ospedale. Nella fase di ictus subacuto, più di 2 settimane dopo l'inizio, abbiamo valutato l'attività corticale correlata al motore di questi...

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

Discussione

Nel nostro gruppo metodi analitici per fNIRS, oltre a eseguire un metodo analitico di imaging mediante mappature qualitative t-statistica, abbiamo confrontato pre- vs. post-intervento (esercizio assistito da robot) utilizzando l'analisi comparativa multicanale. Per l'analisi qualitativa, abbiamo utilizzato il software NIRS-SPM come approccio univariato di massa basato sul modello lineare generalizzato. L'analisi NIRS-SPM mostra i risultati qualitativi di ogni sessione visualizzando l'area attivata durante l'atti...

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

Divulgazioni

Gli autori non hanno conflitti di interesse rilevanti per questo studio da rivelare.

Riconoscimenti

Questo lavoro è stato in parte sostenuto dalla Japan Society for the Promotion of Science (JSPS) Grant-in-Aid for Scientific Research (C) 18K08956 e da un fondo del Central Research Institute dell'Università di Fukuoka (n. 201045).

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

Materiali

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

Riferimenti

  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.

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

NeuroscienzeNumero 166NIRSonda continuaneuroimagingattivit corticalesensorimotorioprogettazione di blocchimappatura parametrica statisticaSPMmodello lineare generalizzatoGLMmodello misto gerarchiconeuroriabilitazione

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Ricerca

Didattica

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati