본 연구의 의견, 가설, 결론 및 권고는 저자의 것이며 반드시 연구비 지원 기관의 의견을 나타내는 것은 아닙니다. JRS는 기술 지원을 해준 상파울루 연구 재단(FAPESP, 보조금 번호 2021/05332-8, 2018/04654-9, 2018/21934-5 및 2023/02538-0)과 Jackson Cionek에 감사드립니다. AMM과 Vivax Ltda는 FAPESP(상파울루 연구 재단)와 FINET(브라질 혁신청)에 감사의 뜻을 전합니다. 이 프로젝트는 FAPESP(보조금 번호 2018/09559-4) 및 FINEP(보조금 번호 2019/09933-6)의 보조금으로 자금을 지원받았습니다.

이 연구는 UNICEP(Centro Universitario Paulista)의 지역 윤리 검토 위원회의 승인을 받았습니다. 모든 참가자는 인간과 관련된 과학 연구에 관한 모든 기관 지침 및 연방 규범에 따라 정보에 입각한 동의를 제공했습니다. 그들은 브라질 연방 규정에서 요구하는 금전적 보상을 받지 못했다.
1. fNIRS 시스템
<ol><li>8개의 광원(760nm 및 850nm)과 8개의 광 검출기( 그림 2 참조, 광원 위치: FC1, FC2, C3, Cz, C4, CP1, CP2 및 Pz, 검출기 위치(FCz, C1, C2, CPz, P1 및 P3))와 같은 16개의 옵토드를 사용하여 캡을 준비합니다. 여덟 번째 감지기를 각 소스 옵토드에 연결된 근거리 어댑터에 부착합니다.</li>
	<li>fNIRS 수집 소프트웨어를 열고 각 옵토드의 배치를 사용하여 몽타주를 불러옵니다.</li>
	<li>fNIRS 신호 시간 샘플링 레이트를 10.17Hz로 설정합니다.</li>
</ol>2. 참가자
<ol><li>참가자에게 연구 관련성과 실험 프로토콜을 간략하게 설명합니다.</li>
	<li>참가자가 자원봉사에 동의하는 경우, 자원봉사자가 인간과 관련된 과학 연구에 관한 모든 기관 지침 및 연방 규범에 따라 정보에 입각한 동의를 제공하는지 확인하십시오.</li>
	<li>지원자에게 컴퓨터 모니터에서 약 150cm 떨어진 로봇 앞의 안락의자에 앉도록 지시합니다.</li>
	<li>신발을 벗은 후 벨크로(후크 앤 루프 패스너) 스트랩을 사용하여 참가자의 발을 로봇 팔에 편안하게 부착합니다(왼쪽 상단 패널의 그림 1 참조).</li>
	<li>옵토드가 있는 fNIRS 캡을 참가자의 머리에 놓고 턱 아래에 후크 앤 루프 패스너로 단단히 고정합니다.</li>
	<li>오버캡을 옵토드 캡에 놓아 주변광의 간섭을 줄입니다.</li>
</ol>3. 데이터 수집
<ol><li>움직임 아티팩트의 위험을 최소화하기 위해 각 참가자에게 갑작스러운 머리 움직임을 하지 않도록 지시합니다.</li>
	<li>최적의 신호 품질을 위해 fNIRS 시스템을 교정합니다.</li>
	<li>인터페이스에 표시된 대로 모든 채널의 품질이 양호한지 인증합니다. 그렇지 않은 경우 두피와 옵토드 팁 사이의 머리카락을 제거하십시오.</li>
	<li>로봇에 부착된 발을 움직여 화면에 표시된 목표물에 도달하는 방식으로 게임을 하는 방법을 참가자에게 설명합니다.</li>
	<li>참가자들에게 두 가지 조건이 있을 것이라고 설명합니다: 로봇 지원이 없는 경우와 있는 경우.</li>
</ol>4. 로봇 시스템
<ol><li>모니터와 로봇을 전기 네트워크 소스에 연결하여 시스템의 전원을 켭니다. 운영 체제가 초기화되면 첫 번째 게임 인터페이스가 나타납니다.</li>
	<li>로봇 팔을 표준 위치에 배치하고 로봇 팔이 올바르게 배치 된 피드백 메시지를 받을 때까지 기다립니다.</li>
	<li>참가자와 실험자에 대한 설명 데이터를 시스템에 입력하여 로봇 게임 인터페이스에 로그인합니다.</li>
	<li>게임 선택 인터페이스에서 세션 시간을 6분으로 구성하고 30초의 휴식 간격을 둡니다.</li>
	<li>참가자가 사용할 적절한 다리(오른쪽 또는 왼쪽)를 선택합니다.</li>
	<li>피크닉 게임을 선택하고 이동을 클릭하여 게임을 플레이합니다.</li>
</ol>5. 데이터 분석
<ol><li>수정된 Beer-Lambert 방정식49를 사용하여 원시 신호를 혈류역학적 상태(옥시헤모글로빈(HbO) 및 디옥시헤모글로빈(HbR))으로 변환합니다.</li>
	<li>일반 선형 모델(General Linear Model, GLM)을 사용하여 모션 아티팩트(motion artifacts)의 영향을 덜 받는 로버스트 추정(robust estimation) 및 자기상관 추정(autocorrelation estimation)을 사용하여 개별 활성화 맵을 생성한다(50). 표준 혈류역학적 반응 함수(HRF)에 의해 뒤얽힌 실험 설계(rest = 0; game/play = 1)를 독립 변수로 사용하고 관찰된 HbO 또는 HbR 신호를 종속 변수로 사용합니다.</li>
	<li>각 채널에 대해 게임/플레이 중에 나머지 채널과 비교하여 베타 계수(채널 활성화 강도를 반영함)를 추출합니다.</li>
	<li>3개의 관심 영역(ROI)에서 채널을 병합하고 ROI 채널의 활성화 계수(GLM 베타)를 평균화합니다. ROI를 다음과 같이 정의합니다( 그림 2 참조): (1) 좌반구의 프리모터 영역(채널 [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) 좌반구의 체성 운동 영역(채널 [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); (3) 보조 모터 영역(SMA)(채널 [Cz-FCz, CPz-Cz]). 참고: 본 명세서51,52,53에서 조사된 것과 유사한 운동 과제에 대한 이전 문헌에 기초하고 모든 참가자가 오른쪽 다리로 운동 과제를 수행한다는 점을 감안할 때, 왼쪽(반대측) 전운동 및 체성 운동 및 SMA 영역은 두 조건 모두에서 게임/플레이 수행 중에 활성화를 나타내고 보조가 없는 조건에서 더 강하게 활성화된다는 가설을 세웠습니다.</li>
	<li>비모수 Wilcoxon 검정을 이 베타에 적용합니다. 유형 I 오차를 5%로 설정합니다(단측 분석).</li>
</ol>

하지 로봇 치료 세션 중 fNIRS에 의한 뇌 활성화 평가

AMM은 Vivax Assistive Rehabilitation Machine(ARM)을 개발한 Vivax Ltda 회사의 소유주입니다. LD는 의료 기기 회사인 Highland Instruments의 임원입니다. 그녀는 이미징, 뇌 자극, 진단, 모델링 및 시뮬레이션과 관련하여 개인적으로 또는 회사의 임원으로서 특허를 출원 중이거나 발행했습니다. 다른 저자는 이해 상충이 없음을 선언합니다.

이 개념 증명 연구에서는 하지 재활을 위해 로봇을 사용하여 다양한 유형의 움직임으로 운동하는 동안 건강한 피험자의 fNIRS 데이터를 사용하여 뇌 활성화 매핑에 대한 추론을 할 수 있는 가능성을 조사했습니다. 성인의 일반적인 fNIRS 기록 세션은 6분54보다 깁니다. 그러나 재활 환경의 맥락에서 녹음을 가능하게 하려면 피험자의 불필요한 피로와 노력을 피하기 위해 실험의 전?...

역학 데이터에 따르면 전 세계적으로 매년 ~1,700만 건의 새로운 뇌졸중 사례가 발생하며 저소득 및 중간 소득 국가에서 발병률이 증가하고 있습니다1. 신규 확진자 수는 2030년까지 7,700만 명으로 증가할 것으로 추정2. 뇌졸중으로 인한 운동 장애는 종종 환자의 이동성과 일상 생활 활동 참여에 영향을 미쳐 삶의 질을 저하시킵니다. 전통적인 운동 재활에는 도수 치료가 포함되지만 지난 수십 년 동안 재활을 위한 로봇 시스템이 개발되었습니다. 이러한 시스템은 고강도, 용량, 정량화성, 신뢰성, 반복성및 유연성으로 치료를 제공할 수 있으며3 급성 및 만성 뇌졸중 환자 모두에게 효과적인 재활 치료로서의 잠재력을 보여주었습니다 4,5,6. 재활을 위한 로봇 시스템은 치료를 제공하는 것 외에도 환자의 움직임 운동학적/운동학적 데이터를 측정할 수 있는 센서를 장착할 수 있으므로 평가 도구로 사용할 수 있습니다 7,8. 상지 운동 재활의 경우, 이러한 데이터는 로봇 치료에 의해 유도된 환자의 운동 회복 수준을 평가하는 데 유용한 것으로 입증되었을 뿐만 아니라 전통적인 임상 평가9,10에 대한 보충 도구로 사용될 뿐만 아니라 뇌졸중11에서 운동 회복 과정에 대한 이해를 증진하는 데 기여했다. 12 건강한 피험자의 운동 및 운동 학습의 신경 제어 3,13,14. 결과적으로, 이러한 발견은 재활 치료를 강화하기 위한 기초를 제공하였다15.
지난 20년 동안 하지 신경 재활을 위한 많은 로봇 장치가 제안되었는데, 이는 걷는 동안 환자의 체중을 지탱하는 외골격(예: Lokomat16과 같은 러닝머신 위)에서 환자가 걷지 않고 발목, 무릎 또는 발을 운동할 수 있도록 하는 고정식 로봇 시스템(예: Rutgers Ankle17, 고성능 발목 재활 로봇(High-Performance Ankle Rehabilitation Robot)(18), 광주과학기술원(GIST) 발목/발 재활 로봇(19) 또는 환자가 지상 또는 러닝머신 위를 걸을 때 착용하는 작동식 외골격인 능동 발 보조기(예: Powered Gait Orthosis20 및 MIT Anklebot21). 하지 재활을 위한 로봇에 대한 리뷰는 22,23,4를 참조하십시오.
뇌졸중 환자에 대한 하지 재활을 위한 로봇 장치의 임상 연구 결과는 고무적이었으며, 이러한 시스템은 특정 장치 및 임상 프로토콜에 따라 관절의 운동 범위(ROM), 근력 또는 보행을 개선할 수 있음을 보여주었습니다(재활을 위한 하지 로봇의 효능에 대한 검토는 24,25 참조). 로봇 보조 치료가 신경가소성 변화를 촉진하여 궁극적으로 운동 능력을 향상시킨다는 가정이 있지만26 뇌졸중으로부터 운동 회복 과정이 정확히 어떻게 발생하는지, 그리고 어떤 로봇 훈련 프로토콜이 하지 운동 능력의 회복 과정을 최적화하는지는 대부분 불분명하다. 실제로, 재활 로봇의 개발이 증가하는 것(학술 연구자 또는 상업 단체에 의한)과 운동 회복의 기초가 되는 신경생리학적 메커니즘에 대한 제한된 이해 사이에는 상당한 격차가 커지고 있다4. 내장된 센서로 측정한 운동 운동학 또는 관절 토크의 측정은 환자가 하지 운동 능력27,28,29을 회복할 때 발생하는 운동 행동 변화를 정량적으로 설명하는 데 기여하여 이 격차를 부분적으로 메우는 데 기여했습니다. 그러나 이러한 변화의 기저에 있는 신경 상관 관계는 덜 연구되었습니다. 이것은 몇 가지 이유 때문입니다.
뇌 기능 영상은 시간이 많이 걸리고 때로는 임상시험의 맥락에서 완료하기 어려우며, 환자의 연구 순응 가능성을 극대화하기 위해 환자의 부담을 최소화해야 하는 경우가 많습니다. 뇌졸중 후 피로와 근육 약화가 자주 관찰된다는 사실을 감안할 때 뇌졸중을 앓은 적이 있는 개인에게 특히 해당된다30. 또한 기능적 자기공명영상(fMRI)과 같이 자기장을 기반으로 하는 영상 기법은 환자와 로봇 하드웨어 모두 자석으로부터 안전해야 합니다.
비침습적 이미징 방식 중에서 기능적 근적외선 분광법(fNIRS)은 로봇 치료를 받는 피험자의 뇌 활성화 영역을 평가하는 데 특히 적합한 이미징 기술입니다. fMRI와 유사하게 fNIRS는 뇌의 혈액 산소화/탈산소화를 측정합니다. 그러나 fMRI와 달리 fNIRS는 로봇 하드웨어와 완벽하게 호환되며 종종 휴대가 가능하며 침대 옆에서도 사용할 수 있습니다. 또한, fNIRS는 비용이 저렴하고 모션 아티팩트 31,32,33에 대한 민감도가 낮다.
70년대 후반에 처음 도입된 이래 많은 임상 환경에서 fNIRS의 분명한 장점과 광범위한 사용에도 불구하고34, 하지 운동 및 뇌졸중 운동 회복과 관련된 뇌 활성화를 정량화하기 위해 fNIRS를 사용한 연구는 소수에 불과합니다. 운동의 신경 조절 기전을 규명하거나 뇌졸중으로부터 운동 회복을 평가하기 위한 FNIRS 연구는 주로 단일관절 운동(예: 배측굴곡, 발바닥 굴곡 또는 무릎 신전 운동35,36,37), 걷기38,39,40,41,42,43 또는 사이클링44을 조사하였다. 리뷰는45를 참조하십시오. 마찬가지로, 하지를 위한 로봇 보조 치료에 대한 fNIRS 연구는 대부분 로봇 보조 보행 재활에 중점을 두었습니다. 리뷰는46을 참조하십시오. 몇몇 연구들은 fNIRS를 뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI) 시스템의 일부로 사용하여 로봇 장치에 대한 제어 신호를 유도하는 데 초점을 맞추었다(47,48); 이 연구 분야는 fNIRS 신호 처리에도 의존하지만, 그 목표는 다르며 주로 환자의 의도(예: 중증 운동 장애 환자)를 해독하는 데 중점을 둡니다.
여기에 제시된 파일럿 연구는 하지 재활을 위한 로봇 시스템의 효과를 조사하기 위한 초기 노력의 일부입니다. 이 로봇은 일상적인 다관절 움직임에 대한 훈련을 포함하는 목표 지향적인 하지 재활을 제공할 수 있을 뿐만 아니라 하지의 단일 관절(예: 무릎 또는 발목)에 대한 치료를 제공할 수 있습니다(즉, 상향식 재활 프로그램 구현).
이 연구는 하지, 다관절 포인팅 운동을 수행하는 동안 fNIRS 데이터 수집이 필요한 실험 프로토콜의 타당성을 조사하는 것을 목표로 했습니다. 6분으로 제한된 이 연구의 데이터 수집 기간은 일반적인 fNIRS 프로토콜보다 짧습니다. 이는 특히 이동성이나 근력이 제한된 환자에서 이 연구의 실용성과 임상적 적용 가능성을 높이기 위한 목적으로 이루어진 신중한 선택이었습니다. 이러한 복잡한 다관절 운동의 fNIRS 상관 관계를 식별하고 로봇 지원에 의해 뇌 활성화가 어떻게 조절되는지에 대한 통찰력을 얻는 것도 관심 지점이었습니다. 이를 위해 동일한 참가자를 대상으로 두 세션의 실험을 수행했는데, 하나는 로봇의 도움을 받지 않았고 다른 하나는 로봇의 도움을 받았습니다. 마지막으로, 본 연구는 로봇 치료가 목표로 하는 움직임 중 뇌 활성화의 평가 및 기록 프로토콜 타당성 측면에서 향후 연구의 토대를 마련하기 위해 건강한 피험자에 초점을 맞췄다는 점에 주목하는 것이 중요합니다.
기구 하지 재활을 제공하도록 설계된 휴대용 로봇( 그림 1 참조)이 실험을 수행하는 데 사용되었습니다. 이 로봇은 3D 접근 가능한 작업 공간을 가지고 있으며 무게가 약 35파운드로 작고 가벼워 운반 및 설치가 쉽습니다.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> 그림 1: 실험 설정. (A) 하지용으로 설계된 로봇 시스템(바닥에 설치됨). 자원봉사자가 오른발로 인터페이스를 활용하는 모습이 보입니다. (B) 로봇 시스템에 부착할 수 있는 피험자의 발을 지지하는 구조. (C) 피크닉 게임의 스크린샷. 게임의 목표는 발(녹색과 흰색 신발)을 목표물(노란색 원)로 이동하는 것입니다. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
로봇 시스템은 환자가 가리키기나 발차기와 같은 일상 업무에서 수행하는 것과 유사한 하지 움직임을 수행하는 데 도움을 주도록 설계되었습니다. 로봇 장치 앞에 놓인 컴퓨터 모니터 또는 텔레비전 화면에 표시되는 대화형 가상 현실 게임을 사용합니다( 그림 1 참조). 로봇 엔드 이펙터는 환자의 하지(예: 발목)에 부착되고, 그 위치는 화면 상의 커서 위치에 매핑됩니다. 일반적인 게임은 환자의 움직임 목표(예: 가리킬 물체 또는 공을 찰 위치)를 보여줍니다.
이동 작업을 완료하기 위해 로봇은 완전한 지원에서 전혀 지원하지 않는 수준까지 다양한 수준의 지원으로 환자를 도울 수 있습니다. 로봇 지원 수준은 환자의 운동 장애 수준에 따라 각 재활 세션이 시작될 때 선택됩니다. 피험자가 수행한 움직임은 게임에서 환자의 수행 능력에 점수를 매기고 수행에 대한 피드백(예: ROM, 움직임 횟수 및 로봇 지원 수준)을 제공하는 데 사용됩니다. 게임은 환자의 관심과 관심을 유지하기 위해 상호 작용하고 재미있게 설계되었습니다. 이 연구에서 참가자들은 "피크닉 게임"을 했는데, 플레이어는 곤충이 수건에 손을 뻗어 음식을 훔치는 것을 막아야 했습니다(스크린샷은 그림 1, 하단 패널 참조).
데이터 수집은 2개의 서로 다른 연속파 옵토드(760nm 및 850nm), 8개의 듀얼 팁 LED 소스 및 8개의 듀얼 팁 활성 검출기가 있는 휴대용 fNIRS 수집 시스템으로 수행되었습니다. 신호는 10.17Hz의 샘플링 속도를 사용하여 수집되었습니다. fNIRS 시스템에서 생성된 Wi-Fi 네트워크를 사용하여 교정 최적화 및 신호 기록에 노트북을 사용했습니다.
캡은 미리 결정된 위치에 옵토드를 고정하는 데 사용되었습니다. 소스와 검출기는 10-10 국제 EEG 시스템에 따라 격자 공간 분포에 배치되었습니다. 각 fNIRS 채널은 약 30mm의 옵토드 간 거리를 갖는 소스-검출기 쌍에 의해 정의되었습니다. 옵토드는 그림 2에 표시된 위치의 보조 모터, 프리모터 및 모터 영역 위에 배치되었습니다. 총 채널 수는 28개였으며, 여기서 8개는 광섬유 어댑터를 사용하여 단일 검출기에 각 소스에 연결된 단거리 채널이었습니다. 하드웨어의 멀티플렉싱 설정을 감안할 때 하나의 검출기만 사용하여 모든 소스에서 근거리 정보를 수집할 수 있습니다.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> 그림 2: 10-10 EEG 시스템을 사용한 몽타주 레이아웃. 문자와 숫자는 소스/감지기 위치를 나타냅니다. 빨간색과 파란색 점은 각각 소스 및 검출기 옵토드를 나타냅니다. 녹색 선은 소스 쌍과 검출기 쌍으로 구성된 fNIRS 채널을 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
실험 설계 실험은 피험자의 움직임에 대해 로봇이 제공하는 지원 수준이 다른 두 가지 뚜렷한 실험 조건에서 수행되었습니다. 첫 번째 조건에서 로봇은 피험자의 움직임에 어떤 도움도 주지 않도록 프로그래밍된 반면, 두 번째 조건에서는 로봇이 피험자의 발과 다리 움직임을 제어했다(로봇 보조 움직임).
각 실험은 그림 3과 같이 운동 작업(게임 플레이 - 30초)과 휴식(30초)의 교대 주기를 포함하는 블록 설계 패러다임을 따랐습니다. 각 단계(플레이/게임 또는 휴식)의 시작과 종료는 컴퓨터 화면을 통해 피험자에게 시각적으로 신호를 보냈다. 휴식 단계에서 일시 중지를 나타내는 메시지가 표시되었습니다. 각 주기(플레이/게임 + 휴식)의 지속 시간은 60초이고 6번 반복되어 총 실행 시간은 360초(6분)입니다.
참가자들은 곤충이 수건에 닿아 음식을 훔치는 것을 막는 것이 목표인 "피크닉 게임"을 했습니다. 이 게임은 지정된 홈 타겟(초기 위치)에서 시작하여 홈 타겟으로 돌아오기 전에 세 개의 바깥쪽 타겟 중 하나를 향해 뻗는 일련의 하지 움직임을 포함했습니다. 화면에서 바깥쪽 표적은 움직이는 움직이는 곤충으로 시각적으로 표현되었으며, 참가자들은 이 곤충에 손을 뻗어 밟아야 했습니다. 바깥쪽에 도달하는 표적은 3개였으며, 각 표적은 무작위로 동일한 횟수로 제시되었으며, 모든 움직임에 대해 공통된 홈 표적이 있었습니다. 발이 홈 타겟에서 외부 타겟의 위치까지 이동하는 데 필요한 거리는 약 26cm의 호를 형성합니다. 운동 작업은 다관절 운동의 실행이 필요했기 때문에 무릎 굴곡/신전, 발바닥 굴곡 및 배측 굴곡 운동 간의 조정이 필요했습니다.
fNIRS 데이터 기록은 로봇에 의해 생성된 TTL(Transistor-Transistor-Logic) 펄스를 통해 게임이 피험자에게 제공하는 시각적 자극과 동기화되었습니다. 펄스는 각 단계(플레이/게임 및 휴식)의 시작 시 생성되었습니다. 따라서 모든 타이밍 제어는 게임에 의해 수행되었으며, 이는 참가자에게 각 동작을 시작하도록 시각적 단서(대상)를 제공하고, 뇌 활동 기록을 표시하기 위해 fNIRS 시스템에 TTL 신호를 보내고, 실험에 필요한 경우 로봇 제어 시스템에 신호를 보내 움직임 지원을 시작합니다.

<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

뇌졸중은 매년 전 세계적으로 약 1,700만 명에게 영향을 미치며 장기 장애의 주요 원인입니다. 로봇 치료는 뇌졸중 환자가 잃어버린 운동 기능을 회복하는 데 도움이 될 수 있는 가능성을 보여주었습니다. 운동 회복이 어떻게 일어나는지에 대한 이해를 높일 수 있는 한 가지 방법은 건강한 사람의 치료 대상이 되는 운동 중 뇌 활성화를 연구하는 것입니다. 기능적 근적외선 분광법(fNIRS)은 운동 기능의 신경 토대를 검사하기 위한 유망한 신경 영상 기술로 부상했습니다. 이 연구는 건강한 피험자의 복잡한 하지 움직임의 fNIRS 신경 상관 관계를 조사하는 것을 목표로 했습니다. 참가자들은 운동 재활을 위한 로봇 장치를 사용하여 6분 동안 휴식과 움직임의 주기를 수행하도록 요청받았습니다. 이 작업에는 컴퓨터 화면에 표시된 표적을 가리키기 위해 무릎과 발목 관절의 조정된 움직임이 필요했습니다. 로봇이 제공하는 다양한 수준의 이동 지원을 사용하는 두 가지 실험 조건을 탐색했습니다. 그 결과, fNIRS 프로토콜은 작업 중 운동 제어와 관련된 뇌 영역을 효과적으로 감지하는 것으로 나타났습니다. 특히, 모든 피험자는 도움을 받은 조건에 비해 도움이 없는 상태에서 반대쪽 전운동 영역에서 더 큰 활성화를 보였습니다. 결론적으로, fNIRS는 하지의 다관절 포인팅 운동과 관련된 옥시헤모글로빈 농도의 변화를 감지하는 데 유용한 접근법인 것으로 보입니다. 이 연구는 뇌졸중 운동 회복 메커니즘에 대한 이해에 기여할 수 있으며 뇌졸중 환자를 위한 개선된 재활 치료를 위한 길을 열 수 있습니다. 그러나 운동 기능 연구와 임상 환경에서의 응용에 대한 fNIRS의 잠재력을 완전히 설명하기 위해서는 추가 연구가 필요합니다.

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.

저자 스포트라이트: fNIRS를 사용한 로봇 보조 하지 재활에서 뇌 활동 평가

기능적 근적외선 분광법과 하지의 로봇 보조 다관절 포인팅 운동을 이용한 실험

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.

6명의 피험자 모두 두 실험을 모두 완료했습니다. 지원이 없는 조건에서 각 피험자는 평균 76.67건의 시도(표준 10.73)를 완료했습니다(참고로, 각 피험자에 대해 이전 목표에 도달한 경우에만 새로운 목표가 표시되었기 때문에 시도 횟수는 성공한 도달 횟수에 따라 달라졌습니다). 로봇이 피험자의 움직임을 완전히 보조하는 보조 조건에서 모든 피험자는 70번의 시도를 완료했습니다. 모든 피험자로?...

전 세계 6명 중 1명은 일생 동안 뇌졸중을 앓아 장기적인 장애를 유발하는 것으로 추정되며, 이러한 재활 메커니즘은 아직 잘 알려져 있지 않습니다. 이 연구는 하지 로봇 치료 세션 동안 기능적 근적외선 분광법(fNIRS)으로 뇌 활성화를 평가하는 프로토콜을 제안합니다.

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

이 연구에서는 로봇 장치에 부착된 하지의 움직임과 기능적 근적외선 분광법, fNIRS, 데이터의 동시 획득을 포함하는 실험 프로토콜의 타당성을 조사하는 것을 목표로 합니다. 뇌졸중, 운동 회복 및 하지 운동에서 뇌 활성화를 연구하기 위해 fNIRS를 사용한 연구는 거의 없으며, 주로 단일 관절 동작, 걷기 또는 자전거 타기에 중점을 둡니다. 우리의 연구는 목표 재활을 위한 다중 관절 하지 훈련을 탐구하는 데 선구자입니다.기능적 근적외선 분광법(fNIRS)은 기능적 MRI 신호에 대한 간접적인 뇌 활동 지표 역할을 하는 뇌혈 산소화의 시간적 변화를 효과적으로 측정합니다. fMRI와 달리 fNIRS는 로봇 하드웨어와 호환되고, 휴대가 간편하며, 모션 아티팩트에 더 강력합니다. 두 가지 주요 과제가 있습니다.첫 번째는 로봇 장치의 움직임을 fNIRS 데이터와 동기화하는 것입니다. 두 번째는 통계적 검정력을 달성하기에 충분한 데이터를 확보하여 단 6분 만에 혈류역학적 변화를 감지하는 것입니다. 우리의 연구는 프로토콜의 타당성을 확인했고 예상된 결과를 도출했습니다.보조 상태에서는 두 명의 피험자만이 유의미한 뇌 활성화를 보였습니다. 더 많은 노력이 필요한 비보조 운동은 보조 운동보다 HbO 농도 변화가 더 컸으며, 반대측 PMC에서 현저한 차이를 보였습니다.

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

797 조회수.  Universidade Federal do ABC. 이 연구에서는 로봇 장치에 부착된 하지의 움직임과 기능적 근적외선 분광법, fNIRS, 데이터의 동시 획득을 포함하는 실험 프로토콜의 타당성을 조사하는 것을 목표로 합니다. 뇌졸중, 운동 회복 및 하지 운동에서 뇌 활성화를 연구하기 위해 fNIRS를 사용한 연구는 거의 없으며, 주로 단일 관절 동작, 걷기 또는 자전거 타기에 중점을 둡니다. 우리의 연구는 목표 재활을 위한 다?...