Интерфейс «мозг-компьютер» с моторными образами в реабилитации двигательной дисфункции верхних конечностей после инсульта

Резюме

Цель данного исследования состоит в том, чтобы предоставить важную справочную информацию для стандартной клинической работы моторного интерфейса мозг-компьютер (MI-BCI) при двигательной дисфункции верхних конечностей после инсульта.

Аннотация

Реабилитационный эффект у пациентов с умеренной или тяжелой двигательной дисфункцией верхних конечностей после инсульта слабый, что было в центре внимания исследований из-за возникших трудностей. Интерфейс мозг-компьютер (ИМК) представляет собой передовую технологию в исследованиях нейробиологии мозга. Это относится к прямому преобразованию сенсорного восприятия, образов, познания и мышления пользователей или субъектов в действия, не полагаясь на периферические нервы или мышцы, для установления прямой связи и каналов управления между мозгом и внешними устройствами. Интерфейс «мозг-компьютер» (MI-BCI) является наиболее распространенным клиническим применением реабилитации в качестве неинвазивного средства реабилитации. Предыдущие клинические исследования подтвердили, что MI-BCI положительно улучшает двигательную дисфункцию у пациентов после инсульта. Тем не менее, существует недостаток в демонстрации клинических операций. С этой целью в данном исследовании подробно описывается лечение ИМ-ИМК у пациентов с умеренной и тяжелой дисфункцией верхних конечностей после инсульта и демонстрируется интервенционный эффект ИМ-ИМК через оценку клинической функции и результаты оценки функции мозга, тем самым предоставляя идеи и ссылки для применения клинической реабилитации и исследования механизмов.

Введение

Почти 85% пациентов с инсультом имеют двигательную дисфункцию¹, особенно из-за ограниченного реабилитационного эффекта пациентов с умеренной и тяжелой двигательной дисфункцией верхних конечностей, которая серьезно влияет на способность пациентов жить самостоятельной повседневной жизнью и является предметом и сложностью исследований. Неинвазивный интерфейс мозг-компьютер (ИМК) известен как новый метод лечения для реабилитации двигательной дисфункции после инсульта². ИМК — это прямое преобразование сенсорного восприятия, образов, познания и мышления пользователей или субъектов в действия, не полагаясь на периферические нервы или мышцы, для установления прямых каналов связи и управления между мозгом и^{внешними устройствами.} В настоящее время парадигмы ИМК для клинической реабилитации включают моторные образы (ИМ), стационарные зрительные вызванные потенциалы (SSVEP) и слуховые вызванные потенциалы (AEP) P300⁴, из которых наиболее часто используемым и удобным является моторно-образный интерфейс мозг-компьютер (MI-BCI). ИМ — это вмешательство, которое использует визуальные/кинестетические моторные образы для визуализации выполнения двигательных задач (таких как движения кисти, руки или ноги). С одной стороны, предыдущие исследования показали, что активация ассоциированной моторной коры во время ИМ аналогична фактическому^{моторному} исполнению. С другой стороны, в отличие от других парадигм, ИМ может активировать определенную область активности через моторную память без какого-либо внешнего стимула для улучшения двигательной функции; Это способствует реализации у пациентов с инсультом, особенно в сочетании с нарушением слуха⁶.

Кроме того, было показано, что MI-BCI оказывает положительное влияние на улучшение двигательной дисфункции у пациентов с инсультом. Cheng et al. сообщили, что по сравнению с простым вмешательством в мягкие роботизированные перчатки, мягкие роботизированные перчатки на основе MI-BCI в сочетании с задачами, ориентированными на повседневную деятельность, показали более очевидное функциональное улучшение и более длительный кинестетический опыт у пациентов с хроническим инсультом после 6 недель вмешательства. Кроме того, он также был способен вызывать восприятие двигательных движений⁷. Кроме того, Ang et al. включили 21 пациента с хроническим инсультом с умеренной и тяжелой дисфункцией верхних конечностей для рандомизированного вмешательства. Клиническая функция оценивалась до и после вмешательства с помощью оценки верхних конечностей по методу Фугля-Мейера (FMA-UE). Результаты показали, что по сравнению с простым роботизированным вмешательством с помощью тактильной ручки (HK) и стандартным вмешательством в терапию руки (группа SAT), эффект усиления движения HK на основе вмешательства MI-BCI (группа BCI-HK) был значительно лучше, чем в двух других группах⁸. Тем не менее, специфическая операция MI-BCI все еще требует нормативных стандартов, и механизм нейронного ремоделирования должен быть полностью изучен, что ограничивает клиническое применение и продвижение MI-BCI. Таким образом, показывая процесс вмешательства MI-BCI у 36-летнего пациента с инсультом и двигательной дисфункцией верхних конечностей, это исследование обобщит изменения функциональных результатов и ремоделирование функции мозга до и после вмешательства, чтобы продемонстрировать полный процесс работы MI-BCI и предоставить идеи и ссылки для применения клинической реабилитации и исследования механизмов.

протокол

Этот проект был одобрен Ассоциацией медицинской этики Пятой аффилированной больницы Медицинского университета Гуанчжоу (одобрение No. KY01-2021-05-01) 19 августа 2021 года. Исследование было зарегистрировано в Китайском реестре клинических испытаний (регистрационный номер: NO. ChiCTR2100050162) 19 августа 2021 года. Все пациенты подписали форму информированного согласия.

1. Подбор персонала

1. Критерии включения
   1. Набор пациентов, отвечающих диагностическим критериям инсульта, сформулированным четвертой Национальной конференцией по цереброваскулярным заболеваниям; иметь подтвержденный апоплексический удар головного мозга методом компьютерной томографии головного мозга или магнитно-резонансной томографии с течением заболевания ≥ 6 месяцев; перенес инсульт, приведший к дисфункции одной руки на стадии 1-3 по Брунстрому; пройти Монреальский когнитивный тест (MoCA) ≥ 26 лет; в возрасте от 50 до 75 лет; преобладает праворукость; добровольно подписали информированное согласие.
2. Критерии исключения
   1. Исключить пациентов с переломами верхней конечности в анамнезе, деформацией верхней конечности и т.д.; их состояние нестабильно или в ходе эксперимента происходят изменения, что сказывается на результатах эксперимента; не смог завершить эксперимент из-за серьезных заболеваний сердца, легких, печени и почек и других важных органов; тяжелая когнитивная дисфункция или афазия; страдающие серьезными психическими расстройствами; прием лекарственных препаратов, снижающих порог приступов; иметь любое имплантированное устройство или металл, на который может влиять магнитное поле, создаваемое транскраниальной магнитной стимуляцией (ТМС).

2. Обучение MI-BCI

ПРИМЕЧАНИЕ: В этом исследовании был выбран робот для реабилитации функции верхних конечностей кисти на основе моторных изображений. Устройство включает в себя колпачок для электроэнцефалограммы (ЭЭГ) (рис. 1А), компьютерный терминал (т.е. интерфейс управления; Рисунок 1B), внешний манипулятор (Рисунок 1E) и 23-дюймовый экран компьютера (Рисунок 1C).

1. Подготовка предметов
   1. Объясните цель и метод тренировки и запишите их для предметов.
   2. Наденьте на испытуемого колпачок MI-BCI EEG так, чтобы точка Cz головы испытуемого совпадала с точкой Cz колпачка ^9,10. Точка Cz объекта является вершиной центра головы. Чтобы убедиться в этом, проверьте точку пересечения линии ушной бусины и средней линии человека, проходящей через центр носа и бровей. Определите точку Cz колпачка ЭЭГ в соответствии с международной системой позиционирования ЭЭГ^{10-20 11}.
   3. Держите уши открытыми от ушного шва головной шапки и отрегулируйте подбородочный ремень, чтобы зафиксировать головную шапку.
   4. Вставьте 24 электрода, смоченных в обычном физиологическом растворе, в канавку ЭЭГ-колпачка и зафиксируйте 2 электрода сравнения в двух мочках уха.
      ПРИМЕЧАНИЕ: Электрод следует держать во влажном состоянии без каплей. Если электрод слишком сухой, это повлияет на процесс получения сигнала ЭЭГ. Если электрод слишком влажный, капающий физиологический раствор может повлиять на функциональные характеристики субъекта.
   5. Как оператор, обратите внимание на получение данных ЭЭГ во время обучения. Если существует небольшой диапазон нарушений ЭЭГ, сначала подумайте, показывает ли соответствующий электрод сухость, нехватку воды или другие условия во время тренировки. В это время немедленно остановите тренировку и регистрацию ЭЭГ и хорошенько намочите электрод перед продолжением тренировки.
   6. Если сигнал ЭЭГ имеет обширный диапазон возмущений, сначала подумайте, упал ли электрод сравнения или нет. В это время немедленно прекратите тренировку и снова зажмите электрод сравнения на мочке уха.
   7. Наденьте манипулятор на пациента и отрегулируйте его в удобное положение для тренировки, чтобы предотвратить боль в предплечье верхней конечности, вызванную чрезмерным затягиванием или соскальзыванием.
2. Работа с программным обеспечением
   1. Откройте тренировочное программное обеспечение MI-BCI для реабилитации функции верхних конечностей кисти, щелкните «Список пользователей» и введите информацию о пациенте, включая имя, название заболевания, дату рождения, дату болезни и расположение пораженной стороны.
   2. Отрегулируйте стабильность сигнала ЭЭГ так, чтобы не было явных помех.
   3. Нажмите кнопку «ЭЭГ в состоянии покоя », чтобы пациент завершил процесс получения ЭЭГ в состоянии покоя в соответствии с голосовыми и текстовыми подсказками: Пожалуйста, закройте глаза, чтобы расслабиться, и пожалуйста, откройте глаза. Этого хватает на 60 с.
   4. Нажмите кнопку «Постановка задачи », чтобы задать сложность задачи и продолжительность тренировки. Установите начальную сложность тренировки вверх или вниз от уровня 9 в зависимости от фактической ситуации пациента и установите продолжительность тренировки равной 30 минутам.
   5. Во время обучения система MI-BCI будет автоматически корректировать сложность задачи в соответствии с производительностью пациента. Проверьте сложность тренировки, отраженную в размере захватываемых объектов; Чем сложнее задача, тем тоньше захватываемые предметы.
   6. Нажмите кнопку «Задача ЭЭГ », чтобы начать формальное обучение. На экране со стороны пациента отображается: Пожалуйста, закройте глаза и расслабьтесь на 5 секунд.
   7. Через 5 секунд на экране со стороны пациента отобразится: Пожалуйста, откройте глаза и представьте, что ваша рука раскрыта/сжата в кулак, что длится в течение 3 секунд. Попросите пациента следовать командам на экране.
   8. На экране со стороны пациента отображается захватывающее видео/видео открывания, чтобы помочь пациенту смоделировать действия, демонстрируемые на видео в воображении. Попросите пациента выполнить это задание на движение воображения, которое длится 5 с.
   9. Система извлекает сигнал ЭЭГ моторного воображения пациента, использует алгоритм для анализа оценки двигательного намерения и отображает его на экране со стороны пациента. Проверьте обратную связь робота, которая отобразится через 4 секунды.
      ПРИМЕЧАНИЕ: Модель, принятая в системе MI-BCI, представляет собой FBCNet (многополосная фильтрация + свертка разделения каналов + дисперсионный слой + FC) для извлечения признаков и оценки сигналов ЭЭГ¹². Пороговое значение системы MI-BCI определяется на основании большого количества данных клинических исследований и основного алгоритма ЭЭГ. Пороговое значение – 60 баллов.
   10. Проверьте отображаемое намерение двигателя. Если двигательное намерение пациента составляет ≥ 60 баллов (пороговое значение), система распознает, что указанное действие было достигнуто. Если намерение пациента двигаться < 60 пунктов, и система определяет, что пациент не может выполнить указанное движение, убедитесь, что аудио побуждает пациента продолжать движение и не отчаиваться, и пациент это соблюдает.
   11. Во время тренировочного процесса наблюдайте за формой волны ЭЭГ в режиме реального времени. Если возникла какая-либо нештатная ситуация, вовремя приостановите тренировку и возобновите тренировку после того, как сигнал будет настроен на стабильность. Если пациент испытывает боль или дискомфорт во время тренировки, прекратите тренировку и запишите причину прекращения.

3. Клиническая оценка

1. Сбор информации
   1. Собирать и записывать основную личную информацию о субъектах, такую как имя, пол, дата рождения, уровень образования и т. д.
   2. Заполните коллекцию историй болезни субъекта, таких как история болезни, история приема лекарств, личная история и т. д.
2. Оценка двигательной функции
   1. Оцените оценку верхней конечности по шкале Фугля-Мейера (FMA-UE)¹³ у пациентов с инсультом.
      Общий балл – 66. Чем выше балл, тем лучше функциональные показатели пациента.
   2. Оцените тест моторной функции Вольфа (WMFT)¹⁴ на пациентах, перенесших инсульт. Общий балл – 85. Чем выше балл, тем лучше функциональные показатели пациента.
3. Оценка когнитивных функций
   1. Оцените мини-обследование психического состояния (MMSE)¹⁵ по вопросам, связанным с инсультом. В зависимости от уровня образования разделите балл на неграмотный ≤17, уровень образования начальной школы ≤20 и уровень образования младшей средней школы и выше ≤24.
4. Оценка эмоциональной функции
   1. Оцените шкалу тревоги Гамильтона (HAMA)¹⁶ на пациентах, перенесших инсульт. Диапазон оценок: ≥21, есть явная тревога; ≥14 баллов, определенно есть тревожность; и более 7 баллов, может быть тревожность. Оценка менее 7 указывает на отсутствие симптомов тревоги.
   2. Оцените шкалу депрессии Гамильтона (HAMD)¹⁷ у пациентов с инсультом. Балл < 7 является средним, балл 7-17 указывает на то, что у человека может быть депрессия, балл 17-24 указывает на то, что у человека может быть диагностирована депрессия, а балл >24 указывает на то, что у человека тяжелая депрессия.

4. Оценка функции мозга fNIRS

Для этого исследования разместите 10 источников и 12 детекторов на тестовых головных колпачках fNIRS, чтобы они соответствовали восьми областям интереса (ROI) в этом исследовании, включая двустороннюю дорсолатеральную префронтальную кору (DLPFC), дорсолатеральную промоторную кору (PMC), дорсолатеральную первичную моторную кору (M1) и дорсолатеральную первичную сенсорную кору (S1; Рисунок 2).

1. Подготовка тематики
   1. Объясните цель и метод обучения и запишите их для предметов. Убедитесь, что испытуемые понимают суть эксперимента и знакомы с соответствующими процедурами; Это помогает улучшить соблюдение пациентами режима лечения.
   2. Наденьте на испытуемого тестовый колпачок fNIRS, определите точку Cz головы испытуемого и убедитесь, что она совпадает с точкой Cz головного колпачка, как описано в шаге 2.1.2.
   3. Отрегулируйте головную уборку под субъекта, чтобы убедиться, что оба уха открыты из ушного шва шапки, двусторонние ушные края колпачка естественно прилегают к двустороннему сосцевидному отростку, передний край колпачка естественно прилегает ко лбу, а задний край естественно прилегает к задней затылочной части. Отрегулируйте подбородочный ремень, чтобы зафиксировать колпачок.
   4. Отрегулируйте натяжение челюстной ленты соответствующим образом. Если он будет слишком свободным, это приведет к смещению головного колпака во время эксперимента, что приведет к неточному позиционированию и повлияет на захват сигнала. Если он будет слишком тугим, это будет доставлять дискомфорт субъекту, что снизит податливость и скажется на функциональных показателях предмета.
2. Предварительный сбор и сбор данных
   1. Войдите в управляющее программное обеспечение fNIRS, выберите испытуемого и создайте файлы лечения пациента в соответствии с информацией о пациенте.
   2. Нажмите кнопку «Предварительный сбор » для калибровки сигналов. В соответствии с интенсивностью сигнала участка, отображаемого функциональной системой визуализации мозга в ближнем инфракрасном диапазоне, улучшите интенсивность сигнала и стабильность участка, отрегулировав источник света или приемник головной уборки таким образом, чтобы он находился ближе к коже головы объекта.
   3. Когда система отображает все сайты зеленым цветом, уровень сигнала стабилен. Остановите предварительный сбор и нажмите кнопку Automatic gain (Автоматическое усиление ), чтобы выполнить окончательную настройку сигнала.
      ПРИМЕЧАНИЕ: В процессе предварительного сбора данных система функциональной визуализации мозга в ближнем инфракрасном диапазоне отображает различные цвета, чтобы представить мощность сигнала сайтов. Серый цвет обозначает низкий уровень сигнала, желтый — хороший, зеленый — отличную мощность сигнала, а красный — слишком сильный.
   4. Нажмите кнопку « Старт », чтобы собрать сигналы. Наблюдайте и записывайте различные условия в эксперименте, такие как колебания сигнала и плохой контакт электродов.
3. fNIRS-оценка моторных задач
   1. Выберите парадигму Motor Task в системе fNIRS.
   2. Положите верхнюю конечность пациента на испытательный стол и попросите пациента отдохнуть в течение 10 с перед экспериментом.
   3. Попросите пациента следовать ритму упражнений, чтобы захватить пораженную руку в три блока во время эксперимента, каждый блок включает в себя 30 с задания и 30 с отдыха. Каждое задание состоит из 15 попыток, каждое из которых включает в себя 1 с захвата и 1 с раскрытия захвата.
   4. Во время каждого отдыха просите пациентов закрыть глаза и отдохнуть. Если субъект не может ухватиться за пораженную руку, попросите его выполнить упражнение на моторное воображение. Испытание длится 190 с (рис. 3). После того как все три блока будут завершены, завершите задачу, сохраните данные и импортируйте их в самостоятельно созданную базу данных.
4. fNIRS - оценка когнитивных задач (задача Струпа)
   1. Запустите программное обеспечение для поведенческих исследований и выберите парадигму когнитивной задачи . Выберите файлы лечения пациента, а затем выберите тест конгруэнтности.
   2. Попросите испытуемого положить здоровую руку на кнопку клавиатуры, затем попросите его отдохнуть в течение 10 секунд до начала испытания. Выполните три блока теста на конгруэнтность, каждый блок включает в себя задание 60 с и 30 с отдыха. Каждая задача состоит из 10 попыток, каждая из которых состоит из фиксации по 2000 мс и по 4000 мс стимул-реакция общей продолжительностью 280 с (рис. 4).
      1. Когда слева от шрифта поля отображается символ left, как можно скорее нажмите кнопку ← на клавиатуре в соответствии со значением символа (то есть left).
      2. Когда символ справа отображается слева от сетки полей, нажмите кнопку → на клавиатуре как можно скорее в соответствии со значением символа (т.е. справа).
   3. Выберите тест на неконгруэнтность; Процедура такая же, как и при тесте на конгруэнтность.
      1. Когда слева от шрифта поля отображается правый символ, игнорируйте значение символа и как можно скорее нажмите кнопку ← на клавиатуре в соответствии с положением, где отображается текст (т.е. слева).
      2. Когда слева от шрифта поля отображается левый символ, игнорируйте значение символа и как можно скорее нажмите кнопку → на клавиатуре в соответствии с положением текста (т.е. вправо).
   4. Выполните задание, сохраните данные и экспортируйте их в самостоятельно созданную базу данных.

5. Последующая обработка

1. Выполните оценку, как это было сделано для оценки клинической функции и оценки функции мозга fNIRS перед лечением. Выполните все оценки после окончания^10-го сеанса обучения (подробнее см. шаги с 3.1 по 4.4).

6. Обработка и анализ данных

1. Обобщайте и анализируйте личную информацию пациентов и данные шкалы клинической оценки.
2. Используйте коммерческое программное обеспечение для предварительной обработки данных ближнего инфракрасного диапазона. Выполнение устранения временных интервалов и артефактов движения интерференционных испытаний, выбор полосового фильтра (0,01-0,2 Гц) для удаления шума, расчет относительных изменений оксигенированного гемоглобина (HbO) и дезоксигенированного гемоглобина (HbR) в соответствии с модифицированным законом Бера-Ламберта и преобразование сигнала оптической плотности в сигнал концентрации кислорода в крови.
   Примечание: HbO более чувствителен к изменениям между различными условиями, чем HbR, поэтому в данной схеме исследования для последующего анализа используются только данные HbO.
3. Выберите HbO в типе кислорода крови в качестве данных анализа. Настройте матрицу дизайна GLM и выберите фазу задачи в задаче. Нажмите кнопку Оценка, чтобы сопоставить установленную матрицу проектирования с собранными данными.
4. Используйте установленную модель линейной корреляции для вычисления значения бета в каждом ROI. Экспортируйте параметры, коэффициент точности (ACC) и время отклика (RT) в задаче Струпа с помощью программного обеспечения для поведенческих исследований.

Результаты

В исследовании представлена клиническая функция и ремоделирование функции мозга до и после вмешательства MI-BCI у 36-летнего пациента с инсультом. Более чем через 4 месяца после кровоизлияния в мозг результаты визуализации показали очаг хронического кровотечения в правой лобной доле и пр...

Обсуждение

Реабилитационный период при умеренной и тяжелой двигательной дисфункции верхних конечностей после инсульта длительный, а восстановление затруднено, что всегда было в центре^{внимания клинических исследований} в области реабилитации. Традиционное обучение реабилитации ве...

Материалы

Name	Company	Catalog Number	Comments
MI-BCI	Rui Han, China	RuiHan Bangde	NA
E-Prime		version 3.0	behavioral research software.
fNIRS	Hui Chuang, China	NirSmart-500	NA
NirSpark			preprocess near-infrared data