Bu çalışmanın görüşleri, hipotezleri, sonuçları ve tavsiyeleri yazarlara aittir ve fon sağlayan kuruluşun görüşlerini temsil etmeyebilir. JRS, teknolojik destek için Sao Paulo Araştırma Vakfı'na (FAPESP, hibe numaraları 2021/05332-8, 2018/04654-9, 2018/21934-5 ve 2023/02538-0) ve Jackson Cionek'e minnettardır. AMM ve Vivax Ltda, FAPESP (São Paulo Araştırma Vakfı) ve FINEP (Brezilya İnovasyon Ajansı) 'na minnettardır. Bu proje FAPESP (hibe numarası 2018/09559-4) ve FINEP (hibe numarası 2019/09933-6) tarafından finanse edilmiştir.

Bu çalışma, UNICEP'in (Centro Universitario Paulista) yerel Etik İnceleme Kurulu tarafından onaylanmıştır. Tüm katılımcılar, insanları içeren bilimsel araştırmalarla ilgili tüm kurumsal yönergelere ve federal normlara uyarak bilgilendirilmiş onam verdiler. Brezilya federal düzenlemelerinin gerektirdiği şekilde hiçbir mali tazminat almadılar.
1. fNIRS sistemi
<ol><li>Kapağı 16 optod kullanarak hazırlayın: 8 ışık kaynağı (760 nm ve 850 nm) ve 8 ışık dedektörü (bkz. Şekil 2; kaynakların konumu: FC1, FC2, C3, Cz, C4, CP1, CP2 ve Pz; dedektörlerin konumu (FCz, C1, C2, CPz, P1 ve P3). Sekizinci dedektörü, kaynak optodların her birine bağlı olan kısa mesafeli adaptöre takın.</li>
	<li>fNIRS toplama yazılımını açın ve montajı her bir optodun yerleşimi ile yükleyin.</li>
	<li>fNIRS sinyali geçici örnekleme hızını 10.17 Hz'e ayarlayın.</li>
</ol>2. Katılımcılar
<ol><li>Katılımcıya araştırmanın uygunluğunu ve deneysel protokolü kısaca açıklayın.</li>
	<li>Katılımcı gönüllü olmayı kabul ederse, gönüllünün insanları içeren bilimsel araştırmalarla ilgili tüm kurumsal yönergelere ve federal normlara uyarak bilgilendirilmiş onam verdiğinden emin olun.</li>
	<li>Gönüllüye, bilgisayar monitöründen yaklaşık 150 cm uzağa yerleştirilmiş robotun önündeki bir koltuğa oturmasını söyleyin.</li>
	<li>Ayakkabıları çıkardıktan sonra, katılımcının ayağını Velcro (cırt cırtlı) kayışlarla robot koluna rahatça takın (bkz. Şekil 1, sol üst panel).</li>
	<li>fNIRS kapağını optodlarla birlikte katılımcının kafasına yerleştirin ve çenenin altındaki cırt cırtlı tutturucu ile güvenli bir şekilde sabitleyin.</li>
	<li>Ortam ışığının parazitini azaltmak için üst kapağı optode kapağına yerleştirin.</li>
</ol>3. Veri toplama
<ol><li>Hareket artefaktları riskini en aza indirmek için her katılımcıya ani baş hareketleri yapmamalarını söyleyin.</li>
	<li>Optimum sinyal kalitesi için fNIRS sistemini kalibre edin.</li>
	<li>Arayüzde gösterildiği gibi tüm kanalların iyi kalitede olduğunu onaylayın. Değilse, kafa derisi ile optode ucu arasındaki tüyleri almaya çalışın.</li>
	<li>Ekranda gösterilen hedeflere ulaşmak için robota bağlı ayağı hareket ettirerek katılımcıya oyunun nasıl oynanacağını açıklayın.</li>
	<li>Katılımcılara iki koşul olacağını açıklayın: robotik yardımsız ve yardımlı.</li>
</ol>4. Robotik sistem
<ol><li>Monitörü ve robotu elektrik şebekesi kaynağına bağlayarak sistemi çalıştırın. İşletim sistemi başlatıldıktan sonra, ilk oyun arayüzü belirir.</li>
	<li>Robotik kolu standart konuma yerleştirin ve robotik kolun doğru konumlandırılmış geri bildirim mesajını almasını bekleyin.</li>
	<li>Robot oyun arayüzüne giriş yapmak için katılımcı ve deneyci hakkında açıklayıcı verileri sisteme girin.</li>
	<li>Oyun seçim arayüzünde, oturum süresini 30 sn dinlenme aralıklarıyla 6 dakika olarak yapılandırın.</li>
	<li>Katılımcı tarafından kullanılacak uygun bacağı (sağ veya sol) seçin.</li>
	<li>Piknik Oyununu seçin ve oyunu oynamak için Git'e tıklayın.</li>
</ol>5. Veri analizi
<ol><li>Değiştirilmiş Beer-Lambert denklemi49'u kullanarak ham sinyalleri hemodinamik durumlara (oksihemoglobin (HbO) ve deoksihemoglobin (HbR)) dönüştürün.</li>
	<li>Hareket artefaktlarından daha az etkilenen sağlam tahmin ve otokorelasyon tahmini ile Genel Doğrusal Modeli (GLM) kullanarak bireysel aktivasyon haritaları oluşturun50. Bağımsız değişken olarak kanonik Hemodinamik Yanıt Fonksiyonu (HRF) ve bağımlı değişken olarak gözlemlenen HbO veya HbR sinyali tarafından dolambaçlı deneysel tasarımı (dinlenme = 0; oyun/oyun = 1) kullanın.</li>
	<li>Her kanal için, oyun/oyun sırasında beta katsayısını (kanalın aktivasyon gücünü yansıtan) diğerlerine kıyasla çıkarın.</li>
	<li>Kanalları üç İlgi Bölgesinde (YG) birleştirin ve YG kanallarındaki aktivasyon katsayılarının (GLM betaları) ortalamasını alın. ROI'leri aşağıdaki gibi tanımlayın (bkz. Şekil 2): (1) sol yarımküre için ön motor alanı (kanallar [FC1-FCz, C1-FC1, C1-Cz, C3-C1]); (2) sol hemisfer için somatomotor alan (kanallar [C3-CP1, CP1-P1, CP1-CPz, P1-Pz]); ve (3) ek motor alanı (SMA) (kanallar [Cz-FCz, CPz-Cz]). NOT: Burada51,52,53'te incelenene benzer motor görevlerle ilgili önceki literatüre dayanarak ve tüm katılımcıların motor görevi sağ bacaklarıyla yürüttüğü göz önüne alındığında, sol (kontralateral) premotor ve somatomotor ile SMA bölgelerinin her iki durumda da oyun/oyun performansı sırasında aktivasyon göstereceği ve yardımsız durumda daha güçlü aktivasyon göstereceği varsayılmıştır.</li>
	<li>Parametrik olmayan Wilcoxon testini bu betalara uygulayın. Tip I Hatasını %5 olarak ayarlayın (tek kuyruklu analiz).</li>
</ol>

Alt Ekstremite Robotik Terapi Seansı Sırasında fNIRS ile Beyin Aktivasyonunun Değerlendirilmesi

AMM, Vivax Yardımcı Rehabilitasyon Makinesi'ni (ARM) geliştiren Vivax Ltda şirketinin sahibidir. LD, bir tıbbi cihaz şirketi olan Highland Instruments'ta bir memurdur. Görüntüleme, beyin stimülasyonu, teşhis, modelleme ve simülasyon ile ilgili olarak kişisel olarak veya şirkette bir memur olarak bekleyen veya yayınlanmış patentleri vardır. Diğer yazarlar herhangi bir çıkar çatışması beyan etmezler.

Bu kavram kanıtlama çalışmasında, alt ekstremite rehabilitasyonu için bir robot kullanarak farklı hareket türleriyle egzersiz yapan sağlıklı deneklerden alınan fNIRS verilerini kullanarak beyin aktivasyon haritalaması üzerine çıkarımlar yapmanın fizibilitesi araştırılmıştır. Yetişkinlerde tipik fNIRS kayıt seansları 6 dakikadan daha uzundur54. Bununla birlikte, bir rehabilitasyon ortamı bağlamında kayıtları uygulanabilir kılmak için, denek için gereksiz yorgunluk...

Epidemiyolojik veriler, dünya çapında her yıl ~ 17 milyon yeni inme vakası olduğunu ve düşük ve orta gelirli ülkelerde görülme sıklığında bir artış olduğunu göstermektedir1. Yeni vaka sayısının 2030 yılına kadar 77 milyona çıkacağı tahmin edilmektedir2. İnmeye bağlı motor bozukluk genellikle hastanın hareketliliğini ve günlük yaşam aktivitelerine katılımını etkileyerek düşük yaşam kalitesine katkıda bulunur. Geleneksel motor rehabilitasyon manuel terapiyi içerir, ancak son birkaç on yılda rehabilitasyon için robotik sistemler geliştirilmiştir. Bu sistemler yüksek yoğunlukta, dozda, ölçülebilirlikte, güvenilirlikte, tekrarlanabilirlikte ve esnekliktetedavi sağlayabilir 3 ve hem akut hem de kronik inme hastaları için etkili rehabilitasyon tedavileri olarak potansiyel göstermiştir 4,5,6. Rehabilitasyon için robotik sistemler, tedavi sunmanın yanı sıra, hasta hareket kinematik/kinetik verilerini ölçebilen sensörlerle donatılabildikleri için değerlendirme araçları olarak kullanılabilir 7,8. Üst ekstremite motor rehabilitasyonu için, bu tür verilerin sadece robotik terapi ile ortaya çıkan hastanın motor iyileşme düzeyini değerlendirmek için yararlı olduğu kanıtlanmakla kalmamıştır ve geleneksel klinik değerlendirmelere ek bir araç olarak hizmet etmiştir 9,10, aynı zamanda inme11'den motor iyileşme sürecinin anlaşılmasına da katkıda bulunmuştur. 12 sağlıklı deneklerde hareket ve motor öğrenmenin sinirsel kontrolünün yanı sıra 3,13,14. Sonuç olarak, bu bulgular rehabilitasyon tedavilerinin geliştirilmesi için bir temel oluşturmuştur15.
Son yirmi yılda, alt ekstremite nörorehabilitasyonu için, yürüme sırasında hastanın vücut ağırlığını destekleyen dış iskeletlerden (örneğin, Lokomat16 gibi bir koşu bandı üzerinden) hastanın ayak bileği, diz veya ayağını yürümeden egzersiz yapmasına izin veren sabit robotik sistemlere (Rutgers Ankle17 gibi) kadar birçok robotik cihaz önerilmiştir. Yüksek Performanslı Ayak Bileği Rehabilitasyon Robotu18 ve Gwangju Bilim ve Teknoloji Enstitüsü (GIST) ayak bileği/ayak rehabilitasyon robotu19) veya hasta tarafından yerde veya bir koşu bandı üzerinde yürümek için giyilen tahrikli dış iskeletler olan aktif ayak ortezleri (Motorlu Yürüyüş Ortezi20 ve MIT Ayak Bileği Botu21 gibi). Alt ekstremite rehabilitasyonu için robotlar hakkında bir inceleme için 22,23,4'e bakın.
İnme hastalarında alt ekstremite rehabilitasyonu için robotik cihazların klinik çalışmalarının sonuçları cesaret verici olmuştur ve bu sistemlerin, spesifik cihaza ve klinik protokole bağlı olarak eklemlerin Hareket Açıklığını (ROM), kas kuvvetini veya yürüyüşünü iyileştirebileceğini göstermiştir (rehabilitasyon için alt ekstremite robotlarının etkinliği hakkında bir inceleme için bkz. 24,25). Robot destekli terapinin nöroplastik değişiklikleri teşvik ettiği ve sonuçta motor yeteneklerin gelişmesiyle sonuçlandığıvarsayılmış olsa da 26, inmeden motor iyileşme sürecinin tam olarak nasıl gerçekleştiği ve hangi robotik eğitim protokollerinin alt ekstremite motor yeteneklerinin iyileşme sürecini optimize ettiği çoğunlukla belirsizliğini korumaktadır. Aslında, rehabilitasyon robotlarının artan gelişimi (akademik araştırmacılar veya ticari kuruluşlar tarafından) ile motor iyileşmenin altında yatan nörofizyolojik mekanizmaların sınırlı anlaşılması arasında önemli ve artan bir eşitsizlik vardır4. Gömülü sensörlerle alınan hareket kinematiği veya eklem torklarının ölçümleri, hastalar alt ekstremite motor yeteneklerini geri kazanırken ortaya çıkan motor davranış değişikliklerini nicel olarak tanımlamaya katkıda bulunmuştur 27,28,29 ve bu boşluğu kısmen doldurmuştur. Bununla birlikte, bu tür değişikliklerin altında yatan nöral korelasyonlar daha az araştırılmıştır. Bunun birkaç nedeni var.
Beyin fonksiyonel görüntüleme zaman alıcıdır ve bazen klinik çalışmalar bağlamında tamamlanması zordur, bu da hastanın çalışmaya uyma olasılığını en üst düzeye çıkarmak için genellikle hasta yükünü minimumda tutmayı gerektirir. Bu, inme sonrası yorgunluk ve kas güçsüzlüğünün sıklıkla gözlendiği gerçeği göz önüne alındığında, özellikle felç geçirmiş bireyler için geçerlidir30. Ayrıca, fonksiyonel Manyetik Rezonans Görüntüleme (fMRI) gibi manyetik alanlara dayalı görüntüleme yöntemleri, hem hasta hem de robotik donanımın mıknatıs açısından güvenli olmasını gerektirir.
Non-invaziv görüntüleme yöntemleri arasında, fonksiyonel Yakın Kızılötesi Spektroskopisi (fNIRS), robotik tedavi gören deneklerde beyin aktivasyon alanlarını değerlendirmek için özellikle uygun bir görüntüleme tekniğidir. fMRI'ya benzer şekilde, fNIRS beyindeki kan oksijenasyonunu / oksijensizmesini ölçer. Bununla birlikte, fMRI'dan farklı olarak, fNIRS robotik donanımla tamamen uyumludur ve genellikle taşınabilir, hatta yatak başında bile kullanılabilir. Ayrıca, fNIRS düşük maliyetlidir ve hareket artefaktlarına karşı daha az duyarlılığasahiptir 31,32,33.
70'lerin sonlarında ilk kez piyasaya sürülmesinden bu yana birçok klinik ortamda açık avantajlarına ve yaygın kullanımınarağmen34, sadece birkaç çalışma, alt ekstremite hareketleri ve inme motor iyileşmesi ile ilişkili beyin aktivasyonunu ölçmek için fNIRS'yi kullanmıştır. Hareketin nöral kontrolünün mekanizmalarını ve/veya mekanizmalarını aydınlatmayı veya inmeden motor iyileşmenin değerlendirilmesini amaçlayan FNIRS çalışmaları çoğunlukla tek eklem hareketlerini araştırmıştır (örneğin, dorsifleksiyon, plantar fleksiyon veya diz ekstansiyon hareketleri 35,36,37), yürüme 38,39,40,41,42,43 veya bisiklete binme44. İnceleme için45'e bakın. Benzer şekilde, alt ekstremite için robot yardımlı terapi üzerine yapılan fNIRS çalışmaları çoğunlukla robot yardımlı yürüyüş rehabilitasyonuna odaklanmıştır; İnceleme için46'ya bakın. Birkaç çalışma, robotik cihazlar için kontrol sinyalleri elde etmek için Beyin-Bilgisayar Arayüzü (BCI) sisteminin bir parçası olarak fNIRS'in kullanılmasına odaklanmıştır47,48; Bu araştırma alanı aynı zamanda fNIRS sinyallerinin işlenmesine de dayanırken, amacı farklıdır ve esas olarak hasta niyetlerinin (örneğin, ciddi motor engelli hastalar) kodunu çözmeye odaklanmıştır.
Burada sunulan pilot çalışma, alt ekstremite rehabilitasyonu için robotik bir sistemin etkilerini araştırmaya yönelik ilk çabanın bir parçasıdır. Robot, günlük çok eklemli hareketlerde eğitimi içeren hedef odaklı alt ekstremite rehabilitasyonu sağlayabilir ve alt ekstremitenin tek eklemlerine (örneğin diz veya ayak bileği) terapi sağlayabilir (yani, aşağıdan yukarıya bir rehabilitasyon programı uygulayabilir).
Çalışma, alt ekstremite, çok eklemli işaretleme hareketlerinin gerçekleştirilmesi sırasında fNIRS verilerinin elde edilmesini gerektiren deneysel bir protokolün fizibilitesini araştırmayı amaçladı. 6 dakika ile sınırlı olan bu çalışmada veri toplama süresi tipik fNIRS protokollerine göre daha kısadır. Bu, özellikle sınırlı hareket kabiliyeti veya gücü olan hastalarda, bu araştırmanın pratikliğini ve klinik uygulanabilirliğini arttırmak amacıyla yapılan kasıtlı bir seçimdi. Bu tür karmaşık çok eklemli hareketlerin fNIRS korelasyonlarını belirlemek ve beyin aktivasyonunun robot yardımı ile nasıl modüle edildiğine dair içgörüler elde etmek de ilgi çekici noktalardı. Bu amaçla, aynı katılımcılarla iki deney seansı gerçekleştirildi: biri robot yardımı olmadan, diğeri robot yardımıyla. Son olarak, bu çalışmanın, protokol fizibilitesinin kaydedilmesi ve robotik terapi ile hedeflenen hareketler sırasında beyin aktivasyonunun değerlendirilmesi açısından gelecekteki araştırmalara temel oluşturması açısından sağlıklı deneklere odaklandığını belirtmek önemlidir.
Cihaz Deneylerimizi yürütmek için alt ekstremite rehabilitasyonu sağlamak üzere tasarlanmış taşınabilir bir robot (bkz. Şekil 1) kullanıldı. Robot, 3D erişilebilir bir çalışma alanına sahiptir ve kompakt ve hafiftir, yaklaşık 35 lb ağırlığındadır, bu da taşımayı ve kurmayı kolaylaştırır.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> Şekil 1: Deney düzeneği. (A) Alt ekstremite için tasarlanmış robotik sistem (zemine monte edilmiş). Bir gönüllü, arayüzü sağ ayağıyla kullanırken gösterilir. (B) Deneğin ayağı için robotik sisteme bağlanmayı sağlayan destek yapısı. (C) Piknik oyununun ekran görüntüsü. Oyunun amacı ayağı (yeşil ve beyaz ayakkabı) hedefe (sarı daire) hareket ettirmektir. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
Robotik sistem, bir hastanın işaret etme veya tekme atma gibi günlük görevlerde yapılanlara benzer alt ekstremite hareketlerini gerçekleştirmesine yardımcı olmak için tasarlanmıştır. Bir bilgisayar monitöründe veya robotik cihazın önüne yerleştirilmiş bir televizyon ekranında görüntülenen etkileşimli sanal gerçeklik oyunlarını kullanır (bkz. Şekil 1). Robot ucu efektörü hastanın alt ekstremitesine (örneğin ayak bileği) takılır ve konumu ekrandaki bir imlecin konumuyla eşleştirilir. Tipik bir oyun, hastanın hareket hedeflerini gösterir (örneğin, işaret edilecek nesne veya topun nereye vurulacağı).
Hareket görevini tamamlamak için robot, hastaya tam yardımdan hiç yardıma kadar değişebilen bir yardım seviyesiyle yardımcı olabilir. Robotik yardım seviyesi, hastanın motor bozukluğu seviyesine göre her rehabilitasyon seansının başında seçilir. Denek tarafından gerçekleştirilen hareketler, oyun tarafından hastanın performansını puanlamak ve performansları hakkında geri bildirim sağlamak için kullanılır (örneğin, ROM, hareket sayısı ve robotik yardım seviyesi). Oyunlar, hastanın ilgisini ve dikkatini sürdürmek için etkileşimli ve eğlenceli olacak şekilde tasarlanmıştır. Bu çalışmada katılımcılar, oyuncunun böceklerin havluya ulaşmasını ve yiyeceği çalmasını engellemek zorunda kaldığı "Piknik oyununu" oynadılar (ekran görüntüsü için bkz. Şekil 1, alt panel).
Veri toplama, iki farklı sürekli dalga optod (760 nm ve 850 nm), 8 çift uçlu LED kaynağı ve 8 çift uçlu aktif dedektör içeren taşınabilir bir fNIRS toplama sistemi ile gerçekleştirildi. Sinyaller, 10.17 Hz'lik bir örnekleme hızı kullanılarak elde edildi. fNIRS sistemi tarafından oluşturulan bir Wi-Fi ağı kullanılarak kalibrasyon optimizasyonu ve sinyal kaydı için bir dizüstü bilgisayar kullanıldı.
Optodları önceden belirlenmiş yerlerde tutmak için bir kapak kullanıldı. Kaynaklar ve detektörler, 10-10 uluslararası EEG sistemine göre ızgara uzamsal dağılıma göre yerleştirildi. Her bir fNIRS kanalı, optodlar arası mesafeleri yaklaşık 30 mm olan bir kaynak-dedektör çifti tarafından tanımlandı. Optodlar, Şekil 2'de gösterilen konumlarda ek motor, ön motor ve motor alanlarının üzerine yerleştirildi. Toplam kanal sayısı 28 idi, burada 8'i tek bir dedektöre fiber optik adaptör kullanılarak her kaynağa bağlanan kısa mesafeli kanallardı. Donanımın çoğullama kurulumu göz önüne alındığında, tek bir dedektör kullanarak tüm kaynaklardan kısa mesafeli bilgi elde etmek mümkündür.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> Şekil 2: 10-10 EEG sistemi kullanılarak montaj düzeni. Harfler ve sayılar kaynak/dedektör konumlarını gösterir. Kırmızı ve mavi noktalar sırasıyla kaynak ve dedektör optodlarını temsil eder. Yeşil çizgiler, kaynak ve dedektör çiftlerinden oluşan fNIRS kanallarını temsil eder. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
Deneysel tasarım Deney, robotun deneğin hareketleri için sağladığı yardım seviyesinde farklılık gösteren iki farklı deney koşulu altında gerçekleştirildi. İlk koşulda robot, deneğin hareketlerine herhangi bir yardım sağlamayacak şekilde programlanırken, ikinci koşulda robot, deneğin ayak ve bacak hareketlerini kontrol etti (robot destekli hareket).
Her deney, Şekil 3'te gösterildiği gibi, bir motor görevin (oyunu oynamak - 30 s) ve dinlenmenin (30 s) alternatif döngülerini içeren bir blok tasarım paradigmasını izledi. Her aşamanın (oyun/oyun veya dinlenme) başlangıcı ve bitişi, bilgisayar ekranı aracılığıyla deneğe görsel olarak bildirildi. Dinlenme aşamasında, duraklamayı belirten bir mesaj görüntülendi. Her döngünün (oyun/oyun + dinlenme) süresi 60 saniyeydi ve altı kez tekrarlandı, bu da toplam 360 saniyelik (6 dakika) bir çalışma süresiyle sonuçlandı.
Katılımcılar, böceklerin havluya ulaşmasını ve yiyecek çalmasını önlemenin amaçlandığı "Piknik oyunu" oynadılar. Bu oyun, belirlenmiş bir ev hedefinden (başlangıç pozisyonu) başlayan ve ana hedefe dönmeden önce üç dış hedeften birine doğru uzanan bir dizi alt ekstremite hareketini içeriyordu. Ekranda, dış hedefler, katılımcıların ulaşması ve üzerine basması gereken hareketli böcekler olarak görsel olarak temsil edildi. Her hareket için ortak bir ana hedefin yanı sıra, her biri rastgele eşit sayıda sunulan üç dışa ulaşma hedefi vardı. Ayağın ana hedeften dış hedeflerin konumuna gitmesi gereken mesafe, yaklaşık 26 cm ölçülerinde bir yay oluşturdu. Motor görev, diz fleksiyonu/ekstansiyonu, plantar fleksiyon ve dorsifleksiyon hareketleri arasında koordinasyon gerektiren çok eklemli hareketlerin yürütülmesini gerektiriyordu.
fNIRS veri kayıtları, robot tarafından üretilen bir transistör-transistör-mantık (TTL) darbesi aracılığıyla oyun tarafından deneğe sunulan görsel uyaranlarla senkronize edildi. Her aşamanın başlangıcında (oyun/oyun ve dinlenme) darbeler üretildi. Böylece, tüm zamanlama kontrolü, katılımcıya her hareketi başlatması için görsel ipuçları (hedefler) sağlayan, beyin aktivite kayıtlarını işaretlemek için fNIRS sistemine TTL sinyalleri gönderen ve deney gerektiriyorsa, hareket yardımını başlatmak için robot kontrol sistemine sinyaller gönderen oyun tarafından gerçekleştirildi.

<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

İnme, her yıl dünya çapında yaklaşık 17 milyon kişiyi etkilemektedir ve uzun süreli sakatlığın önde gelen nedenidir. Robotik tedavi, inme hastalarının kaybedilen motor fonksiyonlarını yeniden kazanmalarına yardımcı olma konusunda umut vaat ediyor. Motor iyileşmenin nasıl gerçekleştiğinin anlaşılmasını arttırmanın potansiyel bir yolu, sağlıklı bireylerde terapi tarafından hedeflenen hareketler sırasında beyin aktivasyonunu incelemektir. Fonksiyonel Yakın Kızılötesi Spektroskopisi (fNIRS), motor fonksiyonun nöral temellerini incelemek için umut verici bir nörogörüntüleme tekniği olarak ortaya çıkmıştır. Bu çalışmada sağlıklı bireylerde karmaşık alt ekstremite hareketlerinin fNIRS nöral korelasyonlarının araştırılması amaçlanmıştır. Katılımcılardan motor rehabilitasyon için robotik bir cihaz kullanarak 6 dakika boyunca dinlenme ve hareket döngüleri gerçekleştirmeleri istendi. Görev, bir bilgisayar ekranında görüntülenen hedefleri işaret etmek için koordineli diz ve ayak bileği eklem hareketleri gerektiriyordu. Robot tarafından sağlanan farklı hareket yardımı seviyelerine sahip iki deneysel koşul araştırıldı. Sonuçlar, fNIRS protokolünün görev sırasında motor kontrolü ile ilişkili beyin bölgelerini etkili bir şekilde tespit ettiğini gösterdi. Özellikle, tüm denekler, yardımsız durum sırasında kontralateral premotor alanda, yardımlı duruma kıyasla daha fazla aktivasyon sergiledi. Sonuç olarak, fNIRS, alt ekstremitenin çok eklemli işaretleme hareketleriyle ilişkili oksihemoglobin konsantrasyonundaki değişiklikleri tespit etmek için değerli bir yaklaşım gibi görünmektedir. Bu araştırma, inme motor iyileşme mekanizmalarının anlaşılmasına katkıda bulunabilir ve inme hastaları için gelişmiş rehabilitasyon tedavilerinin önünü açabilir. Bununla birlikte, fNIRS'in motor fonksiyonunu ve klinik ortamlardaki uygulamalarını incelemedeki potansiyelini tam olarak aydınlatmak için daha fazla araştırmaya ihtiyaç vardır.

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.

Yazar Spotlight: fNIRS Kullanarak Robotik Yardımlı Alt Ekstremite Rehabilitasyonunda Beyin Aktivitesinin Değerlendirilmesi

Alt ekstremitenin fonksiyonel yakın kızılötesi spektroskopisi ve robot yardımlı çok eklemli işaretleme hareketlerini kullanan bir deney

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.

Altı deneğin tümü her iki deneyi de tamamladı. Yardımsız durumda, her denek tarafından ortalama 76.67 deneme (std. 10.73) tamamlanmıştır (her denek için, yeni bir hedef yalnızca bir öncekine ulaşıldığında gösterildiğinden, deneme sayısı başarılı erişim sayısına bağlıdır). Deneğin hareketinin robot tarafından tam olarak desteklendiği yardım durumunda, tüm denekler 70 denemeyi tamamladı. Tüm deneklerden fNIRS verileri başarıyla kaydedildi.
<strong class="...

Dünya çapında her 6 kişiden 1'inin yaşamları boyunca felç geçireceği ve rehabilitasyon mekanizmaları hala tam olarak anlaşılamayan uzun süreli sakatlığa neden olacağı tahmin edilmektedir. Bu çalışma, bir alt ekstremite robotik terapi seansı sırasında fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) ile beyin aktivasyonunu değerlendirmek için bir protokol önermektedir.

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

Bu çalışmada, robotik bir cihaza bağlı alt ekstremitenin hareketlerini ve fonksiyonel yakın kızılötesi spektroskopisi, fNIRS, verilerinin eşzamanlı olarak elde edilmesini içeren deneysel bir protokolün fizibilitesini araştırmayı amaçlıyoruz. Az sayıda çalışma, inme, motor iyileşme ve alt ekstremite hareketlerinde beyin aktivasyonunu incelemek için fNIRS'i kullanmış, esas olarak tek eklem hareketlerine, yürümeye veya bisiklete binmeye odaklanmıştır. Çalışmamız, hedef rehabilitasyon için çok eklemli alt ekstremite eğitiminin araştırılmasında öncülük etmektedir.Fonksiyonel yakın kızılötesi spektroskopisi, fNIRS, fonksiyonel MRI sinyallerine dolaylı bir beyin aktivite göstergesi olarak hizmet ederek beyin kan oksijenasyonundaki zamansal değişiklikleri etkili bir şekilde ölçer. fMRI'dan farklı olarak, fNIRS robotik donanımla uyumludur, taşınabilirdir ve hareket artefaktlarına karşı daha sağlamdır. İki ana zorluk var.Birincisi, robotik cihaz hareketlerini fNIRS verileriyle senkronize etmektir. İkincisi, sadece altı dakika içinde hemodinamik değişiklikleri tespit etmek için istatistiksel gücü elde etmek için yeterli veri elde etmektir. Çalışmamız protokolün fizibilitesini doğruladı ve beklenen sonuçları verdi.Yardımlı durumda, sadece iki denek önemli beyin aktivasyonu sergiledi. Daha fazla çaba gerektiren yardımsız egzersiz, kontralateral PMC'de kayda değer bir farkla, yardımlı olanlardan daha büyük bir HbO konsantrasyonu değişikliği gösterdi.

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 Görüntüleme.  Universidade Federal do ABC. Bu çalışmada, robotik bir cihaza bağlı alt ekstremitenin hareketlerini ve fonksiyonel yakın kızılötesi spektroskopisi, fNIRS, verilerinin eşzamanlı olarak elde edilmesini içeren deneysel bir protokolün fizibilitesini araştırmayı amaçlıyoruz. Az sayıda çalışma, inme, motor iyileşme ve alt ekstremite hareketlerinde beyin aktivasyonunu incelemek için fNIRS'i kullanmış, esas olarak tek eklem hareketlerine, yürümeye veya bisiklete binmeye odaklanmıştır. Çalışmamı...