Name: Författare i fokus: Bedömning av hjärnaktivitet vid robotassisterad rehabilitering av nedre extremiteter med hjälp av fNIRS
Uploaded: 2024-06-07T12:40:00
Description: Stroke affects approximately 17 million individuals worldwide each year and is a leading cause of long-term disability. Robotic therapy has shown promise ...

Åsikterna, hypoteserna, slutsatserna och rekommendationerna i denna studie är författarnas egna och representerar inte nödvändigtvis finansiärens åsikter. JRS är tacksamma mot Sao Paulo Research Foundation (FAPESP, anslagsnummer 2021/05332-8, 2018/04654-9, 2018/21934-5 och 2023/02538-0) och Jackson Cionek för tekniskt stöd. AMM och Vivax Ltda är tacksamma mot FAPESP (São Paulo Research Foundation) och FINEP (Brazilian Innovation Agency). Projektet finansierades med anslag från FAPESP (anslagsnummer 2018/09559-4) och FINEP (anslagsnummer 2019/09933-6).

Studien har godkänts av UNICEP:s (Centro Universitario Paulista) lokala etikprövningsnämnd. Alla deltagare gav informerat samtycke i enlighet med alla institutionella riktlinjer och federala normer för vetenskaplig forskning som involverar människor. De fick ingen ekonomisk kompensation, vilket krävs enligt brasilianska federala bestämmelser.
1. fNIRS-systemet
<ol><li>Bered locket med hjälp av 16 optoder: 8 ljuskällor (760 nm och 850 nm) och 8 ljusdetektorer (se <st...

Utvärdering av hjärnaktivering med fNIRS under en session med robotterapi i nedre extremiteter

I denna proof-of-concept-studie undersöktes möjligheten att dra slutsatser om kartläggning av hjärnaktivering med hjälp av fNIRS-data från friska försökspersoner medan de tränade med olika typer av rörelser med hjälp av en robot för rehabilitering av nedre extremiteter. Typiska fNIRS-inspelningssessioner hos vuxna är längre än 6 min54. Men för att göra inspelningar möjliga i samband med en rehabiliteringsmiljö måste experimentets totala varaktighet minimeras för att undvika on...

Epidemiologiska data visar att det över hela världen finns ~17 miljoner nya fall av stroke varje år, med en ökning av incidensen i låg- och medelinkomstländer1. Antalet nya fall beräknas öka till 77 miljoner år 20302. Motorisk nedsättning på grund av stroke påverkar ofta patientens rörlighet och delaktighet i dagliga aktiviteter, vilket bidrar till en låg livskvalitet. Traditionell motorisk rehabilitering inkluderar manuell terapi, men under de senaste decennierna har robotsystem för rehabilitering utvecklats. Dessa system kan leverera behandling med hög intensitet, dos, kvantifierbarhet, tillförlitlighet, repeterbarhet och flexibilitet3 och har visat potential som effektiva rehabiliteringsbehandlingar för både akuta och kroniska strokepatienter 4,5,6. Förutom att ge terapi kan robotsystem för rehabilitering användas som utvärderingsverktyg eftersom de kan utrustas med sensorer som kan mäta patientens rörelsekinematiska / kinetiska data 7,8. För motorisk rehabilitering i övre extremiteterna har sådana data inte bara visat sig vara användbara för att bedöma nivån på patientens motoriska återhämtning som framkallas av robotterapi och fungerat som ett kompletterande verktyg till traditionella kliniska bedömningar 9,10, utan de har också bidragit till att öka förståelsen för processen för motorisk återhämtning från stroke11, 12 samt neural kontroll av rörelse och motorisk inlärning hos friska försökspersoner 3,13,14. Som ett resultat av detta har dessa fynd gett en grund för att förbättra rehabiliteringsbehandlingarna15.
Under de senaste två decennierna har många robotenheter för neurorehabilitering av nedre extremiteter föreslagits, allt från exoskelett som stöder patientens kroppsvikt under gång (t.ex. över ett löpband, som Lokomat16) till stationära robotsystem som gör det möjligt för patienten att träna fotleden, knäet eller foten utan att gå (t.ex. Rutgers Ankle17, High-Performance Ankle Rehabilitation Robot18 och Gwangju Institute of Science and Technology (GIST) fotleds-/fotrehabiliteringsrobot19) eller aktiva fotortoser som aktiveras exoskelett som bärs av patienten för att gå över marken eller över ett löpband (t.ex. Powered Gait Orthosis20 och MIT Anklebot21). Se 22,23,4 för en genomgång av robotar för rehabilitering av nedre extremiteter.
Resultaten av kliniska studier av robotutrustning för rehabilitering av nedre extremiteter på strokepatienter har varit uppmuntrande och har visat att dessa system kan förbättra ledernas rörelseomfång (ROM), muskelstyrka eller gång, beroende på den specifika enheten och det kliniska protokollet (se 24,25 för en granskning av effektiviteten hos robotar för nedre extremiteter för rehabilitering). Även om det har antagits att robotassisterad terapi främjar neuroplastiska förändringar, som i slutändan resulterar i förbättrade motoriska förmågor26, är det fortfarande mestadels oklart hur processen för motorisk återhämtning från stroke exakt sker och vilka robotträningsprotokoll som optimerar processen för återhämtning av motoriska förmågor i nedre extremiteterna. Faktum är att det finns en betydande, växande skillnad mellan den ökande utvecklingen av rehabiliteringsrobotar (antingen av akademiska forskare eller kommersiella enheter) och den begränsade förståelsen av de neurofysiologiska mekanismer som ligger till grund för motorisk återhämtning4. Mätningar av rörelsekinematik eller ledmoment tagna med inbyggda sensorer har bidragit till att kvantitativt beskriva motoriska beteendeförändringar som uppstår när patienter återfår motoriska förmågori nedre extremiteterna 27,28,29, vilket delvis fyller denna lucka. De neurala korrelat som ligger till grund för sådana förändringar har dock undersökts mindre. Detta beror på flera anledningar.
Funktionell avbildning av hjärnan är tidskrävande och ibland svår att genomföra i samband med kliniska prövningar, som ofta kräver att patientbördan minimeras för att maximera sannolikheten för att patienten följer studien. Detta gäller särskilt för personer som har drabbats av stroke, med tanke på att trötthet och muskelsvaghet efter stroke ofta observeras30. Avbildningsmodaliteter som är baserade på magnetfält, såsom funktionell magnetisk resonanstomografi (fMRI), kräver också att både patient- och robothårdvara är magnetsäker.
Bland icke-invasiva avbildningsmodaliteter är funktionell nära-infraröd spektroskopi (fNIRS) en avbildningsteknik som är särskilt lämplig för att bedöma områden för hjärnaktivering hos personer som genomgår robotterapi. På samma sätt som fMRI mäter fNIRS blodets syresättning/deoxygenering i hjärnan. Men till skillnad från fMRI är fNIRS helt kompatibel med robothårdvara, och den är ofta bärbar, till och med användbar vid sängen. Dessutom har fNIRS låg kostnad och mindre känslighet för rörelseartefakter 31,32,33.
Trots dess tydliga fördelar och utbredda användning i många kliniska miljöer sedan dess första introduktion i slutet av 70-talet34, har endast ett fåtal studier använt fNIRS för att kvantifiera hjärnaktivering i samband med rörelser i nedre extremiteter och strokemotorisk återhämtning. FNIRS-studier som syftar till att belysa mekanismer för neural kontroll av rörelse och/eller mekanismer eller utvärdering av motorisk återhämtning från stroke har främst undersökt rörelser i en led (t.ex. dorsalflexion, plantarflexion eller knäextensionsrörelser 35,36,37), gång 38,39,40,41,42,43 eller cykling 44. Se45 för en recension. På samma sätt har fNIRS-studier om robotassisterad terapi för de nedre extremiteterna främst fokuserat på robotassisterad gångrehabilitering; Se46 för en recension. Några studier har fokuserat på att använda fNIRS som en del av ett Brain-Computer Interface (BCI) -system för att härleda styrsignaler för robotenheter47,48; även om detta forskningsområde också är beroende av bearbetning av fNIRS-signaler, är dess mål annorlunda och främst inriktat på att avkoda patientens avsikter (t.ex. patienter med svåra motoriska funktionsnedsättningar).
Pilotstudien som presenteras här är en del av ett första försök att undersöka effekterna av ett robotsystem för rehabilitering av nedre extremiteter. Roboten kan leverera målinriktad rehabilitering av nedre extremiteter som involverar träning i vardagliga flerledsrörelser samt ge terapi till enskilda leder (t.ex. knä eller fotled) i nedre extremiteten (dvs. implementera ett rehabiliteringsprogram nedifrån och upp).
Studien syftade till att undersöka genomförbarheten av ett experimentellt protokoll som krävde insamling av fNIRS-data under utförandet av pekrörelser i nedre extremiteter och flera leder. Varaktigheten av datainsamlingsperioden i denna studie, som var begränsad till 6 minuter, är kortare än typiska fNIRS-protokoll. Detta var ett medvetet val som gjordes i syfte att förbättra den praktiska och kliniska tillämpbarheten av denna forskning, särskilt hos patienter med begränsad rörlighet eller styrka. Att identifiera fNIRS-korrelat till sådana komplexa rörelser i flera leder och få insikter i hur hjärnaktivering moduleras av robotassistans var också intressanta punkter. För detta ändamål genomfördes två experimentsessioner med samma deltagare: en utan robotassistans och en med robotassistans. Slutligen är det viktigt att påpeka att denna studie fokuserade på friska försökspersoner för att skapa en grund för framtida forskning när det gäller att registrera protokollgenomförbarhet och utvärdering av hjärnaktivering under rörelser som är inriktade på robotterapi.
Apparat En bärbar robot som är utformad för att ge rehabilitering av nedre extremiteter (se figur 1) användes för att utföra våra experiment. Roboten har en 3D-nåbar arbetsyta och är kompakt och lätt, väger cirka 35 lb., vilket gör den enkel att transportera och installera.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66004/66004fig01.jpg"> Figur 1: Experimentell uppställning. (A) Robotsystemet (installerat på golvet) som är utformat för den nedre extremiteten. En volontär visas använda gränssnittet med sin högra fot. (B) Stödstruktur för försökspersonens fot som möjliggör fastsättning på robotsystemet. (C) En skärmdump av Picnic-spelet. Målet med spelet är att flytta foten (grön och vit sko) till målet (gul cirkel). <a href="https://www.jove.com/files/ftp_upload/66004/66004fig01large.jpg" target="_blank">Klicka här för att se en större version av denna figur.</a>
Robotsystemet är utformat för att hjälpa en patient att utföra rörelser i nedre extremiteter som liknar de som utförs i vardagliga uppgifter, som att peka eller sparka. Den använder interaktiva virtual reality-spel, som visas på en datorskärm eller en tv-skärm placerad framför robotenheten (se figur 1). Robotgripdonet fästs på patientens nedre extremitet (t.ex. fotleden) och dess position mappas till positionen för en markör på skärmen. Ett typiskt spel visar patientens rörelsemål (t.ex. föremålet att peka på eller var man ska sparka bollen).
För att slutföra rörelseuppgiften kan roboten hjälpa patienten med en assistansnivå som kan variera från full assistans till ingen. Nivån på robotassistansen väljs i början av varje rehabiliteringssession baserat på patientens nivå av motorisk funktionsnedsättning. Rörelserna som utförs av försökspersonen används av spelet för att poängsätta patientens prestation och ge dem feedback om deras prestation (t.ex. ROM, antal rörelser och nivå av robotassistans). Spelen är utformade för att vara interaktiva och underhållande för att upprätthålla patientens intresse och uppmärksamhet. I den här studien spelade deltagarna "Picknick-spelet", där spelaren var tvungen att stoppa insekterna från att nå handduken och stjäla maten (se figur 1, nedre panelen, för en skärmdump).
Datainsamlingen utfördes med ett portabelt fNIRS-insamlingssystem med två olika kontinuerliga vågopatoder (760 nm och 850 nm), 8 dual-tip LED-källor och 8 dual-tip aktiva detektorer. Signalerna samlades in med en samplingsfrekvens på 10,17 Hz. En bärbar dator användes för kalibreringsoptimering och signalregistrering med hjälp av ett Wi-Fi-nätverk skapat av fNIRS-systemet.
En mössa användes för att hålla optoderna på de förutbestämda platserna. Källorna och detektorerna placerades enligt det internationella EEG-systemet 10-10 i en rutnätsfördelning. Varje fNIRS-kanal definierades av ett källdetektorpar med interoptodavstånd på cirka 30 mm. Optoderna placerades över de kompletterande motor-, förmotor- och motorområdena på de platser som visas i figur 2. Det totala antalet kanaler var 28, varav 8 var kortdistanskanaler som kopplades till varje källa med hjälp av en fiberoptisk adapter till en enda detektor. Med tanke på hårdvarans multiplexeringsinställning är det möjligt att samla in information på korta avstånd från alla källor med endast en detektor.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66004/66004fig02.jpg"> Figur 2: Montagelayout med 10-10 EEG-systemet. Bokstäverna och siffrorna anger källans/detektorns placering. De röda och blå prickarna representerar käll- respektive detektoroptoderna. De gröna linjerna representerar fNIRS-kanalerna som består av käll- och detektorpar. <a href="https://www.jove.com/files/ftp_upload/66004/66004fig02large.jpg" target="_blank">Klicka här för att se en större version av denna figur.</a>
Experimentell design Experimentet utfördes under två distinkta experimentella förhållanden, som skilde sig åt i nivån av assistans från roboten för försökspersonens rörelser. I det första tillståndet var roboten programmerad att inte ge någon hjälp till försökspersonens rörelser, medan roboten i det andra tillståndet styrde försökspersonens fot- och benrörelser (robotassisterad rörelse).
Varje experiment följde ett paradigm för blockdesign som involverade alternerande cykler av en motorisk uppgift (spela spelet - 30 s) och vila (30 s), vilket illustreras i figur 3. Början och slutet av varje fas (lek/spel eller vila) signalerades visuellt till försökspersonen via datorskärmen. Under vilofasen visades ett meddelande som indikerade en paus. Varje cykel (spel/spel + vila) hade en varaktighet på 60 s och upprepades sex gånger, vilket resulterade i en total körtid på 360 s (6 min).
Deltagarna lekte "Picknickleken", där målet var att hindra insekter från att nå handduken och stjäla mat. Detta spel involverade en sekvens av rörelser i de nedre extremiteterna, som började från ett utsett hemmål (initial position) och sträckte sig mot ett av tre yttre mål innan de återvände till hemmålet. På skärmen representerades de yttre målen visuellt som animerade rörliga insekter, som deltagarna var tvungna att nå och kliva på. Det fanns tre mål som sträckte sig utåt, var och en slumpmässigt presenterad lika många gånger, tillsammans med ett gemensamt hemmål för varje rörelse. Avståndet som foten behövde för att färdas från hemmålet till de yttre målens position bildade en båge, ungefär 26 cm. Den motoriska uppgiften krävde utförande av flerledsrörelser, vilket krävde koordination mellan knäböjning/sträckning, plantarflexion och dorsalflexionsrörelser.
fNIRS-datainspelningarna synkroniserades med de visuella stimuli som spelet presenterade för försökspersonen genom en transistor-transistor-logisk (TTL) puls som genererades av roboten. Pulser genererades i början av varje fas (lek/spel och vila). Således utfördes all tidskontroll av spelet, som gav visuella signaler (mål) till deltagaren för att starta varje rörelse, skickade TTL-signaler till fNIRS-systemet för att markera hjärnaktivitetsregistreringarna och, om experimentet krävde det, skickade signaler till robotens styrsystem för att initiera rörelsehjälp.

<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

Stroke drabbar cirka 17 miljoner individer världen över varje år och är en ledande orsak till långvarig funktionsnedsättning. Robotterapi har visat sig lovande när det gäller att hjälpa strokepatienter att återfå förlorade motoriska funktioner. En möjlig väg för att öka förståelsen för hur motorisk återhämtning sker är att studera hjärnans aktivering under de rörelser som terapin riktar in sig på hos friska individer. Funktionell nära-infraröd spektroskopi (fNIRS) har dykt upp som en lovande hjärnavbildningsteknik för att undersöka neurala underlag för motorisk funktion. Denna studie syftade till att undersöka fNIRS neurala korrelat av komplexa rörelser i nedre extremiteterna hos friska försökspersoner. Deltagarna ombads att utföra cykler av vila och rörelse i 6 minuter med hjälp av en robotanordning för motorisk rehabilitering. Uppgiften krävde koordinerade knä- och fotledsrörelser för att peka mot mål som visades på en datorskärm. Två experimentella betingelser med olika nivåer av rörelsehjälp från roboten undersöktes. Resultaten visade att fNIRS-protokollet effektivt detekterade hjärnregioner associerade med motorisk kontroll under uppgiften. Noterbart är att alla försökspersoner uppvisade större aktivering i det kontralaterala premotoriska området under tillståndet utan assistans jämfört med det assisterade tillståndet. Sammanfattningsvis verkar fNIRS vara ett värdefullt tillvägagångssätt för att upptäcka förändringar i oxihemoglobinkoncentrationen i samband med pekrörelser i flera leder i nedre extremiteten. Denna forskning kan bidra till förståelsen av strokemotoriska återhämtningsmekanismer och kan bana väg för förbättrade rehabiliteringsbehandlingar för strokepatienter. Ytterligare forskning behövs dock för att fullt ut belysa potentialen för fNIRS för att studera motorisk funktion och dess tillämpningar i kliniska miljöer.

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.

Författare i fokus: Bedömning av hjärnaktivitet vid robotassisterad rehabilitering av nedre extremiteter med hjälp av fNIRS

Ett experiment med funktionell nära-infraröd spektroskopi och robotassisterade flerledspekande rörelser i nedre extremiteten

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.

Alla sex försökspersoner fullföljde båda experimenten. I tillståndet utan assistans slutfördes i genomsnitt 76,67 försök (std. 10,73) av varje försöksperson (observera att för varje försöksperson berodde antalet försök på antalet lyckade försök eftersom ett nytt mål endast visades om det föregående uppnåddes). I assistanstillståndet, där försökspersonens rörelse fick full hjälp av roboten, genomförde alla försökspersoner 70 försök. fNIRS-data registrerades framgångsrikt från alla förs?...

Det uppskattas att 1 av 6 individer i världen kommer att få en stroke under sin livstid, vilket orsakar långvarig funktionsnedsättning, vars rehabiliteringsmekanismer fortfarande är dåligt förstådda. Denna studie föreslår ett protokoll för att utvärdera hjärnaktivering genom funktionell nära-infraröd spektroskopi (fNIRS) under en robotterapisession i nedre extremiteter.

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

I denna studie syftar vi till att undersöka genomförbarheten av ett experimentellt protokoll som involverar rörelser av den nedre extremiteten fäst vid en robotenhet och samtidig insamling av funktionell nära-infraröd spektroskopi, fNIRS, data. Få studier har använt fNIRS för att studera hjärnaktivering vid stroke, motorisk återhämtning och rörelser i nedre extremiteter, med fokus främst på enskilda ledåtgärder, promenader eller cykling. Vår studie är banbrytande när det gäller att utforska träning av flera leder i nedre extremiteter för målrehabilitering.Funktionell nära-infraröd spektroskopi, fNIRS, mäter effektivt temporala förändringar i hjärnans blodsyresättning, och fungerar som en indirekt indikator för hjärnaktivitet, till funktionella MR-signaler. Till skillnad från fMRI är fNIRS kompatibel med robothårdvara, bärbar och mer robust mot rörelseartefakter. Det finns två huvudsakliga utmaningar.Det första är att synkronisera robotenhetens rörelser med fNIRS-data. Det andra är att få tillräckligt med data för att uppnå den statistiska styrkan, för att upptäcka hemodynamiska förändringar på bara sex minuter. Vår studie bekräftade protokollets genomförbarhet och gav förväntade resultat.I det assisterade tillståndet uppvisade endast två patienter signifikant hjärnaktivering. Den oassisterade träningen, som krävde mer ansträngning, visade en större förändring av HbO-koncentrationen än assisterade, med anmärkningsvärd skillnad i den kontralaterala PMC.

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

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

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