Summary

Coleta simultânea de dados de medições de fMRI e fNIRS usando um arranjo de optode de cabeça inteira e canais de curta distância

Published: October 20, 2023
doi:

Summary

Apresentamos um método para coletar simultaneamente sinais de RMf e fNIRS dos mesmos indivíduos com cobertura de fNIRS de cabeça inteira. O protocolo foi testado com três adultos jovens e pode ser adaptado para coleta de dados para estudos de desenvolvimento e populações clínicas.

Abstract

A espectroscopia funcional no infravermelho próximo (fNIRS) é uma metodologia de neuroimagem portátil, mais robusta ao movimento e mais econômica do que a ressonância magnética funcional (fMRI), o que a torna altamente adequada para a realização de estudos naturalísticos da função cerebral e para uso com populações clínicas e de desenvolvimento. Tanto a metodologia fNIRS quanto a fMRI detectam alterações na oxigenação sanguínea cerebral durante a ativação cerebral funcional, e estudos anteriores mostraram alta correspondência espacial e temporal entre os dois sinais. Não há, no entanto, comparação quantitativa dos dois sinais coletados simultaneamente dos mesmos indivíduos com cobertura fNIRS de cabeça inteira. Essa comparação é necessária para validar de forma abrangente as ativações em nível de área e a conectividade funcional em relação ao padrão-ouro de RMf, que, por sua vez, tem o potencial de facilitar as comparações dos dois sinais ao longo da vida. Abordamos essa lacuna descrevendo um protocolo para coleta simultânea de dados de sinais de RMf e fNIRS que: i) fornece cobertura de fNIRS de cabeça inteira; ii) inclui medidas de curta distância para regressão do sinal fisiológico sistêmico não cortical; e iii) implementa dois métodos diferentes para o co-registro opto-couro cabeludo das medidas da fNIRS. Dados de RMf e fNIRS de três indivíduos são apresentados, e recomendações para adaptar o protocolo para testar populações clínicas e de desenvolvimento são discutidas. A configuração atual com adultos permite sessões de varredura por uma média de aproximadamente 40 min, o que inclui varreduras funcionais e estruturais. O protocolo descreve as etapas necessárias para adaptar o equipamento fNIRS para uso no ambiente de ressonância magnética (RM), fornece recomendações tanto para o registro de dados quanto para o co-registro opto-couro cabeludo e discute possíveis modificações do protocolo para se adequar às especificidades do sistema fNIRS disponível para RM-safe. Respostas representativas específicas do assunto de uma tarefa de xadrez intermitente ilustram a viabilidade do protocolo para medir sinais fNIRS de cabeça inteira no ambiente de RM. Este protocolo será particularmente relevante para pesquisadores interessados em validar sinais fNIRS contra fMRI ao longo da vida.

Introduction

A função cognitiva tem sido estudada no cérebro humano adulto por meio de ressonância magnética funcional (RMf) há quase três décadas. Embora a RMf forneça alta resolução espacial e imagens funcionais e estruturais, muitas vezes não é prática para estudos realizados em contextos naturalísticos ou para uso com lactentes e populações clínicas. Essas restrições limitam substancialmente nossa compreensão da função cerebral. Uma alternativa à RMf é o uso de metodologias portáteis mais econômicas e robustas ao movimento, como a espectroscopia funcional no infravermelho próximo (fNIRS)1,2,3. A fNIRS tem sido utilizada com lactentes e crianças pequenas para avaliar a função cerebral em uma variedade de domínios cognitivos, como desenvolvimento da linguagem, processamento de informações socialmente relevantes e processamento de objetos 4,5,6. A fNIRS também é uma modalidade de neuroimagem especialmente adequada para testar populações clínicas devido ao seu potencial para testes repetidos e monitoramento através de idades 7,8,9. Apesar de sua ampla aplicabilidade, não há estudos comparando quantitativamente os sinais de RMf e fNIRS coletados simultaneamente dos mesmos indivíduos com cobertura de cabeça inteira. Essa comparação é necessária para validar de forma abrangente as ativações em nível de área e a conectividade funcional entre regiões de interesse (ROIs) em relação ao padrão-ouro de RMf. Além disso, o estabelecimento dessa correspondência intermodalidade tem o potencial de melhorar a interpretação da fNIRS quando é o único sinal coletado em ambos os desenvolvimentos típicos e atípicos.

Tanto a RMf quanto os sinais da fNIRS detectam alterações na oxigenação sanguínea (OCC) cerebral durante a ativação funcional cerebral10,11. A RMf baseia-se em mudanças em campos eletromagnéticos e fornece uma alta resolução espacial das alterações da CBO12. O fNIRS, por outro lado, mede os níveis de absorção de luz infravermelha próxima usando uma série de optodes emissores e detectores de luz2. Uma vez que o fNIRS mede mudanças na absorção em diferentes comprimentos de onda, ele pode avaliar mudanças de concentração tanto na oxi- quanto na desoxihemoglobina. Estudos anteriores utilizando registros simultâneos de sinais de RMf e fNIRS com um pequeno número de optódios mostraram que os dois sinais têm alta correspondência espacial e temporal10. Existem fortes correlações entre RMf dependente do nível de oxigênio no sangue (BOLD) e medidas ópticas11,13, com a desoxihemoglobina apresentando a maior correlação com a resposta BOLD, como relatado por trabalhos anteriores comparando a dinâmica temporal das funções de resposta hemodinâmica (FCR) da RMf e da RMf14. Esses primeiros estudos implementaram paradigmas de resposta motora (isto é, toque dos dedos) e usaram um número limitado de optódios cobrindo áreas motoras primárias e córtex pré-motor. Na última década, os estudos expandiram o foco para incluir uma bateria maior de tarefas cognitivas e sessões de repouso, embora ainda usando um número limitado de optódios cobrindo ROIs específicas. Esses estudos mostraram que a variabilidade nas correlações fNIRS/fMRI é dependente da distância do optode do couro cabeludo e do cérebro15. Além disso, a fNIRS pode fornecer medidas de conectividade funcional em repouso comparáveis à RMf16,17.

O protocolo atual baseia-se em trabalhos anteriores e aborda as principais limitações, i) fornecendo cobertura fNIRS de cabeça inteira, ii) incluindo medições de curta distância para regressão de sinais fisiológicos não corticais, iii) implementando dois métodos diferentes para o co-registro opto-couro cabeludo das medidas fNIRS e iv) permitindo a avaliação da confiabilidade teste-reteste do sinal em duas sessões independentes. Este protocolo para coleta simultânea de dados de sinais de RMf e fNIRS foi inicialmente desenvolvido para testar adultos jovens. No entanto, um dos objetivos do estudo foi criar um arranjo experimental para coletar sinais simultâneos de RMf/fNIRS que possam ser posteriormente adaptados para testar populações de desenvolvimento. Portanto, o protocolo atual também pode ser usado como ponto de partida para o desenvolvimento de um protocolo para testar crianças pequenas. Além de utilizar a cobertura de fNIRS de cabeça inteira, o protocolo também visa incorporar avanços recentes no campo do hardware de fNIRS, como a inclusão de canais de curta distância para medir o sinal fisiológico sistêmico (ou seja, alterações vasculares decorrentes de fontes não corticais, como pressão arterial, sinais respiratórios e cardíacos)18,19 ; e o uso de um sensor de estrutura 3D para o co-registro opto-couro cabeludo20. Embora o foco do presente protocolo esteja nos resultados de uma tarefa de xadrez piscante visual, todo o experimento inclui duas sessões com uma mistura de designs tradicionais de tarefas em bloco, sessões de repouso e paradigmas naturalistas de visualização de filmes.

O protocolo descreve as etapas necessárias para adaptar o equipamento fNIRS para uso no ambiente de RM, incluindo o desenho da tampa, o alinhamento temporal via sincronização do gatilho e os testes simuladores necessários antes do início da coleta de dados. Como observado, o foco aqui está nos resultados da tarefa de xadrez intermitente, mas o procedimento geral não é específico da tarefa e pode ser apropriado para qualquer número de paradigmas experimentais. O protocolo descreve ainda as etapas necessárias durante a coleta de dados, que incluem a colocação da tampa fNIRS e calibração do sinal, a configuração do equipamento participante e experimental, bem como a limpeza pós-experimento e o armazenamento dos dados. O protocolo termina fornecendo uma visão geral dos pipelines analíticos específicos para o pré-processamento de dados de fNIRS e fMRI.

Protocol

A pesquisa foi aprovada pelo Comitê de Ética em Pesquisa (CEP) da Universidade de Yale. Consentimento informado foi obtido para todos os sujeitos. Os indivíduos tiveram que passar por exames de ressonância magnética para garantir sua participação segura. Eles foram excluídos se tivessem uma história de transtorno médico ou neurológico grave que provavelmente afetaria o funcionamento cognitivo (ou seja, um transtorno neurocognitivo ou depressivo, trauma, esquizofrenia ou transtorno obsessivo-compulsivo). <p…

Representative Results

Esta seção apresenta respostas representativas específicas do assunto para a tarefa de xadrez intermitente para sinais fMRI e fNIRS. Primeiro, dados brutos representativos do fNIRS e avaliações de qualidade são mostrados na Figura 6 e na Figura 7 para ilustrar a viabilidade do arranjo experimental para medir sinais fNIRS no ambiente de RM. Um diagrama de toda a matriz de optodos da cabeça e do perfil de sensibilidade é mostrado na <stron…

Discussion

Este protocolo para coleta simultânea de dados de sinais de RMf e fNIRS usa um arranjo de optodos fNIRS de cabeça inteira e canais de curta distância para medir e regredir os sinais fisiológicos sistêmicos não corticais. Etapas críticas neste protocolo incluem a modificação e desenvolvimento do equipamento fNIRS para coleta de sinais fNIRS no ambiente de RM. Até onde sabemos, não há um sistema comercial turn-key que seja totalmente otimizado para capturar medições simultâneas de fMRI e fNIRS usando um arra…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Esta pesquisa foi apoiada pelas seguintes fontes de financiamento: Uma Bolsa NARSAD Young Investigator Award da Brain and Behavior Research Foundation (Grant #29736) (SSA), uma Global Grand Challenges Grant da Fundação Bill e Melinda Gates (Grant #INV-005792) (RNA) e uma Discovery Fund Grant do Departamento de Psicologia da Universidade de Yale (RNA). Os autores também agradecem a Richard Watts (Yale Brain Imaging Center) por seu apoio durante a coleta de dados e a Adam Eggebrecht, Ari Segel e Emma Speh (Washington University in St Louis) por sua assistência na análise de dados.

Materials

280 low-profile MRI-compatible grommets for NIRs caps NIRx GRM-LOP
4 128-position NIRS caps with 128x unpopulated slits in 10-5 layout NIRx CP-128-128S Sizes: 52, 54, 56, 60
8 bundles of 4x detector fibers with low-profile tip; MRI-, MEG-, and TMS-compatible.  NIRx DET-FBO- LOW 10 m long
8 bundles of 4x laser source fibers with MRI-compatible low-profile tip NIRx SRC-FBO- LAS-LOW 10 m long
Bundle set of 8 short-channel detectors with specialized ring grommets that fit to low-profile grommets NIRx DET-SHRT-SET Splits a single detector into 8 short channels that may be placed anywhere on a single NIRS cap
Magnetom 3T PRISMA Siemens N/A 128 channel capacity, 64/32/20 channel head coils, 80 mT/m max gradient amplitude, 200 T/m/s slew rate, full neuro sequences
NIRScout XP Core System Unit NIRx NSXP- CHS Up to 64x Laser-2 (or 32x laser-4) illuminators or 64 LED-2 illuminators; up to 32x detectors; capable of tandem (multi-system) and hyperscanning (multi-subject) measurements; compatible with EEG, tDCS, eye-tracking, and other modalities; modules available for fMRI, TMS, MEG compatibility
NIRStar software NIRx N/A Version 15.3
NIRx parallel port replicator NIRx ACC-LPT-REP The parallel prot replicator  comes with three components: parallel port replicator box, USB power cable and BNC adapter
Physiological pulse unit Siemens PPU098 Optical plethysmography allowing the acquisiton of the cardiac rhythm.
Respiratory unit Siemens PERU098  Unit intended for the acquisition of the respiratory amplitude (by means of a pneumatic system and a restraint belt).
Structure Sensor Mark II Occipital 101866 (SN) 3D structure sensor for optode digitization.

References

  1. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Annals of the New York Academy of Sciences. 1464 (1), 5-29 (2020).
  2. Quaresima, V., Ferrari, M. Functional Near-Infrared Spectroscopy (fNIRS) for Assessing Cerebral Cortex Function During Human Behavior in Natural/Social Situations: A Concise Review. Organizational Research Methods. 22 (1), 46-68 (2016).
  3. Pinti, P., et al. A Review on the Use of Wearable Functional Near-Infrared Spectroscopy in Naturalistic Environments. The Japanese Psychological Research. 60 (4), 347-373 (2018).
  4. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  5. Blasi, A., Lloyd-Fox, S., Katus, L., Elwell, C. E. fNIRS for Tracking Brain Development in the Context of Global Health Projects. Photonics. 6 (3), 89 (2019).
  6. Aslin, R. N. Questioning the questions that have been asked about the infant brain using near-infrared spectroscopy. Cognitive Neuropsychology. (1-2), 7-33 (2012).
  7. Chen, W. L., et al. Functional Near-Infrared Spectroscopy and Its Clinical Application in the Field of Neuroscience: Advances and Future Directions. Frontiers in Neuroscience. 14, 724 (2020).
  8. Lee, Y. J., Kim, M., Kim, J. S., Lee, Y. S., Shin, J. E. Clinical Applications of Functional Near-Infrared Spectroscopy in Children and Adolescents with Psychiatric Disorders. Journal of Child & Adolescent Psychiatry. 32 (3), 99-103 (2021).
  9. Bonilauri, A., Sangiuliano Intra, F., Baselli, G., Baglio, F. Assessment of fNIRS Signal Processing Pipelines: Towards Clinical Applications. Applied Sciences. 12 (1), 316 (2021).
  10. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow and Metabolism. 16 (5), 817-826 (1996).
  11. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A Quantitative Comparison of Simultaneous BOLD fMRI and NIRS Recordings during Functional Brain Activation. NeuroImage. 17 (2), 719-731 (2002).
  12. Glover, G. H. Overview of functional magnetic resonance imaging. Neurosurgery Clinics of North America. 22 (2), (2011).
  13. Toronov, V., et al. Investigation of human brain hemodynamics by simultaneous near-infrared spectroscopy and functional magnetic resonance imaging. Medical Physics. 28 (4), 521-527 (2001).
  14. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  15. Cui, X., Bray, S., Bryant, D. M., Glover, G. H., Reiss, A. L. A quantitative comparison of NIRS and fMRI across multiple cognitive tasks. NeuroImage. 54 (4), 2808-2821 (2011).
  16. Duan, L., Zhang, Y. J., Zhu, C. Z. Quantitative comparison of resting-state functional connectivity derived from fNIRS and fMRI: a simultaneous recording study. NeuroImage. 60 (4), 2008-2018 (2012).
  17. Sasai, S., et al. A NIRS-fMRI study of resting state network. NeuroImage. 63 (1), 179-193 (2012).
  18. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  19. Wyser, D., et al. Short-channel regression in functional near-infrared spectroscopy is more effective when considering heterogeneous scalp hemodynamics. Neurophotonics. 7 (3), 035011 (2020).
  20. Homolle, S., Oostenveld, R. Using a structured-light 3D scanner to improve EEG source modeling with more accurate electrode positions. Journal of Neuroscience Methods. 326, 108378 (2019).
  21. Jasper, H. H. The ten-twenty electrode system of the International Federation. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
  22. von Luhmann, A., Li, X., Muller, K. R., Boas, D. A., Yucel, M. A. Improved physiological noise regression in fNIRS: A multimodal extension of the General Linear Model using temporally embedded Canonical Correlation Analysis. NeuroImage. 208, 116472 (2020).
  23. Glasser, M. F., et al. The minimal preprocessing pipelines for the Human Connectome Project. NeuroImage. 80, 105-124 (2013).
  24. Ji, J. L., et al. QuNex-An integrative platform for reproducible neuroimaging analytics. Frontiers in Neuroinformation. 17, 1104508 (2023).
  25. Yucel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101 (2021).
  26. Eggebrecht, A., Muccigrosso, D., Culver, J. NeuroDOT: an extensible Matlab toolbox for streamlined optical brain mapping. Diffuse Optical Spectroscopy and Imaging VII. , (2019).
  27. Jenkinson, M., Beckmann, C. F., Behrens, T. W., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62 (2), 782-790 (2012).
  28. Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  29. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. . Statistical parametric mapping: the analysis of functional brain images. , (2011).
  30. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  31. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. 2011, 156869 (2011).
  32. Sato, H., et al. A NIRS-fMRI investigation of prefrontal cortex activity during a working memory task. NeuroImage. 83, 158-173 (2013).
  33. Jermyn, M., et al. Fast segmentation and high-quality three-dimensional volume mesh creation from medical images for diffuse optical tomography. Journal of Biomedical Optics. 18 (8), 86007 (2013).
  34. Dehghani, H., et al. Near infrared optical tomography using NIRFAST: Algorithm for numerical model and image reconstruction. Communications in Numerical Methods in Engineering. 25 (6), 711-732 (2008).
  35. Wheelock, M. D., Culver, J. P., Eggebrecht, A. T. High-density diffuse optical tomography for imaging human brain function. The Review of Scientific Instruments. 90 (5), 051101 (2019).
  36. Eggebrecht, A. T., et al. A quantitative spatial comparison of high-density diffuse optical tomography and fMRI cortical mapping. NeuroImage. 61 (4), 1120-1128 (2012).
  37. Boas, D. A., Culver, J. P., Stott, J. J., Dunn, A. K. Three dimensional Monte Carlo code for photon migration through complex heterogeneous media including the adult human head. Optics Express. 10 (3), 159-170 (2002).
  38. Wang, L., Jacques, S. L., Zheng, L. MCML-Monte Carlo modeling of light transport in multi-layered tissues. Computer Methods and Programs in Biomedicine. 47 (2), 131-146 (1995).
  39. Gregg, N. M., White, B. R., Zeff, B. W., Berger, A. J., Culver, J. P. Brain specificity of diffuse optical imaging: improvements from superficial signal regression and tomography. Frontiers in Neuroenergetics. 2, 14 (2010).
  40. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  41. Pelphrey, K. A., Shultz, S., Hudac, C. M., Vander Wyk, B. C. Research review: Constraining heterogeneity: the social brain and its development in autism spectrum disorder. Journal of Child Psychology and Psychiatry, and Allied Disciplines. 52 (6), 631-644 (2011).
  42. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  43. Sherafati, A., et al. Global motion detection and censoring in high-density diffuse optical tomography. Human Brain Mapping. 41 (14), 4093-4112 (2020).
  44. Eggebrecht, A. T., et al. Mapping distributed brain function and networks with diffuse optical tomography. Nature Photonics. 8 (6), 448-454 (2014).
  45. Ferradal, S. L., et al. Functional Imaging of the Developing Brain at the Bedside Using Diffuse Optical Tomography. Cerebral Cortex. 26 (4), 1558-1568 (2016).
  46. Winkler, A. M., Ridgway, G. R., Webster, M. A., Smith, S. M., Nichols, T. E. Permutation inference for the general linear model. NeuroImage. 92, 381-397 (2014).
  47. Hassanpour, M. S., et al. Statistical analysis of high density diffuse optical tomography. NeuroImage. 85, 104-106 (2014).
  48. Zhang, F., et al. Correcting physiological noise in whole-head functional near-infrared spectroscopy. Journal of Neuroscience Methods. 360, 109262 (2021).
  49. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomedical Optics Express. 9 (8), 3805-3820 (2018).
  50. Klein, F., Kranczioch, C. Signal Processing in fNIRS: A Case for the Removal of Systemic Activity for Single Trial Data. Frontiers in Human Neuroscience. 13, 331 (2019).
  51. Zhou, X., Sobczak, G., McKay, C. M., Litovsky, R. Y. Comparing fNIRS signal qualities between approaches with and without short channels. PLoS One. 15 (12), 0244186 (2020).
  52. Santosa, H., Zhai, X., Fishburn, F., Sparto, P. J., Huppert, T. J. Quantitative comparison of correction techniques for removing systemic physiological signal in functional near-infrared spectroscopy studies. Neurophotonics. 7 (3), 035009 (2020).
  53. Emberson, L. L., Crosswhite, S. L., Goodwin, J. R., Berger, A. J., Aslin, R. N. Isolating the effects of surface vasculature in infant neuroimaging using short-distance optical channels: a combination of local and global effects. Neurophotonics. 3 (3), 031406 (2016).
  54. Frijia, E. M., et al. Functional imaging of the developing brain with wearable high-density diffuse optical tomography: A new benchmark for infant neuroimaging outside the scanner environment. NeuroImage. 225, 117490 (2021).
  55. Brigadoi, S., Cooper, R. J. How short is short? Optimum source-detector distance for short-separation channels in functional near-infrared spectroscopy. Neurophotonics. 2 (2), 025005 (2015).

Play Video

Cite This Article
Sanchez-Alonso, S., Canale, R. R., Nichoson, I. F., Aslin, R. N. Simultaneous Data Collection of fMRI and fNIRS Measurements Using a Whole-Head Optode Array and Short-Distance Channels. J. Vis. Exp. (200), e65088, doi:10.3791/65088 (2023).

View Video