Indices de réseau d’électroencéphalographie en tant que biomarqueurs de l’atteinte des membres supérieurs dans les accidents vasculaires cérébraux chroniques
Özet
Le protocole expérimental démontre le paradigme d’acquisition et d’analyse des signaux d’électroencéphalographie (EEG) lors du mouvement des membres supérieurs chez les personnes ayant subi un AVC. L’altération du réseau fonctionnel des bandes de fréquences EEG à faible bêta a été observée lors du mouvement du membre supérieur altéré et a été associée au degré de déficience motrice.
Abstract
L’altération des signaux d’électroencéphalographie (EEG) lors d’un mouvement spécifique à la tâche du membre handicapé a été signalée comme un biomarqueur potentiel de la gravité de la déficience motrice et de la prédiction de la récupération motrice chez les personnes ayant subi un AVC. Lors de la mise en œuvre d’expériences EEG, des paradigmes détaillés et des protocoles d’expérience bien organisés sont nécessaires pour obtenir des résultats robustes et interprétables. Dans ce protocole, nous illustrons un paradigme spécifique à la tâche avec le mouvement des membres supérieurs et les méthodes et techniques nécessaires à l’acquisition et à l’analyse des données EEG. Le paradigme consiste en 1 min de repos suivi de 10 essais comprenant une alternance de 5 s et 3 s d’états de repos et de tâche (extension de la main), respectivement, sur 4 séances. Les signaux EEG ont été acquis à l’aide de 32 électrodes de cuir chevelu Ag/AgCl à une fréquence d’échantillonnage de 1 000 Hz. Une analyse des perturbations spectrales liées aux événements associés au mouvement des membres et des analyses de réseaux fonctionnels au niveau global dans la bande de fréquences à faible bêta (12-20 Hz) ont été effectuées. Des résultats représentatifs ont montré une altération du réseau fonctionnel des bandes de fréquences EEG à faible bêta pendant le mouvement du membre supérieur altéré, et l’altération du réseau fonctionnel a été associée au degré de déficience motrice chez les patients ayant subi un AVC chronique. Les résultats démontrent la faisabilité du paradigme expérimental dans les mesures EEG lors du mouvement des membres supérieurs chez les personnes ayant subi un AVC. D’autres recherches utilisant ce paradigme sont nécessaires pour déterminer la valeur potentielle des signaux EEG en tant que biomarqueurs de la déficience motrice et de la récupération.
Introduction
La déficience motrice des membres supérieurs est l’une des conséquences les plus courantes de l’AVC et est liée à des limitations dans les activités de la vie quotidienne 1,2. Les rythmes alpha (8-13 Hz) et bêta (13-30 Hz) sont connus pour être étroitement associés aux mouvements. En particulier, des études ont montré que l’altération de l’activité neuronale dans les bandes de fréquences alpha et bêta inférieure (12-20 Hz) pendant le mouvement d’un membre handicapé est corrélée au degré de déficience motrice chez les personnes ayant subi un AVC 3,4,5. Sur la base de ces résultats, l’électroencéphalographie (EEG) est apparue comme un biomarqueur potentiel qui reflète à la fois la gravité de la déficience motrice et la possibilité de récupération motrice 6,7. Cependant, les biomarqueurs basés sur l’EEG précédemment développés se sont avérés inadéquats pour étudier les caractéristiques de la déficience motrice chez les personnes ayant subi un AVC, en grande partie en raison de leur dépendance aux données EEG à l’état de repos plutôt qu’aux données EEG induites par la tâche 8,9,10. Le traitement complexe de l’information lié aux déficiences motrices, telles que l’interaction entre les hémisphères ipsilésion et contralésionnel, ne peut être révélé que par des données EEG induites par la tâche, et non par un EEG à l’état de repos. Par conséquent, d’autres études ne sont pas seulement nécessaires pour explorer la relation entre les activités neuronales et les caractéristiques de la déficience motrice et pour clarifier l’utilité de l’EEG généré pendant le mouvement de la partie du corps altérée en tant que biomarqueur potentiel de la déficience motrice chez les personnes ayant subi un AVC11.
La mise en œuvre de l’EEG pour évaluer les effets comportementaux nécessite des paradigmes et des protocoles spécifiques à la tâche. À ce jour, divers protocoles EEG ont été suggérés12, dans lesquels des personnes ayant subi un AVC ont effectué des mouvements imaginaires ou réels pour induire des activités cérébrales liées au mouvement11,13. Dans le cas des mouvements imaginés, environ 53,7 % des participants ne pouvaient pas imaginer avec certitude un mouvement correspondant (appelé « analphabétisme ») et n’ont donc pas réussi à induire des activités cérébrales liées au mouvement14. De plus, il est difficile pour les personnes ayant subi un AVC grave de bouger tout le membre supérieur, et il existe une possibilité d’artefacts inutiles lors de l’acquisition des données en raison de mouvements instables. Par conséquent, des conseils basés sur le savoir-faire d’experts sont nécessaires pour acquérir des données EEG de haute qualité liées à la tâche et des résultats interprétables neurophysiologiquement. Dans cette étude, nous avons conçu de manière exhaustive un paradigme expérimental permettant aux personnes ayant subi un AVC d’effectuer une tâche relativement simple de mouvement de la main et nous avons fourni une procédure expérimentale avec des conseils détaillés.
En décrivant le protocole expérimental visualisé dans cet article, nous avons cherché à illustrer les concepts et méthodes spécifiques utilisés pour l’acquisition et l’analyse des activités neuronales liées au mouvement du membre supérieur à l’aide d’un système EEG. En démontrant la différence dans les activités neuronales via l’EEG entre les membres supérieurs parétiques et non parétiques chez les participants ayant subi un AVC hémiplégique, cette étude visait à présenter la faisabilité de l’EEG en utilisant le protocole décrit comme biomarqueur potentiel de la sévérité de la déficience motrice chez les personnes ayant subi un AVC dans un contexte transversal.
Protocol
Representative Results
Discussion
Cette étude a introduit une expérience EEG pour mesurer les activités neuronales liées au mouvement des membres supérieurs chez les personnes ayant subi un AVC. Le paradigme expérimental et les méthodes d’acquisition et d’analyse de l’EEG ont été appliqués pour déterminer les modèles ERD dans le cortex moteur ipsilésion et contralésionnel.
Les résultats des cartes ERSP (Figure 7) ont démontré la différence dans le degré d’activation neu…
Açıklamalar
The authors have nothing to disclose.
Acknowledgements
Ces travaux ont été financés par une subvention de la National Research Foundation of Korea (NRF) financée par le gouvernement coréen (MSIT) (No. NRF-2022R1A2C1006046), par le Programme de recherche technologique originale pour les sciences du cerveau par l’intermédiaire de la Fondation nationale de recherche de Corée (NRF) financé par le ministère de l’Éducation, des Sciences et de la Technologie (2019M3C7A1031995), par la subvention de la Fondation nationale de recherche de Corée (NRF) financée par le gouvernement coréen (MSIT) (No. NRF-2022R1A6A3A13053491), et par le MSIT (Ministère de la Science et des TIC), Corée, dans le cadre du programme de soutien de l’ITRC (Centre de recherche sur les technologies de l’information) (IITP-2023-RS-2023-00258971) supervisé par l’IITP (Institut de planification et d’évaluation des technologies de l’information et de la communication).
Materials
| actiCAP | Easycap, GmbH Ltd., Herrsching, Germany | CAC-32-SAMW-56 | Textile EEG cap platform to accommodate EEG electrodes |
| Brain Vision Recorder (Software) | Brain Products GmBH Ltd., Munich, Germany | – | Software used to record EEG signal |
| Curry 7 (Software) | Compumedics, Australia | – | Software used in preprocessing of EEG data |
| LiveAmp | Brain Products, GmbH Ltd., Gilching, Germany | LA-055606-0348 | EEG system (amplifier) used for the measurement |
| MATLAB R2019a (Software) | MathWorks Inc., Natick, MA, USA | – | Software used to run the experimental stimulus and analyze the EEG data |
| Recording PC | Lenovo Group Limited, Hong Kong, China | Model: X58K | Intel Core i7-7700HQ CPU@2.80 GHz, RAM 8 GB /EEG data recording using Brain Vision Recorder |
| Sensor&Trigger Extension(STE) | Brain Products GmBH Ltd., Munich, Germany | STE-055604-0162 | Adds physioloigcal signals to the EEG amplifier |
| Splitter box | Brain Products GmBH Ltd., Munich, Germany | BP-135-1600 | Connects Ag/AgCl electrodes to the EEG amplifier |
| Stimulation PC | Hansung Corporation, Seoul, Korea | Model: ThinkPad P71 | Intel Core i7-8750H CPU@2.20 GHz, RAM 8 GB Presenting stimulation screen using MATLAB |
| TriggerBox | Brain Products GmBH Ltd., Munich, Germany | BP-245-1010 | Receives trigger signal from PC and relay it to EEG recording system |
Referanslar
- Faria-Fortini, I., Michaelsen, S. M., Cassiano, J. G., Teixeira-Salmela, L. F. Upper extremity function in stroke subjects: Relationships between the international classification of functioning, disability, and health domains. Journal of Hand Therapy. 24 (3), 257-265 (2011).
- Veerbeek, J. M., Kwakkel, G., van Wegen, E. E., Ket, J. C., Heymans, M. W. Early prediction of outcome of activities of daily living after stroke: a systematic review. Stroke. 42 (5), 1482-1488 (2011).
- Babiloni, C., et al. Human movement-related potentials vs desynchronization of EEG alpha rhythm: a high-resolution EEG study. Neuroimage. 10 (6), 658-665 (1999).
- Giaquinto, S., Cobianchi, A., Macera, F., Nolfe, G. EEG recordings in the course of recovery from stroke. Stroke. 25 (11), 2204-2209 (1994).
- Bartur, G., Pratt, H., Soroker, N. Changes in mu and beta amplitude of the EEG during upper limb movement correlate with motor impairment and structural damage in subacute stroke. Clinical Neurophysiology. 130 (9), 1644-1651 (2019).
- Boyd, L. A., et al. Biomarkers of stroke recovery: Consensus-based core recommendations from the Stroke Recovery and Rehabilitation Roundtable. International Journal of Stroke. 12 (5), 480-493 (2017).
- Thibaut, A., et al. Using brain oscillations and corticospinal excitability to understand and predict post-stroke motor function. Frontiers in Neurology. 8, 187 (2017).
- Caliandro, P., et al. Small-world characteristics of cortical connectivity changes in acute stroke. Neurorehabilitation and Neural Repair. 31 (1), 81-94 (2017).
- Saes, M., et al. Is Resting-state EEG longitudinally associated with recovery of clinical neurological impairments early poststroke? A prospective cohort study. Neurorehabilitation and Neural Repair. 34 (5), 389-402 (2020).
- Vecchio, F., et al. Cortical connectivity from EEG data in acute stroke: A study via graph theory as a potential biomarker for functional recovery. International Journal of Psychophysiology. 146, 133-138 (2019).
- Ang, K. K., et al. A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke. Clinical EEG and Neuroscience. 46 (4), 310-320 (2015).
- Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., Zhao, X. A comprehensive review of EEG-based brain-computer interface paradigms. Journal of Neural Engineering. 16 (1), 011001 (2019).
- Antelis, J. M., Montesano, L., Ramos-Murguialday, A., Birbaumer, N., Minguez, J. Decoding upper limb movement attempt from EEG measurements of the contralesional motor cortex in chronic stroke patients. IEEE Transactions on Biomedical Engineering. 64 (1), 99-111 (2017).
- Lee, M. H., et al. EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy. Gigascience. 8 (5), giz002 (2019).
- Jasper, H. H. Report of the committee on methods of clinical examination in electroencephalography: 1957. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
- Chatrian, G. E., Lettich, E., Nelson, P. L. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activities. American Journal of EEG technology. 25 (2), 83-92 (1985).
- Shim, M., et al. Altered functional networks of alpha and low-beta bands during upper limb movement and association with motor impairment in chronic stroke. Brain Connectivity. , (2021).
- Semlitsch, H. V., Anderer, P., Schuster, P., Presslich, O. A solution for reliable and valid reduction of ocular artifacts, applied to the P300 ERP. Psychophysiology. 23 (6), 695-703 (1986).
- Kim, Y. W., et al. Riemannian classifier enhances the accuracy of machine-learning-based diagnosis of PTSD using resting EEG. Progress in Neuropsychopharmacology & Biological Psychiatry. 102, 109960 (2020).
- Griffin, D., Lim, J. Signal estimation from modified short-time Fourier transform. IEEE Transactions on Acoustics, Speech, and Signal Processing. 32 (2), 236-243 (1984).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
- Shim, M., Kim, D. W., Lee, S. H., Im, C. H. Disruptions in small-world cortical functional connectivity network during an auditory oddball paradigm task in patients with schizophrenia. Schizophrenia Research. 156 (2-3), 197-203 (2014).
- Shim, M., Hwang, H. J., Lee, S. H. Impaired functional cortical networks in the theta frequency band of patients with post-traumatic stress disorder during auditory-cognitive processing. Frontiers in Psychiatry. 13, 811766 (2022).
- Bassett, D. S., Bullmore, E. Small-world brain networks. Neuroscientist. 12 (6), 512-523 (2006).
- Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
- Shiner, C. T., Tang, H., Johnson, B. W., McNulty, P. A. Cortical beta oscillations and motor thresholds differ across the spectrum of post-stroke motor impairment, a preliminary MEG and TMS study. Brain Research. 1629, 26-37 (2015).
- López-Larraz, E., Sarasola-Sanz, A., Irastorza-Landa, N., Birbaumer, N., Ramos-Murguialday, A. Brain-machine interfaces for rehabilitation in stroke: A review. NeuroRehabilitation. 43 (1), 77-97 (2018).
- Fong, K. N., Chan, C. C., Au, D. K. Relationship of motor and cognitive abilities to functional performance in stroke rehabilitation. Brain Injury. 15 (5), 443-453 (2001).
- Vecchio, F., et al. Acute cerebellar stroke and middle cerebral artery stroke exert distinctive modifications on functional cortical connectivity: A comparative study via EEG graph theory. Clinical Neurophysiology. 130 (6), 997-1007 (2019).
- Hwang, H. J., Kwon, K., Im, C. H. Neurofeedback-based motor imagery training for brain-computer interface (BCI). Journal of Neuroscience Methods. 179 (1), 150-156 (2009).
- Park, S. A., et al. Evaluation of feature extraction methods for EEG-based brain-computer interfaces in terms of robustness to slight changes in electrode locations. Medical & Biological Engineering & Computing. 51 (5), 571-579 (2013).
