Özet

Collecte simultanée de données de mesures IRMf et NIRS f à l’aide d’un réseau d’optodes à tête entière et de canaux à courte distance

Published: October 20, 2023
doi:

Özet

Nous présentons une méthode permettant de collecter simultanément des signaux IRMf et fNIRS chez les mêmes sujets avec une couverture fNIRS de la tête entière. Le protocole a été testé auprès de trois jeunes adultes et peut être adapté à la collecte de données pour des études de développement et des populations cliniques.

Abstract

La spectroscopie fonctionnelle dans le proche infrarouge (fNIRS) est une méthodologie de neuroimagerie portable, plus robuste au mouvement et plus rentable que l’imagerie par résonance magnétique fonctionnelle (IRMf), ce qui la rend parfaitement adaptée à la réalisation d’études naturalistes de la fonction cérébrale et à une utilisation avec des populations développementales et cliniques. Les méthodologies fNIRS et IRMf détectent les changements dans l’oxygénation cérébrale du sang au cours de l’activation cérébrale fonctionnelle, et des études antérieures ont montré une correspondance spatiale et temporelle élevée entre les deux signaux. Il n’y a cependant pas de comparaison quantitative des deux signaux collectés simultanément chez les mêmes sujets avec une couverture fNIRS de la tête entière. Cette comparaison est nécessaire pour valider de manière exhaustive les activations au niveau de la zone et la connectivité fonctionnelle par rapport à l’étalon-or de l’IRMf, qui à son tour a le potentiel de faciliter les comparaisons des deux signaux tout au long de la vie. Nous comblons cette lacune en décrivant un protocole pour la collecte simultanée de données de signaux IRMf et NIRS f qui : i) fournit une couverture fNIRS de la tête entière ; ii) comprend des mesures à courte distance pour la régression du signal physiologique systémique non cortical ; et iii) met en œuvre deux méthodes différentes pour le co-enregistrement optode-cuir chevelu des mesures fNIRS. Les données d’IRMf et de NIRS f de trois sujets sont présentées, et des recommandations pour adapter le protocole aux populations développementales et cliniques sont discutées. La configuration actuelle avec des adultes permet des séances de numérisation d’une durée moyenne d’environ 40 minutes, ce qui comprend à la fois des analyses fonctionnelles et structurelles. Le protocole décrit les étapes nécessaires à l’adaptation de l’équipement fNIRS pour une utilisation dans l’environnement de résonance magnétique (IRM), fournit des recommandations pour l’enregistrement des données et le co-enregistrement optode-scalp, et discute des modifications potentielles du protocole pour s’adapter aux spécificités du système fNIRS IRM disponible sans danger pour l’IRM. Des réponses représentatives spécifiques à un sujet à partir d’une tâche en damier clignotant illustrent la faisabilité du protocole pour mesurer les signaux fNIRS de la tête entière dans l’environnement d’IRM. Ce protocole sera particulièrement pertinent pour les chercheurs intéressés par la validation des signaux fNIRS par rapport à l’IRMf tout au long de la vie.

Introduction

La fonction cognitive est étudiée dans le cerveau humain adulte par imagerie par résonance magnétique fonctionnelle (IRMf) depuis près de trois décennies. Bien que l’IRMf fournisse une haute résolution spatiale et des images fonctionnelles et structurelles, elle n’est souvent pas pratique pour les études menées dans des contextes naturalistes ou pour une utilisation avec des nourrissons et des populations cliniques. Ces contraintes limitent considérablement notre compréhension du fonctionnement du cerveau. Une alternative à l’IRMf est l’utilisation de méthodologies portables plus rentables et plus résistantes au mouvement, telles que la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS)1,2,3. Le fNIRS a été utilisé chez les nourrissons et les jeunes enfants pour évaluer la fonction cérébrale dans divers domaines cognitifs, tels que le développement du langage, le traitement de l’information socialement pertinente et le traitement des objets 4,5,6. Le fNIRS est également une modalité de neuroimagerie particulièrement adaptée aux tests sur les populations cliniques en raison de son potentiel de tests et de surveillance répétés à l’âge de7, 8 et 9 ans. Malgré sa large applicabilité, il n’existe pas d’études comparant quantitativement les signaux IRMf et fNIRS collectés simultanément chez les mêmes sujets avec une couverture de la tête entière. Cette comparaison est nécessaire pour valider de manière exhaustive les activations au niveau de la zone et la connectivité fonctionnelle entre les régions d’intérêt (ROI) par rapport à l’étalon-or de l’IRMf. De plus, l’établissement de cette correspondance intermodale a le potentiel d’améliorer l’interprétation du fNIRS lorsqu’il s’agit du seul signal collecté à travers le développement typique et atypique.

Les signaux IRMf et fNIRS détectent tous deux des changements dans l’oxygénation cérébrale du sang (CBO) lors de l’activation cérébrale fonctionnelle10,11. L’IRMf s’appuie sur les changements dans les champs électromagnétiques et fournit une haute résolution spatiale des changements CBO12. fNIRS, en revanche, mesure les niveaux d’absorption de la lumière proche infrarouge à l’aide d’une série d’optodes électroluminescentes et de détection de lumière2. Étant donné que le fNIRS mesure les changements d’absorption à différentes longueurs d’onde, il peut évaluer les changements de concentration dans l’oxyhémoglobine et la désoxyhémoglobine. Des études antérieures utilisant des enregistrements simultanés de signaux IRMf et NIRS fNIRS avec un petit nombre d’optodes ont montré que les deux signaux ont une correspondance spatiale et temporelle élevée10. Il existe de fortes corrélations entre l’IRMf dépendante du niveau d’oxygène dans le sang (BOLD) et les mesures optiques11,13, la désoxyhémoglobine montrant la corrélation la plus élevée avec la réponse BOLD, comme l’ont rapporté des travaux antérieurs comparant la dynamique temporelle des fonctions de réponse hémodynamique (HRF) du NIRS f et de l’IRMf (HRF)14. Ces premières études ont mis en œuvre des paradigmes de réponse motrice (c’est-à-dire le tapotement des doigts) et ont utilisé un nombre limité d’optodes couvrant les zones du cortex moteur primaire et prémoteur. Au cours de la dernière décennie, des études ont élargi l’objectif pour inclure une plus grande batterie de tâches cognitives et de séances à l’état de repos, bien qu’elles utilisent toujours un nombre limité d’optodes couvrant des ROI spécifiques. Ces études ont montré que la variabilité des corrélations NIRSf/IRMf dépend de la distance de l’optode par rapport au cuir chevelu et au cerveau15. De plus, le NIRS f peut fournir des mesures de connectivité fonctionnelle à l’état de repos comparables à l’IRMf16,17.

Le protocole actuel s’appuie sur des travaux antérieurs et aborde les principales limites en i) fournissant une couverture fNIRS de la tête entière, ii) incluant des mesures à courte distance pour la régression des signaux physiologiques non corticaux, iii) mettant en œuvre deux méthodes différentes pour le co-enregistrement optode-cuir chevelu des mesures fNIRS et iv) permettant l’évaluation de la fiabilité test-retest du signal sur deux sessions indépendantes. Ce protocole de collecte simultanée de données de signaux IRMf et NIRS a été initialement développé pour tester les jeunes adultes. Cependant, l’un des objectifs de l’étude était de créer un dispositif expérimental pour collecter des signaux IRMf/NIRS simultanés qui peuvent être adaptés par la suite pour tester des populations en développement. Par conséquent, le protocole actuel peut également servir de point de départ à l’élaboration d’un protocole de dépistage des jeunes enfants. En plus d’utiliser la couverture fNIRS de la tête entière, le protocole vise également à intégrer les avancées récentes dans le domaine du matériel fNIRS, telles que l’inclusion de canaux à courte distance pour mesurer le signal physiologique systémique (c’est-à-dire les changements vasculaires provenant de sources non corticales, telles que la pression artérielle, les signaux respiratoires et cardiaques)18,19 ; et l’utilisation d’un capteur de structure 3D pour le co-enregistrement optode-scalp20. Bien que le présent protocole se concentre sur les résultats d’une tâche en damier clignotant visuellement, l’ensemble de l’expérience comprend deux sessions avec un mélange de conceptions traditionnelles de tâches en bloc, de sessions à l’état de repos et de paradigmes naturalistes de visionnage de films.

Le protocole décrit les étapes nécessaires à l’adaptation de l’équipement fNIRS pour une utilisation dans l’environnement IRM, y compris la conception du capuchon, l’alignement temporel via la synchronisation des déclencheurs et les tests fantômes requis avant le début de la collecte de données. Comme nous l’avons indiqué, l’accent est mis ici sur les résultats de la tâche en damier clignotant, mais la procédure globale n’est pas spécifique à la tâche et peut convenir à un certain nombre de paradigmes expérimentaux. Le protocole décrit en outre les étapes requises lors de la collecte des données, qui comprennent la mise en place du capuchon fNIRS et l’étalonnage du signal, la configuration des participants et de l’équipement expérimental, ainsi que le nettoyage post-expérience et le stockage des données. Le protocole se termine en fournissant une vue d’ensemble des pipelines analytiques spécifiques au prétraitement des données fNIRS et IRMf.

Protocol

La recherche a été approuvée par l’Institutional Review Board (IRB) de l’Université de Yale. Le consentement éclairé a été obtenu pour tous les sujets. Les sujets devaient passer un examen par résonance magnétique pour s’assurer qu’ils participaient en toute sécurité. Ils ont été exclus s’ils avaient des antécédents de troubles médicaux ou neurologiques graves susceptibles d’affecter le fonctionnement cognitif (c.-à-d. un trouble neurocognitif ou dépressif, un traumatisme, une schizophréni…

Representative Results

Cette section présente des réponses représentatives spécifiques à un sujet pour la tâche du damier clignotant pour les signaux IRMf et NIRSF. Tout d’abord, des données brutes représentatives du fNIRS et des évaluations de la qualité sont présentées à la figure 6 et à la figure 7 pour illustrer la faisabilité du dispositif expérimental permettant de mesurer les signaux fNIRS dans l’environnement de l’IRM. Un diagramme de l?…

Discussion

Ce protocole pour la collecte simultanée de données de signaux IRMf et fNIRS utilise un réseau d’optodes fNIRS de la tête entière et des canaux à courte distance pour mesurer et régresser les signaux physiologiques systémiques non corticaux. Les étapes critiques de ce protocole comprennent la modification et le développement de l’équipement fNIRS pour la collecte des signaux fNIRS dans l’environnement IRM. À notre connaissance, il n’existe pas de système commercial clé en main entièrement optimisé…

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Cette recherche a été financée par les sources de financement suivantes : une subvention NARSAD Young Investigator Award de la Brain and Behavior Research Foundation (subvention #29736) (SSA), une subvention Global Grand Challenges de la Fondation Bill et Melinda Gates (subvention #INV-005792) (RNA) et une subvention du Discovery Fund du Département de psychologie de l’Université Yale (RNA). Les auteurs tiennent également à remercier Richard Watts (Yale Brain Imaging Center) pour son soutien lors de la collecte des données, ainsi qu’Adam Eggebrecht, Ari Segel et Emma Speh (Washington University à St Louis) pour leur aide dans l’analyse des données.

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.

Referanslar

  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

Bu Makaleden Alıntı Yapın
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