Özet

Одновременный сбор данных измерений фМРТ и фБИС с использованием оптодной матрицы и каналов на коротких расстояниях

Published: October 20, 2023
doi:

Özet

Представлен метод одновременного сбора сигналов фМРТ и фБИРС от одних и тех же субъектов с охватом фНИРС всей головы. Протокол был протестирован на трех молодых людях и может быть адаптирован для сбора данных для исследований развития и клинических популяций.

Abstract

Функциональная спектроскопия ближнего инфракрасного диапазона (fNIRS) — это портативная методика нейровизуализации, более устойчивая к движению и более экономичная, чем функциональная магнитно-резонансная томография (фМРТ), что делает ее очень подходящей для проведения натуралистических исследований функций мозга и для использования с развивающимися и клиническими популяциями. Обе методики fNIRS и фМРТ обнаруживают изменения в оксигенации церебральной крови во время функциональной активации мозга, и предыдущие исследования показали высокую пространственную и временную корреспонденцию между двумя сигналами. Тем не менее, количественное сравнение двух сигналов, собранных одновременно от одних и тех же субъектов с охватом fNIRS всей головы, не проводится. Это сравнение необходимо для всесторонней проверки активаций на уровне областей и функциональной связности в соответствии с золотым стандартом фМРТ, что, в свою очередь, может облегчить сравнение двух сигналов на протяжении всей жизни. Мы восполняем этот пробел, описывая протокол одновременного сбора данных сигналов фМРТ и фНИРС, который: i) обеспечивает охват всей головы фНИРС; ii) включает измерения на коротких дистанциях для регрессии некортикального, системного физиологического сигнала; и iii) реализует два различных метода для совместной регистрации измерений fNIRS между оптодой и кожей головы. Представлены данные фМРТ и фНИРС трех испытуемых, а также обсуждаются рекомендации по адаптации протокола к тестированию развивающихся и клинических популяций. Нынешняя установка для взрослых позволяет проводить сеансы сканирования в среднем около 40 минут, которые включают в себя как функциональное, так и структурное сканирование. В протоколе описаны шаги, необходимые для адаптации оборудования fNIRS для использования в магнитно-резонансной томографии (МРТ), даны рекомендации как по регистрации данных, так и по совместной регистрации оптоды с скальпом, а также обсуждаются потенциальные модификации протокола в соответствии со спецификой имеющейся системы fNIRS, защищенной для МРТ. Репрезентативные ответы на задание в шахматном порядке иллюстрируют осуществимость протокола для измерения сигналов fNIRS всей головы в среде МРТ. Этот протокол будет особенно актуален для исследователей, заинтересованных в проверке сигналов fNIRS в сравнении с фМРТ на протяжении всей жизни.

Introduction

Когнитивные функции мозга взрослого человека изучаются с помощью функциональной магнитно-резонансной томографии (фМРТ) в течение почти трех десятилетий. Несмотря на то, что фМРТ обеспечивает высокое пространственное разрешение и получение как функциональных, так и структурных изображений, она часто непрактична для исследований, проводимых в натуралистическом контексте, или для использования с младенцами и клиническими популяциями. Эти ограничения существенно ограничивают наше понимание функций мозга. Альтернативой фМРТ является использование портативных методологий, которые являются более экономичными и устойчивыми к движению, таких как функциональная спектроскопия ближнего инфракрасного диапазона (fNIRS)1,2,3. fNIRS используется у младенцев и детей младшего возраста для оценки функций мозга в ряде когнитивных областей, таких как развитие речи, обработка социально значимой информации и обработка объектов 4,5,6. fNIRS также является методом нейровизуализации, особенно подходящим для тестирования клинических популяций из-за его потенциала для повторного тестирования и мониторинга в возрасте 7,8,9 лет. Несмотря на его широкую применимость, нет исследований, количественно сравнивающих сигналы фМРТ и фБИРС, собранные одновременно от одних и тех же субъектов с охватом всей головы. Это сравнение необходимо для всесторонней проверки активаций на уровне областей и функциональной связности между областями интереса (ROI) в соответствии с золотым стандартом фМРТ. Кроме того, установление этого интермодального соответствия может улучшить интерпретацию fNIRS, когда он является единственным собранным сигналом как в типичном, так и в нетипичном развитии.

Сигналы фМРТ и фНИРС выявляют изменения оксигенации церебральной крови (ООО) во время функциональной активации мозга10,11. фМРТ опирается на изменения электромагнитных полей и обеспечивает высокое пространственное разрешение изменений СВО12. fNIRS, напротив, измеряет уровни поглощения ближнего инфракрасного света с помощью серии светоизлучающих и светодетектирующих оптодов2. Поскольку fNIRS измеряет изменения поглощения на разных длинах волн, он может оценить изменения концентрации как окси-, так и дезоксигемоглобина. Предыдущие исследования с использованием одновременной регистрации сигналов фМРТ и фНИРС с небольшим числом оптодов показали, что эти два сигнала имеют высокую пространственную и временную корреляцию10. Существует сильная корреляция между фМРТ, зависящей от уровня кислорода в крови (BOLD) и оптическими показателями11,13, при этом дезоксигемоглобин показал самую высокую корреляцию с ответом BOLD, как сообщалось в предыдущих работах, сравнивающих временную динамику функций гемодинамического ответа (HRF) fNIRS и fMRI14. В этих ранних исследованиях были реализованы парадигмы двигательной реакции (т.е. постукивание пальцами) и использовалось ограниченное количество оптод, охватывающих первичные моторные и премоторные области коры. В последнее десятилетие исследования расширили фокус, включив в него большую батарею когнитивных задач и сеансов в состоянии покоя, хотя по-прежнему используется ограниченное количество оптодов, охватывающих конкретные ROI. Эти исследования показали, что вариабельность корреляций fNIRS/fMRI зависит от расстояния от оптоды до кожи головы и мозга15. Кроме того, fNIRS может обеспечить показатели функциональной связи в состоянии покоя, сравнимые с фМРТ16,17.

Настоящий протокол основан на предыдущих работах и устраняет ключевые ограничения за счет i) обеспечения охвата fNIRS всей головы, ii) включения измерений на коротких расстояниях для регрессии некортикальных физиологических сигналов, iii) реализации двух различных методов для совместной регистрации измерений fNIRS между оптодой и кожей головы и iv) обеспечения оценки надежности сигнала при тестировании и повторном тестировании в течение двух независимых сеансов. Этот протокол для одновременного сбора данных сигналов фМРТ и фНИРС изначально был разработан для тестирования молодых людей. Тем не менее, одной из целей исследования было создание экспериментальной установки для одновременного сбора сигналов фМРТ/фНИРС, которые впоследствии могут быть адаптированы для тестирования популяций развития. Таким образом, текущий протокол также может быть использован в качестве отправной точки для разработки протокола тестирования детей младшего возраста. В дополнение к использованию покрытия fNIRS всей головы, протокол также направлен на включение последних достижений в области аппаратного обеспечения fNIRS, таких как включение каналов на короткие расстояния для измерения системного физиологического сигнала (т.е. сосудистых изменений, возникающих из некорковых источников, таких как артериальное давление, дыхательные и сердечные сигналы)18,19 ; и использование 3D-структурного датчика для совместной регистрации оптоды и кожи головы20. Несмотря на то, что в настоящем протоколе основное внимание уделяется результатам выполнения задачи на визуальной шахматной доске, весь эксперимент включает в себя две сессии с сочетанием традиционных блочных задач, сессий в состоянии покоя и натуралистических парадигм просмотра фильмов.

Протокол описывает шаги, необходимые для адаптации оборудования fNIRS для использования в условиях МРТ, включая конструкцию колпачка, временное выравнивание с помощью синхронизации триггеров и фантомные тесты, необходимые перед началом сбора данных. Как уже отмечалось, основное внимание здесь уделяется результатам задачи на мигающей шахматной доске, но общая процедура не является специфичной для конкретной задачи и может быть уместна для любого количества экспериментальных парадигм. Протокол также описывает шаги, необходимые во время сбора данных, которые включают в себя установку колпачка fNIRS и калибровку сигнала, настройку участников и экспериментального оборудования, а также очистку после эксперимента и хранение данных. Протокол завершается обзором аналитических конвейеров, специфичных для предварительной обработки данных fNIRS и fMRI.

Protocol

Исследование было одобрено Институциональным наблюдательным советом (IRB) Йельского университета. Для всех испытуемых было получено информированное согласие. Испытуемые должны были пройти МРТ-скрининг, чтобы убедиться в их безопасном участии. Они исключались, если у них в анамнезе был?…

Representative Results

В этом разделе представлены репрезентативные ответы по конкретным субъектам для задачи на мигающую шахматную доску как для сигналов фМРТ, так и для сигналов фБИР. Во-первых, на рисунках 6 и 7 показаны репрезентативные необработанные данные fNIRS и …

Discussion

Этот протокол для одновременного сбора данных сигналов фМРТ и фНИРС использует оптодную матрицу fNIRS с целой головкой и каналы на коротких расстояниях для измерения и регрессии системных некортикальных физиологических сигналов. Важнейшие шаги в этом протоколе включают модификацию и р…

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Данное исследование было поддержано следующими источниками финансирования: грант NARSAD Young Investigator Award от Фонда исследований мозга и поведения (грант #29736) (SSA), грант Global Grand Challenges от Фонда Билла и Мелинды Гейтс (грант #INV-005792) (RNA) и грант Discovery Fund от факультета психологии Йельского университета (RNA). Авторы также выражают благодарность Ричарду Уоттсу (Richard Watts) из Йельского центра визуализации мозга (Richard Watts) за поддержку в сборе данных, а также Адаму Эггебрехту (Adam Eggebrecht), Ари Сигелу (Ari Segel) и Эмме Спе (Emma Speh) из Вашингтонского университета в Сент-Луисе за помощь в анализе данных.

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