Özet

Recopilación simultánea de datos de mediciones de fMRI y fNIRS utilizando una matriz de optodos de cabeza completa y canales de corta distancia

Published: October 20, 2023
doi:

Özet

Presentamos un método para recolectar simultáneamente señales de fMRI y fNIRS de los mismos sujetos con cobertura de fNIRS en toda la cabeza. El protocolo ha sido probado con tres adultos jóvenes y puede adaptarse para la recopilación de datos para estudios de desarrollo y poblaciones clínicas.

Abstract

La espectroscopia funcional de infrarrojo cercano (fNIRS) es una metodología de neuroimagen portátil, más robusta al movimiento y más rentable que la resonancia magnética funcional (fMRI), lo que la hace muy adecuada para realizar estudios naturalistas de la función cerebral y para su uso en poblaciones clínicas y de desarrollo. Tanto las metodologías fNIRS como fMRI detectan cambios en la oxigenación de la sangre cerebral durante la activación cerebral funcional, y estudios previos han demostrado una alta correspondencia espacial y temporal entre las dos señales. Sin embargo, no existe una comparación cuantitativa de las dos señales recogidas simultáneamente de los mismos sujetos con cobertura fNIRS de toda la cabeza. Esta comparación es necesaria para validar de forma exhaustiva las activaciones a nivel de área y la conectividad funcional con el estándar de oro de la resonancia magnética funcional, que a su vez tiene el potencial de facilitar las comparaciones de las dos señales a lo largo de la vida útil. Abordamos esta brecha mediante la descripción de un protocolo para la recopilación simultánea de datos de señales de fMRI y fNIRS que: i) proporciona cobertura de fNIRS en toda la cabeza; ii) incluye mediciones de corta distancia para la regresión de la señal fisiológica sistémica no cortical; y iii) implementa dos métodos diferentes para el co-registro optodo a cuero cabelludo de las mediciones de fNIRS. Se presentan los datos de fMRI y fNIRS de tres sujetos, y se discuten las recomendaciones para adaptar el protocolo a las poblaciones clínicas y de desarrollo. La configuración actual con adultos permite sesiones de escaneo durante un promedio de aproximadamente 40 minutos, que incluyen escaneos funcionales y estructurales. El protocolo describe los pasos necesarios para adaptar el equipo fNIRS para su uso en el entorno de resonancia magnética (RM), proporciona recomendaciones tanto para el registro de datos como para el co-registro de optodo a cuero cabelludo, y analiza las posibles modificaciones del protocolo para adaptarse a las características específicas del sistema fNIRS seguro para RM disponible. Las respuestas representativas específicas de un sujeto de una tarea de tablero de ajedrez intermitente ilustran la viabilidad del protocolo para medir señales fNIRS de toda la cabeza en el entorno de RM. Este protocolo será particularmente relevante para los investigadores interesados en validar las señales fNIRS contra la resonancia magnética funcional a lo largo de la vida.

Introduction

La función cognitiva se ha estudiado en el cerebro humano adulto a través de imágenes de resonancia magnética funcional (fMRI) durante casi tres décadas. Aunque la resonancia magnética funcional proporciona una alta resolución espacial e imágenes tanto funcionales como estructurales, a menudo no es práctica para estudios realizados en contextos naturalistas o para su uso con bebés y poblaciones clínicas. Estas limitaciones limitan sustancialmente nuestra comprensión de la función cerebral. Una alternativa a la resonancia magnética funcional es el uso de metodologías portátiles que son más rentables y resistentes al movimiento, como la espectroscopia funcional de infrarrojo cercano (fNIRS)1,2,3. fNIRS se ha utilizado con bebés y niños pequeños para evaluar la función cerebral en una variedad de dominios cognitivos, como el desarrollo del lenguaje, el procesamiento de información socialmente relevante y el procesamiento de objetos 4,5,6. fNIRS también es una modalidad de neuroimagen especialmente adecuada para la realización de pruebas en poblaciones clínicas debido a su potencial para la repetición de pruebas y monitorización a lo largo de las edades 7,8,9. A pesar de su amplia aplicabilidad, no hay estudios que comparen cuantitativamente las señales de fMRI y fNIRS recogidas simultáneamente de los mismos sujetos con cobertura de toda la cabeza. Esta comparación es necesaria para validar de forma exhaustiva las activaciones a nivel de área y la conectividad funcional entre regiones de interés (ROI) con respecto al estándar de oro de fMRI. Además, el establecimiento de esta correspondencia intermodal tiene el potencial de mejorar la interpretación de fNIRS cuando es la única señal recogida tanto en el desarrollo típico como en el atípico.

Tanto las señales de fMRI como fNIRS detectan cambios en la oxigenación de la sangre cerebral (CBO) durante la activación funcional del cerebro10,11. La resonancia magnética funcional se basa en los cambios en los campos electromagnéticos y proporciona una alta resolución espacial de los cambios en la CBO12. fNIRS, por el contrario, mide los niveles de absorción de la luz infrarroja cercana utilizando una serie de optodos emisores y detectores de luz2. Dado que fNIRS mide los cambios en la absorción en diferentes longitudes de onda, puede evaluar los cambios en la concentración tanto en la oxihemoglobina como en la desoxihemoglobina. Estudios previos que utilizaron registros simultáneos de señales de fMRI y fNIRS con un pequeño número de optodos han demostrado que las dos señales tienen una alta correspondencia espacial y temporal10. Existen fuertes correlaciones entre la fMRI dependiente del nivel de oxígeno en sangre (BOLD) y las medidas ópticas11,13, siendo la desoxihemoglobina la que muestra la mayor correlación con la respuesta BOLD, según lo reportado por trabajos previos que comparan la dinámica temporal de las funciones de respuesta hemodinámica (HRF) fNIRS y fMRI)14. Estos primeros estudios implementaron paradigmas de respuesta motora (es decir, golpeteo con los dedos) y utilizaron un número limitado de optodos que cubrían las áreas de la corteza motora primaria y premotora. En la última década, los estudios han ampliado el enfoque para incluir una batería más grande de tareas cognitivas y sesiones en estado de reposo, aunque todavía utilizan un número limitado de optodos que cubren ROI específicos. Estos estudios han demostrado que la variabilidad en las correlaciones entre fNIRS y fMRI depende de la distancia del optodo al cuero cabelludo y al cerebro15. Además, fNIRS puede proporcionar medidas de conectividad funcional en estado de reposo comparables a las de fMRI16,17.

El protocolo actual se basa en trabajos anteriores y aborda las limitaciones clave mediante i) proporcionar cobertura de fNIRS en toda la cabeza, ii) incluir mediciones de corta distancia para la regresión de señales fisiológicas no corticales, iii) implementar dos métodos diferentes para el registro conjunto de optodo a cuero cabelludo de las mediciones de fNIRS y iv) permitir la evaluación de la fiabilidad test-retest de la señal en dos sesiones independientes. Este protocolo para la recopilación simultánea de datos de señales de fMRI y fNIRS se desarrolló inicialmente para realizar pruebas a adultos jóvenes. Sin embargo, uno de los objetivos del estudio era crear una configuración experimental para recopilar señales simultáneas de fMRI/fNIRS que puedan adaptarse posteriormente para probar poblaciones en desarrollo. Por lo tanto, el protocolo actual también puede utilizarse como punto de partida para desarrollar un protocolo para realizar pruebas a los niños pequeños. Además de utilizar la cobertura de fNIRS en toda la cabeza, el protocolo también tiene como objetivo incorporar avances recientes en el campo del hardware fNIRS, como la inclusión de canales de corta distancia para medir la señal fisiológica sistémica (es decir, los cambios vasculares derivados de fuentes no corticales, como la presión arterial, las señales respiratorias y cardíacas)18,19 ; y el uso de un sensor de estructura 3D para el co-registro optodo-scalp20. Aunque el presente protocolo se centra en los resultados de una tarea de tablero de ajedrez de parpadeo visual, todo el experimento incluye dos sesiones con una mezcla de diseños tradicionales de tareas en bloque, sesiones en estado de reposo y paradigmas naturalistas de visualización de películas.

El protocolo describe los pasos necesarios para adaptar el equipo fNIRS para su uso en el entorno de resonancia magnética, incluido el diseño de la tapa, la alineación temporal a través de la sincronización de disparadores y las pruebas fantasma necesarias antes del inicio de la recopilación de datos. Como se ha señalado, la atención se centra aquí en los resultados de la tarea del tablero de ajedrez intermitente, pero el procedimiento general no es específico de la tarea y puede ser apropiado para cualquier número de paradigmas experimentales. El protocolo describe además los pasos necesarios durante la recopilación de datos, que incluyen la colocación de la tapa fNIRS y la calibración de la señal, la configuración de los equipos participantes y experimentales, así como la limpieza posterior al experimento y el almacenamiento de datos. El protocolo finaliza proporcionando una descripción general de las canalizaciones analíticas específicas para el preprocesamiento de datos fNIRS y fMRI.

Protocol

La investigación fue aprobada por la Junta de Revisión Institucional (IRB, por sus siglas en inglés) de la Universidad de Yale. Se obtuvo el consentimiento informado de todos los sujetos. Los sujetos tuvieron que pasar la prueba de resonancia magnética para garantizar su participación segura. Se excluyeron si tenían antecedentes de trastornos médicos o neurológicos graves que probablemente afectarían el funcionamiento cognitivo (es decir, un trastorno neurocognitivo o depresivo, trauma, esquizofrenia o trastorno…

Representative Results

En esta sección se presentan respuestas representativas específicas de cada sujeto para la tarea de tablero de ajedrez intermitente para señales de resonancia magnética funcional y fNIRS. En primer lugar, en las Figuras 6 y 7 se muestran datos brutos representativos de fNIRS y evaluaciones de calidad para ilustrar la viabilidad de la configuración experimental para medir las señales de fNIRS en el entorno de la RMN. En la <strong class="xf…

Discussion

Este protocolo para la recopilación simultánea de datos de señales de fMRI y fNIRS utiliza una matriz de optódicos fNIRS de cabeza completa y canales de corta distancia para medir y hacer una regresión de las señales fisiológicas sistémicas no corticales. Los pasos críticos en este protocolo incluyen la modificación y el desarrollo del equipo fNIRS para recolectar señales fNIRS en el entorno de RMN. Hasta donde sabemos, no existe un sistema comercial llave en mano que esté totalmente optimizado para capturar …

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Esta investigación fue apoyada por las siguientes fuentes de financiamiento: una beca NARSAD Young Investigator Award de la Fundación de Investigación del Cerebro y el Comportamiento (Subvención # 29736) (SSA), una subvención Global Grand Challenges de la Fundación Bill y Melinda Gates (subvención #INV-005792) (RNA) y una subvención del Fondo Discovery del Departamento de Psicología de la Universidad de Yale (RNA). Los autores también desean agradecer a Richard Watts (Yale Brain Imaging Center) por su apoyo durante la recopilación de datos y a Adam Eggebrecht, Ari Segel y Emma Speh (Universidad de Washington en St. Louis) por su ayuda en el análisis de datos.

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