Lihassynergioiden suuntamodulaatio aivohalvauksen jälkeen

Johdanto: Yläraajojen toiminta aivohalvauksen jälkeen on heikentynyt, ja sille on ominaista epänormaali, stereotyyppinen ja koordinoimaton liike. Vähentynyt hermovoima vaurioituneessa kortikospinaalisessa järjestelmässä, mikä aiheuttaa agonistien motoristen yksiköiden polttoa, spastisuutta, heikentynyttä motorista koordinaatiota. Kattavampi ymmärrys siitä, miten aivomme ohjaavat ja säätelevät raajojen liikkeitä selkäytimen kautta, voi parantaa edistyneempiä kuntoutustekniikoita.

Nykyinen motorisen ohjauksen käsite viittaa siihen, että aivokuori moduloi ja synkronoi erillisten funktionaalisten yksiköiden aktivoitumisen aivorungossa ja selkäytimessä. Nämä hermoston toiminnalliset yksiköt eli lihassynergiat helpottavat lineaarisesti yhdistettynä erilaisten raajan liikkeiden tuotantoa. Tämä ohjausmekanismi voi suurelta osin selittää tavan, jolla keskushermosto vähentää keskushermostoon upotetun suuren määrän vapausasteiden dimensiota erilliseen määrään lihassynergioita. Siksi liikkeen suorittaminen voi edellyttää vain näiden synergioiden lineaarista yhdistämistä ja säätelee sen aktivointiintensiteettiä aika-alueella.

Tällaisen ohjausmekanismin olemassaolo kiinnitti sekä kliinikkojen että tutkijoiden huomion käyttämään sen ominaisuuksia motorisen palautumisen tehostamiseen aivohalvauksen jälkeen. Siksi syntyi tutkimuksia, joissa selvitettiin kuinka aivokuoren vauriot vaikuttavat synergioiden synkronointiin ja myös muuttavatko ne synergioiden sisäistä rakennetta. Huolimatta lukuisista tällä alalla tehdyistä tutkimuksista ei ole yksimielisyyttä siitä, kuinka aivohalvaus vaikuttaa tähän kontrollimekanismiin, ja korrelaation laajuudesta heikkenemisen tason ja synergiarakenteen välillä. Tutkimuksen tavoitteena on verrata synergiarakennetta ja MAP:ia useisiin suuntiin käsin ulottuvissa liikkeissä aivohalvauksen jälkeisen yksilön ja terveen yksilön välillä sekä korreloida näitä ominaisuuksia aivohalvauksen jälkeisten henkilöiden motoristen häiriöiden välillä.

Menetelmät:

Osallistujat: Tutkimukseen osallistuu 12 tervettä vapaaehtoista (kontrolliryhmä) ja 20 aivohalvauksen jälkeistä henkilöä (tutkimusryhmä). Tutkimusryhmän mukaanottokriteerit ovat yli 20-vuotiaita henkilöitä, joilla on yksipuolinen aivohalvaus, jolla on hemipareesi. Kokeen poissulkemiskriteerit ovat sensorinen afasia, yksipuolinen laiminlyönti ja muiden neurologisten sairauksien, kuten Parkinsonin tai Alzheimerin taudin, esiintyminen.

Laitteet: Hand-reaching Spatial Device (HRSD) on säädettävä, yksinkertainen työkalu, joka mahdollistaa käden osoittamisen liikkeen standardoinnin 9 eri suuntaan eri osallistujien välillä. Se koostuu kahdesta pystysuorasta tangosta, joihin on kiinnitetty kolme puolipyöreää hyllyä. Jokaisessa hyllyssä on kolme liikkuvaa osoitintappia, joita voidaan säätää vasemmalle ja oikealle kunkin osallistujan muuttuvan käsivarren pituuden mukaan. Alin hylly sijaitsi 10 cm pöydän yläpuolella, keskimmäinen 35 cm pöydän yläpuolella ja korkein 55 cm pöydän yläpuolella. Jokaisen osallistujan HRSD sijaitsi suurimmalla käden ulottuvuuden etäisyydellä testatun olkapään edessä. Sivutapit sijaitsivat 45 asteen kulmassa olkaniveleen nähden molemmille puolille. HRSD:n maalitaulujen järjestely suunniteltiin kattamaan suurin osa käden ulottuvista liikkeistä.

Pinta-EMG:t rekisteröitiin (Trigno 8, Delsys, Boston, MA) kahdeksasta olkavyön ja käsivarren lihaksesta: trapezius (TRS); deltoid anterior (AD), mediaal (MD) ja posterior kuidut (PD); ja pectoralis major (PECT); infraspinatus (IS); hauislihas (BI); triceps (TRI). Elektrodit asetettiin Surface Electromyography for the Non-Invasive Assessment of Muscles-European Community Project (SENIAM) ohjeiden mukaisesti [34]. Maksimaaliset vapaaehtoiset supistukset (MVC:t) suoritettiin ennen tiedonkeruuta elektrodien oikean sijoituksen ja normalisoinnin varmistamiseksi. Yhden minuutin lepojaksot seurasivat jokaista MVC:tä väsymyksen mahdollisuuden rajoittamiseksi. EMG-signaalit kaistanpäästösuodatettiin (20-450 Hz) ja näytteistettiin 2000 Hz:llä.

Protokolla: MVC mitattiin tavallisella lihastestauksella [35]. Sitten osallistuja istui pöydän edessä kyynärvarsi lepäsi mukavassa asennossa. HRSD sijaitsi yllä mainitulla tavalla. Osallistujia pyydettiin osoittamaan kutakin kohdetta 5 kertaa äänikehotteen mukaan, jonka EMG-ohjelmisto aktivoi 10 sekunnin välein 45 osoitusliikkeen ajan. Kohteiden osoittamisjärjestys oli vakio kaikille osallistujille.

Data-analyysi EMG-esikäsittely Data-analyysi suoritettiin käyttämällä Matlabia (The MathWorks, Inc.). EMG:t alennettiin, mitä seurasi RMS-laskenta käyttäen 50 näytteen päällekkäistä ikkunaa (25 millisekuntia kunkin aikapisteen ympärillä). Keskimääräiset lähtötason EMG:t kussakin kokeessa vähennettiin keskiarvotetuista tiedoista saavuttavien liikkeiden sarjalle. Näin ollen kunkin kokeen EMG-tiedot, vektori, jonka mitta oli 8 (tallennettujen lihasten lukumäärä), vastasi aktiivisen voiman muodostusta, joka ylittää jäljellä olevan perusviivan lihastoiminnan. EMG-tiedot normalisoitiin kunkin lihaksen maksimaalisen isometrisen supistumisen (MVC) mukaisesti.

Leen ja Seungin (1999 ja 2001) alun perin käyttämää NMF-algoritmia käytettiin tunnistamaan lihassynergioita ja niiden aktivointipainoja. EMG-kuvio, joka kirjattiin käden ulottuvilla liikkeillä, mallinnettiin lineaarisena yhdistelmänä joukosta N lihassynergiaa, joista jokainen määritti suhteellisen aktivaatiotason 8 lihaksen välillä ja aktivoitiin ajassa vaihtelevalla aktivaatiokertoimella:

V^(M×T)≈W^(M×N)∙H^(N×T) (4) Missä V on EMG-tietojoukon matriisi, jossa M on lihasten lukumäärä (8 lihasta), T on luku aikanäytteistä W on synergiamatriisi ja H on kerroinmatriisi. W on m×n on matriisi, jossa on n synergiaa, m on lihasten lukumäärä ja H on synergiaaktivaatiokertoimien n×t matriisi. Siten jokainen W:n sarake edustaa kunkin lihaksen painoja yksittäistä synergiaa varten, ja jokainen H:n rivi edustaa, kuinka paljon vastaavaa synergiaa aktivoitiin tai sitä käytettiin voiman tuottamiseen. Tässä mallissa on mahdollista, että jokainen lihas kuuluu useampaan kuin yhteen synergiaan ja siten minkä tahansa yksittäisen lihaksen EMG voidaan katsoa johtuvan useiden lihassynergioiden samanaikaisista tai peräkkäisistä aktivaatioista.

Koko ryhmälle optimaalisen synergioiden määrän määrittämiseksi kaikkien kohteiden EMG-tiedot ketjutettiin kunkin osallistujan osalta. Sitten koko näytteen EMG:t ketjutettiin ennen NMF:n käyttöä. Optimaalinen synergioiden määrä (d) määriteltiin niiden synergioiden lukumääräksi, jotka keräsivät suurimman datan kokonaisvarianssista, mikä viittaa siihen, että lisäsynergiat sieppasivat vain pieniä jäännösmääriä melusta johtuvasta vaihtelusta. Tämän menettelyn avulla pystyimme arvioimaan optimaalisen synergioiden määrän koko näytteelle minkä tahansa saavuttavan liikkeen suorittamiseksi avaruudessa liikkeen suunnasta riippumatta.

NMF-algoritmi edellytti erotettujen synergioiden määrän määrittämistä ennen algoritmin soveltamista. Siksi kullekin tietojoukolle laskettiin VAF samalla kun synergioiden lukumäärä muutettiin 1:stä 7:ään. VAF laskettiin käyttämällä yhtälöä:

VAF(H)=100 %×(1-(|(|V-WH|)|_2^2)/(|(|V|)|_2^2 )) (6) jossa V on alkuperäinen matriisi ja W ja H ovat johdettuja kertoimia matriiseja.

Liikesuuntien yleistäminen

Tarkoituksena tässä analyysivaiheessa oli selvittää, onko olemassa joukko erillisiä synergiaetuja, jotka ohjaavat saavuttavaa liikettä avaruudessa. Siksi tutkittiin, kuinka tiettyihin suuntiin tapahtuva liike voi selittää liikkeitä muihin suuntiin. Jokaisen liikesuunnan EMG-tiedot yhdistettiin erikseen 8 lihaksen yli ja ketjutettiin koko näytteelle. Näin johdetun synergiajoukon tulisi ottaa huomioon eri aiheiden välinen vaihtelu, mutta se olisi myös spesifinen vain tälle suunnalle. NMF:ää sovellettiin erikseen jokaiselle liikesuunnalle yhtälön mukaisesti:

V_i≈W_i∙H_i (7) jossa i on kohdeluku, joka vastasi tiettyä liikesuuntaa avaruudessa. Tässä analyysivaiheessa V_i (EMG-matriisi) annettiin syötteeksi jokaiselle kohteelle, i∈[1,9], ja matriiseja W_i,H_i päivitettiin iteratiivisesti. Tutkimusmenettely sisälsi yhdeksän eri kohdesuunnan saavuttamisen avaruudessa, mikä antoi meille mahdollisuuden tutkia tarkemmin, oliko olemassa yksittäinen synergiajoukko, joka voisi selittää liikkeitä muihin suuntiin.

Tämä tehtiin käyttämällä ristiinvalidointitekniikkaa V_i-matriisien ja W_j-matriisien välillä käyttämällä NMF-algoritmin muunneltua versiota, mitä seurasi vastaava VAF-laskenta muuttaen synergioita (d) vain 3:sta 5:een, ei 1-7 perustuen NMF:n tuloksiin kaikille osallistujille ja kaikille kohteille, kuten tulososiossa on kuvattu. Algoritmin modifioidussa versiossa sekä V_i että W_j (synergiamatriisi) annettiin syötteenä. Vain kohteen i H_(i,j)-kertoimien matriisi päivitettiin ja tulostettiin.

Modifioidun NMF:n ristiinvalidointiprosessi suoritettiin kullekin datamatriisin V_i (kohteen i) ja synergiamatriisin W_j (kohteen j) yhdistelmälle, mikä johti 9 × 9 matriisiin H_ji. Jokaiselle i,j∈[1,9] kerrotaan V_i siten, että W_j H_ji≈V_i.

Lihassynergioiden vertailujoukko valittiin laskemalla VAF jokaiselle 9 × 9 tekijöille:

VAF(H_ij )=100 %×(1-(|(|V_i-W_j H_ij |)|_2^2)/(|(|V_i |)|_2^2 )) (8) olettaen, että VAF:n suuret arvot pysyvät tasaisena (H_ij) tietylle V_i:lle voi osoittaa, että tähän suuntaan tapahtuvista liikkeistä saadut synergiat voivat selittää tarkasti liikkeen muihin suuntiin.

Siten jokaiselle ennalta määrätylle synergioiden lukumäärälle (d) vastaanotettiin 9 × 9 matriisi, jossa jokainen solu edusti tietyn synergian (rivin) vastuuta määrättyyn suuntaan (sarake). Tuloksena olevan matriisin jokainen rivi edusti sopivan synergiajoukon yleistä "suorituskykyä", joten seuraavaan analyysivaiheeseen valittiin rivi, jolla oli korkein keskimääräinen VAF.

Lihassynergioiden suuntamodulaatio Kun synergiajoukko (W_j ) valittiin ja jokaiselle kohteelle asetettiin aktivaatiokertoimet (H_ij,kun i∈[9,1]), määritettiin mitkä synergiat ovat hallitsevia kullekin suunnalle. Kullekin synergiamäärälle laskettiin jokaisen synergian keskimääräinen aktivointikerroin jokaiselle suunnalle. Synergioiden lukumäärän asettaminen esimerkiksi 4:ksi johti 9 vektoriin (yksi kullekin liikesuunnalle) 4 arvolla, jotka edustavat neljää synergiaa. Sitten mitattiin kunkin synergian keskimääräinen amplitudi liikesuunnassa ja eri suuntiin olevien liikkeiden välillä synergioiden välillä.