Moottorikuvat BCI-kuntoutus aivohalvauksen jälkeen

Tämä tutkimus toteutetaan tutkivana tutkimuksena, jonka tarkoituksena on tutkia aivo-tietokonerajapinnan (BCI) palautteen kautta aivohalvauksen jälkeisen palautteen kautta ohjatun käsien liikkeiden mielikuvaharjoittelun etuja. Aivohalvauspotilaat koulutetaan henkisesti kuvittelemaan käden avautumista ja sulkemista (jäljempänä MI, Motor Imagery). Koulutuksen aikana potilaat saavat visuaalista palautetta reaaliajassa, joka heijastelee motorisiin prosesseihin liittyvää hermotoimintaa. NeuroFeedback (NF) projisoidaan mahdollisimman pienellä aikaviiveellä hermoston oppimisen maksimoimiseksi. Tämän tyyppisellä palautetta sisältävällä aivoharjoittelulla uskotaan olevan merkittävä merkitys aivojen kyvyn stimuloimiseksi uudelleen ja kompensoida vahingoittunutta aluetta.

Jokainen osallistuja käy läpi seuraavan tiedonkeruumenettelyn (yhteensä 33 mittausistuntoa RP:tä kohti):

Viikko 1-3:

Kliiniset lähtötilanteen arvioinnit, 1 kerta/viikko MRI-mittaukset, 1 kerta/viikko 2 viikon ajan. Perustason EEG-tallenteet, 1 kerta/viikko Viikko 4-7 MI-neurofeedback-koulutus 3 kertaa/viikko Kliininen interventioarviointi, 1 kerta/viikko Viikko 8-10 Sama kuin viikko 1-3

Magneettiresonanssikuvauksen (MRI) mittaukset. MRI-tutkimus suoritetaan Siemens MAGNETOM Prisma 3T -skannerilla (20-kanavainen pääkela) lähtötilanteessa ja loppuarvioinnissa Tukholman yliopiston aivokuvauskeskuksessa. MRI-protokolla sisältää i) anatomiset koko aivojen spin-kaiku T1- ja T2-painotetut sekvenssit leesion koon ja sijainnin kuvaamiseksi ii) T2*-painotettujen gradienttikaikujen EPI-BOLD-kuvien hankkimisen koko aivoista lepotilan toiminnallisen liitettävyyden arvioimiseksi. sensomotoriset verkot (lepotilan toiminnallinen MRI (fMRI)) ja iii) sama sekvenssi kuin edellinen, ja levon lomittaa motorikuvan paradigma, jota kuvataan tarkemmin alla.

Motor Imagery (MI) -paradigma. Paradigma koostuu siitä, että RP:tä ohjataan peilatun tietokoneen näytön avulla joko i) lepäämään mielensä silmät kiinni, ii) kuvittelemaan henkisesti käden liike (MI) tai ii) suorittamaan käden liike. Käden liikkeet, joita ohjataan, ovat joko käden sulkeminen tai käden avaaminen ja sormien ojentaminen. RP suorittaa useita toistoja jokaiselle kädenliikkeelle (MI ja suoritus) kerätäkseen tilastollisen perustan.

Perustason EEG-tallennus. Perustason EEG-tallenteiden aikana RP istuu tietokoneen näytön edessä ja suorittaa MI-paradigman (kuvattu yllä). Näiden istuntojen aikana kerätään EEG-, EOG-, EMG- ja kiihtyvyysmittaritietoja, ja niitä kuvataan tarkemmin alla.

ElectroEncephaloGram (EEG), ElectroOculoGram (EOG), ElectroMyoGram (EMG) ja kiihtyvyysanturilaitteet. EEG-laitteisto koostuu 64-elektrodisesta päänahan EEG-hakujärjestelmästä (Brain Products ActiCHamp). 64 elektrodia (aktiivinen Ag/AgCl) jaetaan laajennetun 10-20 referenssisijoitusjärjestelmän mukaisesti. EEG-tallennuksen lisäksi 3 elektrodia (passiivinen Ag/AgCl, Brain Products) asetetaan kummallekin puolelle molempiin silmiin ja korvalehteen mittaamaan silmien liikkeitä kokeen (EOG) aikana. EMG-elektrodit (passiivinen Ag/AgCl, Brain Products) sijoitetaan neljän lihaksen päälle, jotka ohjaavat rannetta ja sormia standardoidun protokollan mukaisesti. Kaksi kiihtyvyysanturi-anturia (Brain Products) asetetaan käteen ja etusormeen liikkeeseen liittyvän toiminnan tallentamiseksi.

EEG, EOG, EMG ja kiihtyvyysmittarin tietojen analysointi. Tallennettuja tietoja analysoidaan edelleen offline-tilassa, jotta voidaan arvioida tiedoissa olevat ominaispiirteet, jotka parhaiten kuvaavat käsien liikkeiden MI:tä. Tämä suoritetaan Matlabissa ja Labviewissa yhdistämällä räätälöidyt skriptit jo kehitettyihin työkalupakkeihin (kuten EEGLab, Chronux). Arvioitavia ominaisuuksia ovat muun muassa herätetty aktiivisuus, aika-taajuusspektrit, vaihe, korrelaatiokertoimet, koherenssi. Kun MI:tä parhaiten kuvaava ominaisuus on tunnistettu, informaatiota poimittaessa arvioidaan eri luokitin- ja hahmontunnistusmenetelmiä. Arvioidaan ja verrataan muun muassa älykkäitä algoritmeja, tukivektorikonetta (SVM), regularisoitua lineaarista regressiota, naiiveja Bayes-luokituksia. Nämä ovat yleisesti käytettyjä menetelmiä neurotekniikan alalla, ja aiempi vertailututkimus, jossa käytettiin invasiivisten tallenteiden hermodataa, osoittaa, kuinka tärkeää on valita hyvin mukautettu luokitin tiedon poimimiseen.

MI-NeuroFeedback Training (NFT). EEG-, EOG-, EMG- ja kiihtyvyysanturitiedot kerätään kohdassa "EEG-, EMG- ja kiihtyvyysanturilaitteet" kuvatulla tavalla. RP suorittaa MI-paradigman ilman käden liikkeiden suorittamista. Reaaliaikainen palaute tallennetusta EEG-aktiivisuudesta toimitetaan RP:lle MI:n aikana. Palaute koostuu virtuaalisesta kädestä tietokoneen näytöllä, jonka liikkeet heijastavat MI:hen liittyvää RP:n aivotoimintaa. Tallennettuja tietoja analysoidaan edelleen offline-tilassa edellisessä osiossa kuvattujen analyyttisten työkalujen avulla.