Motoros képalkotás BCI stroke utáni rehabilitáció

Ezt a tanulmányt feltáró jellegű tanulmányként végezzük annak vizsgálata érdekében, hogy milyen előnyökkel jár az agy-számítógép interfész (BCI) agyi-számítógépes interfészen keresztül történő visszacsatolása a stroke utáni kézmozgások mentális képalkotásával. A stroke-os betegeket arra tanítják, hogy mentálisan képzeljék el a kéz kinyitását és zárását (a továbbiakban MI, motoros képalkotás). A tréning során a páciensek valós idejű vizuális visszajelzést kapnak, amely tükrözi a motoros folyamatokhoz kapcsolódó idegi tevékenységet. A NeuroFeedback (NF) minimális késleltetéssel kerül kivetítésre, hogy maximalizálja a neurális tanulást. Az ilyen típusú, visszacsatolással járó agytréningről úgy gondolják, hogy jelentős jelentőséggel bír az agy azon képességének serkentésében, hogy átrendeződik és kompenzálja a sérült területet.

Minden résztvevő a következő adatgyűjtési eljáráson megy keresztül (összesen 33 mérési munkamenet RP):

1-3 hét:

Klinikai kiindulási értékelések, 1 alkalom/hét MRI mérés, 1 alkalom/hét 2 héten keresztül. Kiindulási EEG felvételek, heti 1 alkalom 4-7. hét MI-neurofeedback tréning heti 3 alkalommal Klinikai beavatkozás értékelése, 1 alkalom/hét 8-10. hét Ugyanaz, mint az 1-3. héten

Mágneses rezonancia képalkotás (MRI) mérések. Az MRI-vizsgálatot egy Siemens MAGNETOM Prisma 3T szkenneren (20 csatornás fejtekercs) végzik el az alapvonalon és a végső értékelési ülésen a Stockholmi Egyetem Agyképalkotó Központjában. Az MRI protokoll tartalmazza i) anatómiai teljes agy spin-echo T1 és T2 súlyozott szekvenciákat a lézió méretének és helyének leírásához ii) a T2* súlyozott gradiens echo EPI-BOLD képek beszerzését a teljes agyról a nyugalmi állapot funkcionális összekapcsolhatóságának értékelésére. szenzomotoros hálózatok (nyugalmi állapotú funkcionális MRI (fMRI)), és iii) ugyanaz a szekvencia, mint az előzőnél, az alábbiakban részletesebben ismertetett motoros képi paradigmával átszőtt pihenéssel.

Motoros képalkotás (MI) paradigma. A paradigma abból áll, hogy az RP-t egy tükrözött számítógép-képernyő segítségével utasítjuk, hogy i) csukott szemmel pihentesse az elméjét, ii) képzeljen el egy kézmozdulatot (MI), vagy ii) hajtson végre egy kézmozdulatot. A kézmozdulatok vagy a kéz bezárása, vagy a kéz kinyitása és az ujjak nyújtása. Az RP minden kézmozdulatot többször megismétel (MI és végrehajtás), hogy statisztikai alapot gyűjtsön.

Kiindulási EEG felvétel. Az alapvonali EEG-felvételek során az RP a számítógép képernyője előtt ülve végrehajtja az MI-paradigmát (fent leírtuk). Ezen munkamenet során EEG-, EOG-, EMG- és gyorsulásmérő-adatokat gyűjtenek, és az alábbiakban részletesebben ismertetjük őket.

ElectroEncephaloGram (EEG), ElectroOculoGram (EOG), ElectroMyoGram (EMG) és gyorsulásmérő berendezések. Az EEG berendezés egy 64 elektródos fejbőr EEG-gyűjtő rendszerből áll (Brain Products ActiCHamp). A 64 elektróda (aktív Ag/AgCl) a kiterjesztett 10-20 referencia elhelyezési rendszer szerint kerül elosztásra. Az EEG-felvételen kívül 3 elektródát (passzív Ag/AgCl, Brain Products) helyezünk mindkét szem mindkét oldalára és a fülcimpájára, hogy mérjük a szemmozgásokat a kísérlet során (EOG). Az EMG elektródákat (passzív Ag/AgCl, Brain Products) négy izom fölé helyezik, amelyek a csuklót és az ujjakat szabályozzák egy szabványos protokoll szerint. Két gyorsulásmérő-érzékelő (Brain Products) kerül a kézre és a mutatóujjra a mozgással kapcsolatos tevékenység rögzítésére.

EEG, EOG, EMG és gyorsulásmérő adatelemzés. A rögzített adatokat offline tovább elemezzük annak érdekében, hogy kiértékeljük az adatok azon jellemzőit, amelyek a legjobban leírják a kézmozgások MI-jét. Ezt Matlabban és Labview-ban hajtják végre, kombinálva az egyedi szkripteket a már kifejlesztett eszköztárokkal (például EEGLab, Chronux). Az értékelendő jellemzők többek között a kiváltott tevékenység, az idő-frekvencia spektrumok, a fázis, a korrelációs együtthatók, a koherencia. Ha az MI-t legjobban leíró jellemzőt azonosították, az információ kinyerése során különböző osztályozó- és mintafelismerési módszereket értékelnek. Értékelésre és összehasonlításra kerül többek között az intelligens algoritmusok, a Support Vector Machine (SVM), a szabályos lineáris regresszió, a naiv Bayes osztályozók. Ezek általánosan használt módszerek a neurotechnológia területén, és az invazív felvételekből származó neurális adatok felhasználásával végzett előzetes összehasonlító vizsgálat azt mutatja, hogy mennyire fontos egy jól adaptált osztályozó kiválasztása az információ kinyeréséhez.

MI-NeuroFeedback Training (NFT). Az EEG, EOG, EMG és a gyorsulásmérő adatok gyűjtése az „EEG, EMG és gyorsulásmérő berendezések” című részben leírtak szerint történik. Az RP kézmozdulatok végrehajtása nélkül hajtja végre az MI paradigmát. Valós idejű visszajelzést kap a rögzített EEG-aktivitásról az RP-nek az MI alatt. A visszacsatolás egy virtuális kézből áll a számítógép képernyőjén, amelynek mozgásai az MI-vel kapcsolatos RP agyi aktivitását tükrözik. A rögzített adatok további elemzése offline módban történik az előző részben ismertetett elemző eszközökkel.