Motoros képek dekódolása non-invazív agyfelvételekből, mint az innovatív motoros rehabilitációs terápiák előfeltétele (MODECO)

A motoros idegtudományban, egészséges alanyokon végzett alapvizsgálatok már hosszú ideje feltárták az indukált teljesítmény időben zárt változásait egy adott frekvenciasávon belül. Kimutatták, hogy az agyi felvételek az alapvonalhoz képest fokozatos csökkenést mutatnak a jelteljesítményben a mu (~ 8-12 Hz) és a béta (~ 13-30 Hz) frekvenciasávokban akció vagy motoros képalkotás (MI) közben: úgynevezett eseményfüggő deszinkronizáció (ERD). Ez a jelenség a mozgás előkészítésével és végrehajtásával kapcsolatos folyamatokat tükrözi, és különösen hangsúlyos az ellenoldali szenzomotoros kéregben. Sőt, röviddel a feladat befejezése után a béta sávban a teljesítmény relatív növekedése, az eseményfüggő szinkronizáció (ERS) (más néven béta visszapattanás) volt megfigyelhető. Úgy gondolják, hogy az ERS a gátlás újbóli létrejöttét tükrözi ugyanazon a területen.

Az ERD és az ERS jelenségek jellemzése óta alig vagy egyáltalán nem vitatkoztak a non-invazív BCI területen arról, hogy ezek a jellemzők pontosan rögzítik-e az agyi tevékenység feladathoz kapcsolódó modulációit. A közelmúltban végzett neurofiziológiai tanulmányok megkérdőjelezték ezt a nézetet, és bebizonyították, hogy az ERD és az ERS minták csak a jelteljesítmény több kísérlet során történő átlagolásának eredményeképpen alakulnak ki. Egyetlen kísérleti szinten a béta-sáv aktivitása rövid, átmeneti eseményekben, úgynevezett burstokban fordul elő, nem pedig tartós rezgések formájában. Ez azt jelzi, hogy az ERD és ERS minták az egyes kísérletek során felhalmozott, időben változó változásokat tükrözik a burst valószínűségben. Így a béta burst-ok viselkedési szempontból relevánsabb információt hordozhatnak, mint az átlagos béta sávteljesítmény. Valójában az embereken végzett karmozgással kapcsolatos vizsgálatok összefüggést hoztak létre a szenzomotoros béta-kitörések időzítése és a mozgás előtti reakcióidő, valamint a mozgást követő viselkedési hibák között. Kimutatták, hogy a frontális területek béta-kitörési aktivitása korrelál a mozgáskioltással, és a legújabb tanulmányok azt mutatják, hogy az aktivitás a motoros egység szintjén is tranziens módon történik, ami időre van zárva a szenzomotoros béta-kitörésekhez.

Bár a béta burst sebességről kimutatták, hogy jelentős információt hordoz, ez még mindig meglehetősen leegyszerűsített ábrázolása a mögöttes tevékenységnek. Minden burst jellemezhető egy sor TF-alapú jellemzővel: a burst csúcsidővel és csúcsfrekvenciával, valamint annak időtartamával és a frekvencia tengelyen való átfogásával. Mindezeket a leírókat viszont egy adott idő-frekvencia transzformáció segítségével nyerik ki, és egyszerűbb reprezentációt jelentenek a nyers jelekbe ágyazott összetettebb burst hullámformáról, amelyet egy sztereotip átlagos alak jellemez, nagy variálhatósággal körülötte. A hullámforma jellemzőit a szabványos BCI-megközelítések figyelmen kívül hagyják, mivel a hagyományos jelfeldolgozási módszerek általában tartós, oszcilláló és stacionárius jeleket feltételeznek, így eleve alkalmatlanok a tranziens aktivitás elemzésére.

A béta-val ellentétben a mu-frekvenciasávban az aktivitás oszcilláló, még egyszeri kísérletekben is. Ezt az aktivitást jellemzően idő-frekvencia dekompozíciós technikákkal elemzik, amelyek feltételezik, hogy a mögöttes jel szinuszos. Mostanra azonban egyre nagyobb az egyetértés abban, hogy az oszcilláló idegi aktivitás gyakran nem szinuszos, és hogy a nyers hullámforma információs lehet a mozgásról. A jövőbeni erőfeszítések kihasználhatják ezt a lehetőséget a közelmúltban kifejlesztett, nem paraméteres ciklusonkénti elemzések segítségével.

Ebben a projektben a kutatók egy alany-specifikus neurofiziológiai modell tervezését optimalizálják a motoros BCI tréning irányítására, mágneses rezonancia képalkotás (MRI) és magnetoencephalográfia (MEG) segítségével a kísérleti csoportban a magas térbeli és biofizikai specificitás érdekében. Anatómiai MR-térfogatokat használnak fel egy egyedi fejléc megtervezésére és 3D-nyomtatására, amelyet a MEG-szkennerben használnak fel, hogy stabilizálja az alany fejhelyzetét és minimalizálja a mozgásokat. Ez a nagy pontosságú megközelítés (hpMEG) bizonyítottan jelentősen javítja a forrás lokalizációját egészen a megkülönböztető lamináris aktivitás szintjéig, ami az EEG-nél jobb rögzítési technikává teszi. A MODECO-ban a kutatók egyénre szabott hpMEG-megközelítést, valamint a széles körben elterjedt EEG-t alkalmaznak az oszcillációs aktivitás kitöréseinek tanulmányozására a béta és a mu frekvenciasávban a motoros képalkotással és a motoros végrehajtással kapcsolatban. A hpMEG tárgyspecifikus motoros képmodelleket fog adni, amelyeket az EEG adatok online dekódolásának korlátozására használnak fel. Ezt a megközelítést egészséges felnőtt alanyok egy csoportján (kontrollcsoport) alkalmazzák és validálják, majd összehasonlítják a betegek egy másik megvalósíthatósági csoportjával (betegcsoport) és a megfelelő életkorú egészséges résztvevőkkel (kontrollcsoport; a vizsgálók megpróbálnak betegeket toborozni). rokonok). a kutatók összehasonlítják a javasolt megközelítést egy klasszikus EEG-alapú BCI-megközelítéssel.

a vizsgálók megvizsgálják, hogyan használják fel ezt az információt a későbbi EEG-alapú BCI képzés optimális irányítására a kontrollcsoportban. A projektben egészséges alanyokon végzett alapos vizsgálatot követően a kutatók képesek lesznek értékelni ezt a megközelítést a felső végtagi motoros zavarokkal küzdő stroke-betegek populációján. Ebben a projektben két feladat került kialakításra, az 1.1. és az 1.2. feladat. Az 1.1-es feladat célja, hogy tárgyspecifikus generatív modelleket dolgozzon ki, amelyek dekódolják a mozgás kezdetét és / eltolását, a mozgás típusát (bal versus jobb), valamint finoman diszkretizált mozgási amplitúdót mind a valós, mind a képzelt csuklónyújtás/hajlítás során. Az 1.2. feladatban a vizsgálók azt kívánják megvizsgálni, hogy a betegek elváltozásai hogyan változtatják meg a csuklómozgások megkísérlésének dekódolási képességét (kontroll-beteg csoport).