Motorische verbeelding BCI-revalidatie na een beroerte

Deze studie zal worden uitgevoerd als een verkennende studie om de voordelen te onderzoeken van mentale beeldvormingstraining van handbewegingen, geleid door Brain-Computer Interface (BCI) feedback na een beroerte. Patiënten met een beroerte worden getraind om zich mentaal het openen en sluiten van de hand voor te stellen (hierna MI, Motor Imagery genoemd). Tijdens de training krijgen de patiënten in realtime visuele feedback die de neurale activiteit met betrekking tot motorische processen weerspiegelt. De NeuroFeedback (NF) wordt met minimale vertraging geprojecteerd om het neurale leren te maximaliseren. Aangenomen wordt dat dit type hersentraining met feedback van groot belang is om het vermogen van de hersenen te stimuleren om een ​​beschadigd gebied te reorganiseren en te compenseren.

Elke deelnemer doorloopt de volgende dataverzamelingsprocedure (in totaal 33 meetsessies per VP):

Week 1-3:

Klinische baseline-evaluaties, 1 keer/week MRI-metingen, 1 keer/week gedurende 2 weken. Baseline EEG-registraties, 1 keer/week Week 4-7 MI-neurofeedbacktraining 3 keer/week Evaluatie klinische interventie, 1 keer/week Week 8-10 Zelfde als week 1-3

Magnetic Resonance Imaging (MRI) metingen. Het MRI-onderzoek zal worden uitgevoerd op een Siemens MAGNETOM Prisma 3T-scanner (head-coil met 20 kanalen) bij baseline en tijdens de laatste beoordelingssessie in het Brain Imaging Centre van de Universiteit van Stockholm. Het MRI-protocol omvat i) anatomische spin-echo T1- en T2-gewogen sequenties van de gehele hersenen voor beschrijving van de grootte en locatie van de laesie ii) acquisitie van T2*-gewogen gradiënt-echo EPI-BOLD-beelden van de gehele hersenen voor beoordeling van functionele connectiviteit in rusttoestand sensomotorische netwerken (rusttoestand functionele MRI (fMRI)), en iii) dezelfde volgorde als de vorige met rust verweven door een motorisch beeldparadigma dat hieronder verder wordt beschreven.

Motor Imagery (MI) paradigma. Het paradigma bestaat uit het instrueren van RP, door middel van een gespiegeld computerscherm, om ofwel i) zijn/haar geest te laten rusten met gesloten ogen, ii) zich mentaal een handbeweging (MI) voor te stellen, of ii) een handbeweging uit te voeren. De handbewegingen die worden geïnstrueerd, zijn of de hand sluiten of de hand openen en de vingers uitstrekken. RP zal verschillende herhalingen van elke handbeweging (MI en uitvoering) uitvoeren om een ​​statistische basis te verzamelen.

Baseline EEG-opname. Tijdens de baseline EEG-opnames zal RP voor een computerscherm zitten en het MI-paradigma uitvoeren (hierboven beschreven). Tijdens deze sessie worden EEG-, EOG-, EMG- en accelerometergegevens verzameld, die hieronder verder worden beschreven.

ElectroEncephaloGram (EEG), ElectroOculoGram (EOG), ElectroMyoGram (EMG) en versnellingsmeterapparatuur. De EEG-apparatuur bestaat uit een 64-elektroden scalp EEG-acquisitiesysteem (Brain Products ActiCHamp). De 64 elektroden (actieve Ag/AgCl) worden verdeeld volgens het uitgebreide 10-20 referentieplaatsingssysteem. Naast de EEG-opname worden er 3 elektroden (passieve Ag/AgCl, Brain Products) aan elke kant van beide ogen en op de oorlel geplaatst om de oogbewegingen tijdens het experiment (EOG) te meten. EMG-elektroden (passieve Ag/AgCl, Brain Products) worden volgens een gestandaardiseerd protocol over vier spieren geplaatst die de pols en vingers aansturen. Er worden twee versnellingsmeter-sensoren (Brain Products) op de hand en de wijsvinger geplaatst om bewegingsgerelateerde activiteit vast te leggen.

Analyse van EEG-, EOG-, EMG- en versnellingsmetergegevens. De geregistreerde gegevens zullen offline verder worden geanalyseerd om de karakteristieke kenmerken in de gegevens te evalueren die MI van handbewegingen het beste beschrijven. Dit zal worden uitgevoerd in Matlab en Labview waarbij op maat gemaakte scripts worden gecombineerd met reeds ontwikkelde toolboxen (zoals EEGLab, Chronux). Kenmerken die moeten worden geëvalueerd, zijn onder andere de opgewekte activiteit, de tijd-frequentiespectra, fase, correlatiecoëfficiënten, coherentie. Wanneer het kenmerk dat MI het best beschrijft, is geïdentificeerd, zullen verschillende classificatie- en patroonherkenningsmethoden worden geëvalueerd bij het extraheren van de informatie. Onder andere intelligente algoritmen, Support Vector Machine (SVM), geregulariseerde lineaire regressie, naïeve Bayes-classificaties zullen worden geëvalueerd en vergeleken. Dit zijn veelgebruikte methoden op het gebied van neurotechnologie en een voorafgaand vergelijkend onderzoek met behulp van neurale gegevens van invasieve opnames toont het belang aan van het kiezen van een goed aangepaste classificator voor het extraheren van informatie.

MI-NeuroFeedback Training (NFT). EEG-, EOG-, EMG- en versnellingsmetergegevens worden verzameld zoals beschreven in de sectie "EEG-, EMG- en versnellingsmeterapparatuur". RP zal het MI-paradigma uitvoeren zonder handbewegingen uit te voeren. Realtime feedback van geregistreerde EEG-activiteit zal tijdens MI aan RP worden verstrekt. De feedback bestaat uit een virtuele hand op een computerscherm waarvan de bewegingen de hersenactiviteit van RP gerelateerd aan MI weerspiegelen. De geregistreerde gegevens worden offline verder geanalyseerd met de analysehulpmiddelen die in de vorige sectie zijn beschreven.