Obrazowanie motoryczne BCI Rehabilitacja po udarze

Niniejsze badanie zostanie przeprowadzone jako badanie eksploracyjne w celu zbadania korzyści płynących z treningu obrazów mentalnych ruchów rąk kierowanych przez sprzężenie zwrotne interfejsu mózg-komputer (BCI) po udarze. Pacjenci po udarze zostaną przeszkoleni, aby mentalnie wyobrażali sobie otwieranie i zamykanie dłoni (dalej nazywanych MI, Motor Imagery). Podczas treningu pacjenci otrzymają wizualną informację zwrotną w czasie rzeczywistym, która odzwierciedla aktywność neuronów związaną z procesami motorycznymi. NeuroFeedback (NF) będzie wyświetlany z minimalnym opóźnieniem, aby zmaksymalizować uczenie neuronowe. Uważa się, że ten rodzaj treningu mózgu ze sprzężeniem zwrotnym ma istotne znaczenie dla stymulowania zdolności mózgu do reorganizacji i kompensacji uszkodzonego regionu.

Każdy uczestnik przejdzie następującą procedurę zbierania danych (łącznie 33 sesje pomiarowe na RP):

Tydzień 1-3:

Wyjściowe oceny kliniczne, 1 raz w tygodniu pomiary MRI, 1 raz w tygodniu przez 2 tygodnie. Wyjściowe zapisy EEG, 1 raz/tydzień Tydzień 4-7 Trening MI-neurofeedback 3 razy/tydzień Ocena interwencji klinicznej, 1 raz/tydzień Tydzień 8-10 Tak samo jak w tygodniu 1-3

Pomiary metodą rezonansu magnetycznego (MRI). Badanie MRI zostanie przeprowadzone na skanerze Siemens MAGNETOM Prisma 3T (cewka z 20 kanałami) na początku i podczas końcowej sesji oceniającej w Centrum Obrazowania Mózgu Uniwersytetu Sztokholmskiego. Protokół MRI obejmuje i) anatomiczne sekwencje T1 i T2 zależne echa spinowego całego mózgu w celu opisu wielkości i lokalizacji zmiany ii) akwizycję obrazów echa gradientowego EPI-BOLD całego mózgu zależnego od T2* w celu oceny połączeń czynnościowych w stanie spoczynku sieci sensomotoryczne (funkcjonalny MRI w stanie spoczynku (fMRI)) oraz iii) ta sama sekwencja co poprzednia, z resztą przeplecioną przez paradygmat obrazowania motorycznego opisany dalej poniżej.

Paradygmat obrazowania motorycznego (MI). Paradygmat polega na poinstruowaniu RP, za pomocą lustrzanego ekranu komputera, aby albo i) odpoczął z zamkniętymi oczami, ii) mentalnie wyobraził sobie ruch ręki (MI), albo ii) wykonał ruch ręką. Instruowane ruchy dłoni to albo zamknięcie dłoni, albo otwarcie dłoni i wyprostowanie palców. RP wykona kilka powtórzeń każdego ruchu ręki (MI i wykonanie) w celu zebrania podstawy statystycznej.

Podstawowy zapis EEG. Podczas podstawowych zapisów EEG RP będzie siedział przed ekranem komputera i wykonywał paradygmat MI (opisany powyżej). Podczas tych sesji gromadzone będą dane EEG, EOG, EMG i dane z akcelerometru, które są dokładniej opisane poniżej.

Sprzęt ElectroEncephaloGram (EEG), ElectroOculoGram (EOG), ElectroMyoGram (EMG) oraz akcelerometr. Sprzęt EEG składa się z 64-elektrodowego systemu akwizycji EEG skóry głowy (Brain Products ActiCHamp). 64 elektrody (aktywne Ag/AgCl) zostaną rozmieszczone zgodnie z rozszerzonym systemem umieszczania referencyjnego 10-20. Oprócz zapisu EEG, 3 elektrody (pasywne Ag/AgCl, produkty mózgowe) zostaną umieszczone po obu stronach obu oczu i na płatku ucha, aby mierzyć ruchy gałek ocznych podczas eksperymentu (EOG). Elektrody EMG (pasywne Ag/AgCl, produkty mózgowe) zostaną umieszczone na czterech mięśniach kontrolujących nadgarstek i palce zgodnie ze standardowym protokołem. Dwa akcelerometry-czujniki (Brain Products) zostaną umieszczone na dłoni i palcu wskazującym w celu rejestrowania aktywności związanej z ruchem.

Analiza danych EEG, EOG, EMG i akcelerometru. Zarejestrowane dane będą dalej analizowane w trybie offline w celu oceny charakterystycznych cech danych, które najlepiej opisują MI ruchów ręki. Zostanie to wykonane w Matlabie i Labview, łącząc niestandardowe skrypty z już opracowanymi zestawami narzędzi (takimi jak EEGLab, Chronux). Cechy, które mają zostać ocenione, będą obejmować między innymi aktywność wywołaną, widma czasowo-częstotliwościowe, fazę, współczynniki korelacji, spójność. Kiedy zostanie zidentyfikowana cecha, która najlepiej opisuje MI, różne klasyfikatory i metody rozpoznawania wzorców zostaną ocenione podczas wydobywania informacji. Ocenione i porównane zostaną m.in. inteligentne algorytmy, maszyna wektorów nośnych (SVM), uregulowana regresja liniowa, naiwne klasyfikatory Bayesa. Są to powszechnie stosowane metody w dziedzinie neurotechnologii, a wcześniejsze badanie porównawcze wykorzystujące dane neuronowe z zapisów inwazyjnych pokazuje, jak ważny jest wybór dobrze przystosowanego klasyfikatora do wydobywania informacji.

Trening MI-NeuroFeedback (NFT). Dane EEG, EOG, EMG i akcelerometru będą gromadzone zgodnie z opisem w sekcji „EEG, EMG i sprzęt akcelerometru”. RP wykona paradygmat MI bez wykonywania ruchów ręką. Informacja zwrotna w czasie rzeczywistym z zarejestrowanej aktywności EEG zostanie przekazana do RP podczas MI. Informacja zwrotna składa się z wirtualnej dłoni na ekranie komputera, której ruchy odzwierciedlają aktywność mózgu RP związaną z MI. Zarejestrowane dane będą dalej analizowane w trybie offline za pomocą narzędzi analitycznych opisanych w poprzedniej sekcji.