Dekodowanie obrazów motorycznych z nieinwazyjnych zapisów mózgu jako warunek wstępny innowacyjnych terapii rehabilitacji ruchowej (MODECO)

Przełomowe badania z zakresu neuronauki ruchowej z udziałem zdrowych osób od dawna ujawniają zależne od czasu zmiany mocy indukowanej w określonym paśmie częstotliwości. Wykazano, że nagrania mózgu wykazują stopniową redukcję mocy sygnału w porównaniu z wartością wyjściową w pasmach częstotliwości mu (~ 8–12 Hz) i beta (~ 13–30 Hz) podczas działania lub podczas obrazowania motorycznego (MI): tak zwana desynchronizacja związana ze zdarzeniami (ERD). Uważa się, że zjawisko to odzwierciedla procesy związane z przygotowaniem i wykonaniem ruchu i jest szczególnie widoczne w przeciwnej korze czuciowo-ruchowej. Co więcej, wkrótce po wykonaniu zadania w paśmie beta można było zaobserwować względny wzrost mocy, czyli synchronizację związaną ze zdarzeniami (ERS) (zwaną także odbiciem beta). Uważa się, że ERS odzwierciedla ponowne ustanowienie hamowania w tym samym obszarze.

Od czasu scharakteryzowania zjawisk ERD i ERS w nieinwazyjnej dziedzinie BCI nie było dyskusji na temat tego, czy cechy te dokładnie oddają związane z zadaniami modulacje aktywności mózgu. Niedawne badania z zakresu neurofizjologii podważyły ​​​​ten pogląd i wykazały, że wzorce ERD i ERS pojawiają się dopiero w wyniku uśrednienia mocy sygnału w wielu próbach. Na pojedynczym poziomie próbnym aktywność pasma beta występuje raczej w postaci krótkich, przejściowych zdarzeń, nazywanych impulsami, a nie w postaci utrzymujących się oscylacji. Oznacza to, że wzorce ERD i ERS odzwierciedlają skumulowane, zmieniające się w czasie zmiany prawdopodobieństwa wybuchu podczas każdej próby. Zatem impulsy beta mogą nieść więcej informacji istotnych pod względem behawioralnym niż średnia moc pasma beta. Rzeczywiście, badania na ludziach obejmujące ruchy ramion wykazały związek między momentem sensomotorycznych impulsów beta a czasem reakcji przed ruchem, a także błędami behawioralnymi po ruchu. Wykazano również, że aktywność impulsów beta w obszarach czołowych koreluje z wyhamowaniem ruchu, a ostatnie badania pokazują, że aktywność na poziomie jednostki motorycznej występuje również w sposób przejściowy, który jest powiązany czasowo z sensomotorycznymi impulsami beta.

Chociaż wykazano, że częstość wybuchów beta niesie ze sobą istotne informacje, nadal stanowi raczej uproszczoną reprezentację podstawowej aktywności. Każdy impuls można scharakteryzować za pomocą zestawu cech opartych na TF: szczytowego czasu trwania impulsu i częstotliwości szczytowej, a także jego czasu trwania i zakresu na osi częstotliwości. Z kolei wszystkie te deskryptory są wyodrębniane przy użyciu szczególnej transformacji czasowo-częstotliwościowej i stanowią prostsze reprezentacje bardziej złożonego przebiegu impulsowego, który jest osadzony w surowych sygnałach i który charakteryzuje się stereotypowym średnim kształtem z dużą zmiennością wokół niego. Cechy kształtu fali są zaniedbywane w standardowych podejściach BCI, ponieważ konwencjonalne metody przetwarzania sygnału zazwyczaj zakładają sygnały trwałe, oscylacyjne i stacjonarne, a zatem z natury nie nadają się do analizy aktywności przejściowej.

W przeciwieństwie do wersji beta, aktywność w paśmie częstotliwości mu jest oscylacyjna nawet w pojedynczych próbach. Aktywność tę zazwyczaj analizuje się przy użyciu technik rozkładu czasowo-częstotliwościowego, które zakładają, że podstawowy sygnał jest sinusoidalny. Jednakże obecnie panuje coraz większa zgoda co do tego, że oscylacyjna aktywność neuronów jest często niesinusoidalna i że surowy kształt fali może informować o ruchu. Przyszłe wysiłki mogłyby wykorzystać tę możliwość, wykorzystując niedawno opracowane nieparametryczne analizy cykl po cyklu.

W ramach tego projektu badacze zoptymalizują projekt specyficznego dla przedmiotu modelu neurofizjologicznego, aby kierować treningiem motorycznym BCI, wykorzystując obrazowanie rezonansu magnetycznego (MRI) i magnetoencefalografię (MEG) w celu uzyskania dużej specyficzności przestrzennej i biofizycznej w grupie eksperymentalnej. Anatomiczne objętości MR zostaną wykorzystane do zaprojektowania i wydrukowania w 3D indywidualnego odlewu głowy, który zostanie wykorzystany w skanerze MEG w celu ustabilizowania pozycji głowy pacjenta i zminimalizowania ruchów. Udowodniono, że to podejście o wysokiej precyzji (hpMEG) znacznie poprawia lokalizację źródła aż do poziomu rozróżniania aktywności laminarnej, co czyni ją lepszą techniką rejestracji EEG. W MODECO badacze wykorzystają zindywidualizowane podejście hpMEG, a także powszechnie przyjęte EEG, do badania impulsów aktywności oscylacyjnej w pasmach częstotliwości beta i mu związanych z obrazowaniem motorycznym i wykonaniem motorycznym. Wyniki projektu hpMEG pozwolą uzyskać specyficzne dla podmiotu modele obrazów motorycznych, które zostaną wykorzystane do ograniczenia dekodowania danych EEG w trybie online. Podejście to zostanie zastosowane i sprawdzone na grupie zdrowych dorosłych osób (grupa kontrolna), a następnie porównane z inną wykonalną grupą pacjentów (grupa pacjentów) i zdrowymi uczestnikami w odpowiednim wieku (grupa kontrolna; badacze będą próbowali rekrutować pacjentów krewni). badacze porównają proponowane podejście z klasycznym podejściem BCI opartym na EEG.

badacze sprawdzą, jak wykorzystać te informacje do optymalnego poprowadzenia kolejnego treningu BCI opartego na EEG w grupie kontrolnej. Po dokładnym badaniu zdrowych osób w ramach tego projektu badacze będą mogli ocenić to podejście w populacji pacjentów po udarze mózgu z deficytami motorycznymi kończyn górnych. W projekcie zaprojektowano dwa zadania: zadanie 1.1 i zadanie 1.2. Celem Zadania 1.1 jest opracowanie specyficznych dla podmiotu modeli generatywnych dekodujących początek i/lub przesunięcie ruchu, rodzaj ruchu (lewy kontra prawy), a także precyzyjnie dyskretną amplitudę ruchu zarówno podczas rzeczywistych, jak i wyimaginowanych ruchów wyprostu/zgięcia nadgarstka. W zadaniu 1.2 badacze mają na celu zbadanie, w jaki sposób zmiany chorobowe u pacjentów zmieniają naszą zdolność do dekodowania prób ruchów nadgarstka (grupa kontrolna vs grupa pacjentów).