ブロック設計を応用した機能近赤外分光法実験による定性的・比較皮質活動データ解析

我々は、センサ運動作業を用いたブロック設計を用いた連続波機能近赤外分光実験の解析について述べている。データ分析の信頼性を高めるために、定性的な一般線形モデルベースの統計パラメトリックマッピングと、マルチチャネルの比較階層混合モデルを用いた。

神経イメージング研究は、リハビリテーションや外科的治療などの介入前と介入後の神経学的状態の評価において極めて重要な役割を果たす。脳活動の測定に使用される多くの神経イメージング技術の中で、機能近赤外分光法(fNIRS)は、機能的磁気共鳴画像法(fMRI)と同様の局所ヘモグロビンレベルを測定することにより、動的皮質活動の評価を可能にする。また、fNIRSの物理的な制限が少ないため、複数の感覚運動タスクの変異体を評価することができます。多くの研究所は、fNIRSデータ分析のためのいくつかの方法を開発しました。しかし、一般的な原則は同じであるという事実にもかかわらず、普遍的に標準化された方法はありません。ここでは、ブロック設計を用いた多チャンネルfNIRS実験から得られたデータの定性的および比較分析方法を提示する。定性解析では、一般化線形モデルに基づく1変量系の一般手法としてNIRS用のソフトウェアを用いた。NIRS-SPM分析では、タスク中に活性化領域を可視化することで、各セッションの定性的な結果を表示します。さらに、非侵襲的な三次元デジタイザーを使用して、脳に対するfNIRSチャネル位置を推定することができる。NIRS-SPMの所見を裏付けるために、感覚運動タスクによって誘導されるヘモグロビンレベルの変化の振幅を、マルチチャネル階層混合モデルを用いて同一研究対象の2つの異なるセッション(介入前後)から得られたデータを比較することによって統計的に分析することができる。我々の方法は、運動障害、脳血管疾患、神経精神疾患などの様々な神経疾患における介入前対後の分析を測定するために使用することができる。

神経リハビリテーションは、感覚運動障害後の機能回復において重要な役割を果たす。神経可塑性関連機能回復のメカニズムを解明するために、機能的磁気共鳴画像法(fMRI)、陽電子放出断層撮影(PET)、脳波(EEG)、機能近赤外分光法(fNIRS)など、様々な神経イメージング技術が使用されています。異なるイメージングモダリティには、異なる長所と短所があります。fMRIは最も代表的な装置ですが、磁界の影響を受け、コストが高く、物理的に制約が高く、感覚運動タスク^{1、2、3、4}が限^{られています}。fNIRSデバイスは、非侵襲的な光学ニューロイメージングとして際立っており、比較的低い空間分解能を有するが、fMRI4よりも優れた時間分解能を有する。fNIRSは、介入前と介入後の効果を比較し、動的運動タスクを有し、移植性があり、fMRI^1、2、4よりも自然環境においてより多く機能するため、治療効果を検証する際に適している。NIRSは、脳血管疾患、てんかん障害、重度の脳損傷、パーキンソン病、および認知障害^1,5の分野においてより適していると報告されている。感覚運動タスクに関しては、歩行と立ちバランス^6、7、8、上肢機能(手をつかむ、指を叩く^)8、9、複雑な運動技能トレーニング^{10、ロボット}12、13、14、15、および脳コンピュータインターフェース16、17、18に広く使用されています。fNIRSは、皮質代謝活性、血流の増加、そして結果的に皮質活性を二次シグナル¹⁹として測定する、光学神経イメージングおよび神経血管結合の原理に基づいている。fNIRSシグナルは血中酸素レベル依存性fMRI²⁰のシグナルと強い相関を有することが報告されている。連続波fNIRSは、変更されたビール・ランバート法を使用して、広帯域近赤外光減衰^21,22の測定変化に基づいて、酸素化ヘモグロビン(HbO2)および脱酸素ヘモグロビン(HHb)皮質濃度濃度の変化を決定する。連続波NIRSシステムを用いて差動長率(DPF)を測定することはできないため、DPFは一定であり、ヘモグロビン信号の変化はミリモルミリ(mM x mm)2,18の任意の単位で示されていると仮定した。

fNIRS実験では、プローブの設定、実験計画、解析方法など、最も適切な方法を選択する必要があります。プローブ設定に関しては、脳科学測定で使用される国際的な10-20法は、多くの研究者が神経イメージングで使用する設定基準です。近年、モントリオール神経研究所(MNI)座標に基づく標準脳に基づく座標設定が使用されている。実験では、一般に感覚運動タスクに使用されるブロック設計とイベント関連の設計を使用します。これは、休息中および作業中のヘモグロビン濃度の変化を比較する方法です。HbO₂濃度レベルが増加し、HHb濃度レベルは、タスク依存性皮質活性に関連する脳血流の変化に伴って減少する。様々な解析方法がありますが、NIRS-SPMフリーソフトウェアはfMRIの統計的パラメトリックマッピング(SPM)と同様の分析を可能にします。NIRSデータの処理は、一般線形モデル(GLM)に基づく質量1変量法を使用します。タスク依存性脳活動解析を行う場合、fNIRS測定は、脳及び脳外コンパートメント²³における呼び起こされるまたは非誘発神経活動および全身的な生理学的干渉(心拍数、血圧、呼吸数、および自律神経系活動)によって影響を受けることができる。したがって、事前解析処理、フィルタリング、ウェーブレット変換、主成分分析が有用である²³.NIRS-SPMを用いたデータ処理のフィルタリングおよびアーティファクトに関しては、ローパスフィルタリング⁹およびウェーブレット最小記述長(Wavelet-MDL)24のトレンドまたはその他のノイズ/アーティファクト源を克服するために使用した。この分析方法の詳細については、Yeら²⁵の報告書を参照してください。SPM のみを使用するレポートがありますが、画像解析による定性的な指標に過ぎず、NIRSの空間分解能が低いため、グループ分析には細心の注意が必要です。また、DPFが一定の場合、チャンネルと個人間の数値比較は行うべきではありませんが、各チャンネルの変化の違いを検証することができます。上記の条件に基づき、NIRS-SPMグループ解析結果を補完するために、空間登録の精度を向上させた後のマルチチャネル解析にオリジナルの解析手法を用いた。このマルチチャネル分析では、固定介入(前後_)、固定期間(休止またはオンタスク)、ランダムな個々の効果を持つ階層混合モデルを使用して、処理の前後の各チャネルでの残りの期間とタスク上の期間間のHb2およびHHbレベルの変化の振幅を比較しました。

このように、いくつかのfNIRS測定および分析方法があります。ただし、標準の方法は確立されていません。本論文では、我々の方法、定性的GLMベースの統計的パラメトリックマッピングと比較マルチレベル階層混合モデルを紹介し、感覚運動タスクを用いたブロック設計を用いて、多チャンネルfNIRS実験の前後介入の実験から得られたデータを分析する。

本研究は福岡大学の機関審査委員会(IRB)(IRB 2017M017)によって承認されました。参加する前に、すべての患者は書面によるインフォームド・コンセントを提供しました。

1. fNIRS実験の準備

メモ:この実験には、マルチチャンネル連続波レーザーベースのNIRSシステムが使用されました。近赤外光の波長は780nm、805nm、830 nmで、サンプリングレートは7.8Hzに設定されました。時間と空間分解能(光放射器と検出器プローブ間の距離)は、それぞれ0.13sと3.0 cmであった。

1. fNIRS デバイスを暗いノイズのない場所にセットします。室温で実験を行う。実験の30分前にfNIRS計器を起動します。
   注:fNIRSシステムは、機器²⁶の安定した動作を確実にするために、制御された温度と湿度条件下で使用されます。
2. fNIRS記録にはヘッドキャップ全体を使用し、国際10-20系の中央(Cz)に対応する位置がヘッドキャップのホルダー245に位置するように、被験者のヘッドキャップを被検者のヘッドキャップに取り付けます。(図1)。
3. マーキングステッカーを基準位置ポイント(ナシオン(Nz)、右外部聴覚肉(AR)、左外部聴覚肉(AL)に貼り付けます。
   注:3次元(3D)座標はNz、AR、ALマーキングステッカーとCzホルダーの位置の周りに読み取られるので、写真を撮る前にマーキングステッカーを貼る必要があります。
4. 空間登録用の高解像度デジタルカメラのキャリブレーション後、15の視点から参照ポイント(Cz、Nz、AR、LR)を示しながら、被写体の頭部をプローブ位置で撮影します。
   メモ:プローブを配置する前に写真を撮ってください。プローブを配置した後に撮影した場合、プローブと配線コードによってマーカーランドマークが隠されている可能性があります。メーカーの推奨通り、12枚の写真を被験者の右に斜めに30°右に30°進めた後、Cz(ホルダNo.245)が写真に表示されるように、少し上に3枚以上の写真を撮ります。これは、合計15本以上のショットを撮影すると立体化しやすいからです。
5. 光を干渉する被検体の毛を、光発光ダイオード(LED)に点灯したプラスチックロッドを使用して慎重に分離し、プローブを取り付けます。オプトデが頭皮表面から最小の距離で、頭皮に接触するようにプローブを配置します。
   注:自律神経系活性化²³に関連する全身的な共創者の強度が増加するため、検眼剤の付着による患者の圧力または不快感があるかどうかを注意深くチェックしてください。
6. 48 チャンネルシステムを 32 光素 (16 個の光源と 16 個の検出器、 各半球の 4 x 4 アレイ) を、対象領域として正面および頭頂部の両側にヘッドキャップに配置します (図 2)。
7. 3D デジタイザ ソフトウェアを起動して使用し、空間登録を決定します。
8. ヘッド全体の画像データをスキャンした後、自動測定によって各患者の空間座標を決定し 、Origin ファイルと Others ファイル(*CSVファイル)として保存します。
   メモ:自動計測を使用して画像から座標点を検出できなかった場合は、手動で調整を入力します。

2. 実験を実行する

1. 実験のブロック設計を選択すると、手の開閉、指のタップなど、研究に興味のある動きがタスクにできます。前回の研究では、タスクはロボット支援肘の動き¹⁵でした。
   注:各サイクルは3つのブロック(15 sの休息- 15 sのタスク - 15 sの休息)で構成され、各患者は各セッションで7サイクルを完了します。
2. 参加者は開始信号まで快適な位置で待たせます。残りの部分とタスク中に目を閉じるように被験者に指示します。
3. 開始と停止の手がかりを与える(すなわち、「肘の屈曲と延長を繰り返す」、「停止してリラックスする」)。
   メモ:測定中は話しません。測定中にモニター画面のアーティファクトを注意深くチェックします。
4. ブロック設計タスクを同じ姿勢で実行します。立ったり座ったりした姿勢は、ヘッドセットを歪めないようにするのが望ましい。
   注:ヘッドホルダーを長時間装着した後に患者が不快に感じた場合は、ロボット支援運動中にプローブを取り外すか緩めます。
5. NIRS測定が完了したら、ヘッドホルダーとマーキングステッカーを取り外して実験を終了します。
   注:長引く着用による頭皮の皮膚損傷を注意深く確認してください。

3. NIRS-SPMソフトウェアを用いた定性的GLM解析

1. MATLAB ソフトウェアで NIRS-SPM を起動します。NIRSデバイスから取得したHbO₂ およびHHb濃度の変化に関連するデータファイルを、NIRS-SPM分析用のファイル形式に変換します。
2. ポップアップメニューから「NIRS システムを使用する」オプションを選択します。ロードボタンを選択し、変換HbO₂ とHHb濃度変更オプションを選択します。
3. NIRSチャネルの場所の空間登録を検出します。[ スタンドアロン ]チェックボックスを選択し 、[3Dデジタイザーを使用 ]チェックボックスを選択します。
4. [実数座標から MNI 空間]内で、ダイアログ ボックスを使用して _origin選択します。 座標参照点ファイルを参照するCSV、および _others。 座標プローブ/チャネル ファイルを参照する CSV。
5. [ 登録 ] ボタンを選択します。空間推定に進むポイントを選択し 、[OK] ボタンをクリックします。[レンダリングされた 脳に対するプロジェクト MNI 座標]ボタンを クリックします。
   注: NIRS チャネルの位置の空間位置は、モントリオール神経研究所 (MNI) の脳テンプレートに基づいて推定されます。
6. [ 裏線ビュー]オプションを 選択し、[ 保存 ]ボタンをクリックします。
7. ^[1st Levelを指定]セクションで、NIRSデータファイル名とSPMディレクトリを選択します。ヘモグロビンチェックボックスを選択します。HbO₂または HHb. [設計の指定] オプションを強調表示し、[Sec]オプションを選択します。[条件/試行回数]オプションを強調表示し、7を入力します。
8. [オンセットのベクトル]オプションと[期間]オプションをハイライトし、次のように実験条件の持続時間を掛けたオンセットのベクトルを入力します。
   注: この場合、発症時間のベクトルは [15:45:285]または[15 60 105 150 195 240 285]と指定する必要があります。期間のベクトルは 、[15* ones(7,1)] または [15 15 15 15 15 15]で指定する必要があります。
9. トレンドを解除するには、 ウェーブレット MDL ボタンを選択します。 事前の色付け方法を使用する:ローパスフィルタ を使用して、hrfボタンを選択し、シリアル相関を修正し 、none ボタンを選択します。
10. 時間相関を推定する際に、 個別分析をチェックします。
    注: 個々の MNI 座標系での fNIRS チャネル位置の空間的なローカリゼーションをテキスト ファイルとして保存します。同様に、個々のブロドマン領域 (BA) に基づいてマップをテキスト ファイルとして保存します。
11. 時間相関を推定する際に、 グループ分析をチェックします。NIRS-SPMは、MNI標準化された脳座標系に従って参加者数の平均オプトデ位置を整列させた。
12. 標準化された脳のヘモグロビンレベルの変化に基づいて活性化マップを計算します。HbO₂ およびHHbレベルは、p<0.01の未修正閾値で有意であると考えられた。
    注: グループ分析のために、右側の影響を受ける側で左/右の情報が反転されました。

4. 階層混合モデルに基づくマルチチャンネル比較解析

1. SAS ソフトウェアを起動します。テキストドキュメント (.TXT)の_HBO2 とHHbの濃度変化は、ローパスフィルタで処理された(カットオフ周波数は0.1Hzに設定された)、スプレッドシートソフトウェアのカンマ区切り値ファイル(.CSV)。
2. プログラムを使用して、SAS データのインポート (.sas7bdat) を作成します。
3. 次のコマンドでインポートファイルを出力し、libname out "ファイルをインポート"
4. 各サブジェクトの介入前ファイルと介入後ファイルを出力し、分析 SAS で次のコマンドを実行します。(図3)インポートファイルの作成中に、件名情報と介入前と介入後の情報を識別できる名前を付けます(例えば、id1 pre,id1 post.)
5. 各チャネルに対して、介入前および介入後のデータ・コマンドを実行します (ch1-48;HbO₂およびHHb)は以下の通りである(図4)。
6. 出力結果から取得したデータに基づいて、スプレッドシートブックファイル(.xlsx)の各チャンネルの変更(タスク時と休息時の差)、休息値、タスク上の値(推定値、上限、下限)の前後介入の違いを入力します。
7. 同様に、固定効果タイプ 3 テストの相互作用項目の分子と分母の自由度、F 値、および P 値をスプレッドシート ブック ファイル (.xlsx) に入力します。
8. マルチチャネルテストで誤検出率(FDR)を制御するには、ベンジャミン法とHochbergメソッド²⁷ を使用し、0.01

ここでは、我々のグループが現在取り組んでいるロボット支援リハビリテーション:急性脳卒中患者における上肢運動障害に対するバイオフィードバック効果について紹介する。私たちの病院に入院した10人の同意した脳卒中患者(平均年齢:66.8歳±12.0歳、2人の女性と8人の男性)が含まれていました。亜急性脳卒中期に、発症後2週間以上、上肢ロボット支援リハビリテーションの前後にfNIRSシステムを用いてこれらの患者の運動関連皮質活性を評価した。ブロック設計タスクに関しては、各タスクサイクルで15s以内に肘の屈曲/延長の動きが15倍に影響を受け、7つのタスクサイクルを繰り返しました。さらに、6人の健康なボランティア(平均年齢:7.1歳±58.7歳、女性2人と男性4人)も、右肘の屈曲/延長運動中の正常なタスク関連の皮質活性化の位置を特定するためのコントロールとして登録されました。

図5 は、NIRS-SPMソフトウェアを用いたGLMモデルを用いた t-統計マッピング値による10人の脳卒中患者のグループ分析の結果を示す。この方法は、トレーニング前と比較して、ロボット支援リハビリテーション直後に測定された半球における一次運動皮質の皮質活性の増加を示した。介入前のデータ収集、介入(ロボット支援運動)、および介入後のデータ収集は、同じ日と同じ場所で単一の実験セッションで行われました。

図6は、介入前と後の介入(ロボット支援運動)を比較したマルチチャネル群分析の結果を示す。SASソフトウェアを用いた多レベル階層混合モデルの統計解析を行った。一次運動皮質における皮質活性の増加は、介入後に観察され、NIRS-SPMと同じ脳領域であった。

図1:3次元(3D)空間登録の設定と、fNIRS記録に使用するヘッドキャップの各ホルダー 図中の矢印で示された245番目のホルダーは、軸の一つである中心位置(Cz)を示しています。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図2:fNIRS記録中に32光極を有する48チャンネルシステムの配置(A)ヘッドホルダー上のプローブの位置、48のチャネルとプローブ(16の光源と16の検出器)の配置(各半球の4 x 4アレイ)を皮質領域の両側に配置し、対象領域として。この図の大きなバージョンを表示するには、ここをクリックしてください。

図3: SAS 解析ソフトウェアで使用するファイルを作成するためのコマンド入力この図は、NIRSファイルから取得したテキストファイル情報をExcel CSVファイルに変換し、SAS分析のために変換するコマンド入力画面で用語と数値を定義する方法を示しています。ID、年齢、性別、ipsilesional側、介入前後、総時間、およびタスク期間を数値で入力した。また、HbO2、HHb、およびヘモグロビン濃度レベル(mM x mm)の情報も入力した。この図の大きなバージョンを表示するには、ここをクリックしてください。

図4: SAS解析ソフトウェアの各チャネル解析に使用するコマンド入力 このマルチレベル階層混合モデルでは、SASコマンド入力画面に以下の数値を設定して入力しました。残りの状態 (タスク = 0) とタスク (タスク = 1) が比較され、回復時の状態 (タスク = 2) は除外されました。さらに、介入前の状態をn=0に設定し、介入直後の状態をn=1に設定し、各チャネルの_HbO2 およびHHbの変化量の統計的有意差について、相互作用を調査した。図中、ch2またはch47までの入力画面情報は省略されている。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図5:NRS-SPMソフトウェアを用いたGLMモデルを用いたt-統計マッピング値によるグループ分析の結果すべての患者からの平均皮質活性は、標準化された脳モデルの上記の見解に描かれている。上下は、それぞれ_HbO2およびHHbレベルにおける皮質活性化を表す。右の画像は、タスク中の健康な被験者の皮質活動を示しています。以前のロボット支援リハビリテーションを比較すると、同じ日にロボット支援トレーニングの直後に皮質活動が増加しました。他の皮質領域と比較して、各演奏状態は有意に増加した(未補正、p<0.01)。点線は、正規化された脳画像の中央のスルカス(CS)を示します。この図は、Saitaら^15.から変更されています。この図の大きなバージョンを表示するには、ここをクリックしてください。

図6: SASソフトウェアを使用したマルチレベル階層混合モデルを用いたマルチチャネル解析の結果 変化の皮質活性は、ロボット支援リハビリテーション治療を用いた介入前と後の間の比較を表す。左画像では、NIRSチャンネルの数はMNI座標系に従って標準化された脳に重ね合わされた。右の画像の場合、赤と青はHbO₂ レベルの増加と減少をそれぞれ示します(FDR補正、p<0.01)。グレーは、ロボット支援リハビリテーション後にチャネルが大きく変化しなかったことを示しています。この図は、Saitaら^15.から変更されています。この図の大きなバージョンを表示するには、ここをクリックしてください。

fNIRSのグループ分析法では、定性的 t-統計マッピングによるイメージング分析法の実行に加え、多チャンネル分析の比較を用いて、介入前と後の操作(ロボット支援運動)を比較した。定性解析では、NIRS-SPMソフトウェアを一般化線形モデルに基づく質量1変量法として用いた。NIRS-SPM分析では、タスク中に活性化領域を可視化することで、各セッションの定性的な結果を表示します。さらに、非侵襲的な3Dデジタイザーの情報は、脳に対するfNIRSチャネル位置の推定を可能にする。NIRS-SPM分析を用いたグループ分析では、感覚運動タスク中の介入前と後の介入の大まかな脳活性化領域を捉えることができたが、同じチャネルの変化の違いを比較することができなかった。NIRS-SPMの所見を裏付けるために、感覚運動タスクによって誘導されるヘモグロビンレベルの変化の振幅を、同一の研究対象で2つの異なるセッション(すなわち、介入の前後)から得られたデータを比較することによって統計的に分析することができる。これら2つの方法を用いることで、相互に補間し合い、より明確に示した。

NIRSデータによる正確なタスク関連脳活動を得るためには、タスク設計、プローブ配置、前分析処理、解析方法、および環境設定が非常に重要である^23,26。代表的な研究でセンサ運動タスクを使用したブロック設計について、タスクと休息時間をそれぞれ¹⁵と30 sに設定します。活動後のピークと休息時間による回復はタスク設計に依存することが報告されている。これまでの研究では、姿勢制御と歩行^7,8,28に関連するタスクでは、手の動き(指のタッピング、把握タスク)に関連するタスクではタスク設計が10~30s、姿勢制御に関連するタスクは30sであることが報告されました。タスク期間については、タスク活性化^8,29を開始した後にピークに達するのに約5〜10sかかり、期待の影響を避けるために15〜18sのランダムに変化する回復期間と、メイヤー波^28、30との間で良好である。この点で、我々の研究のタスクプロトコルは、肘の動きを伴うブロック設計に従うため、適切かつ実現可能であると考えられる。ただし、歩行タスクや複雑な認知タスクなど、タスクの難易度に基づいてタスク期間を長くする必要があります。プローブの配置に関しては、fNIRSの空間分解能が低いため、介入前と後の介入の再配置が大きな問題です。我々の代表的な研究では、この欠点は、同じ日にロボット治療の即時効果を確認するためにプローブの再配置を必要としない当社の設計によって補償されました。再配置が必要な場合は、事前介入と比較して配置がずれていないことを確認するために、事前にキャプチャされた画像を使用してマーキングステッカーとホルダーとの間の距離を確認することが重要です。しかし、我々の設計では、自律神経系などの全身性生理学的干渉が長時間連続測定することでヘッドホルダーの使用に及ぼす影響を確認するには不十分であった。したがって、機能パラダイムおよびマルチモーダルモニタリング²³の間にfNIRSモニタリングを使用する必要があります。NIRS測定の対象領域に関しては、認知処理に関する多くのNIRS研究は、PFCが運動^31,32の執行機能および認知制御における重要な領域であることを考えると^、前頭前野(PFC)活動の測定に焦点を当てている。感覚運動のタスクでは、知覚活動を評価するために頭頂部領域を測定することが重要です。しかし、頭頂部領域の測定は、毛髪や厚い頭皮などの障害物に影響を受けやすい。したがって、測定を慎重に設定する必要があります。このfNIRS実験方法の1つの制限は、ヘッドホルダーの構造に起因して、3cmのオプトデ距離を有する一般的な測定方法を用いた。しかし、短い分離チャネルを用いて表面信号やノイズを較正し、正確な脳活動³³を測定する可能性がある。

NIRSグループ分析法については、前提条件として、EEGと同様のNIRS測定結果の個人データを注意深く分析することが最善です。単一レベル分析とグループレベル解析の組み合わせが、最適なアプローチ²³である可能性があります。NIRSデータのグループ解析には標準化された脳が用いられるが、低空間分解能に関する制限は^4.本研究では、空間登録法を考案し、より正確な座標を検出することが可能となり、より良い結果を得る可能性がある。第2に、本研究は、ここで説明するNIRSシステムの能力に限界がある。解析で使用される数値は、連続波NIRSを用いた相対値であり、時間領域(TD)-NIRSなどのデバイスは、絶対値^34,35を用いた評価に使用する必要がある。しかし、TD-NIRSは高価であり、そのようなマルチチャンネル分析に適していないという欠点があります。CW-NIRSは非常に広く使用されているため、この欠点を補うために実現できる比較的正確な評価方法が必要です。事前分析プロセスとして、当社のチャネル分析は、これらのコンファウンダーを削除するために追加の主成分分析を使用する手段も考慮する必要があります。

今後、近赤外分光法応用を用いて、パーキンソン病^9、痙性¹²の脳血管障害、認知障害³⁶ に対する脳深部刺激の手術前と後の手術の変化の結果を報告する。私たちの方法は、運動障害、脳血管疾患、神経精神疾患などの様々な神経疾患に適用することができます。

著者らは、開示するこの研究に関連する利益相反を持っていません。

この研究の一部は、日本科学振興会(JSPS)科学研究助成(C)18K08956と福岡大学中央研究所(No.201045)からの基金によって支えられました。