Церебральный поток крови на основе отдыха государства функциональная связь человеческого мозга с помощью оптической диффузной корреляции спектроскопии

Этот протокол демонстрирует, как измерить функциональное соединение состояния покоя в префронтальной коре человека с помощью специально госдиффузного инструмента спектроскопии корреляции. В докладе также обсуждаются практические аспекты эксперимента, а также подробные шаги по анализу данных.

Для получения всестороннего понимания человеческого мозга, использование мозгового кровотока (CBF) в качестве источника контрастности желательно, потому что это ключевой гемодинамический параметр, связанный с церебральным кислородом. Показано, что низкочастотные колебания состояния покоя, основанные на контрасте оксигенации, обеспечивают корреляцию между функционально связанными регионами. Представленный протокол использует оптическую диффузную корреляционную спектроскопию (DCS) для оценки функциональной связи состояния покоя на основе крови (RSFC) в человеческом мозге. Результаты РСФК на основе CBF в лобной коре человека показывают, что внутрирегиональный RSFC значительно выше в левой и правой кортиксах по сравнению с межрегиональным RSFC в обоих кортиках. Этот протокол должен представлять интерес для исследователей, которые используют мультимодальные методы визуализации для изучения функции человеческого мозга, особенно в педиатрической популяции.

Когда мозг находится в состоянии покоя, он демонстрирует высокую синхронизацию спонтанной активности в функционально связанных регионах, которые могут быть расположены близко в непосредственной близости или на расстоянии. Эти зоны синхронизации известны как функциональные сети^{1,,2,,3,,4,,5,,6,,7,,8,9}. Это явление было впервые обнаружено функциональной магнитно-резонансной томографии (ФМРТ) исследование с использованием кислорода в крови зависит (BOLD) сигналы, которые указывают на уровень оксигенации мозговой крови^5,10, также известный как состояние отдыха функциональной связи (RSFC). Аномалии в RSFC были связаны с расстройствами мозга, такими как аутизм¹¹, болезнь Альцгеймера¹², и депрессия¹³. Таким образом, RSFC является ценным инструментом для изучения пациентов с расстройствами, которые имеют проблемы с выполнением задач на основе оценок. Тем не менее, многие пациенты, такие как молодые дети-аутисты, являются плохими кандидатами для оценки МРТ, так как это требует оставаться еще внутри ограниченного пространства в течение длительных периодов времени^14,15. Оптическая визуализация быстра и носима; таким образом, он подходит для большинства пациентов, особенно педиатрического населения^{16,,17,,18,,19,,20,,21,,22,,23,24}. Используя эти преимущества, функциональная ближнеинфракрасная спектроскопия (fNIRS), которая может количественно йемоглобина концентрации и параметров насыщения кислородом в головном мозге, используется для измерения RSFC у людей (в том числе педиатрической населения^4,8,25 и пациентов с аутизмом^11).

Оптическая диффузная корреляционная спектроскопия (DCS), относительно новая оптическая техника, может количественно цоструктивить мозговой кровоток, который является важным параметром, который связывает подачу кислорода с метаболизмом^{6,17,,26,27,29.29} Оптический контраст потока количественно DCS было показано, что более высокая чувствительность в головном мозге по сравнению с оксигенации контраст³⁰. Таким образом, использование cbF-параметров, полученных по цРбФ, является выгодным.

DCS чувствителен к движущимся кровяным клеткам. При распространении фотонов рассеиваются от движущихся кровяных клеток, это приводит к тому, что интенсивность обнаруженного света колеблется с течением времени. DCS измеряет функцию автокорреляции на основе времени, и скорость ее распада зависит от оптических параметров и кровотока. Эти значения в конечном счете используются для получения индекса мозгового кровотока (CBFi). С более быстрыми движущимися клетками крови функция аутокорреляции интенсивности распадается быстрее. Таким образом, информация о движении глубоко под поверхностью ткани может быть получена (например, в головном мозге) из измерений диффузионных колебаний света с течением времени^{27,,31,,32,,33,,34,35}. DCS является методом, дополняет широко известный fNIRS, который измеряет оксигенацию крови^17,36. Поскольку fNIRS и DCS являются оптическими методами визуализации мозга с высоким временным разрешением в диапазоне миллисекунд, оптические настройки изображений гораздо менее чувствительны к артефактам движения, чем МРТ. Они также успешно используются для функциональной визуализации мозга в педиатрических популяциях, в том числе очень маленьких младенцев^16. Ранее, поверхностные измерения кровотока были использованы для оценки RSFC в доклинических исследованиях у мышей³⁷. Здесь параметры кровотока используются для количественной оценки RSFC у девяти здоровых взрослых в качестве доказательства концепции исследования^38,39.

В этом исследовании используется коммерческая система FD-fNIRS и пользовательская система DCS(см. Таблица материалов). DCS, который был построен в доме состоит из двух 785 нм, 100 мВт, длинная когеренция длина непрерывной волны лазеров, которые соединены с разъемом FC и восемь однофотонных счетных машин (SPCM) подключен к автокоррелатор. Специально для этой системы был разработан графический пользовательский интерфейс (GUI) специально для отображения и сохранения фотонных отсчетов, кривых автокорреляции и полуколичественного кровотока каждого канала SPCM в режиме реального времени. Части в этой системе обычно используются для DCS^{16,17,,31,32,40,42,43,44}, и полученные результаты также были проверены в доме и используется в недавнем исследовании³⁹.

Протокол был одобрен Советом по институциональному обзору при Университете штата Райт, и до начала эксперимента от каждого участника было получено информированное согласие.

1. Подготовка предмета

1. Включите систему FD-fNIRS и DCS, чтобы прогреться в течение по крайней мере 10 минут (см. разделы 2 и 3 для более подробной информации) перед началом любых измерений предмета. Пример измерения предмета с помощью компактного прибора DCS показан на рисунке 1.
2. Во-первых, используйте рулетку для измерения расстояния между nasion к иниону на голове каждого субъекта(рисунок 2A).
3. С nasion в качестве отправной точки, отметьте место, которое составляет 10% от расстояния до иньона с маркером чернил. Это означает точку между Fp1 и Fp2 ЭЭГ 10/20 монтаж(рисунок 2A).
4. Используя эЭГ 10/20 крышка (см. Таблица материалов),настроить крышку так, чтобы отмеченная точка находится между Fp1 и Fp2.
5. Отметьте точку между Fp1 и F7 (левая кора) и точку между Fp2 и F8 (правая кора). Это представляет границы между верхней префронтальной коры и дорсолатеральной префронтальной коры (DLFC) и между DLFC и нижней префронтальной коры (IFC), соответственно, для левого и правого полушарий (Рисунок 2A).
6. Используя 3D-печатный зонд, поместите многорежимные волокна (MMF) на недавно отмеченные точки (точки "S" на рисунке 2C)и подключите каждый из них к источнику лазерного света 785 нм(рисунок 2B, C).
7. Поместите однорежимные волокна (SMF) на 2,75 см от MMF. Два волокна должны быть размещены на DLFC (локации "DLFC,1" и "DLFC,2") и один на МФЦ (месторасположение "МФК"). Размещение SMF реплицируется на каждой стороне коры коры в общей сложности шесть SMFs(рисунок 2c).
8. Поместите еще один SMF 1 см ниже MMF в месте "D_s"в обеих сторонах коры головного мозга (для обнаружения кровотока в коже головы) и подключить каждый из SMFs к отдельным однофотон счетных машин(рисунок 2C).

р-класс"jove_title"gt;2. Настройки и калибровка FD-fNIRS

1. Выключите все огни и включите систему FD-fNIRS для подготовки к калибровке.
   ВНИМАНИЕ: В качестве общей меры предосторожности, не смотрите непосредственно на источники света и волокна выходы, так как это может привести к повреждению глаз. Используйте ИК-сенсорную карту(Таблица материалов).
2. Избегайте ненужного воздействия детекторов на уровень освещения в помещении для поддержания бесшумной работы и предотвращения повреждения детекторов.
3. Разогрейте источники света и детекторы, включив систему и позволив ей работать не менее 10 мин (желательно, 20 мин минимум и 1 ч максимум для оптимальной точности и стабильности) с помощью света, модуляции и напряжения детектора.
4. Запустите программное обеспечение для получения данных на основе ГРАФИЧЕСКОго интерфейса. Отрегулируйте увеличение детектора для достижения оптимального сигнала с помощью датчика, прикрепленного и закрепленного на калибровочном фантоме (полиметилсилоксанов на основе фантома известных оптических свойств, см. Таблица Материалов) при нажатии кнопки «автопредвзятость». Если перенапряжение предупреждает мигает, снижайте прибыль.
5. После корректировки прибавки детектора для получения максимального сигнала отключите одно из исходных волокон от детектора и убедитесь, что прямой ток (DC) составляет менее 20 пунктов за период измерения соответствующего исходного волокна. Если это больше, чем это значение, может быть чрезмерное пространство комнаты утечки в детектор⁴⁵. Если это так, система должна быть включена, то любой избыток света в комнате должен быть заблокирован / удален ы и шаги 2,4-2,5 повторяется.
6. Проверьте правильный уровень сигнала от каждого источника и детектора. Система определяет это как выше 100 и ниже 1500 отсчетов за цикл измерения.
7. Выполните калибровку, нажав кнопку "Калибр" в графическом интерфейсе. Система будет принимать измерения и применять калибровочные факторы для правильного измерения оптических свойств известного фантома. Эти факторы калибровки сохраняются и применяются автоматически к измерениям in vivo.
8. Зарегистрируй данные калибровки, которые обеспечат запись производительности системы на стандартном фантоме.

3. Настройки DCS

ВНИМАНИЕ: В качестве общей меры предосторожности, не смотрите на источники света и волокна выходы непосредственно, чтобы избежать потенциального повреждения глаз. Используйте использовав карту Датчика ИК (см. Таблицу материалов).

1. Избегайте ненужного воздействия детекторов (т.е. освещения комнаты) для получения точных исходных данных для кривых автокорреляции и предотвращения повреждения детекторов.
2. Разогрейте лазерные источники света DCS и SPCM (см. Таблицу Материалов), переключив их на положение "на" и позволив им работать не менее 10 мин (желательно, 20 мин минимум и 1 ч максимум для оптимальной точности и стабильности).
3. Запустите программное обеспечение для сбора данных на основе ГРАФИЧЕСКОго интерфейса DCS, которое отображает количество фотонов для каждого детектора и полуколичественные значения кровотока в реальном времени. Отрегулируйте положение волокна, угол (лицо волокна должно быть перпендикулярно к поверхности кожи), и время приобретения данных для того чтобы получить сигнал по крайней мере 5.000 отсчетов/s (для адекватного соотношения сигнала к шуму) и под 1.000,000 отсчетами/s (для избежания повреждать детекторов) (Рисунок 3A).
4. Проверьте достаточные уровни количества фотонов (от шага 3.3) от каждого детектора, проверяя уровень количества фотонов и вблизи кривых автокорреляции в реальном времени, показанных на мониторе.
5. Проверьте достаточный контакт волокна без каких-либо утечки окружающего света, проверяя y-перехват кривой автокорреляции отображается на мониторе. Оптимальное значение составляет 1,5 евро без использования поляризаторов(рисунок 3B).
6. Убедитесь, что зонд и измерения не склонны к движению артефактов, затягивая резинку так, что она достаточно плотна, чтобы противостоять движению, но достаточно свободно, чтобы предотвратить любой дискомфорт к предмету. Пользователь должен также проверить автокорреляционные кривые на мониторе одновременно таким образом, что кривая автокорреляции распадается до 1 для более длительного времени корреляции (я/ 10 мс)(рисунок 3C).

4. Сбор данных

1. Поручить субъекту свести к минимуму любые движения во время измерения 8 мин.
2. Выключите свет и убедитесь, что объект находится в удобном положении с закрытыми глазами.
3. Выполняйте базовые измерения FD-fNIRS с использованием, размещая оптический зонд системы FD-fNIRS на лбу, прилегающем к зонду DCS. Затем нажмите кнопку "Приобрести" в ГРАФИЧЕСКОм интерфейсе приобретения FD-fNIRS. Эти данные обеспечат статические оптические свойства, параметры поглощения и параметры рассеяния(з,_a кс),_sкоторые будут использоваться для количественной оценки динамического оптического параметра, CBFi^17,20.
4. После завершения измерений FD-fNIRS приступайте к сбору данных по оптическим измерениям DCS, нажав кнопку "Бег" в ГУИ для получения данных DCS. Собирайте данные в общей сложности за 8 минут с максимальным 2 с интеграционным временем (менее предпочтительным, в зависимости от соотношения сигнала к шуму для каждого предмета).
5. При необходимости повторите эксперимент в течение 1 ч от первоначального эксперимента или повторите эксперимент в течение аналогичного времени суток, чтобы уменьшить внешние изменения, такие как усталость, стимуляторы или температура.

5. Анализ данных

1. Для данных FD-fNIRS извлеките оптические свойства поглощения и рассеяния(a, q's),_sкоторые обрабатываются методом наклона^{46,,47,,48,,49,,50,51,52,53}._a
2. Для DCS, поскольку необходима постобработка, импортируйте исходные данные автокорреляции из каждого из восьми каналов в программное обеспечение для анализа данных.
3. Количественная количественная оценка параметров, связанных с^CBF,подробно описана в последних обзорах^6,27,,54. Кратко, из нормализованной функции автокорреляции интенсивности (g₂ r, ) извлекайте нормализованную диффузную функцию электрического поля височной автокорреляции (g₁ qr, ) используя отношение Siegert: g₂ (r, ) г ₁ (r, ) ².
   ПРИМЕЧАНИЕ: q является постоянным, пропорциональным количеству пространственных режимов обнаружено^{6,17,27,55,56}, колеблется от 0 до 1, и полученные путем установки (нормализации) функции электрополя автокорреляции g₁.
4. Для получения параметра, связанного с кровотоком (Зд_В)из пригонки, используйте аналитическое решение для g₁^6,,27,,54 и приспособите данные к модели или скорости распада:
   УРАВНЕНИЕ ОДНО
   ПРИМЕЧАНИЕ: В вышеупомянутом уравнении, k_o является волновой числосвета в среде, q является фактором, пропорциональным фракции объема крови ткани, и D_B является эффективным броуновским коэффициентом. Индекс кровотока (BFI) 6, 54 или CBFi 17_можно определить как индекс кровотока (BFI)^6,,54 или CBFi^17. Здесь используется CBFi.
5. Приготовь модель с использованием оптических параметров, полученных от FD-fNIRS. Основными параметрами, подходящими для этого, являются CBFi и q.
   ПРИМЕЧАНИЕ: На рисунке 3A показаны репрезентативные данные, достаточные для анализа. Данные DCS отбрасываются, если (1) функция автокорреляции значительно ниже, чем 1,5 (квт; 0.5) (т.е. в случае Рисунок 3B, где функция составляет 1,2, йlt; 0,2, из-за утечки света в комнате) или если (2) кривая автокорреляции не распадается до 1 в течение более длительного времени корреляции (яп. 10 мс) (т.е., в случае рисунок 3C, где движение артефакт, такие головы или зонда данные, приводит к невырастным).
6. Detrend количественные результаты с помощью второго порядка полиномиальной подходят для удаления медленного дрейфа(рисунок 4A).
7. Используйте фильтр второго порядка нулевой фазы Butterworth с проходным диапазоном 0,009-0.080 Гц, чтобы удалить любые нежелательные частоты мозга, такие как волны Майера(рисунок 4A).
8. Используйте линейную регрессию для получения остатков из каждого канала против измерения короткого расстояния, чтобы удалить поверхностные сигналы кожи головы на каждой стороне коры(рисунок 4B).
9. Рассчитайте коэффициент корреляции Пирсона между каждой парой каналов, чтобы определить функциональное соединение состояния покоя между областями мозга(рисунок 5).
10. Преобразуйте значение корреляции в z-значение с помощью преобразования Fisher и выполните t-тестдля получения p-значения(рисунок 5). Используйте ложный коэффициент обнаружения (FDR) для коррекции нескольких сравнений.

Осуществимость использования DCS для измерения функциональной связи была успешно demostrated³⁹. Измерено состояние отдыха в префронтальных кортиках девяти испытуемых. Результаты (средние и SD) показали более высокую корреляцию во внутрирегиональном регионе левого (0,64 и 0,25) и правых (0,62 и 0,23) кортиков, по сравнению с межрегиональным регионом левых (0,32 и 0,32), (0,34 и 0,27) и справа (0,34 и 0,29), (0,34 и 0,26) кортики. (Рисунок 5). Был также проведен анализ мощности с мощностью 0,8 и уровнем значимости 0,05, в результате чего мощность составила 0,82 с размером выборки восемь (ниже количества испытуемых, проанализированных в данном исследовании).

Чтобы проверить, существует ли существенная разница между межрегиональным RSFC и внутрирегиональным RSFC, корреляционное значение было преобразовано в z-значение с помощью преобразования Fisher s, затем был проведен t-тест для сравнения межрегиональных RSFC обоих кортиков. Это привело к p-значениям 0.0002, что означает существенную разницу, которая была продемонстрирована в предыдущих исследованиях fNIRS^8,25 (Рисунок 5). Чтобы определить, существует ли разница между симметричными областями мозга (левая и правая кортики), был проведен t-тест. Это привело к p-значениям 0,8, что означает, что не было существенной разницы между аналогичными областями мозга по обе стороны от коры.

Рисунок 1: Экспериментальная настройка. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Рисунок 2: Схема зонда и размещение. (A) Размещение зондов, как показано на карте системы ЭЭГ 80-20. (B) Пример 3D-печатного зонда с оптическими волокнами, которые носит субъект. (C) Модель CAD расположения детекторов (D) и источников (S) в дорсолатеральной лобной коре (DLFC) и нижней лобной коре (IFC). Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Рисунок 3: Репрезентативная выборка данных с помощью детекторов в одном и том же регионе при одном и том же разделении source-detector. Показана кривая автокорреляции (g2) по отношению к времени задержки (яп. (A)Данные, когда зонд имеет достаточный контакт, показывая высокие показатели и хорошо подходят для аналитической модели. (B) Данные (преувеличенные) с окружающим светом, просачивающимся в зонд, как это наблюдается ниже y-перехвата (бета). Это, как правило, из-за сочетания плохого контакта и сильного фонового света, требующих корректировки должны быть сделаны. (C) Данные (преувеличенные) с артефактом движения в то время как кривая g2 усредняется. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Рисунок 4: Анализ репрезентативных данных, полученных по одному предмету. (A) Участок спектра мощности после каждого из этапов обработки. (B) Пример, показывающий временные ряды нормализованного сигнала кровотока на одном из каналов до и после регрессии канала короткого расстояния (сигнал скальп). Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Рисунок 5: Состояние отдыха функциональное подключение в префронтальных кортиков всех субъектов. Среднее значение по межрегиональному региону (DLFC₁-IFC и DLFC₂-IFC) левой коры (0,32 х 0,32), (0,34 и 0,27) и правой коры (0,34 и 0,29), (0,34 и 0,26). Средняя группа по внутрирегиональному региону левой коры (0,64 и 0,25) и правой коре (0,62 и 0,23). Панель ошибок указывает SD по всем предметам. T-тест показывает разницу между внутри- и межрегиональным RSFC обеих кортиков является значительным с р 0,0002, в то время как не было существенной разницы между левой и правой коры (t-тест и р.г. Частота ложного обнаружения (FDR) использовалась для коррекции нескольких сравнений. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Чтобы определить, были ли CBF, измеряемые DCS точно обнаружены RSFC, две области мозга с известными свойствами RSFC были рассмотрены. Функциональная связь между регионами DLFC и между DLFC и IFC предполагается существовать^57,58,59. Была выбрана связь между двумя участками в левом и правом DLFC, поскольку внутрирегиональная связь обычно выше. Кроме того, была выбрана связь между МФК и ДлФК, поскольку межрегиональная связь, как известно, слабее.

Техника DCS показала высокую связь в областях DLFC, но более низкую связь между областями МФК и DLFC, что согласуется с аналогичными исследованиями, проведенными с другими методами, такими как МРТ. Эти результаты демонстрируют потенциал DCS как неинвазивного средства оценки RSFC у людей. В сочетании с другими методами визуализации, такими как fNIRS, точная характеристика нейронных заболеваний, таких как аутизм становится жизнеспособным. Хотя параллельные измерения fNIRS и DCS остаются проблемой, несколько подходов к этой проблеме были изучены^{19,,20,,21,,23,,27,28,,60,,61,62,63,64,65}. В экспериментальном исследовании, изолированные, легкие зонды DCS были выбраны для лучшего контакта. В будущем, зонд дизайн может быть улучшена, fNIRS волокна могут быть вставлены рядом с волокнами DCS, и источники света могут быть последовательно освещены, как ранее продемонстрировано. Таким образом, DCS будет служить дополнением к другим методам и станет полезным инструментом для неинвазивной оценки функции мозга у молодых и пациентов с ограниченными возможностями.

Авторы не заявляют о каких-либо конкурирующих финансовых интересах.

Авторы хотели бы отметить финансовую поддержку со стороны третьего рубежа Огайо в Огайо Imaging исследований и инноваций сети (OIRAIN, 667750), и Национальный фонд естественных наук Китая (No 81771876).