脳卒中後の両足タスクにおけるMRCPおよび歩行と頭頂-前頭中央接続の時間同期

2024-07-31 Wed
脳卒中ブレイン・コンピュータ・インターフェース機能的接続運動実行運動準備両足分類リハビリテーション
脳卒中患者の両足タスクにおける運動関連皮質電位と頭頂-中央前領域の機能的連接の時間同期性背景脳卒中後のリハビリテーション研究では、機能的連接性(FC)、運動関連皮質電位(MRCP)、歩行活動は回復結果に関連する一般的な指標です。これらはそれぞれ個別に研究されていますが、特に両足の識別能力との関係は十分に検討されていません。脳卒中患者の回復には大きな個人差があり、これらの指標間の関係から新しいリハビリテーション戦略や治療法が明らかになる可能性があります。
論文の出典本論文は、国立交通大学、高雄医科大学などに所属するChun-Ren Phang、Kai-Hsiang Su、Yuan-Yang Cheng、Chia-Hsin Chen、Li-Wei Koらの研究者によって執筆されました。この論文は2024年の「Journal of Neuroengineering and Rehabilitation」に掲載されています。
研究の手順実験デザイン本研究では、10名の参加者にEEG装置と慣性測定ユニット(IMU)を装着し、下肢運動の準備(MP)と実行(ME)タスクを行いながらデータを収集しました。EEGからMRCP、機能的連接性(FC)、両足識別能力を抽出し、歩行データからME段階での膝関節角度変化を計算しました。次にFCのペアワイズピアソン相関分析を行い、全脳の機能的連接データを線形サポートベクターマシン(SVM)に入力して両足の分類を行いました。
データ収集と処理実験では、ARTISEバイオメディカル社製の32チャンネルの無線EEGシステムSt.EEGTM Vegaを使用しました。電極は国際10/20配置に従って配置され、Cynus データ収集ソフトウェアを使用して500Hzのサンプリングレートでデータを収集しました。EEG電極の平均インピーダンスは100kΩ以内に維持されました。IMUは患者の腰部、両側の大腿と下腿に装着され、ME期間中の膝関節角度変化データを取得しました。
データ分析MRCP(運動関連皮質電位): 0.1-5Hz帯域通過FIRフィルタでEEG信号を処理し、試行間でEEG信号を平均化しました。麻痺側足と非麻痺側足の運動中の去同期trough値を比較しました。
機能的連接性とPFCC(頭頂-中央前領域の機能的連接): 8-50Hz帯域通過FIRフィルタでEEG信号をフィルタリングし、ペアワイズピアソン相関係数を用いて機能的連接性を重み付け推定しました。さらに時間変化(TV)連接性をさまざまな時間窓で計算し、運動パフォーマンスに関連するP3-FC4とP3-C4の2つの機能的連接を切り出して分析しました。
SVMマシンラーニング: 線形SVMを使用して分類タスクを行い、機能的連接行列をベクトル化してSVMに入力し、10回の交差検証により各患者の平均精度を報告しました。静的機能的連接と時間変化機能的連接の両足分類パフォーマンスを比較しました。
膝関節角度: IMUデータから全試行の角度変化を切り出して平均化し、EEGデータから抽出した4つの特徴(MRCP、PFCC、CV精度、膝関節角度変化)を時間同期させました。
研究結果膝関節角度変化とMRCPすべての参加者において、典型的なMRCP波形が観察されました。運動開始時にEEG振幅が急激に低下し、膝関節角度が最大値に達したときにtroughに達し、その後歩行が元の位置に戻るとリバウンドしました。麻痺側足のMRCPは、非麻痺側足の運動と比較して約0.25μVほど大きな去同期化を示しました。
MRCPとPFCCMRCPとPFCCを時間同期させると、ME段階ではMRCP振幅の低下とPFCC強度の増加が伴っていました。MP段階ではPFCC強度が低下しました。PFCCは運動準備(MP)と運動実行(ME)の両方の活動に敏感に反応しました。さまざまな脳領域と運動タスクの機能的相互連接からも、この負の相関関係がさらに確認され、麻痺側足の運動ではPFCCの機能的連接が有意に増加しました。
両足分類の精度時間変化する交差検証精度は、ME手がかり後に両足の分類精度が大幅に向上したことを示しています。すべての参加者は、下肢運動開始前にランダム推測の閾値を超える分類精度に達しており、機能的連接の特徴が左右足の運動準備活動を区別できることを示唆しています。さらに分析すると、pre-movement段階の分類精度はMP段階よりも高く、平均で75.1%に達しました。
議論と結論これらの結果は、膝関節角度変化と、MRCPの去同期化およびPFCCの増強の間の負の相関関係を示しています。MRCPはME段階でより顕著で、PFCCはMP段階により依存していました。この発見は、PFCCとMRCPが運動タスク実行中に相補的な役割を果たすメカニズムに関する神経生理学的理解を深めることができます。
さらに、本研究はPFCCを使って脳卒中後の麻痺側の回復過程をモニターおよび評価できることを示しました。また、pre-movement段階での両足分類の高い精度は、この機能的連接の特徴を使って迅速かつ効果的な分類タスクを実行できることを示唆しています。これらの発見は、脳-義肢インターフェースの発展に貢献し、脳卒中患者が回復用義肢を制御しながら中枢神経系の回復をモニターできるようになります。
今後の研究方向としては、マルチドメインEEG特徴と統合機械学習モデルを使って両足の分類性能を改善すること、ノイズを実時間で検出・除去できる脳-義肢インターフェースシステムを開発してリハビリの効果と快適性を高めることなどが考えられます。