Summary
自然主義的な学習環境における協調学習ダイアドに関するfNIRSハイパースキャン実験を行うためのプロトコルについて概説する。また、酸素化ヘモグロビン(Oxy-Hb)シグナルの脳間同期(IBS)を解析するパイプラインが提示される。
Abstract
fNIRSハイパースキャンは、社会的相互作用の神経生物学的基盤を検出するために広く使用されています。この技術により、研究者は、脳間同期(IBS)と呼ばれる新しい指標(すなわち、時間の経過によるニューロンまたは血行力学信号の位相および/または振幅の位置合わせ)を持つ2人以上のインタラクティブな個人の同時脳活動を修飾する。自然主義的な学習環境における協調学習ダイアドに関するfNIRSハイパースキャン実験を行うためのプロトコルを紹介する。また、酸素化ヘモグロビン(Oxy-Hb)シグナルのIBSを解析するパイプラインについて説明する。具体的には、実験計画、NIRSデータ記録のプロセス、データ解析方法、および今後の方向性について、すべて議論する。全体として、標準化されたfNIRSハイパースキャンパイプラインを実装することは、第二人称神経科学の基本的な部分です。また、これは、研究の再現性を支援するためのオープンサイエンスの呼びかけに沿ったものと同じである。
Introduction
最近、インタラクティブなダイアドまたはグループのメンバー全体で同時に脳活動を明らかにするために、研究者はハイパースキャンアプローチ1、2を採用しています。具体的には、脳波(EEG)、機能磁気共鳴画像法(fMRI)、および機能近赤外分光法(fNIRS)を用いて、2つ以上の被験者からの神経活動と脳活動を同時に3、4、5に記録する。研究者は、脳間同期(IBS)(すなわち、時間の経過によるニューロンまたは血行力学的信号の位相および/または振幅のアライメント)を指すこの技術に基づいて、同時脳結合を伴う神経指数を抽出する。ハイパースキャン研究の多種多様な発見 IBS 複数の個人間の社会的相互作用中に発見 (例えば, プレイヤー - 聴衆, インストラクター学習者, リーダー-フォロワー)6,7,8.さらに、IBSは、効果的な学習と指示9、10、11、12、13、14の特定の意味を持っています。自然主義的な学習シナリオにおけるハイパースキャン研究の急増に伴い、ハイパースキャン実験の標準プロトコルの確立と、この分野におけるデータ分析のパイプライン化が必要である。
本稿では、協調学習ダイアドのfNIRSベースのハイパースキャンを行うためのプロトコルとIBSを分析するためのパイプラインを提供する。fNIRSは、近赤外光を放射してヘモグロビンのスペクトル吸収を間接的に評価し、血行/酸素化活性を15、16、17で測定する光学イメージングツールです。fMRIと比較して、fNIRSは動きのアーティファクトを起こしにくいので、実際の実験(例えば、模倣、話す、および非言語的なコミュニケーション)18、7、19からの測定を可能にする。脳科学と比較して、fNIRSは高い空間分解能を保持し、研究者は脳活動20の位置を検出することを可能にする。したがって、空間分解能、物流、および実現可能性におけるこれらの利点は、ハイパースキャン測定1を実施するfNIRSを修飾する。この技術を用いて、新興の研究機関は、自然主義的な社会設定9、10、11、12、13、14の異なる形態の2人の(またはそれ以上の)人々の脳活動のIBS-神経アライメントとしての指標用語を検出する。これらの研究では、このインデックスを計算するために、さまざまな方法(すなわち、相関分析とウェーブレット変換コヘレンス(WTC)分析)が適用されます。一方、このような分析の標準的なパイプラインは不可欠ですが、欠けています。その結果、FNIRSベースのハイパースキャンを実施するためのプロトコルと、WTC分析を用いたIBSを同定するパイプラインが、本研究で紹介される。
本研究は、fNIRSハイパースキャン技術を用いた協調学習ダイドにおけるIBSの評価を目的としている。まず、血行反応は、協調学習タスク中に、各色素の前頭前および左テンポラル領域で同時に記録される。これらの領域は、対話型の教育と学習9、 10、11 、12、13、14に関連付けられていると識別されています。次に、IBS は対応する各チャネルで計算されます。fNIRS データ記録プロセスは、休止状態セッションとコラボレーション・セッションの 2 つの部分で構成されます。休息状態セッションは5分間続き、その間、両方の参加者(テーブル(0.8 m)で互いに対面して座っている)は、静かにリラックスする必要があります。この休止状態セッションは、ベースラインとして使用されます。そして、共同セッションでは、学習教材全体を一緒に勉強し、理解を引き出し、ルールを要約し、すべての学習教材をマスターするように言われます。ここでは、実験を実施する具体的なステップとfNIRSデータ解析を行います。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
募集されたすべての参加者(40人のダイド、平均年齢22.1歳±1.2歳、右利きの100%、正常または正常に修正された視力)は健康でした。実験の前に、参加者はインフォームド・コンセントを与えました。参加者は参加に対して財政的に補償された。研究は、人間の研究保護の大学委員会によって承認されました (HR-0053-2021), 東中国師範大学.
1. データを採用する前の準備手順
- 自家製NIRSキャップ
- オプトードホルダーグリッドを配置するために弾性水泳キャップを採用。
注:参加者のヘッドサイズが異なっていることを考慮すると、キャップのサイズは2つ使用されます。ヘッド周りを55.4±1.1cmの参加者用に小型キャップを用意し、頭囲を57.9±1.2cmの参加者用に大きなキャップを用意しています。 - 弾性スイミングキャップの標準的な国際10-10システムに従って、EEG電極(inion、Cz、T3、T4、Fpz、P5)の位置を参照オプトデとして固定します( 材料表を参照)。
- まず、ヘッドモールドに標準の10-10 EEGキャップ( 材料表を参照)を置き、弾性スイミングキャップをEEGキャップに置きます。次に、各キャップにチョークを付けて、参照オプトデ(イニオン、Cz、T3、T4、Fpz、P5)をマークします。最後に、直径約15mmの穴を2つカットして、2つの参照オプトデ(すなわち、FpzとP5、 図1)を配置する。
注:具体的には、3 x 5オプトデプローブセットと4 x 4オプトデプローブセットは、前頭前領域(参照オプトデはFpz、 図1Bに配置されています)と左テンポロパリアタール領域(参照オプトデはP5、 図1Bに配置されます)の上に別々に配置されます。
- まず、ヘッドモールドに標準の10-10 EEGキャップ( 材料表を参照)を置き、弾性スイミングキャップをEEGキャップに置きます。次に、各キャップにチョークを付けて、参照オプトデ(イニオン、Cz、T3、T4、Fpz、P5)をマークします。最後に、直径約15mmの穴を2つカットして、2つの参照オプトデ(すなわち、FpzとP5、 図1)を配置する。
- 穴をカットして他のオプトデを配置します。ヘッドモールドに2つのグリッドホルダーを持つスイミングキャップを直接配置します。その後、チョークで他のオプトデスの位置をマークします。その後、残りの穴を切ってグリッドホルダーが収まっていることを確認します。
- 2つのプローブセット(3 x 5と4 x 4)をスイミングキャップにマウントします( 材料表を参照)。
注意:NIRS測定システム( 材料表を参照)は、30 mmのオプトデ分離を保証する標準ホルダーソケットを備えた標準プローブセット(例えば、3 x 5および4 x 4)を提供します。 - NIRS測定システムでプローブセットモニタウィンドウを開き、各人に対して3 x 5と4 x 4に配置された4つのプローブセットを個別に選択します。
注:2つのキャップのプローブ配置は、プローブセットウィンドウの構造(すなわち、受信機プローブ番号とそれぞれのエミッタの正確な位置)に対応する必要があります。
- オプトードホルダーグリッドを配置するために弾性水泳キャップを採用。
- 実験の準備
- データを記録する前に、NIRSシステムが30分以上システムを起動して安定した動作温度を保っていることを確認してください。
メモ:安定した動作温度は5°Cから35°Cまで及びました。 - 測定モードをイベント関連の測定に設定します。トリガ受信機がアクティブであることを確認します(RS232シリアル入力)。
注: 実験は市販の心理学ソフトウェアでプログラムされています ( 資料表を参照)。近赤外光(2波長:695と830 nm)の吸収は、10Hzのサンプリングレートで測定されます。 - 髪を脇に移動するために使用することができる光ファイバー光学プローブを準備します。
- 参加者の席を対面に保つために、2つの椅子を備えた1つのテーブルで実験環境を設定します。
- データを記録する前に、NIRSシステムが30分以上システムを起動して安定した動作温度を保っていることを確認してください。
2. 参加者に指示を行うデータの採用
- 参加者の準備
- NIRS測定方法の詳細を含め、参加者に指示します。
注:参加者は全員健康で、参加に対して財政的に補償されました。参加者は途中で実験から撤退しなかった。NIRSのレーザービームは参加者の目に有害であり、それらのレーザービームを直接調べないように指示されました。 - 参加者が直接お互いを見ることができるように(テーブル(0.8 m)とは別に)対面して座るようにします。椅子からテーブルまでの距離(0.3m近く)を調整して、参加者が快適に座るようにします。
- レーザーボタンをオンにし、参加者の頭の上にプローブセットを付けてキャップを置きます。
注:3 x 5プローブセットは参加者の額を覆います(下段の中央プローブはFpzに配置されます)。4 x 4 プローブセットは左のテンポラル皮質を覆います(3行目の3番目のプローブはP5に配置されます)。 - 4つの光ファイバー束を、参加者や椅子に接触することなく、ホルダーの腕の上にゆるやかに置きます。
注:ここでは、NIRS測定システムには光ファイバの4つのバンドルがあります。さらに、参加者がキャップを引き離すためにあまりにも重く感じないようにしてください。 - プローブのヒントは、慎重にそのソケットに各スプリング負荷プローブをさらに押し込むことによって、参加者の頭皮に触れてみましょう。
- 信号キャリブレーションを実行します。
- まず、fNIRSマシンのプローブセットモニタウィンドウで 自動ゲイン をクリックして信号の品質を確認します。次に、チャンネルの信号が悪く、十分な信号が、それぞれプローブセットモニタウィンドウで黄色と緑色でマークされます。
注: 信号が不十分なチャネルでは、光光ファイバープローブを使用して、プローブの先端の下のヘアを片側に移動します。 - 次に、プローブをさらにソケットに押し込んで十分な信号を得ます。NIRS測定システムのプローブセットモニタウィンドウですべてのチャンネルが緑色に点灯し、信号の品質がアクセス可能であることを示すまで、このプロセスを繰り返します。
- まず、fNIRSマシンのプローブセットモニタウィンドウで 自動ゲイン をクリックして信号の品質を確認します。次に、チャンネルの信号が悪く、十分な信号が、それぞれプローブセットモニタウィンドウで黄色と緑色でマークされます。
- NIRS測定方法の詳細を含め、参加者に指示します。
- 実験を実行する
- ベースラインとして機能する 5 分の休止状態で実験を開始します。その後、2人の参加者が学習教材を共同学習する必要があります。
- 実験の後、[テキスト ファイルアウト] をクリックして、生光強度データをエクスポートし、データをテキスト ファイルとして保存します。
注意:NIRS測定システムでは、フィルタは適用されません。 - 3D (3D) デジタイザ ( 材料表を参照) を使用して、各参加者のエミッタ、受信機、およびその他の参照 (すなわち、イニオン、ナシオン、Cz、および左右の耳) の位置を決定します。
- 市販の数値コンピューティング プラットフォーム21 を使用して、記録チャンネルの MNI 座標を取得します ( 資料表を参照)。 補足表S1 は、各チャネルの対応する解剖学的位置を示す。
- クリーンプローブとエタノールを用いてプローブホルダー。中性洗剤でキャップを洗い、キャップを乾燥させます。
3. データ分析
- データ前処理
注:以前の研究では、可変非商用ソフトウェアパッケージ(例えば、Homer222、分析IR23、または、研究所24) と数値演算プラットフォームを使用する (を参照してください。 資料一覧)、fNIRSデータ分析に関する情報を、すべてウェブサイトで入手できます。ここで Homer2 は NIRS データの前処理を行うために使用されました。さらに、残りの部分で収集された fNIRS 記録データと、共同学習フェーズで収集された両方のデータが、同じ前処理と分析パイプラインを共有します。- fNIRS マシンからデータセットをコピーします。元のデータ形成を適切なフォーメーションに変換します(すなわち、cvsファイルをnirsファイルに変換します)。
- 数値コンピューティングプラットフォームで提供される "hmrIntensity2OD" 関数を使用して、生データを光学密度 (OD) データに変換します ( 材料表を参照)。
- 不正なチャンネルを削除します。次に、各チャネルの各参加者の OD 値と、各サンプル ポイントの全サンプル ポイントの平均値をそれぞれ指定します。
注: ここでは、46 の平均 OD 値が得られます。- 各参加者の標準偏差(SD)を計算します。
- 使用不能としてマークし、各参加者の分析から非常に低いまたは高い OD(5 SD を超える)のチャネルを削除します。
注: このステップは fNIRS データ前処理の前および/または後に実行できます。このデータ分析パイプラインでは、fNIRS データの前処理の前に不良チャネルが検出されます。
- OD時間データをOxy-Hb、DeOxy-Hbに変換し、変更されたビール・ランバート法25に基づいて結合された信号を変換します。
注:参照25は、「すべてのデータ分析ステップは、より高い信号対雑音比26を有する地域の脳血流の変化の指標であるOxy-Hbデータに対して行われる。さらに、以前の研究では、主にOxy-Hb濃度11、12、13、14に焦点を当てた教育と学習シナリオでfNIRSハイパースキャンを採用しました。 - チャンネルごとのウェーブレットベースの方法でモーションアーティファクトからOxy-Hb時系列を較正します。
注:具体的には、0.1のチューニングパラメータを持つドーベチ5(db5)ウェーブレット(Homer2マニュアルの詳細を参照)27、28は、モーションアーチファクトを除去する上で採用されています。 - 高周波ノイズと低速ドリフトを低減するために、キャリブレーションされたOxy-Hbデータにバンドパスフィルタ(すなわち、0.01-1 Hz)を適用します。
- OxyHbシグナル上で主成分分析(PCA)を実施して、非神経グローバル成分(例えば、血圧、呼吸、血流変動)29を除去する。
注:Zhangと同僚29 が提案したPCA分析がここで採用されています。- まず、信号を分解します。
注:fNIRS信号の分解の具体的な公式は:H = UΣVT.ここでは、fNIRSデータの時間的および空間的パターンが2つの行列(すなわち、あなたおよびV)で提示される。U は 2D (サンプル ポイント x 主成分) 行列です。V は、2D (主成分 x 主成分) 行列でもあります。V の列は、1 つの主成分 (PC) を示し、特定のチャネルの PC の強度は、列の各エントリで推定されます。各PCの相対的な重要度は、対角行列Σの値で表されます。 - 第二に、空間平滑化を行う。
注: ガウスカーネル畳み込みが使用され、局地的なシグナルを除去し、グローバルコンポーネントを取得します。 - 第三に、信号を再構築します。
注: fNIRS データのグローバルコンポーネントを計算するために、平滑化された空間パターン行列V* を分解式に差し込みます: HGlobal = UΣ(V *)T.次に、局所的な誘導ニューロン信号は、元のデータHを使用してHグローバルを減算する: Hニューロン= H - Hグローバルを得ることができる。
- まず、信号を分解します。
- 脳間同期
注:二人称神経科学における脳結合を明らかにするために、ウェーブレット変換コヘレンス(WTC)を採用しています。簡単に言えば、WTCは、周波数と時間の関数として2時系列間の相関を測定します。2時系列xとyのウェーブレットコヘレンスの具体的な式は次のとおりです。
Tとsは時間とウェーブレットのスケールを別々に示し、&sはスケールと時間の平滑化動作を示します。W は連続ウェーブレット変換を表します。次に、2D(時間x周波数)WTC行列が生成される30.WTC 値の計算には、いくつかのツールボックスが使用されます。ここではGrinstedと同僚によって作成されたツールボックスは、30を使用しました.- 数値演算プラットフォームの WTC 関数を採用します ( 資料表を参照)。
注:ここでは、母ウェーブレットのデフォルト設定(すなわち、パラメータβとガンマを持つ一般化モールスウェーブレット)が使用されます。マザーウェーブレットは、各時系列を周波数と時間領域に変換します。 - 他のパラメータにデフォルト設定を設定します(つまり、有意計算におけるサロゲートデータセットの数を表すMonteCarloCount)。
- 数値演算プラットフォームで、対応する 2 つのチャネル (2 つの参加者の同じチャネル) の WTC 値を計算します ( 材料表を参照)。同じ手順に従って、46のWTC行列が46チャンネルから生成されます。
- 共同学習に敏感な関心度帯(FOI)を決定します。
注: ここでは、クラスタベースの順列アプローチを採用して、多チャンネルデータと多周波数データでの複数比較を可能にするFOI31を検出します。- 各チャネルの組み合わせに対して、休止および協調学習段階でWTC値の時間平均をそれぞれ実行する。次に、これらの時間平均WTC値(協調学習と休息)に対して、全周波数(周波数範囲:0.01-1Hz32)と共にサンプルt検定を実施する。次に、タスク効果が有意である周波数ビンを特定します (共同学習>休息,p < 0.05)。
- 観測されたクラスタおよび対応する T 値として、有意な周波数隣接点(≥2)を取得します。
- 一連のペアのサンプル t-を実行して、ステップ 3.2.4.2 で認定された各クラスターの T 値を 1000 回生成します。
注: 変更されたデータを形成する場合、参加者はランダムに割り当てられ、新しい 2 つのメンバーペアを形成します。データセットの長さがランダムペアごとにダイドごとに変化するにつれて、長いデータセットは短い 1 つの33と同じ長さにトリミングされます。 - 元のペアからのクラスターベースの平均 T 値を、1000 個の順列の T 値と比較します。
注: この式34で評価される p 値:
ここで、S0は観測された平均クラスターt値を示し、pおよびσ p μ順列値の平均と標準偏差を示す。 - 各ダイアドの各チャネルにおいて、識別されたFOIにおける平均のWTC値。次に、WTC 値にフィッシャー z 変換を適用して、WTC 値の正規分布を取得します。この値を使用して、さらに統計分析を行うために IBS を索引付けします。
- 数値演算プラットフォームの WTC 関数を採用します ( 資料表を参照)。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
図1は、実験プロトコルとプローブの位置を示しています。fNIRS データ記録プロセスは、休止状態セッション (5 分) とコラボレーション セッション (15 ~ 20 分) の 2 つの部分で構成されます。協調学習ダイアドは、リラックスして休息状態のセッションに留まるために必要です。その後、学習教材を共学習するように言う(図1A)。前頭前および左のテンポラル領域は、対応するプローブセットで覆われています(図1B)。
図 2は、fNIRS データ分析パイプラインを示しています。fNIRS データ分析は、各参加者および各チャネルから記録されたすべての fNIRS データに適用されます。まず、あるダイアドに対するチャンネル33の検眼密度が図2Aで可視化される。オプトデ密度は、fNIRS測定システムにより各協調学習ダイアドの46チャンネル(CH)に記録されます。第二に、手順3.1.5と3.1.7で明確にした操作により、WTC分析のための実行可能なデータが準備されます。ここで、赤い曲線はウェーブレットベースモーションアーチファクト除去法によって抽出されたデータを表します。青い曲線は、ウェーブレットベースモーションアーティファクト除去法とPCAの両方によって抽出されたデータを表します。2つの曲線の間の視覚化された違いは、PCAが非神経信号を除去するのに効率的であることを示唆している(図2B)。第3に、WTC行列を図2Cで可視化します。カラーマップは、0 から 1 (時間と周波数の関数としての相関係数) のぼろぼろの IBS の値を表す、青から黄色に変化します。ここで、1は2つのfNIRS信号間の最大のコヘレンスを示し、0はコヘレンスが検出されなくていい。プロットの赤い長方形は、有意な係数を示します。さらに、結果は、ダイアドの心臓リズムコヘレンスを表す1 Hzの周りの強い一貫性を示す。最後に、ステップ3.2.4で示された操作では、観測されたT値とランダムT値の分布(すなわち、1000倍)の比較は有意な結果を示す(すなわち、t(38)=3.31、FDR補正p<0.05、コーエンのd=1.05)を識別されたFOI(0.015 Hz-0.02 Hz)図2)
図 3 は、協調学習関連周波数帯域の検出に使用されるクラスターベースの順列アプローチの重要なステップを示しています。
データ分析パイプラインに従って、協調学習に敏感な周波数帯域(0.015 Hzから0.021 Hzまで激怒)は、クラスターベースの順列アプローチによって識別されます。さらに、各チャネルについて、一連のペアサンプルt-検定を用いて、残りのIBSと協調学習段階の間で時間平均IBS値が比較される。多重比較問題を解決するために、46チャンネルで観測されたp値はすべてFDR法35,36によって補正される。結果は、チャネル33のIBSが協調学習中に有意に達することを示す(FDR補正p<0.05)。他の対応するチャネルは有意な効果を示さなかった(p > 0.05)。
図1: 実験プロトコルとプローブの位置( A)実験手順ダイアドからの脳活動は、fNIRSを用いて同時に獲得される。休息状態セッションは5分間続き、染料はリラックスして静かに保つ必要があります。その後、学習教材を共同学習するように言います(15-20分)。(B)オプトデスプローブセット。2つのプローブセットは、前頭前および左テンポラル領域をカバーします。 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データ解析の概要(A)1つの例示的ダイアドに対するチャネル33における検極密度。オプトデ密度は、各協調学習ダイアドの46チャンネル(CHs)に記録されます。i, j, 協調学習ダイアドの2人の参加者のオプトデ密度;t,時間。(B) データ前処理手順ウェーブレットベースのモーションアーチファクト除去方法とPCAは、Oxy-Hbデータに順番に適用されます。ここで、赤い曲線はウェーブレットベースモーションアーチファクト除去法によって抽出されたデータを表します。青い曲線は、ウェーブレットベースモーションアーティファクト除去法とPCAの両方によって抽出されたデータを表します。kウェーブレットベースの方法、ウェーブレットベースのモーションアーティファクトによって抽出されたデータを除去するプロセス。kウェーブレットベースの方法 + PCA、ウェーブレットベースモーションアーチファクト除去法とPCAの両方によって抽出されたデータ。(C)1つの例示的ダイアドに対するチャネル33のWTCプロット。カラーマップは、0 ~ 1 の範囲の IBS の値を表す青色から黄色に変化します (時間と周波数の関数としての相関係数)。ここで、1は2つのfNIRS信号間の最大のコヒレンスを示し、0はコヒレンスが検出されなくていいということを示す。プロットの赤い長方形は、有意な係数を示します。WTCは2つのきれいなOxy-Hbの時系列でIBSを推定する。(D) クラスタベースの順列アプローチ。観測された T 値と、識別された FOI (0.015 Hz-0.021 Hz) のランダム T 値の分布を比較します。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3:協調学習関連のFOIを特定するフローチャートを参照 してください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
まず、本プロトコルにおいて、協調学習シナリオでfNIRSハイパースキャン実験を行う具体的なステップが記載されている。第2に、協調学習ダイアドにおける血行力信号のIBSを評価するデータ解析パイプラインも提示される。fNIRSハイパースキャン実験の詳細な操作は、オープンサイエンスの開発を促進するであろう。さらに、ハイパースキャン研究の再現性を高めるために、解析パイプラインをここに設けています。以下では、実験計画、実験実施、(fNIRS)ハイパースキャン実験におけるデータ解析の重要な課題がすべて強調される。さらに、現在の制限に対する可能な解決策についても説明します。
実験計画
fNIRSハイパースキャン研究の実験設計は柔軟です。ここでは、fNIRS ハイパースキャン手法が、協調学習シナリオに適用されます。2人の参加者に、図表の特定のルールを一緒に学ぶという依頼を受け、その脳活動をfNIRSによって同時に記録した。このアプローチにより、研究者は、協調学習ダイアドにおけるリアルタイム同時神経動態(すなわちIBS)を探求することができます。以前の研究によると、IBSは教育と学習のシナリオで検出され、効果的な教育モード11を追跡しています。協調学習ダイアドで検出された神経アライメントは、学習を成功させる潜在的な神経メカニズムとして機能し、効果的な協調学習パターンを設計するための影響を提供する。一方、実験計画に関する重要な問題に対処する必要があります:実験時間は、この実験では30分に制限されています。この設定の2つの理由:まず、頭にfNIRSオプトデ付きのキャップを着用することは快適ではなく、参加者は長い間立つことができません。第二に、参加者に長い間共同学習中にじっとしているように頼むのは難しいです。実験時間が限られていると、良質の信号が得られます。
実験の実施
協調学習シナリオでfNIRSハイパースキャンを行う最も難しい部分は、高品質の脳信号を得ることです。本プロトコルに基づいて、適切なキャップの作成、光変換の配置、および対応するチャネルの空間登録の実行という 3 つの重要な手順が強調表示されます。第一に、頭囲は参加者によって異なるため、異なる個人に合ったキャップを作ることが不可欠です。第二に、参加者の頭に適切なキャップを置くとき、検眼の先端が頭皮の皮膚に直接接触できることを確認してください。この目標を達成するために、実験が必要になる前にこの操作を練習する。第3に、3Dデジタイザーで空間登録を行うと、大脳皮質37、38、39上のNIRSチャネル(CHs)の対応する解剖学的位置を特定できる。このプロトコルは、すべての参加者が平均かつ堅牢な結果を得るための空間登録を完了することを提案します。このラインに沿って、以前の研究は、正確な血行力信号を得ることができるように事前テストを行うことを参加者に求めました。具体的には、参加者は右手で古典的な指親指タッピングタスクを行い、その間fNIRSは血行力学ダイナミクスを記録しました。左運動皮質に有意なfNIRS信号(p<0.05)を検出した参加者は、研究に参加する資格がある。この技術により、記録された信号がすべての参加者40で使用できるようになります。
データ分析
このプロトコルのデータ分析プロセスは、前処理と WTC 分析の 2 つの部分で構成されます。ここでは、主成分空間フィルター アルゴリズム (PCA) をニューラル データに対して実行する 3 つの重要なデータ分析手順を強調表示します。張とクーラージュ29は、グローバル効果と局所効果の分離のためにこのアプローチを提案した。fNIRSは比較的自由な移動と通信を可能にしますが、PCAは全身的な変化(例えば、呼吸数、血圧、心拍数、呼吸数、自律神経系活動)から正確な信号を抽出する必要があります。ここでのプロトコルは、PCAがグローバルな効果を取り除くのに効率的であることを示唆しています。この方法は、fNIRSハイパースキャン研究13で広く使用されている。全体として、非神経成分は空間フィルタリングを使用して正常に除去することができます。第2に、WTCは、協調学習ダイアドのIBSを同定するために採用される。WTCは、時間と周波数41の関数として2時系列間の相関係数を評価するアプローチである。この方法では、フーリエ解析30などの従来のアプローチでは検出されない可能性のある、ローカルでフェーズロックされた動作を明らかにすることができます。そして、この方法は、協調的および競争的行動4、42、研究行動監視43、模倣44、言語コミュニケーション8、非言語コミュニケーション19、教育と学習活動11、12、13、14および母子社会的相互作用45のような様々なパラダイムを用いたfNIRSハイパースキャンでIBSを推定するために広く使用されている。
一方、グレンジャー因果性分析(GCA)、相関分析、位相同期解析などの他の手法は、ハイパースキャン研究に使用されています。GCAは、2つの時系列データ46間の有向(因果関係)情報を明らかにする方法である。この方法は、かつて、インストラクタと学習者12との間の情報フローの方向をテストするために使用されてきた。相関分析は、協調的または競争的なタスクを行うダイアドのIBSを推定するためにfNIRSベースのハイパースキャン分野でも採用されています47,48.WTC分析と比較して、この方法は、時系列に沿った2つのfNIRS時系列の一変された特徴と、周波数の潜在的な情報の漏れのみを特徴付ける。
さらに、位相同期と位相ロック値(PLV)を定量化した他のアプローチも、EEGハイパースキャン研究で使用されました。PLVは、2つの信号49の位相差の一貫性を推定する。しかし、バージェスは、PLVが存在しないハイパーコネクティビティの検出に偏りがあることを示していると示唆しました。第3に、協調学習関連周波数を検出するための非パラメトリック統計検定の採用が不可欠である。最初は、タスク関連FOIは、以前の研究で次の提案をするか、特定の実験計画(すなわち、実験における1つのタスク試験の期間)に従って選択されます。近年、FOI選択過程での堅牢で生殖的な結果を得るために、非パラメトリック統計試験手法が採用されている。ここで、この技術は効率的に動作した。協調学習関連FOI(0.015-0.021 Hz)が同定され、同様の周波数帯域が、教育シナリオ13 及び口頭コミュニケーションパラダイム8におけるfNIRSハイパースキャン研究で同定されている。この手法をマルチブレイン データ解析パイプラインに適用する必要があります。全体として、ハイパースキャンデータの解析に適したアルゴリズムと手法を確立することは、大きな分野です。
制限と将来の方向性
多脳から現実的な社会的相互作用の文脈の中で生殖および強いIBSを得るために、将来的にいくつかの制限を改善することができる。まず、繊維の重量が重すぎて、長い間着用するには不快です。したがって、実験の時間は30分に制限されます。将来的には、教室で多脳活動を記録する場合、1つの学校期間中(すなわち50分)にfNIRSキャップを着用するように生徒に頼むのは難しいです。したがって、実際の講義や学習シナリオでは、ウェアラブルfNIRS設定が必要です。第二に、fNIRSはfMRIよりも頭部運動に対する耐性が高いことを示しているが、この技術は表面皮質15の脳活動しか検出できない。したがって、fNIRSハイパースキャンは、アミグダラが重要な役割を果たすパラダイムを探求する報酬関連の神経機構では使用できない。一方、fNIRSセットアップのソースと検出器の限られた数は、脳皮質全体が測定されないことを示唆しています。つまり、研究者は測定する関心領域(ROI)を選択する必要があります。第三に、PCAは、システム汚染物質を除去するために採用されています。この技術は効率的であるが、将来的には、fNIRS信号を汚染する可能性のある余分小脳血流を考慮した短いチャネルを追加することも、効率的なアプローチである29、39である。第4に、このプロトコルにおけるデータ分析手順は、他の自然主義的なfNIRSハイパースキャン研究に適用することができる。次のステップは、標準ガイドラインを使用して fNIRS 固有のデータ分析パッケージを開発することです。第五に、このプロトコルにおいて、WTCは同時脳活動(すなわちIBS)を同定するために用いられます。共変性神経活動を計算する手法の開発により、グラフ理論やGCAなどの他の手法も使用できる。第六に、ダイドが交交感の影響を排除するために特定のトピックについて話すことを必要とする話し合いの条件などの制御条件を募集する必要があります。一方、共同学習における学習活動(すなわち、知識共構築52)がIBSにつながることを明らかにする。また、これらの検出IBSを使用して協調学習ダイアドの学習性能を追跡できるかどうかも重要である。最後に、IBSのメカニズムを説明するフレームワークを提供することも急務です。研究者は、これが唯一のエピ現象であるか、ハミルトン53による社会的相互作用の神経メカニズムであるかどうかを判断しようとします。この目標を達成するために、一方で、ハミルトンは脳の活動、行動データ、および生理学的データを一緒にモデル化するxGLMアプローチを提案し、脳結合53の信頼できる説明を探求した。一方、Novembreとラネッティは、同時脳活動54のメカニズムを明らかにするために多脳刺激(MBS)を実施することを提案した。
結論
fNIRSハイパースキャンは、従来の実験設計から社会神経科学における現実的な社会的相互作用シナリオへのパラダイムシフトにつながります。この方法によって抽出されたIBSは、社会的相互作用の神経生物学的メカニズムを説明する新しい見解を提供する。最後に、データの収集と分析の確立された標準化されたパイプラインは、有効な結果を生成し、最近のハイパースキャン実験を進めるためのマイルストーンになります。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは開示するものは何もない。
Acknowledgments
この研究は、優秀博士課程の学生のためのECNU学術イノベーション推進プログラム(YBNLTS2019-025)と中国国立自然科学財団(31872783と71942001)によって支援されています。
Materials
Name | Company | Catalog Number | Comments |
EEG caps | Compumedics Neuroscan,Charlotte,USA | 64-channel Quik-Cap | We choose two sizes of cap(i.e.medium and large). |
NIRS measurement system with probe sets and probe holder grids | Hitachi Medical Corporation, Tokyo, Japan | ETG-7100 Optical Topography System | The current study protocol requires an optional second adult probe set for 92 channels of measurement in total. |
Numeric computing platform | The MathWorks, Inc., Natick, MA | MATLAB R2020a | Serves as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2 (fNIRS preprocess analysis), and "wtc" function(WTC computation). |
Psychology software | psychology software tools,Sharpsburg, PA,USA | E-prime 2.0 | We apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data. |
Swimming caps | Zoke corporation,Shanghai,China | 611503314 | We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk. |
Three-dimensional (3-D) digitizer | Polhemus, Colchester, VT, USA; | Three-dimensional (3-D) digitizer | Anatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer |
References
- Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
- Schilbach, L., et al.
Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013). - Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
- Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
- Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
- Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
- Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
- Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
- Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
- Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
- Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
- Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
- Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
- Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
- Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
- Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
- Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
- Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
- Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
- Wilcox, T., Biondi, M.
fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015). - Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
- Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
- Santosa, H., Zhai, X., Fishburn, F., Huppert, T.
The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018). - Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
- Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
- Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
- Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
- Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
- Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
- Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
- Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
- Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
- Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
- Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
- Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
- Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
- Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
- Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
- Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
- Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
- Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
- Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
- Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
- Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
- Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
- Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
- Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J.
Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999). - Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
- Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
- Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
- Hamilton, A. F. D. C.
Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021). - Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).