Summary
ウェーブレット変換コヒーレンス(WTC)は、機能的近赤外分光法(fNIRS)ハイパースキャニング研究で使用される信号間の結合を評価するための一般的な方法です。この作業では、信号の相互作用の方向性を評価するためのツールボックスが提示されています。
Abstract
機能的近赤外分光法(fNIRS)ハイパースキャニング研究が増えているにもかかわらず、ウェーブレット変換コヒーレンス(WTC)を使用した2つの神経信号間の結合の評価は、相互作用の方向性を無視しているようです。この分野は現在、WTC関数を使用して得られた高いコヒーレンス値が同相同期を反映しているかどうか(つまり、ダイアドの両方のメンバーで同時にニューラル活性化が見られる)、遅れた同期(つまり、ダイアドの一方のメンバーで他のメンバーよりも先にニューラル活性化が見られる)を反映しているかどうかを研究者が判断できるフレームワークを欠いています。 または逆位相同期(すなわち、神経活性化はダイアドの一方のメンバーで増加し、もう一方のメンバーで減少します)。このニーズに対処するために、この研究では、2つの神経信号の位相コヒーレンスを分析するための補完的でより感度の高いアプローチが提案されています。このツールボックスでは、従来の WTC を使用して得られた位相角値を同相同期、遅延同期、逆位相同期に分類することで、結合の方向性を推定できます。また、このツールボックスを使用すると、研究者は、相互作用のダイナミクスがタスク全体でどのように発達し、変化するかを評価することができます。この新しいWTCアプローチとツールボックスを使用することで、fNIRSハイパースキャニング研究での使用を通じて、複雑な社会的相互作用の理解が深まります。
Introduction
近年、社会的行動の神経基盤を理解するために行われる研究の種類に変化が見られます1,2。従来、社会神経科学の研究は、社会的に重要な課題中の1つの孤立した脳の神経活性化に焦点を当ててきました。しかし、ニューロイメージング技術の進歩により、社会的相互作用中の1人または複数の個人の脳内の神経活性化を、「実生活」の環境で発生するように調べることができるようになりました3。「実生活」では、個人は自由に動くことができ、情報交換や社会的パートナーが互いにフィードバックを受けることで、脳の活性化パターンが変化する可能性があります4。
ハイパースキャニングは、2人以上の個体の脳活動を同時に測定することにより、この双方向の情報交換を評価する方法です5。新たな研究は、他のニューロイメージング技術と比較してモーションアーチファクトの影響を受けにくい非侵襲的なニューロイメージング技術である機能的近赤外分光法(fNIRS)を利用しています6。fNIRSによるハイパースキャニングにより、インタラクティブなパートナーが自由かつ自然に動きながら、実際の環境で脳間同期(IBS)を評価することができます。これは、非常に活発な傾向がある乳幼児を扱う仕事に特に関連しています。IBSは、効果的な社会的相互作用とコミュニケーションの基盤として機能し、共有された志向性を媒介するインタラクティブなパートナー間の相互理解を反映していると報告されています1,7,8。
2つの脳のIBSを評価するには、いくつかの方法が用いられます。このような手法には、相互相関やピアソン相関係数9,10などの時系列相関が含まれます(Scholkmann et al.10によるレビューを参照)。他の方法には、周波数領域での結合の強さを評価することが含まれます。このような方法には、位相ロック値(PLV)と位相コヒーレンスが含まれます(Czeszumskiらによるレビューを参照11)。fNIRS研究で最も一般的な方法の1つは、ウェーブレット変換コヒーレンス(WTC)を使用しており、これは周波数と時間の関数としての2つの時系列の相互相関の尺度です10。
WTC は、相関解析を使用して、時間-周波数領域の 2 つの時系列間のコヒーレンスと位相遅れを計算します。FNIRSハイパースキャニング研究では、WTCを用いて、行動モニタリング12、協調行動と競争行動5,13,14,15、模倣16、母子問題解決17、教育学習行動18,19,20,21など、多くの機能領域におけるIBSを推定している.典型的には、ハイパースキャニング研究では、WTCによって測定された実験課題中の脳間コヒーレンスが、対照課題中の脳間コヒーレンスと比較される。これらの所見は、通常、WTCの「ホットプロット」で示され、各時点と頻度における2つの脳間のコヒーレンスを示します(図1を参照)。
Czesumaski et al.11 が示唆したように、WTC は fNIRS ハイパースキャニングを分析するための標準的な分析アプローチになっています。WTC分析は、データの視覚化と解釈のための柔軟で「ツールに依存しない」方法です22。コヒーレンス係数ヒートマップは、タスクの完了時の同期または非同期の行動の期間と脳活動の強度を簡単に特定できる物語形式の分析を提供し、WTCの主な利点であり、応用研究のための強力なツールになります22。WTCは相関技術よりも優位に立っている。相関関係は血行動態反応機能(HRF)の形状に敏感であり、個人(特に年齢)や脳領域によって異なると考えられています。対照的に、WTCは(HRF)23の地域間変化の影響を受けない。研究者は、fMRIの時系列を研究するためにウェーブレットアプローチを使用してきました。Zhang et al.24 は、ピアソン相関、偏相関、相互情報量、ウェーブレット コヒーレンス変換 (WTC) など、一般的に使用される関数的接続メトリックを比較しました。彼らは、安静時fMRIデータとビデオ視聴の自然刺激fMRIデータから導き出された大規模な機能的接続パターンを用いて分類実験を行いました。彼らの発見は、WTCが分類(特異性、感度、および精度)において最も優れた性能を発揮することを示しており、WTCが、少なくとも分類アプリケーションにおいて、機能的な脳ネットワークを研究するための好ましい機能的接続指標であることを示唆している24。
図1:ウェーブレット変換コヒーレンス(WTC)。 WTCは、2つの時系列間のコヒーレンスと位相角を、時間(x軸)と周波数(y軸)の両方の関数として示します。コヒーレンスの増加はグラフの赤色で示され、グラフの小さな矢印は2つの時系列の位相角を示しています。右向きの矢印は、同相同期を表します。下向き矢印と上向き矢印は、同期の遅れを表します。そして、左向きの矢印は、逆位相同期30を表す。この図は Pan et al.19 から引用したものです。 この図の拡大版をご覧になるには、ここをクリックしてください。
最近、Hamilton25 は、fNIRSハイパースキャニング研究における脳間コヒーレンスデータの解釈にいくつかの限界があることを明らかにしました。ハミルトンの主な懸念の1つは、コヒーレンス尺度(WTCなど)は、効果を対称的(つまり、2つの脳が相関しており、同じ変化パターンを示す)としてのみ報告することであった。しかし、多くの社会的相互作用は、2人の参加者が異なる役割を果たす可能性があるという点で非対称的であり(例えば、話し手と聞き手の間の情報の流れ)、WTCがこの情報を捕捉できるかどうかは明らかではない。ここでは、クロスウェーブレット位相を使用して方向性を検出することにより、クロスウェーブレットパワーの簡単な解釈を可能にする新しいフレームワークによって、この懸念に対処します。このフレームワークは、相互作用のダイナミクスがタスク全体でどのように発展し、変化するかを調べることもできます。
WTC法と相関法は機能的接続性を評価しますが、他の方法では効果的な接続性を評価し、ある神経要素が別の神経要素に対する因果関係の影響を抽出しようとします。伝達エントロピーは、情報理論の分野からの尺度であり、共同依存プロセス間の移動を記述します26。もう1つの関連法はグレンジャー因果関係分析(GCA)であり、これは転移エントロピー26と同等であると説明されている。
fNIRSハイパースキャニング研究の既存の文献では、協力5、ティーチング19、模倣16など、さまざまなタスクで得られたfNIRS時系列データ間の結合方向を推定するために、グレンジャー因果関係分析(GCA)が広く使用されてきました。GCAは、ベクトル自己回帰モデルを用いて、脳データにおける時系列間の結合の方向性を評価します。グレンジャーの因果関係は、予測と優先順位に基づいている:「変数Xは、Xの過去にすでにある情報に加えて、Yの将来を予測するのに役立つ情報を含む場合、変数Yを「G原因」と言われる」27。したがって、G因果関係は、1)被験者Aから被験者Bへ、および2)被験者Bから被験者Aへという2つの方向で分析されます。
GCA解析は、WTC関数を使用して得られた高いコヒーレンス値がIBSを反映しているのか、それとも遅れた同期(一方の信号が他方の信号をリードしている)を反映しているかどうかを判断することを目的とした補完的な解析として機能しますが、逆位相同期が発生したかどうかを判断することはできません。1人の参加者のみがスキャンされる従来の神経画像研究(すなわち、「単一脳」アプローチ)では、逆相パターンは、一方の脳領域の活動が増加し、他方の脳領域の活動が減少することを意味する28。ハイパースキャニングの文献では、逆位相同期の存在は、神経活性化が一方の被験者で増加し、同時に神経活性化が他方の被験者で減少することを示唆している可能性があります。そのため、方向性を検出できる包括的なモデルを提供する必要があります。具体的には、このモデルは、同相同期と遅延同期に加えて、逆位相同期(ある個体の活動方向がパートナーの活動方向と反対である)を検出できるようになります。
WTCは対称的な効果しか示さず、両方の脳が同じ変化パターンを示すという懸念に対処する試み25として、同期の位相(すなわち、同相、遅れ、または逆相)を調べることによって相互作用のタイプを特定する新しいアプローチが提示されています( 図2を参照)。この目的のために、WTC法を使用してさまざまなタイプの相互作用を分類するツールボックスが開発されました。相互作用の種類は、クロスウェーブレット変換解析からの相対位相データを使用して分類されます。
図2:単純な正弦波の異なる位相関係の図。 (A)信号1(青線s)と信号2(橙線s)の2つの信号が、同時にそれぞれの最大値、最小値、零値に達すると、同相同期を示していると言われる32。(B)一方の信号が最大値に達し、他方の信号が同時にゼロ値に達すると、それらは遅延同期(一方が90°リードしている)を示していると言われます32,33,34。(C)2つの時系列が反対方向にシフトする場合、つまり、一方の信号が同じ時点で最大値に達し、他方の信号が最小値に達する場合、これは逆位相同期28と呼ばれる。(民主党)2 つの時系列間の他のすべての位相関係では、一方の信号が他方の信号をリードしています。すべての正相では、信号2が信号1(パネルE、F、M、Nなど)をリードし、すべての負相では、信号1が信号2(パネルD、G、H、O、Pなど)をリードしています。特に、位相の絶対値が高いほど、どの時系列が他の時系列をリードしているかがより特徴的になります(たとえば、パネルIよりもパネルJのリーダーシップが特徴的であり、パネルKではパネルLよりもリーダーシップが特徴的です)。この図の拡大版をご覧になるには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
この研究はフロリダアトランティック大学(FAU)で実施され、FAU治験審査委員会(IRB)によって承認されました。
1. Homer3ソフトウェア(材料表)を使用して、fNIRSハイパースキャニングデータの前処理を実行する
注:Homer3は、fNIRSデータを解析して脳の活性化の推定値とマップを取得するMATLABアプリケーションです29。Homer3は、次のリンク(https://openfnirs.org/software/homer/)からダウンロードしてインストールできます。
- MATLAB を開き、生の .nirs ファイルが保存されているフォルダーに移動します。フォルダを選択して開きます。
- MATLAB のコマンド ウィンドウに「Homer3」と入力して、 Homer3 GUI を起動します。ホーマー3。は .nirs ファイルを検出し、データの前処理を続行するために .snirf 形式 (MATLAB などの特定のアプリケーション固有のファイル形式とは無関係に NIRS データを保存および共有するための汎用ファイル形式) に変換するように要求します。
- Homer3 で .nirs ファイルを .snirf 形式にインポートした後、Homer3 GUI の [ ツール ] オプションをクリックし、[ 処理ストリームの編集] を選択します。
- ProcStreamEdit GUI で、[追加] をクリックして、[レジストリ関数] 列から [現在の処理ストリーム] 列への前処理手順を選択します。含まれる前処理手順は次のとおりです。
- hmrR_intensity2ODを使用して、強度データを光学濃度に変換します。
- hmrR_MotionCorrectWavelet を使用して、適切なフィルタリング機能を使用してモーション アーティファクトを修正します。
- hmrR_OD2conc を使用して、OD データを濃度に変換します。
- hmR_BlockAvgを使用して、濃度データのブロック平均を計算します。
注: 前処理ステップの選択は、データセットの種類によって異なる場合があります。
- 現在の処理ストリームを保存するには、[ 保存 ] オプションをクリックし、ProcStreamEdit GUI を終了します。
- メインのHomer3GUIで前処理ストリームを実行するには、[ 実行 ]オプションをクリックします。Homer3 は、選択した処理ストリームの実行を終了すると、各参加者の前処理された時系列を、すべてのチャネルとイベントの Hbo、Hbr、および Hbt を含む .mat ファイル形式で保存します。Homer output という名前のフォルダーは、これらのファイルを格納するために、現在選択されているフォルダーに Homer3 によって作成されます。
- これらのファイルを格納するために、選択したフォルダーに Homer3 によって derivatives という名前のフォルダーが作成されます。derivativesフォルダにあるhomerフォルダを選択します。各頭脳の .mat ファイルを選択し、Hbo、Hbr、Hbt をエクスポートします。
注:Homer3によって作成される出力フォルダーの名前は、Homer3のバージョンによって異なります。
2. LeaderFollowerByPhase ツールボックスの概要
- ハイパースキャン記録で発生する相互作用の種類を分析するには、 図 3 に示すプロセスで説明するように、LeaderFollowerByPhase ツールボックスを使用します。MATLAB で、各頭脳の .mat ファイルを選択し、特定のチャネルと特定のイベントの Hbo (または Hbr) データを signal1 および signal2 として 1 次元ベクトルに読み込みます。
- MATLAB コマンド ラインで、パラメーター
- lowFreq、highFreq: 「lowFreq = [low FOI]」、および「highFreq = [high FOI]」と入力します。 デフォルト値は、lowFreq = 0.01 Hz、highFreq = 1 Hz です。
注: 関数 lowFreq と highFreq のパラメータは、対象周波数 (FOI) の範囲を定義します。WTCは、各時点と周波数における2つの脳間のコヒーレンスを計算します。コヒーレンス値は、通常、特定のFOI内で平均化されます。 - パラメータ phaseRange を定義します。「 phaseRange = [range in deg]」と入力します。
注: デフォルト値は phaseRange = 90° です。位相は、位相の円形モジュロ特性により、0°から360°の範囲です。位相範囲は、4 点を囲む範囲に従って分割されます。提示されたツールボックスでは、信号1のリーディング(-90°の周囲の範囲)または信号2のリード(90°の周囲の範囲)との遅れ同期に対応する範囲に応じた位相角値を使用して結合の方向性を調べることにより、非対称相互作用を分類するための新しいアプローチが提示されています(図4)。 信号1、信号2の同相同期(0を囲む範囲)、 信号1、信号2の逆位相同期(+180°または-180°の範囲)。 - 「しきい値」パラメーターを定義します。threshold = [threshold rsq val]と入力します。デフォルト値は Threshold = 0 です。
注: ツールボックスでは、しきい値パラメーターを指定することで、しきい値コヒーレンス値を指定できます。これにより、研究者は指定された最小コヒーレンス値を持つ時点を選択できます。その結果、指定した閾値よりも高いコヒーレンス値を持つ時点のみが考慮されます。
- lowFreq、highFreq: 「lowFreq = [low FOI]」、および「highFreq = [high FOI]」と入力します。 デフォルト値は、lowFreq = 0.01 Hz、highFreq = 1 Hz です。
- [LeaderFollowerByPhase] ツールボックスを次のリンク (https://www.ariel.ac.il/wp/sns/download/ または https://github.com/Minisharmaa/Leader-Follower-By-Phase) からダウンロードします。
- コマンド ラインにコマンド cohervalues = LeaderFollowerByPhase(signal1, signal2, lowFreq, highFreq, phaseRange, threshold) を入力して、MATLAB 関数 LeaderFollowerByPhase を実行します。
注: コヒーレンスと位相の計算は、それぞれ MATLAB の関数 WTC と XWT を使用して実行されます30。 - 同相、信号 1 の先行、信号 2 の先行、および逆位相の同期値を調べます。
- MATLAB でプロットを検査します。ツールボックスは 4 つのプロットをもつ 1 つの Figure を生成します。
- 交互作用のタイプ別のコヒーレンス: 図の左上部分の箱グラフを見ると、交互作用の種類(同相、信号1先行、信号2先行、逆位相)に応じた決定係数(Rsq)が表示されます。
注: MATLAB ボックス チャート組み込み関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/boxchart.html) を参照してください。 - 交互作用のタイプ別の中央インデックス: 出力図の右上にある棒グラフを調べ、交互作用のタイプ(同相、信号1先行、信号2先行、逆位相)に応じた最大平均と中央値を表示します。
メモ: MATLAB bar 組み込み関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/bar.html) を参照してください。 - 時間の経過に伴う一貫性: 出力 Figure の左下部分にある散布図を調べ、一貫性の値と時間の経過に伴う交互作用の種類を表示します。色付きのドットは、さまざまなタイプの相互作用を表します(黒い点は同相同期を表し、濃い灰色のドットは信号1のリードを表し、薄い灰色のドットは信号2のリードを表し、紫色のドットは逆位相同期を表します)。
注: この図は、交互作用のダイナミクス、つまりフルタイム系列における 4 種類の交互作用間の交流を示しています。MATLAB 散布関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/scatter.html) を参照してください。 - 時間の割合: 出力図の右下にある円グラフを調べ、さまざまなタイプのインタラクションに応じた時間の分割を表示します。
注: MATLAB の pie 関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/pie.html) を参照してください。
- 交互作用のタイプ別のコヒーレンス: 図の左上部分の箱グラフを見ると、交互作用の種類(同相、信号1先行、信号2先行、逆位相)に応じた決定係数(Rsq)が表示されます。
- MATLAB でプロットを検査します。ツールボックスは 4 つのプロットをもつ 1 つの Figure を生成します。
- 交互作用のタイプ(同相同期、信号1先行、信号2先行、逆位相同期)ごとに統計値(平均、最大、中央値、標準偏差)を使用して出力テーブルを検査します。この表には、各タイプのインタラクションが発生した時間の割合も表示されます。各タイプのインタラクションは、異なる列に表示されます。
- 抽出されたスプレッドシート ファイル (つまり、現在のフォルダーにあるデータテーブル .xlsx) の出力値を調べます。
図3:ワークフローの概要 。 (A)母子ペアは、ハイパースキャニング中に自由遊びに従事し、fNIRSデータを収集しました。(B)母子時系列の図解。(C) Homer3を用いた時系列の前処理。(D、E)ツールボックスを使用して、同相同期、逆位相同期、時間差同期など、さまざまなタイプの相互作用を調べること。 この図の拡大版をご覧になるには、ここをクリックしてください。
図4:位相に基づく4種類の相互作用の分類。これは、360°モジュロにおける2つのニューラル時系列の位相差を表します。位相差は、2つの値の間のタイムラグと考えることができ、度とラジアンまたは波長の分数で測定されます。ここで、360°モジュロは、4つの異なる相互作用のフェーズを表す4つの異なる範囲に分けられます:(A)信号1のリーディング(90°前後、45°から135°の範囲)、(B)シグナル1とシグナル2の間の逆位相同期(180°または-180°前後、135°から-135°の間)、(C)信号2のリーディング(-135°から-45°の間)、(D)同相同期(0前後、−45°から45°の範囲)。この分割はデフォルトのアプローチ(各ポイントの周囲 45°)です。ただし、ツールボックスでは、別の部門を構成できます。他の構成では 360° 全体をカバーできない場合がありますが、各タイプのインタラクションをより正確に定義できる場合があります。この図の拡大版をご覧になるには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
このセクションでは、ツールボックス (https://www.ariel.ac.il/wp/sns/download/ または https://github.com/Minisharmaa/Leader-Follower-By-Phase からダウンロード可能) で実行できる解析のタイプを示します。これらの解析には、乳児と親のペアの小さなサンプルで収集されたfNIRSデータを利用しました。6組の母子ペアを、実際の乳児と母親の相互作用にできるだけ近い、検証済みの行動課題である自由遊び課題31を用いてテストした。実験に先立ち、乳児と両親には、fNIRSデータを収集するためのカスタムメイドのオプトードセットが装着されました。本研究でfNIRSデータを収集するために使用されたオプトードセットは、8つの光源(赤い点)と8つの検出器(青い点)で構成され、前頭前野と側頭頭頂葉領域を両側にカバーする18のチャネルを作成するように構成されました( 図5を参照)。NIRScoutは、デオキシヘモグロビン(HbR)に感度の高い760nmと、オキシヘモグロビン(HbO)に感度の高い850nmの2つの波長を用いて光学イメージングデータを取得しました。両親はすべて女性(年齢層=26-36歳)で、乳児は健康で正期産(女性2人、男性4人、年齢層=1-2歳)で、発達の遅れは知られていなかった。ダイアドは広告を通じて募集されました。それぞれの親は実験の前にインフォームドコンセントを行い、参加に対して報酬が支払われました。簡単にするために、分析ではダイアドAのチャネル18で得られたデータに焦点を当てています。
図5:予備調査で使用したオプトーゼセット。 予備研究でfNIRSデータを収集するために使用されたオプトードセットは、8つのソース(赤い点)と8つの検出器(青い点)で構成され、前頭前野と側頭頭頂葉領域を両側でカバーする18のチャネル(黄色の線)を作成するように構成されました。 この図の拡大版をご覧になるには、ここをクリックしてください。
ツールボックスは、特定のダイアドのそのチャネルについて時間の経過とともに識別できるインタラクションの種類の変化を特定するために使用されました。関数のパラメータは、信号 1 = チャネル 18 マザー、信号 2 = チャネル 18 マザー、lowFreq = 0.0067、highFreq = 0.1142、phaseRange = 90、しきい値 = 0 です。
図6:閾値0での分類分析。 しきい値は 0 に設定されます (しきい値 = 0)。(A)交互作用に関連するコヒーレンス値を表す箱ひげ図。交互作用の種類ごとに1つあり、中央値と四分位範囲(IQR)が示されています。スコアが高いほど、一貫性のレベルが高いことを示します。(B)すべてのタイプの相互作用のコヒーレンス値の中央指標。(C) 相互作用の種類のダイナミクスは、タスク全体を通して変化します。(D) 4 種類の交互作用のそれぞれのスコアのパーセンテージ。 この図の拡大版をご覧になるには、ここをクリックしてください。
まず、各時点を4種類の相互作用(同相、逆相、母親主導、乳児主導)のいずれかに分類しました(図6)。図6Dは、4種類の交互作用のそれぞれに分類された時点の割合を示しています。このツールボックスは、参加者の 1 人が主導する交互作用に関連するパーセンテージとコヒーレンス値を検出できますが (図 6A)、逆位相同期を含むすべてのタイプの交互作用のコヒーレンス値のパーセンテージ (図 6D) と中心インデックスも表示できることに注意することが重要です (図 6B)).最後に、ツールボックスを使用すると、相互作用の種類のダイナミクスがタスク全体でどのように変化するかを調べることができます(図6C)。GCA 解析と同様に、ツールボックスは各ダイアドのこれらのインデックスを個別に計算することに注意してください。これらの指標を用いたグループレベルの分析は、交互作用の種類を決定するために実施されるべきである。
ここでは、これらの最小閾値の変更がダイアド内の相互作用タイプの分類に与える影響を調べるために、ダイアドAの閾値を0.5にして分類分析を繰り返しました(図7)。
図7:閾値0.5での分類分析。 しきい値は 0.5 に設定されます (しきい値 = 0.5)。(A)交互作用に関連するコヒーレンス値を表す箱ひげ図。交互作用の種類ごとに1つあり、中央値と四分位範囲(IQR)が示されています。スコアが高いほど、一貫性のレベルが高いことを示します。(B)すべてのタイプの相互作用のコヒーレンス値の中央指標。(C) 相互作用の種類のダイナミクスは、タスク全体を通して変化します。(D) 4 種類の交互作用のそれぞれのスコアのパーセンテージ。 この図の拡大版をご覧になるには、ここをクリックしてください。
図7Dに示すように、この閾値を使用すると、異なるタイプの相対的な位相関係の分布が変化しました。逆位相同期の割合は増加し(35%から59%)、同相同期の割合は減少しました(26%から3%)。これは、逆位相同期が、このダイアドをより代表するタイプの相互作用である可能性があることを示唆しています。言い換えれば、閾値を定義することで、コヒーレンスレベルが最小の時点のみを平均化する、より感度の高い分析を行うことができます。最適なコヒーレンス値の閾値は、実験によって、また環境によって異なるため、複雑なプロセスであることに注意することが重要です。ツールボックスは閾値を設定する可能性を提供しますが、最適なコヒーレンス値を特定するためのプロトコルを開発するには、さらに多くの研究が必要です。さらに、Rsq値と交差する閾値と度数値を選択することが重要です。たとえば、パラメーターが lowFreq = 0.0067、highFreq = 0.1142、phaseRange = 90、Threshold = 0.5 の関数では、Rsq 値が 0.5 を超えるだけの交互作用が示されましたが、しきい値が 0.7 の同じ関数では、周波数範囲内に 0.7 を超える値がないため、エラーが発生します。
補足ファイル1:ウェーブレット変換コヒーレンス(WTC)。 ウェーブレット変換とクロスウェーブレット変換の概要は、2つの時系列の時間周波数特性と相互依存性を解析するために利用されます。ウェーブレット変換は時系列を時系列空間35に分解するが、クロスウェーブレット変換は2つの時系列9,30に共通するパワーと位相を明らかにする。また、2 つの時系列間の同期の度合いを定量化するウェーブレット変換のコヒーレンスについても紹介します。ウェーブレット変換のコヒーレンスから導出された決定係数値は、相互依存性を反映しているが、正と負の相関を区別しない36。正と負の相関関係は、相互関係を示すと仮定される37,38。このファイルをダウンロードするには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
fNIRS研究で使用される最も一般的な方法の1つはウェーブレット変換コヒーレンス(WTC)であり、これは周波数と時間10の関数としての2つの時系列の相互相関の尺度です。WTCは、相関分析を用いて、2つの時系列間のコヒーレンスと位相遅れを計算します(補足ファイル1)。FNIRSハイパースキャニング研究では、WTCを用いて、行動モニタリング12、協調行動と競争行動5,13,14,15、模倣16、母子問題解決17、教育学習行動18,19,20,21など、多くの機能領域におけるIBSを推定している.ハイパースキャニング研究では、実験課題中にウェーブレットコヒーレンス変換(WTC)を用いて測定された脳間コヒーレンスを対照課題と比較することがよくあります。これらの比較は、通常、各時点と周波数における2つの脳間のコヒーレンスを表示するWTCの「ホットプロット」を使用して提示されます。また、図1に示すように、位相遅れ情報はWTCの「ホットプロット」に小さな矢印の方向で示されています。しかし、これまでの研究では、WTCの「ホットプロット」の小さな矢印の方向で表される位相遅れ情報を考慮することを怠り、WTCプロットのコヒーレンスを調べることによって脳間同期(IBS)を推定しただけでした。この見落としにより、結果が不正確または不完全になる可能性があります。
fNIRSハイパースキャニング研究における脳間コヒーレンスデータの解釈に関してHamilton25 によって議論された制限は、新しいフレームワークで対処され、方向性を検出するためにクロスウェーブレット位相を使用することによってクロスウェーブレットパワーの簡単な解釈を可能にし、また、コヒーレンス値を直接平均化することによってコヒーレンス値を計算するためのコヒーレンス分析モジュールも含まれている39.このアプローチにより、タスク全体の相互作用の進展と変化を調べることができ、信号間のコヒーレンスの信頼性の高い尺度を提供します。
このようなアプローチは、クロスウェーブレット解析から抽出できる相対位相データを用いた対人同期の行動研究で実証されています。いくつかの研究では、これらのデータを使用して、同相コヒーレンス値と逆相コヒーレンス値を区別しています。例えば、このアプローチは、2人の即興演奏家の手の動きを評価し40 、社会的姿勢の協調を調べるために用いられてきた41。いくつかの研究では、構造化された42 と非構造化された43 の会話中のクロスウェーブレットコヒーレンスを使用して、相互作用のダイナミクスを理解するために、移動データの位相角の分布を調べました。
2つの時系列間の相対位相により、同じ周波数の信号間の時間的シフトを検出できます。実際、EEGハイパースキャニングの分野では、ニューラル時系列の同期度を決定することを目的とした方法のほとんどは、2つの時系列間の相対的な位相関係を評価する13,44。
fNIRSハイパースキャンデータでLeaderFollowerByPhaseツールボックスを使用するための重要な手順は、プロトコルで示されています。具体的には、このプロトコルでは、ツールボックスを実行する前に、MATLAB で信号 1 と信号 2 を事前に決定します。注目すべきは、対象周波数(FOI)、位相範囲、閾値などのパラメータはオプションであり、設定しないままにしておくとデフォルト値が使用される可能性があることです。生の信号のフィルタリングとトレンド除去が推奨されます45。また、バンドパスフィルタリングを行う場合は、FOIの選択に影響を与える可能性があるため、注意が必要です。
FOIパラメータ(lowFreq、highFreq)は、呼吸(~0.2-0.3 Hz)や心臓脈動(0.6-1.2 Hz)などの高周波および低周波の生理学的ノイズを特に除外して、慎重に選択する必要があります。この範囲は心拍(0.8-1 Hz)などの高周波ノイズも効果的に除去されるため、関心のある低周波と高周波数をそれぞれ46とすることをお勧めします。
phaseRange パラメーターは、信号 1 のリーディング (-90° の周囲の領域) または信号 2 のリード (90° の範囲) との遅延同期、信号 1、信号 2 の同相同期 (0°周辺の範囲)、および信号 1、信号 2 の逆位相同期 (+180° または -180° の範囲) に対応する範囲に従って、位相角値の範囲を定義します。たとえば、phaseRange が 90° に設定されている場合、同相同期の範囲は -45° から 45° までの 0° を囲むことになります。信号2のリーディング(遅延同期)の範囲は、45°から135°の間の90°を囲み、逆位相同期の範囲は、180°または-180°、135°から-135°の範囲になります。また、信号1のリーディング(遅延同期)の範囲は、-135°から-45°の間で180°を囲みます。phaseRange パラメータは 0° から 90° の間でなければならず、そうでない場合は "The value of phaseRange variable must be between 0 to 90" というメッセージが表示されます。範囲は0°から90°までの任意の数値にすることができますが、最小推奨値は30°(±15°)です。しきい値は 0 から 1 までの任意の値である必要があり、そうでない場合は、「しきい値変数の値は 0 から 1 の間である必要があります」というメッセージが表示されます。0.25 から 0.75 の間のしきい値を選択することをお勧めします。
LeaderFollowerByPhase ツールボックスは有望なアプローチですが、制限がないわけではありません。前述したように、最適なコヒーレンス値の閾値は、実験ごとに異なる場合や異なるタスク間で異なる場合があるため、複雑なプロセスです。このツールボックスをより多様なデータセットでテストすることは、閾値の最適値に関するより正確な情報を得るために必要です。
fNIRSハイパースキャンを使用して複雑な人間の相互作用を理解する能力は、2つの神経信号間の結合を検出するために使用されている現在のアプローチが信号の方向性を無視しているという事実によって制限されてきました。ここでは、ウェーブレット変換コヒーレンス(WTC)を用いて2つのニューラル信号のコヒーレンスを解析するための、より高感度なアプローチが提案されています。このツールボックスを使用すると、研究者は位相角の値を同相同期、遅れ同期、および逆位相同期を表すものとして分類することにより、結合の方向性を調べることができます。
ツールボックスを使用したこの新しいアプローチは、これまで欠けていた二者間相互作用の性質について、より詳細な情報を提供します。例えば、位相同期と逆位相同期は同一として扱われてきたが(補足ファイル1)36、研究者は、二組組のメンバーの神経信号が同じ方向(両方が増加するか、両方が減少する)または反対方向(一方が増加し、他方が減少する)にどの程度移動するかを特定できるようになる。これは、脳が社会的プロセスと行動をどのように媒介するかの理解に変革的な影響を与えるでしょう。
提案されたフレームワークは、同相同期、遅延同期、逆位相同期など、異なるタイプの相互作用の分類を可能にするため、対人神経同期研究の分野での将来の応用に有望な可能性を秘めています。これまでの知見を新しいフレームワークで再分析することで、研究者は参加者間の同期の性質をより包括的に理解することができます。具体的には、同相相互作用と逆相相互作用を区別する能力は、これまで利用できなかった新しいレベルの明瞭さを提供し、以前の知見のより正確な解釈につながる可能性があります。このフレームワークのこの機能は、社会的行動、コミュニケーション、意思決定プロセスにおける対人ニューラル同期の役割を探るなど、幅広いシナリオに適用できます。全体として、提案されたフレームワークは、この分野への貴重な貢献を表しており、将来のアプリケーションに大きな可能性を秘めています。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは、この研究は、潜在的な利益相反と解釈される可能性のある商業的または金銭的関係がない状態で実施されたと宣言しています。
Acknowledgments
中国国家自然科学基金会(No.62207025)、中国教育部の人文社会科学研究プロジェクト(No.22YJC190017)、Yafeng Panへの中央大学基礎研究費の支援に感謝します。
Materials
| Name | Company | Catalog Number | Comments |
| NIRScout | NIRx Medical Technologies, LLC | n.a. | 8 sources, 8 detectors |
| MATLAB | The Mathworks, Inc. | Matlab 2022a | In this protocol, several toolboxes and buit in MATLAB functions were used: HOMER3 toolbox was used to convert Intensity to OD, to remove motion artifacts through its function hmrMotionCorrectWavelet with default parameters and to convert OD to Conc. Wavelet Toolbox was used to compute WTC. |
References
- Gvirts, H. Z., Perlmutter, R. What guides us to neurally and behaviorally align with anyone specific? A neurobiological model based on fNIRS hyperscanning studies. The Neuroscientist. 26 (2), 108-116 (2019).
- Balconi, M., Fronda, G., Vanutelli, M. E. Donate or receive? Social hyperscanning application with fNIRS. Current Psychology. 38 (4), 991-1002 (2019).
- Redcay, E., Schilbach, L. Using second-person neuroscience to elucidate the mechanisms of social interaction. Nature Reviews Neuroscience. 20 (8), 495-505 (2019).
- Shamay-Tsoory, S. G., Mendelsohn, A. Real-life neuroscience: An ecological approach to brain and behavior research. Perspectives on Psychological Science. 14 (5), 841-859 (2019).
- 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).
- Quaresima, V., Ferrari, M. Functional near-infrared spectroscopy (fNIRS) for assessing cerebral cortex function during human behavior in natural/social situations: A concise review. Organizational Research Methods. 22 (1), 46-68 (2016).
- Fishburn, F. A., et al. Putting our heads together: interpersonal neural synchronization as a biological mechanism for shared intentionality. Social Cognitive and Affective Neuroscience. 13 (8), 841-849 (2018).
- Hasson, U., Ghazanfar, A. A., Galantucci, B., Garrod, S., Keysers, C. Brain-to-brain coupling: A mechanism for creating and sharing a social world. Trends in Cognitive Sciences. 16 (2), 114-121 (2012).
- Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
- Scholkmann, F., Holper, L., Wolf, U., Wolf, M. A new methodical approach in neuroscience: Assessing inter-personal brain coupling using functional near-infrared imaging (fNIRI) hyperscanning. Frontiers in Human Neuroscience. 7, 813 (2013).
- Czeszumski, A., et al. Hyperscanning: A valid method to study neural inter-brain underpinnings of social interaction. Frontiers in Human Neuroscience. 14, 39 (2020).
- 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).
- 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).
- Wang, C., Zhang, T., Shan, Z., Liu, J., Yuan, D., Li, X. Dynamic interpersonal neural synchronization underlying pain-induced cooperation in females. Human Brain Mapping. 40 (11), 3222-3232 (2019).
- Cheng, X., Li, X., Hu, Y. Synchronous brain activity during cooperative exchange depends on gender of partner: A fNIRS-based hyperscanning study. Human Brain Mapping. 36 (6), 2039-2048 (2015).
- Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 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).
- Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
- 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).
- Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
- Liu, J., et al. Interplay between prior knowledge and communication mode on teaching effectiveness: Interpersonal neural synchronization as a neural marker. NeuroImage. 193, 93-102 (2019).
- Léné, P., et al. Wavelet transform coherence: An innovative method to investigate social interaction in NeuroIS. Lecture Notes in Information Systems and Organisation. 32, 147-154 (2020).
- Nguyen, T., Hoehl, S., Vrtička, P. A guide to parent-child fNIRS hyperscanning data processing and analysis. Sensors. 21 (12), 4075 (2021).
- Zhang, Y., Han, J., Hu, X., Guo, L., Liu, T. Data-driven evaluation of functional connectivity metrics. Proceedings - International Symposium on Biomedical Imaging. , 532-535 (2013).
- Hamilton, A. F. deC.
- Barnett, L., Barrett, A. B., Granger Seth, A. K. causality and transfer entropy are equivalent for Gaussian variables. Physical Review Letters. 103 (23), 2-5 (2009).
- Barnett, L., Seth, A. K. The MVGC multivariate Granger causality toolbox: A new approach to Granger-causal inference. Journal of Neuroscience Methods. 223, 50-68 (2014).
- Li, D., Zhou, C. Organization of anti-phase synchronization pattern in neural networks: What are the key factors. Frontiers in Systems Neuroscience. 5, 100 (2011).
- 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), D280-D298 (2009).
- 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 (5-6), 561-566 (2004).
- Feldman, R.
- Fell, J., Axmacher, N. The role of phase synchronization in memory processes. Nature Reviews Neuroscience. 12 (2), 105-118 (2011).
- Olcay, B. O., Karaçalı, B. Evaluation of synchronization measures for capturing the lagged synchronization between EEG channels: A cognitive task recognition approach. Computers in Biology and Medicine. 114, 103441 (2019).
- Stam, C. J. Nonlinear dynamical analysis of EEG and MEG: Review of an emerging field. Clinical Neurophysiology. 116 (10), 2266-2301 (2005).
- Mallat, S. A Wavelet Tour of Signal Processing. , Academic Press. Cambridge, MA. (2009).
- Kleinbub, J. R., Ramseyer, F. T. rMEA: An R package to assess nonverbal synchronization in motion energy analysis time-series. 31 (6), 817-830 (2020).
- Pan, Y., Novembre, G., Song, B., Zhu, Y., Hu, Y. Dual brain stimulation enhances interpersonal learning through spontaneous movement synchrony. Social Cognitive and Affective Neuroscience. 16 (1-2), 210-221 (2021).
- Ramseyer, F., Tschacher, W. Nonverbal synchrony in psychotherapy: Coordinated body movement reflects relationship quality and outcome. Journal of Consulting and Clinical Psychology. 79 (3), 284-295 (2011).
- Zhang, X., Noah, J. A., Dravida, S., Hirsch, J. Optimization of wavelet coherence analysis as a measure of neural synchrony during hyperscanning using functional near-infrared spectroscopy. Neurophotonics. 7 (1), 015010 (2020).
- Walton, A. E., Richardson, M. J., Langland-Hassan, P., Chemero, A. Improvisation and the self-organization of multiple musical bodies. Frontiers in Psychology. 6, 313 (2015).
- Varlet, M., Marin, L., Lagarde, J., Bardy, B. G.
- Hale, J., Ward, J. A., Buccheri, F., Oliver, D., Hamilton, A. F. deC. Are you on my wavelength? Interpersonal coordination in dyadic conversations. Journal of Nonverbal Behavior. 44 (1), 63-83 (2020).
- Fujiwara, K., Daibo, I. Evaluating interpersonal synchrony: Wavelet transform toward an unstructured conversation. Frontiers in Psychology. 7, 516 (2016).
- 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).
- Dai, R., et al. Holistic cognitive and neural processes: A fNIRS-hyperscanning study on interpersonal sensorimotor synchronization. Social Cognitive and Affective Neuroscience. 13 (11), 1141-1154 (2018).
- Lu, K., Qiao, X., Yun, Q., Hao, N. Educational diversity and group creativity: Evidence from fNIRS hyperscanning. NeuroImage. 243, 118564 (2021).
