مقالة منهجية

قياس تدفق المعلومات الاتجاهية في بيانات fNIRS-hyperscanning باستخدام طريقة تماسك تحويل المويجات الجزئية

DOI:

10.3791/62927

⸱

سبتمبر 3, 2021

 ,  , 
1State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, 2Institute of Developmental Psychology, Faculty of Psychology, Beijing Normal University

* These authors contributed equally

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يصف هذا البروتوكول تماسك التحويل الموجي الجزئي (pWTC) لحساب النمط المتخلف زمنيا للتزامن العصبي بين الأشخاص (INS) لاستنتاج الاتجاه والنمط الزمني لتدفق المعلومات أثناء التفاعل الاجتماعي. وقد أثبتت تجربتان فعالية pWTC في إزالة الالتباس في الارتباط الذاتي للإشارة على INS.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

التفاعل الاجتماعي له أهمية حيوية للبشر. في حين تم استخدام نهج المسح الضوئي المفرط على نطاق واسع لدراسة التزامن العصبي بين الأشخاص (INS) أثناء التفاعلات الاجتماعية ، فإن التحليل الطيفي الوظيفي القريب من الأشعة تحت الحمراء (fNIRS) هو أحد أكثر التقنيات شيوعا للتفاعلات الاجتماعية الطبيعية الفائقة المسح الضوئي بسبب دقته المكانية العالية نسبيا ، والتوطين التشريحي السليم ، والتسامح العالي بشكل استثنائي مع القطع الأثرية الحركية. عادة ما تحسب دراسات المسح الضوئي الفائق السابقة المستندة إلى fNIRS INS متأخرا زمنيا باستخدام تماسك تحويل المويجات (WTC) لوصف الاتجاه والنمط الزمني لتدفق المعلومات بين الأفراد. ومع ذلك ، قد يتم الخلط بين نتائج هذه الطريقة بسبب تأثير الارتباط الذاتي لإشارة fNIRS لكل فرد. ولمعالجة هذه المسألة، أدخلت طريقة تسمى اتساق تحويل المويجات الجزئي (pWTC)، تهدف إلى إزالة تأثير الارتباط الذاتي والحفاظ على الاستبانة العالية للطيف الزمني لإشارة fNIRS. في هذه الدراسة ، تم إجراء تجربة محاكاة أولا لإظهار فعالية pWTC في إزالة تأثير الارتباط الذاتي على INS. بعد ذلك ، تم تقديم إرشادات خطوة بخطوة حول تشغيل pWTC استنادا إلى مجموعة بيانات fNIRS من تجربة التفاعل الاجتماعي. بالإضافة إلى ذلك، تم إجراء مقارنة بين طريقة pWTC وطريقة مركز التجارة العالمي التقليدية وطريقة pWTC وطريقة السببية Granger (GC). أظهرت النتائج أنه يمكن استخدام pWTC لتحديد الفرق INS بين الظروف التجريبية المختلفة ونمط INS الاتجاهي والزمني بين الأفراد خلال التفاعلات الاجتماعية الطبيعية. علاوة على ذلك ، فإنه يوفر دقة زمنية وترددية أفضل من مركز التجارة العالمي التقليدي ومرونة أفضل من طريقة GC. وبالتالي ، فإن pWTC هو مرشح قوي لاستنتاج الاتجاه والنمط الزمني لتدفق المعلومات بين الأفراد خلال التفاعلات الاجتماعية الطبيعية.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

التفاعل الاجتماعي له أهمية حيوية للبشر 1,2. لفهم الآلية العصبية المعرفية ثنائية الدماغ للتفاعل الاجتماعي ، تم مؤخرا استخدام نهج المسح المفرط على نطاق واسع ، مما يدل على أن أنماط التزامن العصبي بين الأشخاص (INS) يمكن أن تميز عملية التفاعل الاجتماعيبشكل جيد 3,4,5,6,7,8,9,10,11,12 ، 13,14. من بين الدراسات الحديثة ، هناك نتيجة مثيرة للاهتمام هي أن اختلاف دور الأفراد في الصبغة قد يؤدي إلى نمط متأخر زمنيا من INS ، أي أن INS يحدث عندما يتخلف نشاط الدماغ لفرد واحد عن نشاط فرد آخر بثوان ، مثل ذلك من المستمعين إلى المتحدثين 5,9 ، من القادة إلى الأتباع4 ، من المعلمين إلى الطلاب8 ، من الأمهات إلى الأطفال13،15 ، ومن النساء إلى الرجال في زوجين رومانسيين6. الأهم من ذلك ، هناك تطابق جيد بين الفترة الفاصلة بين INS المتخلفة زمنيا وسلوكيات التفاعل الاجتماعي ، مثل بين المعلمين الذين يسألون والطلاب الذين يجيبونعلى 8 أو بين سلوكيات الأبوة والأمومة للأمهات وسلوكيات الامتثال للأطفال15. وبالتالي ، قد يعكس INS المتخلف زمنيا تدفق معلومات اتجاهي من فرد إلى آخر ، كما هو مقترح في نموذج هرمي حديث للتواصل اللفظي بين الأشخاص16.

في السابق ، تم حساب INS المتخلفة زمنيا بشكل أساسي على إشارة التحليل الطيفي الوظيفي بالأشعة تحت الحمراء القريبة (fNIRS) بسبب دقتها المكانية العالية نسبيا ، والتوطين التشريحي الصوتي ، والتسامح العالي بشكل استثنائي مع القطع الأثرية المتحركة17 عند دراسة التفاعلات الاجتماعية الطبيعية. علاوة على ذلك ، لتحديد المراسلات بدقة بين التأخر الزمني العصبي والفارق الزمني السلوكي أثناء التفاعل الاجتماعي ، من الضروري الحصول على قوة INS لكل تأخر زمني (على سبيل المثال ، من عدم وجود فارق زمني إلى فارق زمني قدره 10 ثوان). لهذا الغرض ، في السابق ، تم تطبيق إجراء تماسك تحويل المويجات (WTC) على نطاق واسع بعد تحويل إشارة الدماغ لفرد واحد إلى الأمام أو الخلف بالنسبة إلى إشارة فرد آخر 5,6,18. عند استخدام هذا الإجراء التقليدي لمركز التجارة العالمي لإشارات fNIRS ، هناك تحد محتمل لأن INS المتخلفة زمنيا المرصودة قد تكون مرتبكة بسبب تأثير الارتباط الذاتي لإشارة fNIRS لفرد 19,20,21. على سبيل المثال ، أثناء عملية التفاعل الاجتماعي الديادي ، قد تتم مزامنة إشارة المشارك A في النقطة الزمنية t مع إشارة المشارك B في نفس النقطة الزمنية. وفي الوقت نفسه ، قد تتم مزامنة إشارة المشارك A في النقطة الزمنية t مع إشارة المشارك A في نقطة زمنية لاحقة t + 1 بسبب تأثير الارتباط الذاتي. لذلك ، قد يحدث INS زائف متأخر زمنيا بين إشارة المشارك A في النقطة الزمنية t وإشارة المشارك B في النقطة الزمنية t + 1.

قدم ميهانوفيتش وزملاؤه22 أولا طريقة تسمى تماسك تحويل المويجات الجزئي (pWTC) ، ثم طبقوها في العلوم البحرية23,24. كان الغرض الأصلي من هذه الطريقة هو التحكم في الضوضاء المربكة الخارجية عند تقدير تماسك إشارتين. هنا ، لمعالجة مشكلة الارتباط التلقائي في بيانات المسح الضوئي التشعبي fNIRS ، تم توسيع طريقة pWTC لحساب INS المتخلفة زمنيا على إشارة fNIRS. على وجه التحديد ، يمكن حساب INS متأخر زمنيا (وتدفق معلومات اتجاهي) من المشارك A إلى المشارك B باستخدام المعادلة أدناه (المعادلة 1)23.

figure-introduction-1

هنا ، من المفترض أن هناك إشارتين ، A و B ، من المشاركين A و B ، على التوالي. يسبق حدوث الإشارة B دائما حدوث الإشارة A بفارق زمني قدره n ، حيث يكون WTC (A t ، B t + n) هو مركز التجارة العالمي التقليدي المتخلف زمنيا. مركز التجارة العالمي (A t، A t+n) هو مركز التجارة العالمي المرتبط ذاتيا في المشارك A. WTC (A t، B t) هو مركز التجارة العالمي المتوافق زمنيا في النقطة الزمنية t بين المشارك A و B. * هو المشغل المقترن المعقد (الشكل 1A).

figure-introduction-2
الشكل 1: نظرة عامة على pWTC. (أ) منطق مركز التجارة العالمي. هناك إشارتان A و B ، داخل dyad. يحدث A دائما بعد حدوث B مع تأخر n. المربع الرمادي هو نافذة موجية عند نقطة زمنية معينة t أو t + n. واستنادا إلى معادلة pWTC (الممثلة في الشكل)، يلزم حساب ثلاثة مراكز تجارية عالمية: مركز التجارة العالمي المتخلف زمنيا من At+n وBt؛ و ( مركز التجارة العالمي المرتبط ذاتيا في المشارك A من A t و At + n ؛ ومركز التجارة العالمي المتوافق مع الوقت عند النقطة الزمنية t و A t و Bt. (ب) تخطيط مجموعات مسبار optode. تم وضع CH11 في T3 ، وتم وضع CH25 في T4 وفقا للنظام الدولي 10-2027,28. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

قدم هذا البروتوكول لأول مرة تجربة محاكاة لإظهار مدى نجاح pWTC في حل تحدي الارتباط الذاتي. ثم شرح كيفية إجراء pWTC بطريقة خطوة بخطوة استنادا إلى تجربة تجريبية للتفاعلات الاجتماعية الطبيعية. هنا ، تم استخدام سياق اتصال لتقديم الطريقة. ويرجع ذلك إلى أنه في السابق ، كان يتم حساب INS المتخلفة زمنيا عادة في سياق اتصال طبيعي3،4،6،8،13،15،18. بالإضافة إلى ذلك ، أجريت أيضا مقارنة بين pWTC و WTC التقليدي والتحقق من الصحة مع اختبار السببية Granger (GC).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تمت الموافقة على بروتوكول التجربة البشرية من قبل مجلس المراجعة المؤسسية ولجنة الأخلاقيات في مختبر الدولة الرئيسي لعلم الأعصاب المعرفي والتعلم في جامعة بكين العادية. أعطى جميع المشاركين موافقة خطية مستنيرة قبل بدء التجربة.

1. تجربة المحاكاة

  1. قم بإنشاء سلسلتين زمنيتين من الإشارات التي ترتبط ببعضها البعض ، مع إشارة واحدة لها ارتباط تلقائي في فارق زمني قدره 4 ثوان. اضبط معامل الارتباط r بين الإشارتين على 0.4.
  2. علاوة على ذلك ، قم بإنشاء سلسلتين زمنيتين من الإشارات دون أي ارتباط ولكن مع الارتباط الذاتي في إشارة واحدة.
  3. احسب قيم INS التقليدية المتخلفة زمنيا 4 s مع المعادلة 2 استنادا إلى الإشارات المتولدة مع أو بدون ارتباط ، والتي يمكن تسميتها INS WTC المتخلفة زمنيا مع الارتباط التلقائي وخط الأساس المتخلف زمنيا INSWTC مع الارتباط التلقائي.
    ملاحظة: هنا، يتم التعبير عن مركز التجارة العالمي التقليدي المتخلف زمنيا بالمعادلة التالية (المعادلة 2)25
    figure-protocol-1
    حيث، تشير C إلى مشغل تحويل المويجات المستمر على مقاييس مختلفة i ونقاط زمنية t. يشير S إلى مشغل التنعيم. * يدل على مشغل الاقتران المعقد. يشير W و M إلى سلسلتين زمنيتين فرديتين من الإشارات.
  4. إزالة الارتباط التلقائي من الإشارات التي تم إنشاؤها. بعد ذلك ، احسب قيم INS WTC التقليدية المتخلفة زمنيا 4 s مع المعادلة 2 استنادا إلى الإشارات المتولدة مع أو بدون ارتباط ، والتي يمكن تسميتها INSWTC المتأخرة زمنيا بدون ارتباط تلقائي وخط الأساس المتخلف زمنيا INSWTC بدون ارتباط تلقائي.
  5. احسب قيم pWTC المتخلفة زمنيا لمدة 4 ثوان باستخدام المعادلة 3 استنادا إلى الإشارات التي تم إنشاؤها مع أو بدون ارتباط ، وتسمى INS pWTC المتخلفة زمنيا وخط الأساس المتخلف زمنيا INSpWTC.
    ملاحظة: يمكن حساب pWTC استنادا إلى المعادلة التالية (المعادلة 3)23
    figure-protocol-2
    حيث ، مركز التجارة العالمي (Wt ، Mt + n) هو مركز التجارة العالمي التقليدي المتخلف زمنيا. مركز التجارة العالمي (M t، Mt+n) هو مركز التجارة العالمي المرتبط ذاتيا لفرد واحد. مركز التجارة العالمي (W t، Mt) هو مركز التجارة العالمي المتوافق مع الزمن. * هو المشغل المقترن المعقد.
  6. كرر الإجراءات المذكورة أعلاه 1000 مرة.
  7. بعد طرح INS الأساسي ، قارن نتائج INSWTC المتخلفة زمنيا مع الارتباط التلقائي ، و INSWTC المتخلفة زمنيا بدون ارتباط تلقائي ، و INSpWTC المتخلفة زمنيا باستخدام طريقة تحليلات التباين (ANOVA).
    ملاحظة: هنا، من المتوقع أن يكون مركز التجارة العالمي INS المتخلف زمنيا مع الارتباط التلقائي أعلى بكثير من INSWTC المتخلف زمنيا بدون ارتباط تلقائي و INS pWTC المتخلف زمنيا، ولا يتوقع وجود فرق كبير بين مركزالتجارة العالمي INS المتخلف زمنيا بدون ارتباط تلقائي و INS pWTC المتخلف زمنيا.

2. التجربة التجريبية

  1. المشاركون والإجراءات
    1. تجنيد المشاركين المناسبين.
      ملاحظة: في هذه الدراسة ، تم تجنيد اثنين وعشرين زوجا من الأصدقاء المقربين من الجنس الآخر (متوسط عمر النساء = 20.95 ، الانحراف المعياري (SD) = 1.86 ؛ متوسط عمر الرجال = 20.50 ، SD = 1.74) من خلال الإعلانات من الطلاب الجامعيين في الجامعات في بكين. كان جميع المشاركين باليد اليمنى وكان لديهم رؤية طبيعية أو مصححة إلى طبيعية. علاوة على ذلك ، لم يكن لدى أي مشارك أي اضطرابات لغوية أو عصبية أو نفسية.
    2. اطلب من كل زوج من المشاركين الجلوس وجها لوجه أثناء التجربة. اطلب منهم التواصل بحرية حول موضوع داعم في جلسة واحدة وحول موضوع نزاع في الجلسة الأخرى.
      ملاحظة: تم استخدام الموضوعات للحث على التكافؤ العاطفي الإيجابي أو السلبي المقصود. واستغرقت كل جلسة اتصال 10 دقائق، وتم موازنة ترتيب المواضيع.
    3. اطلب من المشاركين الإبلاغ عن الموضوعات الداعمة والمتعارضة كقاعدة إعداد قياسية. اطلب من كل شريك تقييم مستوى التكافؤ الإيجابي أو السلبي الذي قد يكون مستحثا على مقياس نقطة محدد. بعد ذلك ، قم بترتيب الموضوعات التي تم الإبلاغ عنها وفقا للتصنيف.
      ملاحظة: في هذا العمل، تم اختيار المواضيع بالخطوات الثلاث التالية. أولا ، بالنسبة للمواضيع الداعمة ، طلب من كل مشارك الإبلاغ عن 1-3 قضايا شخصية تتعلق بما يريد تحسينه في حياته. وطلب من كل مشارك الإبلاغ عن 1-3 حالات أدت أو من شأنها أن تؤدي إلى نزاع بينهما أو التي قد تعرض علاقتهما للخطر فيما يتعلق بمواضيع النزاع. ثانيا، طلب من كل شريك تقييم مستوى التكافؤ الإيجابي أو السلبي الذي قد يثيره كل موضوع على مقياس من 7 نقاط (1 = ليس على الإطلاق، و 7 = كثيرا جدا). ثالثا ، تم تصنيف الموضوعات المبلغ عنها وفقا للتصنيف. تم اختيار أول موضوعين في قائمة الموضوعات الداعمة ومواضيع الصراع.
  2. جمع بيانات fNIRS
    1. استخدم نظام طبوغرافيا fNIRS المكون من 26 قناة (انظر جدول المواد) لجمع بيانات fNIRS.
      ملاحظة: غطت مجموعتان مخصصتان من مجسات optode القشرة الأمامية والزمنية والجدارية الثنائية (الشكل 1B).
    2. على وجه التحديد ، اطلب من كل مشارك ارتداء قبعة مع مجموعتين مخصصتين من المسبار (انظر جدول المواد).
    3. قم بمحاذاة الخشاء الناسي والإنيون والأذن مع Fpz و Opz و T7 و T8 ، والتي تعد معالم نموذجية للنظام الدولي 10-2026.
    4. قم بمحاذاة القناة (CH) 11 إلى T3 و CH25 إلى T4 وفقا للنظام الدولي 10-20 لمجموعتي المسبار27,28.
    5. التحقق من صحة المواقع التشريحية لمجموعات المجسات عن طريق مسح بيانات التصوير بالرنين المغناطيسي (MRI) من مشارك نموذجي باستخدام تسلسل التدرج والصدى السريع عالي الدقة المرجحة T1 المعد بالمغنطة (TR = 2530 مللي ثانية; TE = 3.39 مللي ثانية ؛ زاوية الوجه = 7 درجات ؛ سمك الشريحة = 1.3 مم ؛ حجم فوكسل = 1.3 × 1 × 1.3 ملم).
    6. استخدم رسم الخرائط الإحصائية البارامترية 12 (SPM12) لتطبيع الصورة إلى الفضاء القياسي لإحداثيات معهد مونتريال للتصوير (إحداثيات MNI)29. بعد ذلك، استخدم صندوق أدوات NIRS_SPM (انظر جدول المواد) لعرض إحداثيات MNI للمجسات على قالب وضع العلامات التشريحية الآلي (AAL).
    7. جمع بيانات الكثافة البصرية لضوء الأشعة تحت الحمراء القريب عند ثلاثة أطوال موجية (780 و 805 و 830 نانومتر) بمعدل أخذ عينات يبلغ 55.6 هرتز (المعلمات الافتراضية للمعدات).
    8. اختبر جودة الإشارة باستخدام برنامج المعدات المدمج في نظام طبوغرافيا fNIRS (انظر جدول المواد).
    9. ابدأ تسجيل الإشارة.
      ملاحظة: أظهرت بعض البروتوكولات المنشورة كيفية جمع إشارات fNIRS باستخدام مختلف المعدات والأنظمة 30،31،32.
  3. المعالجة المسبقة لبيانات fNIRS
    1. تصدير ملفات البيانات من الجهاز.
      ملاحظة: في التجربة الحالية، قام البرنامج المدمج تلقائيا بتحويل جميع بيانات الكثافة البصرية إلى تغييرات تركيز أوكسي هيموغلوبين (HbO) استنادا إلى قانون بير-لامبرت المعدل.
    2. أزل أول وآخر 15 ثانية من البيانات لكل جلسة لتجنب الاستجابات العابرة.
    3. استخدم وظيفة إهلاك MATLAB المدمجة لتقليل عينة البيانات من 55.6 هرتز إلى 11.1 هرتز.
      ملاحظة: أنماط طيف القدرة بين 55.6 هرتز و 11.1 هرتز متشابهة تماما (الشكل التكميلي 1).
    4. استخدم وظيفة تطبيق MATLAB المدمجة (Homer3 ، انظر جدول المواد) مع وظيفة التصفية المناسبة لتطبيق طريقة مرشح تحويل المويجات المنفصلة لتصحيح القطع الأثرية للحركة.
    5. استخدم وظيفة MATLAB pca المدمجة لإزالة الضوضاء الفسيولوجية العالمية. قم بإزالة أعلى 80٪ من التباين من الإشارات.
    6. إزالة الضوضاء الفسيولوجية بناء على الدراسات السابقة33. على وجه التحديد ، قم بإزالة نطاقات التردد لكل إشارة أعلى من 0.7 هرتز لتجنب صقل الضوضاء الفسيولوجية عالية التردد (على سبيل المثال ، نشاط القلب).
    7. بعد ذلك، قم بإزالة نطاقات التردد لكل إشارة أقل من 0.01 هرتز لتصفية تقلبات التردد المنخفض جدا.
    8. وأخيرا، قم بإزالة نطاقات التردد لكل إشارة في حدود 0.15-0.3 هرتز لاستبعاد التأثير المحتمل للنشاط التنفسي.
  4. معالجة بيانات fNIRS من المستوى الأول
    1. أولا، احسب INS باستخدام مركز التجارة العالمي التقليدي (INSWTC).
      ملاحظة: هنا ، كان من المتوقع أن يحدث نمط متخلف زمنيا بقيادة النساء من INSWTC بين نشاط الدماغ للنساء والرجال لأن الدراسات السابقة اقترحت أدوارا مختلفة للنساء والرجال خلال محادثة34,35. قام مركز التجارة العالمي التقليدي بحساب هذا النمط من INSWTC عن طريق تحويل نشاط الدماغ للرجال إلى الوراء مقارنة بنشاط النساء (انظر المعادلة 2).
    2. احسب قيمة INSWTC المتخلفة التي تقودها النساء بعد إزالة 2 s الأولية من البيانات من النساء وآخر 2 s من البيانات من الرجال مع المعادلة 2. وبالمثل ، بعد إزالة 2 s الأولية من البيانات من الرجال وآخر 2 s من البيانات من النساء ، احسب قيمة INSWTC المتخلفة التي يقودها الرجال 2 s باستخدام المعادلة 4.
      ملاحظة: هنا ، تم استخدام دالة التماسك ، وهي وظيفة مضمنة في صندوق أدوات المويج في MATLAB ، (انظر جدول المواد).
    3. كرر هذا الإجراء مع فترات زمنية مختلفة n ، أي n = 2 s ، 4 s ، 6 s ، 8 s عبر جميع أزواج CH المحتملة (على سبيل المثال ، CH2 في النساء و CH10 في الرجال ، 676 زوجا في المجموع). بالإضافة إلى ذلك، احسب قوة مركزالتجارة العالمي INS المتخلف زمنيا بقيادة الرجال بنفس الطريقة (المعادلة 4).
      figure-protocol-3
    4. ثانيا، حساب INS باستخدام pWTC (INSpWTC).
      ملاحظة: تم حساب pWTC استنادا إلى المعادلة 3. تم تكرار حساب INSpWTC مع فترات زمنية مختلفة n ، أي n = 2 s و 4 s و 6 s و 8 s عبر جميع أزواج القنوات المحتملة (على سبيل المثال ، CH2 في النساء و CH10 في الرجال ، 676 زوجا في المجموع). بالإضافة إلى ذلك ، تم حساب قوة INSpWTC التي يقودها الرجال بنفس الطريقة (المعادلة 5).
      figure-protocol-4
    5. إنشاء سلسلة زمنية متخلفة زمنيا من إشارات fNIRS في فترات زمنية مختلفة.
    6. احسب قيم مركز التجارة العالمي المتخلف زمنيا في فترات زمنية مختلفة.
    7. إنشاء سلسلة زمنية مرتبطة ذاتيا من إشارات fNIRS في فترات زمنية مختلفة. لحساب قيمة 2 s-autocorlinked للرجال، قم بإزالة أول 2 ثانية من البيانات من الرجال وآخر 2 ثانية من الرجال.
    8. احسب قيم مركز التجارة العالمي المرتبطة تلقائيا في فترات زمنية مختلفة.
    9. إنشاء سلسلة زمنية محاذاة زمنيا من إشارات fNIRS في فترات زمنية مختلفة. لحساب مركز التجارة العالمي المتوافق مع الوقت 2 ثانية ، قم بإزالة أول 2 ثانية من البيانات من الرجال وأول 2 ثانية من بيانات النساء.
    10. حساب قيم مركز التجارة العالمي المحاذاة زمنيا.
    11. أدخل قيم مركز التجارة العالمي المحاذاة زمنيا، وقيم مركز التجارة العالمي المتخلفة زمنيا، وقيم مركز التجارة العالمي المترابطة ذاتيا في الفارق الزمني المختلف في المعادلة 3 والمعادلة 5 - معادلة pWTC، مما يولد INSpWTC.
    12. أخيرا ، احسب INS باستخدام طريقة GC (INSGC).
      ملاحظة: لزيادة التحقق من صحة طريقة pWTC وتقييم مزاياها وعيوبها، تم حساب INS المستند إلى GC باستخدام طريقة GC (INSGC).
    13. استنادا إلى نتيجة pWTC ، يقوم ممر النطاق الترددي بتصفية إشارة HbO لكل فرد في SMC (أي 0.4-0.6 هرتز ، انظر النتائج التمثيلية).
    14. قم بإجراء اختبار GC (صندوق أدوات الاقتصاد القياسي ، MATLAB) داخل كل دياد في الموضوعات الداعمة والمتعارضة بشكل منفصل.
      ملاحظة: يتم الحصول على أربع مجموعات من القيم F ل INSGC: (1) من النساء إلى الرجال بشأن الموضوع الداعم (W2M_supp)؛ (2) من النساء إلى الرجال بشأن الموضوع الداعم ()؛ (2) من النساء إلى الرجال بشأن الموضوع الداعم ()؛ (2) من النساء إلى الرجال بشأن الموضوع الداعم ()؛ (2) من النساء إلى الرجال بشأن الموضوع الداعم ( (2) من الرجال إلى النساء بشأن الموضوع الداعم (M2W_supp)؛ (3) من النساء إلى الرجال بشأن موضوع الصراع (W2M_conf)؛ و (4) من الرجال إلى النساء حول موضوع النزاع (M2 W_conf). تستخدم قيم F لفهرسة INSGC.
  5. معالجة بيانات fNIRS من المستوى الثاني
    1. قم بتحويل INS باستخدام تحويل Fisher-z ، ثم متوسط INS في البعد الزمني.
      ملاحظة: هنا، تم إجراء تحويل Fisher-z باستخدام برنامج نصي مخصص ل MATLAB مع المعادلة 636:
      figure-protocol-5
      حيث، r هي قيمة مركز التجارة العالمي أو pWTC، وz هي القيمة المحولة Fisher-z لمركز التجارة العالمي أو pWTC.
    2. بالنسبة لمتوسط INS في كل فارق زمني ، قم بإجراء اختبار t ثنائي العينة (داعم مقابل تعارض) على كل زوج CH عبر نطاق التردد. ثم حدد جميع مجموعات الترددات المهمة (P < 0.05).
    3. قم بإجراء اختبار تبديل قائم على الكتلة لتحديد عتبة للنتائج.
      1. إعادة تعيين العلاقات الديادية عن طريق تعيين المشاركين عشوائيا إلى أزواج جديدة من عضوين ، أي المشاركين في الصبغة التي لم تتواصل أبدا مع بعضها البعض. أعد حساب INS في كل فارق زمني ، وقم بإجراء اختبارات t المقترنة مرة أخرى في العينة الجديدة ، وحدد مجموعات التردد المهمة مرة أخرى.
      2. حدد الكتلة التي تحتوي على أكبر قيمة t تم جمعها. كرر الإجراءات المذكورة أعلاه 1000 مرة لإنشاء توزيع فارغ للحد الأقصى لقيم t الموجبة خطأ.
        ملاحظة: يتم تقديم التوزيع كمستوى فرصة. يتم التحكم في معدل الخطأ العائلي (FWER) عند q = 0.05 ، مما يعني أن أعلى 5٪ فقط من التوزيع الفارغ لقيم t الموجبة الكاذبة يتجاوز العتبة (R *).
      3. قارن قيمة t المجمعة لكل عنقود تردد محدد في العينة الأصلية مع التوزيع الفارغ للحصول على نتائج إحصائية ذات دلالة.
    4. إجراء سياق (داعم ، صراع) × اتجاه (النساء للرجال ، الرجال إلى النساء) تحليل التباين (ANOVA) لاختبار الفرق في اتجاه INS بين الظروف المختلفة (أي المواضيع) (ص < 0.05).
    5. قم بإجراء اختبار t ثنائي الذيل ثنائي العينة بين نتائج مركز التجارة العالمي (Wt ، Mt + n) ومركز التجارة العالمي (Mt ، Mt + n) لاختبار التأثير المحتمل للارتباط الذاتي على INS.
      ملاحظة: يعكس INS لمركز التجارة العالمي (Mt، Mt + n) الارتباط الذاتي.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نتائج المحاكاة
وأظهرت النتائج أن مركزالتجارة العالمي INS المتخلف زمنيا مع الارتباط التلقائي كان أعلى بكثير من INSWTC المتخلف زمنيا بدون ارتباط تلقائي (t(1998) = 4.696 ، p < 0.001) و INSpWTC المتخلف زمنيا (t(1998) = 5.098 ، p < 0.001). وبالإضافة إلى ذلك، لم يكن هناك فرق كبير بين مركزالتجارة العالمي INS المتخلف زمنيا بدون ارتباط تلقائي وINSpWTC (t(1998) = 1.573، p = 0.114، الشكل...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في دراسات المسح الضوئي المفرط ، من الضروري عادة وصف الأنماط الاتجاهية والزمنية لتدفق المعلومات بين الأفراد. استخدمت معظم دراسات المسح الضوئي المفرط fNIRS السابقة WTC25 التقليدي لاستنتاج هذه الخصائص عن طريق حساب INS المتخلفة زمنيا. ومع ذلك ، باعتبارها واحدة من السمات الجوهرية لإشارة fNIRS20,21 ، فإن تأثير الارتباط الذاتي قد يربك INS المتخلفة زمنيا. لمعالجة هذه المشكلة ، في البروتوكول الوارد هنا ، تم إدخال طريقة تسمى pWTC22...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ولا يعلن صاحبا البلاغ عن أي مصالح مالية متنافسة.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم دعم هذا العمل من قبل المؤسسة الوطنية للعلوم الطبيعية في الصين (61977008) وبرنامج المواهب الشابة من الدرجة الأولى لعشرة آلاف موهبة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
نظام تضاريس fNIRSShimadzu LABNIRS systenLABNIRS على 40 بواعثا و 40 كاشفا لقياس إشارات fNIRS. في هذا البروتوكول ، استخدمنا هذه البواعث وأجهزة الكشف ، وأنشأنا مجموعتين مخصصتين من 26 قناة ، وتعلق على غطاءين متصلين بنظام 10-20. علاوة على ذلك ، يحتوي نظام LABNIRS أيضا على برامج واجهة المستخدم الرسومية المضمنة لفحص جودة البيانات وتحويل البيانات وتصدير البيانات.
MATLABذا MathWorks، Inc.MATLAB 2019aفي هذا البروتوكول ، تم استخدام العديد من صناديق الأدوات والوظائف في MATLAB: تم استخدام
SPM12 Toolbox لتطبيع بيانات التصوير بالرنين المغناطيسي التي تم التحقق من صحتها من خلال واجهة المستخدم الرسومية الخاصة به.
NIRS_SPM تم استخدام صندوق الأدوات لإسقاط إحداثيات MNI للمجسات على قالب AAL من خلال واجهة المستخدم الرسومية الخاصة به.
تم استخدام صندوق أدوات Homer3 لإزالة القطع الأثرية للحركة من خلال وظيفته hmrMotionCorrectWavelet مع المعلمات الافتراضية.
Wavelet تم استخدام Toolbox لحساب WTC و pWTC من خلال تماسك وظيفته.
ماسح التصوير بالرنين المغناطيسيضوئي Siemens HealthineersTRIO 3-Teslaفي هذا البروتوكول ، تم استخدام ماسح التصوير بالرنين المغناطيسي للحصول على إحداثيات MNI لكل قناة و optpde. يتم وصف معلمات المسح الضوئي في النص الرئيسي.
أغطيةفي هذا البروتوكول ، قمنا أولا بتمييز غطاءين من النايلون بنظام 10-20. بعد ذلك ، صنعنا مجموعتين مخصصتين من مجسات البصريات المكونة من 26 قناة. أخيرا ، قمنا بإرفاق مجموعات المجسات بأغطية تتماشى مع المعالم.
يحتوي نظام ماسح مخصصة

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. 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).
  2. Hasson, U., Frith, C. D. Mirroring and beyond: Coupled dynamics as a generalized framework for modelling social interactions. Philosophical Transactions of the Royal Society B: Biological Sciences. 371, 20150366(2016).
  3. Jiang, J., et al. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  4. 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).
  5. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 1-12 (2018).
  6. Long, Y., et al. Interpersonal neural synchronization during interpersonal touch underlies affiliative pair bonding between romantic couples. Cerebral Cortex. 31 (3), New York, N.Y. 1647-1659 (2021).
  7. Liu, W., et al. Shared neural representations of syntax during online dyadic communication. NeuroImage. 198, 63-72 (2019).
  8. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  9. Stephens, G. J., Silbert, L. J., Hasson, U. Speaker-listener neural coupling underlies successful communication. Proceedings of the National Academy of Sciences of the United States of America. 107 (32), 14425-14430 (2010).
  10. Hirsch, J., et al. Interpersonal agreement and disagreement during face-to-face dialogue: An fNIRS investigation. Frontiers in Human Neuroscience. 14, 606397(2021).
  11. Pan, Y., Cheng, X., Zhang, Z., Li, X., Hu, Y. Cooperation in lovers: An fNIRS-based hyperscanning study. Human Brain Mapping. 38 (2), 831-841 (2017).
  12. 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).
  13. Piazza, E. A., Hasenfratz, L., Hasson, U., Lew-Williams, C. Infant and Adult Brains Are Coupled to the Dynamics of Natural Communication. Psychological Science. 31 (1), 6-17 (2020).
  14. Djalovski, A., Dumas, G., Kinreich, S., Feldman, R. Human attachments shape interbrain synchrony toward efficient performance of social goals. NeuroImage. 226, 117600(2021).
  15. Zhao, H., et al. How mother-child interactions are associated with a child's compliance. Cerebral Cortex. 31 (9), 4398-4410 (2021).
  16. Jiang, J., Zheng, L., Lu, C. A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience. 16 (1-2), 246-255 (2021).
  17. Yan, W., et al. Bibliometric evaluation of 2000-2019 publications on functional near-infrared spectroscopy. NeuroImage. 220, 117121(2020).
  18. 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).
  19. Dean, R. T., Dunsmuir, W. T. M. Dangers and uses of cross-correlation in analyzing time series in perception, performance, movement, and neuroscience: The importance of constructing transfer function autoregressive models. Behavior Research Methods. 48 (2), 783-802 (2016).
  20. Barker, J. W., Rosso, A. L., Sparto, P. J., Huppert, T. J. Correction of motion artifacts and serial correlations for real-time functional near-infrared spectroscopy. Neurophotonics. 3 (3), 031410(2016).
  21. Huppert, T. J. Commentary on the statistical properties of noise and its implication on general linear models in functional near-infrared spectroscopy. Neurophotonics. 3 (1), 010401(2016).
  22. Mihanović, H., Orlić, M., Pasarić, Z. Diurnal thermocline oscillations driven by tidal flow around an island in the Middle Adriatic. Journal of Marine Systems. 78, SUPPL. 1 157-168 (2009).
  23. Ng, E. K. W., Chan, J. C. L. Geophysical applications of partial wavelet coherence and multiple wavelet coherence. Journal of Atmospheric and Oceanic Technology. 29 (12), 1845-1853 (2012).
  24. Ng, E. K. W., Chan, J. C. L. Interannual variations of tropical cyclone activity over the north Indian Ocean. International Journal of Climatology. 32 (6), 819-830 (2012).
  25. 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).
  26. Jurcak, V., Tsuzuki, D., Dan, I. 10/20, 10/10, and 10/5 systems revisited: Their validity as relative head-surface-based positioning systems. NeuroImage. 34 (4), 1600-1611 (2007).
  27. Homan, R. W., Herman, J., Purdy, P. Cerebral location of international 10-20 system electrode placement. Electroencephalography and Clinical Neurophysiology. 66 (4), 376-382 (1987).
  28. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. 46 (1), 64-72 (2009).
  29. Penny, W., Friston, K., Ashburner, J., Kiebel, S., Nichols, T. Statistical Parametric Mapping: The Analysis of Functional Brain Images. , Academic Press. (2007).
  30. Shalinsky, M. H., Kovelman, I., Berens, M. S., Petitto, L. A. Exploring cognitive functions in babies, children & adults with near infrared spectroscopy. Journal of Visualized Experiments: JoVE. (29), e1268(2009).
  31. Xu, S. Y., Cheong, L. I., Zhuang, Y., Couto, T. A. P., Yuan, Z. Conducting concurrent electroencephalography and functional near-infrared spectroscopy recordings with a flanker task. Journal of Visualized Experiments: JoVE. (159), e6069(2020).
  32. Noah, J. A., et al. fMRI validation of fNIRS measurements during a naturalistic task. Journal of Visualized Experiments: JoVE. (100), e52116(2015).
  33. Tong, Y., Lindsey, K. P., Frederick, B. D. Partitioning of physiological noise signals in the brain with concurrent near-infrared spectroscopy and fMRI. Journal of Cerebral Blood Flow and Metabolism. 31 (12), 2352-2362 (2011).
  34. Buck, R., Miller, R. E., Caul, W. F. Sex, personality, and physiological variables in the communication of affect via facial expression. Journal of Personality and Social Psychology. 30 (4), 587-596 (1974).
  35. Walen, H. R., Lachman, M. E. Social support and strain from partner, family, and friends: Costs and benefits for men and women in adulthood. Journal of Social and Personal Relationships. 17 (1), 5-30 (2000).
  36. Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
  37. Liu, H., et al. Inferring subsurface preferential flow features from a wavelet analysis of hydrological signals in the shale hills catchment. Water Resources Research. 56 (11), 0-3 (2020).
  38. Rhif, M., Abbes, A. B., Farah, I. R., Martínez, B., Sang, Y. Wavelet transform application for/in non-stationary time-series analysis: A review. Applied Sciences. 9 (7), Switzerland. 1345(2019).
  39. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  40. Scholkmann, F., Spichtig, S., Muehlemann, T., Wolf, M. How to detect and reduce movement artifacts in near-infrared imaging using moving standard deviation and spline interpolation. Physiological Measurement. 31 (5), 649-662 (2010).
  41. Zhang, Y., Brooks, D. H., Franceschini, M. A., Boas, D. A. Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging. Journal of Biomedical Optics. 10 (1), 011014(2005).
  42. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  43. Cooper, R. J., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 0, 147(2012).
  44. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  45. Liu, Y., et al. Measuring speaker-listener neural coupling with functional near infrared spectroscopy. Scientific Reports. 7, 1-13 (2017).
  46. Li, Z., et al. Speaker-listener neural coupling reveals an adaptive mechanism for speech comprehension in a noisy environment. Cerebral Cortex. , (2021).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة