功能近红外光谱（fNIRS）超扫描研究中跨脑相干性理解的新框架

摘要

小波变换相干性（WTC）是功能近红外光谱（fNIRS）超扫描研究中用于评估信号间耦合的常用方法。本文介绍了一种用于评估信号相互作用方向性的工具箱。

摘要

尽管功能性近红外光谱（fNIRS）超扫描研究日益增多，但利用小波变换相干性（WTC）评估两个神经信号之间耦合性的方法似乎忽略了相互作用的方向性。目前该领域缺乏一个能够帮助研究人员判断通过WTC函数获得的高相干值究竟反映的是同相位同步（即双人组中两名成员同时出现神经激活）、滞后同步（即双人组中一名成员的神经激活先于另一名成员）还是反相位同步（即双人组中一名成员神经激活增强，而另一名成员神经激活减弱）的分析框架。为满足这一需求，本研究提出了一种互补且更敏感的双神经信号相位相干性分析方法。该工具箱允许研究者通过将传统WTC获得的相位角值分类为同相位同步、滞后同步和反相位同步，来估计耦合的方向性。此外，该工具箱还使研究人员能够评估交互动态在任务过程中如何发展和变化。通过在fNIRS超扫描研究中应用这一新型WTC方法及配套工具箱，将有助于深化我们对复杂社会互动机制的理解。

引言

近年来，研究社会行为神经基础的研究类型发生了转变^1,2。传统上，社会神经科学的研究主要关注个体在执行与社会相关任务时，单个孤立大脑中的神经激活。然而，随着神经影像技术的进步，现在可以在“真实生活”情境下，对一个或多个个体在社会互动过程中的大脑神经激活进行检测³。在“真实生活”情境中，个体能够自由活动，随着信息的交换以及社会伙伴之间相互获得反馈，大脑激活模式可能发生动态变化⁴。

超扫描是一种通过同时测量两个或更多个体的脑活动来评估这种双向信息交换的方法⁵近年来，越来越多的研究采用功能性近红外光谱成像（fNIRS）这一非侵入性神经影像技术，与其他神经影像技术相比，该技术对运动伪影的敏感性较低。⁶超扫描 通过 fNIRS 可在真实生活场景中评估互动伙伴间的脑间同步（IBS），同时允许参与者自由且自然地活动。这对于婴幼儿研究尤为重要，因为婴幼儿通常活动较为频繁。已有研究报道，IBS 能够反映互动双方之间的相互理解，这种相互理解是有效社会互动与交流的基础，并介导了共享意图性^1,7,8.

评估两个大脑间脑间同步性（IBS）的方法有多种。这些方法包括时间序列相关性分析，如互相关和皮尔逊相关系数^9,10（参见Scholkmann等人¹⁰的综述）。其他方法涉及在频域中评估耦合强度，例如相位锁定值（PLV）和相位相干性（参见Czeszumski等人¹¹的综述）。在功能性近红外光谱（fNIRS）研究中，最常用的方法之一是小波变换相干性（WTC），即衡量两个时间序列在频率和时间维度上的交叉相关性¹⁰。

WTC 使用相关性分析来计算两个时间序列在时频域中的相干性和相位滞后。功能性近红外光谱（fNIRS）超扫描研究已利用 WTC 在多种功能领域中估计脑间同步性（IBS），包括动作监控¹²、合作与竞争行为^5,13,14,15、模仿¹⁶、母婴问题解决¹⁷以及教学-学习行为^18,19,20,21。通常，在超扫描研究中，会将实验任务期间通过 WTC 测量得到的跨脑相干性与控制任务期间的跨脑相干性进行比较。这些结果通常以 WTC“热图”形式呈现，该图显示了在每个时间点和频率上两人大脑之间的相干性水平（见图 1）。

正如Czesumaski等人¹¹所提出的，小波相干性分析（WTC）已成为分析fNIRS超扫描的标准化分析方法。WTC分析是一种灵活且“与工具无关”的数据可视化与解释方法²²。其主要优势在于相干系数热图，该图提供了一种叙述性的分析形式，便于识别任务执行过程中同步或不同步行为的时间段以及大脑活动的强度，这使得WTC成为应用研究中的有力工具²²。WTC相较于相关性分析技术具有优势。相关性分析对血流动力学响应函数（HRF）的形状敏感，而HRF被认为在个体间（尤其是年龄方面）以及不同脑区间存在差异。相比之下，WTC不受脑区间HRF变化的影响²³。研究人员已采用小波方法研究fMRI时间序列。Zhang等人²⁴比较了常用的几种功能连接度量方法，包括皮尔逊相关、偏相关、互信息以及小波相干性变换（WTC）。他们利用来自静息态fMRI数据和观看视频时的自然刺激fMRI数据提取的大规模功能连接模式进行了分类实验。研究结果表明，WTC在分类性能（特异性、敏感性和准确性）方面表现最佳，提示WTC至少在分类应用中是研究脑功能网络更优的功能连接度量指标²⁴。

图1：小波变换相干性（WTC）。 WTC展示了两个时间序列在时间（x轴）和频率（y轴）上的相干性与相位角。图中红色表示相干性增强，小箭头表示两个时间序列的相位角。箭头向右表示同相同步；箭头向下和向上表示滞后同步；箭头向左表示反相同步³⁰。本图改编自Pan等¹⁹。 请点击此处查看此图的放大版本。

最近，Hamilton²⁵ 阐述了在 fNIRS 超扫描研究中解释跨脑相干性数据的若干局限性。Hamilton 的主要关注点之一在于，相干性度量（例如 WTC）仅能报告对称性效应（即两个大脑相关，表现出相同的变化模式）。然而，许多社会互动具有不对称性（例如说话者与听者之间的信息流动），其中两名参与者可能扮演不同角色，而 WTC 是否能够捕捉此类信息尚不明确。本文通过一种新框架解决了这一问题，该框架利用交叉小波相位来检测方向性，从而对交叉小波功率进行直接解释。该框架还将有助于考察互动动态如何在任务过程中发展和变化。

尽管WTC和相关性方法用于评估功能连接性，但其他方法则用于评估有效连接性，旨在提取一个神经单元对另一个神经单元的因果影响。转移熵是信息论领域中的一种度量，用于描述联合依赖过程之间的信息传递²⁶。另一种相关方法是格兰杰因果分析（GCA），该方法已被描述为与转移熵等价²⁶。

在现有的fNIRS超扫描研究文献中，格兰杰因果分析（Granger causality analysis, GCA）已被广泛用于估计在多种不同任务过程中获取的fNIRS时间序列数据之间的耦合方向性，例如合作⁵、教学¹⁹和模仿¹⁶。GCA采用向量自回归模型来评估脑部数据中时间序列之间耦合的方向性。格兰杰因果性基于预测和时序优先性：“如果变量X的过去值包含有助于预测变量Y未来值的信息，且该信息超出了Y自身过去值所能提供的信息，则称变量X‘格兰杰导致’（G-cause）变量Y”²⁷。因此，格兰杰因果性需在两个方向上进行分析：1）从被试A到被试B；2）从被试B到被试A。

尽管GCA分析可作为补充分析手段，用于判断通过WTC函数获得的高相干值反映的是IBS还是滞后同步（一个信号领先于另一个信号），但它无法确定是否发生了反相同步。在传统的神经影像学研究中（即仅对一名参与者进行扫描的“单脑”方法），反相模式意味着一个脑区的活动增强，而另一个脑区的活动减弱²⁸。在超扫描研究文献中，反相同步的存在可能表明一名受试者的神经激活增强，而与此同时，另一名受试者的神经激活减弱。因此，有必要建立一个能够检测方向性的综合模型。更具体地说，该模型除了能够检测同相同步和滞后同步外，还能够识别反相同步（即一名个体的活动方向与其伙伴相反）。

为了应对WTC仅显示对称效应（即两个大脑表现出相同变化模式）的担忧²⁵，本文提出了一种新方法，通过考察同步的相位（即同相、滞后或反相）来识别相互作用的类型（见图2）。为此，开发了一个基于WTC方法对不同类型相互作用进行分类的工具箱。该分类通过使用交叉小波变换分析得到的相对相位数据实现。

图2简单正弦波不同相位关系的示意图。 (A）当两个信号，信号1（蓝线s）和信号2（橙色线s），若它们在同一时间点达到各自的最大值、最小值和零值，则称为呈现同相同步³². (B当一个信号达到其最大值，而另一个信号同时达到零值时，称二者呈现滞后同步（其中一个超前90°）。^32,33,34. (C当两个时间序列朝相反方向变化，即一个信号达到最大值的同时另一个信号达到最小值，这种情况被称为反相同步。²⁸. (D-P) 在两个时间序列的所有其他相位关系中，一个信号领先于另一个信号。在所有正相位情况下，信号2领先于信号1（例如，图示面板 E, F, M，以及 N），而在所有负相位中，信号1超前于信号2（例如，图示面板 D, G, H, O，以及 P值得注意的是，当相位的绝对值较大时，哪个时间序列领先于另一个序列就变得更加明显（例如，在图示面板中，这种领先关系更为清晰） J 比图中面板中的情况 我，以及在面板中 K，其领导作用比在面板中更为显著 L). 请点击此处以查看该图的放大版本。

方案

该研究在佛罗里达大西洋大学（FAU）进行，并已获得FAU机构审查委员会（IRB）的批准。

1. 使用Homer3软件（材料表）对fNIRS超扫描数据进行预处理

注意：Homer3 是一个 MATLAB 应用程序，用于分析 fNIRS 数据以获得脑激活的估计值和激活图谱²⁹。Homer3 可通过以下链接下载和安装（https://openfnirs.org/software/homer/）。

1. 打开 MATLAB，导航至保存原始 .nirs 文件的文件夹，选择并打开该文件夹。
2. 在 MATLAB 命令窗口中输入 Homer3 以启动 Homer3 图形用户界面（GUI）。Homer3 将检测 .nirs 文件，并提示将其转换为 .snirf 格式（一种通用的 NIRS 数据存储与共享格式，独立于任何特定应用程序的文件格式，如 MATLAB 格式），以便继续进行数据预处理。
3. 在 Homer3 中将 .nirs 文件导入并转换为 .snirf 格式后，点击 Homer3 图形界面中的 Tools 选项，然后选择 Edit Processing Stream。
4. 在 ProcStreamEdit 图形界面中，通过点击 Add 按钮，将 Registry Function 列中的预处理步骤添加至 Current Processing Stream 列。所包含的预处理步骤如下：
   1. 使用 hmrR_intensity2OD 将光强数据转换为光学密度（optical density）。
   2. 使用 hmrR_MotionCorrectWavelet 通过适当的滤波函数校正运动伪影。
   3. 使用 hmrR_OD2conc 将光学密度数据转换为浓度数据。
   4. 使用 hmR_BlockAvg 计算浓度数据的区块平均值。
      注意：预处理步骤的选择可能因数据集类型的不同而有所变化。
5. 如需保存当前处理流程，点击 Save 选项，然后退出 ProcStreamEdit 图形界面。
6. 在主 Homer3 图形界面中运行预处理流程时，点击 RUN 选项。Homer3 完成所选处理流程后，将以 .mat 文件格式保存每位参与者的预处理时间序列数据，文件中包含所有通道和事件的 Hbo、Hbr 和 Hbt 数据。Homer3 将在当前选定的文件夹中创建一个名为 homer output 的文件夹，用于存储这些文件。
7. Homer3 将在所选文件夹中创建一个名为 derivatives 的文件夹以存储这些文件。请选择 derivatives 文件夹中的 homer 文件夹，选择每个大脑对应的 .mat 文件，并导出 Hbo、Hbr 和 Hbt 数据。
   注意：Homer3 创建的输出文件夹名称取决于所使用的 Homer3 版本。

2. 开始使用 LeaderFollowerByPhase 工具箱

1. 为了分析在超扫描记录中发生的相互作用类型，请使用 LeaderFollowerByPhase 工具箱，具体流程如图3所示。在 MATLAB 中选择每个大脑的 .mat 文件，并将特定通道和特定事件的 Hbo（或 Hbr）数据加载为一维向量，分别作为 signal1 和 signal2。
2. 在 MATLAB 命令行中定义参数
   1. lowFreq, highFreq：输入 lowFreq = [低频兴趣范围]，以及 highFreq = [高频兴趣范围]。默认值为 lowFreq = 0.01 Hz，highFreq = 1 Hz。
      注意：函数参数 lowFreq 和 highFreq 定义了感兴趣频率（FOI）的范围。WTC 在每个时间点和频率上计算两个大脑之间的相干性。相干性值通常在特定的 FOI 范围内进行平均。
   2. 定义参数 phaseRange；输入 phaseRange = [以度为单位的范围]。
      注意：默认值为 phaseRange = 90°。由于相位具有循环模数特性，其范围为 0° 至 360°。相位范围根据围绕四个关键点的区间进行划分。在本工具箱中，提出了一种新的非对称相互作用分类方法（图4），即通过相位角值来判断耦合方向性，具体包括：Signal 1 领先的滞后同步（围绕 −90° 的范围）或 Signal 2 领先的滞后同步（围绕 90° 的范围）、Signal 1 与 Signal 2 同相同步（围绕 0° 的范围），以及 Signal 1 与 Signal 2 反相同步（围绕 +180° 或 −180° 的范围）。
   3. 定义 Threshold 参数。输入 threshold = [阈值 rsq 值]。 默认值为 Threshold = 0。
      注意：该工具箱允许通过设置 threshold 参数指定一个相干性阈值，使研究人员可以选择具有特定最小相干性值的时间点。因此，仅考虑相干性值高于指定阈值的时间点。
3. 从以下链接下载 LeaderFollowerByPhase 工具箱（https://www.ariel.ac.il/wp/sns/download/ 或 https://github.com/Minisharmaa/Leader-Follower-By-Phase）。
4. 在命令行中输入命令 cohervalues = LeaderFollowerByPhase(signal1, signal2, lowFreq, highFreq, phaseRange, threshold)，执行 MATLAB 函数 LeaderFollowerByPhase。
   注意：相干性和相位计算分别使用 MATLAB 中的 WTC 和 XWT 函数完成³⁰。
5. 检查同相、Signal 1 领先、Signal 2 领先以及反相同步的数值：
   1. 查看 MATLAB 中生成的图表。该工具箱会生成一个包含四个子图的图形。
      1. 按相互作用类型划分的相干性：查看图形左上角的箱形图，该图显示了每种相互作用类型（同相、Signal 1 领先、Signal 2 领先、反相）对应的决定系数（Rsq）。
         注意：有关 MATLAB 内置 boxchart 函数的详细说明，请参见以下链接（https://www.mathworks.com/help/matlab/ref/boxchart.html）。
      2. 按相互作用类型的中心指标：查看图形右上角的柱状图，该图显示了每种相互作用类型（同相、Signal 1 领先、Signal 2 领先、反相）对应的最大均值和中位数。
         注意：有关 MATLAB 内置 bar 函数的详细说明，请参见以下链接（https://www.mathworks.com/help/matlab/ref/bar.html）。
      3. 随时间变化的相干性：查看图形左下角的散点图，该图显示了随时间变化的相干性值及相互作用类型。不同颜色的点代表不同类型的相互作用（黑色点表示同相同步，深灰色点表示 Signal 1 领先，浅灰色点表示 Signal 2 领先，紫色点表示反相同步）。
         注意：该图展示了相互作用的动态过程，即在整个时间序列中四种相互作用类型之间的转换情况。有关 MATLAB scatter 函数的详细说明，请参见以下链接（https://www.mathworks.com/help/matlab/ref/scatter.html）。
      4. 时间占比：查看图形右下角的饼图，该图显示了不同相互作用类型所占的时间比例。
         注意：有关 MATLAB pie 函数的详细说明，请参见以下链接（https://www.mathworks.com/help/matlab/ref/pie.html）。
6. 检查输出表格中每种相互作用类型（同相同步、Signal 1 领先、Signal 2 领先、反相同步）的统计值（即均值、最大值、中位数和标准差）。表格还列出了每种相互作用类型出现的时间百分比。每种相互作用类型对应不同的列。
7. 检查从导出的电子表格文件（即当前文件夹中的 datatable.xlsx）中提取的输出值。

图3：工作流程概览。（A）母子二人组在自由游戏的同时，采集超扫描fNIRS数据。（B）母子时间序列示意图。（C）使用Homer3对时间序列进行预处理。（D、E）利用工具箱分析不同类型互动，如同相位同步、反相位同步和滞后同步。请点击此处查看该图的放大版本。

图4：基于相位的四种不同类型相互作用的分类。 这表示两个神经时间序列在360°模数下的相位差。相位差可被视为两个值之间的时间滞后，以度、弧度或波长的分数来度量。此处，360°模数被划分为四个不同的范围，代表四种不同的相互作用相位：（A）信号1领先（约90°范围，介于45°至135°之间），（B）信号1与信号2反相同步（约180°或−180°范围，介于135°至−135°之间），（C）信号2领先（介于−135°至−45°之间），（D）同相同步（约0°范围，介于−45°至45°之间）。该划分是默认方法（每个点周围45°）；然而，该工具箱允许用户配置不同的划分方式。尽管其他配置可能不覆盖完整的360°，但可能对每种相互作用类型提供更精确的定义。请点击此处查看此图的放大版本。

结果

本节演示了使用该工具箱可进行的分析类型（工具箱可从 https://www.ariel.ac.il/wp/sns/download/ 或 https://github.com/Minisharmaa/Leader-Follower-By-Phase 下载）。这些分析使用了通过少量婴儿-父母配对样本采集的 fNIRS 数据。共测试了六对母婴配对，采用了一种经过验证的行为任务——自由游戏任务³¹，该任务尽可能接近真实的婴儿-母亲互动情境。实验前，为婴儿和父母佩戴了定制的光学探头装置以采集 fNIRS 数据。本研究中用于采集 fNIRS 数据的探头装置包含 8 个光源（红点）和 8 个探测器（蓝点），配置形成 18 个通道，双侧覆盖前额叶和颞顶区域（见图5）。使用 NIRScout 系统通过两个波长采集光学成像数据：760 nm（对脱氧血红蛋白 HbR 更敏感）和 850 nm（对氧合血红蛋白 HbO 更敏感）。所有父母均为女性（年龄范围 = 26–36 岁），婴儿均为健康足月儿（两名女性，四名男性，年龄范围 = 1–2 岁），无已知发...

讨论

在功能性近红外光谱（fNIRS）研究中，最常用的方法之一是小波变换相干性（wavelet transform coherence, WTC），它用于衡量两个时间序列在频率和时间维度上的互相关程度¹⁰。WTC通过相关性分析计算两个时间序列之间的相干性和相位滞后（补充文件1）。在fNIRS超扫描研究中，WTC已被用于估计多种功能领域的脑间同步性（IBS），包括动作监控¹²、合作与竞争行为^5,13,14,15、模仿¹⁶、母婴问题解决¹⁷以及教学-学习行为^18,19...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
NIRScout	NIRx Medical Technologies, LLC	n.a.	8 个光源，8 个探测器
MATLAB	The Mathworks, Inc.	Matlab 2022a	本实验方案中使用了多个 MATLAB 工具箱及内置函数：采用 HOMER3 工具箱将光强信号转换为光密度（OD），并通过其函数 hmrMotionCorrectWavelet（使用默认参数）去除运动伪影，再将 OD 转换为浓度（Conc）；使用小波工具箱（Wavelet Toolbox）计算小波相干性（WTC）。