Name: 使用偏小波变换相干法测量 fNIRS-超扫描数据中的定向信息流 (视频) | JoVE Journal
Uploaded: 2021-09-03T14:30:00.000+00:00
Duration: 8 min 42 s
Description: 学习使用偏小波变换相干法分析fNIRS超扫描数据，识别社交互动中人际神经同步的信息流方向。该方法有效消除信号自相关等混杂因素，为研究社会神经科学中的动态人际交流提供可靠工具。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作得到国家自然科学基金（61977008）和万人计划青年拔尖人才项目的资助。

本研究的人体实验方案已获得北京师范大学认知神经科学与学习国家重点实验室机构审查委员会和伦理委员会的批准。所有参与者在实验开始前均签署了书面知情同意书。
1. 模拟实验
<ol>
	<li>生成两个相互关联的信号时间序列，其中一个信号在4 s时间延迟下具有自相关性。将两个信号之间的相关系数r设为0.4。</li>
	<li>此外，生成两个无相关性的信号时间序列，其中一个信号具有自相关性。</li>
	<li>计算传统4秒时间滞后惯性导航系统（INS）的数值 公式 2 根据生成信号是否存在相关性，可将其命名为时间滞后的 INSWTC 使用自相关和时间滞后的基线 INSWTC 通过自相关。 
	注意：此处，传统的时滞 WTC 由以下公式表示（公式 2)25 
	<img alt="小波变换相干性方程，用于说明信号处理中的交叉谱分析。" src="/files/ftp_upload/62927/62927eq02.jpg" data-altupdatedat="1788282455000" data-alt="公式 2"> 
	其中， C 表示在不同尺度下的连续小波变换算子 i 和时间点 t. S 表示平滑算子。* 表示复共轭算子。W 和 M 表示两个独立的信号时间序列。</li>
	<li>去除生成信号中的自相关性，然后计算传统的时间滞后4秒的INS值WTC 与 公式 2 根据生成信号是否存在相关性，可将其命名为时滞 INSWTC 无自相关的基线时间滞后 INSWTC 无自相关。</li>
	<li>计算4秒时间滞后的pWTC值 公式 3 基于生成信号是否具有相关性，称为时滞 INSpWTC 和时间滞后的基线 INSpWTC. 
	注意：pWTC 可根据以下公式计算（公式 3)23 
	<img alt="周期性小波变换相干性方程；数学公式；数据分析方法" src="/files/ftp_upload/62927/62927eq03.jpg" data-altupdatedat="1788282455000" data-alt="公式 3"> 
	其中， WTC (Wt, Mt+n是传统的时滞WTC。 WTC (Mt, Mt+n) 是单个个体的自相关小波相干性（WTC）。 中国台湾 (Wt, Mt) 是时间对齐的WTC。* 是复共轭算符。</li>
	<li>重复上述步骤1000次。</li>
	<li>减去基线INS后，比较时间滞后INS的结果中国台湾 带有自相关的时间滞后 INSWTC、不带有自相关的时间滞后 INSWTC 以及时间滞后 INSpWTC 采用方差分析（ANOVA）方法。 
	注意：此处预期为时间滞后的 INSWTC 与自相关相比，时间滞后的 INS 将显著更高WTC 无自相关且具有时间滞后的 INSpWTC，且在时间滞后的INS之间预计无显著差异WTC 无自相关且具有时间滞后的 INSpWTC.</li>
</ol>
2. 实证实验
<ol>
	<li>参与者与实验流程
	<ol>
		<li>招募合适的参与者。 
		注：本研究通过在北京市高校的本科生中发布广告，招募了22对亲密的异性朋友（女性平均年龄为20.95岁，标准差（SD）= 1.86；男性平均年龄为20.50岁，SD = 1.74）。所有参与者均为右利手，视力正常或矫正至正常水平。此外，所有参与者均无语言、神经或精神类疾病。</li>
		<li>要求每对参与者在实验过程中面对面就座。要求他们在一次会话中围绕支持性话题自由交流，在另一次会话中围绕冲突性话题自由交流。 
		注：这些话题用于诱发预期的正性或负性情绪效价。每次交流会话持续10分钟，话题顺序采用交叉平衡设计。</li>
		<li>要求参与者报告支持性话题和冲突性话题，作为标准设定规则。要求每位参与者使用确定的评分量表对可能诱发的正性或负性效价水平进行评分，然后根据评分对报告的话题进行排序。 
		注：本研究中，话题选择遵循以下三个步骤。首先，对于支持性话题，要求每位参与者报告1–3个与其希望在生活中改善的个人问题相关的话题；对于冲突性话题，要求每位参与者报告1–3个已引发、可能引发彼此间冲突或可能危及其关系的案例。其次，要求每位参与者使用7点量表（1 = 完全没有，7 = 非常强烈）对每个话题可能诱发的正性或负性效价水平进行评分。第三，根据评分对报告的话题进行排序，选取支持性话题和冲突性话题列表中排名前两位的话题。</li>
	</ol>
	</li>
	<li>fNIRS数据采集
	<ol>
		<li>使用26通道fNIRS拓扑系统（见材料表）采集fNIRS数据。 
		注：两个定制的光极探头组覆盖双侧额叶、颞叶和顶叶皮层（图1B）。</li>
		<li>准确要求每位参与者佩戴带有两个定制探头组的帽具（见材料表）。</li>
		<li>将鼻根点、枕外隆突和耳乳突与10-20国际系统中的Fpz、Opz、T7和T8等典型标志点对齐26。</li>
		<li>根据国际10-20系统，将通道（CH）11对齐至T3，CH25对齐至T4，适用于两个探头组27,28。</li>
		<li>通过高分辨率T1加权磁化准备快速梯度回波序列（TR = 2530 ms；TE = 3.39 ms；翻转角 = 7°；层厚 = 1.3 mm；体素大小 = 1.3 × 1 × 1.3 mm）扫描典型参与者的磁共振成像（MRI）数据，以验证探头组的解剖位置。</li>
		<li>使用统计参数映射12（SPM12）将图像标准化至蒙特利尔神经影像研究所标准坐标（MNI坐标）空间29。然后，使用NIRS_SPM工具箱（见材料表）将探头的MNI坐标投影至自动解剖标记（AAL）模板。</li>
		<li>以55.6 Hz的采样率采集近红外光在三个波长（780、805和830 nm）下的光密度数据（设备默认参数）。</li>
		<li>使用fNIRS拓扑系统内置设备软件测试信号质量（见材料表）。</li>
		<li>开始信号记录。 
		注：已有发表的实验方案展示了如何使用不同设备和系统采集fNIRS信号30,31,32。</li>
	</ol>
	</li>
	<li>fNIRS数据预处理
	<ol>
		<li>从设备导出数据文件。 
		注：在本实验中，内置软件根据修正的比尔-朗伯定律自动将所有光密度数据转换为氧合血红蛋白（HbO）浓度变化。</li>
		<li>为避免瞬态响应，去除每段会话的前15秒和后15秒数据。</li>
		<li>使用MATLAB的decimate内置函数将数据从55.6 Hz下采样至11.1 Hz。 
		注：55.6 Hz与11.1 Hz之间的功率谱模式非常相似（补充图1）。</li>
		<li>使用MATLAB内置应用程序函数（Homer3，见材料表）配合适当的滤波函数，应用离散小波变换滤波方法校正运动伪迹。</li>
		<li>使用MATLAB的pca内置函数去除全局生理噪声，去除信号中前80%的方差。</li>
		<li>根据先前研究33去除生理噪声。具体而言，去除每个信号高于0.7 Hz的频段，以避免高频生理噪声（如心脏活动）的混叠效应。</li>
		<li>随后，去除每个信号低于0.01 Hz的频段，以滤除极低频波动。</li>
		<li>最后，去除每个信号在0.15–0.3 Hz范围内的频段，以排除呼吸活动的潜在影响。</li>
	</ol>
	</li>
	<li>一级fNIRS数据处理
	<ol>
		<li>首先，使用传统WTC计算脑间同步性（INSWTC）。 
		注：此处预测在女性与男性的脑活动之间会出现女性主导的时间滞后模式的INSWTC，因为先前研究提示女性与男性在对话中扮演不同角色34,35。传统WTC通过将男性的脑活动相对于女性向后移动来计算该INSWTC模式（见公式2）。</li>
		<li>使用公式2，去除女性数据的前2秒和男性数据的后2秒后，计算女性主导的2秒滞后INSWTC值。类似地，去除男性数据的前2秒和女性数据的后2秒后，使用公式4计算男性主导的2秒滞后INSWTC值。 
		注：此处使用了MATLAB小波工具箱中的内置函数wcoherence（见材料表）。</li>
		<li>对不同时间滞后n（即n = 2 s、4 s、6 s、8 s）在所有潜在通道对（例如女性CH2与男性CH10，共676对）上重复此过程。此外，以相同方式计算男性主导时间滞后的INSWTC强度（公式4）。 
		<img alt="小波变换相干性方程图，展示数据分析中的数学模型。" src="/files/ftp_upload/62927/62927eq04.jpg" data-altupdatedat="1788282455000" data-alt="公式4"></li>
		<li>其次，使用pWTC计算INS（INSpWTC）。 
		注：pWTC基于公式3计算。对不同时间滞后n（即n = 2 s、4 s、6 s、8 s）在所有潜在通道对（例如女性CH2与男性CH10，共676对）上重复计算INSpWTC。此外，以相同方式计算男性主导时间滞后的INSpWTC强度（公式5）。 
		<img alt="小波变换相干性方程，科学研究中数据分析的数学公式。" src="/files/ftp_upload/62927/62927eq05.jpg" data-altupdatedat="1788282455000" data-alt="公式5"></li>
		<li>在不同时间滞后下生成fNIRS信号的时间滞后时间序列。</li>
		<li>计算不同时间滞后下的时间滞后WTC值。</li>
		<li>在不同时间滞后下生成fNIRS信号的自相关时间序列。为计算男性的2秒自相关值，需去除男性数据的前2秒和后2秒。</li>
		<li>计算不同时间滞后下的自相关WTC值。</li>
		<li>在不同时间滞后下生成fNIRS信号的时间对齐时间序列。为计算2秒时间对齐WTC，需去除男性和女性数据的前2秒。</li>
		<li>计算时间对齐WTC值。</li>
		<li>将不同时间滞后下的时间对齐WTC、时间滞后WTC和自相关WTC值代入公式3和公式5——即pWTC的方程，生成INSpWTC。</li>
		<li>最后，使用格兰杰因果（GC）方法计算INS（INSGC）。 
		注：为进一步验证pWTC方法并评估其优缺点，采用GC方法计算基于GC的INS（INSGC）。</li>
		<li>根据pWTC结果，使用带通滤波器对每位个体在SMC频段（即0.4–0.6 Hz，见代表性结果）的HbO信号进行滤波。</li>
		<li>分别在支持性和冲突性话题条件下，对每对参与者进行GC检验（Econometric工具箱，MATLAB）。 
		注：INSGC获得四组F值：（1）支持性话题下从女性到男性（W2M_supp）；（2）支持性话题下从男性到女性（M2W_supp）；（3）冲突性话题下从女性到男性（W2M_conf）；（4）冲突性话题下从男性到女性（M2W_conf）。F值用于表征INSGC。</li>
	</ol>
	</li>
	<li>二级fNIRS数据处理
	<ol>
		<li>对INS进行Fisher-z变换，然后在时间维度上对INS取平均。 
		注：此处使用自定义MATLAB脚本，依据公式636进行Fisher-z变换： 
		<img alt="对数公式，z分数计算，数学方程。" src="/files/ftp_upload/62927/62927eq06.jpg" data-altupdatedat="1788282455000" data-alt="公式6"> 
		其中，r为WTC或pWTC的值，z为WTC或pWTC的Fisher-z变换值。</li>
		<li>对每个时间滞后下的平均INS，在频率范围内对每对通道进行配对双样本t检验（支持性vs.冲突性），并识别所有显著的频率簇（P &lt; 0.05）。</li>
		<li>进行基于簇的置换检验以确定结果的阈值。
		<ol>
			<li>通过随机将参与者重新分配为新的两人配对（即从未相互交流过的参与者组成的新配对）来重新定义配对关系。重新计算每个时间滞后的INS，在新样本中再次进行配对t检验，并再次识别显著的频率簇。</li>
			<li>选择总t值最大的簇。重复上述过程1000次，生成最大假阳性t值的零分布。 
			注：该分布代表偶然水平。采用q = 0.05控制族系误差率（FWER），即仅零分布中假阳性t值的前5%超过阈值（R*）。</li>
			<li>将原始样本中每个识别出的频率簇的总t值与零分布进行比较，以获得显著的统计结果。</li>
		</ol>
		</li>
		<li>进行情境（支持性、冲突性）×方向（女性到男性、男性到女性）的方差分析（ANOVA），以检验不同条件（即话题）下INS方向的差异（p &lt; 0.05）。</li>
		<li>对WTC（Wt, Mt + n）与WTC（Mt, Mt + n）的结果进行配对双样本双尾t检验，以检验自相关对INS的潜在影响。 
		注：WTC（Mt, Mt + n）的INS反映自相关。</li>
	</ol>
	</li>
</ol>

作者声明不存在竞争性财务利益。

在超扫描研究中，通常需要描述个体之间信息传递的方向性和时间模式。以往大多数基于功能性近红外光谱（fNIRS）的超扫描研究采用传统的WTC25方法，通过计算时间滞后的脑间同步性（INS）来推断这些特征。然而，fNIRS信号的一个固有特性是存在自相关效应20,21，这可能会混淆时间滞后的INS结果。为解决这一问题，本方案引入了一种称为pWTC的方法22。该方法在部分剔除自相关效应后估计时间滞后的INS，同时保留了WTC方法的优势。本方案提供了pWTC操作的逐步指导，并通过将pWTC结果与传统WTC和格兰杰因果关系（GC）检验结果进行比较，验证其有效性。
本方案展示了在基于功能性近红外光谱（fNIRS）的超扫描数据中应用部分小波相干性（pWTC）的关键步骤。具体而言，首先需要基于时间滞后的fNIRS时间序列计算时间滞后的小波相干性（WTC）、自相关WTC以及时间对齐的WTC。接...

社会互动对人类至关重要1,2。为了理解社会互动的双脑神经认知机制，近年来研究者广泛采用超扫描（hyperscanning）方法，发现人际神经同步（interpersonal neural synchronization, INS）的模式能够很好地表征社会互动过程3,4,5,6,7,8,9,10,11,12,13,14。在近期研究中，一个有趣的发现是，成对个体中不同角色可能导致INS出现时间滞后模式，即某一个体的脑活动比另一个体滞后数秒时出现神经同步，例如从听者到说话者5,9、从领导者到追随者4、从教师到学生8、从母亲到儿童13,15，以及在情侣关系中从女性到男性6。尤为重要的是，时间滞后的INS时间间隔与社会互动行为的时间间隔具有良好对应关系，例如教师提问与学生回答之间8，或母亲育儿行为与儿童顺从行为之间的时间间隔15。因此，时间滞后的INS可能反映了一种从一个个体向另一个个体传递的定向信息流，正如近期提出的人际言语交流层级模型所假设的那样16。
此前，由于功能近红外光谱（fNIRS）信号具有相对较高的空间分辨率、良好的解剖定位能力，以及在研究自然情境下的社会互动时对运动伪影具有极高的耐受性，时间滞后的脑间同步性（INS）主要基于fNIRS信号进行计算17。此外，为了精确刻画社会互动过程中神经时间滞后与行为时间滞后之间的对应关系，有必要获取每个时间滞后点（例如，从无时间滞后到10秒的时间滞后）的INS强度。为此，以往研究广泛采用小波变换相干性（WTC）方法，在将一个个体的脑信号相对于另一个体的脑信号进行前移或后移之后进行分析5,6,18。然而，在对fNIRS信号使用这种传统WTC方法时，可能存在一个潜在挑战，即观察到的时间滞后INS可能受到个体fNIRS信号自相关效应的干扰19,20,21。例如，在二元社会互动过程中，参与者A在时间点t的信号可能与参与者B在同一时间点的信号同步；同时，由于自相关效应，参与者A在时间点t的信号也可能与其自身在稍后时间点t+1的信号同步。因此，参与者A在时间点t的信号与参与者B在时间点t+1的信号之间可能出现虚假的时间滞后脑间同步性。
Mihanović 及其同事22首次提出了一种称为部分小波变换相干性（pWTC）的方法，并随后将其应用于海洋科学领域23,24。该方法最初的目的是在估计两个信号的相干性时控制外源性混杂噪声。本文中，为解决fNIRS超扫描数据中的自相关问题，将pWTC方法扩展用于计算fNIRS信号上的时间滞后型脑间同步性（INS）。具体而言，可利用以下公式（公式1）23计算从参与者A到参与者B的时间滞后型INS（以及方向性信息流）。
<img alt="小波变换相关公式；用于时间序列分析的数学方程。" src="/files/ftp_upload/62927/62927eq01.jpg" data-altupdatedat="1788282455000" data-alt="方程 1">
此处假设有两个信号， A 和 B, 分别来自参与者 A 和 B。信号的发生情况 B 总是先于信号的出现 A 存在时间延迟 n，其中 WTC (At, Bt+n是传统的时滞WTC。 WTC (At, At+n) 是参与者 A 的自相关小波相干性分析结果。 WTC (At, Bt) 是时间点对齐的小波相干性（WTC） t 在参与者 A 与 B 之间. * 表示复共轭算符（图1A).
<img alt="小波变换相干性（WTC）图；用于神经连接性研究的脑信号分析。" class="xfigimg" src="/files/ftp_upload/62927/62927fig01.jpg" data-altupdatedat="1788282455000" data-alt="图 1"> 
图 1：pWTC 概述。（A）pWTC 的逻辑。在一个二元组中有两个信号 A 和 B，其中 A 的出现总是滞后于 B，滞后时间为 n。灰色方框表示在某一时间点 t 或 t+n 的小波窗口。根据图中所示的 pWTC 公式，需要计算三个 WTC：信号 At+n 与 Bt 的时间滞后 WTC；参与者 A 内部 At 与 At+n 的自相关 WTC；以及在时间点 t 处对齐的 At 与 Bt 的时间对齐 WTC。（B）光极探头组的布局。CH11 置于国际 10-20 系统的 T3 位置，CH25 置于 T4 位置27,28。 <a href="https://www.jove.com/files/ftp_upload/62927/62927fig01large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
本方案首先引入了一个模拟实验，以展示pWTC在解决自相关挑战方面的效果。随后，基于自然情境下社会互动的实证实验，逐步说明了如何实施pWTC。本文采用交流情境来介绍该方法，原因是此前时间滞后的INS通常在自然交流情境中进行计算3,4,6,8,13,15,18。此外，还进行了pWTC与传统WTC的比较，并通过格兰杰因果关系（GC）检验进行了验证。

<table><tbody><tr><td>fNIRS拓扑系统</td><td>Shimadzu Corporation</td><td>Shimadzu LABNIRS systen</td><td>LABNIRS系统包含40个发射器和40个探测器，用于fNIRS信号的测量。在本方案中，我们利用这些发射器和探测器构建了两个定制的26通道探头组，并根据10-20系统将它们分别固定在两个帽具上。此外，LABNIRS系统还内置了图形用户界面（GUI）软件，可用于数据质量检查、数据转换和数据导出。</td></tr><tr><td>MATLAB</td><td>The MathWorks, Inc.</td><td>MATLAB 2019a</td><td>在本方案中，使用了MATLAB中的多个内置工具箱和函数：&lt;br/&gt; 使用SPM12工具箱通过其图形用户界面（GUI）对有效的MRI数据进行标准化处理。&lt;br/&gt; 使用NIRS_SPM工具箱通过其图形用户界面（GUI）将探头的MNI坐标投影到AAL模板上。&lt;br/&gt; 使用Homer3工具箱中的hmrMotionCorrectWavelet函数（默认参数）去除运动伪影。&lt;br/&gt; 使用小波工具箱中的wcoherence函数计算WTC和pWTC。</td></tr><tr><td>MRI扫描仪</td><td>Siemens Healthineers</td><td>TRIO 3-Tesla扫描仪</td><td>在本方案中，使用MRI扫描仪获取每个通道和光极的MNI坐标。扫描参数在正文中有详细描述。</td></tr><tr><td>定制帽具</td><td></td><td></td><td>在本方案中，我们首先在两个尼龙帽上标记出10-20系统的位置。然后，制备了两个26通道的定制光极探头组。最后，将探头组按照解剖标志对齐并固定在帽具上。</td></tr></tbody></table>

利用部分小波变换相干性方法测量fnirs超扫描数据中的定向信息流

Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method

社会互动对人类至关重要。尽管超扫描方法已被广泛用于研究社会互动过程中的人际神经同步（INS），但由于功能近红外光谱（fNIRS）具有相对较高的空间分辨率、良好的解剖定位能力以及对运动伪影极高的耐受性，它已成为超扫描自然情境下社会互动的最受欢迎技术之一。以往基于fNIRS的超扫描研究通常采用小波变换相干性（WTC）计算时间滞后的INS，以描述个体间信息流动的方向和时间模式。然而，该方法的结果可能受到每个个体fNIRS信号自相关效应的干扰。为解决这一问题，研究引入了一种称为部分小波变换相干性（pWTC）的方法，旨在消除自相关效应，同时保持fNIRS信号的高时间-频谱分辨率。本研究首先通过模拟实验展示了pWTC在消除自相关对INS影响方面的有效性；随后，基于一项社会互动实验的fNIRS数据集，提供了pWTC操作的逐步指导。此外，本文还比较了pWTC方法与传统WTC方法、以及pWTC方法与格兰杰因果关系（GC）方法之间的差异。结果表明，pWTC可用于确定不同实验条件下INS的差异，以及自然社会互动中个体间INS的方向性和时间模式。同时，与传统WTC相比，pWTC具有更优的时间和频率分辨率；与GC方法相比，则具有更高的灵活性。因此，pWTC是推断自然社会互动中个体间信息流方向与时间模式的有力候选方法。

模拟结果 
结果显示，滞后时间的 INSWTC 与自相关相比，时间滞后的INS显著更高WTC 无自相关（t(1998) = 4.696, p &lt; 0.001）和时间滞后的 INSpWTC (t(1998) = 5.098，p &lt; 0.001）。此外，时间滞后的 INS 之间也无显著差异WTC 无自相关和 INSpWTC (t(1998) = 1.573, p = 0.114, 图2A）。这些结果表明，pWTC 能够有效消除自相关效应对 INS 的影响。此外，当 WTC 值被设定为接近 0 或 1 时，滞后时间的 INSpWTC 当 WTC 值偏离 0 或 1 时，仍显示出可靠的结果（补充图2）
实证实验结...

本方案描述了使用部分小波变换相干性（pWTC）来计算人际神经同步（INS）的时间滞后模式，以推断社交互动过程中信息传递的方向和时间模式。两项实验验证了pWTC在消除信号自相关对INS干扰方面的有效性。

利用部分小波变换相干性方法测量fNIRS超扫描数据中的定向信息流

社会互动对人类至关重要。尽管超扫描方法已被广泛用于研究人际神经……

超扫描是一种有前景的方法，可用于描述个体之间的关系，在本研究中可用于发现个体间的神经同步现象。而最重要的问题是确定谁与谁之间发生了同步。本文提出的方法是识别个体间信息流的方向。与其他方法相比，该方法最显著的优势在于能够消除神经同步性中的各种混杂因素，例如每个信号中的自相关性；同时，我们还能保持每个信号的高空间解剖分辨率。通过从设备导出血红蛋白浓度变化的数据文件，并将这些文件转换为 MATLAB 可读格式，开始数据预处理。然后，为避免瞬态响应，删除每次实验数据的前 15 秒和后 15 秒，并使用 MATLAB 中的 decimate 内置函数将数据从 55.6 赫兹下采样至 11.1 赫兹。为校正运动伪影，采用离散小波变换滤波方法，并选择适当的滤波函数进行处理。使用 PCA 内置函数去除全局生理噪声，然后从信号中去除前 80% 的方差。去除女性数据的前两秒和男性数据的最后两秒后，利用公式计算女性主导的滞后两秒的 INS WTC 值。类似地，在从男性数据中去除前两秒、从女性数据中去除后两秒后，计算由男性主导的滞后两秒的同步脑间耦合（INS WTC）值。对不同的时间滞后 N（例如 N 等于 4、6 或 8 秒）重复该过程，在所有可能的 676 个 CH 配对中，使用前述公式计算由女性和男性主导的滞后时间同步脑间耦合（INS WTC）强度。同样使用 pWTC 及相应公式，以相同方式计算 INS pWTC。生成男性与女性之间fNIRS信号的时间滞后时间序列，并计算不同时间滞后下的时间滞后WTC值。通过去除男性数据的前两秒和最后两秒，生成男性fNIRS信号的自相关时间序列。然后，计算男性的两秒自相关值。然后，在不同的时间滞后下评估自相关的小波相干性（WTC）值。以相同方式，通过移除男性和女性数据的前两秒，创建fNIRS信号的时间对齐时间序列。接着，计算两秒时间对齐的小波相干性（WTC）。然后，在不同时间滞后下评估时间对齐的WTC值。将不同时间滞后下的时间对齐WTC、时间滞后WTC和自相关WTC值代入pWTC的方程中，生成个体间神经同步（INS）的pWTC。在第二级fNIRS数据处理中，去除每个信号中0.7赫兹以上的生理噪声和频带。然后，去除每个信号在 0.01 赫兹以下以及 0.15 至 0.3 赫兹范围内的频带，以滤除极低频的波动。对脑间同步性（INS）进行 Fisher Z 转换，然后在时间维度上对 INS 进行平均。针对每个时间滞后的平均 INS，在整个频段范围内对每一对通道（CH）进行配对双样本 t 检验。然后，识别所有显著的频率簇。通过将参与者随机重新分配到新的两人小组中，重新指定二元关系，如同这些二元组中的参与者此前从未相互交流过。进行基于簇的置换检验，以确定结果的阈值。在每个时间滞后点重新计算 INS。在新样本中进行配对 t 检验，并识别出显著的频率簇。然后，选择总 T 值最大的簇，再重复上述步骤 1,000 次，以生成最大假阳性 T 值的零分布。将原始样本中每个已识别频率簇的总T值与零分布进行比较，以获得显著的统计结果。本研究进行了模拟分析。代表性分析表明，考虑自相关的时间滞后INS WTC显著高于未考虑自相关的时间滞后INS WTC以及时间滞后INS pWTC。此外，去除自相关效应后的时间滞后 INS WTC 与 INS pWTC 之间无显著差异，表明 pWTC 在消除自相关效应对 INS 影响方面的有效性。在 0.4 至 0.6 赫兹范围内观察到边缘显著的情境效应，其中男性的滞后时间为女性滞后时间之后 4 秒。相比之下，在 INS pWTC 中，仅在 0.4 至 0.6 赫兹范围内观察到显著的情境效应，即男性感觉运动皮层活动滞后于女性 4 秒。在冲突情境下，女性向男性的定向内侧膝状体核（INS）活动显著高于支持情境下的活动。通过格兰杰因果关系方法对内侧膝状体核相位加权三角互相关（INS pWTC）的结果进行了验证，结果显示，INS GC 的模式与 INS pWTC 相似。通过格兰杰因果分析计算得出的从女性到男性的定向脑间同步性（INS）在冲突情境下显著高于支持情境。采用该方法计算神经同步性后，还可进一步进行多种其他分析。例如，可以比较不同社会互动情境之间的定向信息流，或比较不同社会关系中的社会连接。此外，还可以了解不同交流行为对神经同步的贡献。例如，言语交流或非言语交流中，哪一种在神经同步中起着更为重要的作用。

measurement-directional-information-flow-fnirs-hyperscanning-data

Research

科研

JoVE Journal

Neuroscience

神经科学

使用偏小波变换相干法测量 fNIRS-超扫描数据中的定向信息流

本方案描述了如何开展功能性近红外光谱（fNIRS）超扫描实验并分析脑-脑同步性，同时讨论了相关挑战及可能的解决方案。...

使用功能性近红外光谱技术进行超扫描实验

本方案演示了如何使用定制的扩散相关光谱仪器测量人前额叶皮层的静息态功能连接。报告还讨论了实验的实际操作要点以及数据分析的详细步骤。...

基于脑血流的静息态脑功能连接光学漫散斑光谱研究

本文概述了在自然学习环境中对协作学习对组进行功能性近红外光谱（fNIRS）超扫描实验的操作方案，并提出了一种用于分析氧合血红蛋白（Oxy-Hb）信号的脑间同步性（IBS）的数据处理流程。...

开放性协作学习中的脑间同步性：一项基于fNIRS超扫描的研究

当个体之间相互协调时，他们大脑之间的动态关系越来越多地通过脑间同步（IBS）来表征，这主要基于使用功能性近红外光谱成像（fNIRS）进行的同时记录大脑信号（即超扫描）。在fNIRS超扫描研究中，由于小波变换相干性（WTC）方法能够将时间序列扩展到时频空间，从而以高度直观的方式呈现振荡活动，因此IBS通常通过WTC方法进行评估。所观察到的IBS可通过基于排列的试验、搭档和条件随机配对进一步验证。本文提供了一套实验方案，用于描述如何在超扫描研究中通过fNIRS技术获取脑信号，利用WTC方法计算IBS，并通过排列法对IBS进行验证。此外，我们还讨论了使用上述方法时的关键问题，包括fNIRS信号的选择、数据预处理方法以及计算过程中的可选参数。 总之，结合WTC方法与排列检验可能是分析fNIRS超扫描研究中IBS的一种潜在标准流程，有助于提升IBS研究的可重复性与可靠性。...

如何在fNIRS超扫描研究中计算和验证脑间同步性

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。...

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

本方案旨在详细描述在心理咨询中开展fNIRS超扫描研究的方法学，包括实验准备、数据采集过程以及后续的数据分析流程。...

功能性近红外光谱超扫描在心理咨询中的研究

信息连接性用于衡量不同脑区之间多体素信息时间序列的对应关系。通过提取各脑区的多体素模式可分辨性时间序列并进行比较，揭示出在典型功能连接分析方法中无法识别的脑网络。...

利用信息连接性测量fMRI多体素信息随时间的同步出现

嗅觉感觉神经元表达多种轴突分选分子，以建立正确的神经环路。本方案描述了一种免疫组织化学染色方法，用于可视化嗅觉感觉神经元轴突末端处轴突分选分子的组合表达。...

用于可视化嗅觉感觉轴突分子身份编码的嗅球四重免疫染色

本方案描述了如何使用一种 体外...

眼动运动学测量 体外 刺激龟类的脑神经

本研究介绍了一种同步记录自由活动大鼠脑部局部场电位、心电图、肌电图和呼吸信号的方法。该技术可降低实验成本并简化数据分析，有助于深入理解大脑与外周器官之间的相互作用。...

自由活动大鼠皮层局部场电位、心电图、肌电图与呼吸节律的同步记录

学习使用偏小波变换相干法分析fNIRS超扫描数据，识别社交互动中人际神经同步的信息流方向。该方法有效消除信号自相关等混杂因素，为研究社会神经科学中的动态人际交流提供可靠工具。

利用部分小波变换相干性方法测量fNIRS超扫描数据中的定向信息流

探索更多视频