מאמר שיטה

כיצד לחשב ולאמת סינכרון בין-מוחי במחקר היפר-סריקה של fNIRS

DOI:

10.3791/62801

⸱

8 בספטמבר 2021

 ,  ,  ,  ,  ,  , 
1Institute of Brain and Education Innovation, School of Psychology and Cognitive Science, East China Normal University, 2Department of Musicology, Harbin Conservatory of Music, 3Department of Clinical Neuroscience, Karolinska Institutet, 4School of Psychology, Shenzhen University

במאמר זה

סיכום

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

הדינמיקה בין מוחות מצמידים של אנשים מיוצגת יותר ויותר על ידי סנכרון בין מוחות (IBS) כאשר הם מתאמים זה עם זה, בעיקר באמצעות אותות הקלטה בו זמנית של מוח (כלומר היפר-סריקה) עם fNIRS. במחקרי סריקת יתר של fNIRS, IBS נבחן בדרך כלל באמצעות שיטת קוהרנטיות טרנספורמציה גל (WTC) בגלל היתרון שלה על הרחבת סדרות זמן לתוך מרחב תדר זמן שבו תנודות ניתן לראות בצורה אינטואיטיבית מאוד. ניתן לאמת עוד יותר את ה- IBS הנצפה באמצעות השיוך האקראי מבוסס התמורות של גירסת הניסיון, השותף והמצב. כאן, מוצג פרוטוקול כדי לתאר כיצד להשיג אותות מוחיים באמצעות טכנולוגיית fNIRS, לחשב IBS באמצעות שיטת WTC ולאמת IBS על ידי תמורות במחקר hyperscanning. יתר על כן, אנו דנים בנושאים הקריטיים בעת שימוש בשיטות לעיל, כולל הבחירה של אותות fNIRS, שיטות עיבוד מקדים של נתונים ופרמטרים אופציונליים של חישובים. לסיכום, שימוש בשיטת WTC ובתמורת הוא צינור סטנדרטי פוטנציאלי לניתוח IBS במחקרי סריקת יתר של fNIRS, התורם הן לשחזור והן לאמינות של IBS.

תקציר

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

הדינמיקה בין מוחות מצמידים של אנשים מיוצגת יותר ויותר על ידי סנכרון בין מוחות (IBS) כאשר הם מתאמים זה עם זה, בעיקר באמצעות אותות הקלטה בו זמנית של מוח (כלומר היפר-סריקה) עם fNIRS. במחקרי סריקת יתר של fNIRS, IBS נבחן בדרך כלל באמצעות שיטת קוהרנטיות טרנספורמציה גל (WTC) בגלל היתרון שלה על הרחבת סדרות זמן לתוך מרחב תדר זמן שבו תנודות ניתן לראות בצורה אינטואיטיבית מאוד. ניתן לאמת עוד יותר את ה- IBS הנצפה באמצעות השיוך האקראי מבוסס התמורות של גירסת הניסיון, השותף והמצב. כאן, מוצג פרוטוקול כדי לתאר כיצד להשיג אותות מוחיים באמצעות טכנולוגיית fNIRS, לחשב IBS באמצעות שיטת WTC ולאמת IBS על ידי תמורות במחקר hyperscanning. יתר על כן, אנו דנים בנושאים הקריטיים בעת שימוש בשיטות לעיל, כולל הבחירה של אותות fNIRS, שיטות עיבוד מקדים של נתונים ופרמטרים אופציונליים של חישובים. לסיכום, שימוש בשיטת WTC ובתמורת הוא צינור סטנדרטי פוטנציאלי לניתוח IBS במחקרי סריקת יתר של fNIRS, התורם הן לשחזור והן לאמינות של IBS.

מבוא

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

כאשר אנשים מתואמים עם אחרים, המוח והגוף שלהם הופכים ליחידה זוגית באמצעות הסתגלות הדדית מתמשכת. הצימוד בין המוחות יכול להיות מיוצג על ידי סנכרון בין מוחות (IBS) באמצעות גישת היפר-סריקה, אשר בו זמנית מתעדת אותות מוח של שני אנשים או יותר1. ואכן, גוף גדל והולך של מחקרי היפר-סריקה fNIRS / EEG מצא IBS בהקשרים שונים שלשיתוףפעולה, כולל הקשה על אצבע 2 , הליכה קבוצתית3,משחק תופים4,גיטרה מנגנת5, ושירה / זמזום6. fNIRS נמצא בשימוש נרחב למחקר של IBS במהלך אינטראקציה חברתית, כפי שהוא פחות מגביל את תנועות הראש / הגוף בהגדרות טבעיות יחסית (לעומת fMRI / EEG)7.

המאמר מציג פרוטוקול לחישוב IBS באמצעות שיטת קוהרנטיות טרנספורמציה גל (WTC) במחקר hyperscanning של fNIRS. WTC היא שיטה להערכת המתאם הצולב בין שני אותות תנועה במישור תדר הזמן, ולכן, יכולה לתת מידע רב יותר מאשר ניתוח המתאם המסורתי (למשל, מתאם פירסון ומתאם צולב), שהוא רק בתחום הזמן8. בנוסף, אותות המודינמיים הופכים לרכיבי גל, אשר יכולים להסיר ביעילות את הרעש בתדר נמוך. למרות WTC הוא זמן רב, זה היה השיטה הנפוצה ביותר של חישוב IBS בחיקוי פעולה9, התנהגות שיתופית10, תקשורת מילולית11, קבלת החלטות12, ולמידה אינטראקטיבית13.

המאמר מציג גם כיצד לאמת IBS עם paring אקראי מבוסס תמורות של ניסויים, תנאים ומשתתפים. IBS במחקרי hyperscanning מוצע תמיד לעקוב אחר אינטראקציה חברתית מקוונת בין אנשים, בעוד זה יכול להתפרש גם על ידי הסברים אחרים, כגון דמיון גירוי, דמיון תנועה, או דמיון מצב14. מבחן תמורות, המכונה גם מבחן אקראיות, ניתן למנף כדי לבדוק את השערות האפס הנ"ל באמצעות דגימה מחדש של הנתונים שנצפו15. באמצעות תמורות, כדאי לחקור אם IBS שזוהה הוא ספציפי להתנהגות אינטראקטיבית, החל אפנון של IBS בתוך dyads בין קבוצות שלשותפים 16.

הפרוטוקול המתואר כאן מפרט כיצד להשיג אותות מוחיים באמצעות טכנולוגיית fNIRS, לחשב IBS באמצעות שיטת WTC ולאמת IBS על ידי בדיקת תמורות במחקר היפר-סריקה. מחקר זה נועד לבחון אם IBS מיוחס מופעל על ידי מדי מוסיקה במהלך תיאום חברתי. אותות המוח נרשמו בקליפת המוח הקדמית, בהתבסס על המיקום של IBS בממצא קודם1. המשימה הניסיונית פותחה במקור על ידי Konvalinka והמכללות שלה17, שבו המשתתפים התבקשו להקיש על האצבעות שלהם עם משוב שמיעתי מן השותף או עצמם לאחר האזנה לגירויים מטר או לא מטר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

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

הפרוטוקול שהוצג כאן אושר על ידי ועדת האוניברסיטה להגנה על מחקר אנושי של אוניברסיטת מזרח סין נורמלית.

1. הכנה לניסוי

  1. המשתתפים
    1. גייסו קבוצה של סטודנטים לתואר ראשון ושני עם פיצוי כספי על ידי הפרסום בקמפוס.
    2. ודאו שהמשתתפים ימניים ויש להם ראייה ושמיעה תקינים או מתוקנים לנורמליים. ודא שהם לא למדו מוסיקה או למדו אותה פחות מ -3 שנים קודם לכן.
    3. התאם באופן אקראי לתלמידים בדיאדים. כדי לשלוט בהשפעה הפוטנציאלית של היכרות עם בני הזוג על תיאום חברתי18, ודא שחברי כל דיאד לא ראו או הכירו זה את זה בעבר.
  2. גירוי ניסיוני
    1. צור את הגירויים השמיעה (440 הרץ, 660 ms גוונים טהורים) על ידי כל הרכב מוסיקה חינם ותוכנת רישום.
    2. חזור על הצלילים במרווח של 500-1000 אלפיות שני ולשלב אותם לרצף צלילים. כל רצף צלילים ארוך ב-12 ומהווה 12 גוונים.
    3. עבור רצף צלילים אחד, הדגיש כל צליל ראשון (+6 dB) כדי ליצור את התבנית של אופטימים ואופטימיים, המוגדרים כגירוי מטר(שמע משלים 1). ברצף הצליל השני, unaccent את הצלילים בעוצמה שווה (40 dB מעל סף התחושה האישית, שנאסף לפני משימת הניסוי), אשר התאים לגירוי שאינו מטר (אודיו משלים 2).
  3. משימה ניסיונית
    1. תכנת את המשימה הניסיונית באמצעות כלי תוכנה פסיכולוגי.
    2. ארגן שני שלבים למשימה הניסיונית (איור 1A) כמתואר בשלבים 1.3.3-1.3.6.
    3. מצב מנוחה שני: בקשו מהמשתתפים להישאר ללא תנועה ככל האפשר כשמוחם רגוע ועיניים עצומות.
    4. משימת הקשה באצבע: בקשו מהמשתתפים להשלים שני חלקים: חלק תיאום וחלק עצמאות.
    5. במהלך החלק של התיאום, ספק משוב שמיעתי (כלומר, צליל טפטוף המתאים לברז אחד) לכל משתתף רק עבור התגובה שנוצרה על ידי החבר השני של dyad. בקש מהמשתתפים לנסות כמיטב יכולתם להגיב באופן סינכרוני עם החבר השני.
    6. עבור חלק העצמאות, ודא ששני המשתתפים קיבלו את המשוב השמיעה (כלומר, צליל טפטוף המתאים לברז אחד) של התגובות שלהם ולבקש מהם להגיב באופן סינכרוני עם הגירוי השמיעה בדיוק ככל האפשר.
      הערה: בשילוב עם גירויים מטר ולא מטר, המשתתפים מצאו את עצמם באחד מארבעה תנאים שונים: (i) תיאום מטר - שני המשתתפים שמעו מטרים, ואת התגובות אחד מהשני; (ii) תיאום ללא מטר - שני המשתתפים שמעו אי-מטרים והתגובות זה מזה; (iii) עצמאות מטר - שני המשתתפים שמעו מטרים ואת התגובות מעצמם; (4) עצמאות ללא מטר - שני המשתתפים שמעו ללא מטרים ואת התגובות מעצמם.
    7. עבור כל ניסוי, תן למשתתפים לשמוע תחילה קטע מהגירוי השמיעה (12 s) ואחריו צליל (262 הרץ, 1000 אלפיות השנייה) המשמש כסימן להתחיל להקיש על האצבע.
    8. בקש מהמשתתפים לשחזר את הגירוי שהם שמעו קודם על ידי הקשה על האצבע המורה הימנית שלהם על המקלדת (משתתף #1: "f"; משתתף #2: "j"). המשתתפים חייבים להקיש 12 פעמים תוך שמירה על מרווח זמן זהה בין צלילים כמו הגירוי שהוצג בעבר.
      הערה: היו 60 ניסויים שהוקצו באופן שווה ב 4 בלוקים המתאימים 4 תנאי הניסוי, כלומר 15 ניסויים בבלוק אחד. סדר הבלוקים היה מאוזן. משך הזמן הכולל של פעילות ההקשה היה כ-26 דקות.
    9. בין בלוקים, תן למשתתפים לנוח במשך 30 s.
    10. במהלך כל הניסוי, אל תאפשר למשתתפים לתקשר באמצעות שפה או תנועה כלשהי. הפרד את המשתתפים באמצעות צג המחשב כדי לחסום כל מידע חזותי שעשוי להעביר הודעות ביניהם.
  4. כובעי fNIRS תוצרת בית: קנו שני כובעי שחייה אלסטיים בגודל רגיל. כדי לכסות את אזור המוח של עניין, לתקן את כובעי השחייה כמתואר בשלבים הבאים:
    1. שים כובע שחייה אחד על צורת ראש, ולאחר מכן לשים כובע EEG סטנדרטי 10-20 על כובע השחייה.
    2. סמן את המיקום של FCz על כובע השחייה עם סמן קסם אדום.
    3. תוריד את מכסה האא"ג מצורת הראש.
    4. שים תיקון בדיקה optode אחד (3 x 5 הגדרה) על מכסה השחייה, יישור האמצעי של שורת הבדיקה השנייה של התיקון עם המיקום המסומן של FCz.
      הערה: תיקון הבדיקה optode כלל 15 מיקומים של בדיקות optode (כלומר, 8 פולטים ו 7 גלאים), יצירת 22 ערוצי מדידה עם הפרדת optode 3 ס"מ (איור 1B).
    5. סמן את מיקומם של 15 הבדיקות של הטלאי על כובע השחייה.
    6. תוריד את הטלאי ואת כובע השחייה מצורת הראש.
    7. לחתוך 15 חורים קטנים על המיקומים המסומנים של 15 בדיקות עם זוג מספריים.
    8. הר את התיקון על כובע השחייה שונה על ידי הטמעת המיקומים של 15 בדיקות לתוך 15 החורים המתאימים.
    9. לתקן את כובע השחייה האחר על פי התהליך הנ"ל.
      הערה: כובע fNIRS תוצרת בית, שבו המיקומים של optodes הם לפי מיקומי EEG סטנדרטיים, הועסקו כמו לא היו כובעי EEG סטנדרטיים ישימים עבור מערכת fNIRS בשימוש במחקר זה. אין צורך לבצע כובע fNIRS אם יש כובעי EEG סטנדרטיים מתאימים עם מערכת fNIRS.

2. לפני הגעת המשתתפים

הערה: יש להקפיד לבצע את השלבים 2.1-2.5 לפני שהמשתתפים מגיעים למעבדה.

  1. הזכר לשני המשתתפים דיאד אחד לבוא למעבדה לפי לוח הזמנים המוסכם.
  2. הפעל את מערכת fNIRS לפחות 30 דקות מראש, משאיר את הלייזר כבוי.
  3. הכנס את בדיקות optode ממערכת fNIRS לתוך תיקוני בדיקה optode.
  4. בדוק את הפרמטרים של מדידת fNIRS (כלומר, מזהה נושא, המצב הקשור לאירוע, סידור הבדיקה optode).
  5. הגדר את המנגנון הניסיוני עם שולחן אחד, שני כיסאות, שני צגי מחשב בנפח 19 ושני זוגות אוזניות(איור 1C).

3. הגעת משתתף למעבדה

הערה: מאוד מעריך את שני המשתתפים של dyad אחד כאשר הם מגיעים למעבדת fNIRS. בקש מהם לשים את הטלפון שלהם במצב שקט ולהשאיר באופן זמני את חפציהם האישיים בארון. לאחר מכן, בצע את התהליכים הבאים ברצף:

  1. לפני שהמשתתפים יושבים, תאשרו מחדש ששני המשתתפים לא ראו אחד את השני בעבר. ודא שהם לא מתקשרים זה עם זה באמצעות כל שפה או תנועה בזמן שהם במעבדה.
  2. ספק למשתתפים טפסי הסכמה מדעת שאושרו על ידי ועדת האוניברסיטה למחקר אנושי.
  3. להנחות את המשתתפים על פרטי המשימה הניסיונית. בקש מהם ללבוש אוזניות ולתת להם כמה ניסויים תרגול.
  4. בניסויי התרגול, אפשר לשני המשתתפים של כל דיאד להתאמן יחד.
    הערה: לפני חבישת כובע fNIRS, כדאי למדוד ולקבוע את גודל הראש עבור כל משתתף באמצעות כלל גמיש. לאחר מכן בחר את מכסה הגודל הנכון עבור המשתתף בהתאם לגודל הראש שלו. במחקר זה, צעד כזה הוחמץ כמו כובעי שחייה בגודל אחד שימשו. עדיף לבצע את השלב הזה ביום שלפני הניסוי מכיוון שהפעולות היחסיות (כלומר, מדידת גודל הראש, בחירת מכסה השחייה בגודל הנכון, הרכבת טלאי הגשושית optode לכובע השחייה והכנסת הגשושיות optode לתוך טלאי הגשושית) גוזלות זמן רב (כ -20-30 דקות).
  5. שים את כובע fNIRS על ראש המשתתפים עם מרכז הכובע מצביע על המיקום של CZ, ומניחים את הבדיקה optode האמצעי של שורת הבדיקה השנייה של התיקון ב- FCz.
  6. הפעל את מערכת fNIRS כדי לבצע את כיול האות כאשר הלייזר מופעל.
  7. אם אין אות לא מספיק בערוץ כלשהו, להתאים את עוצמת האות עם מקל סיבים בעדינות לשים את השיער מתחת לקצה הבדיקה שמסביב בצד.
  8. במידת הצורך, לחץ על הבדיקות בעדינות אך הקפד לא לפגוע במשתתפים.
  9. חזור על שלבים 3.5-3.8 עד שאיכות האות תהיה נגישה. ודא שהמשתתפים מרגישים בנוח במהלך כל התהליך של כיול האות.
  10. עזרה למשתתפים למצוא יציבה נוחה לעצמם (למשל, תנוחות גוף נוחות). הזכר למשתתפים לשמור על ראשם ללא תנועה ככל האפשר במהלך המשימה הניסיונית כולה (כלומר, כ -26 דקות).
  11. בדוק שוב את איכות אותות NIRS. אם יש די אותות בכל הערוצים, הפעל את הליך הניסוי במחשב השולחני.
  12. עזור למשתתפים להוריד את האוזניות ואת מכסה fNIRS עם השלמת ההליך הניסיוני. החזירו את חפציהם האישיים ותודו להם בפיצוי כספי.
  13. הפעל את מערכת fNIRS כדי לשמור נתונים. השתמש בדיסק כדי לייצא נתוני fNIRS גולמיים (.csv) ולהשתמש ב- USB כדי להעתיק את הנתונים ההתנהגותיים מהמחשב.
  14. סגור את מערכת fNIRS ואת המחשב אם אין סידור ניסיוני יותר.
  15. שמור את מחברת המעבדה מוכנה לציין את כל האירועים, במיוחד חריגות במהלך הניסוי כולו.

4. ניתוח נתונים

הערה: בצע את כל ניתוח הנתונים באמצעות תוכנת MATLAB, עם ארגזי הכלים הבאים: HOMER219, Hitachi2nirs20, xjView21, Cross Wavelet ו- Wavelet Coherence22, והתסריטים של Groppe ב- MathWork23.

  1. עיבוד מקדים של נתונים
    1. כדי לבדוק את איכות הנתונים, בצע את שלבים 4.1.2-4.1.3
    2. קרא את קבצי הנתונים (.csv) עבור כל משתתף עם הפונקציה readHitachData של xjView.
      הערה: בדרך זו, נתוני המדידה של היטאצ'י (תבנית csv) מומרים לנתוני oxyHb/deoxyHb/marker עם המידע שנשמר במדידה (כלומר, אורך גל, Timedata ורשימת ערוצים).
    3. בדוק חזותית את האיכות בערכי oxyHb ו- deoxyHb על-ידי התוויית סדרת הזמן של כל הערוצים באיור אחד, עם עלילת הפונקציהTraces של xjView.
      הערה: קל לזהות חריגות בנתונים. הערוץ שיש לו הרבה רעש ניתן לא לכלול בניתוח הבא.
    4. המר קבצי היטאצ'י (.csv) לתבנית קבצי .nirs עם הפונקציה csv2nirs של Hitachi2nirs, התומכת בעיבד מקדים נוסף של נתונים עם Homer2.
    5. הפוך את הנתונים הגולמיים לצפיפות אופטית עם הפונקציה hmrIntensity2OD של Homer2.
    6. השתמש ניתוחי רכיבים עיקריים (PCA)24 כדי להסיר את הרעש הפיזיולוגי העולמי של fNIRS באמצעות הפונקציה enPCAFilter (nSV = 0.8, כלומר 80% מההשתתפות של הנתונים הוסרה) של Homer2.
    7. השתמש בשיטת שיפור האות מבוססת המתאם (CBSI)25 כדי להסיר חפצים לתנועת ראש באמצעות הפונקציה hmrMotionCorrect_Cbsi של Homer2.
    8. השתמש בחוק באר-למברט שונה כדי להפוך את הצפיפות האופטית המעובדת לערכי oxyHb ו- deoxyHb עם הפונקציה hmrOD2Conc של Homer2.
  2. חישוב IBS
    הערה: עבור ערכי oxyHb מעובדים מראש, השתמש ב- WTC כדי לחשב את ערכי העקביות עבור זוג הערוצים שהם מאותו מיקום של dyad, כולל הצינור הבא:
    1. אמץ את פונקציית wtc של תיבת הכלים Cross Wavelet ו- Wavelet Coherence עם פרמטרי ברירת מחדל כדי לחשב את ערכי העקביות בכל פעם ונקודת תדירות כדי להשיג מטריצה דו-צירית של ערכי קוהרנטיות.
    2. עבור הפרמטרים ברירת המחדל, להשתמש גל אמא מורלט, כדי להפוך כל פעם סידרה לתוך תחום הזמן והתדירות על ידי טרנספורמציה גל רציף.
    3. בחר MonteCarloCount כדי לייצג את מספר ערכות הנתונים החלופניות בחישוב המשמעות ובחר AR1 אוטומטי כדי לחשב את מקדמי התיקון האוטומטי של סידרת הזמן.
    4. בחר רצועת תדירות של עניין (FOI) כאמור בשלבים 4.2.5-4.2.8.
    5. בחר וממוצע ערכי קוהרנטיות של רצועת התדר בין 0.5-1 Hz (בהתאמה מתאים לתקופה 2 s ו- 1 s), בהתאם לרצועת התדר המשמשת במשימת תנועת האצבעות של מחקר קודם של fNIRS hyperscanning9. FOI כזה גם התאים לתקופה של הקשה אחת במשימה הניסיונית. לכן, להשיג עמודה אחת של ערכי קוהרנטיות עבור כל זוג.
      הערה: כדי להמשיך ולאשר סטטיסטית FOI, לחשב את ערכי קוהרנטיות עבור כל dyad על פני טווח התדרים המלא (כלומר, 0.008-10 הרץ עבור הנתונים), ולא רק confining רצועת התדר שנבחרה (כלומר, 0.5-1 הרץ).
    6. ממוצע ערכי העקביות של חלונות הזמן המיועדים (זהים ל- 4.2.3) עבור כל נקודת תדר.
    7. לאחר מכן, נתח את ערכי העקביות הממוצעים בעקבות הצינור המתואר בשלבים 4.2.9-4.2.11 ואת הנתונים הסטטיסטיים הבאים (כלומר, 4.3.1 - 4.3.2) עבור כל נקודת תדירות.
    8. לבסוף, בדוק חזותית FOI על-ידי התוויית ערכי ה- z הסטטיסטיים של כל ערוץ בתדר.
    9. בחר וממוצע ערכי העקביות של חלון הזמן במהלך מצב המנוחה (חלון זמן עבור מצב מנוחה של 20 s) וכל מצב ניסיוני (כלומר, תיאום מטר, תיאום ללא מטר, עצמאות מטר ועצמאות שאינה מטר), בהתאמה, באמצעות מידע של סימן. לכן, להשיג חמישה ערכי קוהרנטיות עבור כל דיאד.
    10. עבור הפעלת הפעילות, בחר רק את משך הזמן שבמהלכו המשתתפים הקשו כדי לשחזר את הגירוי השמיעה, כ -12 s עבור כל ניסוי, ובכך סה"כ 180 s (כלומר, 12 s x 15 ניסויים) עבור כל מצב ניסיוני.
      הערה: IBS חושב כעלייה קוהרנטיות (ערכי קוהרנטיות מופחתים גדולים יותר מאפס), כלומר ערכי קוהרנטיות גדולים יותר בהפעלת הפעילות בהשוואה לערכים בהפעלת מצב המנוחה.
    11. הפחת את ערך העקביות במנוחה מערך העקביות הקשור למשימה, בהתאמה, שבו ערך העקביות במהלך מצב המנוחה שימש כבסיס בניסוי זה.
      הערה: על-ידי חזרה על השלבים לעיל (4.2.1-4.2.11) בערוצים שונים (כלומר, 22 ערוצים) ודיאדים (כלומר, 16 דיאדים), הושגו לבסוף ערכי העקביות המופחתים עבור כל דיאד בכל ערוץ.
  3. סטטיסטיקה
    1. השווה את ערכי העקביות המופחתים לאפס בכל ערוץ עבור כל מצב ניסיוני, תוך שימוש בדגימות המשוכות t-test עם פונקציית mult_comp_perm_t1 של עבודתו של Groppe (5000 תמורות כדי להעריך את התפלגות השערת האפס; רמת אלפא רצויה מבחינה משפחתית - 0.05; בדיקה דו-זנבית, כלומר ההשערה החלופית היא שממוצע הנתונים שונה מ- 0) כהפצת נתונים חריגה וגודל מדגם מוגבל בזרם ניסוי26.
      הערה: מבחן התמורות של הדגימות המשויפות כאן דומה לבדיקת t מזווגת, אך האחרונה מניחה שהנתונים מופצים בדרך כלל, ואילו הראשונה לא. מבחן כזה מתחיל באותו אופן כמו מבחן t מזווג, כלומר, על ידי חישוב ציון t (כלומר, ציון t אמיתי) עבור ערכי העקביות בקבוצות שונות (האחד הוא ערכי קוהרנטיות מופחתים בתנאי המשימה, השני הוא אפסים). לאחר מכן, תמורות נוצרות על-ידי החלפת ערכי העקביות של קבוצות שונות, וציון t חדש מחושב עבור ערכי העקביות והאפסים המופחתים לאחר התמורות האלה. תמורות כאלה מתבצעות 5000 פעמים. לכן, 5000 t ציונים מתקבלים. בהתפלגות של ציוני 5000 t, המיקום היחסי של ציון t האמיתי יוצר את ערך ה- p עבור ערכי העקביות המופחתים.
    2. תקן את ערכי ה- p (כלומר, עקב בעיית ההשוואה המרובה, וצור מההשוואות על פני 22 ערוצים בתיקון אחד) בשיטת שיעור גילוי שווא(p < 0.05)27. בצע תיקון זה באמצעות פונקציית mafdr של ארגז הכלים MATLAB.
      הערה: אם ערך ה- p בערוץ כלשהו היה משמעותי (כלומר, p < 0.05) לאחר תיקון FDR, יש IBS בערוץ זה.
    3. השווה את ערכי העקביות בין תנאי פעילות שונים בערוץ שבו IBS היה קיים, באמצעות מבחן t של התמורות של הדגימות המשויכת עם פונקציית mult_comp_perm_t1 של עבודתו של Groppe (אותם פרמטרים כאמור בשלב 4.3.1).
      הערה: כדי לבחון באופן אינטואיטיבי את ה- IBS במהלך תיאום בינאישי לגבי גירויים של מטר לעומת גירויים שאינם מטר, השווה את ערכי הקוהרננטיות של תנאים שונים ישירות (כלומר, תיאום מטר לעומת תיאום שאינו מטר; תיאום מטר לעומת עצמאות מטר).
    4. חשב את הביצועים ההתנהגותיים לפי ההפרש המוחלט בין זמן התגובה של השותפים חלקי סכום התגובות של שני השותפים56.
    5. להעריך את הקשר בין IBS וביצועים התנהגותיים באמצעות מבחן התמורות המבוסס על ניתוח מתאם ליניארי פירסון (כלומר, הפונקציה mult_comp_perm_corr של עבודתו של Groppe).
  4. אימות IBS
    הערה: כדי לא לכלול את ההסברים כי גירויים דומים, תנועות או תנאים גרמו IBS המודגם, להשתמש במבחן תמורות כגישה אימות, עם שלוש תמורות (כלומר, בתוך dyad, בין dyad, ובין תמורות מצב), כלל את הדברים הבאים:
    1. אקראי התווית של ניסויים במצב תיאום מטר (כלומר, בתוך תמורות dyad, כגון ניסוי #1 וניסיון #13 בדיאד #1) עבור דיאד אחד בכל ערוץ באמצעות פונקציית randperm של MATLAB.
    2. בצע את הצינור לעיל של חישוב IBS וסטטיסטיקה (כלומר, סעיפים 4.2 ו- 4.3, אך לא כולל ניתוח הרגישות עבור FOI) עבור תווית הניסיון האקראית.
      הערה: חשב ערכי קוהרנטיות של הזוג המזויף עבור כל תנאי בנפרד, וחשב עלייה קוהרנטית עבור הזוג המזויף (כלומר, להפחית את ערך קוהרנטיות המנוחה מערך קוהרנטיות הקשור למשימה עבור הזוג המזויף).
    3. נהל את התמורות 1000 פעמים, ואחריו את צינור חישוב IBS וסטטיסטיקה (סעיפים 4.2 ו-4.3).
    4. התווה את ההתפלגות של ערכי z סטטיסטיים שנוצרו בתוך תמורות dyad.
    5. ביצוע שלבים 4.4.2-4.4.4 על ידי זיווג אקראי של המשתתפים באותו ניסוי במצב תיאום מטר (כלומר, בין תמורות dyad, כגון משתתף #1 בדיאד #1 ומשתתף #1 בדיאד #3).
    6. ביצוע שלבים 4.4.2-4.4.4 על-ידי אקראיות תווית התנאים עבור אותם חברים בדיאד אחד באותו ניסוי (כלומר, בין תמורות מצב, כגון משתתף #1 בתנאי תיאום מטר ומשתתף #2 במצב עצמאות מטר).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

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

התוצאות הראו כי היה IBS בערוץ 5 בתנאי תיאום מטר, בעוד שלא היה IBS קיים בתנאים אחרים (כלומר, עצמאות מטר, תיאום שאינו מטר, עצמאות שאינה מטר; איור 2א). בערוץ 5, ה-IBS בתנאי תיאום המונים היה גבוה משמעותית מערכי העקביות בתנאי התיאום והעצמאות של המונה(איור 2B). ערוץ 5 היה שייך בערך לקליפת המוח הקדם-מצחית הדו-צדדית השמאלית (DLPFC; אזור ברודמן 9). יתר על כן, ניתוח התמורות הראה כי IBS שנצפה כנראה הציג בשני אנשים של dyad אחד שניסו להסתנכרן אחד עם השני בזמן התאים, אבל לא ב...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

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

פרוטוקול זה מספק הליך שלב אחר שלב לחישוב ולאימות IBS, תוך שימוש בגישה של סריקת יתר של fNIRS כדי לאסוף בו-זמנית אותות מוחיים של שני משתתפים. להלן נדונות כמה סוגיות קריטיות הכרוכות בעיפול מקדים של נתוני fNIRS, חישוב IBS, סטטיסטיקה ואימות IBS.

עיבוד מקדים של נתונים
יש צורך מעבד מראש נתוני fNIRS במחקרי hyperscanning כדי לחלץ אותות אמיתיים מהרעש האפשרי (כלומר, ממצאי תנועה, רכיבים מערכתיים). למרות עיבוד מקדים הוא דילג בעת ניתוח IBS במחקרים קודמים fNIRS hyperscanning

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

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

למחברים אין מה לחשוף.

תודות

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

מחקר זה נתמך על ידי: הקרן הלאומית למדעי הטבע של סין (31872783, 31800951).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
חברתפיתוח מחשבים היולט פקארד, L.P.HP S01-pF157mcn
רויאל פיליפס אלקטרוניקה, איינדהובן, הולנדSHE2405BK/00
כובע EEGCompumedics Neuroscan, שארלוט, ארה"ב64 ערוצים Quik-Cap
E-Prime softwarePsychology Software Tools, Inc., פיטסבורג, ארה"בE-Prime 3
fNIRS מערכתHitachi Medical Corporation, טוקיו, יפןETG-7100 מערכת
MATLAB 2014bThe MathWorks, Inc., Natick, MAMATLAB 2014b
MuseScoreMusescore Company, בלגיהMuseScore 3.6.2.548021803
כובע שחייהDecathlon Group, Villeneuve-d'Ascq, France1681552
אוזניות טופוגרפיה אופטית

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kingsbury, L., Hong, W. A Multi-Brain Framework for Social Interaction. Trends in Neurosciences. 43 (9), 651-666 (2020).
  2. Konvalinka, I., Bauer, M., Stahlhut, C., Hansen, L. K., Roepstorff, A., Frith, C. D. Frontal alpha oscillations distinguish leaders from followers: multivariate decoding of mutually interacting brains. NeuroImage. 94, 79-88 (2014).
  3. Ikeda, S., et al. Steady Beat Sound Facilitates both Coordinated Group Walking and Inter-Subject Neural Synchrony. Frontiers in Human Neuroscience. 11, 147(2017).
  4. Duan, L., et al. Cluster imaging of multi-brain networks (CIMBN): a general framework for hyperscanning and modeling a group of interacting brains. Frontiers in Neuroscience. 9, 267(2015).
  5. Sanger, J., Muller, V., Lindenberger, U. Intra- and interbrain synchronization and network properties when playing guitar in duets. Frontiers in Human Neuroscience. 6, 312(2012).
  6. Muller, V., Delius, J. A. M., Lindenberger, U. Hyper-frequency network topology changes during choral singing. Frontiers in Physiology. 10, 207(2019).
  7. Egetemeir, J., Stenneken, P., Koehler, S., Fallgatter, A. J., Herrmann, M. J. Exploring the neural basis of real-life joint action: Measuring brain activation during joint table setting with functional near-infrared spectroscopy. Frontiers in Human Neuroscience. 5, 95(2011).
  8. 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).
  9. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
  10. 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).
  11. Jiang, J., Dai, B., Peng, D., Zhu, C., Liu, L., Lu, C. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  12. Tang, H., Mai, X., Wang, S., Zhu, C., Krueger, F., Liu, C. Interpersonal brain synchronization in the right temporo-parietal junction during face-to-face economic exchange. Social Cognitive and Affective Neuroscience. 11 (1), 23-32 (2016).
  13. 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).
  14. Konvalinka, I., Roepstorff, A. The two-brain approach: how can mutually interacting brains teach us something about social interaction. Frontiers in Human Neuroscience. 6, 215(2012).
  15. Karlsson, A. Permutation, parametric, and bootstrap tests of hypotheses. Journal of the Royal Statistical Society Series a-Statistics in Society. 169, 171(2006).
  16. Ayrolles, A., et al. HyPyP: a Hyperscanning python pipeline for inter-brain connectivity analysis. Social Cognitive and Affective Neuroscience. 16 (1-2), 72-83 (2021).
  17. Konvalinka, I., Vuust, P., Roepstorff, A., Frith, C. D. Follow you, follow me: continuous mutual prediction and adaptation in joint tapping. Quarterly Journal of Experimental Psychology. 63 (11), 2220-2230 (2010).
  18. Majolo, B., et al. Human friendship favours cooperation in the iterated prisoner's dilemma. Behaviour. 143, 1383-1395 (2006).
  19. Homer2. , Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  20. Hitachi2nirs. , Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  21. xjview. , Available from: https://www.alivelearn.net/xjview/ (2021).
  22. Cross Wavelet and Wavelet Coherence toolbox. , Available from: http://grinsted.github.io/wavelet-coherence/ (2021).
  23. Groppe's scripts in MathWork. , Available from: https://uk.mathworks.com/matlabcentral/profile/authors/1948879 (2021).
  24. 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).
  25. 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).
  26. Lumley, T., Diehr, P., Emerson, S., Chen, L. The importance of the normality assumption in large public health data sets. Annual Review of Public Health. 23 (1), 151-169 (2002).
  27. Benjamini, Y., Yekutieli, D. The control of the false discovery rate in multiple testing under dependency. Annals of Statistics. 29 (4), 1165-1188 (2001).
  28. Miller, B. L., Cummings, J. L. The human frontal lobes: Functions and disorders. , Guilford Press. New York. (2007).
  29. vanden Bos, W., van Dijk, E., Westenberg, M., Rombouts, S. A. R. B., Crone, E. A. What motivates repayment? Neural correlates of reciprocity in the Trust Game. Social Cognitive and Affective Neuroscience. 4 (3), 294-304 (2009).
  30. Corbetta, M., Shulman, G. L. Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience. 3 (3), 201-215 (2002).
  31. Ferreri, L., Aucouturier, J. J., Muthalib, M., Bigand, E., Bugaiska, A. Music improves verbal memory encoding while decreasing prefrontal cortex activity: an fNIRS study. Frontiers in Human Neuroscience. 7, 779(2013).
  32. 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).
  33. Hu, Y., Hu, Y., Li, X., Pan, Y., Cheng, X. Brain-to-brain synchronization across two persons predicts mutual prosociality. Social Cognitive and Affective Neuroscience. 12 (12), 1835-1844 (2017).
  34. Delgado Reyes, L. M., Bohache, K., Wijeakumar, S., Spencer, J. P. Evaluating motion processing algorithms for use with functional near-infrared spectroscopy data from young children. Neurophotonics. 5 (2), 025008(2018).
  35. 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), 11014(2005).
  36. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  37. 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(2010).
  38. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical Engineering Online. 9 (1), (2010).
  39. Barker, J. W., Aarabi, A., Huppert, T. J. Autoregressive model based algorithm for correcting motion and serially correlated errors in fNIRS. Biomedical Optics Express. 4 (8), 1366-1379 (2013).
  40. Gagnon, L., et al. Short separation channel location impacts the performance of short channel regression in NIRS. NeuroImage. 59 (3), 2518(2012).
  41. Di Lorenzo, R., et al. Brain responses to faces and facial expressions in 5-month-olds: An fNIRS study. Frontiers in Psychology. 10, 1240(2019).
  42. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomed Opt Express. 9 (8), 3805-3820 (2018).
  43. Hamilton, A. Hype, hyperscanning and embodied social neuroscience. PsyArXiv. , (2020).
  44. 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).
  45. Ikeda, S., et al. Steady beat sound facilitates both coordinated group walking and inter-subject neural synchrony. Frontiers in Human Neuroscience. 11, 147(2017).
  46. Osaka, N., et al. How two brains make one synchronized mind in the inferior frontal cortex: fNIRS-based hyperscanning during cooperative singing. Frontiers in Psychology. 6, 1811(2015).
  47. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  48. Hou, Y., Song, B., Hu, Y., Pan, Y., Hu, Y. The averaged inter-brain coherence between the audience and a violinist predicts the popularity of violin performance. NeuroImage. 211, 116655(2020).
  49. Baker, J. M., et al. Sex differences in neural and behavioral signatures of cooperation revealed by fNIRS hyperscanning. Scientific Reports. 6, 26492(2016).
  50. Kruppa, J. A., et al. Brain and motor synchrony in children and adolescents with ASD-a fNIRS hyperscanning study. Social Cognitive and Affective Neuroscience. 16 (1-2), 103-116 (2021).
  51. Liu, T., Duan, L., Dai, R., Pelowski, M., Zhu, C. Team-work, Team-brain: Exploring synchrony and team interdependence in a nine-person drumming task via multiparticipant hyperscanning and inter-brain network topology with fNIRS. NeuroImage. 237, 118147(2021).
  52. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 2405(2018).
  53. Li, R., Mayseless, N., Balters, S., Reiss, A. L. Dynamic inter-brain synchrony in real-life inter-personal cooperation: A functional near-infrared spectroscopy hyperscanning study. NeuroImage. 238, 118263(2021).
  54. Boas, D. A., Dale, A. M., Franceschini, M. A. Diffuse optical imaging of brain activation: approaches to optimizing image sensitivity, resolution, and accuracy. NeuroImage. 23, 275-288 (2004).
  55. Ferrari, M., Quaresima, V. A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application. NeuroImage. 63 (2), 921-935 (2012).
  56. Mu, Y., Guo, C., Han, S. Oxytocin enhances inter-brain synchrony during social coordination in male adults. Social Cognitive and Affective Neuroscience. 11 (12), 1882-1893 (2016).
  57. Chen, J., et al. Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. 20 (1), 115-125 (2017).
  58. Regev, M., et al. Propagation of Information Along the Cortical Hierarchy as a Function of Attention While Reading and Listening to Stories. Cerebral Cortex. 29 (10), 4017-4034 (2019).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

Wavelet Transform CoherencePermutation AnalysisBrain Signal ProcessingPrincipal Component AnalysisMotion Artifact CorrectionFrequency Band SelectionFalse Discovery RateDyad Synchronization

מאמרים קשורים