Articolo metodologico

Come calcolare e convalidare la sincronizzazione inter-cervello in uno studio di iperscansione fNIRS

DOI:

10.3791/62801

⸱

8 settembre 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

In questo articolo

Sommario

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

Le dinamiche tra cervelli accoppiati di individui sono state sempre più rappresentate dalla sincronizzazione inter-cerebrale (IBS) quando si coordinano tra loro, per lo più utilizzando segnali di registrazione simultanea del cervello (vale a dire iperscansione) con fNIRS. Negli studi di iperscansione fNIRS, l'IBS è stato comunemente valutato attraverso il metodo della coerenza della trasformazione wavelet (WTC) a causa del suo vantaggio nell'espandere le serie temporali nello spazio tempo-frequenza in cui le oscillazioni possono essere viste in modo altamente intuitivo. L'IBS osservato può essere ulteriormente convalidato tramite l'accoppiamento casuale basato sulla permutazione dello studio, del partner e della condizione. Qui, viene presentato un protocollo per descrivere come ottenere segnali cerebrali tramite la tecnologia fNIRS, calcolare iBS attraverso il metodo WTC e convalidare l'IBS per permutazione in uno studio di iperscansione. Inoltre, discutiamo le questioni critiche quando si utilizzano i metodi di cui sopra, tra cui la scelta dei segnali fNIRS, i metodi di pre-elaborazione dei dati e i parametri opzionali di calcolo. In sintesi, l'utilizzo del metodo WTC e della permutazione è una pipeline potenzialmente standard per l'analisi dell'IBS negli studi di iperscansione fNIRS, contribuendo sia alla riproducibilità che all'affidabilità dell'IBS.

Abstract

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

Le dinamiche tra cervelli accoppiati di individui sono state sempre più rappresentate dalla sincronizzazione inter-cerebrale (IBS) quando si coordinano tra loro, per lo più utilizzando segnali di registrazione simultanea del cervello (vale a dire iperscansione) con fNIRS. Negli studi di iperscansione fNIRS, l'IBS è stato comunemente valutato attraverso il metodo della coerenza della trasformazione wavelet (WTC) a causa del suo vantaggio nell'espandere le serie temporali nello spazio tempo-frequenza in cui le oscillazioni possono essere viste in modo altamente intuitivo. L'IBS osservato può essere ulteriormente convalidato tramite l'accoppiamento casuale basato sulla permutazione dello studio, del partner e della condizione. Qui, viene presentato un protocollo per descrivere come ottenere segnali cerebrali tramite la tecnologia fNIRS, calcolare iBS attraverso il metodo WTC e convalidare l'IBS per permutazione in uno studio di iperscansione. Inoltre, discutiamo le questioni critiche quando si utilizzano i metodi di cui sopra, tra cui la scelta dei segnali fNIRS, i metodi di pre-elaborazione dei dati e i parametri opzionali di calcolo. In sintesi, l'utilizzo del metodo WTC e della permutazione è una pipeline potenzialmente standard per l'analisi dell'IBS negli studi di iperscansione fNIRS, contribuendo sia alla riproducibilità che all'affidabilità dell'IBS.

Introduzione

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

Quando le persone si coordinano con gli altri, i loro cervelli e corpi diventano un'unità accoppiata attraverso un continuo adattamento reciproco. L'accoppiamento tra cervelli può essere rappresentato dalla sincronizzazione inter-cerebrale (IBS) attraverso l'approccio di iperscansione, che registra contemporaneamente i segnali cerebrali di due o più individui1. In effetti, un numero crescente di studi di iperscansione fNIRS / EEG ha trovato IBS in vari contesti di collaborazione, tra cui finger tapping2, group walking3, playing drums4, guitar playing5e singing / humming6. fNIRS è ampiamente usato per la ricerca di IBS durante l'interazione sociale, in quanto limita meno i movimenti della testa / corpo in contesti relativamente naturali (rispetto a fMRI / EEG)7.

L'articolo presenta un protocollo per il calcolo dell'IBS tramite il metodo WTC (Wavelet Transform Coherence) in uno studio di iperscansione fNIRS. Il WTC è un metodo per valutare la correlazione incrociata tra due segnali di movimento sul piano tempo-frequenza e, quindi, può fornire più informazioni rispetto all'analisi di correlazione tradizionale (ad esempio, correlazione di Pearson e correlazione incrociata), che è solo nel dominio del tempo8. Inoltre, i segnali emodinamici vengono trasformati in componenti wavelet, che possono rimuovere efficacemente il rumore a bassa frequenza. Sebbene il WTC richieda molto tempo, è stato il metodo più comunemente usato per calcolare l'IBS in azione imitazione9, comportamento cooperativo10, comunicazione verbale11, processo decisionale12e apprendimento interattivo13.

L'articolo presenta anche come convalidare l'IBS con il paring casuale basato sulla permutazione di studi, condizioni e partecipanti. L'IBS negli studi di iperscansione è sempre proposto per tracciare l'interazione sociale online tra individui, mentre può anche essere interpretato da altre spiegazioni, come la somiglianza dello stimolo, la somiglianza del movimento o la somiglianza delle condizioni14. Il test di permutazione, chiamato anche test di randomizzazione, può essere sfruttato per testare le ipotesi nulle sopra menzionate attraverso il ricampionamento dei dati osservati15. Usando la permutazione, è utile indagare se l'IBS identificato è specifico del comportamento interattivo, che va dalla modulazione dell'IBS all'interno delle diadi a tra gruppi di partner16.

Il protocollo qui descritto descrive come ottenere segnali cerebrali tramite la tecnologia fNIRS, calcolare l'IBS attraverso il metodo WTC e convalidare l'IBS mediante test di permutazione in uno studio di iperscansione. Questo studio mira a esaminare se l'IBS privilegiato è suscitato dai misuratori musicali durante il coordinamento sociale. I segnali cerebrali sono stati registrati nella corteccia frontale, in base alla posizione dell'IBS in un precedente ritrovamento1. Il compito sperimentale è stato originariamente sviluppato da Konvalinka e dai suoi college17, in cui ai partecipanti è stato chiesto di toccare le dita con il feedback uditivo del partner o di se stessi dopo aver ascoltato gli stimoli del metro o non del metro.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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

Il protocollo qui presentato è stato approvato dal Comitato universitario per la protezione della ricerca umana della East China Normal University.

1. Preparazione per l'esperimento

  1. Partecipanti
    1. Recluta un gruppo di studenti universitari e laureati con compensi monetari dalla pubblicità del campus.
    2. Assicurarsi che i partecipanti siano destrimani e abbiano una visione e un udito normali o corretti a normali. Assicurati che non abbiano studiato musica o l'abbiano studiata per meno di 3 anni prima.
    3. Abbina in modo casuale gli studenti in diadi. Per controllare il potenziale effetto della familiarità del partner sul coordinamento sociale18, assicurarsi che i membri di ogni diade non si siano mai visti o conosciuti prima.
  2. Stimolo sperimentale
    1. Crea gli stimoli uditivi (440 Hz, 660 ms toni puri) da qualsiasi software gratuito di composizione musicale e notazione.
    2. Ripetete i toni con un intervallo di 500-1000 ms e combinateli in una sequenza tonale. Ogni sequenza di toni è più lunga di 12 s e composta da 12 toni.
    3. Per una sequenza di toni, accentua ogni primo tono (+6 dB) per creare il modello di downbeats e upbeats, definito come lo stimolo del metro (Supplementary Audio 1). Nella seconda sequenza tonale, non acciano i toni con uguale intensità (40 dB sopra la soglia di sensazione individuale, raccolti prima dell'attività dell'esperimento), che corrispondevano allo stimolo non metrico (Audio supplementare 2).
  3. Compito sperimentale
    1. Programmare il compito sperimentale utilizzando uno strumento software psicologico.
    2. Disporre due fasi per l'attività sperimentale (Figura 1A) come descritto nei passaggi 1.3.3-1.3.6.
    3. secondo stato di riposo: chiedi ai partecipanti di rimanere il più immobili possibile con la mente rilassata e gli occhi chiusi.
    4. Attività di tocco delle dita: richiedere ai partecipanti di completare due parti: una parte di coordinamento e una parte di indipendenza.
    5. Durante la parte di coordinamento, fornire un feedback uditivo (cioè un suono a goccia corrispondente a un tocco) a ciascun partecipante solo per la risposta generata dall'altro membro della diade. Chiedi ai partecipanti di fare del loro meglio per rispondere in modo sincrono con l'altro membro.
    6. Per la parte di indipendenza, assicurarsi che entrambi i partecipanti abbiano ricevuto il feedback uditivo (cioè un suono a goccia corrispondente a un tocco) delle proprie risposte e chiedere loro di rispondere in modo sincrono con lo stimolo uditivo nel modo più preciso possibile.
      NOTA: In combinazione con gli stimoli del misuratore e non del metro, i partecipanti si sono trovati in una delle quattro diverse condizioni: (i) coordinazione del misuratore - entrambi i partecipanti hanno sentito i metri e le risposte reciproche; (ii) coordinamento non metrico - entrambi i partecipanti hanno ascoltato non metri e le risposte reciproche; iii) indipendenza del contatore: entrambi i partecipanti hanno ascoltato i contatori e le risposte da loro stessi; (iv) indipendenza senza contatore - entrambi i partecipanti hanno ascoltato i non metri e le risposte da loro stessi.
    7. Per ogni prova, lascia che i partecipanti ascoltino prima un pezzo dello stimolo uditivo (12 s) seguito da un suono (262 Hz, 1000 ms) che funge da spunto per iniziare a toccare il dito.
    8. Chiedi ai partecipanti di riprodurre lo stimolo che hanno sentito prima toccando l'indice destro sulla tastiera (partecipante #1: "f"; partecipante #2: "j"). I partecipanti devono toccare 12 volte mantenendo lo stesso intervallo di tempo tra i toni dello stimolo presentato in precedenza.
      NOTA: Ci sono state 60 prove assegnate equamente in 4 blocchi corrispondenti alle 4 condizioni sperimentali, vale a dire 15 prove in un blocco. L'ordine dei blocchi era controbilanciato. La durata totale dell'attività di spillatura è stata di circa 26 minuti.
    9. Tra un blocco e l'altro, lascia riposare i partecipanti per 30 s.
    10. Durante l'intero esperimento, non permettere ai partecipanti di comunicare attraverso qualsiasi lingua o movimento. Separare i partecipanti con il monitor del computer per bloccare qualsiasi informazione visiva che potrebbe recapitare messaggi tra di loro.
  4. Cappellini fNIRS fatti in casa: acquista due cuffie elastiche da nuoto di dimensioni normali. Per coprire la regione del cervello di interesse, riparare le cuffie da nuoto come descritto nei seguenti passaggi:
    1. Metti una cuffia da nuoto su una forma della testa, quindi metti una cuffia EEG standard 10-20 sulla cuffia da nuoto.
    2. Segna la posizione di FCz sulla cuffia con un pennarello magico rosso.
    3. Togliere il cappuccio EEG dalla forma della testa.
    4. Mettere una patch di sonda optodica (configurazione 3 x 5) sulla cuffia, allineando quella centrale della seconda fila di sonda della patch con la posizione contrassegnata di FCz.
      NOTA: Il cerotto per sonda optodica includeva 15 posizioni di sonde optodiche (cioè 8 emettitori e 7 rivelatori), formando 22 canali di misura con separazione optodica di 3 cm (Figura 1B).
    5. Segna le posizioni delle 15 sonde del cerotto sulla cuffia.
    6. Togliere il cerotto e la cuffia dalla forma della testa.
    7. Tagliare 15 piccoli fori sulle posizioni contrassegnate delle 15 sonde con un paio di forbici.
    8. Montare la patch sulla cuffia modificata incorporando le posizioni di 15 sonde nei 15 fori appropriati.
    9. Riparare l'altra cuffia da nuoto secondo il processo di cui sopra.
      NOTA: Il cappuccio fNIRS fatto in casa, in cui le posizioni degli optodi sono secondo le posizioni EEG standard, sono stati utilizzati in quanto non vi erano tappi EEG standard applicabili per il sistema fNIRS utilizzato in questo studio. Non è necessario creare un tappo fNIRS se ci sono tappi EEG standard adatti con il sistema fNIRS.

2. Prima dell'arrivo dei partecipanti

NOTA: Assicurarsi di seguire i passaggi 2.1-2.5 prima che i partecipanti arrivino al laboratorio.

  1. Ricorda ai due partecipanti di una diade di venire al laboratorio secondo il programma di tempo concordato.
  2. Avviare il sistema fNIRS con almeno 30 minuti di anticipo, lasciando il laser spento.
  3. Inserire le sonde optodiche del sistema fNIRS nelle patch della sonda optodica.
  4. Esaminare i parametri della misurazione fNIRS (ad esempio, l'ID soggetto, la modalità correlata all'evento, la disposizione della sonda optodica).
  5. Impostare l'apparecchio sperimentale con un tavolo, due sedie, due monitor per computer da 19 pollici e due paia di cuffie (Figura 1C).

3. Arrivo del partecipante in laboratorio

NOTA: Apprezzo sinceramente i due partecipanti di una diade quando arrivano al laboratorio fNIRS. Chiedi loro di mettere il telefono in modalità silenziosa e di lasciare temporaneamente i loro effetti personali nell'armadietto. Quindi eseguire i seguenti processi in sequenza:

  1. Prima che i partecipanti si siedano, riconfermare che i due partecipanti non si sono mai visti prima. Assicurati che non abbiano comunicato tra loro attraverso alcun linguaggio o movimento mentre erano in laboratorio.
  2. Fornire ai partecipanti moduli di consenso informato approvati dal Comitato universitario per la ricerca umana.
  3. Istruire i partecipanti sui dettagli del compito sperimentale. Chiedi loro di indossare le cuffie e di dare loro diverse prove di pratica.
  4. Nelle prove di pratica, consentire ai due partecipanti di ogni diade di esercitarsi insieme.
    NOTA: Prima di indossare il cappuccio fNIRS, vale la pena misurare e determinare la dimensione della testa per ciascun partecipante utilizzando una regola flessibile. Quindi selezionare il cappuccio di dimensioni giuste per il partecipante in base alle dimensioni della testa. In questo studio, tale passo è stato mancato in quanto sono state utilizzate cuffie da nuoto di taglia unica. È meglio condurre questo passaggio il giorno prima dell'esperimento perché le operazioni relative (ad esempio, misurare le dimensioni della testa, selezionare la cuffia da nuoto della giusta dimensione, montare i cerotti della sonda optodica sulla cuffia e inserire le sonde optodiche nei cerotti della sonda) richiedono molto tempo (circa 20-30 minuti).
  5. Metti il cappuccio fNIRS sulla testa dei partecipanti con il centro del cappuccio che punta nella posizione di CZ e posiziona la sonda optodica centrale della seconda fila di sonda del cerotto a FCz.
  6. Azionare il sistema fNIRS per eseguire la calibrazione del segnale con il laser acceso.
  7. Se c'è un segnale insufficiente in qualche canale, regolare l'intensità del segnale con un bastoncino in fibra per mettere delicatamente da parte i capelli sotto la punta della sonda circostante.
  8. Se necessario, premere delicatamente le sonde ma assicurarsi di non ferire i partecipanti.
  9. Ripetere i passaggi 3.5-3.8 fino a quando la qualità del segnale non è accessibile. Assicurati che i partecipanti si sentano a proprio agio durante l'intero processo di calibrazione del segnale.
  10. Aiuta i partecipanti a trovare una postura confortevole per se stessi (ad esempio, posizioni del corpo confortevoli). Ricorda ai partecipanti di mantenere la testa il più immobile possibile durante l'intero compito sperimentale (cioè circa 26 minuti).
  11. Esaminare nuovamente la qualità dei segnali NIRS. Se ci sono segnali sufficienti in tutti i canali, eseguire la procedura di esperimento sul computer desktop.
  12. Aiuta i partecipanti a togliersi le cuffie e il cappuccio fNIRS al termine della procedura sperimentale. Restituisci i loro effetti personali e ringraziali con un compenso monetario.
  13. Utilizzare il sistema fNIRS per salvare i dati. Utilizzare un disco per esportare i dati fNIRS non elaborati (.csv) e utilizzare una USB per copiare i dati comportamentali dal computer.
  14. Chiudere il sistema fNIRS e il computer se non c'è più una disposizione sperimentale.
  15. Tenere il quaderno di laboratorio pronto per annotare eventuali eventi, in particolare le anomalie durante l'intero esperimento.

4. Analisi dei dati

NOTA: Esegui tutte le analisi dei dati utilizzando il software MATLAB, con le seguenti caselle degli strumenti: HOMER219, Hitachi2nirs20, xjView21, Cross Wavelet e Wavelet Coherence toolbox22e gli script di Groppe in MathWork23.

  1. Pre-trattamento dei dati
    1. Per verificare la qualità dei dati, attenersi alla procedura 4.1.2-4.1.3
    2. Leggere i file di dati (.csv) per ogni partecipante con la funzione readHitachData di xjView.
      NOTA: In questo modo, i dati di misura Hitachi (formato csv) vengono convertiti in dati oxyHb/deoxyHb/marker con le informazioni salvate nella misurazione (ad esempio, lunghezza d'onda, dati temporali ed elenco dei canali).
    3. Controlla visivamente la qualità nei valori oxyHb e deoxyHb tracciando tutte le serie temporali dei canali in un'unica figura, con la funzione plotTraces di xjView.
      NOTA: è facile identificare anomalie nei dati. Il canale che ha molto rumore può essere escluso nell'analisi successiva.
    4. Converti i file Hitachi (.csv) in formato .nirs con la funzione csv2nirs di Hitachi2nirs, che supporta un'ulteriore pre-elaborazione dei dati con Homer2.
    5. Trasforma i dati grezzi in densità ottica con la funzione hmrIntensity2OD di Homer2.
    6. Utilizzare le analisi dei componenti principali (PCA)24 per rimuovere il rumore fisiologico globale fNIRS utilizzando la funzione enPCAFilter (nSV = 0,8, cioè l'80% della covarianza dei dati è stata rimossa) di Homer2.
    7. Utilizzare il metodo di miglioramento del segnale basato sulla correlazione (CBSI)25 per rimuovere gli artefatti di movimento della testa utilizzando la funzione hmrMotionCorrect_Cbsi di Homer2.
    8. Utilizzare la legge di Beer-Lembert modificata per trasformare la densità ottica elaborata in valori oxyHb e deoxyHb con la funzione hmrOD2Conc di Homer2.
  2. Calcolo dell'IBS
    NOTA: per i valori oxyHb preelaborati, utilizzare WTC per calcolare i valori di coerenza per la coppia di canali che provengono dalla stessa posizione della diade, inclusa la seguente pipeline:
    1. Adottare la funzione wtc di Cross Wavelet e Wavelet Coherence toolbox con parametri predefiniti per calcolare i valori di coerenza in ogni momento e punto di frequenza per ottenere una matrice a due assi di valori di coerenza.
    2. Per i parametri predefiniti, utilizzare la wavelet madre morlet, per trasformare ogni serie temporale nel dominio del tempo e della frequenza mediante la trasformazione wavelet continua.
    3. Selezionare MonteCarloCount per rappresentare il numero di set di dati surrogati nel calcolo della significatività e selezionare Auto AR1 per calcolare i coefficienti di autocorrelazione della serie temporale.
    4. Scegliere la banda di frequenza di interesse (FOI) come indicato nei passaggi 4.2.5-4.2.8.
    5. Selezionare e calcolare la media dei valori di coerenza della banda di frequenza tra 0,5-1 Hz (rispettivamente corrispondenti al periodo 2 s e 1 s), in base alla banda di frequenza utilizzata nel compito di movimento delle dita di un precedente studio di iperscansione fNIRS9. Tale FOI corrispondeva anche al periodo di un tocco nel compito sperimentale. Pertanto, ottenere una colonna di valori di coerenza per ogni coppia.
      NOTA: per confermare ulteriormente statisticamente FOI, calcolare i valori di coerenza per ciascuna diade nell'intera gamma di frequenze (cioè 0,008-10 Hz per i dati), piuttosto che limitare la banda di frequenza selezionata (cioè 0,5-1 Hz).
    6. Mediare i valori di coerenza delle finestre temporali target (come 4.2.3) per ciascun punto di frequenza.
    7. Successivamente, analizzare i valori di coerenza media seguendo la pipeline descritta nei passaggi 4.2.9-4.2.11 e successive statistiche (ad esempio, 4.3.1 - 4.3.2) per ciascun punto di frequenza.
    8. Infine, ispeziona visivamente FOI tracciando i valori z statistici di ciascun canale attraverso la frequenza.
    9. Selezionare e calcolare la media dei valori di coerenza della finestra temporale durante lo stato di riposo (finestra temporale per 20 s-stato di riposo) e ciascuna condizione sperimentale (ad esempio, coordinamento del contatore, coordinamento non del contatore, indipendenza del contatore e indipendenza non del contatore), rispettivamente, utilizzando le informazioni del marchio. Quindi, ottieni cinque valori di coerenza per ogni diade.
    10. Per la sessione di attività, selezionare solo la durata durante la quale i partecipanti hanno toccato per riprodurre lo stimolo uditivo, circa 12 s per ogni prova, quindi totale 180 s (cioè 12 s x 15 prove) per ogni condizione sperimentale.
      NOTA: IBS è stato calcolato come aumento della coerenza (i valori di coerenza sottratti più grandi di zero), vale a dire i valori di coerenza più grandi nella sessione di attività rispetto a quelli nella sessione dello stato di riposo.
    11. Sottrarre il valore di coerenza a riposo dal valore di coerenza correlato all'attività, rispettivamente, in cui il valore di coerenza durante lo stato di riposo è stato utilizzato come linea di base in questo esperimento.
      NOTA: Ripetendo i passaggi precedenti (4.2.1-4.2.11) tra canali (cioè 22 canali) e diadi (cioè 16 diadi), i valori di coerenza sottratti per ogni diade sono stati ottenuti alla fine.
  3. Statistica
    1. Confrontare i valori di coerenza sottratti con zero in ciascun canale per ogni condizione sperimentale, utilizzando il t-test di permutazione dei campioni accoppiati con la funzione mult_comp_perm_t1 del lavoro di Groppe (5000 permutazioni per stimare la distribuzione dell'ipotesi nulla; livello alfa desiderato per famiglia - 0,05; test a due code, il che significa che l'ipotesi alternativa è che la media dei dati è diversa da 0) come distribuzione anormale dei dati e dimensione limitata del campione nell'attuale esperimento26.
      NOTA: il t-test di permutazione dei campioni accoppiati qui è simile al t-test accoppiato, ma quest'ultimo presuppone che i dati siano normalmente distribuiti, mentre il primo no. Tale test inizia allo stesso modo del t-test accoppiato, cioè calcolando un punteggio t (cioè un punteggio t reale) per i valori di coerenza in diversi gruppi (uno sono i valori di coerenza sottratti nella condizione di attività, l'altro è zero). Quindi, una permutazione viene generata scambiando i valori di coerenza di diversi gruppi e viene calcolato un nuovo punteggio t per i valori di coerenza sottratti e gli zeri successivi a questa permutazione. Tale permutazione è condotta 5000 volte. Pertanto, si ottengono punteggi di 5000 t. Nella distribuzione dei punteggi di 5000 t, la posizione relativa del punteggio t reale genera il valore p per i valori di coerenza sottratti.
    2. Correggere i valori p (cioè a causa del problema di confronto multiplo e generare dai confronti su 22 canali in una patch) con il metodo False Discovery Rate(p < 0,05)27. Esegui questa correzione tramite la funzione mafdr di MATLAB toolbox.
      NOTA: se il valore p in qualsiasi canale era significativo (ad esempio, p < 0,05) dopo la correzione FDR, c'è IBS in quel canale.
    3. Confronta i valori di coerenza tra le diverse condizioni di attività sul canale in cui esisteva IBS, usando il t-test di permutazione dei campioni accoppiati con la funzione di mult_comp_perm_t1 del lavoro di Groppe (stessi parametri menzionati nel passaggio 4.3.1).
      NOTA: Per esaminare intuitivamente l'IBS durante il coordinamento interpersonale per quanto riguarda gli stimoli del metro rispetto a quelli non del metro, confrontare direttamente i valori di coerenza di diverse condizioni (ad esempio, coordinamento del contatore vs coordinamento non del contatore; coordinamento del contatore vs indipendenza del contatore).
    4. Calcola le prestazioni comportamentali per la differenza assoluta tra il tempo di risposta dei partner diviso per la somma delle risposte di entrambi i partner56.
    5. Valutare la relazione tra l'IBS e le prestazioni comportamentali attraverso il test di permutazione basato sull'analisi di correlazione lineare di Pearson (cioè la funzione mult_comp_perm_corr del lavoro di Groppe).
  4. Convalida di IBS
    NOTA: Per escludere le spiegazioni che stimoli, movimenti o condizioni simili hanno indotto l'IBS dimostrata, utilizzare un test di permutazione come approccio di convalida, con tre permutazioni (cioè all'interno della diade, tra diadi e tra permutazioni di condizione), inclusi i seguenti:
    1. Randomizzare l'etichetta degli studi nella condizione di coordinazione del misuratore (cioè all'interno della permutazione della diade, come lo studio #1 e lo studio #13 nella diade #1) per una diade in ciascun canale tramite la funzione randperm di MATLAB.
    2. Seguire la pipeline di cui sopra di calcolo dell'IBS e delle statistiche (cioè i paragrafi 4.2 e 4.3, ma escludendo l'analisi di sensibilità per FOI) per l'etichetta dello studio randomizzato.
      NOTA: calcolare separatamente i valori di coerenza della coppia falsa per ciascuna condizione e calcolare l'aumento della coerenza per la coppia falsa (ad esempio, sottrarre il valore di coerenza a riposo dal valore di coerenza correlato all'attività per la coppia falsa).
    3. Condurre la permutazione 1000 volte, seguita dalla pipeline di calcolo dell'IBS e delle statistiche (sezioni 4.2 e 4.3).
    4. Traccia la distribuzione dei valori z statistici generati all'interno della permutazione della diade.
    5. Condurre i passaggi 4.4.2-4.4.4 randomizzando l'accoppiamento dei partecipanti dello stesso studio nella condizione di coordinazione del misuratore (cioè tra la permutazione della diade, come il partecipante #1 nella diade #1 e il partecipante #1 nella diade #3).
    6. Condurre le fasi 4.4.2-4.4.4 randomizzando l'etichetta delle condizioni per gli stessi membri di una diade nello stesso studio (cioè tra la permutazione della condizione, come il partecipante #1 nella condizione di coordinamento del metro e il partecipante #2 nella condizione di indipendenza del metro).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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

I risultati hanno mostrato che c'era IBS al canale 5 nella condizione di coordinamento del contatore, mentre non esisteva alcun IBS in altre condizioni (cioè indipendenza del contatore, coordinamento non del contatore, indipendenza non del contatore; Figura 2A). Al canale 5, l'IBS nella condizione di coordinamento del contatore era significativamente superiore ai valori di coerenza nella condizione di coordinamento e indipendenza del contatore non metrica (Figura 2B

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

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

Questo protocollo fornisce una procedura passo-passo per calcolare e convalidare l'IBS, utilizzando l'approccio di iperscansione fNIRS per raccogliere contemporaneamente i segnali cerebrali di due partecipanti. Di seguito vengono discussi alcuni problemi critici coinvolti nella pre-elaborazione dei dati fNIRS, nel calcolo IBS, nelle statistiche e nella convalida IBS.

Pre-trattamento dei dati
È necessario pre-elaborare i dati fNIRS negli studi di iperscansione per estrarre s...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

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

Gli autori non hanno nulla da rivelare.

Ringraziamenti

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

Questa ricerca è stata supportata da: National Natural Science Foundation of China (31872783, 31800951).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
ComputerHewlett-Packard Development Company, L.P.HP S01-pF157mcn
AuricolareRoyal Philips Electronics, Eindhoven, Paesi BassiSHE2405BK/00
Cappuccio EEGCompumedics Neuroscan, Charlotte, USA64 canali Quik-Cap
E-Prime softwarePsychology Software Tools, Inc., Pittsburgh, USASistema E-Prime 3
fNIRSHitachi Medical Corporation, Tokyo, GiapponeETG-7100 Sistema
MATLAB 2014bThe MathWorks, Inc., Natick, MAMATLAB 2014b
MuseScoreMusescore Company, BelgioMuseScore 3.6.2.548021803
Cuffia da nuotoDecathlon Group, Villeneuve-d'Ascq, Francia1681552
di topografia ottica

Riferimenti

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

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Inter Brain SynchronizationfNIRS HyperscanningWavelet Transform CoherencePermutation AnalysisBrain Signal ProcessingPrincipal Component AnalysisMotion Artifact CorrectionFrequency Band SelectionFalse Discovery RateDyad Synchronization

Articoli correlati