方法論記事

オープンエンド共同学習における脳間同期:fNIRS-ハイパースキャン研究

DOI：

10.3791/62777

⸱

2021年7月21日

 ,  , 
1School of Psychology and Cognitive Science, East China Normal University, 2Shanghai Key Laboratory of Mental Health and Crisis Intervention, East China Normal University

この記事について

サマリー

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

自然主義的な学習環境における協調学習ダイアドに関するfNIRSハイパースキャン実験を行うためのプロトコルについて概説する。また、酸素化ヘモグロビン(Oxy-Hb)シグナルの脳間同期(IBS)を解析するパイプラインが提示される。

要約

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

fNIRSハイパースキャンは、社会的相互作用の神経生物学的基盤を検出するために広く使用されています。この技術により、研究者は、脳間同期(IBS)と呼ばれる新しい指標(すなわち、時間の経過によるニューロンまたは血行力学信号の位相および/または振幅の位置合わせ)を持つ2人以上のインタラクティブな個人の同時脳活動を修飾する。自然主義的な学習環境における協調学習ダイアドに関するfNIRSハイパースキャン実験を行うためのプロトコルを紹介する。また、酸素化ヘモグロビン(Oxy-Hb)シグナルのIBSを解析するパイプラインについて説明する。具体的には、実験計画、NIRSデータ記録のプロセス、データ解析方法、および今後の方向性について、すべて議論する。全体として、標準化されたfNIRSハイパースキャンパイプラインを実装することは、第二人称神経科学の基本的な部分です。また、これは、研究の再現性を支援するためのオープンサイエンスの呼びかけに沿ったものと同じである。

概要

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

最近、インタラクティブなダイアドまたはグループのメンバー全体で同時に脳活動を明らかにするために、研究者はハイパースキャンアプローチ1、2を採用しています。具体的には、脳波(EEG)、機能磁気共鳴画像法(fMRI)、および機能近赤外分光法(fNIRS)を用いて、2つ以上の被験者からの神経活動と脳活動を同時に3、4、5に記録する。研究者は、脳間同期(IBS)(すなわち、時間の経過によるニューロンまたは血行力学的信号の位相および/または振幅のアライメント)を指すこの技術に基づいて、同時脳結合を伴う神経指数を抽出する。ハイパースキャン研究の多種多様な発見 IBS 複数の個人間の社会的相互作用中に発見 (例えば, プレイヤー - 聴衆, インストラクター学習者, リーダー-フォロワー)6,7,8.さらに、IBSは、効果的な学習と指示9、10、11、12、13、14の特定の意味を持っています。自然主義的な学習シナリオにおけるハイパースキャン研究の急増に伴い、ハイパースキャン実験の標準プロトコルの確立と、この分野におけるデータ分析のパイプライン化が必要である。

本稿では、協調学習ダイアドのfNIRSベースのハイパースキャンを行うためのプロトコルとIBSを分析するためのパイプラインを提供する。fNIRSは、近赤外光を放射してヘモグロビンのスペクトル吸収を間接的に評価し、血行/酸素化活性を15、16、17で測定する光学イメージングツールです。fMRIと比較して、fNIRSは動きのアーティファクトを起こしにくいので、実際の実験(例えば、模倣、話す、および非言語的なコミュニケーション)18、7、19からの測定を可能にする。脳科学と比較して、fNIRSは高い空間分解能を保持し、研究者は脳活動20の位置を検出することを可能にする。したがって、空間分解能、物流、および実現可能性におけるこれらの利点は、ハイパースキャン測定1を実施するfNIRSを修飾する。この技術を用いて、新興の研究機関は、自然主義的な社会設定9、10、11、12、13、14の異なる形態の2人の(またはそれ以上の)人々の脳活動のIBS-神経アライメントとしての指標用語を検出する。これらの研究では、このインデックスを計算するために、さまざまな方法(すなわち、相関分析とウェーブレット変換コヘレンス(WTC)分析)が適用されます。一方、このような分析の標準的なパイプラインは不可欠ですが、欠けています。その結果、FNIRSベースのハイパースキャンを実施するためのプロトコルと、WTC分析を用いたIBSを同定するパイプラインが、本研究で紹介される。

本研究は、fNIRSハイパースキャン技術を用いた協調学習ダイドにおけるIBSの評価を目的としている。まず、血行反応は、協調学習タスク中に、各色素の前頭前および左テンポラル領域で同時に記録される。これらの領域は、対話型の教育と学習9、 10、11 、12、13、14に関連付けられていると識別されています。次に、IBS は対応する各チャネルで計算されます。fNIRS データ記録プロセスは、休止状態セッションとコラボレーション・セッションの 2 つの部分で構成されます。休息状態セッションは5分間続き、その間、両方の参加者(テーブル(0.8 m)で互いに対面して座っている)は、静かにリラックスする必要があります。この休止状態セッションは、ベースラインとして使用されます。そして、共同セッションでは、学習教材全体を一緒に勉強し、理解を引き出し、ルールを要約し、すべての学習教材をマスターするように言われます。ここでは、実験を実施する具体的なステップとfNIRSデータ解析を行います。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

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

募集されたすべての参加者(40人のダイド、平均年齢22.1歳±1.2歳、右利きの100%、正常または正常に修正された視力)は健康でした。実験の前に、参加者はインフォームド・コンセントを与えました。参加者は参加に対して財政的に補償された。研究は、人間の研究保護の大学委員会によって承認されました (HR-0053-2021), 東中国師範大学.

1. データを採用する前の準備手順

  1. 自家製NIRSキャップ
    1. オプトードホルダーグリッドを配置するために弾性水泳キャップを採用。
      注:参加者のヘッドサイズが異なっていることを考慮すると、キャップのサイズは2つ使用されます。ヘッド周りを55.4±1.1cmの参加者用に小型キャップを用意し、頭囲を57.9±1.2cmの参加者用に大きなキャップを用意しています。
    2. 弾性スイミングキャップの標準的な国際10-10システムに従って、EEG電極(inion、Cz、T3、T4、Fpz、P5)の位置を参照オプトデとして固定します( 材料表を参照)。
      1. まず、ヘッドモールドに標準の10-10 EEGキャップ( 材料表を参照)を置き、弾性スイミングキャップをEEGキャップに置きます。次に、各キャップにチョークを付けて、参照オプトデ(イニオン、Cz、T3、T4、Fpz、P5)をマークします。最後に、直径約15mmの穴を2つカットして、2つの参照オプトデ(すなわち、FpzとP5、 図1)を配置する。
        注:具体的には、3 x 5オプトデプローブセットと4 x 4オプトデプローブセットは、前頭前領域(参照オプトデはFpz、 図1Bに配置されています)と左テンポロパリアタール領域(参照オプトデはP5、 図1Bに配置されます)の上に別々に配置されます。
    3. 穴をカットして他のオプトデを配置します。ヘッドモールドに2つのグリッドホルダーを持つスイミングキャップを直接配置します。その後、チョークで他のオプトデスの位置をマークします。その後、残りの穴を切ってグリッドホルダーが収まっていることを確認します。
    4. 2つのプローブセット(3 x 5と4 x 4)をスイミングキャップにマウントします( 材料表を参照)。
      注意:NIRS測定システム( 材料表を参照)は、30 mmのオプトデ分離を保証する標準ホルダーソケットを備えた標準プローブセット(例えば、3 x 5および4 x 4)を提供します。
    5. NIRS測定システムでプローブセットモニタウィンドウを開き、各人に対して3 x 5と4 x 4に配置された4つのプローブセットを個別に選択します。
      注:2つのキャップのプローブ配置は、プローブセットウィンドウの構造(すなわち、受信機プローブ番号とそれぞれのエミッタの正確な位置)に対応する必要があります。
  2. 実験の準備
    1. データを記録する前に、NIRSシステムが30分以上システムを起動して安定した動作温度を保っていることを確認してください。
      メモ:安定した動作温度は5°Cから35°Cまで及びました。
    2. 測定モードをイベント関連の測定に設定します。トリガ受信機がアクティブであることを確認します(RS232シリアル入力)。
      注: 実験は市販の心理学ソフトウェアでプログラムされています ( 資料表を参照)。近赤外光(2波長:695と830 nm)の吸収は、10Hzのサンプリングレートで測定されます。
    3. 髪を脇に移動するために使用することができる光ファイバー光学プローブを準備します。
    4. 参加者の席を対面に保つために、2つの椅子を備えた1つのテーブルで実験環境を設定します。

2. 参加者に指示を行うデータの採用

  1. 参加者の準備
    1. NIRS測定方法の詳細を含め、参加者に指示します。
      注:参加者は全員健康で、参加に対して財政的に補償されました。参加者は途中で実験から撤退しなかった。NIRSのレーザービームは参加者の目に有害であり、それらのレーザービームを直接調べないように指示されました。
    2. 参加者が直接お互いを見ることができるように(テーブル(0.8 m)とは別に)対面して座るようにします。椅子からテーブルまでの距離(0.3m近く)を調整して、参加者が快適に座るようにします。
    3. レーザーボタンをオンにし、参加者の頭の上にプローブセットを付けてキャップを置きます。
      注:3 x 5プローブセットは参加者の額を覆います(下段の中央プローブはFpzに配置されます)。4 x 4 プローブセットは左のテンポラル皮質を覆います(3行目の3番目のプローブはP5に配置されます)。
    4. 4つの光ファイバー束を、参加者や椅子に接触することなく、ホルダーの腕の上にゆるやかに置きます。
      注:ここでは、NIRS測定システムには光ファイバの4つのバンドルがあります。さらに、参加者がキャップを引き離すためにあまりにも重く感じないようにしてください。
    5. プローブのヒントは、慎重にそのソケットに各スプリング負荷プローブをさらに押し込むことによって、参加者の頭皮に触れてみましょう。
    6. 信号キャリブレーションを実行します。
      1. まず、fNIRSマシンのプローブセットモニタウィンドウで 自動ゲイン をクリックして信号の品質を確認します。次に、チャンネルの信号が悪く、十分な信号が、それぞれプローブセットモニタウィンドウで黄色と緑色でマークされます。
        注: 信号が不十分なチャネルでは、光光ファイバープローブを使用して、プローブの先端の下のヘアを片側に移動します。
      2. 次に、プローブをさらにソケットに押し込んで十分な信号を得ます。NIRS測定システムのプローブセットモニタウィンドウですべてのチャンネルが緑色に点灯し、信号の品質がアクセス可能であることを示すまで、このプロセスを繰り返します。
  2. 実験を実行する
    1. ベースラインとして機能する 5 分の休止状態で実験を開始します。その後、2人の参加者が学習教材を共同学習する必要があります。
    2. 実験の後、[テキスト ファイルアウト] をクリックして、生光強度データをエクスポートし、データをテキスト ファイルとして保存します。
      注意:NIRS測定システムでは、フィルタは適用されません。
    3. 3D (3D) デジタイザ ( 材料表を参照) を使用して、各参加者のエミッタ、受信機、およびその他の参照 (すなわち、イニオン、ナシオン、Cz、および左右の耳) の位置を決定します。
      1. 市販の数値コンピューティング プラットフォーム21 を使用して、記録チャンネルの MNI 座標を取得します ( 資料表を参照)。 補足表S1 は、各チャネルの対応する解剖学的位置を示す。
    4. クリーンプローブとエタノールを用いてプローブホルダー。中性洗剤でキャップを洗い、キャップを乾燥させます。

3. データ分析

  1. データ前処理
    注:以前の研究では、可変非商用ソフトウェアパッケージ(例えば、Homer222、分析IR23、または、研究所24) と数値演算プラットフォームを使用する (を参照してください。 資料一覧)、fNIRSデータ分析に関する情報を、すべてウェブサイトで入手できます。ここで Homer2 は NIRS データの前処理を行うために使用されました。さらに、残りの部分で収集された fNIRS 記録データと、共同学習フェーズで収集された両方のデータが、同じ前処理と分析パイプラインを共有します。
    1. fNIRS マシンからデータセットをコピーします。元のデータ形成を適切なフォーメーションに変換します(すなわち、cvsファイルをnirsファイルに変換します)。
    2. 数値コンピューティングプラットフォームで提供される "hmrIntensity2OD" 関数を使用して、生データを光学密度 (OD) データに変換します ( 材料表を参照)。
    3. 不正なチャンネルを削除します。次に、各チャネルの各参加者の OD 値と、各サンプル ポイントの全サンプル ポイントの平均値をそれぞれ指定します。
      注: ここでは、46 の平均 OD 値が得られます。
      1. 各参加者の標準偏差(SD)を計算します。
      2. 使用不能としてマークし、各参加者の分析から非常に低いまたは高い OD(5 SD を超える)のチャネルを削除します。
        注: このステップは fNIRS データ前処理の前および/または後に実行できます。このデータ分析パイプラインでは、fNIRS データの前処理の前に不良チャネルが検出されます。
    4. OD時間データをOxy-Hb、DeOxy-Hbに変換し、変更されたビール・ランバート法25に基づいて結合された信号を変換します。
      注:参照25は、「すべてのデータ分析ステップは、より高い信号対雑音比26を有する地域の脳血流の変化の指標であるOxy-Hbデータに対して行われる。さらに、以前の研究では、主にOxy-Hb濃度11、12、13、14に焦点を当てた教育と学習シナリオでfNIRSハイパースキャンを採用しました。
    5. チャンネルごとのウェーブレットベースの方法でモーションアーティファクトからOxy-Hb時系列を較正します。
      注:具体的には、0.1のチューニングパラメータを持つドーベチ5(db5)ウェーブレット(Homer2マニュアルの詳細を参照)27、28は、モーションアーチファクトを除去する上で採用されています。
    6. 高周波ノイズと低速ドリフトを低減するために、キャリブレーションされたOxy-Hbデータにバンドパスフィルタ(すなわち、0.01-1 Hz)を適用します。
    7. OxyHbシグナル上で主成分分析(PCA)を実施して、非神経グローバル成分(例えば、血圧、呼吸、血流変動)29を除去する。
      注:Zhangと同僚29 が提案したPCA分析がここで採用されています。
      1. まず、信号を分解します。
        注:fNIRS信号の分解の具体的な公式は:H = UΣVT.ここでは、fNIRSデータの時間的および空間的パターンが2つの行列(すなわち、あなたおよびV)で提示される。U は 2D (サンプル ポイント x 主成分) 行列です。V は、2D (主成分 x 主成分) 行列でもあります。V の列は、1 つの主成分 (PC) を示し、特定のチャネルの PC の強度は、列の各エントリで推定されます。各PCの相対的な重要度は、対角行列Σの値で表されます。
      2. 第二に、空間平滑化を行う。
        注: ガウスカーネル畳み込みが使用され、局地的なシグナルを除去し、グローバルコンポーネントを取得します。
      3. 第三に、信号を再構築します。
        注: fNIRS データのグローバルコンポーネントを計算するために、平滑化された空間パターン行列V* を分解式に差し込みます: HGlobal = UΣ(V *)T.次に、局所的な誘導ニューロン信号は、元のデータHを使用してHグローバルを減算する: Hニューロン= H - Hグローバルを得ることができる。
  2. 脳間同期
    注:二人称神経科学における脳結合を明らかにするために、ウェーブレット変換コヘレンス(WTC)を採用しています。簡単に言えば、WTCは、周波数と時間の関数として2時系列間の相関を測定します。2時系列xとyのウェーブレットコヘレンスの具体的な式は次のとおりです。
    figure-protocol-1
    Tとsは時間とウェーブレットのスケールを別々に示し、&sはスケールと時間の平滑化動作を示します。W は連続ウェーブレット変換を表します。次に、2D(時間x周波数)WTC行列が生成される30.WTC 値の計算には、いくつかのツールボックスが使用されます。ここではGrinstedと同僚によって作成されたツールボックスは、30を使用しました.
    1. 数値演算プラットフォームの WTC 関数を採用します ( 資料表を参照)。
      注:ここでは、母ウェーブレットのデフォルト設定(すなわち、パラメータβとガンマを持つ一般化モールスウェーブレット)が使用されます。マザーウェーブレットは、各時系列を周波数と時間領域に変換します。
    2. 他のパラメータにデフォルト設定を設定します(つまり、有意計算におけるサロゲートデータセットの数を表すMonteCarloCount)。
    3. 数値演算プラットフォームで、対応する 2 つのチャネル (2 つの参加者の同じチャネル) の WTC 値を計算します ( 材料表を参照)。同じ手順に従って、46のWTC行列が46チャンネルから生成されます。
    4. 共同学習に敏感な関心度帯(FOI)を決定します。
      注: ここでは、クラスタベースの順列アプローチを採用して、多チャンネルデータと多周波数データでの複数比較を可能にするFOI31を検出します。
      1. 各チャネルの組み合わせに対して、休止および協調学習段階でWTC値の時間平均をそれぞれ実行する。次に、これらの時間平均WTC値(協調学習と休息)に対して、全周波数(周波数範囲:0.01-1Hz32)と共にサンプルt検定を実施する。次に、タスク効果が有意である周波数ビンを特定します (共同学習>休息,p < 0.05)。
      2. 観測されたクラスタおよび対応する T 値として、有意な周波数隣接点(≥2)を取得します。
      3. 一連のペアのサンプル t-を実行して、ステップ 3.2.4.2 で認定された各クラスターの T 値を 1000 回生成します。
        注: 変更されたデータを形成する場合、参加者はランダムに割り当てられ、新しい 2 つのメンバーペアを形成します。データセットの長さがランダムペアごとにダイドごとに変化するにつれて、長いデータセットは短い 1 つの33と同じ長さにトリミングされます。
      4. 元のペアからのクラスターベースの平均 T 値を、1000 個の順列の T 値と比較します。
        注: この式34で評価される p 値:
        figure-protocol-2ここで、S0は観測された平均クラスターt値を示し、pおよびσ p μ順列値の平均と標準偏差を示す。
      5. 各ダイアドの各チャネルにおいて、識別されたFOIにおける平均のWTC値。次に、WTC 値にフィッシャー z 変換を適用して、WTC 値の正規分布を取得します。この値を使用して、さらに統計分析を行うために IBS を索引付けします。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

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

図1は、実験プロトコルとプローブの位置を示しています。fNIRS データ記録プロセスは、休止状態セッション (5 分) とコラボレーション セッション (15 ~ 20 分) の 2 つの部分で構成されます。協調学習ダイアドは、リラックスして休息状態のセッションに留まるために必要です。その後、学習教材を共学習するように言う(図1A)。前頭前および左のテンポラル領域は、対応するプローブセットで覆われています(図1B)。

図 2は、fNIRS データ分析パイプラインを示しています。fNIRS データ分析は、各参加者および各チャネルから記録されたすべての fNIRS データに適用されます。まず、あるダイアドに対するチャンネル33の検眼密度が図2Aで可視化される。オプトデ密度は、fNIRS測定シ...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

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

まず、本プロトコルにおいて、協調学習シナリオでfNIRSハイパースキャン実験を行う具体的なステップが記載されている。第2に、協調学習ダイアドにおける血行力信号のIBSを評価するデータ解析パイプラインも提示される。fNIRSハイパースキャン実験の詳細な操作は、オープンサイエンスの開発を促進するであろう。さらに、ハイパースキャン研究の再現性を高めるために、解析パイプラインをここに設けています。以下では、実験計画、実験実施、(fNIRS)ハイパースキャン実験におけるデータ解析の重要な課題がすべて強調される。さらに、現在の制限に対する可能な解決策についても説明します。

実験計画
fNIRSハイパースキャン研究の実験設計は柔軟です。ここでは、fNIRS ハイパースキャン手法が、協調学習シナリオに適用されます。2人の参加者に、図表の特定のルールを一緒に学ぶという依頼を受け、その脳活動をfNIRSによって同時に記録した。このアプローチにより、研究者は、協調学習ダイアドにおけるリアルタイム同時神経動態(すなわちIBS)を探求することができます。以前の研究によ...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

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

著者らは開示するものは何もない。

謝辞

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

この研究は、優秀博士課程の学生のためのECNU学術イノベーション推進プログラム(YBNLTS2019-025)と中国国立自然科学財団(31872783と71942001)によって支援されています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
EEGキャップCompumedics Neuroscan,Charlotte,USA64チャンネルクイックキャップ中型と大の2種類から選べます。
プローブセットとプローブホルダーグリッドを備えたNIRS測定システム日立メディコ株式会社、東京、日本ETG-7100 光トポグラフィーシステム現在の研究プロトコルでは、合計92チャンネルの測定にオプションの2番目の成人用プローブセットが必要です。
数値計算プラットフォームThe MathWorks, Inc., Natick, MAMATLAB R2020aPsychophysics Toolbox extensions (stimulus presentation), Homer2 (fNIRS前処理解析)、および「wtc」機能(WTC計算)。
心理学ソフトウェア心理学ソフトウェアツール、ペンシルベニア州シャープスバーグ、米国E-prime 2.0E-prime を適用して fNIRS 測定システムを開始し、データを記録する fNIRS の残りのフェーズと協調学習フェーズをマークするトリガーを送信します。
スイミングキャップZoke株式会社、上海、中国611503314最初に標準の10-20 EEGキャップをヘッドモールドに置き、水泳キャップをEEGキャップに置きました。次に、チョークで(イニオン、Cz、T3、T4、PFC、P5)をマークしました。
3次元(3D)デジタイザーPolhemus、コルチェスター、バーモント州、米国。3次元(3D)デジタイザーパトリオット3Dデジタイザーを使用して、標準ヘッドランドマークに対するオプトードの解剖学的位置を各参加者について決定しました
キャップのサイズは

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. 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).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657(2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111(2020).
  12. 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).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73(2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106(2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259(2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147(2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004(2016).
  30. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004(2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
  43. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011(2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881(2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

Inter Brain SynchronyCollaborative LearningFNIRS HyperscanningSocial InteractionOxygenated HemoglobinWavelet TransformPrincipal Components AnalysisMotion Artifact RemovalDyad Brain ActivityNaturalistic Learning

関連記事