方法論記事

部分ウェーブレット変換コヒーレンス法を用いたfNIRS-ハイパースキャンデータにおける指向性情報流の測定

DOI：

10.3791/62927

⸱

2021年9月3日

 ,  , 
1State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, 2Institute of Developmental Psychology, Faculty of Psychology, Beijing Normal University

* These authors contributed equally

この記事について

サマリー

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

このプロトコルは、社会的相互作用中の情報の流れの方向および時間的パターンを推測するために、対人神経同期(INS)の時間時間差パターンを計算するための部分ウェーブレット変換コヒーレンス(pWTC)を記述する。INS上のシグナル自己相関の交絡を除去する上でのpWTCの有効性は、2つの実験によって証明された。

要約

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

社会的相互作用は人間にとって極めて重要です。ハイパースキャンアプローチは、社会的相互作用中の対人神経同期(INS)を研究するために広く使用されてきましたが、機能的近赤外分光法(fNIRS)は、比較的高い空間分解能、音の解剖学的局在化、およびモーションアーチファクトの非常に高い耐性のために、自然主義的社会的相互作用をハイパースキャンするための最も一般的な技術の1つです。以前のfNIRSベースのハイパースキャニング研究では、通常、ウェーブレット変換コヒーレンス(WTC)を使用して時間時間差INSを計算し、個人間の情報の流れの方向と時間パターンを記述します。しかしながら、この方法の結果は、各個体のfNIRS信号の自己相関効果によって交絡する可能性がある。この問題に対処するために、自己相関効果を除去し、fNIRS信号の高い時間スペクトル分解能を維持することを目的とした部分ウェーブレット変換コヒーレンス(pWTC)と呼ばれる方法が導入されました。本研究では、INSに対する自己相関の影響を除去する上でのpWTCの有効性を示すために、最初にシミュレーション実験が行われた。次に、社会的相互作用実験からのfNIRSデータセットに基づくpWTCの動作について、段階的なガイダンスが提供された。さらに、pWTC法と従来のWTC法との比較、およびpWTC法とグレンジャー因果関係(GC)法との比較が描かれた。結果は、pWTCが、自然主義的社会的相互作用中の個人間の異なる実験条件間のINS差およびINSの方向的および時間的パターンを決定するために使用することができることを示した。さらに、従来のWTCよりも優れた時間分解能と周波数分解能を提供し、GC法よりも優れた柔軟性を提供します。したがって、pWTCは、自然主義的な社会的相互作用中の個人間の情報の流れの方向および時間的パターンを推測するための強力な候補である。

概要

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

社会的相互作用は人間にとって極めて重要である1,2。社会的相互作用の二重脳神経認知メカニズムを理解するために、ハイパースキャンアプローチが最近広く使用されており、対人神経同期(INS)のパターンが社会的相互作用プロセスをうまく特徴付けることができることを示している3、4、5、6、7、8、9、10、11、12,13,14。最近の研究の中で、興味深い発見は、ダイアドにおける個人の役割の違いがINSの時間遅れパターンにつながる可能性があるということです、すなわち、INSは、ある個人の脳活動が他の個人の脳活動に数秒遅れたときに起こります。 教師から生徒へ8人、母親から子供へ13,15人、ロマンチックなカップルの女性から男性へ6.最も重要なのは、時間遅れINSの間隔と、質問する教師と8に答える生徒の間、または母親の子育て行動と子供のコンプライアンス行動15との間のそのような社会的相互作用行動の間隔との間に良好な対応がある。したがって、時間差INSは、対人言語コミュニケーションのための最近の階層モデル16において提案されているように、ある個人から別の個人への指向性情報フローを反映し得る。

これまで、時間遅れINSは、自然主義的社会的相互作用を研究する際の比較的高い空間分解能、音の解剖学的局在化、およびモーションアーチファクト17の非常に高い許容度のために、主に機能的近赤外分光法(fNIRS)信号に基づいて計算された。また、社会的相互作用中の神経タイムラグと行動タイムラグとの対応関係を精密に特徴付けるためには、タイムラグ毎(例えば、無タイムラグから10秒のタイムラグまで)のINS強度を求めることが不可欠である。この目的のために、以前は、ウェーブレット変換コヒーレンス(WTC)手順は、ある個体の脳信号を別の個体の脳信号に対して前方または後方にシフトした後に広範囲に適用されていた5,6,18。fNIRS信号に対してこの従来のWTC手順を使用する場合、観察された時間遅れINSが個々の19、20、21に対するfNIRS信号の自己相関効果によって交絡する可能性があるため、潜在的な課題があります。例えば、ダイアディック社会的相互作用プロセスの間、時点tにおける参加者Aの信号は、同じ時点における参加者Bの信号と同期され得る。一方、時間点tにおける参加者Aの信号は、自己相関効果のために、後の時点t+1における参加者Aの信号と同期され得る。したがって、時刻tにおける参加者Aの信号と、時点t+1における参加者Bの信号との間に、偽の時間差INSが発生する可能性があります。

Mihanovićと彼の同僚22は、最初に部分ウェーブレット変換コヒーレンス(pWTC)と呼ばれる方法を導入し、次にそれを海洋科学23,24に適用した。この方法の本来の目的は、2つの信号のコヒーレンスを推定するときに外因性の交絡ノイズを制御することでした。ここでは、fNIRSハイパースキャンデータの自己相関の問題に対処するために、pWTC法を拡張して、fNIRS信号上の時間差INSを計算しました。正確には、参加者Aから参加者Bまでの時間差INS(および方向情報フロー)は、以下の式(式1)23を使用して計算できます。

figure-introduction-1

ここでは、参加者 A と参加者 B からそれぞれ A と B の 2 つの信号があると仮定します。信号Bの発生は、常にnのタイムラグを持つ信号Aの発生に先行し、WTC(At、Bt+n)は従来の時間差WTCである。WTC (At, At+n) は、構成要素 A における自己相関 WTC であり、WTC (At, B t) は、構成要素 A と B の間の時点 t における時間整合 WTC です。* は複素共役演算子です (図 1A)。

figure-introduction-2
図 1: pWTC の概要 (A) pWTC の論理。ダイアド内には2つの信号AとBがあります。A の出現は、常にラグ n を持つ B の出現に続きます。灰色のボックスは、特定の時点tまたはt+nにおけるウェーブレットウィンドウです。pWTC方程式(図に表されている)に基づいて、3つのWTCを計算する必要があります:At + nとBtの時間遅れWTC。A tおよびA t + nの参加者Aにおける自己相関WTC;時刻t、RtおよびBtにおける時間整列WTCである。(イ)オプトイドプローブセットのレイアウト。CH11はT3に置かれ、CH25は国際10-20システム27,28に従ってT4に置かれた。この図の拡大版を表示するには、ここをクリックしてください。

このプロトコルは、pWTCが自己相関の課題をどの程度うまく解決するかを示すために、最初にシミュレーション実験を導入しました。次に、自然主義的社会的相互作用の実証実験に基づき、pWTCを段階的に実施する方法を説明しました。ここでは、通信コンテキストを使用してメソッドを導入しました。これは、以前は、時間差INSは、通常、自然主義的なコミュニケーションコンテキスト3、4、6、8、13、15、18で計算されていたためです。さらに、pWTCと従来のWTCの比較、グレンジャー因果関係(GC)検定による検証も実施されました。

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

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

人体実験プロトコルは、北京師範大学の認知神経科学と学習の国家主要研究所の治験審査委員会と倫理委員会によって承認されました。すべての参加者は、実験が始まる前に書面によるインフォームドコンセントを与えました。

1. シミュレーション実験

  1. 互いに相関するシグナルの2つの時系列を生成し、1つのシグナルが4秒のタイムラグで自己相関を有する。2つの信号間のrの相関係数を0.4に設定します。
  2. さらに、相関関係はなく、1つの信号に自己相関を持つ2つの時系列の信号を生成します。
  3. 相関の有無にかかわらず生成された信号に基づいて、式2を使用して従来の4秒の時間時間差INSの値を計算します。この信号には、自己相関付きの時間時間差INS WTCと自己相関付きの時間時間差INSWTCという名前を付けることができます。
    注:ここで、従来の時間差WTCは、次の式(式2)25で表される。
    figure-protocol-1
    ここで、 C は、異なる縮尺 i および時間点 tでの連続ウェーブレット変換演算子を示す。 S は 平滑化演算子を示します。*は複素共役演算子を示す。W と M は、シグナルの 2 つの個別の時系列を示します。
  4. 生成されたシグナルから自己相関を削除します。次に、相関の有無にかかわらず生成された信号に基づいて、式2を使用して従来の4秒の時間差INS WTCの値を計算します。この信号には、自己相関のない時間差INSWTCと自己相関のない時間時間差ベースラインINSWTCという名前を付けることができます。
  5. 相関の有無にかかわらず生成された信号(時間時間差INS pWTCと時間時間差ベースラインINS pWTCという名前)に基づいて、式3を使用して4秒の時間時間差pWTCの値を計算します。
    注:pWTCは、次の式(式3)に基づいて計算できます23
    figure-protocol-2
    ここで、WTC (Wt, Mt+n) は従来の時間差 WTC です。WTC(Mt、Mt+n)は、1人の個体の自己相関WTCである。WTC (Wt, Mt) は、時間アライメントされた WTC です。* は複素共役演算子である。
  6. 上記の手順を1000回繰り返します。
  7. ベースライン INS を減算した後、自己相関付きの時間時間差 INSWTC 、自己相関のない時間差 INSWTC、および分散分析 (ANOVA) 法を使用した時間時間差 INSpWTC の結果を比較します。
    注: ここでは、自己相関のある時間差 INS WTC は、自己相関のない時間差 INS WTC および時間時間差 INS pWTC よりも有意に高くなることが予想され、自己相関のない時間差 INSWTC と時間差 INS pWTC との間に有意差は期待されません。

2. 実証実験

  1. 参加者と手順
    1. 適切な参加者を募集する。
      注:この研究では、北京の大学の学部生から広告を通じて、22組の親しい異性間の友人(女性の平均年齢= 20.95、標準偏差(SD)= 1.86、男性の平均年齢= 20.50、SD = 1.74)を募集した。すべての参加者は右利きで、正常または正常視力に矯正された。さらに、言語障害、神経学的障害、精神疾患を抱えた参加者はいなかった。
    2. 実験中は、参加者の各ペアに向かい合って座るように言います。一方のセッションでは支持的な話題について,もう一方のセッションでは対立する話題について自由に話し合ってもらいます。
      注:トピックは、意図された肯定的または否定的な感情的価数を誘発するために使用されました。各コミュニケーションセッションは10分間続き、トピックの順序は相殺されました。
    3. 参加者に、標準的なセットアップルールとして、支持的なトピックと競合するトピックについて報告してもらいます。各パートナーに、明確な点スケールで誘導された可能性のある正または負の価数レベルを評価するように依頼します。次に、報告されたトピックを評価に従ってランク付けします。
      注:この作業では、トピックは次の3つのステップで選択されました。まず、支援的なトピックのために、各参加者は、彼女/彼が彼女/彼の人生で改善したいことに関連する1-3の個人的な問題を報告するように求められました。各参加者は、紛争のトピックについて、彼らの間の紛争を誘発した、または誘発する、または関係を危険にさらす可能性のある1〜3のケースを報告する必要がありました。第二に、各パートナーは、各トピックが誘発する可能性のある正または負の価数のレベルを7点満点(1 = まったくない、7 =非常に多く)で評価する必要がありました。第三に、報告されたトピックは評価に従ってランク付けされました。支持的なトピックと競合トピックのリストの最初の2つのトピックが選択されました。
  2. fNIRS データ収集
    1. 26チャンネルfNIRS地形システム( 材料表を参照)を使用してfNIRSデータを収集します。
      注:2つのカスタマイズされたオプトードプローブセットは、両側前頭皮質、側頭皮質、および頭頂皮質をカバーしました(図1B)。
    2. 正確には、各参加者に2つのカスタマイズされたプローブセット( 材料表を参照)のキャップを着用するように依頼します。
    3. 鼻、イニオン、耳の乳突起を、10-20国際システム26の典型的なランドマークであるFpz、Opz、T7、およびT8に合わせます。
    4. チャネル(CH)11をT3およびCH25からT4に合わせ、2つのプローブセット27,28の国際10-20システムに従います。
    5. 高分解能T1加重磁化準備された高速勾配エコーシーケンス(TR = 2530ms;TE = 3.39 ミリ秒;フリップ角度 = 7°;スライスの厚さ= 1.3ミリメートル。ボクセルサイズ = 1.3 x 1 x 1.3 mm)。
    6. 統計パラメトリックマッピング12(SPM12)を使用して、画像を標準的なモントリオール画像研究所座標(MNI座標)空間29に正規化する。次に、NIRS_SPMツールボックス( 材料表を参照)を使用して、プローブのMNI座標を自動解剖学的標識(AAL)テンプレートに投影します。
    7. 55.6Hzのサンプリングレート(装置デフォルトパラメータ)で3波長(780、805、および830nm)の近赤外光の光学密度データを収集します。
    8. fNIRS地形システムに内蔵された機器ソフトウェアを使用して信号品質をテストします( 材料表を参照)。
    9. 信号の記録を開始します。
      注:いくつかの公開されたプロトコルは、様々な機器およびシステム30,31,32でfNIRS信号を収集する方法を実証している。
  3. fNIRS データの前処理
    1. 機器からデータファイルをエクスポートします。
      注:現在の実験では、内蔵ソフトウェアが修正されたビールランバート法則に基づいて、全光学濃度データをオキシヘモグロビン(HbO)濃度変化に自動的に変換しました。
    2. 各セッションの最初と最後の 15 秒のデータを削除して、一時的な応答を回避します。
    3. MATLAB デシメート組み込み関数を使用して、データを 55.6 Hz から 11.1 Hz にダウンサンプリングします。
      メモ: 55.6 Hz と 11.1 Hz の間のパワースペクトルパターンは非常によく似ています(補足図 1)。
    4. 組み込みのMATLABアプリケーション関数(Homer3、 材料表を参照)を適切なフィルタリング機能とともに使用して、離散ウェーブレット変換フィルタ法を適用してモーションアーチファクトを修正します。
    5. MATLAB pca 組み込み関数を使用して、グローバルな生理学的ノイズを除去します。シグナルから分散の上位80%を削除します。
    6. 以前の研究33に基づいて生理学的ノイズを除去する。正確には、高周波の生理学的ノイズ(心臓活動など)のエイリアシングを避けるために、0.7Hzを超える各信号の周波数帯域を除去します。
    7. 次に、0.01Hz未満の各信号の周波数帯域を削除して、非常に低い周波数の変動をフィルタリングします。
    8. 最後に、各信号の周波数帯域を0.15~0.3Hz以内に除去して、呼吸活動の潜在的な影響を排除します。
  4. 第1レベルのfNIRSデータ処理
    1. まず、従来の WTC (INSWTC) を使用して INS を計算します。
      注:ここでは、以前の研究が会話中の女性と男性の異なる役割を示唆しているため、INSWTCの女性主導の時間遅れパターンが女性の脳活動と男性の脳活動の間で起こると予測された34,35。従来のWTCは、男性の脳活動を女性の脳活動と比較して後方にシフトさせることによって、INSWTCのこのパターンを計算しました(式2を参照)。
    2. 式 2 を使用して、女性から最初の 2 秒のデータと男性からの最後の 2 秒のデータを削除した後、女性主導の 2 秒遅れの INSWTC 値を計算します。同様に、男性から最初の 2 秒のデータと女性からの最後の 2 秒のデータを削除した後、式 4 を使用して、男性主導の 2 秒時間差の INSWTC 値を計算します。
      注:ここでは、MATLABのウェーブレットツールボックスの組み込み関数であるwcoherence関数を使用しました( 材料表を参照)。
    3. 異なるタイムラグn、すなわち、すべての潜在的なCHペアにわたってn = 2 s、4 s、6 s、8 s(例えば、女性のCH2および男性のCH10、合計676ペア)でこの手順を繰り返す。さらに、男性主導の時間遅れINSWTC の強さを同じ方法で計算します(式4)。
      figure-protocol-3
    4. 次に、pWTC (INSpWTC) を使用して INS を計算します。
      注:pWTCは 式3に基づいて計算された。INSpWTC の計算は、異なるタイムラグn、すなわち、すべての潜在的なチャネルペアにわたってn=2s、4s、6s、8sで繰り返された(例えば、女性のCH2および男性のCH10、合計676ペア)。さらに、男性主導の時間遅れINSpWTC の強度も同じ方法で計算した(式5)。
      figure-protocol-4
    5. 異なるタイムラグでfNIRS信号の時間差時系列を生成します。
    6. 異なるタイムラグでのタイムラグWTCの値を計算します。
    7. 異なるタイムラグでfNIRS信号の自己相関時系列を生成します。男性の 2 秒の自己相関値を計算するには、男性から最初の 2 秒のデータを削除し、男性から最後の 2 秒のデータを削除します。
    8. 異なるタイムラグで自己相関 WTC 値を計算します。
    9. 異なるタイムラグでfNIRS信号の時間整合時系列を生成します。2 秒の時間調整 WTC を計算するには、男性と女性の最初の 2 秒のデータからデータの最初の 2 秒を削除します。
    10. 時間調整された WTC 値を計算します。
    11. 時間アライメントされた WTC、時間差 WTC、および異なるタイムラグでの自己相関 WTC 値を式 3 と式 5 (pWTC の式) に入力し、INSpWTC を生成します。
    12. 最後に、GC メソッド (INSGC) を使用して INS を計算します。
      注: pWTC 法をさらに検証し、その長所と短所を評価するために、GC ベースの INS は GC 法 (INSGC) を使用して計算されました。
    13. pWTCの結果に基づいて、バンドパスはSMCで各個人のHbO信号をフィルタリングします(すなわち、0.4〜0.6Hz、 代表的な結果を参照)。
    14. GCテスト(計量経済学ツールボックス、MATLAB)を各ダイアド内で、支持的および対立的なトピックで別々に実施します。
      注:INSGCについては、4つのF値グループが得られる:(1)支持的なトピック(W2M_supp)について女性から男性まで。(2)支持的な話題(M2W_supp)に関する男性から女性へ。(3)紛争のトピックに関する女性から男性へ(W2M_conf)。(4)紛争のトピックに関する男性から女性へ(M2 W_conf)。F 値は、INS GC のインデックスを作成するために使用されます。
  5. 第 2 レベルの fNIRS データ処理
    1. INS を Fisher-z 変換で変換し、時間次元で INS を平均します。
      注: ここでは、Fisher-z 変換は、式 6 36 のカスタム MATLAB スクリプトを使用して実行されました。
      figure-protocol-5
      ここで、r は WTC または pWTC の値であり、z は WTC または pWTC のフィッシャー z 変換値です。
    2. 各タイムラグでの平均INSについて、周波数範囲にわたる各CHペアでペアの2サンプル t検定(支持 対競合)を実施します。次に、すべての重要な周波数クラスタを特定します(P<0.05)。
    3. クラスターベースの順列テストを実行して、結果のしきい値を設定します。
      1. 参加者を新しい2人のメンバーのペア、つまり互いに通信したことのないダイアドの参加者にランダムに割り当てることによって、ダイアディック関係を再割り当てします。各タイムラグでINSを再計算し、新しいサンプルで対応のある t検定を再度実行し、有意な周波数クラスタを再度特定します。
      2. 合計 t 値が最大のクラスターを選択します。上記の手順を 1000 回繰り返して、最大偽陽性 t 値のヌル分布を生成します。
        注: 分布は確率レベルとして機能します。ファミリごとのエラー率(FWER)はq = 0.05で制御され、偽陽性のt値のヌル分布の上位5%のみがしきい値(R*)を超えます。
      3. 元のサンプルで識別された各頻度クラスターのt値を合計した値をヌル分布と比較して、有意な統計結果を得ます。
    4. コンテキスト(支持的、対立的)x方向(女性から男性、男性から女性へ)分散分析(ANOVA)を実施して、異なる条件(すなわち、トピック)間のINS方向の差を検定する(p<0.05)。
    5. WTC(Wt、Mt+n)とWTC(Mt、Mt+n)の結果の間で対応のある2サンプル両側t検定を実施し、INSに対する自己相関の潜在的な影響を検定します。
      注: WTC の INS (Mt、Mt + n) は自己相関を反映しています。

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。

結果

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

シミュレーション結果
その結果、自己相関のある時間差INS WTCは、自己相関のない時間差INSWTC(t(1998) = 4.696, p < 0.001)および時間差INSpWTC(t(1998) = 5.098, p < 0.001)よりも有意に高いことが示された。さらに、自己相関のない時間差INS WTCとINSpWTCとの間に有意差はなかった(t(1998) = 1.573, p = 0.114, Figure 2A)。これらの結果は、pWTCがINSに対する自己相関効果の影響を効果的に除去できることを示しています。さらに、WTC値が0または1に近い値に設定されている場合、時間差INSpWTCは、WTC値が0または1から離れていても信頼できる結果を示しました(補足図2)。

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

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

ハイパースキャン研究では、通常、個人間の情報の流れの方向的および時間的パターンを記述することが不可欠です。これまでのほとんどのfNIRSハイパースキャン研究では、従来のWTC25を使用して、時間差INSを計算することによってこれらの特性を推測してきました。しかし、fNIRS信号20,21の本質的な特徴の1つとして、自己相関効果が時間遅れINSを混乱させる可能性がある。この問題に対処するために、本明細書のプロトコルにおいて、pWTCと称される方法が導入された22。この方法は、部分的に自己相関が外れた後の時間遅れINSを推定し、WTC法の利点を維持します。このプロトコルは、pWTCの実施方法に関するステップバイステップのガイダンスを提供し、その結果を従来のWTCおよびGCテストの結果と比較することによってpWTCの結果を検証します。

fNIRSベースのハイパースキャンデータに...

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、競合する金銭的利益はないと宣言している。

謝辞

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

この研究は、中国国家自然科学財団(61977008)とヤング・トップ・ノッチ・タレント・オブ・ワン・ワン・スタレント・プログラムによって支援されました。

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
fNIRSトポグラフィーシステム島津製作所島津製作所 LABNIRSシステム、fNIRS信号測定用の40個のエミッタと40個の検出器が含まれています。このプロトコルでは、これらのエミッターと検出器を使用し、カスタマイズされた26チャンネルプローブセットを2つ作成し、10-20システムに対応する2つのキャップに取り付けました。さらに、LABNIRSシステムには、データ品質チェック、データ変換、データエクスポート用のGUIソフトウェアも組み込まれています。
MATLABThe MathWorks, Inc.MATLAB 2019aこのプロトコルでは、MATLAB のいくつかのツールボックスと関数が使用されました:
SPM12 ツールボックスは、GUI を介して検証された MRI データを正規化するために使用されました。
NIRS_SPM ツールボックスは、GUI を介してプローブの MNI 座標を AAL テンプレートに投影するために使用されました。
Homer3 ツールボックスは、既定のパラメーターを持つ関数 hmrMotionCorrectWavelet を通じてモーション アーティファクトを除去するために使用されました。
ウェーブレットtoolbox は、その関数 wcoherence を通じて WTC と pWTC を計算するために使用されました。
MRIスキャナーSiemens HealthineersTRIO 3-Teslaスキャナーこのプロトコルでは、MRIスキャナーを使用して各チャネルとoptpdeのMNI座標を取得しました。スキャンパラメータは本文で説明されています。
カスタマイズされたキャップこのプロトコルでは、最初に2つのナイロンキャップに10-20システムでマークを付けました。次に、2つの26チャンネルのカスタマイズされたオプトードプローブセットを作成しました。最後に、プローブセットをランドマークと位置合わせされたキャップに取り付けました。
には (英語)

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Hasson, U., Ghazanfar, A. A., Galantucci, B., Garrod, S., Keysers, C. Brain-to-brain coupling: A mechanism for creating and sharing a social world. Trends in Cognitive Sciences. 16 (2), 114-121 (2012).
  2. Hasson, U., Frith, C. D. Mirroring and beyond: Coupled dynamics as a generalized framework for modelling social interactions. Philosophical Transactions of the Royal Society B: Biological Sciences. 371, 20150366(2016).
  3. Jiang, J., et al. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  4. 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).
  5. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 1-12 (2018).
  6. Long, Y., et al. Interpersonal neural synchronization during interpersonal touch underlies affiliative pair bonding between romantic couples. Cerebral Cortex. 31 (3), New York, N.Y. 1647-1659 (2021).
  7. Liu, W., et al. Shared neural representations of syntax during online dyadic communication. NeuroImage. 198, 63-72 (2019).
  8. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  9. Stephens, G. J., Silbert, L. J., Hasson, U. Speaker-listener neural coupling underlies successful communication. Proceedings of the National Academy of Sciences of the United States of America. 107 (32), 14425-14430 (2010).
  10. Hirsch, J., et al. Interpersonal agreement and disagreement during face-to-face dialogue: An fNIRS investigation. Frontiers in Human Neuroscience. 14, 606397(2021).
  11. Pan, Y., Cheng, X., Zhang, Z., Li, X., Hu, Y. Cooperation in lovers: An fNIRS-based hyperscanning study. Human Brain Mapping. 38 (2), 831-841 (2017).
  12. 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).
  13. Piazza, E. A., Hasenfratz, L., Hasson, U., Lew-Williams, C. Infant and Adult Brains Are Coupled to the Dynamics of Natural Communication. Psychological Science. 31 (1), 6-17 (2020).
  14. Djalovski, A., Dumas, G., Kinreich, S., Feldman, R. Human attachments shape interbrain synchrony toward efficient performance of social goals. NeuroImage. 226, 117600(2021).
  15. Zhao, H., et al. How mother-child interactions are associated with a child's compliance. Cerebral Cortex. 31 (9), 4398-4410 (2021).
  16. Jiang, J., Zheng, L., Lu, C. A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience. 16 (1-2), 246-255 (2021).
  17. Yan, W., et al. Bibliometric evaluation of 2000-2019 publications on functional near-infrared spectroscopy. NeuroImage. 220, 117121(2020).
  18. 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).
  19. Dean, R. T., Dunsmuir, W. T. M. Dangers and uses of cross-correlation in analyzing time series in perception, performance, movement, and neuroscience: The importance of constructing transfer function autoregressive models. Behavior Research Methods. 48 (2), 783-802 (2016).
  20. Barker, J. W., Rosso, A. L., Sparto, P. J., Huppert, T. J. Correction of motion artifacts and serial correlations for real-time functional near-infrared spectroscopy. Neurophotonics. 3 (3), 031410(2016).
  21. Huppert, T. J. Commentary on the statistical properties of noise and its implication on general linear models in functional near-infrared spectroscopy. Neurophotonics. 3 (1), 010401(2016).
  22. Mihanović, H., Orlić, M., Pasarić, Z. Diurnal thermocline oscillations driven by tidal flow around an island in the Middle Adriatic. Journal of Marine Systems. 78, SUPPL. 1 157-168 (2009).
  23. Ng, E. K. W., Chan, J. C. L. Geophysical applications of partial wavelet coherence and multiple wavelet coherence. Journal of Atmospheric and Oceanic Technology. 29 (12), 1845-1853 (2012).
  24. Ng, E. K. W., Chan, J. C. L. Interannual variations of tropical cyclone activity over the north Indian Ocean. International Journal of Climatology. 32 (6), 819-830 (2012).
  25. 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).
  26. Jurcak, V., Tsuzuki, D., Dan, I. 10/20, 10/10, and 10/5 systems revisited: Their validity as relative head-surface-based positioning systems. NeuroImage. 34 (4), 1600-1611 (2007).
  27. Homan, R. W., Herman, J., Purdy, P. Cerebral location of international 10-20 system electrode placement. Electroencephalography and Clinical Neurophysiology. 66 (4), 376-382 (1987).
  28. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. 46 (1), 64-72 (2009).
  29. Penny, W., Friston, K., Ashburner, J., Kiebel, S., Nichols, T. Statistical Parametric Mapping: The Analysis of Functional Brain Images. , Academic Press. (2007).
  30. Shalinsky, M. H., Kovelman, I., Berens, M. S., Petitto, L. A. Exploring cognitive functions in babies, children & adults with near infrared spectroscopy. Journal of Visualized Experiments: JoVE. (29), e1268(2009).
  31. Xu, S. Y., Cheong, L. I., Zhuang, Y., Couto, T. A. P., Yuan, Z. Conducting concurrent electroencephalography and functional near-infrared spectroscopy recordings with a flanker task. Journal of Visualized Experiments: JoVE. (159), e6069(2020).
  32. Noah, J. A., et al. fMRI validation of fNIRS measurements during a naturalistic task. Journal of Visualized Experiments: JoVE. (100), e52116(2015).
  33. Tong, Y., Lindsey, K. P., Frederick, B. D. Partitioning of physiological noise signals in the brain with concurrent near-infrared spectroscopy and fMRI. Journal of Cerebral Blood Flow and Metabolism. 31 (12), 2352-2362 (2011).
  34. Buck, R., Miller, R. E., Caul, W. F. Sex, personality, and physiological variables in the communication of affect via facial expression. Journal of Personality and Social Psychology. 30 (4), 587-596 (1974).
  35. Walen, H. R., Lachman, M. E. Social support and strain from partner, family, and friends: Costs and benefits for men and women in adulthood. Journal of Social and Personal Relationships. 17 (1), 5-30 (2000).
  36. Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
  37. Liu, H., et al. Inferring subsurface preferential flow features from a wavelet analysis of hydrological signals in the shale hills catchment. Water Resources Research. 56 (11), 0-3 (2020).
  38. Rhif, M., Abbes, A. B., Farah, I. R., Martínez, B., Sang, Y. Wavelet transform application for/in non-stationary time-series analysis: A review. Applied Sciences. 9 (7), Switzerland. 1345(2019).
  39. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  40. 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), 649-662 (2010).
  41. 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).
  42. 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).
  43. Cooper, R. J., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 0, 147(2012).
  44. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  45. Liu, Y., et al. Measuring speaker-listener neural coupling with functional near infrared spectroscopy. Scientific Reports. 7, 1-13 (2017).
  46. Li, Z., et al. Speaker-listener neural coupling reveals an adaptive mechanism for speech comprehension in a noisy environment. Cerebral Cortex. , (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

関連記事