方法論記事

機能的近赤外分光法(fNIRS)ハイパースキャニング研究における脳間コヒーレンスを理解するための新しいフレームワーク

DOI：

10.3791/65347

⸱

2023年10月6日

 ,  ,  ,  ,  ,  , 
1The Department of Behavioral Sciences and Psychology, Ariel University, 2Braude College of Engineering, 3Department of Psychology and Behavioral Sciences, Zhejiang University, 4Department of Psychology, Florida Atlantic University

この記事について

サマリー

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

ウェーブレット変換コヒーレンス(WTC)は、機能的近赤外分光法(fNIRS)ハイパースキャニング研究で使用される信号間の結合を評価するための一般的な方法です。この作業では、信号の相互作用の方向性を評価するためのツールボックスが提示されています。

要約

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

機能的近赤外分光法(fNIRS)ハイパースキャニング研究が増えているにもかかわらず、ウェーブレット変換コヒーレンス(WTC)を使用した2つの神経信号間の結合の評価は、相互作用の方向性を無視しているようです。この分野は現在、WTC関数を使用して得られた高いコヒーレンス値が同相同期を反映しているかどうか(つまり、ダイアドの両方のメンバーで同時にニューラル活性化が見られる)、遅れた同期(つまり、ダイアドの一方のメンバーで他のメンバーよりも先にニューラル活性化が見られる)を反映しているかどうかを研究者が判断できるフレームワークを欠いています。 または逆位相同期(すなわち、神経活性化はダイアドの一方のメンバーで増加し、もう一方のメンバーで減少します)。このニーズに対処するために、この研究では、2つの神経信号の位相コヒーレンスを分析するための補完的でより感度の高いアプローチが提案されています。このツールボックスでは、従来の WTC を使用して得られた位相角値を同相同期、遅延同期、逆位相同期に分類することで、結合の方向性を推定できます。また、このツールボックスを使用すると、研究者は、相互作用のダイナミクスがタスク全体でどのように発達し、変化するかを評価することができます。この新しいWTCアプローチとツールボックスを使用することで、fNIRSハイパースキャニング研究での使用を通じて、複雑な社会的相互作用の理解が深まります。

概要

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

近年、社会的行動の神経基盤を理解するために行われる研究の種類に変化が見られます1,2。従来、社会神経科学の研究は、社会的に重要な課題中の1つの孤立した脳の神経活性化に焦点を当ててきました。しかし、ニューロイメージング技術の進歩により、社会的相互作用中の1人または複数の個人の脳内の神経活性化を、「実生活」の環境で発生するように調べることができるようになりました3。「実生活」では、個人は自由に動くことができ、情報交換や社会的パートナーが互いにフィードバックを受けることで、脳の活性化パターンが変化する可能性があります4。

ハイパースキャニングは、2人以上の個体の脳活動を同時に測定することにより、この双方向の情報交換を評価する方法です5。新たな研究は、他のニューロイメージング技術と比較してモーションアーチファクトの影響を受けにくい非侵襲的なニューロイメージング技術である機能的近赤外分光法(fNIRS)を利用しています6。fNIRSによるハイパースキャニングにより、インタラクティブなパートナーが自由かつ自然に動きながら、実際の環境で脳間同期(IBS)を評価することができます。これは、非常に活発な傾向がある乳幼児を扱う仕事に特に関連しています。IBSは、効果的な社会的相互作用とコミュニケーションの基盤として機能し、共有された志向性を媒介するインタラクティブなパートナー間の相互理解を反映していると報告されています1,7,8。

2つの脳のIBSを評価するには、いくつかの方法が用いられます。このような手法には、相互相関やピアソン相関係数9,10などの時系列相関が含まれます(Scholkmann et al.10によるレビューを参照)。他の方法には、周波数領域での結合の強さを評価することが含まれます。このような方法には、位相ロック値(PLV)と位相コヒーレンスが含まれます(Czeszumskiらによるレビューを参照11)。fNIRS研究で最も一般的な方法の1つは、ウェーブレット変換コヒーレンス(WTC)を使用しており、これは周波数と時間の関数としての2つの時系列の相互相関の尺度です10。

WTC は、相関解析を使用して、時間-周波数領域の 2 つの時系列間のコヒーレンスと位相遅れを計算します。FNIRSハイパースキャニング研究では、WTCを用いて、行動モニタリング12、協調行動と競争行動5,13,14,15、模倣16、母子問題解決17、教育学習行動18,19,20,21など、多くの機能領域におけるIBSを推定している.典型的には、ハイパースキャニング研究では、WTCによって測定された実験課題中の脳間コヒーレンスが、対照課題中の脳間コヒーレンスと比較される。これらの所見は、通常、WTCの「ホットプロット」で示され、各時点と頻度における2つの脳間のコヒーレンスを示します(図1を参照)。

Czesumaski et al.11 が示唆したように、WTC は fNIRS ハイパースキャニングを分析するための標準的な分析アプローチになっています。WTC分析は、データの視覚化と解釈のための柔軟で「ツールに依存しない」方法です22。コヒーレンス係数ヒートマップは、タスクの完了時の同期または非同期の行動の期間と脳活動の強度を簡単に特定できる物語形式の分析を提供し、WTCの主な利点であり、応用研究のための強力なツールになります22。WTCは相関技術よりも優位に立っている。相関関係は血行動態反応機能(HRF)の形状に敏感であり、個人(特に年齢)や脳領域によって異なると考えられています。対照的に、WTCは(HRF)23の地域間変化の影響を受けない。研究者は、fMRIの時系列を研究するためにウェーブレットアプローチを使用してきました。Zhang et al.24 は、ピアソン相関、偏相関、相互情報量、ウェーブレット コヒーレンス変換 (WTC) など、一般的に使用される関数的接続メトリックを比較しました。彼らは、安静時fMRIデータとビデオ視聴の自然刺激fMRIデータから導き出された大規模な機能的接続パターンを用いて分類実験を行いました。彼らの発見は、WTCが分類(特異性、感度、および精度)において最も優れた性能を発揮することを示しており、WTCが、少なくとも分類アプリケーションにおいて、機能的な脳ネットワークを研究するための好ましい機能的接続指標であることを示唆している24。

figure-introduction-1
図1:ウェーブレット変換コヒーレンス(WTC)。 WTCは、2つの時系列間のコヒーレンスと位相角を、時間(x軸)と周波数(y軸)の両方の関数として示します。コヒーレンスの増加はグラフの赤色で示され、グラフの小さな矢印は2つの時系列の位相角を示しています。右向きの矢印は、同相同期を表します。下向き矢印と上向き矢印は、同期の遅れを表します。そして、左向きの矢印は、逆位相同期30を表す。この図は Pan et al.19 から引用したものです。 この図の拡大版をご覧になるには、ここをクリックしてください。

最近、Hamilton25 は、fNIRSハイパースキャニング研究における脳間コヒーレンスデータの解釈にいくつかの限界があることを明らかにしました。ハミルトンの主な懸念の1つは、コヒーレンス尺度(WTCなど)は、効果を対称的(つまり、2つの脳が相関しており、同じ変化パターンを示す)としてのみ報告することであった。しかし、多くの社会的相互作用は、2人の参加者が異なる役割を果たす可能性があるという点で非対称的であり(例えば、話し手と聞き手の間の情報の流れ)、WTCがこの情報を捕捉できるかどうかは明らかではない。ここでは、クロスウェーブレット位相を使用して方向性を検出することにより、クロスウェーブレットパワーの簡単な解釈を可能にする新しいフレームワークによって、この懸念に対処します。このフレームワークは、相互作用のダイナミクスがタスク全体でどのように発展し、変化するかを調べることもできます。

WTC法と相関法は機能的接続性を評価しますが、他の方法では効果的な接続性を評価し、ある神経要素が別の神経要素に対する因果関係の影響を抽出しようとします。伝達エントロピーは、情報理論の分野からの尺度であり、共同依存プロセス間の移動を記述します26。もう1つの関連法はグレンジャー因果関係分析(GCA)であり、これは転移エントロピー26と同等であると説明されている。

fNIRSハイパースキャニング研究の既存の文献では、協力5、ティーチング19、模倣16など、さまざまなタスクで得られたfNIRS時系列データ間の結合方向を推定するために、グレンジャー因果関係分析(GCA)が広く使用されてきました。GCAは、ベクトル自己回帰モデルを用いて、脳データにおける時系列間の結合の方向性を評価します。グレンジャーの因果関係は、予測と優先順位に基づいている:「変数Xは、Xの過去にすでにある情報に加えて、Yの将来を予測するのに役立つ情報を含む場合、変数Yを「G原因」と言われる」27。したがって、G因果関係は、1)被験者Aから被験者Bへ、および2)被験者Bから被験者Aへという2つの方向で分析されます。

GCA解析は、WTC関数を使用して得られた高いコヒーレンス値がIBSを反映しているのか、それとも遅れた同期(一方の信号が他方の信号をリードしている)を反映しているかどうかを判断することを目的とした補完的な解析として機能しますが、逆位相同期が発生したかどうかを判断することはできません。1人の参加者のみがスキャンされる従来の神経画像研究(すなわち、「単一脳」アプローチ)では、逆相パターンは、一方の脳領域の活動が増加し、他方の脳領域の活動が減少することを意味する28。ハイパースキャニングの文献では、逆位相同期の存在は、神経活性化が一方の被験者で増加し、同時に神経活性化が他方の被験者で減少することを示唆している可能性があります。そのため、方向性を検出できる包括的なモデルを提供する必要があります。具体的には、このモデルは、同相同期と遅延同期に加えて、逆位相同期(ある個体の活動方向がパートナーの活動方向と反対である)を検出できるようになります。

WTCは対称的な効果しか示さず、両方の脳が同じ変化パターンを示すという懸念に対処する試み25として、同期の位相(すなわち、同相、遅れ、または逆相)を調べることによって相互作用のタイプを特定する新しいアプローチが提示されています( 図2を参照)。この目的のために、WTC法を使用してさまざまなタイプの相互作用を分類するツールボックスが開発されました。相互作用の種類は、クロスウェーブレット変換解析からの相対位相データを使用して分類されます。

figure-introduction-2
図2:単純な正弦波の異なる位相関係の図。 (A)信号1(青線s)と信号2(橙線s)の2つの信号が、同時にそれぞれの最大値、最小値、零値に達すると、同相同期を示していると言われる32。(B)一方の信号が最大値に達し、他方の信号が同時にゼロ値に達すると、それらは遅延同期(一方が90°リードしている)を示していると言われます32,33,34。(C)2つの時系列が反対方向にシフトする場合、つまり、一方の信号が同じ時点で最大値に達し、他方の信号が最小値に達する場合、これは逆位相同期28と呼ばれる。(民主党)2 つの時系列間の他のすべての位相関係では、一方の信号が他方の信号をリードしています。すべての正相では、信号2が信号1(パネルE、F、M、Nなど)をリードし、すべての負相では、信号1が信号2(パネルD、G、H、O、Pなど)をリードしています。特に、位相の絶対値が高いほど、どの時系列が他の時系列をリードしているかがより特徴的になります(たとえば、パネルIよりもパネルJのリーダーシップが特徴的であり、パネルKではパネルLよりもリーダーシップが特徴的です)。この図の拡大版をご覧になるには、ここをクリックしてください。

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

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

この研究はフロリダアトランティック大学(FAU)で実施され、FAU治験審査委員会(IRB)によって承認されました。

1. Homer3ソフトウェア(材料表)を使用して、fNIRSハイパースキャニングデータの前処理を実行する

注:Homer3は、fNIRSデータを解析して脳の活性化の推定値とマップを取得するMATLABアプリケーションです29。Homer3は、次のリンク(https://openfnirs.org/software/homer/)からダウンロードしてインストールできます。

  1. MATLAB を開き、生の .nirs ファイルが保存されているフォルダーに移動します。フォルダを選択して開きます。
  2. MATLAB のコマンド ウィンドウに「Homer3」と入力して、 Homer3 GUI を起動します。ホーマー3。は .nirs ファイルを検出し、データの前処理を続行するために .snirf 形式 (MATLAB などの特定のアプリケーション固有のファイル形式とは無関係に NIRS データを保存および共有するための汎用ファイル形式) に変換するように要求します。
  3. Homer3 で .nirs ファイルを .snirf 形式にインポートした後、Homer3 GUI の [ ツール ] オプションをクリックし、[ 処理ストリームの編集] を選択します。
  4. ProcStreamEdit GUI で、[追加] をクリックして、[レジストリ関数] 列から [現在の処理ストリーム] 列への前処理手順を選択します。含まれる前処理手順は次のとおりです。
    1. hmrR_intensity2ODを使用して、強度データを光学濃度に変換します。
    2. hmrR_MotionCorrectWavelet を使用して、適切なフィルタリング機能を使用してモーション アーティファクトを修正します。
    3. hmrR_OD2conc を使用して、OD データを濃度に変換します。
    4. hmR_BlockAvgを使用して、濃度データのブロック平均を計算します。
      注: 前処理ステップの選択は、データセットの種類によって異なる場合があります。
  5. 現在の処理ストリームを保存するには、[ 保存 ] オプションをクリックし、ProcStreamEdit GUI を終了します。
  6. メインのHomer3GUIで前処理ストリームを実行するには、[ 実行 ]オプションをクリックします。Homer3 は、選択した処理ストリームの実行を終了すると、各参加者の前処理された時系列を、すべてのチャネルとイベントの Hbo、Hbr、および Hbt を含む .mat ファイル形式で保存します。Homer output という名前のフォルダーは、これらのファイルを格納するために、現在選択されているフォルダーに Homer3 によって作成されます。
  7. これらのファイルを格納するために、選択したフォルダーに Homer3 によって derivatives という名前のフォルダーが作成されます。derivativesフォルダにあるhomerフォルダを選択します。各頭脳の .mat ファイルを選択し、Hbo、Hbr、Hbt をエクスポートします。
    注:Homer3によって作成される出力フォルダーの名前は、Homer3のバージョンによって異なります。

2. LeaderFollowerByPhase ツールボックスの概要

  1. ハイパースキャン記録で発生する相互作用の種類を分析するには、 図 3 に示すプロセスで説明するように、LeaderFollowerByPhase ツールボックスを使用します。MATLAB で、各頭脳の .mat ファイルを選択し、特定のチャネルと特定のイベントの Hbo (または Hbr) データを signal1 および signal2 として 1 次元ベクトルに読み込みます。
  2. MATLAB コマンド ラインで、パラメーター
    1. lowFreq、highFreq: 「lowFreq = [low FOI]」、および「highFreq = [high FOI]」と入力します。 デフォルト値は、lowFreq = 0.01 Hz、highFreq = 1 Hz です。
      注: 関数 lowFreq と highFreq のパラメータは、対象周波数 (FOI) の範囲を定義します。WTCは、各時点と周波数における2つの脳間のコヒーレンスを計算します。コヒーレンス値は、通常、特定のFOI内で平均化されます。
    2. パラメータ phaseRange を定義します。「 phaseRange = [range in deg]」と入力します。
      注: デフォルト値は phaseRange = 90° です。位相は、位相の円形モジュロ特性により、0°から360°の範囲です。位相範囲は、4 点を囲む範囲に従って分割されます。提示されたツールボックスでは、信号1のリーディング(-90°の周囲の範囲)または信号2のリード(90°の周囲の範囲)との遅れ同期に対応する範囲に応じた位相角値を使用して結合の方向性を調べることにより、非対称相互作用を分類するための新しいアプローチが提示されています(図4)。 信号1、信号2の同相同期(0を囲む範囲)、 信号1、信号2の逆位相同期(+180°または-180°の範囲)。
    3. 「しきい値」パラメーターを定義します。threshold = [threshold rsq val]と入力します。デフォルト値は Threshold = 0 です。
      注: ツールボックスでは、しきい値パラメーターを指定することで、しきい値コヒーレンス値を指定できます。これにより、研究者は指定された最小コヒーレンス値を持つ時点を選択できます。その結果、指定した閾値よりも高いコヒーレンス値を持つ時点のみが考慮されます。
  3. [LeaderFollowerByPhase] ツールボックスを次のリンク (https://www.ariel.ac.il/wp/sns/download/ または https://github.com/Minisharmaa/Leader-Follower-By-Phase) からダウンロードします。
  4. コマンド ラインにコマンド cohervalues = LeaderFollowerByPhase(signal1, signal2, lowFreq, highFreq, phaseRange, threshold) を入力して、MATLAB 関数 LeaderFollowerByPhase を実行します。
    注: コヒーレンスと位相の計算は、それぞれ MATLAB の関数 WTC と XWT を使用して実行されます30。
  5. 同相、信号 1 の先行、信号 2 の先行、および逆位相の同期値を調べます。
    1. MATLAB でプロットを検査します。ツールボックスは 4 つのプロットをもつ 1 つの Figure を生成します。
      1. 交互作用のタイプ別のコヒーレンス: 図の左上部分の箱グラフを見ると、交互作用の種類(同相、信号1先行、信号2先行、逆位相)に応じた決定係数(Rsq)が表示されます。
        注: MATLAB ボックス チャート組み込み関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/boxchart.html) を参照してください。
      2. 交互作用のタイプ別の中央インデックス: 出力図の右上にある棒グラフを調べ、交互作用のタイプ(同相、信号1先行、信号2先行、逆位相)に応じた最大平均と中央値を表示します。
        メモ: MATLAB bar 組み込み関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/bar.html) を参照してください。
      3. 時間の経過に伴う一貫性: 出力 Figure の左下部分にある散布図を調べ、一貫性の値と時間の経過に伴う交互作用の種類を表示します。色付きのドットは、さまざまなタイプの相互作用を表します(黒い点は同相同期を表し、濃い灰色のドットは信号1のリードを表し、薄い灰色のドットは信号2のリードを表し、紫色のドットは逆位相同期を表します)。
        注: この図は、交互作用のダイナミクス、つまりフルタイム系列における 4 種類の交互作用間の交流を示しています。MATLAB 散布関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/scatter.html) を参照してください。
      4. 時間の割合: 出力図の右下にある円グラフを調べ、さまざまなタイプのインタラクションに応じた時間の分割を表示します。
        注: MATLAB の pie 関数の詳細については、次のリンク (https://www.mathworks.com/help/matlab/ref/pie.html) を参照してください。
  6. 交互作用のタイプ(同相同期、信号1先行、信号2先行、逆位相同期)ごとに統計値(平均、最大、中央値、標準偏差)を使用して出力テーブルを検査します。この表には、各タイプのインタラクションが発生した時間の割合も表示されます。各タイプのインタラクションは、異なる列に表示されます。
  7. 抽出されたスプレッドシート ファイル (つまり、現在のフォルダーにあるデータテーブル .xlsx) の出力値を調べます。

figure-protocol-1
図3:ワークフローの概要 。 (A)母子ペアは、ハイパースキャニング中に自由遊びに従事し、fNIRSデータを収集しました。(B)母子時系列の図解。(C) Homer3を用いた時系列の前処理。(D、E)ツールボックスを使用して、同相同期、逆位相同期、時間差同期など、さまざまなタイプの相互作用を調べること。 この図の拡大版をご覧になるには、ここをクリックしてください。

figure-protocol-2
図4:位相に基づく4種類の相互作用の分類。これは、360°モジュロにおける2つのニューラル時系列の位相差を表します。位相差は、2つの値の間のタイムラグと考えることができ、度とラジアンまたは波長の分数で測定されます。ここで、360°モジュロは、4つの異なる相互作用のフェーズを表す4つの異なる範囲に分けられます:(A)信号1のリーディング(90°前後、45°から135°の範囲)、(B)シグナル1とシグナル2の間の逆位相同期(180°または-180°前後、135°から-135°の間)、(C)信号2のリーディング(-135°から-45°の間)、(D)同相同期(0前後、−45°から45°の範囲)。この分割はデフォルトのアプローチ(各ポイントの周囲 45°)です。ただし、ツールボックスでは、別の部門を構成できます。他の構成では 360° 全体をカバーできない場合がありますが、各タイプのインタラクションをより正確に定義できる場合があります。この図の拡大版をご覧になるには、ここをクリックしてください。

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

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

このセクションでは、ツールボックス (https://www.ariel.ac.il/wp/sns/download/ または https://github.com/Minisharmaa/Leader-Follower-By-Phase からダウンロード可能) で実行できる解析のタイプを示します。これらの解析には、乳児と親のペアの小さなサンプルで収集されたfNIRSデータを利用しました。6組の母子ペアを、実際の乳児と母親の相互作用にできるだけ近い、検証済みの行動課題である自由遊び課題31を用いてテストした。実験に先立ち、乳児と両親には、fNIRSデータを収集するためのカスタムメイドのオプトードセットが装着されました。本研究でfNIRSデータを収集するために使用されたオプトードセットは、8つの光源(赤い点)と8つの検出器(青い点)で構成され、前頭前野と側頭頭頂葉領域を両側にカバーする18のチャネルを作成するように構成されました( 図5を参照)。NIRScoutは、デオキシヘモグロビン(HbR)に感度の高い760nmと、オキシヘモグ...

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

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

fNIRS研究で使用される最も一般的な方法の1つはウェーブレット変換コヒーレンス(WTC)であり、これは周波数と時間10の関数としての2つの時系列の相互相関の尺度です。WTCは、相関分析を用いて、2つの時系列間のコヒーレンスと位相遅れを計算します(補足ファイル1)。FNIRSハイパースキャニング研究では、WTCを用いて、行動モニタリング12、協調行動と競争行動5,13,14,15、模倣16、母子問題解決17、教育学習行動18,19,20,21など、多くの機能領域におけるIBSを推定している

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、この研究は、潜在的な利益相反と解釈される可能性のある商業的または金銭的関係がない状態で実施されたと宣言しています。

謝辞

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

中国国家自然科学基金会(No.62207025)、中国教育部の人文社会科学研究プロジェクト(No.22YJC190017)、Yafeng Panへの中央大学基礎研究費の支援に感謝します。

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。

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
NIRSアカウント  NIRx Medical Technologies, LLCn.a.8ソース、8 検出器
MATLABThe Mathworks, Inc.このプロトコルでは、HOMER3ツールボックスを使用してIntensityをODに変換し、関数hmrMotionCorrectWaveletをデフォルトパラメータでモーションアーティファクトに除去し、ODをConcに変換しました。

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Gvirts, H. Z., Perlmutter, R. What guides us to neurally and behaviorally align with anyone specific? A neurobiological model based on fNIRS hyperscanning studies. The Neuroscientist. 26 (2), 108-116 (2019).
  2. Balconi, M., Fronda, G., Vanutelli, M. E. Donate or receive? Social hyperscanning application with fNIRS. Current Psychology. 38 (4), 991-1002 (2019).
  3. Redcay, E., Schilbach, L. Using second-person neuroscience to elucidate the mechanisms of social interaction. Nature Reviews Neuroscience. 20 (8), 495-505 (2019).
  4. Shamay-Tsoory, S. G., Mendelsohn, A. Real-life neuroscience: An ecological approach to brain and behavior research. Perspectives on Psychological Science. 14 (5), 841-859 (2019).
  5. 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).
  6. Quaresima, V., Ferrari, M. Functional near-infrared spectroscopy (fNIRS) for assessing cerebral cortex function during human behavior in natural/social situations: A concise review. Organizational Research Methods. 22 (1), 46-68 (2016).
  7. Fishburn, F. A., et al. Putting our heads together: interpersonal neural synchronization as a biological mechanism for shared intentionality. Social Cognitive and Affective Neuroscience. 13 (8), 841-849 (2018).
  8. 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).
  9. Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
  10. Scholkmann, F., Holper, L., Wolf, U., Wolf, M. A new methodical approach in neuroscience: Assessing inter-personal brain coupling using functional near-infrared imaging (fNIRI) hyperscanning. Frontiers in Human Neuroscience. 7, 813(2013).
  11. Czeszumski, A., et al. Hyperscanning: A valid method to study neural inter-brain underpinnings of social interaction. Frontiers in Human Neuroscience. 14, 39(2020).
  12. 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).
  13. 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).
  14. Wang, C., Zhang, T., Shan, Z., Liu, J., Yuan, D., Li, X. Dynamic interpersonal neural synchronization underlying pain-induced cooperation in females. Human Brain Mapping. 40 (11), 3222-3232 (2019).
  15. 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).
  16. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
  17. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  18. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  19. 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).
  20. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657(2020).
  21. Liu, J., et al. Interplay between prior knowledge and communication mode on teaching effectiveness: Interpersonal neural synchronization as a neural marker. NeuroImage. 193, 93-102 (2019).
  22. Léné, P., et al. Wavelet transform coherence: An innovative method to investigate social interaction in NeuroIS. Lecture Notes in Information Systems and Organisation. 32, 147-154 (2020).
  23. Nguyen, T., Hoehl, S., Vrtička, P. A guide to parent-child fNIRS hyperscanning data processing and analysis. Sensors. 21 (12), 4075(2021).
  24. Zhang, Y., Han, J., Hu, X., Guo, L., Liu, T. Data-driven evaluation of functional connectivity metrics. Proceedings - International Symposium on Biomedical Imaging. , 532-535 (2013).
  25. Hamilton, A. F. deC. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  26. Barnett, L., Barrett, A. B., Granger Seth, A. K. causality and transfer entropy are equivalent for Gaussian variables. Physical Review Letters. 103 (23), 2-5 (2009).
  27. Barnett, L., Seth, A. K. The MVGC multivariate Granger causality toolbox: A new approach to Granger-causal inference. Journal of Neuroscience Methods. 223, 50-68 (2014).
  28. Li, D., Zhou, C. Organization of anti-phase synchronization pattern in neural networks: What are the key factors. Frontiers in Systems Neuroscience. 5, 100(2011).
  29. 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), D280-D298 (2009).
  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 (5-6), 561-566 (2004).
  31. Feldman, R. Parent-infant synchrony. Current Directions in Psychological Science. 16 (6), 340-345 (2007).
  32. Fell, J., Axmacher, N. The role of phase synchronization in memory processes. Nature Reviews Neuroscience. 12 (2), 105-118 (2011).
  33. Olcay, B. O., Karaçalı, B. Evaluation of synchronization measures for capturing the lagged synchronization between EEG channels: A cognitive task recognition approach. Computers in Biology and Medicine. 114, 103441(2019).
  34. Stam, C. J. Nonlinear dynamical analysis of EEG and MEG: Review of an emerging field. Clinical Neurophysiology. 116 (10), 2266-2301 (2005).
  35. Mallat, S. A Wavelet Tour of Signal Processing. , Academic Press. Cambridge, MA. (2009).
  36. Kleinbub, J. R., Ramseyer, F. T. rMEA: An R package to assess nonverbal synchronization in motion energy analysis time-series. 31 (6), 817-830 (2020).
  37. Pan, Y., Novembre, G., Song, B., Zhu, Y., Hu, Y. Dual brain stimulation enhances interpersonal learning through spontaneous movement synchrony. Social Cognitive and Affective Neuroscience. 16 (1-2), 210-221 (2021).
  38. Ramseyer, F., Tschacher, W. Nonverbal synchrony in psychotherapy: Coordinated body movement reflects relationship quality and outcome. Journal of Consulting and Clinical Psychology. 79 (3), 284-295 (2011).
  39. 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).
  40. Walton, A. E., Richardson, M. J., Langland-Hassan, P., Chemero, A. Improvisation and the self-organization of multiple musical bodies. Frontiers in Psychology. 6, 313(2015).
  41. Varlet, M., Marin, L., Lagarde, J., Bardy, B. G. Social postural coordination. Journal of Experimental Psychology: Human Perception and Performance. 37 (2), 473-483 (2011).
  42. Hale, J., Ward, J. A., Buccheri, F., Oliver, D., Hamilton, A. F. deC. Are you on my wavelength? Interpersonal coordination in dyadic conversations. Journal of Nonverbal Behavior. 44 (1), 63-83 (2020).
  43. Fujiwara, K., Daibo, I. Evaluating interpersonal synchrony: Wavelet transform toward an unstructured conversation. Frontiers in Psychology. 7, 516(2016).
  44. 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).
  45. Dai, R., et al. Holistic cognitive and neural processes: A fNIRS-hyperscanning study on interpersonal sensorimotor synchronization. Social Cognitive and Affective Neuroscience. 13 (11), 1141-1154 (2018).
  46. Lu, K., Qiao, X., Yun, Q., Hao, N. Educational diversity and group creativity: Evidence from fNIRS hyperscanning. NeuroImage. 243, 118564(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

MATLAB

関連記事