Name: 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 (動画) | JoVE Journal
Uploaded: 2021-07-21T14:00:00.000+00:00
Duration: 4 min 44 s
Description: 学ぶfNIRSハイパースキャンを用いた協同学習における脳間同期の測定法。酸化ヘモグロビン信号を解析し、社会的相互作用中の認知プロセスをリアルタイムで評価する神経科学的手法を解説します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

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。

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
<ol><li>自家製NIRSキャップ<ol>
<li>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。</li>
		<li>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)。<ol>
<li>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。</li>
		</ol>
</li>
		<li>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。</li>
		<li>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。</li>
		<li>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。</li>
	</ol>
</li>
	<li>実験の準備<ol>
<li>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。</li>
		<li>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。</li>
		<li>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。</li>
		<li>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。</li>
	</ol>
</li>
</ol>2. 参加者に指示を行うデータの採用
<ol><li>参加者の準備<ol>
<li>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。</li>
		<li>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。</li>
		<li>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)。</li>
		<li>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。</li>
		<li>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。</li>
		<li>信号キャリブレーションを実行します。<ol>
<li>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。</li>
			<li>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。</li>
		</ol>
</li>
	</ol>
</li>
	<li>実験を実行する<ol>
<li>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。</li>
		<li>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。</li>
		<li>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。<ol>
<li>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。</li>
		</ol>
</li>
		<li>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。</li>
	</ol>
</li>
</ol>3. データ分析
<ol><li>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。<ol><li>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)。</li>
		<li>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)。</li>
		<li>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。<ol>
<li>各参加者の標準偏差(SD)を計算します。</li>
			<li>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。</li>
		</ol>
</li>
		<li>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。</li>
		<li>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。</li>
		<li>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。</li>
		<li>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。<ol>
<li>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。</li>
			<li>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。</li>
			<li>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。</li>
		</ol>
</li>
	</ol></li>
	<li>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。 <img alt="Equation 1" src="/files/ftp_upload/62777/62777eq01.jpg"> 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、&amp;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.<ol>
<li>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。</li>
		<li>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)。</li>
		<li>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。</li>
		<li>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。<ol>
<li>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&gt;休息,p &lt; 0.05)。</li>
			<li>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。</li>
			<li>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。</li>
			<li>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: <img alt="Equation 2" src="/files/ftp_upload/62777/62777eq02.jpg">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。</li>
			<li>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。</li>
		</ol>
</li>
	</ol></li>
</ol>

著者らは開示するものは何もない。

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...

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。

<table><tbody><tr><td>EEGキャップ</td><td>Compumedics Neuroscan,Charlotte,USA</td><td>64チャンネルクイックキャップ</td> キャップのサイズは<td>中型と大の2種類から選べます。</td></tr><tr><td>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</td><td>日立メディコ株式会社、東京、日本</td><td>ETG-7100 光トポグラフィーシステム</td><td>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。</td></tr><tr><td>数値計算プラットフォーム</td><td>The MathWorks, Inc., Natick, MA</td><td>MATLAB R2020a</td><td>Psychophysics Toolbox extensions (stimulus presentation), Homer2&nbsp;(fNIRS前処理解析)、および「wtc」機能(WTC計算)。</td></tr><tr><td>心理学ソフトウェア</td><td>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</td><td>E-prime 2.0</td><td>E-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。</td></tr><tr><td>スイミングキャップ</td><td>Zoke株式会社、上海、中国</td><td>611503314</td><td>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。</td></tr><tr><td>3次元(3D)デジタイ</td><td>ザーPolhemus、コルチェスター、バーモント州、米国。</td><td>3次元(3D)デジタイザー</td><td>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</td></tr></tbody></table>

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

Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study

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。

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...

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。

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

fNIRS hyperscanning is widely used to detect the neurobiological underpinnings of social interaction. With this technique, researchers qualify the ...

このプロトコルは、fNIRSハイパースキャン技術による自然主義的環境における協調ダイアドにおける脳間同期を明らかにする。この技術の重要な利点は、2つ以上の相互作用する脳のリアルタイムダイナミクスの調査を可能にすることです。実験を開始する前に、安定した動作温度を達成するために近赤外分光システムを開始し、次に光度ホルダーグリッドを配置し、テキスト原稿に記載されているようにNIRSキャップを準備するために弾性水泳キャップを採用します。信号が不十分なチャネルの場合は、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。動作温度が安定したら、トリガ受信機がアクティブであることを確認し、測定モードをイベント関連の測定に設定します。明るくした光ファイバープローブを準備して、髪を脇に移動させます。NIRS測定方法の詳細について参加者に指示し、レーザー光が参加者の目に有害である可能性があるため、レーザー光を直接調べないようにします。参加者が直接お互いを見ることができるように、参加者が顔を合わせて座るようにし、椅子からテーブルまでの距離を調整して参加者が快適に座るようにします。レーザーボタンをオンにし、参加者や椅子に接触することなくホルダーの腕に4つの光ファイバーバンドルをゆるく置き、参加者の頭にプローブセットを付けてキャップを置き、3対5のプローブセットが参加者の額を覆い、4つ4つのプローブセットが左のテンポラルカルテックスを覆っていることを確認します。 次に、各スプリング負荷プローブをさらにプローブソケットに慎重に押し込み、プローブの先端が参加者の頭皮に触れる。その後、2人の参加者がベースラインとなる5分間の休息状態で学習教材を共同学習できるようにします。まず、信号の品質を確認するには、機能NIRS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、チャンネルの不良信号を黄色でマークし、十分な信号を緑色でマークし、すべてのチャンネルが緑色に点灯するまでこの手順を繰り返します。実験の後、テキストファイル出力をクリックして、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。3次元デジタイザを使用して、エミッタ、受信機、および各参加者の他の参照の位置を決定し、次に市販の数値コンピューティングプラットフォームを使用して記録チャンネルのMNI座標を取得します。各チャンネルの各参加者のデータを分析しました。あるダイアドに対するチャネル33の検光学密度を可視化した。データは、ウェーブレットベースのモーションアーチファクト除去方法を使用して、単独で主成分分析とともに抽出した。曲線の違いは、PCAが非神経信号を除去する上で効率的であることを示唆している。ウェーブレット変換コヘレンス行列を可視化しました。カラーマップは青から黄色まで変化し、0から1までの脳間同期値を表し、1つは2つの信号間の最大の一貫性を示し、ゼロはコヘレンスを示さない。また、有意な係数も得られ、ダイアドの心臓リズムコヘルレンスを表す1つのヘルツの周囲の強い一貫性を得た。観測されたT値とランダムT値の分布との比較は、特定されたFOIにおいて有意な結果を示す。プローブセットが関心領域をカバーしていることを確認し、偏差を減らすことが重要です。

inter-brain-synchrony-open-ended-collaborative-learning-an-fnirs

Research

JoVE Journal

Neuroscience

神経科学

この議定書では、fNIRS hyperscanning...

機能的近赤外分光法による Hyperscanning 実験を実施

個人の結合された脳間のダイナミクスは、主にfNIRSと脳の同時記録信号(すなわちハイパースキャン)を使用して、互いに調整する際に脳間同期(IBS)によってますます表されています。fNIRSハイパースキャン研究では、IBSは、時系列を非常に直感的な方法で見ることができる時間周波数空間に拡張する利点があるため、ウェーブレット変換コヘレンス(WTC)法を通じて一般的に評価されています。観察されたIBSは、試験、パートナー、および条件の順列ベースのランダムペアリングを介してさらに検証することができます。ここでは、fNIRS技術を介して脳信号を取得し、WTC法を介してIBSを計算し、ハイパースキャン研究で順列することによってIBSを検証する方法を説明するプロトコルが提示される。さらに、fNIRSシグナルの選択、データ前処理の方法、計算のオプションパラメータなど、上記の方法を使用する際の重要な問題について説明します。要約すると、WTC法と順列を用いて、fNIRSハイパースキャン研究でIBSを分析するための潜在的に標準的なパイプラインであり、IBSの再現性と信頼性の両方に寄与する。...

fNIRS ハイパースキャンスタディで脳間同期を計算および検証する方法

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。...

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

本プロトコルは、機能的近赤外分光法(fNIRS)とビデオベースの観察を組み合わせて、共同描画タスク中のカルテットの対人同期を測定します。...

機能近赤外分光法を用いた共同描画時のグループ同期

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。...

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

このプロトコルでは、同期脳波記録、心電図検査、および行動記録が、家庭環境で乳児と介護者のペアからどのようにキャプチャされたかについて説明します。...

乳児と介護者の社会的相互作用のための在宅脳波ハイパースキャン

このプロトコルは、心理カウンセリングにおける fNIRS...

心理カウンセリングにおける機能的近赤外分光法ハイパースキャニング研究

MazeSuiteは、ナビゲーションおよび空間的な実験を準備し、提示し、分析するための完全なツールセットです。機能的近赤外分光法（fNIR）は脳血酸素代謝変化の非侵襲的、ポータブルモニタリングを可能にする光学的脳イメージング技術です。本論文では、認知処理の学習のパラダイム内MazeSuiteとfNIRの集団的使用をまとめたものです。...

空間ナビゲーションで学習研究するために近赤外分光法をMazeSuiteおよび機能の使用

皮質機能は、多数のニューロン集団のレベルで発生するので、脊椎動物の中枢神経系の機能を理解することは、多くのニューロンからの記録が必要になります。ここでは、単一セルと単スパイク解像度、ディザリングされたランダムアクセスのスキャンと閾値上の神経活動を記録する光学的方法を説明します。この方法は、高時間分解能で、最大100からニューロンに蛍光体のカルシウムシグナルを記録します。最尤アルゴリズムは、体蛍光カルシウムシグナルから基礎閾値上神経活動をdeconvolves。この方法は、確実に高い検出効率と誤検知率の低さとスパイクを検出し、神経集団を研究するために使用することができます...

単一セルと単スパイク分解能で閾値上神経活動の光記録

我々は、磁気共鳴画像法（MRI）によって捕捉解剖学的情報と組み合わせ磁気と脳波（MEG /...

同時MEG / EEGおよび解剖学的に制約のある最小ノルム推定値を使用してマッピング皮質ダイナミクス：聴覚注意の例

学ぶfNIRSハイパースキャンを用いた協同学習における脳間同期の測定法。酸化ヘモグロビン信号を解析し、社会的相互作用中の認知プロセスをリアルタイムで評価する神経科学的手法を解説します。

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

さらに動画を探す