Waiting
로그인 처리 중...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

fNIRS 하이퍼스캐닝 연구에서 뇌 간 동기화를 계산하고 검증하는 방법

Published: September 8, 2021 doi: 10.3791/62801
Automatic Translation
1, 1, 2, 3, 4, 1, 1
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

Summary

개인의 결합 된 두뇌 사이의 역학은 점점 더 뇌 간 동기화에 의해 표현되었습니다 (IBS) 그들은 서로 조정 할 때, 주로 fNIRS와 뇌의 동시 기록 신호를 사용하여 (즉, 하이퍼 스캐닝) fNIRS와. fNIRS 하이퍼스캐닝 연구에서 IBS는 매우 직관적인 방식으로 진동을 볼 수 있는 시간 주파 공간으로 타임시리즈를 확장하는 장점이 있기 때문에 웨이블릿 변환 일관성(WTC) 방법을 통해 일반적으로 평가되었습니다. 관찰된 IBS는 시험, 파트너 및 조건의 순열 기반 무작위 페어링을 통해 더 검증될 수 있습니다. 여기서, fNIRS 기술을 통해 뇌 신호를 얻고, WTC 방법을 통해 IBS를 계산하고, 하이퍼스캐닝 연구에서 순열하여 IBS를 검증하는 방법을 설명하는 프로토콜이 제시된다. 또한 fNIRS 신호 선택, 데이터 전처리 방법 및 계산 옵션 매개 변수를 포함하여 위의 방법을 사용할 때 중요한 문제를 논의합니다. 요약하면 WTC 방법과 순열을 사용하는 것은 fNIRS 하이퍼스캐닝 연구에서 IBS를 분석하기 위한 잠재적으로 표준 파이프라인으로, IBS의 재현성과 신뢰성모두에 기여합니다.

Abstract

개인의 결합 된 두뇌 사이의 역학은 점점 더 뇌 간 동기화에 의해 표현되었습니다 (IBS) 그들은 서로 조정 할 때, 주로 fNIRS와 뇌의 동시 기록 신호를 사용하여 (즉, 하이퍼 스캐닝) fNIRS와. fNIRS 하이퍼스캐닝 연구에서 IBS는 매우 직관적인 방식으로 진동을 볼 수 있는 시간 주파 공간으로 타임시리즈를 확장하는 장점이 있기 때문에 웨이블릿 변환 일관성(WTC) 방법을 통해 일반적으로 평가되었습니다. 관찰된 IBS는 시험, 파트너 및 조건의 순열 기반 무작위 페어링을 통해 더 검증될 수 있습니다. 여기서, fNIRS 기술을 통해 뇌 신호를 얻고, WTC 방법을 통해 IBS를 계산하고, 하이퍼스캐닝 연구에서 순열하여 IBS를 검증하는 방법을 설명하는 프로토콜이 제시된다. 또한 fNIRS 신호 선택, 데이터 전처리 방법 및 계산 옵션 매개 변수를 포함하여 위의 방법을 사용할 때 중요한 문제를 논의합니다. 요약하면 WTC 방법과 순열을 사용하는 것은 fNIRS 하이퍼스캐닝 연구에서 IBS를 분석하기 위한 잠재적으로 표준 파이프라인으로, IBS의 재현성과 신뢰성모두에 기여합니다.

Introduction

사람들이 다른 사람들과 조율 할 때, 그들의 두뇌와 몸은 지속적인 상호 적응을 통해 결합 된 단위가된다. 뇌 간의 결합은 동시에 두 개 이상의 개인의 뇌 신호1을기록하는 하이퍼 스캐닝 접근법을 통해 뇌 간 동기화 (IBS)로 표현 될 수 있습니다. 실제로, fNIRS/EEG 하이퍼스캐닝 연구의 성장 몸은 손가락 두드리는2,그룹 워킹3,드럼4연주, 기타 연주5,노래 / 허밍6을포함하여 다양한 협력 컨텍스트에서 IBS를 발견했다. fNIRS는 사회적 상호 작용 동안 IBS의 연구에 널리 사용된다, 그것은 덜 상대적으로 자연 설정에서 머리 / 몸 의 움직임을 제한으로 (fMRI / EEG에 비해)7.

이 문서에서는 fNIRS 하이퍼스캐닝 연구에서 웨이블릿 변환 일관성(WTC) 방법을 통해 IBS를 계산하기 위한 프로토콜을 제시합니다. WTC는 시간 주파수 평면에서 두 이동 신호 간의 교차 상관관계를 평가하는 방법이므로, 따라서 시간 도메인8에만있는 기존의 상관 관계 분석(예: Pearson 상관 관계 및 상호 상관관계)보다 더 많은 정보를 제공할 수 있다. 또한 혈역학 신호는 웨이블릿 구성 요소로 변환되어 저주파 노이즈를 효과적으로 제거할 수 있습니다. WTC는 시간이 많이 걸리지만, IBS를 액션 모방9,협동 행동10,구두 통신11,의사 결정12및 대화형 학습13에서IBS를 계산하는 가장 일반적으로 사용되는 방법이다.

이 기사는 또한 시험, 조건 및 참가자의 순열 기반 무작위 파잉으로 IBS를 검증하는 방법을 제시합니다. 하이퍼스캐닝 연구의 IBS는 항상 개인 간의 온라인 사회적 상호 작용을 추적하도록 제안되며, 자극 유사성, 운동 유사성 또는 조건 유사성14와같은 다른 설명에 의해 해석될 수도 있다. 무작위화 테스트라고도 하는 순열 테스트는 관찰된데이터(15)를리샘플링하여 위에서 언급한 null 가설을 테스트하기 위해 활용할 수 있다. 순열을 이용하여, 확인된 IBS가 다이드 내IBS의 변조에서파트너(16)의그룹 간까지 대화형 동작에 특정되는지 여부를 조사하는 것이 유용하다.

여기에 설명된 프로토콜은 fNIRS 기술을 통해 뇌 신호를 얻고, WTC 방법을 통해 IBS를 계산하고, 하이퍼스캐닝 연구에서 순열 테스트를 통해 IBS를 검증하는 방법을 자세히 설명합니다. 이 연구는 특권 IBS가 사회 조정 중에 음악 미터에 의해 유도되는지 여부를 조사하는 것을 목표로합니다. 뇌 신호는 전두엽 피질에 기록되었다, 이전 발견에서 IBS의 위치에 따라1. 실험 작업은 원래 Konvalinka와 그녀의 대학에 의해 개발 되었다17,참가자는 미터 또는 비 미터 자극을 듣고 후 파트너 또는 자신에서 청각 피드백으로 그들의 손가락을 탭 하도록 요청 했다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

여기에 제시 된 프로토콜은 동중국 사범 대학의 인간 연구 보호에 대한 대학위원회에 의해 승인되었다.

1. 실험 준비

  1. 참가자
    1. 캠퍼스 광고로 금전적 보상을 받는 학부 생 및 대학원생 그룹을 모집합니다.
    2. 참가자가 오른손잡이이고 정상 또는 수정된 정상 시력 및 청각을 갖도록 하십시오. 음악을 연구하지 않았거나 3년 미만 동안 음악을 공부하지 않았는지 확인하십시오.
    3. 무작위로 다이드의 학생들과 일치합니다. 사회적 조정에 파트너 친숙의 잠재적 인 효과를 제어하려면18,각 dyad의 구성원이 전에 서로를 보거나 알지 않았는지 확인합니다.
  2. 실험 자극
    1. 무료 음악 작곡 및 표기율 소프트웨어로 청각 자극(440Hz, 660ms 순수 톤)을 만듭니다.
    2. 500-1000 ms의 간격으로 톤을 반복하고 톤 시퀀스로 결합합니다. 각 톤 시퀀스는 12s 더 길고 12 톤으로 구성됩니다.
    3. 원톤 시퀀스의 경우 모든 첫 번째 톤(+6 dB)을 강조하여 미터자극(보조 오디오 1)으로정의된 다운비트와 업비트 패턴을 만듭니다. 두 번째 톤 시퀀스에서, 비미터자극(보충 오디오 2)에대응하는 동일한 강도(실험 작업 전에 수집된 개별 감각 임계값 보다 40dB)로 톤을 강조 해제합니다.
  3. 실험 작업
    1. 심리 소프트웨어 도구를 사용하여 실험 작업을 프로그래밍합니다.
    2. 1.3.3-1.3.6 단계에 설명된 실험작업(도 1A)에대해 2단계를 정렬한다.
    3. 두 번째 휴식 상태: 참가자들에게 마음이 편안하고 눈을 감고 가능한 한 움직이지 말고 유지하도록 요청하십시오.
    4. 손가락 탭 작업: 참가자에게 조정 부분과 독립 부품의 두 부분을 완료하도록 요청합니다.
    5. 조정 부 동안, 각 참가자에게 다이드의 다른 멤버에 의해 생성된 응답에 대해서만 청각 피드백(즉, 한 탭에 해당하는 드립 사운드)을 제공한다. 참가자들에게 다른 멤버와 동기적으로 응답하기 위해 최선을 다해 보라고 한다.
    6. 독립 부분의 경우, 두 참가자가 자신의 응답의 청각 피드백 (즉, 한 탭에 해당하는 드립 사운드)을 수신하고 가능한 한 정확하게 청각 자극과 동기적으로 응답하도록 요청합니다.
      참고 : 미터 및 비 미터 자극과 결합, 참가자는 네 가지 조건 중 하나에 자신을 발견: (i) 미터 조정 - 두 참가자는 미터를 듣고, 서로의 응답; (ii) 비미터 조정 - 두 참가자모두 비미터와 서로의 응답을 들었습니다. (iii) 미터 독립 - 두 참가자모두 미터와 자체의 응답을 들었습니다. (iv) 비미터 독립 - 두 참가자 모두 비 미터와 스스로 응답을 들었다.
    7. 각 시험마다 참가자들이 먼저 청각 자극(12s)의 조각을 듣고 손가락을 두드리는 신호 역할을 하는 사운드(262Hz, 1000 ms)를 들게 한다.
    8. 참가자들에게 키보드에서 오른쪽 검지 손가락을 눌러 이전에 들은 자극을 재현하도록 요청하십시오(참가자 #1: "f"; 참가자 #2: "j"). 참가자는 이전에 제시된 자극과 동일한 시간 간격을 유지하면서 12번 탭해야 합니다.
      참고: 4개의 실험 조건에 대응하는 4개의 블록, 즉 15개의 시험에서 한 블록에 있는 60개의 시험이 동등하게 할당되었습니다. 블록의 순서는 균형을 이루었습니다. 도청 작업의 총 기간은 약 26 분이었습니다.
    9. 블록 사이에, 참가자는 30 s에 대한 휴식을 보자.
    10. 전체 실험 중에 참가자가 언어나 움직임을 통해 의사 소통을 할 수 없습니다. 참가자를 컴퓨터 모니터로 분리하여 메시지 간에 메시지를 전달할 수 있는 시각적 정보를 차단합니다.
  4. 홈메이드 fNIRS 캡: 일반 크기의 탄성 수영 캡 2개를 구입하세요. 관심의 뇌 영역을 커버하기 위해, 다음 단계에 설명 된 대로 수영 모자를 수선 :
    1. 헤드폼에 수영 모자 를 한 개 넣은 다음 수영 모자에 표준 10-20 EEG 캡을 넣습니다.
    2. 빨간색 마법 마커와 수영 모자에 FCz의 위치를 표시합니다.
    3. 헤드폼에서 EEG 캡을 벗습니다.
    4. 수영 캡에 optode 프로브 패치(3 x 5 설정) 하나를 넣고 패치의 두 번째 프로브 행 중 하나를 FCz의 표시된 위치와 정렬합니다.
      참고: 검안 프로브 패치에는 15개의 검안 프로브(즉, 8개의 방출기 및 7검출기)가 포함되어 있으며, 3cm 광도분리(그림 1B)로22개의 측정 채널을 형성합니다.
    5. 수영 모자에 패치의 15 프로브의 위치를 표시합니다.
    6. 헤드폼에서 패치와 수영 모자를 벗습니다.
    7. 가위 한 쌍으로 15 프로브의 표시된 위치에 15 개의 작은 구멍을 잘라.
    8. 15개의 프로브의 위치를 적절한 15홀에 포함시켜 수정된 수영 캡에 패치를 장착합니다.
    9. 위의 과정에 따라 다른 수영 모자를 수선.
      참고: 검안의 위치가 표준 EEG 위치에 따라 사용되는 홈메이드 fNIRS 캡은 이 연구에서 사용되는 fNIRS 시스템에 적용되는 표준 EEG 캡이 없었기 때문에 사용되었습니다. fNIRS 시스템과 적합한 표준 EEG 캡이 있는 경우 fNIRS 캡을 만들 필요가 없습니다.

2. 참가자가 도착하기 전

참고: 참가자가 실험실에 도착하기 전에 2.1-2.5 단계를 수행해야 합니다.

  1. 합의된 시간 일정에 따라 실험실에 와서 한 dyad의 두 참가자를 생각 나게한다.
  2. fNIRS 시스템을 최소 30분 전에 시작하여 레이저를 꺼놓습니다.
  3. fNIRS 시스템에서 광막 프로브를 검안 프로브 패치에 삽입합니다.
  4. fNIRS 측정의 매개 변수(예: 피사체 ID, 이벤트 관련 모드, 검안 프로브 배열)를 검사합니다.
  5. 실험 기기를 테이블 1개, 의자 2개, 컴퓨터 모니터 2개, 헤드폰 2켤레(그림1C)로설정합니다.

3. 실험실에 도착하는 참가자

참고 : 그들은 fNIRS 실험실에 도착했을 때 진심으로 하나의 dyad의 두 참가자를 주셔서 감사합니다. 그들에게 자동 모드에 휴대 전화를 넣어 일시적으로 캐비닛에 자신의 개인 소지품을 떠나도록 요청합니다. 그런 다음 다음 프로세스를 순서대로 수행합니다.

  1. 참가자가 앉기 전에 두 참가자가 이전에 는 볼 수 없었던 것을 다시 확인하십시오. 실험실에 있는 동안 언어나 움직임을 통해 서로 통신하지 않았는지 확인합니다.
  2. 참가자에게 인간 연구에 대한 대학 위원회의 승인을 받은 정보에 입각한 동의서를 제공합니다.
  3. 참가자들에게 실험 작업의 세부 사항을 지시한다. 헤드폰을 착용하고 몇 가지 연습 시험을 제공하도록 요청하십시오.
  4. 연습 시험에서, 각 dyad의 두 참가자가 함께 연습 할 수 있습니다.
    참고: fNIRS 캡을 착용하기 전에 유연한 규칙을 사용하여 각 참가자의 머리 크기를 측정하고 결정하는 것이 좋습니다. 그런 다음 머리 크기에 따라 참가자에게 적합한 크기 캡을 선택합니다. 이 연구에서는 1 사이즈 수영 모자가 사용됨에 따라 이러한 단계를 놓쳤습니다. 상대적 수술(즉, 헤드 사이즈 측정, 적절한 크기 수영 캡 선택, 검수 캡에 검안 프로브 패치 장착, 프로브 패치 삽입)이 시간이 많이 걸리기 때문에 실험 전날이 단계를 수행하는 것이 좋습니다(약 20-30분).
  5. CZ의 위치를 가리키는 캡의 중심을 가진 참가자의 머리에 fNIRS 캡을 넣고 FCz에서 패치의 두 번째 프로브 행의 중간 검정 프로브를 배치합니다.
  6. fNIRS 시스템을 작동하여 레이저를 켜고 신호 교정을 수행합니다.
  7. 일부 채널에 신호가 부족한 경우, 주변 프로브 팁 아래에 모발을 부드럽게 배치하기 위해 섬유 스틱으로 신호 강도를 조정합니다.
  8. 필요한 경우 프로브를 부드럽게 누르지만 참가자에게 해를 끼치지 않도록하십시오.
  9. 신호의 품질에 액세스할 때까지 3.5-3.8 단계를 반복합니다. 신호 보정의 전체 과정에서 참가자가 편안하게 지낼 수 있도록 하십시오.
  10. 참가자들이 편안한 자세를 찾도록 도와줍니다(예: 편안한 신체 위치). 참가자들에게 전체 실험 작업(예: 약 26분)에서 가능한 한 움직이지 않도록 하십시오.
  11. NIRS 신호의 품질을 다시 검사합니다. 모든 채널에 충분한 신호가 있는 경우 데스크톱 컴퓨터에서 실험 절차를 실행합니다.
  12. 실험 절차가 완료될 때 참가자가 헤드폰과 fNIRS 캡을 벗을 수 있도록 도와줍니다. 개인 소지품을 반환하고 금전적 보상으로 그들에게 감사드립니다.
  13. 데이터를 저장하기 위해 fNIRS 시스템을 운영합니다. 디스크를 사용하여 원시 fNIRS 데이터(.csv)를 내보내고 USB를 사용하여 컴퓨터에서 동작 데이터를 복사합니다.
  14. 더 이상 실험적인 배열이 없는 경우 fNIRS 시스템과 컴퓨터를 닫습니다.
  15. 실험실 노트북은 전체 실험 중에 모든 이벤트, 특히 이상을 기록할 준비가 된 상태로 유지합니다.

4. 데이터 분석

참고 : 다음 도구 상자와 함께 MATLAB 소프트웨어를 사용하여 모든 데이터 분석을 수행 : HOMER219,히타치2니르20,xjView21,크로스 웨이블렛 및 웨이블렛 일관성 도구 상자22,그리고 수학23에서그로페의 스크립트.

  1. 데이터 전처리
    1. 데이터 품질을 확인하려면 4.1.2-4.1.3 단계를 따르십시오.
    2. xjView의 readHitachData 함수를 사용하여 각 참가자에 대한 데이터 파일(.csv)을 읽습니다.
      참고: 이러한 방식으로 히타치 측정 데이터(csv format)는 측정에 저장된 정보(예: 파장, 시간 데이터 및 채널 목록)와 함께 oxyHb/deoxyHb/마커 데이터로 변환됩니다.
    3. xjView의 함수 플롯트레이스와 함께 모든 채널의 시계열을 하나의 그림으로 플로팅하여 oxyHb 및 deoxyHb 값의 품질을 시각적으로 확인합니다.
      참고: 데이터의 이상을 쉽게 식별할 수 있습니다. 많은 노이즈가 있는 채널은 후속 분석에서 제외될 수 있습니다.
    4. 히타치 파일(.csv)을 히타치2니르의 csv2nirs 기능을 사용하여 .nirs 파일 형식으로 변환하여 Homer2를 사용하여 추가 데이터 전처리를 지원합니다.
    5. Homer2의 함수 hmrIntensity2OD를 사용하여 원시 데이터를 광학 밀도로 변환합니다.
    6. 주요 성분 분석(PCA)(24)를 사용하여 호머2의 함수 enPCAFilter(nSV = 0.8, 즉 80%가 제거됨)를 사용하여 fNIRS 글로벌 생리적 잡이를 제거한다.
    7. 상관 관계 기반 신호 개선 방법(CBSI)(25)를 사용하여 Homer2의 함수 hmrMotionCorrect_Cbsi 사용하여 헤드 모션 아티팩트를 제거합니다.
    8. 수정 된 맥주 - 렘버트 법을 사용하여 호머2의 hmrOD2Conc 함수로 처리 된 광학 밀도를 oxyHb 및 deoxyHb 값으로 변환하십시오.
  2. IBS 계산
    참고: 미리 처리된 oxyHb 값의 경우 WTC를 사용하여 다음 파이프라인을 포함하여 dyad의 동일한 위치에서 온 채널 쌍의 일관성 값을 계산합니다.
    1. 기본 매개 변수가 있는 크로스 웨이블렛 및 웨이블렛 일관성 도구 상자의 wtc 함수를 채택하여 매 번 및 주파수 지점에서 일관성 값을 계산하여 일관성 값의 2축 매트릭스를 얻습니다.
    2. 기본 매개 변수의 경우 모레 마더 웨이블렛을 사용하여 연속 웨이블렛 변환에 의해 각 시간 시리즈를 시간 및 주파수 도메인으로 변환합니다.
    3. 몬테카를로카운트를 선택하여 중요 계산에서 서로게이트 데이터 집합 수를 나타내고 자동 AR1을 선택하여 시계열의 자기 상관 계수를 계산합니다.
    4. 4.2.5-4.2.8 단계에서 언급한 대로 관심 있는 주파수 대역(FOI)을 선택합니다.
    5. 이전 fNIRS 하이퍼스캐닝 연구9의손가락 모션 작업에 사용되는 주파수 대역에 따라 0.5-1Hz(각각 기간 2 s 및 1s에 해당)사이의 주파수 대역의 일관성 값을 선택하고 평균한다. 이러한 FOI는 또한 실험 작업에서 한 탭의 기간에 대응. 따라서 각 쌍에 대해 일관성 값의 하나의 열을 가져옵니다.
      참고: FOI를 추가로 통계적으로 확인하려면 선택한 주파수 대역(즉, 0.5-1Hz)을 제한하는 대신 전체 주파수 범위(예: 데이터에 대해 0.008-10Hz)에 걸쳐 각 다이드의 일관성 값을 계산합니다.
    6. 각 주파수 점에 대해 대상 시간 창(4.2.3과 동일)의 일관성 값을 평균합니다.
    7. 다음으로 각 주파수 점에 대해 4.2.9-4.2.11 단계 및 후속 통계(예: 4.3.1 - 4.3.2)에 설명된 파이프라인 에 따른 평균 일관성 값을 분석합니다.
    8. 마지막으로 각 채널의 통계 z 값을 빈도간에 플로팅하여 FOI를 시각적으로 검사합니다.
    9. 나머지 상태(20s-resting-state용 시간 창) 및 각 실험 조건(즉, 미터 조정, 비미터 조정, 미터 독립 성 및 비미터 독립)동안 시간 창의 일관성 값을 각각 선택하고 평균합니다. 따라서 각 다이드에 대해 5개의 일관성 값을 가져옵니다.
    10. 작업 세션의 경우 참가자가 각 시험마다 약 12s의 청각 자극을 재현하기 위해 도청한 기간만 선택하므로 각 실험 조건에 대해 총 180s(즉, 12 s x 15 예심)를 선택합니다.
      참고: IBS는 일관성 증가(0보다 더 큰 빼기 일관성 값) 즉 나머지 상태 세션에 있는 것과 비교하여 작업 세션의 더 큰 일관성 값으로 계산되었습니다.
    11. 나머지 상태 동안 의 일관성 값을 이 실험에서 기준선으로 사용했던 작업 관련 일관성 값에서 휴식 일관성 값을 각각 빼는다.
      참고: 상기 단계(4.2.1-4.2.11)를 채널(즉, 22채널) 및 다이드(즉, 16개의 다이드)를 반복함으로써 각 채널의 각 다이드에 대한 차감된 일관성 값을 최종적으로 획득하였다.
  3. 통계
    1. 각 실험 조건에 대해 각 채널에서 빼기 된 일관성 값을 0과 비교하고, 그로페의 작업의 mult_comp_perm_t1 기능(5000 순열)을 사용하여 쌍을 이루는 샘플 순열 t-test를 사용하여 null 가설의 분포를 추정합니다. 원하는 가족 현명한 알파 레벨-0.05; 두 꼬리 테스트는 데이터의 평균이 비정상적인 데이터 분포와 제한된 샘플 크기로 0과 다르다는 것을 의미합니다. 실험26.
      참고: 여기에 쌍을 이룬 샘플 순열 t-테스트는 페어링된 t-테스트와 유사하지만 후자는 데이터가 일반적으로 배포된다고 가정하지만 전자는 그렇지 않습니다. 이러한 테스트는 쌍 t-테스트와 같은 방식으로 시작되며, 즉 다른 그룹의 일관성 값에 대한 t 점수(즉, 실제 t 점수)를 계산하여(하나는 작업 조건에서 빼어진 일관성 값이며, 다른 하나는 0s)입니다. 그런 다음 순열은 서로 다른 그룹의 일관성 값을 교환하여 생성되며, 이 순열 다음에 있는 차분된 일관성 값 및 제로에 대해 새 t 점수가 계산됩니다. 이러한 순열은 5000회 실시된다. 따라서, 5000 t 점수가 얻어진다. 5000 t 점수의 분포에서 실제 t 점수의 상대 위치는 빼어진 일관성 값에 대한 p-값을 생성합니다.
    2. p값(즉, 다중 비교 문제로 인해 한 패치의 22개 채널에 걸쳐 비교에서 생성)을 수정하여 거짓 검색속도방법(p < 0.05)(27)을 이에 의해 수정한다. MATLAB 도구 상자의 mafdr 기능을 통해이 보정을 수행합니다.
      참고: FDR 수정 후 모든 채널의 p-값이 중요한 경우(예: p < 0.05)인 경우 해당 채널에 IBS가 있습니다.
    3. IBS가 존재했던 채널의 다른 작업 조건 간의 일관성 값을 비교하여 쌍을 이루는 샘플 순열 t-test를 Groppe 작업의 mult_comp_perm_t1 함수(4.3.1 단계에서 언급한 것과 동일한 매개 변수)를 사용합니다.
      참고: 미터 대 비미터 자극에 관한 대인 관계 조정 중에 IBS를 직관적으로 검사하려면 다양한 조건의 일관성 값(예: 미터 조정 대 비미터 조정, 미터 조정 대 미터 의 독립성)을 직접 비교합니다.
    4. 파트너의 응답 시간을 두 파트너의 응답합계(56)로나눈 응답 시간 간의 절대 차이로 행동 성과를 계산합니다.
    5. Pearson 선형 상관 관계 분석(즉, Groppe의 작업의 mult_comp_perm_corr 기능)을 기반으로 하는 순열 테스트를 통해 IBS와 행동 성과 간의 관계를 평가합니다.
  4. IBS 검증
    참고: 유사한 자극, 운동 또는 조건이 입증된 IBS를 유도했다는 설명을 제외하려면 순열 테스트를 검증 접근법으로 사용하며, 3개의 순열(예: 다이드 내, 다이드 사이 및 조건 순열 사이)에는 다음과 같은 설명이 포함되어 있습니다.
    1. MATLAB의 randperm 기능을 통해 각 채널에서 하나의 dyad에 대한 미터 조정 조건 (즉, 다이드 순열 내에서 시험 #1 및 예심 #13)에서 시험 라벨을 무작위화하십시오.
    2. 무작위 평가판 레이블에 대한 IBS 및 통계(예: 섹션 4.2 및 4.3)를 계산하지만 FOI에 대한 감도 분석을 제외하는 위의 파이프라인을 따릅니다.
      참고: 각 조건에 대한 가짜 쌍의 일관성 값을 별도로 계산하고 가짜 쌍에 대한 일관성 증가를 계산합니다(즉, 가짜 쌍에 대한 작업 관련 일관성 값에서 휴식 일관성 값을 빼십시오).
    3. 순열을 1000번 수행한 다음 IBS 및 통계 계산 파이프라인(섹션 4.2 및 4.3)을 계산합니다.
    4. dyad 순열 내에서 생성된 통계 z 값의 분포를 플롯합니다.
    5. 걸음 4.4.2-4.4.4 미터 조정 조건에서 동일한 시험 참가자의 페어링을 무작위로 하여 (즉, dyad 순열 사이,예 : dyad #1의 참가자 #1 및 dyad #3의 참가자 #1).
    6. 동일한 시험에서 한 다이드의 동일한 구성원에 대한 조건의 라벨을 무작위로 수행 단계 4.4.2-4.4 (즉, 미터 조정 조건에서 참가자 #1 및 미터 독립 조건에서 참가자 #2와 같은 조건 순열 사이).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

결과는 미터 조정 조건에서 채널 5에 IBS가 있었다는 것을 보여주었습니다, 반면 어떤 IBS는 그밖 조건 (즉, 미터 독립성, 비 미터 조정, 비 미터 독립성; 그림 2A). 채널 5에서, 미터 조정 조건내의 IBS는 비미터 조정 및 미터 독립조건(도 2B)에서일관성 값보다 현저히 높았다. 채널 5는 대략 왼쪽 등쪽 전두엽 피질(DLPFC;; 브로드만 지역 9). 더욱이, 순열 분석은 관찰된 IBS가 아마 일치하는 시간에 서로 동기화하려고 한 다이드의 두 개인에 제시되는 것으로 나타났지만, 임의로 페어링된 시간, 파트너 또는 조건은 그렇지않다(도 2C). 함께, 이러한 결과 음악 미터 는 대인 관계 조정 하는 동안 DLPFC에서 특권 IBS를 유도 표시. 사회적 상호작용(예를 들어, 다른 사람에 대한 주의를 조절하는사람(예: 28,29)및 음악(예: 음악 배경30,31)의존재 하에 인지 성능을 향상시키는 DLPFC-IBS의 역할을 고려하면, 계량기 조정 조건에서 관찰된 DLPFC-IBS는 파트너의 인내 및 이해와 같은 대인관계 조정에 관여하는 과정에 더 많은 주의자원을 유도하는 것과 관련이 있을 수 있다.

Figure 1
그림 1: 실험 설계. (A)실험 절차 및 작업. (B)프로브 구성. (C)실험 용 설정. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 2
그림 2: 뇌 간 동기화(IBS). (A) 각 조건에 대한 일관성 값에 대한 순열 테스트의 열지도. 채널 5에는 미터 조정 조건에서 IBS가 있었습니다. (B)미터 조정 조건에서 채널 5의 IBS는 미터 독립성 및 비미터 조정 조건보다 현저히 컸다. **p < 0.01, *p < 0.05. 오류 막대는 최소/최대 값을 나타냅니다. 다이아몬드 점은 극단적인 값을 나타냅니다. 그늘진 영역은 95% 신뢰 구간을 나타냅니다. (C)모든 채널에 대한 PER돌연변이 예심, 개인 및 조건을 가진 IBS(통계 z 값)의 효과. 파선선은 미터 조정 조건에서 채널 5에서 IBS의 효과를 나타냅니다. x축은 Z 값을 나타내고 y축은 샘플 수를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

보충 오디오 1. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보조 오디오 2. 이 파일을 다운로드하려면 여기를 클릭하십시오.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

이 프로토콜은 fNIRS 하이퍼스캐닝 접근 방식을 사용하여 두 참가자의 뇌 신호를 동시에 수집하기 위해 IBS를 계산하고 검증하는 단계별 절차를 제공합니다. fNIRS 데이터 전처리, IBS 계산, 통계 및 IBS 유효성 검사와 관련된 몇 가지 중요한 문제는 다음과 같습니다.

데이터 전처리
가능한 노이즈(예: 모션 아티팩트, 전신 구성 요소)에서 실제 신호를 추출하기 위해 하이퍼스캐닝 연구에서 fNIRS 데이터를 사전 처리할 필요가 있습니다. 이전 fNIRS 하이퍼스캐닝 연구에서 IBS를 분석할 때 사전 처리가 건너뛰었지만10,32,33,최근 의결된 부분입니다. 이 연구에서는 CBSI와 PCA 가 모두 노이즈를 제거하는 데 사용됩니다. 전자는 헤드 모션아티팩트(34)를제거할 수 있으며, 후자는 글로벌 생리적 소음(예를 들어, 호흡기, 혈압및 혈류 변이)을 감소시키는 데 능숙하다. 물론, 웨이블릿 필터링36,스플라인 보간37,칼만 필터링38,자동 회귀 알고리즘39,및 단거리 채널 분리보정(40)과같은 경험적 fNIRS 연구에서 잘 수행되는 데이터 전처리를 위한 다른 모션 보정 방법이 있다. 모션 보정 방법의 비교는 채널을 제외하거나 시험을 거부하는 것보다 모션 아티팩트를 수정하는 것이 항상 더 낫으며 각 메서드가 특히 중점을 두고 있다고 보고했습니다. 이 연구에서 와 같이여러모션 보정 방법을 동시에 채택하는 것이 현실적인 해결책이라고 제안되었습니다. 또한, 로우 패스 및 하이패스 필터링은 일반적으로 fNIRS 데이터 전처리에 사용되어 생리적 노이즈를 제거합니다. 이 방법은 효과적이지만, 유사한 주파수대역(42)에서생리적 잡음 및 작업 효과가 발생할 때 작업 효과를 파괴할 수 있다. PCA와 CBSI를 동시에 사용하는 것이 fNIRS 하이퍼스캐닝 연구에서 데이터 전처리에 적합할 수 있습니다.

IBS 계산
IBS를 계산하는 데 사용되는 정확한 알고리즘이 실험실 및연구(43)에서변수이기 때문에 IBS 분석 단계를 표준화하고 IBS의 재현성을 높이기 위해 더 많은 작업이 필요하다고 제안되었습니다. 이 작업에서는 WTC를 통해 IBS를 계산하는 표준 파이프라인이 연구자에게 유용합니다. 조심해야 할 몇 가지 사항이 있습니다. 첫째, WTC는 일반적으로 이 연구에서 사용되는 모렛 웨이블릿 제품군에 속합니다. 그러나, 복잡한 가우시안 파동은 모레 웨이블릿보다 fNIRS 데이터에 더 적합하다는 것이 제안되고, 전자는 기본 신호의 파형과 일치하기 때문에(즉, 다발자전거 신호는 거의 발생하지 않습니다, 특히 10~20s)44. 더 많은 고려 사항은 라이브 소셜 상호 작용 중에 획득한 NIRS 신호에 대한 후속 응용 프로그램에서 분석의 힘에 영향을 미치는 웨이블렛 일관성 계산으로 문의해야 합니다. 둘째, 음악 2,45, 46및 음악활동4,47, 48,일관성 값이 이 연구에서 동일한 채널 간에 계산된 반면, 일부 연구는 통계 분석49,50 전에 동일한 뇌 영역 내의 모든 채널의 일관성 값을 평균화한 반면, 음악2,45,46 및 음악 활동4, 47,48과대인 관계 조정의 이전 연구 결과와 일치하도록 . 또한, 일관성 값은 동일한채널/영역(10,32,51)뿐만 아니라 다른 채널/영역(52,53)에서계산되었다. 이러한 언급된 프로세스는 IBS 계산 파이프라인을 강화했으며 향후 사회적 상호 작용방향에 관심을 가질 수 있습니다. 마지막으로, oxyHb 값은 지역 대뇌혈류량(54)의변화에 대한 가장 민감한 지표로 간주되기 때문에 이 연구에서 옥시Hb 값만 분석되었다. 그러나, 일부 연구자들은 deoxyHb 값이 fMRI 신호와 가장 밀접하게 관련이 있으며 글로벌 생리 소음55와무관하다는 연구 결과에 기초하여 deoxyHb 변화에 초점을 맞추게 했다. 어쨌든, 유사한 IBS 효과 oxyHb와 deoxyHb 변경 모두에서 밝혀지면 결과가 더 신뢰할 수 있습니다. 따라서, deoxyHb 값에 IBS의 분석은 또한 미래의 fNIRS 하이퍼스캐닝 연구에 필요합니다.

IBS 의 유효성 검사
IBS의 해석이 복잡하기 때문에 밝혀진 IBS의 유효성을 검사할 필요가 있습니다. 예를 들어 IBS는 정보 전송, 공유 의도성, 행동 정렬, 유사한 지각 등을 위한 메커니즘으로 설명되었습니다. 그것은 일관성 값이 실제 dyads에 대해 계산되지만 무작위로 시험을 페어링하거나 한 조건 / 그룹 내에서 또는 조건 / 그룹16사이에 참가자를 무작위로 페어링하여 가짜 dyads에 대한 순열과 무효 가설 테스트를 수행하여 IBS의 해석을 명확히하는 데 도움이 될 것입니다. 이 연구에서순열은 단순히 매우 많은 수의 리케이케이시(즉, 1000회)를 수행하여 수행하였다. 반면, 일관성 값은 가능한 모든 임의쌍(56)에대해 계산할 수 있다. 또한, 상기 순열 시험은 실험에서 가능한 모든 일관성으로부터 일관성의 무효 분포를 생성하는 데 사용될 수 있으며, 관찰된 IBS가 본 분포의 최상위 에 가깝는지 여부를 확인하기 위해, 이는 실생활 자극 및 실험 환경을 채택하는 연구에서 일반적으로 사용되고있다(57,58). 이 분석은 IBS가 시퀀스 수준에서 실제 상호 작용에 특정하도록 보장하며, 일치하는 것(예: 예: 시험, 개인 및 조건)의 일관성 값은 평균적으로 다이드 내부 또는 다이드 사이의 동등한 크기의 임의의 일관성을 초과해야 하므로. 이러한 방법은 기존의 일반 선형 모델 설계와 일치하고 이전 연구의 결과와 현재 결과를 비교하도록 선택된 현재 작업(즉, 휴게 상태 일관성 값)에 사용되는 기준선과 다릅니다. 이 연구에서 20-s-resting 기준선은 참가자의 편안함을 보장하기 위해 실험의 총 시간을 30 분으로 제한하는 데 사용되는 널리 사용되는 지속 시간 (30 s 또는 1 분 이상)보다 짧다는 점에 유의해야합니다.

결론적으로, 이 문서에서는 fNIRS 하이퍼스캐닝 연구에서 IBS를 분석하는 특정 파이프라인을 제공합니다. 이러한 파이프라인은 현장에서 잠재적으로 표준적인 데이터 처리 접근 방식이며, 이는 IBS의 재현성과 신뢰성 모두에 기여할 것입니다. 미래에, 특정 그룹 (즉, 부모- 유아, 어린이 및 정신 분열증 환자)와 특정 컨텍스트 (즉, 비언어적 또는 언어적 의사 소통 및 교육 상황)에 대한 IBS를 분석 할 때 데이터 처리의 세부 사항을 더욱 구체화해야합니다. 마지막으로, 자연 상호 작용에 참가자의 큰 그룹에 대 한 뇌 간 네트워크를 분석의 프로토콜을 보여주는 사회적 상호 작용의 정량화 도움이 될 것입니다.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

저자는 공개 할 것이 없습니다.

Acknowledgments

이 연구는 중국의 국립 자연 과학 재단 (31872783, 31800951)에 의해 지원되었다.

Materials

Name Company Catalog Number Comments
Computer Hewlett-Packard Development Company, L.P. HP S01-pF157mcn
Earphone Royal Philips Electronics, Eindhoven, The Netherlands SHE2405BK/00
EEG cap Compumedics Neuroscan, Charlotte, USA 64-channel Quik-Cap
E-Prime software Psychology Software Tools, Inc., Pittsburgh, USA E-Prime 3
fNIRS system Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System
MATLAB 2014b The MathWorks, Inc., Natick, MA MATLAB 2014b
MuseScore Musescore Company, Belgium MuseScore 3.6.2.548021803
Swimming cap Decathlon Group, Villeneuve-d'Ascq, France 1681552

DOWNLOAD MATERIALS LIST

References

  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).

Tags

신경 과학 문제 175 뇌 간 동기화 fNIRS 하이퍼 스캐닝 웨이브 렛 변환 일관성 순열 테스트
fNIRS 하이퍼스캐닝 연구에서 뇌 간 동기화를 계산하고 검증하는 방법
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Hu, Y., Wang, Z., Song, B., Pan, Y., … More

Hu, Y., Wang, Z., Song, B., Pan, Y., Cheng, X., Zhu, Y., Hu, Y. How to Calculate and Validate Inter-brain Synchronization in a fNIRS Hyperscanning Study. J. Vis. Exp. (175), e62801, doi:10.3791/62801 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter