부분 웨이블릿 변환 일관성 방법을 사용한 fNIRS-하이퍼스닝 데이터에서 방향 정보 흐름 측정

하이퍼 스캐닝은 개인 간의 관계를 설명하는 유망한 방법이며이 연구에서 개인 간의 신경 동기화를 찾습니다. 그리고 가장 중요한 질문은 누가 누구와 동기화하고 있는지 확인하는 것입니다. 그리고 우리가 여기서 제안하는 방법은 개인 간의 정보 흐름의 방향을 식별하는 것입니다.

다른 방법과 비교할 때,이 방법의 가장 중요한 이점은 신경 동기화에서 다양한 혼란 요인을 제거하는 것입니다. 예를 들어, 모든 신호의 자기 상관 관계. 그리고 그 사이에, 우리는 모든 신호의 높은 공간 해부학 적 해상도를 유지할 수 있습니다.

장비에서 헤모글로빈 농도 변화 데이터 파일을 내보내고 파일을 MATLAB 판독 가능한 형식으로 전송하여 데이터 전처리를 시작하십시오. 그런 다음 각 세션에 대한 데이터의 첫 번째 및 마지막 15초를 제거하여 과도 응답을 방지하고 MATLAB 데시메이트 내장 함수를 사용하여 데이터를 55.6헤르츠에서 11.1헤르츠로 다운샘플링합니다. 모션 아티팩트를 수정하려면 적절한 필터링 기능을 사용하여 이산 웨이블릿 변환 필터 방법을 적용합니다.

PCA 내장 기능을 사용하여 글로벌 생리적 잡음을 제거하십시오. 그런 다음 신호에서 분산의 상위 80%를 제거합니다. 여성으로부터 데이터의 초기 두 초와 남성으로부터 데이터의 마지막 두 초를 제거한 후, 방정식을 사용하여 여성 주도의 두 번째 지연된 INS WTC 값을 계산하십시오.

마찬가지로, 남성으로부터 데이터의 초기 두 초와 여성으로부터 데이터의 마지막 두 초를 제거한 후, 남성 주도의 두 번째 지연된 INS WTC 값을 계산하십시오. 잠재적 인 676 CH 쌍에 걸쳐 N과 같은 N이 네 개 또는 여섯 개 또는 여덟 초와 같고 다른 시간 지연으로 절차를 반복하고 앞에서 설명한 방정식으로 여성 및 남성 주도 시간 지연 INS WTC의 강도를 계산하십시오. 방정식을 사용하여 동일한 방법으로 pWTC를 사용하여 INS pWTC를 계산하십시오.

남성과 여성 사이의 fNIRS 신호의 시간 지연 시계열을 생성하고 서로 다른 시간 지연에서 시간 지연 WTC의 값을 계산합니다. 남성의 fNIRS 신호의 자동 상관 시계열을 생성하여 데이터의 처음 두 초와 마지막 두 초를 제거합니다. 그런 다음 남성에 대한 두 초 자동 상관 값을 계산하십시오.

그런 다음, 상이한 시간 지연에서 자동 상관된 WTC 값을 평가한다. 같은 방식으로, 남성과 여성으로부터 데이터의 처음 두 초를 제거하여 fNIRS 신호의 시간 정렬된 시계열을 생성한다. 그런 다음 두 초의 시간 정렬 WTC를 계산합니다.

그런 다음, 상이한 시간 지연에서 시간 정렬된 WTC 값을 평가한다. 서로 다른 시간 지연에서 시간 정렬된 WTC, 시차가 있는 WTC 및 자동 상관 WTC 값을 pWTC 방정식에 입력하여 INS pWTC를 생성합니다. 두 번째 레벨 fNIRS 데이터 처리에서 0.7헤르츠 이상의 각 신호의 생리적 잡음 및 주파수 대역을 제거합니다.

그런 다음 0.01 헤르츠 이하 및 0.15 ~ 0.3 헤르츠 이내의 각 신호의 주파수 대역을 제거하여 매우 낮은 주파수 변동을 필터링하십시오. 피셔 Z 변환으로 INS를 변환한 다음 시간 차원에서 평균 INS를 변환합니다. 각 시간 지연에서 평균화된 INS에 대해 주파수 범위에 걸쳐 각 CH 쌍에 대해 쌍을 이룬 두 개의 샘플 t-검정을 수행합니다.

그런 다음 모든 중요한 주파수 클러스터를 식별하십시오. 서로 의사 소통하지 않은 diad의 참가자와 같은 새로운 두 멤버 쌍에 참가자를 무작위로 할당하여 dyadic 관계를 재할당하십시오. 클러스터 기반 순열 테스트를 수행하여 결과에 대한 임계값을 설정합니다.

각 시간 지연에서 INS를 다시 계산합니다. 새 샘플에서 쌍을 이룬 t-테스트를 수행하고 중요한 주파수 클러스터를 식별합니다. 그런 다음 절차 1을 000번 반복하기 전에 합산 T 값이 가장 큰 클러스터를 선택하여 최대 가양성 T 값의 null 분포를 생성합니다.

원래 샘플에서 식별된 각 주파수 클러스터의 합산 T 값을 null 분포와 비교하여 유의한 통계 결과를 얻습니다. 시뮬레이션 분석이 연구에서 수행되었습니다. 대표적인 분석은 자기상관관계를 갖는 시간-지연된 INS WTC가 자기상관관계 및 시간-지연된 INS pWTC가 없는 시간-지연된 INS WTC보다 유의하게 더 높았다는 것을 보여준다.

추가적으로, 자기상관관계가 없는 INS WTC와 INS pWTC 사이에는 유의한 차이가 없었으며, 이는 INS에 대한 자기상관관계의 영향을 제거함에 있어서 pWTC의 효율을 나타낸다. 0.4 ~ 0.6 헤르쯔 내에서 미미한 유의미한 문맥 효과가 관찰되었으며, 남성 중 4 초가 여성의 영향을 늦췄습니다. 대조적으로, INS pWTC의 경우, 남성의 센서 및 운동 피질 활성이 여성의 4초만큼 지연되었을 때 0.4 내지 0.6 헤르츠 내의 유의한 문맥 효과만이 관찰되었다.

여성에서 남성으로의 방향성 INS는 갈등 상황에서 지지하는 맥락에서보다 훨씬 높았다. INS pWTC의 결과는 그랜저 인과성 방법으로 검증되었다. 결과는 INS GC가 INS pWTC와 유사한 패턴을 나타냄을 보여주었다.

그랜저가 여성에서 남성으로 인과관계를 분석하여 계산한 방향성 INS는 갈등 상황에서 지지적 맥락에서보다 훨씬 높았다. 이 방법을 사용하여 신경 동기화를 계산 한 후에는 다른 많은 방법을 수행 할 수도 있습니다. 예를 들어, 우리는 서로 다른 사회적 연결 맥락과 다른 사회적 관계에서의 사회적 연결 사이의 방향 정보 흐름을 비교할 수 있습니다.

또한, 신경 동기화에 대한 상이한 통신 동작들의 기여를 이해하는 것이 가능하다. 예를 들어, 구두 의사 소통이든 비언어적 의사 소통이든간에 신경 동기화에서 더 중요한 역할을합니다.