Methodenartikel

Inter-Brain Synchrony in Open-Ended Collaborative Learning: een fNIRS-Hyperscanning Studie

DOI:

10.3791/62777

⸱

21 juli 2021

 ,  , 
1School of Psychology and Cognitive Science, East China Normal University, 2Shanghai Key Laboratory of Mental Health and Crisis Intervention, East China Normal University

In dit artikel

Samenvatting

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

Het protocol voor het uitvoeren van fNIRS hyperscanning experimenten op collaboratieve leren dyads in een naturalistische leeromgeving wordt geschetst. Verder wordt een pijplijn gepresenteerd om de Inter-Brain Synchrony (IBS) van zuurstofhoudende hemoglobine (Oxy-Hb) signalen te analyseren.

Samenvatting

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

fNIRS hyperscanning wordt veel gebruikt om de neurobiologische onderbouwing van sociale interactie te detecteren. Met deze techniek kwalificeren onderzoekers de gelijktijdige hersenactiviteit van twee of meer interactieve individuen met een nieuwe index genaamd inter-hersensynchronisatie (IBS) (d.w.z. fase- en / of amplitude-uitlijning van de neuronale of hemodynamische signalen in de tijd). Een protocol voor het uitvoeren van fNIRS hyperscanning experimenten op collaboratieve leren dyads in een naturalistische leeromgeving wordt hier gepresenteerd. Verder wordt een pijplijn van het analyseren van IBS van zuurstofrijk hemoglobine (Oxy-Hb) signaal uitgelegd. Specifiek worden het experimentele ontwerp, het proces van NIRS-gegevensregistratie, gegevensanalysemethoden en toekomstige richtingen allemaal besproken. Over het algemeen is het implementeren van een gestandaardiseerde fNIRS hyperscanning-pijplijn een fundamenteel onderdeel van de neurowetenschappen van de tweede persoon. Dit is ook in lijn met de roep om open wetenschap om de reproduceerbaarheid van onderzoek te ondersteunen.

Inleiding

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

Onlangs, om de gelijktijdige hersenactiviteit over de interactieve dyads of leden van een groep te onthullen, gebruiken onderzoekers de hyperscanning-benadering1,2. In het bijzonder worden elektro-encefalogram (EEG), functionele magnetische resonantie beeldvorming (fMRI) en functionele nabij-infraroodspectroscopie (fNIRS) gebruikt om de neurale en hersenactiviteiten van twee of meer proefpersonen tegelijkertijd vast te leggen3,4,5. Onderzoekers extraheren een neurale index met gelijktijdige hersenkoppeling op basis van deze techniek, die verwijst naar inter-hersensynchronisatie (IBS) (d.w.z. fase- en / of amplitude-uitlijning van de neuronale of hemodynamische signalen in de tijd). Een grote verscheidenheid aan hyperscanning-onderzoek vond IBS tijdens sociale interactie tussen meerdere individuen (bijv. Speler-publiek, instructeur-leerling en leider-volger)6,7,8. Bovendien heeft IBS specifieke implicaties van effectief leren en instructie9,10,11,12,13,14. Met de toename van hyperscanning-onderzoek in naturalistische leerscenario's is het noodzakelijk om een standaardprotocol van hyperscanning-experimenten en de pijplijn van data-analyse op dit gebied vast te stellen.

Dit artikel biedt dus een protocol voor het uitvoeren van fNIRS-gebaseerde hyperscanning van collaboratieve leer dyads en een pijplijn voor het analyseren van IBS. fNIRS is een optisch beeldvormingsinstrument, dat nabij-infrarood licht uitstraalt om de spectrale absorptie van hemoglobine indirect te beoordelen, en vervolgens wordt hemodynamische / oxygenatieactiviteit gemeten15,16,17. In vergelijking met fMRI is fNIRS minder gevoelig voor bewegingsartefacten, waardoor metingen mogelijk zijn van proefpersonen die echte experimenten doen (bijv. Imitatie, praten en non-verbale communicatie)18,7,19. In vergelijking met EEG heeft fNIRS een hogere ruimtelijke resolutie, waardoor onderzoekers de locatie van hersenactiviteit kunnen detecteren20. Deze voordelen in ruimtelijke resolutie, logistiek en haalbaarheid kwalificeren fNIRS dus om hyperscanningmetingen uit te voeren1. Met behulp van deze technologie detecteert een opkomend onderzoeksorgaan een indexterm als IBS - de neurale uitlijning van de hersenactiviteit van twee (of meer) mensen - in verschillende vormen van naturalistische sociale instellingen9,10,11,12,13,14. In die studies worden verschillende methoden (d.w.z. correlatieanalyse en Wavelet Transform Coherence (WTC) -analyse) toegepast om deze index te berekenen; ondertussen is een standaard pijplijn voor een dergelijke analyse essentieel, maar ontbreekt het. Als gevolg hiervan wordt in dit werk een protocol gepresenteerd voor het uitvoeren van fNIRS-gebaseerde hyperscanning en een pijplijn met behulp van WTC-analyse om IBS te identificeren

Deze studie heeft tot doel IBS te evalueren in collaboratieve leer dyads met behulp van de fNIRS hyperscanning-techniek. Ten eerste wordt een hemodynamische respons gelijktijdig geregistreerd in de prefrontale en linker temporoparietale regio's van elke dyads tijdens een gezamenlijke leertaak. Deze regio's zijn geïdentificeerd als geassocieerd met interactief lesgeven en leren9,10,11,12,13,14. Ten tweede wordt de IBS berekend op elk overeenkomstig kanaal. Het fNIRS-gegevensregistratieproces bestaat uit twee delen: rusttoestandsessie en samenwerkingssessie. De rustsessie duurt 5 minuten, waarbij beide deelnemers (face-to-face zittend, gescheiden van elkaar aan een tafel (0,8 m)) stil moeten blijven en ontspannen. Deze rusttoestandsessie wordt als basislijn gediend. Vervolgens wordt de deelnemers in de samenwerkingssessie verteld om het volledige leermateriaal samen te bestuderen, begrip op te wekken, de regels samen te vatten en ervoor te zorgen dat alle leermaterialen onder de knie zijn. Hier worden de specifieke stappen voor het uitvoeren van het experiment en fNIRS-gegevensanalyse gepresenteerd.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

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

Alle gerekruteerd deelnemers (40 dyads, gemiddelde leeftijd 22,1 ± 1,2 jaar; 100% rechtshandig; normaal of gecorrigeerd naar normaal zicht) waren gezond. Voorafgaand aan het experiment gaven de deelnemers geïnformeerde toestemming. Deelnemers werden financieel gecompenseerd voor hun deelname. De studie werd goedgekeurd door het University Committee of Human Research Protection (HR-0053-2021), East China Normal University.

1. Voorbereidingsstappen voordat gegevens worden aangenomen

  1. Zelfgemaakte NIRS caps
    1. Neem elastische badmuts aan om optode houderrooster te plaatsen.
      OPMERKING: Aangezien de hoofdmaten van de deelnemers verschillend zijn, worden twee maten petten gebruikt. Small caps worden voorbereid voor deelnemers met een hoofdomtrek van 55,4 ± 1,1 cm, en large caps zijn voor de deelnemers met een hoofdomtrek van 57,9 ± 1,2 cm.
    2. Veranker de locatie van de EEG-elektroden (inion, Cz, T3, T4, Fpz en P5) als referentie-optodes volgens het standaard internationale 10-10-systeem op elastische badmutsen (zie Materiaaltabel).
      1. Plaats eerst de standaard 10-10 EEG-dop (zie Materialentabel)op de hoofdvorm en plaats de elastische badmuts op de EEG-dop. Ten tweede, markeer referentie optodes (inion, Cz, T3, T4, Fpz en P5) met krijt op elke dop. Snijd ten slotte twee gaten met een diameter van ongeveer 15 mm om de twee referentie-optodes te plaatsen (d.w.z. Fpz en P5, figuur 1).
        OPMERKING: In het bijzonder worden een 3 x 5 optode sondeset en een 4 x 4 optode sondeset afzonderlijk geplaatst over het prefrontale gebied (referentie-optode wordt geplaatst bij Fpz, figuur 1B) en linker temporoparietale gebieden (referentie-optode wordt geplaatst op P5, figuur 1B).
    3. Snijd gaten om de andere optodes te plaatsen. Schik een badmuts met twee roosterhouders direct op de kopvorm. Markeer vervolgens de locatie van andere optodes met krijt. Knip daarna de restgaten om ervoor te zorgen dat de roosterhouder erin past.
    4. Monteer twee sondesets (d.w.z. 3 x 5 en 4 x 4) op de badmutsen (zie Materialen tabel).
      OPMERKING: Het NIRS-meetsysteem (zie Materiaaltabel)biedt deze standaard sondesets (d.w.z. 3 x 5 en 4 x 4) met standaard houderaansluitingen die de optodescheiding van 30 mm garanderen.
    5. Open het monitorvenster van de sondeset bij het NIRS-meetsysteem en selecteer vier sondesets die voor elke persoon afzonderlijk in 3 x 5 en 4 x 4 zijn gerangschikt.
      OPMERKING: De sondeopstellingen van de twee doppen moeten overeenkomen met de structuren in het sondesetvenster (d.w.z. de exacte locatie van de sondenummers van de ontvanger en de respectieve emitter).
  2. Voorbereiding van het experiment
    1. Voordat u gegevens registreert, moet u ervoor zorgen dat het NIRS-systeem een stabiele bedrijfstemperatuur houdt door het systeem gedurende ten minste 30 minuten te starten.
      OPMERKING: De stabiele bedrijfstemperatuur varieerde van 5 °C tot 35 °C.
    2. Stel de meetmodus in op gebeurtenisgerelateerde meting. Zorg ervoor dat de triggers-ontvanger actief is (d.w.z. de RS232 seriële ingang).
      OPMERKING: Het experiment is geprogrammeerd in commercieel beschikbare psychologiesoftware (zie Tabel met materialen). De absorptie van nabij-infrarood licht (twee golflengten: 695 en 830 nm) wordt gemeten met een bemonsteringsfrequentie van 10 Hz.
    3. Bereid de verlichte glasvezelsonde voor, die kan worden gebruikt om het haar opzij te schuiven.
    4. Stel de experimenteeromgeving in met één tafel met twee stoelen om de stoelen van de deelnemers face-to-face te houden.

2. Gegevens overnemen door deelnemers te instrueren

  1. Bereid de deelnemers voor
    1. Instrueer de deelnemers, inclusief de details van NIRS-meetmethoden.
      LET OP: Alle deelnemers waren gezond en werden financieel gecompenseerd voor deelname. Geen enkele deelnemer trok zich halverwege terug uit het experiment. De laserstraal van de NIRS kan schadelijk zijn voor de ogen van de deelnemers en ze kregen de instructie om niet rechtstreeks in die laserstralen te kijken.
    2. Laat de deelnemers face-to-face zitten (afgezien van een tafel (0,8 m)) om ervoor te zorgen dat ze elkaar direct kunnen zien. Pas de afstand van stoel tot tafel (d.w.z. bijna 0,3 m) aan om de deelnemers comfortabel te laten zitten.
    3. Schakel de laserknop in en plaats de doppen met de sondesets op de hoofden van de deelnemers.
      OPMERKING: De 3 x 5 sondesets bedekken het voorhoofd van de deelnemers (middelste sonde van de onderste rij wordt op Fpz geplaatst); de 4 x 4 sondesets bedekken de linker temporoparietale cortex (de derde sonde van de derde rij wordt op P5 geplaatst).
    4. Leg de vier optische vezelbundels losjes op de armen van de houder zonder contact met de deelnemers of stoelen.
      OPMERKING: Hier heeft het NIRS-meetsysteem vier bundels optische vezels. Zorg er daarnaast voor dat de deelnemers zich niet te zwaar voelen om de doppen eraf te trekken.
    5. Laat de tasterpunten de hoofdhuid van de deelnemers raken door elke veerbelastingsonde voorzichtig verder in de socket te duwen.
    6. Voer signaalkalibratie uit.
      1. Controleer eerst de kwaliteit van het signaal door op Auto Gain te klikken in het monitorvenster van de sondeset van de fNIRS-machine. Vervolgens worden het slechte signaal en het voldoende signaal van een kanaal respectievelijk geel en groen gemarkeerd in het monitorvenster van de sondeset.
        OPMERKING: Voor een kanaal met onvoldoende signalen worden verlichte glasvezelsondes gebruikt om het haar onder de punt van de sonde naar één kant te verplaatsen.
      2. Duw vervolgens de sondes verder in hun stopcontacten om voldoende signalen te krijgen. Herhaal dit proces totdat alle kanalen groen zijn gemarkeerd in het monitorvenster van de sondeset van het NIRS-meetsysteem, wat aangeeft dat de kwaliteit van de signalen toegankelijk is.
  2. Het experiment uitvoeren
    1. Start het experiment met een rusttoestand van 5 minuten, die als basislijn dient. Vervolgens moeten twee deelnemers het leermateriaal samen leren.
    2. Klik na het experiment op Tekstbestand uit om de onbewerkte lichtintensiteitsgegevens te exporteren en de gegevens op te slaan als een tekstbestand.
      OPMERKING: Er worden geen filters toegepast in het NIRS-meetsysteem.
    3. Gebruik de driedimensionale (3D) digitizer (zie Tabel met materialen)om de locaties van emitters, ontvangers en andere referenties (d.w.z. inion, nasion, Cz en linker- en rechteroren) voor elke deelnemer te bepalen.
      1. Verkrijg de MNI-coördinaten voor de opnamekanalen met behulp van het in de handel verkrijgbare numerieke computerplatform21 (zie Tabel met materialen). Aanvullende tabel S1 toont de overeenkomstige anatomische locaties van elk kanaal.
    4. Reinig sondes en sondehouders met ethanol. Was doppen met mild wasmiddel en laat de doppen aan de lucht drogen.

3. Data-analyse

  1. Voorbewerken van gegevens
    OPMERKING: Eerder onderzoek heeft variabele niet-commerciële softwarepakketten aangenomen (bijv. Homer222, AnalyzIR23, of nirs LAB24) met numerieke computerplatforms (zie Tabel met materialen) over fNIRS-gegevensanalyse, en ze zijn allemaal beschikbaar op de website. Hier werd Homer2 gebruikt om de voorbewerking van de NIRS-gegevens uit te doen. Bovendien delen zowel fNIRS-opnamegegevens die zijn verzameld in de rest- als de gezamenlijke leerfasen dezelfde voorbewerkings- en analysepijplijn.
    1. Kopieer de gegevensset van de fNIRS-machine. Converteer de oorspronkelijke gegevensvorming naar de juiste formatie (d.w.z. cvs-bestand converteren naar nirs-bestand).
    2. Converteer ruwe gegevens naar od-gegevens (optical density) met de functie "hmrIntensity2OD" in het numerieke computerplatform (zie Materiaaltabel).
    3. Verwijder de slechte kanalen. Voer vervolgens het gemiddelde van de OD-waarde voor elke deelnemer op elk kanaal en de volledige steekproefpunten uit.
      OPMERKING: Hier worden 46 gemiddelde OD-waarden verkregen.
      1. Bereken de standaarddeviatie (SD) voor elke deelnemer.
      2. Markeer als onbruikbaar en verwijder de kanalen met een zeer lage of hoge OD (die meer dan 5 SD's bedroeg) uit de analyse voor elke deelnemer.
        OPMERKING: Deze stap kan worden uitgevoerd voor en/of na de voorbewerking van fNIRS-gegevens. In deze pijplijn voor gegevensanalyses worden de slechte kanalen gedetecteerd voordat de fNIRS-gegevens worden voorbewerkt.
    4. Converteer de OD-tijdgegevens naar Oxy-Hb, DeOxy-Hb en gecombineerd signaal op basis van de gewijzigde Beer-Lambert Law25.
      OPMERKING: Referentie25 zegt: "Alle gegevensanalysestappen worden uitgevoerd op Oxy-Hb-gegevens, wat een indicator is van de verandering in de regionale cerebrale bloedstroom met een hogere signaal-ruisverhouding26. Bovendien gebruikte eerder onderzoek fNIRS-hyperscanning in onderwijs- en leerscenario's voornamelijk gericht op Oxy-Hb-concentratie11,12,13,14.
    5. Kalibreer Oxy-Hb-tijdreeksen van bewegingsartefacten met de kanaal-voor-kanaal wavelet-gebaseerde methode.
      OPMERKING: Specifiek, de Daubechies 5 (db5) wavelet met tuning parameter op 0.1 (zie details in Homer2 handleiding)27,28 wordt gebruikt bij het verwijderen van bewegingsartefacten.
    6. Pas het banddoorlaatfilter (d.w.z. 0,01-1 Hz) toe op de gekalibreerde Oxy-Hb-gegevens om de hoogfrequente ruis en langzame drift te verminderen.
    7. Voer principal components analysis (PCA) uit op het OxyHb-signaal om niet-neurale globale componenten (bijv. Bloeddruk, ademhaling en variatie in de bloedstroom) te verwijderen29.
      OPMERKING: De pca-analyse voorgesteld door Zhang en collega's29 wordt hier aangenomen.
      1. Ontleed eerst het signaal.
        OPMERKING: De specifieke formule van de ontleding van het fNIRS-signaal is: H = UΣVT. Hier worden temporele en ruimtelijke patronen van fNIRS-gegevens gepresenteerd in twee matrices (d.w.z. u en V). U is een 2D-matrix (sample point x principal component). V is ook een 2D (principal component x principal component) matrix. De kolom in V geeft één hoofdcomponent (pc) aan en de sterkte van die pc voor een bepaald kanaal wordt geschat in elk item van de kolom. Het relatieve belang van elke pc wordt weergegeven door de waarde van de diagonale matrix Σ.
      2. Ten tweede, voer ruimtelijke afvlakking uit.
        OPMERKING: Gaussische kernelconvolutie wordt gebruikt om gelokaliseerde signalen te verwijderen en de globale component op te halen.
      3. Ten derde, reconstrueer het signaal.
        OPMERKING: Om de globale component van de fNIRS-gegevens te berekenen, wordt de afgevlakte ruimtelijke patroonmatrix V* teruggeplugd in de decompositieformule: HGlobal = UΣ(V*)T. Vervolgens kan gelokaliseerd afgeleid neuronaal signaal worden verkregen met behulp van originele gegevens H om HGlobal: H Neuronal = H - HGlobalaf te trekken.
  2. Synchronisatie tussen de hersenen
    OPMERKING: Om hersenkoppeling in de tweede persoons neurowetenschappen te onthullen, wordt hier wavelet transform coherence (WTC) aangenomen. In het kort meet WTC de correlatie tussen tweetijdreeksen als functie van frequentie en tijd. De specifieke formule van waveletcoherentie van tweevoudige reeksen x en y is:
    figure-protocol-1
    T en s geven de tijd- en waveletschaal afzonderlijk aan, ‹·› geeft een afvlakkingsbewerking in schaal en tijd aan. W staat voor de continue wavelettransformatie. Vervolgens wordt een 2D (tijd x frequentie) WTC-matrix gegenereerd30. Verschillende toolboxen worden gebruikt om de WTC-waarde te berekenen. Hier werd de toolbox gemaakt door Grinsted en collega's30.
    1. Neem de WTC-functie van het numerieke computerplatform over (zie Tabel met materialen).
      OPMERKING: Hier wordt de standaardinstelling van de moedergolflet (d.w.z. Generalized Morse Wavelet met zijn parameters bèta en gamma) gebruikt. Moeder wavelet zet elke tijdreeks om in het frequentie- en tijdsdomein.
    2. Stel de standaardinstelling in voor de andere parameters (d.w.z. MonteCarloCount, dat het aantal surrogaatgegevenssets in de significantieberekening vertegenwoordigt).
    3. Bereken de WTC-waarde voor twee overeenkomstige kanalen (hetzelfde kanaal in twee deelnemers) in een numeriek computerplatform (zie Tabel met materialen). Volgens dezelfde procedure worden 46 WTC-matrices gegenereerd uit 46 kanalen.
    4. Bepaal de frequency band of interest (FOI), die gevoelig is voor samenwerkend leren.
      OPMERKING: Hier wordt een clustergebaseerde permutatiebenadering gebruikt om dergelijke FOI31te detecteren , die een oplossing biedt voor meerdere vergelijkingen in meerkanaals- en multifrequentiegegevens.
      1. Voer het tijdgemiddelde van de WTC-waarden uit in respectievelijk de rust- en collaboratieve leerfase voor elke kanaalcombinatie. Voer vervolgens gepaarde monster t-testsuit samen met de volledige frequentie (frequentiebereik: 0,01-1Hz32) op deze tijdgemiddelde WTC-waarden (samenwerkend leren versus rust). Identificeer vervolgens frequentiebakken waarbij het taakeffect significant is (samenwerkend leren > rest, p < 0,05).
      2. Verkrijg significante frequentie-naburige punten (≥2) als waargenomen clusters en overeenkomstige T-waarden.
      3. Voer een reeks gepaarde t-voorbeeldtests uit op gepermuteerde gegevens om de T-waarden te genereren voor elk cluster dat in stap 3.2.4.2 voor 1000 keer is gekwalificeerd.
        OPMERKING: Voor het vormen van gepermuteerde gegevens worden deelnemers willekeurig toegewezen om nieuwe tweekoppige paren te vormen. Omdat de lengte van datasets varieerde tussen dyads voor elk willekeurig paar, wordt de langere dataset bijgesneden tot dezelfde lengte als de kortere33.
      4. Vergelijk de gemiddelde clustergebaseerde T-waarden van oorspronkelijke paren met de T-waarden van 1000 permutaties.
        OPMERKING: De p-waarden geëvalueerd door deze formule34:
        figure-protocol-2, waarbij S0 de waargenomen gemiddelde-cluster t-waarde aanduidt, geven μp en σp het gemiddelde en de standaardafwijking van de permutatiewaarden aan.
      5. Gemiddelde WTC-waarden in de geïdentificeerde FOI in elk kanaal in elke dyade. Pas vervolgens fisher z-transformatie toe op de WTC-waarden om een normale verdeling van WTC-waarden te krijgen. Gebruik deze waarde om de IBS te indexeren voor verdere statistische analyse.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

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

Figuur 1 illustreert het experimentele protocol en de locatie van de sonde. Het fNIRS-gegevensregistratieproces bestaat uit twee delen: rusttoestandsessie (5 min) en samenwerkingssessie (15-20 min). De samenwerkende leer dyads zijn nodig om te ontspannen en stil te blijven in de rusttoestand sessie. Daarna krijgen de deelnemers te horen dat ze het leermateriaal moeten co-leren(figuur 1A). Hun prefrontale en linker temporoparietale gebieden worden gedekt door de ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

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

Ten eerste worden in het huidige protocol de specifieke stappen van het uitvoeren van fNIRS-hyperscanning-experimenten in een collaboratief leerscenario vermeld. Ten tweede wordt ook de data-analysepijplijn gepresenteerd die de IBS van hemodynamische signalen in collaboratieve leer dyads beoordeelt. De gedetailleerde operatie voor het uitvoeren van fNIRS-hyperscanning-experimenten zou de ontwikkeling van open wetenschap bevorderen. Verder wordt hier de analysepijplijn voorzien om de reproduceerbaarheid van hyperscanningo...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

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

De auteurs hebben niets te onthullen.

Dankbetuigingen

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

Dit werk wordt ondersteund door het ECNU Academic Innovation Promotion Program for Excellent Doctoral Students (YBNLTS2019-025) en de National Natural Science Foundation of China (31872783 en 71942001).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
EEG-capsCompumedics Neuroscan,Charlotte,USA64-kanaals Quik-CapWe kiezen twee maten van de dop(dwz medium en groot).
NIRS-meetsysteem met sondesets en sondehouder rastersHitachi Medical Corporation, Tokyo, JapanETG-7100 Optical Topography SystemHet huidige studieprotocol vereist een optionele tweede volwassen sondeset voor in totaal 92 meetkanalen.
Numeriek computing platformThe MathWorks, Inc., Natick, MAMATLAB R2020aDient als basis voor Psychophysics Toolbox-extensies (stimuluspresentatie), Homer2  (fNIRS voorverwerkingsanalyse) en de "wtc"-functie(WTC-berekening).
Psychologie softwarepsychology software tools,Sharpsburg, PA,USAE-prime 2.0We gebruiken E-prime om het fNIRS-meetsysteem te starten en triggers te verzenden die de rustfase en samenwerkingsfase voor fNIRS-opnamegegevens markeren.
ZwemcapsZoke Corporation,Shanghai,China611503314We plaatsten eerst de standaard 10-20 EEG-dop op de hoofdvorm en plaatsten de zwemcap op de EEG-dop. Ten tweede markeerden we (inion, Cz, T3, T4, PFC en P5) met krijt.
Driedimensionale (3-D) digitizerPolhemus, Colchester, VT, USA;Driedimensionale (3-D) digitizerAnatomische locaties van optodes in relatie tot standaard hoofdlandmerken werden bepaald voor elke deelnemer met behulp van een Patriot 3D Digitizer

Referenties

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. 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).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657(2020).
  8. 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).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111(2020).
  12. 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).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. 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).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. 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), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73(2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106(2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259(2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147(2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004(2016).
  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, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. 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).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004(2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. 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).
  43. 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).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011(2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881(2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Social InteractionOxygenated HemoglobinWavelet TransformPrincipal Components AnalysisMotion Artifact RemovalDyad Brain ActivityNaturalistic Learning

Gerelateerde artikelen