Artykuł metodologiczny

Synchronizacja między mózgami w otwartym uczeniu się opartym na współpracy: badanie fNIRS-Hyperscanning

DOI:

10.3791/62777

⸱

21 lipca 2021

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

W tym artykule

Podsumowanie

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

Przedstawiono protokół przeprowadzania eksperymentów hiperskanowania fNIRS na diadach wspólnego uczenia się w naturalnym środowisku uczenia się. Ponadto przedstawiono proces analizy synchronizacji międzymózgowej (IBS) sygnałów hemoglobiny natlenionej (Oxy-Hb).

Streszczenie

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

fNIRS hyperscanning jest powszechnie używany do wykrywania neurobiologicznych podstaw interakcji społecznych. Dzięki tej technice naukowcy kwalifikują jednoczesną aktywność mózgu dwóch lub więcej interaktywnych osób za pomocą nowego wskaźnika zwanego synchronizacją międzymózgową (IBS) (tj. dopasowania fazowego i/lub amplitudowego sygnałów neuronalnych lub hemodynamicznych w czasie). Przedstawiono tutaj protokół przeprowadzania eksperymentów hiperskanowania fNIRS na diadach uczenia się opartego na współpracy w naturalistycznym środowisku uczenia się. Ponadto wyjaśniono proces analizy IBS sygnału hemoglobiny utlenionej (Oxy-Hb). W szczególności omówiono projekt eksperymentalny, proces rejestracji danych NIRS, metody analizy danych i przyszłe kierunki. Ogólnie rzecz biorąc, wdrożenie ustandaryzowanego potoku hiperskanowania fNIRS jest fundamentalną częścią neuronauki drugiej osoby. Jest to również zgodne z apelem o otwartą naukę w celu ułatwienia odtwarzalności badań.

Wprowadzenie

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

Ostatnio, aby ujawnić jednoczesną aktywność mózgu u interaktywnych diad lub członków grupy, badacze stosują podejście hiperskanowania1,2. W szczególności elektroencefalogram (EEG), funkcjonalne obrazowanie metodą rezonansu magnetycznego (fMRI) i funkcjonalna spektroskopia bliskiej podczerwieni (fNIRS) są używane do rejestrowania aktywności neuronalnej i mózgowej dwóch lub więcej osób jednocześnie3,4,5. Naukowcy wyodrębniają indeks neuronalny pociągający za sobą równoczesne sprzężenie mózgu w oparciu o tę technikę, która odnosi się do synchronizacji między mózgami (IBS) (tj. dopasowania fazowego i/lub amplitudowego sygnałów neuronalnych lub hemodynamicznych w czasie). Duża różnorodność badań hiperskanujących wykazała IBS podczas interakcji społecznych między wieloma osobami (np. graczem-publicznością, instruktorem-uczniem i liderem-obserwującym)6,7,8. Co więcej, IBS ma konkretne implikacje dla efektywnego uczenia się i nauczania9,10,11,12,13,14. Wraz z gwałtownym wzrostem badań nad hiperskanowaniem w naturalistycznych scenariuszach uczenia się, konieczne jest ustanowienie standardowego protokołu eksperymentów hiperskanowania i potoku analizy danych w tej dziedzinie.

Tak więc, ten artykuł dostarcza protokół do przeprowadzania hiperskanowania opartych na fNIRS diad wspólnego uczenia się oraz potok do analizy IBS. fNIRS to narzędzie do obrazowania optycznego, które emituje światło bliskiej podczerwieni w celu oceny absorpcji widmowej hemoglobiny pośrednio, a następnie mierzona jest aktywność hemodynamiczna/natleniająca15,16,17. W porównaniu z fMRI, fNIRS jest mniej podatny na artefakty ruchu, umożliwiając pomiary od osób, które przeprowadzają eksperymenty w prawdziwym życiu (np. naśladowanie, mówienie i komunikacja niewerbalna)18,7,19. W porównaniu z EEG, fNIRS ma wyższą rozdzielczość przestrzenną, co pozwala naukowcom wykryć lokalizację aktywności mózgu20. Tak więc te zalety w zakresie rozdzielczości przestrzennej, logistyki i wykonalności kwalifikują fNIRS do przeprowadzania pomiarów hiperskaningowych1. Korzystając z tej technologii, powstająca jednostka badawcza wykrywa termin indeksu jako IBS - neuronalne wyrównanie aktywności mózgu dwóch (lub więcej) osób - w różnych formach naturalistycznych ustawień społecznych9,10,11,12,13,14. W badaniach tych do obliczenia tego wskaźnika stosuje się różne metody (tj. analizę korelacji i analizę koherencji transformacji falkowej (WTC)); Tymczasem niezbędny jest standardowy pipeline dotyczący takiej analizy, ale go brakuje. W związku z tym w niniejszej pracy przedstawiono protokół do przeprowadzania hiperskanowania opartego na fNIRS oraz potok wykorzystujący analizę WTC do identyfikacji IBS

To badanie ma na celu ocenę IBS w diadach wspólnego uczenia się przy użyciu techniki hiperskanowania fNIRS. Po pierwsze, odpowiedź hemodynamiczna jest rejestrowana jednocześnie w obszarach przedczołowych i lewych skroniowo-ciemieniowych każdej diady podczas wspólnego zadania uczenia się. Regiony te zostały zidentyfikowane jako związane z interaktywnym nauczaniem i uczeniem się9,10,11,12,13,14. Po drugie, IBS jest obliczany dla każdego odpowiedniego kanału. Proces rejestrowania danych fNIRS składa się z dwóch części: sesji w stanie spoczynku i sesji współpracy. Sesja w stanie spoczynku trwa 5 minut, podczas której obaj uczestnicy (siedzący twarzą w twarz, oddzieleni od siebie przy stole (0,8 m)) zobowiązani są do pozostania w bezruchu i zrelaksowania się. Ta sesja w stanie spoczynku służy jako punkt odniesienia. Następnie, podczas sesji zespołowej, uczestnicy są proszeni o wspólne przestudiowanie całych materiałów edukacyjnych, uzyskując zrozumienie, podsumowując zasady i upewniając się, że wszystkie materiały do nauki zostały opanowane. W tym miejscu przedstawiono konkretne etapy przeprowadzania eksperymentu i analizy danych fNIRS.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

Wszyscy zrekrutowani uczestnicy (40 diad, średni wiek 22,1 ± 1,2 roku; 100% praworęczni; normalne lub skorygowane do normalnego widzenia) byli zdrowi. Przed eksperymentem uczestnicy wyrazili świadomą zgodę. Uczestnicy otrzymali rekompensatę finansową za swój udział. Badanie zostało zatwierdzone przez Uniwersytecki Komitet Ochrony Badań nad Ludźmi (HR-0053-2021), East China Normal University.

1. Etapy przygotowania przed przyjęciem danych

  1. Domowe czapki NIRS
    1. Zastosuj elastyczną czepek pływacki, aby umieścić siatkę uchwytu optodowego.
      UWAGA: Biorąc pod uwagę, że rozmiary głów uczestników są różne, stosuje się dwa rozmiary czapek. Czapki małe przygotowywane są dla uczestników o obwodzie głowy 55,4 ± 1,1 cm, a duże czapki przeznaczone są dla uczestników o obwodzie głowy 57,9 ± 1,2 cm.
    2. Zakotwicz położenie elektrod EEG (inion, Cz, T3, T4, Fpz i P5) jako optody referencyjne zgodnie ze standardowym międzynarodowym systemem 10-10 na elastycznych czepkach pływackich (patrz tabela materiałów).
      1. Najpierw umieść standardową czepek EEG 10-10 (patrz Tabela materiałów) na formie głowy i załóż elastyczną czepek pływacki na czepek EEG. Po drugie, zaznacz referencje (inion, Cz, T3, T4, Fpz i P5) kredą na każdej nasadce. Na koniec wytnij dwa otwory o średnicy około 15 mm, aby umieścić dwie referencyjne optody (tj. Fpz i P5, Rysunek 1).
        UWAGA: W szczególności zestaw sond optodowych 3 x 5 i zestaw sond optodowych 4 x 4 są oddzielnie umieszczane nad obszarem przedczołowym (optoda referencyjna jest umieszczona w Fpz, Rysunek 1B) i lewe obszary skroniowo-cieniowe (optoda referencyjna jest umieszczona w P5, Rysunek 1B).
    3. Wytnij otwory, aby umieścić inne optody. Ułóż czepek pływacki z dwoma uchwytami na siatkę bezpośrednio na formie głowy. Następnie zaznacz kredą położenie innych optod. Następnie wytnij pozostałe otwory, aby upewnić się, że uchwyt siatki pasuje.
    4. Zamontuj dwa zestawy sond (tj. 3 x 5 i 4 x 4) do czepków pływackich (patrz Tabela materiałów).
      UWAGA: System pomiarowy NIRS (patrz Tabela materiałów) zapewnia te standardowe zestawy sond (tj. 3 x 5 i 4 x 4) ze standardowymi gniazdami uchwytów zapewniającymi separację optody 30 mm.
    5. Otwórz okno monitora zestawu sond w systemie pomiarowym NIRS i wybierz cztery zestawy sond rozmieszczone w 3 x 5 i 4 x 4 dla każdej osoby, osobno.
      UWAGA: Rozmieszczenie sond w dwóch nasadkach powinno odpowiadać strukturom w oknie zestawu sond (tj. dokładnemu położeniu numerów sond odbiorczych i odpowiedniego emitera).
  2. Przygotowanie eksperymentu
    1. Przed zapisaniem danych upewnij się, że system NIRS utrzymuje stabilną temperaturę roboczą, uruchamiając system na co najmniej 30 minut.
      UWAGA: Stabilna temperatura pracy wahała się od 5 °C do 35 °C.
    2. Ustaw tryb pomiaru na pomiar związany ze zdarzeniem. Upewnij się, że odbiornik wyzwalaczy jest aktywny (tj. wejście szeregowe RS232).
      UWAGA: Eksperyment jest zaprogramowany w dostępnym na rynku oprogramowaniu psychologicznym (patrz Spis materiałów). Absorpcja światła bliskiej podczerwieni (dwie długości fal: 695 i 830 nm) jest mierzona przy częstotliwości próbkowania 10 Hz.
    3. Przygotuj podświetlaną sondę światłowodową, której można użyć do odsunięcia włosów na bok.
    4. Ustaw środowisko eksperymentu z jednym stołem z dwoma krzesłami, aby uczestnicy siedzieli twarzą w twarz.

2. Przyjmowanie danych poprzez instruowanie uczestników

  1. Przygotowanie uczestników
    1. Poinstruuj uczestników, w tym szczegółowo opowiedz o metodach pomiaru NIRS.
      UWAGA: Wszyscy uczestnicy byli zdrowi i otrzymali rekompensatę finansową za udział. Żaden z uczestników nie wycofał się z eksperymentu w połowie. Wiązka laserowa NIRS może być szkodliwa dla oczu uczestników i zostali oni poinstruowani, aby nie patrzeć bezpośrednio w te wiązki laserowe.
    2. Poproś uczestników, aby usiedli twarzą w twarz (z wyjątkiem stołu (0,8 m)), aby upewnić się, że widzą się bezpośrednio. Dostosuj odległość krzesła od stołu (tj. prawie 0,3 m), aby uczestnicy wygodnie siedzieli.
    3. Włącz przycisk lasera i umieść nasadki z zestawami sond na głowach uczestników.
      UWAGA: Zestawy sond 3 x 5 zakrywają czoło uczestników (środkowa sonda dolnego rzędu umieszczona jest na Fpz); zestawy sond 4 x 4 obejmują lewą korę skroniowo-ciemieniową (trzecia sonda trzeciego rzędu jest umieszczona na P5).
    4. Połóż cztery wiązki światłowodów luźno na ramionach uchwytu, nie kontaktując się z uczestnikami lub krzesłami.
      UWAGA: W tym przypadku system pomiarowy NIRS ma cztery wiązki światłowodów. Dodatkowo upewnij się, że uczestnicy nie czują się zbyt ociężali, aby zdjąć czapki.
    5. Pozwól, aby końcówki sondy dotykały skóry głowy uczestników, ostrożnie wciskając każdą sondę sprężynową głębiej do jej gniazda.
    6. Wykonaj kalibrację sygnału.
      1. Najpierw sprawdź jakość sygnału, klikając przycisk Auto Gain (Automatyczne wzmocnienie) w oknie monitora zestawu sond w urządzeniu fNIRS. Następnie, słaby sygnał kanału i wystarczający sygnał są oznaczone odpowiednio na żółto i zielono w oknie monitora zestawu sondy.
        UWAGA: W przypadku kanału o niewystarczających sygnałach stosuje się podświetlane sondy światłowodowe, aby przesunąć włosy pod końcówką sondy na jedną stronę.
      2. Następnie wepchnij sondy głębiej do ich gniazd, aby uzyskać wystarczające sygnały. Powtarzaj ten proces, aż wszystkie kanały zostaną zaznaczone na zielono w oknie monitora zestawu sond systemu pomiarowego NIRS, wskazując, że jakość sygnałów jest dostępna.
  2. Uruchamianie eksperymentu
    1. Rozpocznij eksperyment od 5-minutowego stanu spoczynku, który służy jako punkt odniesienia. Następnie dwóch uczestników jest zobowiązanych do wspólnego zapoznania się z materiałami do nauki.
    2. Po zakończeniu eksperymentu kliknij Wyjście pliku tekstowego, aby wyeksportować surowe dane o natężeniu światła i zapisać dane jako plik tekstowy.
      UWAGA: W systemie pomiarowym NIRS nie są stosowane żadne filtry.
    3. Użyj trójwymiarowego (3D) digitizera (patrz Spis materiałów), aby określić lokalizacje emiterów, odbiorników i innych odniesień (tj. inion, nasion, Cz oraz lewe i prawe ucho) dla każdego uczestnika.
      1. Uzyskaj współrzędne MNI dla kanałów rejestrujących za pomocą dostępnej na rynku platformy obliczeń numerycznych21 (patrz Tabela materiałów). Tabela uzupełniająca S1 przedstawia odpowiednie lokalizacje anatomiczne każdego kanału.
    4. Wyczyść sondy i uchwyty sond etanolem. Umyj nakrętki łagodnym detergentem i pozostaw nakrętki do wyschnięcia na powietrzu.

3. Analiza danych

  1. Wstępne przetwarzanie danych
    UWAGA: Poprzednie badania przyjęły zmienne niekomercyjne pakiety oprogramowania (np. Homer222, AnalyzIR23 lub nirs LAB24) z numerycznymi platformami obliczeniowymi (patrz Tabela materiałów) do analizy danych fNIRS i wszystkie są dostępne na stronie internetowej. W tym przypadku Homer2 został użyty do wstępnego przetwarzania danych NIRS. Ponadto zarówno dane rejestrujące fNIRS zebrane w fazie spoczynku, jak i uczenia opartego na współpracy mają ten sam potok przetwarzania wstępnego i analizy.
    1. Skopiuj zestaw danych z komputera fNIRS. Przekonwertuj oryginalną formację danych na właściwą formację (tj. przekonwertuj plik cvs na plik nirs).
    2. Konwertuj surowe dane na dane o gęstości optycznej (OD) za pomocą funkcji "hmrIntensity2OD" dostępnej na platformie obliczeń numerycznych (patrz tabela materiałów).
    3. Usuń uszkodzone kanały. Następnie uśrednij wartość OD dla każdego uczestnika na każdym kanale i odpowiednio w pełnych punktach próbki.
      UWAGA: Tutaj uzyskuje się 46 uśrednionych wartości OD.
      1. Oblicz odchylenie standardowe (SD) dla każdego uczestnika.
      2. Oznacz jako bezużyteczne i usuń kanały o bardzo niskim lub wysokim OD (które przekraczały 5 SD) z analizy dla każdego uczestnika.
        UWAGA: Ten krok można wykonać przed i/lub po wstępnym przetworzeniu danych fNIRS. W tym potoku analiz danych uszkodzone kanały są wykrywane przed wstępnym przetwarzaniem danych fNIRS.
    4. Konwertuj dane czasu OD na Oxy-Hb, DeOxy-Hb i połączony sygnał w oparciu o zmodyfikowane prawo Beera-Lamberta25.
      UWAGA: Reference25 mówi: "Wszystkie etapy analizy danych są przeprowadzane na danych Oxy-Hb, które są wskaźnikiem zmiany w regionalnym przepływie krwi w mózgu o wyższym stosunku sygnału do szumu26. Ponadto w poprzednich badaniach wykorzystano hiperskanowanie fNIRS w scenariuszach nauczania i uczenia się, koncentrując się głównie na stężeniu Oxy-Hb11,12,13,14."
    5. Kalibracja szeregów czasowych Oxy-Hb na podstawie artefaktów ruchu za pomocą metody falkowej kanał po kanale.
      UWAGA: W szczególności falka Daubechies 5 (db5) z parametrem strojenia na poziomie 0,1 (szczegóły w instrukcji Homer2)27,28 jest stosowana do usuwania artefaktów ruchu.
    6. Zastosuj filtr pasmowo-przepustowy (tj. 0,01-1 Hz) na skalibrowanych danych Oxy-Hb, aby zredukować szum o wysokiej częstotliwości i powolny dryft.
    7. Przeprowadź analizę głównych składowych (PCA) sygnału OxyHb, aby usunąć nieneuronalne składowe globalne (np. ciśnienie krwi, oddychanie i zmiany przepływu krwi)29.
      UWAGA: Analiza PCA zaproponowana przez Zhanga i współpracowników29 została tutaj przyjęta.
      1. Najpierw zdekomponuj sygnał.
        UWAGA: Specyficzny wzór na dekompozycję sygnału fNIRS to: H = UΣVT. W tym przypadku wzorce czasowe i przestrzenne danych fNIRS są przedstawione w dwóch macierzach (tj. U i V). U jest macierzą 2D (punkt próbkowania x składowa główna). V jest również macierzą 2D (składowa główna x składowa główna). Kolumna w V wskazuje jeden główny składnik (PC), a siła tego PC dla określonego kanału jest szacowana w każdym wpisie kolumny. Względne znaczenie każdego PC jest reprezentowane przez wartość macierzy diagonalnej Σ.
      2. Po drugie, przeprowadź wygładzanie przestrzenne.
        UWAGA: Konwolucja jądra Gaussa jest wykorzystywana do usuwania zlokalizowanych sygnałów i pobierania komponentu globalnego.
      3. Po trzecie, zrekonstruuj sygnał.
        UWAGA: Aby obliczyć składową globalną danych fNIRS, wygładzoną macierz wzorca przestrzennego V* podłącza się z powrotem do wzoru na dekompozycję: HGlobal = UΣ(V*)T. Następnie zlokalizowany pochodny sygnał neuronalny można uzyskać przy użyciu oryginalnych danych H, aby odjąć HGlobalny: Hneuronalny = H - H Globalny.
  2. Synchronizacja międzymózgowa
    UWAGA: Aby ujawnić sprzężenie mózgów w neurobiologii drugiej osoby, zastosowano tutaj koherencję transformacji falkowej (WTC). Krótko mówiąc, WTC mierzy korelację między dwoma szeregami czasowymi w funkcji częstotliwości i czasu. Specyficzny wzór na koherencję falkową dwukrotnych szeregów x i y to:
    figure-protocol-1
    T i s oznaczają oddzielnie czas i skalę falkową, ‹·› oznacza operację wygładzania w skali i czasie. W oznacza ciągłą transformację falkową. Następnie generowana jest macierz WTC 2D (czas x częstotliwość) 30. Do obliczenia wartości WTC używa się kilku zestawów narzędzi. Tutaj użyto zestawu narzędzi stworzonego przez Grinsteda i współpracowników30.
    1. Przyjąć funkcję WTC platformy obliczeń numerycznych (patrz Tabela materiałów).
      UWAGA: W tym przypadku używane jest domyślne ustawienie falki macierzystej (tj. Uogólniona falka Morse'a z jej parametrami beta i gamma). Falka macierzysta przekształca każdy szereg czasowy na dziedzinę częstotliwości i czasu.
    2. Ustaw ustawienie domyślne dla innych parametrów (np. MonteCarloCount, reprezentującego liczbę zastępczych zestawów danych w obliczeniach istotności).
    3. Oblicz wartość WTC dla dwóch odpowiadających sobie kanałów (ten sam kanał u dwóch uczestników) na numerycznej platformie obliczeniowej (patrz tabela materiałów). Zgodnie z tą samą procedurą, 46 matryc WTC jest generowanych z 46 kanałów.
    4. Określ pasmo częstotliwości zainteresowania (FOI), które jest wrażliwe na uczenie się oparte na współpracy.
      UWAGA: W tym przypadku do wykrywania takiego FOI31 zastosowano podejście permutacji oparte na klastrach, które oferuje rozwiązanie dla wielokrotnych porównań w danych wielokanałowych i wieloczęstotliwościowych.
      1. Wykonaj średnią czasową wartości WTC odpowiednio w fazie spoczynku i uczenia się opartego na współpracy dla każdej kombinacji kanałów. Następnie przeprowadź testy t dla prób w parach wraz z całą częstotliwością (zakres częstotliwości: 0,01-1Hz32) na tych uśrednionych w czasie wartościach WTC (wspólne uczenie się a odpoczynek). Następnie zidentyfikuj przedziały częstotliwości, w których efekt zadania jest znaczący (wspólne uczenie się > odpoczynku, p < 0,05).
      2. Uzyskaj sąsiednie punkty o znacznej częstotliwości (≥2) jako obserwowane klastry i odpowiadające im wartości T.
      3. Przeprowadź serię sparowanych prób testów t na permutowanych danych, aby wygenerować wartości T dla każdego klastra zakwalifikowanego w kroku 3.2.4.2 dla 1000 razy.
        UWAGA: W celu utworzenia danych permutowanych, uczestnicy są losowo przydzielani do tworzenia nowych par dwuczłonowych. Ponieważ długość zestawów danych różniła się w zależności od diady dla każdej losowej pary, dłuższy zestaw danych jest przycinany do tej samej długości co krótszy jeden33.
      4. Porównaj uśrednione wartości T oparte na klastrach z oryginalnych par z wartościami T 1000 permutacji.
        UWAGA: Wartości p obliczone za pomocą tego wzoru34:
        figure-protocol-2 , gdzie S0 oznacza obserwowaną wartość t-uśrednioną klastra, μp i σp wskazują średnią i odchylenie standardowe wartości permutacji.
      5. Średnie wartości WTC w zidentyfikowanym FOI w każdym kanale w każdej diadzie. Następnie zastosuj transformację Fishera z do wartości WTC, aby uzyskać rozkład normalny wartości WTC. Użyj tej wartości, aby zindeksować IBS do dalszej analizy statystycznej.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Rysunek 1 ilustruje protokół eksperymentalny i lokalizację sondy. Proces rejestracji danych fNIRS składa się z dwóch części: sesji w stanie spoczynku (5 min) i sesji zespołowej (15-20 min). Diady uczenia się opartego na współpracy są wymagane, aby się zrelaksować i pozostać w bezruchu w sesji stanu spoczynku. Następnie uczestnicy są proszeni o wspólne uczenie się materiału edukacyjnego (Rysunek 1A). Ich obszar przedczołowy i lewy skroniowo-cieniowy są pokryte odpowiednim ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

Po pierwsze, w niniejszym protokole określono konkretne etapy przeprowadzania eksperymentów hiperskanowania fNIRS w scenariuszu uczenia się opartego na współpracy. Po drugie, przedstawiono również potok analizy danych, który ocenia IBS sygnałów hemodynamicznych w diadach uczenia się opartego na współpracy. Szczegółowa operacja polegająca na przeprowadzaniu eksperymentów hiperskanowania fNIRS sprzyjałaby rozwojowi otwartej nauki. Ponadto udostępniono tutaj potok analiz w celu zwiększenia powtarzalności badań hiperskaningo...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy nie mają nic do ujawnienia.

Podziękowania

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

Ta praca jest wspierana przez Program Promocji Innowacji Akademickich ECNU dla Doskonałych Doktorantów (YBNLTS2019-025) oraz Narodową Fundację Nauk Przyrodniczych Chin (31872783 i 71942001).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Czapki EEGCompumedics Neuroscan, Charlotte, USA64-kanałowy Quik-CapWybieramy dwa rozmiary czepka (tj. średni i duży).
System pomiarowy NIRS z zestawami sond i siatkami uchwytów sondHitachi Medical Corporation, Tokio, JaponiaETG-7100 Optyczny system topograficzny Obecnyprotokół badania wymaga opcjonalnego zestawu drugiej sondy dla osoby dorosłej dla łącznie 92 kanałów pomiaru.
Platforma obliczeń numerycznychThe MathWorks, Inc., Natick, MAMATLAB R2020aSłuży jako podstawa dla rozszerzeń Psychophysics Toolbox (prezentacja bodźców), Homer2  (analiza przedprocesowa fNIRS) i funkcja "wtc" (obliczenia WTC).
Oprogramowanie psychologicznenarzędzia programowe do psychologii, Sharpsburg, PA, USAE-prime 2.0Stosujemy E-prime do uruchomienia systemu pomiarowego fNIRS i wysyłania wyzwalaczy, które oznaczają fazę spoczynku i fazę wspólnego uczenia się dla danych rejestrujących fNIRS.
Czepki pływackieZoke corporation, Szanghaj, Chiny611503314Najpierw umieściliśmy standardową czepek EEG 10-20 na formie głowy i umieściliśmy czepek pływacki na czepku EEG. Po drugie, oznaczyliśmy (inion, Cz, T3, T4, PFC i P5) kredą.
Digitizer trójwymiarowy (3D)Polhemus, Colchester, VT, USA;Trójwymiarowy (3-D) digitizerAnatomiczne lokalizacje optodów w stosunku do standardowych punktów orientacyjnych głowy zostały określone dla każdego uczestnika za pomocą Patriot 3D Digitizer

Bibliografia

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

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Inter Brain SynchronyCollaborative LearningFNIRS HyperscanningSocial InteractionOxygenated HemoglobinWavelet TransformPrincipal Components AnalysisMotion Artifact RemovalDyad Brain ActivityNaturalistic Learning

Powiązane artykuły