Artykuł metodologiczny

Jak obliczyć i zweryfikować synchronizację między mózgami w badaniu hiperskanowania fNIRS

DOI:

10.3791/62801

⸱

8 września 2021

 ,  ,  ,  ,  ,  , 
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

W tym artykule

Podsumowanie

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

Dynamika między sprzężonymi mózgami osób jest coraz częściej reprezentowana przez synchronizację między mózgami (IBS), gdy koordynują się one ze sobą, głównie za pomocą jednoczesnego rejestrowania sygnałów mózgów (czyli hiperskanowania) z fNIRS. W badaniach hiperskanowania fNIRS, IBS był powszechnie oceniany za pomocą metody koherencji transformacji falkowej (WTC) ze względu na jej przewagę w rozszerzaniu szeregów czasowych do przestrzeni czasowo-częstotliwościowej, gdzie oscylacje można zobaczyć w bardzo intuicyjny sposób. Zaobserwowany IBS można dalej walidować za pomocą opartego na permutacjach losowego parowania badania, partnera i stanu. W tym miejscu przedstawiono protokół opisujący, w jaki sposób uzyskać sygnały mózgowe za pomocą technologii fNIRS, obliczyć IBS za pomocą metody WTC i zwalidować IBS przez permutację w badaniu hiperskaningowym. W dalszej części artykułu omówiono krytyczne kwestie związane z zastosowaniem powyższych metod, w tym wybór sygnałów fNIRS, metody wstępnego przetwarzania danych oraz opcjonalne parametry obliczeń. Podsumowując, zastosowanie metody i permutacji WTC jest potencjalnie standardowym potokiem do analizy IBS w badaniach hiperskanowania fNIRS, przyczyniając się zarówno do odtwarzalności, jak i wiarygodności IBS.

Streszczenie

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

Dynamika między sprzężonymi mózgami osób jest coraz częściej reprezentowana przez synchronizację między mózgami (IBS), gdy koordynują się one ze sobą, głównie za pomocą jednoczesnego rejestrowania sygnałów mózgów (czyli hiperskanowania) z fNIRS. W badaniach hiperskanowania fNIRS, IBS był powszechnie oceniany za pomocą metody koherencji transformacji falkowej (WTC) ze względu na jej przewagę w rozszerzaniu szeregów czasowych do przestrzeni czasowo-częstotliwościowej, gdzie oscylacje można zobaczyć w bardzo intuicyjny sposób. Zaobserwowany IBS można dalej walidować za pomocą opartego na permutacjach losowego parowania badania, partnera i stanu. W tym miejscu przedstawiono protokół opisujący, w jaki sposób uzyskać sygnały mózgowe za pomocą technologii fNIRS, obliczyć IBS za pomocą metody WTC i zwalidować IBS przez permutację w badaniu hiperskaningowym. W dalszej części artykułu omówiono krytyczne kwestie związane z zastosowaniem powyższych metod, w tym wybór sygnałów fNIRS, metody wstępnego przetwarzania danych oraz opcjonalne parametry obliczeń. Podsumowując, zastosowanie metody i permutacji WTC jest potencjalnie standardowym potokiem do analizy IBS w badaniach hiperskanowania fNIRS, przyczyniając się zarówno do odtwarzalności, jak i wiarygodności IBS.

Wprowadzenie

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

Gdy ludzie koordynują swoje działania z innymi, ich mózgi i ciała stają się połączoną jednostką poprzez ciągłą wzajemną adaptację. Sprzężenie między mózgami może być reprezentowane przez synchronizację między mózgami (IBS) za pomocą podejścia hiperskanowania, które jednocześnie rejestruje sygnały mózgowe dwóch lub więcej osób1. Rzeczywiście, rosnąca liczba badań hiperskanujących fNIRS/EEG wykazała IBS w różnych kontekstach współpracy, w tym w stukaniu palcami2, grupowym chodzeniu3, grze na perkusji4, grze na gitarze5 oraz śpiewaniu/nuceniu6. fNIRS jest szeroko stosowany do badań nad IBS podczas interakcji społecznych, ponieważ w mniejszym stopniu ogranicza ruchy głowy/ciała w stosunkowo naturalnych warunkach (w porównaniu z fMRI/EEG)7.

Artykuł przedstawia protokół obliczania IBS metodą koherencji transformacji falkowej (WTC) w badaniu hiperskanowania fNIRS. WTC jest metodą oceny korelacji krzyżowej między dwoma sygnałami ruchu na płaszczyźnie czas-częstotliwość, a zatem może dostarczyć więcej informacji niż tradycyjna analiza korelacji (np. korelacja Pearsona i korelacja krzyżowa), która występuje tylko w dziedzinie czasu8. Ponadto sygnały hemodynamiczne są przekształcane w składowe falkowe, które mogą skutecznie usuwać szumy o niskiej częstotliwości. Chociaż WTC jest czasochłonne, jest najczęściej używaną metodą obliczania IBS w działaniu imitacja9, zachowanie kooperatywne10, komunikacja werbalna11, podejmowanie decyzji12, oraz interaktywne uczenie się13.

Artykuł przedstawia również, jak walidować IBS za pomocą opartego na permutacjach losowego parowania prób, warunków i uczestników. IBS w badaniach hiperskaningowych jest zawsze proponowany do śledzenia interakcji społecznych online między osobami, podczas gdy może być również interpretowany przez inne wyjaśnienia, takie jak podobieństwo bodźca, podobieństwo ruchu lub podobieństwo warunków14. Test permutacji, zwany również testem randomizacji, może być wykorzystany do przetestowania wyżej wymienionych hipotez zerowych poprzez ponowne próbkowanie obserwowanych danych15. Korzystając z permutacji, warto zbadać, czy zidentyfikowany IBS jest specyficzny dla zachowania interaktywnego, począwszy od modulacji IBS w diadach, a skończywszy na między grupami partnerów16.

Opisany tutaj protokół szczegółowo opisuje, jak uzyskać sygnały mózgowe za pomocą technologii fNIRS, obliczyć IBS za pomocą metody WTC i zweryfikować IBS za pomocą testów permutacyjnych w badaniu hiperskaningowym. Badanie to ma na celu sprawdzenie, czy uprzywilejowany IBS jest wywoływany przez mierniki muzyczne podczas koordynacji społecznej. Sygnały mózgowe zostały zarejestrowane w korze czołowej, w oparciu o lokalizację IBS w poprzednim odkryciu1. Zadanie eksperymentalne zostało pierwotnie opracowane przez Konvalinkę i jej colleges17, w którym uczestnicy zostali poproszeni o stukanie palcami w słuchową informację zwrotną od partnera lub samych siebie po wysłuchaniu bodźców z miernika lub bodźców niezwiązanych z miernikiem.

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

Protokół

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

Przedstawiony tutaj protokół został zatwierdzony przez Uniwersytecki Komitet ds. Ochrony Badań Naukowych Wschodniochińskiego Uniwersytetu Normalnego.

1. Przygotowanie do eksperymentu

  1. Uczestników
    1. Zrekrutuj grupę studentów studiów licencjackich i magisterskich z wynagrodzeniem pieniężnym poprzez reklamę kampusu.
    2. Upewnij się, że uczestnicy są praworęczni i mają normalny lub skorygowany do normalnego wzrok i słuch. Upewnij się, że nie studiowali muzyki lub studiowali ją krócej niż 3 lata wcześniej.
    3. Losowo dopasuj uczniów w diady. Aby kontrolować potencjalny wpływ znajomości partnera na koordynację społeczną18, upewnij się, że członkowie każdej diady nie widzieli się ani nie znali wcześniej.
  2. Bodziec eksperymentalny
    1. Twórz bodźce słuchowe (440 Hz, 660 ms czystych tonów) za pomocą dowolnego darmowego oprogramowania do komponowania i notacji muzycznej.
    2. Powtarzaj dźwięki w odstępie 500-1000 ms i połącz je w sekwencję tonów. Każda sekwencja tonów jest dłuższa o 12 s i składa się z 12 tonów.
    3. W przypadku jednej sekwencji tonów akcentuj każdy pierwszy ton (+6 dB), aby stworzyć wzór uderzeń w dół i w górę, zdefiniowany jako bodziec metrum (Supplementary Audio 1). W drugiej sekwencji tonów odakcentuj tony o jednakowym natężeniu (40 dB powyżej indywidualnego progu doznania, zebrane przed zadaniem eksperymentalnym), które odpowiadały bodźcowi niemetralnemu (Supplementary Audio 2).
  3. Zadanie eksperymentalne
    1. Zaprogramuj zadanie eksperymentalne za pomocą psychologicznego narzędzia programowego.
    2. Ułóż dwa etapy zadania eksperymentalnego (Rysunek 1A) zgodnie z opisem w krokach 1.3.3-1.3.6.
    3. drugi stan spoczynku: Poproś uczestników, aby pozostali tak nieruchomo, jak to możliwe, z zrelaksowanymi umysłami i zamkniętymi oczami.
    4. Zadanie stukania palcem: Poproś uczestników o wykonanie dwóch części: części koordynacyjnej i części samodzielności.
    5. Podczas części koordynacyjnej przekaż słuchową informację zwrotną (tj. dźwięk kapania odpowiadający jednemu stuknięciu) każdemu uczestnikowi tylko w odniesieniu do odpowiedzi wygenerowanej przez drugiego członka diady. Poproś uczestników, aby dołożyli wszelkich starań, aby odpowiedzieć synchronicznie z drugim członkiem.
    6. W przypadku części dotyczącej niezależności upewnij się, że obaj uczestnicy otrzymali słuchową informację zwrotną (tj. dźwięk kapania odpowiadający jednemu stuknięciu) na temat swoich własnych odpowiedzi i poproś ich, aby reagowali synchronicznie z bodźcem słuchowym tak precyzyjnie, jak to możliwe.
      UWAGA: W połączeniu z bodźcami metrycznymi i niemetrycznymi, uczestnicy znaleźli się w jednym z czterech różnych warunków: (i) koordynacja miernika - obaj uczestnicy słyszeli mierniki i odpowiedzi od siebie nawzajem; (ii) koordynacja niezwiązana z licznikami - obaj uczestnicy słyszeli sygnały niezwiązane z licznikami oraz odpowiedzi od siebie nawzajem; (iii) niezależność liczników - zarówno uczestnicy słyszeli liczniki, jak i odpowiedzi od siebie; (iv) Niezależność od liczników - Obaj uczestnicy słyszeli nie-liczniki i odpowiedzi od siebie.
    7. W każdej próbie pozwól uczestnikom najpierw usłyszeć fragment bodźca słuchowego (12 s), a następnie dźwięk (262 Hz, 1000 ms), który służy jako wskazówka do rozpoczęcia stukania palcem.
    8. Poproś uczestników, aby odtworzyli bodziec, który słyszeli wcześniej, stukając prawym palcem wskazującym w klawiaturę (uczestnik #1: "f"; uczestnik #2: "j"). Uczestnicy muszą stuknąć 12 razy, zachowując ten sam odstęp czasowy między tonami, co poprzednio prezentowany bodziec.
      UWAGA: Przeprowadzono 60 badań przydzielonych równo do 4 bloków odpowiadających 4 warunkom eksperymentalnym, a mianowicie 15 prób w jednym bloku. Kolejność bloków była zrównoważona. Całkowity czas trwania zadania stukania wynosił około 26 minut.
    9. Pomiędzy blokami pozwól uczestnikom odpocząć przez 30 sekund.
    10. Podczas całego eksperymentu nie pozwalaj uczestnikom komunikować się za pomocą żadnego języka lub ruchu. Oddziel uczestników monitorem komputera, aby zablokować wszelkie informacje wizualne, które mogą przekazywać wiadomości między nimi.
  4. Domowe czapki fNIRS: Kup dwa elastyczne czepki pływackie o normalnym rozmiarze. Aby zakryć interesujący Cię obszar mózgu, napraw czepki pływackie zgodnie z opisem w następujących krokach:
    1. Załóż jeden czepek pływacki na model głowy, a następnie załóż na czepek standardowy czepek 10-20 EEG.
    2. Zaznacz położenie FCz na czepku pływackim czerwonym magicznym markerem.
    3. Zdjąć nasadkę EEG z modelu głowy.
    4. Umieść jedną łatkę sondy optycznej (konfiguracja 3 x 5) na czepku pływackim, wyrównując środkową łatkę z drugiego rzędu sondy z zaznaczonym miejscem FCz.
      UWAGA: Łatka sondy optodowej zawierała 15 lokalizacji sond optodowych (tj. 8 emiterów i 7 detektorów), tworząc 22 kanały pomiarowe z 3 cm separacją optodową (Rysunek 1B).
    5. Zaznacz położenie 15 sond plastra na czepku pływackim.
    6. Zdejmij plaster i czepek pływacki z modelu głowy.
    7. Wytnij nożyczkami 15 małych otworów w zaznaczonych miejscach 15 sond.
    8. Zamontuj plaster na zmodyfikowanym czepku pływackim, osadzając lokalizacje 15 sond w odpowiednich 15 otworach.
    9. Napraw drugi czepek pływacki zgodnie z powyższym procesem.
      UWAGA: Zastosowano domowy limit fNIRS, w którym lokalizacje optodów są zgodne ze standardowymi lokalizacjami EEG, ponieważ nie było odpowiednich standardowych czapek EEG dla systemu fNIRS użytego w tym badaniu. Nie ma potrzeby wykonywania czepka fNIRS, jeśli istnieją odpowiednie standardowe czepki EEG z systemem fNIRS.

2. Przed przybyciem uczestników

UWAGA: Upewnij się, że wykonałeś kroki 2.1-2.5 zanim uczestnicy dotrą do laboratorium.

  1. Przypomnij dwóm uczestnikom jednej diady, aby przyszli do laboratorium zgodnie z ustalonym harmonogramem.
  2. Uruchom system fNIRS z co najmniej 30-minutowym wyprzedzeniem, pozostawiając laser wyłączony.
  3. Włóż sondy optodowe z systemu fNIRS do łatek sondy optodowej.
  4. Sprawdź parametry pomiaru fNIRS (tj. identyfikator obiektu, tryb związany ze zdarzeniem, układ sondy optodowej).
  5. Ustaw aparaturę doświadczalną z jednym stołem, dwoma krzesłami, dwoma 19-calowymi monitorami komputerowymi i dwiema parami słuchawek (Rysunek 1C).

3. Przybycie uczestnika do laboratorium

UWAGA: Szczerze doceniam dwóch uczestników jednej diady, gdy przybędą do laboratorium fNIRS. Poproś ich, aby przełączyli telefon w tryb cichy i tymczasowo zostawili swoje rzeczy osobiste w szafce. Następnie przeprowadź kolejno następujące procesy:

  1. Zanim uczestnicy usiądą, potwierdź, że obaj uczestnicy nie widzieli się wcześniej. Upewnij się, że podczas pobytu w laboratorium nie komunikowali się ze sobą za pomocą żadnego języka ani ruchu.
  2. Przekaż uczestnikom formularze świadomej zgody zatwierdzone przez Uniwersytecką Komisję ds. Badań Klinicznych na Ludziach.
  3. Poinstruuj uczestników o szczegółach zadania eksperymentalnego. Poproś ich, aby założyli słuchawki i przeprowadzili kilka prób praktycznych.
  4. W próbach praktycznych pozwól dwóm uczestnikom każdej diady ćwiczyć razem.
    UWAGA: Przed założeniem czapki fNIRS warto zmierzyć i określić rozmiar głowy dla każdego uczestnika za pomocą elastycznej reguły. Następnie wybierz odpowiedni rozmiar czapki dla uczestnika zgodnie z jego obwodem głowy. W tym badaniu taki krok został pominięty, ponieważ użyto czepków pływackich w jednym rozmiarze. Lepiej jest przeprowadzić ten krok w dniu poprzedzającym eksperyment, ponieważ względne operacje (tj. pomiar rozmiaru głowicy, wybór odpowiedniego rozmiaru czepka pływackiego, zamontowanie łatek sondy optycznej do czepka pływackiego i włożenie sond optodowych do łatek sondy) są czasochłonne (około 20-30 min).
  5. Umieść nasadkę fNIRS na głowie uczestników tak, aby środek nasadki był skierowany w położenie CZ i umieść środkową sondę optodową drugiego rzędu sondy plastra w FCz.
  6. Uruchom system fNIRS, aby przeprowadzić kalibrację sygnału przy włączonym laserze.
  7. Jeśli sygnał w jakimś kanale jest niewystarczający, wyreguluj intensywność sygnału za pomocą patyczka z włókna, aby delikatnie odłożyć na bok włosy pod otaczającą końcówką sondy.
  8. W razie potrzeby delikatnie dociśnij sondy, ale uważaj, aby nie zranić uczestników.
  9. Powtarzaj kroki 3.5-3.8, aż jakość sygnału będzie dostępna. Zadbaj o to, aby uczestnicy czuli się komfortowo podczas całego procesu kalibracji sygnału.
  10. Pomóż uczestnikom znaleźć dla siebie wygodną postawę (np. wygodne pozycje ciała). Przypomnij uczestnikom, aby przez cały czas trwania zadania eksperymentalnego (tj. około 26 minut) trzymali głowy w jak największym bezruchu.
  11. Ponownie sprawdź jakość sygnałów NIRS. Jeśli sygnały są wystarczające we wszystkich kanałach, uruchom procedurę eksperymentu na komputerze stacjonarnym.
  12. Pomóż uczestnikom zdjąć słuchawki i nasadkę fNIRS po zakończeniu procedury eksperymentalnej. Zwróć ich rzeczy osobiste i podziękuj im rekompensatą pieniężną.
  13. Uruchom system fNIRS, aby zapisać dane. Użyj płyty, aby wyeksportować nieprzetworzone dane fNIRS (.csv) i użyj USB, aby skopiować dane behawioralne z komputera.
  14. Zamknij system fNIRS i komputer, jeśli nie ma już układu eksperymentalnego.
  15. Trzymaj zeszyt laboratoryjny w pogotowiu, aby zanotować wszelkie zdarzenia, zwłaszcza nieprawidłowości podczas całego eksperymentu.

4. Analiza danych

UWAGA: Wykonuj wszystkie analizy danych za pomocą oprogramowania MATLAB, z następującymi narzędziami: HOMER219, Hitachi2nirs20, xjView21, Cross Wavelet and Wavelet Coherence toolbox22, oraz skrypty Groppe'a w MathWork23.

  1. Wstępne przetwarzanie danych
    1. Aby sprawdzić jakość danych, wykonaj kroki 4.1.2-4.1.3
    2. Odczytaj pliki danych (.csv) dla każdego uczestnika za pomocą funkcji readHitachData xjView.
      UWAGA: W ten sposób dane pomiarowe Hitachi (format csv) są konwertowane na dane oxyHb/deoxyHb/marker z informacjami zapisanymi w pomiarze (tj. długość fali, dane czasowe i lista kanałów).
    3. Sprawdź wizualnie jakość wartości oxyHb i deoxyHb, wykreślając szeregi czasowe wszystkich kanałów na jednym rysunku za pomocą funkcji plotTraces xjView.
      UWAGA: Łatwo jest zidentyfikować nieprawidłowości w danych. Kanał, który ma dużo szumów, można wykluczyć w późniejszej analizie.
    4. Konwertuj pliki Hitachi (.csv) do formatu plików .nirs za pomocą funkcji csv2nirs Hitachi2nirs, która obsługuje dalsze wstępne przetwarzanie danych za pomocą Homer2.
    5. Przekształć surowe dane do gęstości optycznej za pomocą funkcji hmrIntensity2OD Homer2.
    6. Użyj analiz głównych składowych (PCA)24, aby usunąć globalny szum fizjologiczny fNIRS za pomocą funkcji enPCAFilter (nSV = 0,8, czyli 80% kowariancji danych zostało usuniętych) Homer2.
    7. Użyj metody poprawy sygnału opartej na korelacji (CBSI)25, aby usunąć artefakty ruchu głowy za pomocą funkcji hmrMotionCorrect_Cbsi Homer2.
    8. Użyj zmodyfikowanego prawa Beera-Lemberta, aby przekształcić przetworzoną gęstość optyczną w wartości oxyHb i deoksyHb za pomocą funkcji hmrOD2Conc Homer2.
  2. Obliczanie IBS
    UWAGA: W przypadku wstępnie przetworzonych wartości oxyHb należy użyć WTC do obliczenia wartości koherencji dla pary kanałów, które pochodzą z tego samego miejsca diady, w tym z następującego rurociągu:
    1. Zastosuj funkcję wtc zestawu narzędzi do koherencji krzyżowej i koherencji falkowej z parametrami domyślnymi, aby obliczyć wartości koherencji w każdym punkcie czasu i częstotliwości, aby uzyskać dwuosiową macierz wartości koherencji.
    2. Jako parametry domyślne należy użyć falki macierzystej Morleta, aby przekształcić każdy szereg czasowy w dziedzinę czasu i częstotliwości przez ciągłą transformację falkową.
    3. Wybierz opcję MonteCarloCount, aby reprezentować liczbę zastępczych zestawów danych w obliczeniach istotności, a następnie wybierz opcję Auto AR1, aby obliczyć współczynniki autokorelacji szeregów czasowych.
    4. Wybierz interesujące nas pasmo częstotliwości (FOI), jak wspomniano w krokach 4.2.5-4.2.8.
    5. Wybierz i uśrednij wartości koherencji pasma częstotliwości w zakresie 0,5-1 Hz (odpowiednio odpowiadające okresowi 2 s i 1 s), zgodnie z pasmem częstotliwości użytym w zadaniu ruchu palca w poprzednim badaniu hiperskanowania fNIRS9. Taki FOI odpowiadał również okresowi jednego stuknięcia w zadaniu eksperymentalnym. W ten sposób uzyskaj jedną kolumnę wartości koherencji dla każdej pary.
      UWAGA: Aby dodatkowo statystycznie potwierdzić FOI, należy obliczyć wartości koherencji dla każdej diady w pełnym zakresie częstotliwości (tj. 0,008-10 Hz dla danych), a nie tylko ograniczać wybrane pasmo częstotliwości (tj. 0,5-1 Hz).
    6. Uśrednić wartości koherencji docelowych okien czasowych (tak samo jak w ppkt 4.2.3) dla każdego punktu częstotliwości.
    7. Następnie przeanalizuj średnie wartości koherencji zgodnie z potokiem opisanym w krokach 4.2.9-4.2.11 i późniejszych statystykach (tj. 4.3.1 - 4.3.2) dla każdego punktu częstotliwości.
    8. Na koniec sprawdź wzrokowo FOI, wykreślając wartości statystyczne z każdego kanału w zależności od częstotliwości.
    9. Wybierz i uśrednij wartości koherencji okna czasowego w stanie spoczynku (okno czasowe dla 20 s-stanu spoczynku) i każdego warunku eksperymentalnego (tj. koordynacja miernika, koordynacja niepomiarowa, niezależność miernika i niezależność bez miernika), odpowiednio, korzystając z informacji znaku. W ten sposób uzyskaj pięć wartości koherencji dla każdej diady.
    10. W sesji zadaniowej wybierz tylko czas, w którym uczestnicy stukali, aby odtworzyć bodziec słuchowy, około 12 s dla każdej próby, a więc łącznie 180 s (tj. 12 s x 15 prób) dla każdego warunku eksperymentalnego.
      UWAGA: IBS obliczono jako wzrost koherencji (większe odjęte wartości koherencji od zera), czyli większe wartości koherencji w sesji zadania w porównaniu do tych w sesji w stanie spoczynku.
    11. Odejmij odpowiednio wartość koherencji spoczynkowej od wartości koherencji związanej z zadaniem, w której wartość koherencji w stanie spoczynku została użyta jako punkt odniesienia w tym eksperymencie.
      UWAGA: Powtarzając powyższe kroki (4.2.1-4.2.11) dla wszystkich kanałów (tj. 22 kanałów) i diad (tj. 16 diad), ostatecznie uzyskano odjęte wartości spójności dla każdej diady na każdym kanale.
  3. statystyka
    1. Porównaj odjęte wartości koherencji z zerem w każdym kanale dla każdego warunku eksperymentalnego, używając testu t permutacji sparowanych próbek z funkcją mult_comp_perm_t1 pracy Groppe'a (5000 permutacji w celu oszacowania rozkładu hipotezy zerowej; pożądany rodzinny poziom alfa - 0,05; test dwustronny, co oznacza, że alternatywną hipotezą jest to, że średnia danych jest różna od 0) jako nieprawidłowy rozkład danych i ograniczona wielkość próby w Bieżący eksperyment26.
      UWAGA: Test t permutacji sparowanych próbek jest tutaj podobny do testu t sparowanych, ale ten drugi zakłada, że dane mają rozkład normalny, podczas gdy ten pierwszy nie. Taki test rozpoczyna się w taki sam sposób, jak sparowany test t, czyli od obliczenia wyniku t (tj. rzeczywistego wyniku t) dla wartości koherencji w różnych grupach (jedna to odjęte wartości koherencji w warunku zadania, druga to zera). Następnie generowana jest permutacja przez wymianę wartości koherencji różnych grup, a nowy wynik t jest obliczany dla odjętych wartości koherencji i zer następujących po tej permutacji. Taka permutacja jest przeprowadzana 5000 razy. W ten sposób uzyskuje się wyniki 5000 t. W rozkładzie wyników 5000 t względne położenie rzeczywistego wyniku t generuje wartość p dla odjętych wartości koherencji.
    2. Popraw wartości p (tj. ze względu na problem z wielokrotnym porównaniem i wygeneruj je na podstawie porównań między 22 kanałami w jednym patchu) metodą False Discovery Rate (p < 0,05)27. Wykonaj tę korektę za pomocą funkcji mafdr w MATLAB toolbox.
      UWAGA: Jeśli wartość p na którymkolwiek kanale była istotna (tj. p < 0,05) po korekcie FDR, na tym kanale występuje IBS.
    3. Porównaj wartości koherencji między różnymi warunkami zadania w kanale, w którym istniał IBS, używając testu t permutacji par próbek z funkcją mult_comp_perm_t1 pracy Groppe'a (te same parametry, jak wspomniano w kroku 4.3.1).
      UWAGA: Aby intuicyjnie zbadać IBS podczas koordynacji interpersonalnej w odniesieniu do bodźców z miernika i bodźców niezwiązanych z miernikiem, porównaj bezpośrednio wartości koherencji różnych warunków (tj. koordynacja miernika vs. koordynacja bez miernika; koordynacja miernika a niezależność licznika).
    4. Oblicz wydajność behawioralną na podstawie bezwzględnej różnicy między czasem odpowiedzi partnerów podzielonym przez sumę odpowiedzi obu partnerów56.
    5. Oceń związek między IBS a wydajnością behawioralną za pomocą testu permutacji opartego na analizie korelacji liniowej Pearsona (tj. funkcji mult_comp_perm_corr pracy Groppe'a).
  4. Walidacja IBS
    UWAGA: Aby wykluczyć wyjaśnienia, że podobne bodźce, ruchy lub warunki indukowały zademonstrowany IBS, użyj testu permutacji jako podejścia walidacyjnego, z trzema permutacjami (tj. w obrębie diady, między diadą i między permutacjami warunków), w tym następujące:
    1. Randomizuj etykietę prób w warunkach koordynacji miernika (tj. w ramach permutacji diady, takiej jak próba #1 i próba #13 w diadzie #1) dla jednej diady w każdym kanale za pomocą funkcji randperm MATLAB.
    2. Postępuj zgodnie z powyższym potokiem obliczania IBS i statystyk (tj. sekcje 4.2 i 4.3, ale z wyłączeniem analizy wrażliwości dla FOI) dla etykiety badania randomizowanego.
      UWAGA: Oblicz wartości koherencji fałszywej pary dla każdego warunku osobno i oblicz wzrost koherencji dla fałszywej pary (tj. odejmij spoczynkową wartość koherencji od wartości koherencji związanej z zadaniem dla fałszywej pary).
    3. Przeprowadź permutację 1000 razy, a następnie potok obliczania IBS i statystyk (sekcje 4.2 i 4.3).
    4. Wykreśl rozkład statystycznych wartości z wygenerowanych w ramach permutacji diady.
    5. Przeprowadź kroki 4.4.2-4.4.4 poprzez losowe dobieranie w pary uczestników tego samego badania w warunkach koordynacji miernika (tj. między permutacją diady, taką jak uczestnik #1 w diadzie #1 i uczestnik #1 w diadzie #3).
    6. Wykonaj kroki 4.4.2-4.4.4, losowo dobierając etykietę warunków dla tych samych członków jednej diady w tym samym badaniu (tj. między permutacją warunku, taką jak uczestnik #1 w warunku koordynacji licznika i uczestnik #2 w warunku niezależności miernika).

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

Wyniki

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

Wyniki pokazały, że IBS był na kanale 5 w stanie koordynacji licznika, podczas gdy IBS nie istniał w innych warunkach (np. niezależność licznika, koordynacja bez licznika, niezależność od licznika; Rysunek 2A). Na kanale 5 IBS w stanie koordynacji licznika był znacznie wyższy niż wartości koherencji w warunku koordynacji i niezależności licznika bez licznika (Rysunek 2B). Kanał 5 w przybliżeniu należał do lewej grzbietowo-bocznej kory przedczołowej (DLPFC; Obszar Brodmanna 9). Co w...

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

Dyskusja

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

Protokół ten zapewnia procedurę krok po kroku do obliczania i walidacji IBS, wykorzystując podejście hiperskanowania fNIRS do jednoczesnego zbierania sygnałów mózgowych dwóch uczestników. Poniżej omówiono niektóre krytyczne problemy związane ze wstępnym przetwarzaniem danych fNIRS, obliczeniami IBS, statystykami i walidacją IBS.

Wstępne przetwarzanie danych
Konieczne jest wstępne przetworzenie danych fNIRS w badaniach hiperskaningowych w celu wyodrębnienia rzeczywistych s...

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

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

To badanie było wspierane przez: Chińska Narodowa Fundacja Nauk Przyrodniczych (31872783, 31800951).

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Firmadeweloperska Hewlett-Packard Computer, L.P.Słuchawki HP S01-pF157mcn
Royal Philips Electronics, Eindhoven, HolandiaSHE2405BK/00
Czapeczka EEGCompumedics Neuroscan, Charlotte, USA64-kanałowe oprogramowanie Quik-Cap
E-PrimePsychology Software Tools, Inc., Pittsburgh, USASystem E-Prime 3
fNIRSHitachi Medical Corporation, Tokio, JaponiaETG-7100 Optyczny system
MATLAB 2014bThe MathWorks, Inc., Natick, MAMATLAB 2014b
MuseScoreMusescore Company, BelgiaMuseScore 3.6.2.548021803
Czepek pływackiDecathlon Group, Villeneuve-d'Ascq, Francja1681552
topograficzny

Bibliografia

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

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 SynchronizationfNIRS HyperscanningWavelet Transform CoherencePermutation AnalysisBrain Signal ProcessingPrincipal Component AnalysisMotion Artifact CorrectionFrequency Band SelectionFalse Discovery RateDyad Synchronization

Powiązane artykuły