Name: Medição do fluxo de informações direcionais em dados fNIRS-Hyperscanning usando o Método de Coerência de Transformação de Onda Parcial (Vídeo) | JoVE Journal
Uploaded: 2021-09-03T14:30:00.000+00:00
Duration: 8 min 42 s
Description: Aprenda a medir o fluxo direcional de informações em dados de fNIRS-hyperscanning usando o método de coerência de transformada wavelet parcial. Esta técnica remove fatores confundentes como autocorrelação do sinal.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Este trabalho foi apoiado pela Fundação Nacional de Ciências Naturais da China (61977008) e pelo Programa Jovens Talentos de Dez Mil Talentos.

O protocolo de experimento humano foi aprovado pelo Conselho de Revisão Institucional e pelo Comitê de Ética do Laboratório Estadual de Neurociência Cognitiva e Aprendizagem da Universidade Normal de Pequim. Todos os participantes deram consentimento por escrito informado antes do início do experimento.
1. O experimento de simulação
<ol><li>Gerar duas séries de sinais que se correlacionam entre si, com um sinal tendo correção automática em um intervalo de tempo de 4 s. Defina o coeficiente de correlação de r entre os dois sinais para 0,4.</li>
	<li>Além disso, gerar duas séries de sinais sem qualquer correlação, mas com correção automática em um sinal.</li>
	<li>Calcule os valores do INS de 4 s tradicionais com a Equação 2 com base nos sinais gerados com ou sem correlação, que podem ser nomeados insWTC com correção automática e inswtc com autocorrelação. NOTA: Aqui, o WTC tradicional defasado pelo tempo é expresso pela seguinte equação (Equação 2)25 <img alt="Equation 2" src="/files/ftp_upload/62927/62927eq02.jpg"> onde, C denota o operador de transformação de ondas contínuas em diferentes escalas i e pontos de tempo t. S denota o operador de alisamento. * denota o complexo operador conjugado. W e M indicam duas séries de sinais temporizados individuais.</li>
	<li>Remova a correção automática dos sinais gerados. Em seguida, calcule os valores doINS WTC tradicional de 4 s com a Equação 2 com base nos sinais gerados com ou sem correlação, que podem ser nomeados INSWTC sem correção automática e INSWTC de linha de base com atraso de tempo sem correção automática.</li>
	<li>Calcule os valores de 4 s pWTC com a Equação 3 com base nos sinais gerados com ou sem correlação, nomeado inspWTC com tempo atrasado e inspWTC com tempo defasado. NOTA: O pWTC pode ser calculado com base na seguinte equação (Equação 3)23 <img alt="Equation 3" src="/files/ftp_upload/62927/62927eq03.jpg"> onde, WTC (Wt, Mt+n) é o WTC tradicional defasado pelo tempo. WTC (Mt, Mt+n) é o WTC autocorrelado de um indivíduo. WTC (Wt, Mt) é o WTC alinhado ao tempo. * é o complexo operador conjugado.</li>
	<li>Repita os procedimentos acima 1000 vezes.</li>
	<li>Depois de subtrair o INS da linha de base, compare os resultados doINS WTC com a correção automática, o INSWTC com atraso de tempo sem correção automática e oins pWTC com atraso no tempo usando as análises do método de variância (ANOVA). NOTA: Aqui, espera-se que oINS WTC com correção automática seja significativamente maior do que oINS WTC com atraso de tempo sem correção automática e o INSpWTC atrasado, e não se espera diferença significativa entre o INSWTC com atraso de tempo sem correção automática e oins pWTC atrasado.</li>
</ol>2. O experimento empírico
<ol><li>Participantes e procedimento<ol>
<li>Recrute participantes apropriados. NOTA: Neste estudo, vinte e dois pares de amigos próximos do sexo oposto (idade média das mulheres = 20,95, desvio padrão (SD) = 1,86; idade média dos homens = 20,50, SD = 1,74) foram recrutados através de publicidade de graduandos de universidades de Pequim. Todos os participantes eram destros e tinham visão normal ou corrigida ao normal. Além disso, nenhum participante apresentava qualquer linguagem, distúrbios neurológicos ou psiquiátricos.</li>
		<li>Peça a cada par de participantes que se senteam cara a cara durante o experimento. Peça-lhes que se comuniquem livremente sobre um tema de apoio em uma sessão e sobre um tema de conflito na outra sessão. NOTA: Os tópicos foram utilizados para induzir a valência emocional positiva ou negativa pretendida. Cada sessão de comunicação durou 10 minutos, e a ordem dos tópicos foi contrabalançada.</li>
		<li>Peça aos participantes que informem sobre os temas de apoio e conflitos como uma regra padrão de configuração. Peça a cada parceiro para avaliar o nível de valência positivo ou negativo que pode ter sido induzido em uma escala de ponto definida. Em seguida, classifique os tópicos relatados de acordo com a classificação. NOTA: Neste trabalho, os tópicos foram selecionados com as três etapas a seguir. Primeiro, para os tópicos de apoio, cada participante foi obrigado a relatar 1-3 questões pessoais relacionadas ao que queria melhorar em sua vida. Cada participante foi obrigado a relatar 1-3 casos que induziram ou induziriam conflitos entre eles ou que poderiam colocar em risco sua relação para os tópicos de conflito. Em segundo lugar, cada parceiro foi obrigado a classificar o nível de valência positiva ou negativa que cada tópico poderia induzir em uma escala de 7 pontos (1 = não em tudo, e 7 = muito). Em terceiro lugar, os tópicos relatados foram classificados de acordo com a classificação. Foram selecionados os dois primeiros tópicos da lista de temas de apoio e temas de conflito.</li>
	</ol></li>
	<li>coleta de dados fNIRS<ol>
<li>Use o sistema de topografia fNIRS de 26 canais (ver Tabela de Materiais) para coletar dados fNIRS. NOTA: Dois conjuntos de sondas optode personalizadas cobriram os cortices frontais, temporais e parietais bilaterais (Figura 1B).</li>
		<li>Precisamente, peça a cada participante para usar um boné com dois conjuntos de sondas personalizados (ver Tabela de Materiais).</li>
		<li>Alinhe as nações, inion e mastoides de ouvido com Fpz, Opz, T7 e T8, que são marcos típicos do sistema internacional 10-2026.</li>
		<li>Alinhar canal (CH) 11 para T3 e CH25 para T4 seguindo o sistema internacional 10-20 para os dois conjuntos de sonda27,28.</li>
		<li>Validar os locais anatômicos dos conjuntos de sondas escaneando dados de ressonância magnética (RM) de um participante típico com uma sequência de gradiente-eco rápida preparada por magnetização T1 de alta resolução (TR = 2530 ms; TE = 3,39 ms; ângulo de lançamento = 7°; espessura da fatia = 1,3 mm; tamanho voxel = 1,3 x 1 x 1,3 mm).</li>
		<li>Use o Statistical Parametric Mapping 12 (SPM12) para normalizar a imagem para o espaço padrão do Instituto de Imagens de Montreal (coordenada MNI)29. Em seguida, use a caixa de ferramentas NIRS_SPM (ver Tabela de Materiais) para projetar as coordenadas MNI das sondas para o modelo de rotulagem anatômica automatizada (AAL).</li>
		<li>Colete os dados de densidade óptica de luz infravermelha próxima em três comprimentos de onda (780, 805 e 830 nm) a uma taxa de amostragem de 55,6 Hz (parâmetros padrão do equipamento).</li>
		<li>Teste a qualidade do sinal usando o software de equipamento incorporado do sistema de topografia fNIRS (ver Tabela de Materiais).</li>
		<li>Comece a gravar o sinal. NOTA: Alguns protocolos publicados demonstraram como coletar sinais fNIRS com diversos equipamentos e sistemas 30,31,32.</li>
	</ol></li>
	<li>pré-processamento de dados fNIRS<ol>
<li>Exportar os arquivos de dados do equipamento. NOTA: No experimento atual, o software incorporado converteu automaticamente dados de densidade óptica em alterações de concentração de oxihemoglobina (HbO) com base na lei modificada de Beer-Lambert.</li>
		<li>Remova o primeiro e último 15 s de dados para cada sessão para evitar respostas transitórias.</li>
		<li>Use a função incorporada DO MATLAB para diminuir a gama de dados de 55,6 Hz para 11,1 Hz. NOTA: Os padrões de espectro de energia entre 55,6 Hz e 11,1 Hz são bastante semelhantes (Figura Suplementar 1).</li>
		<li>Use a função de aplicação MATLAB incorporada (Homer3, ver Tabela de Materiais) com função de filtragem apropriada para aplicar o discreto método de filtro de transformação de ondas para corrigir artefatos de movimento.</li>
		<li>Use a função incorporada do MATLAB pca para remover o ruído fisiológico global. Remova os 80% superiores da variância dos sinais.</li>
		<li>Remova o ruído fisiológico com base nos estudos anteriores33. Precisamente, remova faixas de frequência de cada sinal acima de 0,7 Hz para evitar o aliasing de ruído fisiológico de alta frequência (por exemplo, atividade cardíaca).</li>
		<li>Em seguida, remova as faixas de frequência de cada sinal abaixo de 0,01 Hz para filtrar flutuações de baixa frequência.</li>
		<li>Por fim, remova as faixas de frequência de cada sinal dentro de 0,15-0,3 Hz para excluir o impacto potencial da atividade respiratória.</li>
	</ol></li>
	<li>Processamento de dados fNIRS de primeiro nível<ol>
<li>Primeiro, calcule o INS usando o WTC tradicional (INSWTC). NOTA: Aqui, previu-se que um padrão de tempo defasado por mulheres do INSWTC ocorresse entre a atividade cerebral das mulheres e a dos homens porque estudos anteriores sugeriram diferentes papéis de mulheres e homens durante uma conversa34,35. O WTC tradicional calculou esse padrão do INSWTC deslocando a atividade cerebral dos homens para trás em relação à das mulheres (ver Equação 2).</li>
		<li>Calcule o valorWTC do INS liderado por mulheres 2 s-defasado após a remoção dos 2 s iniciais de dados das mulheres e os últimos 2 s de dados de homens com a Equação 2. Da mesma forma, após a remoção dos 2 s iniciais de dados dos homens e dos últimos 2 s de dados de mulheres, calcule o valordo INS WTC liderado por homens 2 s-defasado com a Equação 4. NOTA: Aqui, foi utilizada a função wcoherence, que é uma função incorporada da caixa de ferramentas de wavelet do MATLAB (ver Tabela de Materiais).</li>
		<li>Repita este procedimento com diferentes lags de tempo n, ou seja, n = 2 s, 4 s, 6 s, 8 s em todos os pares de CH potenciais (por exemplo, CH2 em mulheres e CH10 em homens, 676 pares no total). Além disso, calcule a força do INSWTC liderado por homens da mesma forma (Equação 4). <img alt="Equation 4" src="/files/ftp_upload/62927/62927eq04.jpg">
</li>
		<li>Em segundo lugar, calcule o INS usando pWTC (INSpWTC). NOTA: pWTC foi calculado com base na Equação 3. O cálculo do INSpWTC foi repetido com diferentes lags de tempo n, ou seja, n = 2 s, 4 s, 6 s, 8 s em todos os pares de canais potenciais (por exemplo, CH2 em mulheres e CH10 em homens, 676 pares no total). Além disso, a força do INS defasado por homens foi calculada da mesma forma (Equação 5). <img alt="Equation 5" src="/files/ftp_upload/62927/62927eq05.jpg">
</li>
		<li>Gerar séries temporas atrasadas de sinais fNIRS em diferentes lags de tempo.</li>
		<li>Calcule os valores do WTC com atraso de tempo em diferentes atrasos de tempo.</li>
		<li>Gerar séries temporas corrigidas automaticamente de sinais fNIRS em diferentes lags de tempo. Para calcular o valor 2 s-autocorrelado para os homens, remova os primeiros 2 s de dados dos homens e os últimos dois dados dos homens.</li>
		<li>Calcule os valores WTC corrigidos automaticamente em diferentes atrasos de tempo.</li>
		<li>Gerar séries temporas alinhadas ao tempo de sinais fNIRS em diferentes lags de tempo. Para calcular o WTC alinhado ao tempo 2, remova os dois primeiros dados dos homens e os dois primeiros dados das mulheres.</li>
		<li>Calcule os valores wtc alinhados ao tempo.</li>
		<li>Digite wtc alinhado ao tempo, WTC com tempo defasado e valores WTC autocorrelatados em diferentes tempos de atraso na Equação 3 e Equação 5 - a equação do pWTC, gerandoins pWTC.</li>
		<li>Por fim, calcule o INS utilizando o método GC (INSGC). NOTA: Para validar ainda mais o método pWTC e avaliar suas vantagens e desvantagens, o INS baseado em GC foi calculado utilizando-se o método GC (INSGC).</li>
		<li>Com base no resultado do pWTC, o bandpass filtra o sinal de HbO de cada indivíduo no SMC (ou seja, 0,4-0,6 Hz, consulte Resultados Representativos).</li>
		<li>Realize um teste GC (Econometric toolbox, MATLAB) dentro de cada dyad nos tópicos de suporte e conflito separadamente. NOTA: Quatro grupos de valores F são obtidos para o INSGC: (1) de mulheres a homens sobre o tema de apoio (W2M_supp); (2) de homens para mulheres sobre o tema de apoio (M2W_supp); (3) de mulheres a homens sobre o tema conflito (W2M_conf); e (4) de homens para mulheres sobre o tema conflito (M2 W_conf). Os valores F são usados para indexar o INSGC.</li>
	</ol></li>
	<li>Processamento de dados fNIRS de segundo nível<ol>
<li>Transforme o INS com a transformação Fisher-z e, em seguida, a média do INS na dimensão temporal. NOTA: Aqui, a transformação Fisher-z foi conduzida usando um script MATLAB personalizado com a Equação 636: <img alt="Equation 6" src="/files/ftp_upload/62927/62927eq06.jpg"> onde, r é o valor do WTC ou pWTC, e z é o valor transformado fisher-z do WTC ou pWTC.</li>
		<li>Para o INS médio em cada intervalo de tempo, realize um teste t de duas amostras emparelhado (suporte vs. conflito) em cada par ch em toda a faixa de frequência. Em seguida, identifique todos os aglomerados de frequência significativos (P &lt; 0,05).</li>
		<li>Realize um teste de permutação baseado em cluster para estabelecer um limite para os resultados.<ol>
<li>Reatribuir relações disádicas atribuindo aleatoriamente os participantes a novos pares de dois membros, ou seja, os participantes de um díade que nunca havia se comunicado uns com os outros. Recalcular o INS em cada lag de tempo, realizar testes t emparelhados novamente na nova amostra e identificar clusters de frequência significativos novamente.</li>
			<li>Selecione o cluster com o maior valor t somado. Repita os procedimentos acima 1000 vezes para gerar uma distribuição nula dos valores t falso-positivos máximos. NOTA: A distribuição é servida como o nível de chance. A taxa de erro familiar (FWER) é controlada em q = 0,05, o que significa que apenas os 5% superiores da distribuição nula dos valores t falso-positivos excedem o limiar (R*).</li>
			<li>Compare o valor t somado de cada aglomerado de frequência identificado na amostra original com a distribuição nula para obter resultados estatísticos significativos.</li>
		</ol>
</li>
		<li>Realizar um contexto (apoio, conflito) x direção (mulheres para homens, homens para mulheres) análise de variância (ANOVA) para testar a diferença na direção do INS entre diferentes condições (ou seja, tópicos) (p &lt; 0,05).</li>
		<li>Realize um teste t de duas amostras emparelhado entre os resultados de WTC (Wt, Mt + n) e WTC (Mt, Mt + n) para testar o impacto potencial da correção automática no INS. NOTA: O INS do WTC (Mt, Mt + n) reflete a correção automática.</li>
	</ol></li>
</ol>

Os autores não declaram interesses financeiros concorrentes.

Em estudos de hiperexação, geralmente é essencial descrever os padrões direcionais e temporais do fluxo de informações entre os indivíduos. A maioria dos estudos anteriores de hiperscanagem fNIRS tem usado o WTC25 tradicional para inferir essas características calculando o INS com atraso de tempo. No entanto, como uma das características intrínsecas do sinal fNIRS20,21, o efeito de autocorrelação pode confundir o INS defasado por tempo. Pa...

A interação social é de vital importância para o ser humano 1,2. Para compreender o mecanismo neurocognitivo dual-cérebro da interação social, a abordagem hiperscaning tem sido amplamente utilizada recentemente, mostrando que os padrões de sincronização neural interpessoal (INS) podem caracterizar bem o processo de interação social 3,4,5,6,7,8,9,10,11,12 13,14. Entre estudos recentes, um achado interessante é que a diferença de papel dos indivíduos em um diálido pode levar a um padrão de insímica, ou seja, o INS ocorre quando a atividade cerebral de um indivíduo fica atrás da de outro indivíduo por segundos, como a dos ouvintes aos palestrantes 5,9, de líderes a seguidores4, de professores a alunos8, de mães a criançasde 13,15 anos, e de mulheres a homens em um par romântico6. Mais importante, há uma boa correspondência entre o intervalo do INS com atraso de tempo e o dos comportamentos de interação social, como entre professores questionando e alunos respondendo8 ou entre comportamentos parentais de mães e comportamentos de compliance de criançasde 15 anos. Assim, o INS atrasado pode refletir um fluxo de informações direcionais de um indivíduo para outro, como proposto em um modelo hierárquico recente para a comunicação verbal interpessoal16.
Anteriormente, o INS defasado de tempo era calculado principalmente no sinal funcional de espectroscopia quase infravermelha (fNIRS) devido à sua resolução espacial relativamente alta, localização anatômica sólida e tolerância excepcionalmente alta dos artefatosde movimento 17 ao estudar interações sociais naturalistas. Além disso, para caracterizar precisamente a correspondência entre o atraso de tempo neural e o atraso de tempo comportamental durante a interação social, é essencial obter a força do INS para cada defasagem de tempo (por exemplo, de nenhuma defasagem de tempo a um intervalo de tempo de 10 s). Para isso, anteriormente, o procedimento de coerência de transformação de ondas (WTC) foi extensivamente aplicado após a mudança do sinal cerebral de um indivíduo para frente ou para trás em relação ao de outro indivíduo 5,6,18. Ao usar este procedimento WTC tradicional para sinais fNIRS, há um desafio potencial porque o INS observado pode ser confundido pelo efeito de autocorrelação do sinal fNIRS para um indivíduode 19,20,21. Por exemplo, durante um processo de interação social dídico, o sinal do participante A no momento pode ser sincronizado com o do participante B ao mesmo tempo. Enquanto isso, o sinal do participante A no momento t pode ser sincronizado com o do participante A em um ponto de tempo posterior t+1 por causa do efeito de autocorrelação. Portanto, pode ocorrer um INS espúrio de tempo defasado entre o sinal do participante A no ponto t de tempo e o do participante B no ponto t+1.
Mihanović e seus colegas22 primeiro introduziram um método chamado de coerência parcial de wavelet transform (pWTC), e depois a aplicaram na ciência marinha23,24. O objetivo original deste método era controlar o ruído de confusão exógeno ao estimar a coerência de dois sinais. Aqui, para abordar o problema de correção automática nos dados de hiperexpesagem fNIRS, o método pWTC foi estendido para calcular o INS com atraso no sinal fNIRS. Precisamente, um INS atrasado (e um fluxo de informações direcionais) do participante A para o participante B pode ser calculado usando a equação abaixo (Equação 1)23.
<img alt="Equation 1" src="/files/ftp_upload/62927/62927eq01.jpg">
Aqui, supõe-se que existem dois sinais, A e B, dos participantes A e B, respectivamente. A ocorrência do sinal B sempre precede a do sinal A com um intervalo de tempo de n, onde wtc (At, Bt+n) é o WTC tradicional defasado pelo tempo. WTC (At, At+n) é o WTC autocorrelado no participante A. WTC (At, Bt) é o WTC alinhado ao tempo no ponto t de tempo entre o participante A e B. * é o operador conjugado complexo (Figura 1A).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62927/62927fig01.jpg"> Figura 1: Visão geral do pWTC. (A) A lógica do pWTC. Há dois sinais A e B, dentro de um díade. A ocorrência de A sempre segue a de B com um lag n. Uma caixa cinza é uma janela de onda em um determinado ponto de tempo t ou t+n. Com base na equação pWTC (representada na figura), três WTCs precisam ser calculados: o WTC defasado de tempo de At+n e Bt; o WTC autocorrelado no participante A de At e At+n; e o WTC alinhado ao tempo no ponto de tempo t, At e Bt. (B) O layout dos conjuntos de sonda optode. CH11 foi colocado em T3, e CH25 foi colocado no T4 seguindo o sistema internacional 10-2027,28. <a href="https://www.jove.com/files/ftp_upload/62927/62927fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
Este protocolo introduziu pela primeira vez um experimento de simulação para demonstrar o quão bem o pWTC resolve o desafio de autocorrelação. Em seguida, explicou como conduzir o pWTC de forma passo a passo baseada em um experimento empírico de interações sociais naturalistas. Aqui, foi utilizado um contexto de comunicação para introduzir o método. Isso porque, anteriormente, o INS com atraso de tempo era geralmente calculado em um contexto de comunicação naturalista 3,4,6,8,13,15,18. Além disso, também foi realizada uma comparação entre o pWTC e o WTC tradicional e validação com o teste de causalidade granger (GC).

<table><tbody><tr><td>Sistema de topografia fNIRS</td><td>Shimadzu Corporation</td><td>Sistema Shimadzu LABNIRS</td><td>O sistema LABNIRS contém 40 emissores e 40 detectores para medição de sinais fNIRS. Neste protocolo, usamos esses emissores e detectores, criamos dois conjuntos de sondas de 26 canais personalizados e anexados a duas tampas de acordo com o sistema 10-20. Além disso, o sistema LABNIRS também contém softwares GUI integrados para verificação de qualidade de dados, conversão de dados e exportação de dados.</td></tr><tr><td>MATLAB</td><td>A MathWorks, Inc.</td><td>MATLAB 2019a</td><td>Neste protocolo, várias caixas de ferramentas e funções bulit no MATLAB foram usadas: A caixa de ferramentas SPM12 foi usada para normalizar os dados de ressonância magnética validados por meio de sua GUI. NIRS_SPM caixa de ferramentas foi usada para projetar as coordenadas MNI das sondas para o modelo AAL por meio de sua GUI. A caixa de ferramentas Homer3 foi usada para remover artefatos de movimento por meio de sua função hmrMotionCorrectWavelet com parâmetros padrão. Wavelet caixa de ferramentas foi usada para calcular WTC e pWTC por meio de sua função wcoherence.</td></tr><tr><td>Scanner de ressonância magnética</td><td>Siemens Healthineers</td><td>TRIO 3-Tesla</td><td>Neste protocolo, o scanner de ressonância magnética foi usado para obter as coordenadas MNI de cada canal e optpde. Os parâmetros de varredura são descritos no texto principal.</td></tr><tr><td>tampas</td><td></td><td></td> personalizadas <td>Neste protocolo, primeiro marcamos duas tampas de nylon com sistema 10-20. Em seguida, fizemos dois conjuntos de sondas optode personalizadas de 26 canais. Por fim, anexamos conjuntos de sondas a tampas alinhadas com pontos de referência.</td></tr></tbody></table>

medição do fluxo de informações direcionais em dados fnirs-hyperscanning usando o método de coerência de transformação de onda parcial

Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method

A interação social é de vital importância para os seres humanos. Embora a abordagem hiperscaning tenha sido amplamente usada para estudar a sincronização neural interpessoal (INS) durante as interações sociais, a espectroscopia funcional quase infravermelha (fNIRS) é uma das técnicas mais populares para hiperscanar interações sociais naturalistas devido à sua resolução espacial relativamente alta, localização sonora anatômica e excepcionalmente alta tolerância de artefatos de movimento. Estudos anteriores de hiperscaning baseados em fNIRS geralmente calculam um INS com atraso no tempo usando coerência de transformação de onda (WTC) para descrever a direção e o padrão temporal do fluxo de informações entre indivíduos. No entanto, os resultados deste método podem ser confundidos pelo efeito de autocorrelação do sinal fNIRS de cada indivíduo. Para lidar com esse problema, foi introduzido um método chamado de coerência de transformação de onda parcial (pWTC), que visava remover o efeito de autocorrelação e manter a alta resolução do espectro temporal do sinal fNIRS. Neste estudo, foi realizado primeiro um experimento de simulação para mostrar a eficácia do pWTC na remoção do impacto da autocorrelação no INS. Em seguida, foi oferecida orientação passo a passo sobre o funcionamento do pWTC com base no conjunto de dados fNIRS de um experimento de interação social. Além disso, foi traçada uma comparação entre o método pWTC e o método WTC tradicional e entre o método pWTC e o método de causalidade granger (GC). Os resultados mostraram que o pWTC poderia ser usado para determinar a diferença do INS entre diferentes condições experimentais e o padrão direcional e temporal do INS entre os indivíduos durante interações sociais naturalistas. Além disso, fornece melhor resolução temporal e de frequência do que o WTC tradicional e melhor flexibilidade do que o método GC. Assim, o PWTC é um forte candidato para inferir a direção e o padrão temporal do fluxo de informações entre indivíduos durante interações sociais naturalistas.

Resultados da simulação Os resultados mostraram que oWTC ins com correção automática foi significativamente maior do que oWTC ins atrasado sem correção automática (t(1998) = 4,696, p &lt; 0,001) e inspWTC (t(1998) = 5.098, p &lt; 0,001). Além disso, não houve diferença significativa entre o INSWTC sem correção automática eo INS pWTC (t(1998) = 1,573, p = 0,114, Figura 2A). ...

Este protocolo descreve a coerência parcial de transformação de ondas (pWTC) para calcular o padrão de sincronização neural interpessoal (INS) para inferir a direção e o padrão temporal do fluxo de informações durante a interação social. A eficácia do pWTC na remoção dos confusos da autocorrelação de sinal no INS foi comprovada por dois experimentos.

Medição do fluxo de informações direcionais em dados fNIRS-Hyperscanning usando o Método de Coerência de Transformação de Onda Parcial

Social interaction is of vital importance for human beings. While the hyperscanning approach has been extensively used to study interpersonal neural ...

Hiperexportar é um método promissor para descrever a relação entre indivíduos e que neste estudo encontra sincronização neural entre indivíduos. E a questão mais importante é identificar quem está sincronizando com quem. E o método que propomos aqui é identificar a direção do fluxo de informações entre os indivíduos.Em comparação com outros métodos, a vantagem mais significativa deste método é remover os vários fatores de confusão da sincronização neural. Por exemplo, a correção automática em cada sinal. Enquanto isso, podemos manter a alta resolução espacial anatômica de cada sinal.Inicie o pré-processamento dos dados exportando a concentração de hemoglobina altera arquivos de dados do equipamento e transmitindo os arquivos para o formato legível do MATLAB. Em seguida, remova o primeiro e último 15 segundos dos dados para cada sessão para evitar respostas transitórias e use a função incorporada DO MATLAB para reduzir os dados de 55,6 hertz para 11,1 hertz. Para corrigir artefatos de movimento, aplique o discreto método de filtro de transformação de ondas com a função de filtragem apropriada.Use a função incorporada do PCA para remover o ruído fisiológico global. Em seguida, remova os 80% superiores da variância dos sinais. Depois de remover os dois segundos iniciais de dados das mulheres e os últimos dois segundos de dados dos homens, calcule o valor WTC ins liderado por mulheres com a equação.Da mesma forma, depois de remover os dois segundos iniciais de dados dos homens e os últimos dois segundos de dados das mulheres, calcule o valor WTC ins liderado pelos homens por dois segundos. Repita o procedimento com diferentes defasagens de tempo, N, como N equivale a quatro ou seis ou oito segundos, através dos potenciais 676 pares CH e calcule a força do INS WTC liderado por mulheres e homens com a equação descrita anteriormente. Calcule ins pWTC usando pWTC da mesma forma usando a equação.Gerar a série temporal de atraso de tempo dos sinais fNIRS entre homens e mulheres e calcular os valores do WTC com atraso de tempo em diferentes atrasos de tempo. Gerar série de tempo autocorrelado de sinais fNIRS masculinos removendo os dois primeiros segundos e os últimos dois segundos dos dados dos homens. Então, calcule o valor autocortado de dois segundos para os homens.Em seguida, avalie os valores WTC corrigidos automaticamente em diferentes lags de tempo. Da mesma forma, crie uma série de tempo alinhada ao tempo dos sinais fNIRS removendo os dois primeiros segundos de dados dos homens e das mulheres. Em seguida, calcule o WTC alinhado ao tempo de dois segundos.Em seguida, avalie os valores wtc alinhados ao tempo em diferentes atrasos de tempo. Digite o WTC alinhado ao tempo, wtc com atraso de tempo e valores WTC autocorrelatados em diferentes tempos de atraso nas equações do pWTC, gerando INS pWTC. No processamento de dados fNIRS de segundo nível, remova as faixas de ruído fisiológico e frequência de cada sinal acima de 0,7 hertz.Em seguida, remova as faixas de frequência de cada sinal abaixo de 0,01 hertz e dentro de 0,15 a 0,3 hertz para filtrar flutuações de frequência muito baixas. Transforme o INS com Fisher Z-transformation e, em seguida, a média do INS na dimensão temporal. Para o INS médio em cada lag de tempo, realize um teste t de duas amostras emparelhado em cada par ch em toda a faixa de frequência.Em seguida, identifique todos os aglomerados de frequência significativos. Reatribua relações dídicas ao atribuir aleatoriamente os participantes a novos pares de membros, como os participantes de um diad que nunca havia se comunicado. Realize um teste de permutação baseado em cluster para estabelecer um limiar para os resultados.Recalcular o INS em cada defasagem de tempo. Realize testes t emparelhados na nova amostra e identifique clusters de frequência significativos. Em seguida, selecione o cluster com o maior valor T somado antes de repetir os procedimentos 1.000 vezes para gerar uma distribuição nula dos valores T falsos positivos máximos.Compare o valor T somado de cada aglomerado de frequência identificado na amostra original com a distribuição nula para obter resultados estatísticos significativos. Uma análise de simulação foi realizada no estudo. A análise representativa ilustra que o INS WTC com correção automática foi significativamente maior do que o INS WTC atrasado sem correção automática e ins pWTC com atraso de tempo.Além disso, não houve diferença significativa entre o INS WTC com atraso de tempo sem correção automática e ins pWTC, indicando a eficiência do pWTC na remoção do impacto do efeito de autocorrelação no INS. Um efeito de contexto significativo marginal foi observado dentro de 0,4 a 0,6 hertz, que dos homens atrasou a das mulheres em quatro segundos. Em contrapartida, para o INS pWTC, apenas um efeito de contexto significativo dentro de 0,4 a 0,6 hertz quando o sensor e a atividade do córtex motor dos homens atrasaram a das mulheres em quatro segundos.O INS direcional de mulheres para homens foi significativamente maior nos contextos de conflito do que nos contextos de apoio. Os resultados do INS pWTC foram validados com o método de causalidade granger. Os resultados mostraram que o INS GC apresentou um padrão semelhante ao INS pWTC.O INS direcional calculado pela análise de causalidade granger de mulheres para homens foi significativamente maior nos contextos de conflito do que nos contextos de apoio. Depois de calcular a sincronização neural usando este método, também é possível conduzir um monte de outros métodos. Por exemplo, podemos comparar esse fluxo de informações direcionais entre diferente contexto de conexão social e a conexão social em diferentes relações sociais.E também, é possível entender a contribuição de diferentes comportamentos de comunicação para a sincronização neural. Por exemplo, se é comunicação verbal ou comunicação não verbal desempenham mais um papel importante na sincronização neural.

measurement-directional-information-flow-fnirs-hyperscanning-data

Research

JoVE Journal

Neuroscience

Neurociência

O presente protocolo descreve como realizar experimentos de hyperscanning de fNIRS e analisar o cérebro-cérebro de sincronia. Além disso, discutimos os desafios e as soluções possíveis.

Hyperscanning experimentos com espectroscopia de infravermelho próximo funcional

Este protocolo demonstra como medir a conectividade funcional do estado de repouso no córtex pré-frontal humano usando um instrumento de espectroscopia de correlação difusa feito sob medida. O relatório também discute aspectos práticos do experimento, bem como etapas detalhadas para análise dos dados.

Conectividade funcional do estado de repouso do cérebro humano por meio de espectroscopia de correlação difusa óptica

O protocolo de realização de experimentos de hiperscanagem fNIRS sobre disads de aprendizagem colaborativa em um ambiente de aprendizagem naturalista é delineado. Além disso, é apresentado um pipeline para analisar os sinais inter-cerebrais de síncronia oxigenada (Oxy-Hb).

Sincronia inter-cerebral em aprendizagem colaborativa aberta: um estudo fNIRS-Hyperscanning

A dinâmica entre cérebros acoplado de indivíduos tem sido cada vez mais representada pela sincronização inter-cerebral (IBS) quando eles se coordenam entre si, principalmente usando sinais de gravação simultânea de cérebros (ou seja, hiperscaning) com fNIRS. Em estudos de hiperscanagem fNIRS, o IBS tem sido comumente avaliado através do método de coerência de transformação de ondas (WTC) devido à sua vantagem em expandir séries temporâneas em espaço de frequência de tempo onde as oscilações...

Como calcular e validar a sincronização inter-cerebral em um estudo de hiperscanagem fNIRS

A coerência da transformada wavelet (WTC) é uma metodologia comum para avaliar o acoplamento entre sinais que é usada em estudos de hipervarredura por espectroscopia funcional no infravermelho próximo (fNIRS). Uma caixa de ferramentas para avaliar a direcionalidade da interação do sinal é apresentada neste trabalho.

Nova estrutura para entender a coerência entre cérebros em estudos de hipervarredura por espectroscopia funcional no infravermelho próximo (fNIRS)

O protocolo tem como objetivo fornecer uma descrição detalhada da metodologia para a realização de um estudo de hipervarredura fNIRS em aconselhamento psicológico. Isso inclui os preparativos para o experimento, o procedimento de coleta de dados e o processo subsequente de análise de dados.

Estudo de Hipervarredura de Espectroscopia Funcional de Infravermelho Próximo em Aconselhamento Psicológico

A conectividade informacional mede a correspondência entre os cursos de tempo de informações multivoxel em diferentes regiões do cérebro. As séries temporais de discriminabilidade de padrões multivoxel são extraídas de regiões e comparadas, revelando redes que não são identificadas em uma abordagem típica de conectividade funcional.

Usando Informativa Conectividade medir o Emergence Synchronous de fMRI Multi-voxel Informações Across Time

Os neurônios sensoriais olfatórios expressam uma grande variedade de moléculas de classificação axônica para estabelecer circuitos neurais adequados. Este protocolo descreve um método de coloração imuno-histoquímica para visualizar expressões combinatórias de moléculas de ordenação axônica no terminal axônico de neurônios sensoriais olfativos.

Imunossinção Quadruple da Lâmpada Olfativa para Visualização de Códigos de Identidade Molecular de Axon Sensorial Olfativo

Este protocolo descreve como usar uma em vitro isolado Tartaruga cabeça preparação para medir a cinemática dos seus movimentos do olho. Após a remoção do cérebro do crânio, nervos cranianos podem ser estimulados com correntes para quantificar as rotações do olho e alterações no tamanho da pupila.

Cinemática ocular medida na Vitro estimulação dos nervos cranianos na tartaruga

Este estudo apresenta um método para a gravação simultânea dos potenciais do campo local no cérebro, eletrocardiogramas, electromyograms e respirando os sinais de um rato andando livremente. Esta técnica, o que reduz custos experimentais e simplifica a análise de dados, irá contribuir para a compreensão das interacções entre o cérebro e os órgãos periféricos.

Gravações simultâneas de potenciais de campo corticais Local, eletrocardiograma, eletromiograma e respirar o ritmo de um rato andando livremente

Aprenda a medir o fluxo direcional de informações em dados de fNIRS-hyperscanning usando o método de coerência de transformada wavelet parcial. Esta técnica remove fatores confundentes como autocorrelação do sinal.

Medição do fluxo de informações direcionais em dados fNIRS-Hyperscanning usando o Método de Coerência de Transformação de Onda Parcial (Vídeo) | JoVE Journal

Medição do fluxo de informações direcionais em dados fNIRS-Hyperscanning usando o Método de Coerência de Transformação de Onda Parcial

Explorar mais vídeos