Summary
Изложен протокол проведения экспериментов гиперсканирования fNIRS на диадах совместного обучения в натуралистической среде обучения. Далее представлен конвейер для анализа межмозговой синхронии (СРК) сигналов оксигенированного гемоглобина (Oxy-Hb).
Abstract
Гиперсканирование fNIRS широко используется для выявления нейробиологических основ социального взаимодействия. С помощью этого метода исследователи квалифицируют одновременную активность мозга двух или более интерактивных людей с новым индексом, называемым межмозговой синхронией (IBS) (то есть фазовым и / или амплитудным выравниванием нейрональных или гемодинамических сигналов во времени). Здесь представлен протокол проведения экспериментов по гиперсканированию fNIRS на диадах совместного обучения в натуралистической среде обучения. Далее объясняется конвейер анализа СРК сигнала оксигенированного гемоглобина (Oxy-Hb). В частности, обсуждается экспериментальный дизайн, процесс записи данных NIRS, методы анализа данных и будущие направления. В целом, внедрение стандартизированного конвейера гиперсканирования fNIRS является фундаментальной частью нейробиологии второго лица. Кроме того, это соответствует призыву к открытой науке, чтобы помочь воспроизводимости исследований.
Introduction
Недавно, чтобы выявить параллельную активность мозга через интерактивные диады или членов группы, исследователи используют подход гиперсканирования1,2. В частности, электроэнцефалограмма (ЭЭГ), функциональная магнитно-резонансная томография (фМРТ) и функциональная ближняя инфракрасная спектроскопия (фНИРС) используются для записи нейронной и мозговой активности двух или более субъектов одновременно3,4,5. Исследователи извлекают нейронный индекс, влекущий за собой параллельную связь мозга, на основе этого метода, который относится к межмозговой синхронности (IBS) (то есть выравниванию фазы и / или амплитуды нейронных или гемодинамических сигналов во времени). Большое разнообразие исследований гиперсканирования обнаружило СРК во время социального взаимодействия между несколькими людьми (например, игрок-аудитория, инструктор-ученик и лидер-последователь)6,7,8. Кроме того, СРК имеет конкретные последствия эффективного обучения и обучения9,10,11,12,13,14. С увеличением исследований гиперсканирования в натуралистических сценариях обучения необходимо установить стандартный протокол экспериментов гиперсканирования и конвейер анализа данных в этой области.
Таким образом, в данной работе представлен протокол для проведения гиперсканирования диад совместного обучения на основе fNIRS и конвейер для анализа IBS. fNIRS представляет собой оптический инструмент визуализации, который излучает ближний инфракрасный свет для оценки спектрального поглощения гемоглобина косвенно, а затем гемодинамическая / оксигенационная активность измеряется15,16,17. По сравнению с фМРТ, fNIRS менее подвержен артефактам движения, что позволяет проводить измерения у субъектов, которые проводят реальные эксперименты (например, имитацию, разговор и невербальную коммуникацию)18,7,19. По сравнению с ЭЭГ, fNIRS имеет более высокое пространственное разрешение, что позволяет исследователям обнаружить местоположение мозговой активности20. Таким образом, эти преимущества в пространственном разрешении, логистике и осуществимости квалифицируют fNIRS для проведения измерений гиперсканирования1. Используя эту технологию, новый исследовательский орган обнаруживает индексный термин как IBS - нейронное выравнивание мозговой активности двух (или более) людей - в различных формах натуралистических социальных условий9,10,11,12,13,14. В этих исследованиях для расчета этого показателя применяются различные методы (например, корреляционный анализ и анализ когерентности вейвлет-трансформ (ВТЦ)); между тем, стандартный конвейер для такого анализа необходим, но отсутствует. В результате в данной работе представлен протокол проведения гиперсканирования на основе fNIRS и конвейер с использованием анализа ЦМТ для идентификации СРК.
Это исследование направлено на оценку СРК в диадах совместного обучения с использованием метода гиперсканирования fNIRS. Во-первых, гемодинамический ответ регистрируется одновременно в префронтальной и левой височно-теменной областях каждой диады во время совместного обучения. Эти регионы были идентифицированы как связанные с интерактивным преподаванием и обучением9,10,11,12,13,14. Во-вторых, IBS рассчитывается по каждому соответствующему каналу. Процесс записи данных fNIRS состоит из двух частей: сеанс состояния покоя и сеанс совместной работы. Сеанс покоя длится 5 мин, в течение которых оба участника (сидя лицом к лицу, отдельно друг от друга столом (0,8 м)) должны оставаться неподвижными и расслабляться. Этот сеанс состояния покоя служит в качестве базового уровня. Затем, на совместной сессии, участникам говорят изучить все учебные материалы вместе, вызывая понимание, обобщая правила и следя за тем, чтобы все учебные материалы были освоены. Здесь представлены конкретные этапы проведения эксперимента и анализа данных fNIRS.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Все набранные участники (40 диад, средний возраст 22,1 ± 1,2 года; 100% правши; нормальное или скорректированное до нормального зрения) были здоровы. Перед экспериментом участники дали информированное согласие. Участники получили финансовую компенсацию за свое участие. Исследование было одобрено Университетским комитетом по защите исследований человека (HR-0053-2021), Восточно-Китайским педагогическим университетом.
1. Этапы подготовки перед принятием данных
- Самодельные колпачки NIRS
- Примите эластичный плавательный колпачок для размещения сетки держателя оптоода.
ПРИМЕЧАНИЕ: Учитывая, что размеры голов участников различны, используются два размера колпачков. Маленькие капсюли подготовлены для участников с окружностью головы 55,4 ± 1,1 см, а большие шапки - для участников с окружностью головы 57,9 ± 1,2 см. - Закрепить расположение электродов ЭЭГ (inion, Cz, T3, T4, Fpz и P5) в качестве опорных оптодов по стандартной международной системе 10-10 на эластичных плавательных колпачках (см. Таблицу материалов).
- Во-первых, поместите стандартный колпачок ЭЭГ 10-10 (см. Таблицу материалов)на головную форму, а эластичный плавательный колпачок на колпачок ЭЭГ. Во-вторых, отметьте опорные оптоды (inion, Cz, T3, T4, Fpz и P5) мелом на каждой колпачке. Наконец, вырежьте два отверстия диаметром около 15 мм, чтобы разместить два опорных оптода (т.е. Fpz и P5, рисунок 1).
ПРИМЕЧАНИЕ: В частности, набор оптодных зондов 3 x 5 и набор оптодных зондов 4 x 4 отдельно размещаются над префронтальной областью (опорный оптод размещен в Fpz, рисунок 1B)и левой височно-теменной областью (опорный оптод размещен в P5, рисунок 1B).
- Во-первых, поместите стандартный колпачок ЭЭГ 10-10 (см. Таблицу материалов)на головную форму, а эластичный плавательный колпачок на колпачок ЭЭГ. Во-вторых, отметьте опорные оптоды (inion, Cz, T3, T4, Fpz и P5) мелом на каждой колпачке. Наконец, вырежьте два отверстия диаметром около 15 мм, чтобы разместить два опорных оптода (т.е. Fpz и P5, рисунок 1).
- Вырежьте отверстия для размещения других оптодов. Расположите плавательную шапочку с двумя держателями сетки прямо на головной форме. Затем отметьте расположение других оптодов мелом. После этого вырежьте остальные отверстия, чтобы убедиться, что держатель сетки вписывается в нее.
- Установите два набора зондов (т.е. 3 x 5 и 4 x 4) на плавательные колпачки (см. Таблицу материалов).
ПРИМЕЧАНИЕ: Измерительная система NIRS (см. Таблицу материалов)обеспечивает эти стандартные наборы датчиков (т.е. 3 x 5 и 4 x 4) со стандартными гнездами для держателей, обеспечивающими 30-миллиметровое оптодное разделение. - Откройте окно монитора набора зондов в измерительной системе NIRS и выберите четыре набора зондов, расположенных в 3 x 5 и 4 x 4 для каждого человека, отдельно.
ПРИМЕЧАНИЕ: Расположение зондов двух колпачков должно соответствовать структурам в окне набора зондов (т.е. точному расположению номеров датчика приемника и соответствующего излучателя).
- Примите эластичный плавательный колпачок для размещения сетки держателя оптоода.
- Подготовка эксперимента
- Перед записью данных убедитесь, что система NIRS поддерживает стабильную рабочую температуру, запустив систему не менее 30 минут.
ПРИМЕЧАНИЕ: Стабильная рабочая температура колеблется от 5 °C до 35 °C. - Установите режим измерения на измерение, связанное с событиями. Убедитесь, что приемник триггеров активен (например, последовательный вход RS232).
ПРИМЕЧАНИЕ: Эксперимент запрограммирован в коммерчески доступном программном обеспечении для психологии (см. Таблицу материалов). Поглощение ближнего инфракрасного света (две длины волн: 695 и 830 нм) измеряется с частотой дискретизации 10 Гц. - Подготовьте освещенный волоконно-оптический зонд, который можно использовать для перемещения волос в сторону.
- Установите экспериментальную среду с одним столом с двумя стульями, чтобы держать места участников лицом к лицу.
- Перед записью данных убедитесь, что система NIRS поддерживает стабильную рабочую температуру, запустив систему не менее 30 минут.
2. Принятие данных путем инструктажа участников
- Подготовьте участников
- Проинструктируйте участников, включая подробную информацию о методах измерения NIRS.
ПРИМЕЧАНИЕ: Все участники были здоровы и получили финансовую компенсацию за участие. Ни один из участников не вышел из эксперимента на полпути. Лазерный луч NIRS может быть вредным для глаз участников, и им было предписано не смотреть прямо в эти лазерные лучи. - Заставьте участников сесть лицом к лицу (кроме стола (0,8 м)), чтобы убедиться, что они могут видеть друг друга напрямую. Отрегулируйте расстояние между стулом и столом (т.е. почти 0,3 м), чтобы участники сидели комфортно.
- Включите лазерную кнопку и поместите колпачки с наборами зондов на головы участников.
ПРИМЕЧАНИЕ: Наборы зондов 3 x 5 покрывают лоб участников (средний зонд нижнего ряда помещается на Fpz); наборы зондов 4 x 4 покрывают левую височно-темную кору (третий зонд третьего ряда помещается на P5). - Положите четыре пучка оптического волокна свободно на руки держателя без контакта с участниками или стульями.
ПРИМЕЧАНИЕ: Здесь измерительная система NIRS имеет четыре пучка оптических волокон. Кроме того, убедитесь, что участники не чувствуют себя слишком тяжелыми, чтобы снять кепки. - Пусть кончики зонда касаются кожи головы участников, осторожно проталкивая каждый зонд подпружинной нагрузки дальше в гнездо.
- Выполните калибровку сигнала.
- Во-первых, проверьте качество сигнала, щелкнув Auto Gain в окне монитора набора датчиков машины fNIRS. Затем плохой сигнал канала и достаточный сигнал помечаются желтым и зеленым цветом в окне монитора набора зондов соответственно.
ПРИМЕЧАНИЕ: Для канала с недостаточными сигналами используются освещенные волоконно-оптические зонды для перемещения волос под кончиком зонда в одну сторону. - Затем протолкнуть зонды дальше в их гнезда, чтобы получить достаточное количество сигналов. Повторяйте этот процесс до тех пор, пока все каналы не будут отмечены зеленым цветом в окне монитора набора зондов измерительной системы NIRS, указывая на то, что качество сигналов доступно.
- Во-первых, проверьте качество сигнала, щелкнув Auto Gain в окне монитора набора датчиков машины fNIRS. Затем плохой сигнал канала и достаточный сигнал помечаются желтым и зеленым цветом в окне монитора набора зондов соответственно.
- Проинструктируйте участников, включая подробную информацию о методах измерения NIRS.
- Запуск эксперимента
- Начните эксперимент с 5-минутного состояния покоя, которое служит базовым уровнем. Затем два участника должны совместно изучить учебные материалы.
- После эксперимента нажмите «Выход текстового файла», чтобы экспортировать необработанные данные об интенсивности света и сохранить данные в виде текстового файла.
ПРИМЕЧАНИЕ: В измерительной системе NIRS фильтры не применяются. - Используйте трехмерный (3D) дигитайзер (см. Таблицу материалов)для определения местоположения излучателей, приемников и других ссылок (например, inion, nasion, Cz, а также левого и правого ушей) для каждого участника.
- Получить координаты MNI для каналов записи с помощью коммерчески доступной числовой вычислительной платформы21 (см. Таблицу материалов). В дополнительной таблице S1 показаны соответствующие анатомические местоположения каждого канала.
- Очистите зонды и держатели зондов этанолом. Промойте колпачки мягким моющим средством и дайте колпачкам высохнуть на воздухе.
3. Анализ данных
- Предварительная обработка данных
ПРИМЕЧАНИЕ: В предыдущих исследованиях были приняты переменные некоммерческие пакеты программного обеспечения (например, Homer222, АнализаторIR23, или нирс ЛАБ24) с числовыми вычислительными платформами (см. Таблица материалов) по анализу данных fNIRS, и все они доступны на веб-сайте. Здесь Homer2 использовался для предварительной обработки данных NIRS. Кроме того, как данные записи fNIRS, собранные на остальных этапах, так и совместные этапы обучения используют один и тот же конвейер предварительной обработки и анализа.- Скопируйте набор данных с компьютера fNIRS. Преобразуйте исходное формирование данных в правильное формирование (т.е. преобразуйте cvs файл в файл nirs).
- Преобразование необработанных данных в данные оптической плотности (OD) с помощью функции "hmrIntensity2OD", предоставляемой в вычислительной платформе Числовых вычислений (см. Таблицу материалов).
- Удалите плохие каналы. Затем усредняйте значение OD для каждого участника на каждом канале и полные точки выборки соответственно.
ПРИМЕЧАНИЕ: Здесь получено 46 усредненных значений OD.- Рассчитайте стандартное отклонение (SD) для каждого участника.
- Пометьте как непригодные для использования и удалите из анализа каналы с очень низким или высоким OD (который превышал 5 SD) для каждого участника.
ПРИМЕЧАНИЕ: Этот шаг может быть выполнен до и/или после предварительной обработки данных fNIRS. В этом конвейере анализа данных плохие каналы обнаруживаются до предварительной обработки данных fNIRS.
- Преобразование данных времени OD в Oxy-Hb, DeOxy-Hb и комбинированный сигнал на основе модифицированного закона Бира-Ламберта25.
ПРИМЕЧАНИЕ: В ссылке25 говорится: «Все этапы анализа данных проводятся на данных Oxy-Hb, которые являются индикатором изменения регионарного мозгового кровотока, имеющего более высокое отношение сигнал/шум26. Кроме того, предыдущие исследования использовали гиперсканирование fNIRS в сценариях преподавания и обучения, в основном сосредоточенных на концентрации Oxy-Hb11,12,13,14. - Калибровка временных рядов Oxy-Hb по артефактам движения методом на основе поканальных вейвлетов.
ПРИМЕЧАНИЕ: В частности, вейвлет Daubechies 5 (db5) с параметром настройки на 0,1 (см. подробности в руководствеHomer2) 27,28 принят для удаления артефактов движения. - Примените полосовой фильтр (т.е. 0,01-1 Гц) к калиброванным данным Oxy-Hb для уменьшения высокочастотного шума и медленного дрейфа.
- Проведение анализа основных компонентов (PCA) по сигналу OxyHb для удаления ненейрфейсных глобальных компонентов (например, артериального давления, дыхания и изменения кровотока)29.
ПРИМЕЧАНИЕ: Анализ PCA, предложенный Чжаном и его коллегами29, принят здесь.- Сначала разложим сигнал.
ПРИМЕЧАНИЕ: Конкретная формула разложения сигнала fNIRS выглядит так: H = UΣVT. Здесь временные и пространственные закономерности данных fNIRS представлены в двух матрицах (т.е. you и V). U — это 2D-матрица (точка выборки x главный компонент). V также является 2D (главный компонент x главный компонент) матрицей. Столбец в V указывает на один основной компонент (ПК), и сила этого ПК для конкретного канала оценивается в каждой записи столбца. Относительная важность каждого ПК представлена значением диагональной матрицы Σ. - Во-вторых, проведите пространственное сглаживание.
ПРИМЕЧАНИЕ: Свертка ядра Гаусса используется для удаления локализованных сигналов и получения глобального компонента. - В-третьих, реконструировать сигнал.
ПРИМЕЧАНИЕ: Для вычисления глобальной составляющей данных fNIRS матрица сглаженного пространственного паттерна V* подключается обратно к формуле декомпозиции: HGlobal = UΣ(V*)T. Затем локализованный производный нейрональный сигнал может быть получен с использованием исходных данных H для вычитания HGlobal : HNeuronal = H - HGlobal.
- Сначала разложим сигнал.
- Межмозговая синхронность
ПРИМЕЧАНИЕ: Чтобы выявить связь мозга в нейробиологии второго лица, здесь принята когерентность вейвлет-преобразования (WTC). Вкратце, ЦМТ измеряет корреляцию между двухвременные ряды в качестве функции частоты и времени. Специфическая формула вейвлет-когерентности двух временных рядов x и y выглядит так:
T и s обозначают время и вейвлет-шкалу отдельно, ‹·› указывает на операцию сглаживания в масштабе и времени. W представляет собой непрерывное вейвлет-преобразование. Затем генерируется 2D (время х частота) матрица ВТЦ30. Для расчета значения ЦМТ используется несколько наборов инструментов. Здесь был использован набор инструментов, созданный Гринстедом и егоколлегами, 30.- Принять функцию ЦМТ числовой вычислительной платформы (см. Таблицу материалов).
ПРИМЕЧАНИЕ: Здесь используется настройка по умолчанию материнского вейвлета (т.е. обобщенный вейвлет Морзе с его параметрами бета и гамма). Материнский вейвлет преобразует каждый временной ряд в частотную и временную области. - Установите настройку по умолчанию для других параметров (например, MonteCarloCount, представляющего количество суррогатных наборов данных при расчете значимости).
- Рассчитайте значение ЦМТ для двух соответствующих каналов (один и тот же канал у двух участников) в числовой вычислительной платформе (см. Таблицу материалов). Следуя той же процедуре, 46 матриц ЦМТ генерируются из 46 каналов.
- Определите полосу частот интереса (FOI), которая чувствительна к совместному обучению.
ПРИМЕЧАНИЕ: Здесь для обнаружения такого FOI31используется кластерный подход перестановки, который предлагает решение для множественных сравнений в многоканальных и многочастотных данных.- Выполните среднее значение значений ЦМТ на этапах покоя и совместного обучения, соответственно, для каждой комбинации каналов. Затем проведите парные выборочные t-тестывместе со всей частотой (диапазон частот: 0,01-1Гц 32)на этих усредненных по времени значениях ЦМТ (совместное обучение против покоя). Затем определите частотные бункеры, в которых эффект задачи является значительным (совместное обучение > отдых, p < 0,05).
- Получение значительной частоты соседних точек (≥2) в виде наблюдаемых кластеров и соответствующих значений Т.
- Проведите серию парных выборочных t-тестовна перестановленных данных, чтобы получить значения T для каждого кластера, квалифицированного на шаге 3.2.4.2, в течение 1000 раз.
ПРИМЕЧАНИЕ: Для формирования перестановочных данных участники случайным образом назначаются для формирования новых пар из двух членов. Поскольку длина наборов данных варьировалась в зависимости от диад для каждой случайной пары, более длинный набор данных обрезается до той же длины, что и более короткий33. - Сравните усредненные кластерные значения T из исходных пар со значениями T 1000 перестановок.
ПРИМЕЧАНИЕ: Значения p, вычисляемые по этой формуле34:
, где S0 обозначает наблюдаемое усредненное t-значение кластера, μp и σp указывают на среднее и стандартное отклонение значений перестановки. - Средние значения ЦМТ в идентифицированном FOI в каждом канале в каждой диаде. Затем примените преобразование fisher z к значениям WTC, чтобы получить нормальное распределение значений WTC. Используйте это значение для индексации IBS для дальнейшего статистического анализа.
- Принять функцию ЦМТ числовой вычислительной платформы (см. Таблицу материалов).
, где S0 обозначает наблюдаемое усредненное t-значение кластера, μp и σp указывают на среднее и стандартное отклонение значений перестановки.Subscription Required. Please recommend JoVE to your librarian.
Representative Results
На рисунке 1 показан экспериментальный протокол и местоположение зонда. Процесс записи данных fNIRS состоит из двух частей: сеанс состояния покоя (5 мин) и совместный сеанс (15-20 мин). Диады совместного обучения необходимы для того, чтобы расслабиться и быть неподвижным в состоянии покоя. После этого участникам говорят о совместном изучении учебного материала(рисунок 1А). Их префронтальная и левая височно-теменной области покрыты соответствующим набором зондов(рисунок 1В).
На рисунке 2 показан конвейер анализа данных fNIRS. Анализ данных fNIRS применяется ко всем данным fNIRS, записанным от каждого участника и каждого канала. Во-первых, плотность оптода в канале 33 для определенной диады визуализируется на фиг.2A. Плотность оптодов регистрируется в 46 каналах (Х) каждой диады совместного обучения системой измерения fNIRS. Во-вторых, после уточнения операции на этапах 3.1.5 и 3.1.7 для анализа ЦМТ подготавливаются жизнеспособные данные. Здесь красная кривая представляет данные, извлеченные методом удаления артефактов движения на основе вейвлетов; синяя кривая представляет данные, извлеченные как методом удаления артефактов движения на основе вейвлетов, так и PCA. Визуализированная разница между двумя кривыми предполагает, что PCA эффективен при удалении ненейральных сигналов(рисунок 2B). В-третьих, матрица ЦМТ визуализирована на рисунке 2C. Цветовая карта варьируется от синего до желтого, представляя значение СРК, бушующее от 0 до 1 (коэффициенты корреляции в зависимости от времени и частоты). Здесь 1 обозначает наибольшую когерентность между двумя сигналами fNIRS, а 0 означает, что когерентность не обнаружена. Красный прямоугольник на графике отмечает значительные коэффициенты. Кроме того, результаты показывают сильную когерентность около 1 Гц, представляющую когерентность сердечного ритма диады. Наконец, с операцией, указанной в шагах 3.2.4, сравнение между наблюдаемым значением T и распределением случайного значения T (т.е. 1000 раз) показывает значительные результаты (t (38) = 3,31, FDR скорректировал p < 0,05, коэнов d = 1,05) в идентифицированном FOI (0,015 Гц-0,021 Гц)(рисунок 2D)
На рисунке 3 представлены критические этапы кластерного подхода перестановки, используемого для обнаружения соответствующего диапазона частот совместного обучения.
Взятый вместе, следуя конвейеру анализа данных, полоса частот (бушевала от 0,015 Гц до 0,021 Гц), которая чувствительна к совместному обучению, определяется кластерным подходом перестановок. Кроме того, для каждого канала усредненное по времени значение IBS сравнивается между остальными и совместными фазами обучения с использованием серии парных выборочных t-тестов. Для решения задачи множественного сравнения все наблюдаемые p-значения в 46 каналах корректируются методами Рузвельта35,36. Результаты показывают, что IBS на канале 33 достигает значимости во время совместного обучения (FDR скорректировал p < 0,05). Никакие другие соответствующие каналы не показали значимых эффектов (р> 0,05).
Рисунок 1:Экспериментальный протокол и местоположение зонда. (A) Экспериментальная процедура. Мозговая активность из диад приобретается одновременно с помощью фНИРС. Сеанс покоящегося состояния длится 5 минут, в котором диады должны расслабиться и держаться неподвижно. После этого участникам говорят совместно изучить учебный материал (15-20 мин). (B) Набор датчиков optodes. Два набора зондов покрывают префронтальную и левую височно-темную области. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 2:Обзор анализа данных fNIRS. (A) Плотность оптода в канале 33 для одной примерной диады. Плотность оптодов регистрируется в 46 каналах (СГ) каждой диады совместного обучения. i, j, плотность оптода двух участников диады совместного обучения; т, время. (B) Процедура предварительной обработки данных. Метод удаления артефактов движения на основе вейвлетов и PCA применяются к данным Oxy-Hb в последовательности. Здесь красная кривая представляет данные, извлеченные методом удаления артефактов движения на основе вейвлетов; синяя кривая представляет данные, извлеченные как методом удаления артефактов движения на основе вейвлетов, так и PCA. kметод на основе вейвлетов,данные, извлеченные процессом устранения артефактов движения на основе вейвлетов. kметод на основе вейвлетов + PCA, данные, извлеченные как методом удаления артефактов движения на основе вейвлетов, так и методом PCA. (C) Сюжет ВТЦ в канале 33 для одной образцовой диады. Цветовая карта варьируется от синего до желтого, представляя значение IBS в диапазоне от 0 до 1 (коэффициенты корреляции как функция времени и частоты). Здесь 1 обозначает наибольшую когерентность между двумя сигналами fNIRS, а 0 указывает на то, что когерентность не обнаружена. Красный прямоугольник на графике отмечает значительные коэффициенты. ЦМТ оценивает IBS по двум чистым временным рядам Oxy-Hb. (D) Кластерный подход к перестановки. Сравните наблюдаемое значение T с распределением случайных значений T в идентифицированном FOI (0,015 Гц-0,021 Гц). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 3:Блок-схема определения FOI, связанного с совместным обучением. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Дополнительная таблица S1. Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Во-первых, в настоящем протоколе изложены конкретные этапы проведения экспериментов гиперсканирования fNIRS в сценарии совместного обучения. Во-вторых, также представлен конвейер анализа данных, который оценивает СРК гемодинамических сигналов в диадах совместного обучения. Детальная операция по проведению экспериментов по гиперсканированию fNIRS будет способствовать развитию открытой науки. Кроме того, здесь представлен конвейер анализа для повышения воспроизводимости исследований гиперсканирования. Далее освещаются важнейшие вопросы проектирования эксперимента, проведения эксперимента, анализа данных в экспериментах гиперсканирования (fNIRS). Кроме того, обсуждаются возможные решения существующих ограничений.
Экспериментальное проектирование
Экспериментальный проект исследования гиперсканирования fNIRS является гибким. Здесь метод гиперсканирования fNIRS применяется в сценарии совместного обучения. Двум участникам было предложено изучить конкретные правила матрицы фигур вместе, и их мозговая деятельность была записана fNIRS одновременно. Этот подход позволяет исследователям исследовать параллельную нейронную динамику в реальном времени (то есть IBS) в диадах совместного обучения. Согласно предыдущим исследованиям, СРК был обнаружен в сценариях преподавания и обучения и отслеживает эффективный режим обучения11. Нейронное выравнивание, обнаруженное в диадах совместного обучения, может служить потенциальным нейронным механизмом, лежащим в основе успешного обучения, и обеспечивает последствия для разработки эффективных шаблонов совместного обучения. Между тем, критические вопросы экспериментального проектирования должны быть решены: время эксперимента ограничено 30 минутами в этом эксперименте. Эта установка объясняется двумя причинами: во-первых, носить кепки с оптоодами fNIRS на голове неудобно, участники не могут долго стоять. Во-вторых, трудно попросить участников быть неподвижными во время совместного обучения в течение длительного времени. Ограниченное время эксперимента позволило бы получить сигналы хорошего качества.
Проведение эксперимента
Наиболее сложной частью гиперсканирования fNIRS в сценарии совместного обучения является получение высококачественных сигналов мозга. На основе настоящего протокола выделены три важнейших этапа: создание соответствующих колпачков, размещение оптодов и проведение пространственной регистрации соответствующих каналов. Во-первых, поскольку окружность головы варьируется у разных участников, важно сделать колпачки, которые подходят разным людям. Во-вторых, при размещении соответствующего колпачка на головах участников убедитесь, что кончики оптодов могут напрямую контактировать с кожей головы. Для достижения этой цели необходимо отработать эту операцию перед экспериментом. В-третьих, проведение пространственной регистрации с помощью 3D-дигитайзера позволяет идентифицировать соответствующие анатомические расположения каналов NIRS (КС) на коре головного мозга37,38,39. Этот протокол предлагает завершить пространственную регистрацию для всех участников, чтобы получить усредненные и надежные результаты. В связи с этим в предыдущих исследованиях участников просили провести предварительный тест, чтобы обеспечить получение точных гемодинамических сигналов. В частности, участники выполнили классическую задачу постукивания пальцем и большим пальцем правой рукой, во время которой fNIRS регистрировал гемодинамическую динамику. Участники, которые обнаружили значительный сигнал fNIRS (p < 0,05) в левой моторной коре, имеют право участвовать в исследовании. Этот метод гарантирует, что записанные сигналы можно будет поймить на всех участниках40.
Анализ данных
Процесс анализа данных в этом протоколе состоит из двух частей: препроцесс и анализ ЦМТ. Здесь следует выделить три критических этапа анализа данных: во-первых, проведение алгоритма пространственного фильтра основного компонента (PCA) на нейронных данных. Чжан и Кулеаж29 предложили этот подход для разделения глобальных и локальных эффектов. Хотя fNIRS обеспечивает относительно свободное движение и общение, PCA необходим для извлечения точных сигналов из системных изменений (например, частота дыхания, кровяное давление, частота сердечных сокращений, частота дыхания и активность вегетативной нервной системы). Протокол здесь предполагает, что PCA эффективен в устранении глобальных эффектов. Этот метод широко используется в исследованиях гиперсканирования fNIRS13. В целом, ненейвральные компоненты могут быть успешно удалены с помощью пространственной фильтрации. Во-вторых, ЦМТ принят для выявления СРК диад совместного обучения. ЦМТ представляет собой подход к оценке коэффициентов корреляции между двумя временными рядами в зависимости от времени и частоты41. Этот метод может выявить локально фазовое поведение, которое может не быть обнаружено при традиционном подходе, таком как анализ Фурье30. И этот метод широко используется для оценки СРК при гиперсканирование fNIRS с различными парадигмами, такими как кооперативное и конкурентное поведение4,42,изучение мониторинга действий43,имитации44,вербальной коммуникации8,невербальной коммуникации19,учебно-воспитательной деятельности11,12,13, 14 и социального взаимодействия матери и ребенка45.
Между тем, другие методы, такие как анализ причинности Грейнджера (GCA), корреляционный анализ и анализ фазовой синхронности, используются в исследованиях гиперсканирования. GCA - это метод выявления направленной (причинно-следственной) информации между двумя данными временных рядов46. Этот метод когда-то использовался для проверки направления информационного потока между преподавателем и учеником12. Корреляционный анализ также принят в области гиперсканирования на основе fNIRS для оценки СРК у диад, которые выполняют совместные или соревновательные задания47,48. По сравнению с анализом ЦМТ этот метод характеризует только ковариированные признаки двух временных рядов fNIRS по временному потоку и пропущенную потенциальную информацию по частоте.
Кроме того, в исследованиях гиперсканирования ЭЭГ использовались другие подходы, которые количественно оценивали фазовую синхронность со значением блокировки фазы (PLV). PLV оценивает согласованность разности фаз между двумя сигналами49. Тем не менее, Берджесс предположил, что PLV показывает предвзятость при обнаружении гиперконнективности, которой не существует, особенно когда используются небольшие выборки50. В-третьих, принятие непараметрического статистического теста для выявления частоты, связанной с совместным обучением, имеет важное значение. Сначала FOI, связанный с задачей, выбирается либо путем выполнения предложений в предыдущих исследованиях, либо в соответствии с конкретным дизайном эксперимента (т. Е. Как долго длится одно испытание задачи в эксперименте). В последнее время для получения надежных и репродуктивных результатов в процессе выбора FOI используются непараметрические подходы к статистическому тестированию. Здесь эта техника работала эффективно. FoI, связанный с совместным обучением (0,015-0,021 Гц), идентифицирован, и аналогичные частотные диапазоны были идентифицированы в исследованиях гиперсканирования fNIRS в сценарии обучения13 и в парадигмах вербальной коммуникации8. Необходимо применять этот метод в конвейере анализа данных с несколькими мозгами. В целом, создание подходящих алгоритмов и методов для анализа данных гиперсканирования будет заметной областью.
Ограничения и будущее направление
Несколько ограничений могут быть улучшены в будущем, чтобы получить репродуктивный и устойчивый СРК в реалистичном контексте социального взаимодействия от мультимозгового мозга. Во-первых, вес волокна слишком тяжелый и неудобный для длительного ношения; таким образом, время эксперимента ограничено 30 мин. В будущем, если записывать активность нескольких мозгов в классе, трудно попросить учеников носить фуражки fNIRS в течение одного школьного периода (т. Е. 50 минут). Таким образом, носимые настройки fNIRS необходимы в реальном сценарии чтения лекций и обучения. Во-вторых, хотя fNIRS показывает более высокую толерантность к движению головы, чем фМРТ, этот метод может обнаружить только активность мозга поверхностной коры15. Таким образом, гиперсканирование fNIRS не может быть использовано в парадигме исследования нейронного механизма, связанного с вознаграждением, в котором миндалина играет решающую роль51. Между тем, ограниченное количество источников и детекторов в установке fNIRS предполагает, что не будет измерена вся кора головного мозга. Это означает, что исследователи должны выбрать интересуемый регион (ROI) для измерения. В-третьих, PCA принят для устранения загрязняющих веществ в системе. Хотя этот метод эффективен, в будущем добавление коротких каналов, которые учитывают внемозжечковый кровоток, который может загрязнять сигналы fNIRS, также является эффективным подходом29,39. В-четвертых, процедура анализа данных в этом протоколе может быть применена в других натуралистических исследованиях гиперсканирования fNIRS. Следующим шагом является разработка пакетов анализа данных для конкретных fNIRS со стандартным руководством. В-пятых, в этом протоколе WTC используется для идентификации параллельной мозговой активности (т. Е. СРК). С развитием техники расчета ковариированной нейронной активности также могут быть использованы другие методы, такие как теория графов и GCA. В-шестых, необходимо набирать контрольные условия, такие как условия разговора, которые требуют, чтобы диады говорили на конкретные темы, чтобы исключить смешанные эффекты. Между тем, чтобы выявить, какая учебная деятельность в совместном обучении (т.е. совместное построение знаний52)приведет к IBS. И также важно, могут ли эти обнаруженные СРК использоваться для отслеживания эффективности обучения диад совместного обучения. Наконец, необходимо также создать основу для разъяснения механизма СРК. Исследователи пытаются разглядеть, является ли это только эпифеноменом или нейронным механизмом социального взаимодействия Гамильтона53. Для достижения этой цели, с одной стороны, Гамильтон предложил подход xGLM, который моделирует активность мозга, данные о поведении и физиологические данные вместе, чтобы исследовать надежное объяснение связи мозга53. С другой стороны, Новембре и Ланнетти предложили провести мультимозгомическую стимуляцию (МБС), чтобы выявить механизм параллельной мозговой активности54.
Заключение
Гиперсканирование fNIRS приводит к сдвигу парадигмы от традиционного дизайна эксперимента к реалистичным сценариям социального взаимодействия в социальной нейробиологии. СРК, извлеченная этим методом, дает новый взгляд на объяснение нейробиологического механизма социальных взаимодействий. Наконец, установленный стандартизированный конвейер сбора и анализа данных станет вехой для получения достоверных результатов и продвижения недавнего эксперимента гиперсканирования.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Авторам нечего раскрывать.
Acknowledgments
Эта работа поддерживается Программой содействия академическим инновациям ECNU для отличных докторантов (YBNLTS2019-025) и Национальным фондом естественных наук Китая (31872783 и 71942001).
Materials
| Name | Company | Catalog Number | Comments |
| EEG caps | Compumedics Neuroscan,Charlotte,USA | 64-channel Quik-Cap | We choose two sizes of cap(i.e.medium and large). |
| NIRS measurement system with probe sets and probe holder grids | Hitachi Medical Corporation, Tokyo, Japan | ETG-7100 Optical Topography System | The current study protocol requires an optional second adult probe set for 92 channels of measurement in total. |
| Numeric computing platform | The MathWorks, Inc., Natick, MA | MATLAB R2020a | Serves as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2 (fNIRS preprocess analysis), and "wtc" function(WTC computation). |
| Psychology software | psychology software tools,Sharpsburg, PA,USA | E-prime 2.0 | We apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data. |
| Swimming caps | Zoke corporation,Shanghai,China | 611503314 | We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk. |
| Three-dimensional (3-D) digitizer | Polhemus, Colchester, VT, USA; | Three-dimensional (3-D) digitizer | Anatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer |
References
- Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
- Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
- Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
- 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).
- Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
- Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
- Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
- 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).
- 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).
- 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).
- 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).
- 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).
- Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
- 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).
- 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).
- 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).
- 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).
- Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
- 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).
- Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
- 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).
- 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).
- Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
- Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
- 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).
- Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
- Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
- Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
- 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).
- 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).
- Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
- 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).
- 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).
- 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).
- 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).
- 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).
- Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
- 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).
- 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).
- 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).
- Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
- 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).
- 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).
- Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
- Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
- Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
- 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).
- 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).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
- Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
- 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).
- Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
- Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
- Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).
