Summary
Het protocol voor het uitvoeren van fNIRS hyperscanning experimenten op collaboratieve leren dyads in een naturalistische leeromgeving wordt geschetst. Verder wordt een pijplijn gepresenteerd om de Inter-Brain Synchrony (IBS) van zuurstofhoudende hemoglobine (Oxy-Hb) signalen te analyseren.
Abstract
fNIRS hyperscanning wordt veel gebruikt om de neurobiologische onderbouwing van sociale interactie te detecteren. Met deze techniek kwalificeren onderzoekers de gelijktijdige hersenactiviteit van twee of meer interactieve individuen met een nieuwe index genaamd inter-hersensynchronisatie (IBS) (d.w.z. fase- en / of amplitude-uitlijning van de neuronale of hemodynamische signalen in de tijd). Een protocol voor het uitvoeren van fNIRS hyperscanning experimenten op collaboratieve leren dyads in een naturalistische leeromgeving wordt hier gepresenteerd. Verder wordt een pijplijn van het analyseren van IBS van zuurstofrijk hemoglobine (Oxy-Hb) signaal uitgelegd. Specifiek worden het experimentele ontwerp, het proces van NIRS-gegevensregistratie, gegevensanalysemethoden en toekomstige richtingen allemaal besproken. Over het algemeen is het implementeren van een gestandaardiseerde fNIRS hyperscanning-pijplijn een fundamenteel onderdeel van de neurowetenschappen van de tweede persoon. Dit is ook in lijn met de roep om open wetenschap om de reproduceerbaarheid van onderzoek te ondersteunen.
Introduction
Onlangs, om de gelijktijdige hersenactiviteit over de interactieve dyads of leden van een groep te onthullen, gebruiken onderzoekers de hyperscanning-benadering1,2. In het bijzonder worden elektro-encefalogram (EEG), functionele magnetische resonantie beeldvorming (fMRI) en functionele nabij-infraroodspectroscopie (fNIRS) gebruikt om de neurale en hersenactiviteiten van twee of meer proefpersonen tegelijkertijd vast te leggen3,4,5. Onderzoekers extraheren een neurale index met gelijktijdige hersenkoppeling op basis van deze techniek, die verwijst naar inter-hersensynchronisatie (IBS) (d.w.z. fase- en / of amplitude-uitlijning van de neuronale of hemodynamische signalen in de tijd). Een grote verscheidenheid aan hyperscanning-onderzoek vond IBS tijdens sociale interactie tussen meerdere individuen (bijv. Speler-publiek, instructeur-leerling en leider-volger)6,7,8. Bovendien heeft IBS specifieke implicaties van effectief leren en instructie9,10,11,12,13,14. Met de toename van hyperscanning-onderzoek in naturalistische leerscenario's is het noodzakelijk om een standaardprotocol van hyperscanning-experimenten en de pijplijn van data-analyse op dit gebied vast te stellen.
Dit artikel biedt dus een protocol voor het uitvoeren van fNIRS-gebaseerde hyperscanning van collaboratieve leer dyads en een pijplijn voor het analyseren van IBS. fNIRS is een optisch beeldvormingsinstrument, dat nabij-infrarood licht uitstraalt om de spectrale absorptie van hemoglobine indirect te beoordelen, en vervolgens wordt hemodynamische / oxygenatieactiviteit gemeten15,16,17. In vergelijking met fMRI is fNIRS minder gevoelig voor bewegingsartefacten, waardoor metingen mogelijk zijn van proefpersonen die echte experimenten doen (bijv. Imitatie, praten en non-verbale communicatie)18,7,19. In vergelijking met EEG heeft fNIRS een hogere ruimtelijke resolutie, waardoor onderzoekers de locatie van hersenactiviteit kunnen detecteren20. Deze voordelen in ruimtelijke resolutie, logistiek en haalbaarheid kwalificeren fNIRS dus om hyperscanningmetingen uit te voeren1. Met behulp van deze technologie detecteert een opkomend onderzoeksorgaan een indexterm als IBS - de neurale uitlijning van de hersenactiviteit van twee (of meer) mensen - in verschillende vormen van naturalistische sociale instellingen9,10,11,12,13,14. In die studies worden verschillende methoden (d.w.z. correlatieanalyse en Wavelet Transform Coherence (WTC) -analyse) toegepast om deze index te berekenen; ondertussen is een standaard pijplijn voor een dergelijke analyse essentieel, maar ontbreekt het. Als gevolg hiervan wordt in dit werk een protocol gepresenteerd voor het uitvoeren van fNIRS-gebaseerde hyperscanning en een pijplijn met behulp van WTC-analyse om IBS te identificeren
Deze studie heeft tot doel IBS te evalueren in collaboratieve leer dyads met behulp van de fNIRS hyperscanning-techniek. Ten eerste wordt een hemodynamische respons gelijktijdig geregistreerd in de prefrontale en linker temporoparietale regio's van elke dyads tijdens een gezamenlijke leertaak. Deze regio's zijn geïdentificeerd als geassocieerd met interactief lesgeven en leren9,10,11,12,13,14. Ten tweede wordt de IBS berekend op elk overeenkomstig kanaal. Het fNIRS-gegevensregistratieproces bestaat uit twee delen: rusttoestandsessie en samenwerkingssessie. De rustsessie duurt 5 minuten, waarbij beide deelnemers (face-to-face zittend, gescheiden van elkaar aan een tafel (0,8 m)) stil moeten blijven en ontspannen. Deze rusttoestandsessie wordt als basislijn gediend. Vervolgens wordt de deelnemers in de samenwerkingssessie verteld om het volledige leermateriaal samen te bestuderen, begrip op te wekken, de regels samen te vatten en ervoor te zorgen dat alle leermaterialen onder de knie zijn. Hier worden de specifieke stappen voor het uitvoeren van het experiment en fNIRS-gegevensanalyse gepresenteerd.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle gerekruteerd deelnemers (40 dyads, gemiddelde leeftijd 22,1 ± 1,2 jaar; 100% rechtshandig; normaal of gecorrigeerd naar normaal zicht) waren gezond. Voorafgaand aan het experiment gaven de deelnemers geïnformeerde toestemming. Deelnemers werden financieel gecompenseerd voor hun deelname. De studie werd goedgekeurd door het University Committee of Human Research Protection (HR-0053-2021), East China Normal University.
1. Voorbereidingsstappen voordat gegevens worden aangenomen
- Zelfgemaakte NIRS caps
- Neem elastische badmuts aan om optode houderrooster te plaatsen.
OPMERKING: Aangezien de hoofdmaten van de deelnemers verschillend zijn, worden twee maten petten gebruikt. Small caps worden voorbereid voor deelnemers met een hoofdomtrek van 55,4 ± 1,1 cm, en large caps zijn voor de deelnemers met een hoofdomtrek van 57,9 ± 1,2 cm. - Veranker de locatie van de EEG-elektroden (inion, Cz, T3, T4, Fpz en P5) als referentie-optodes volgens het standaard internationale 10-10-systeem op elastische badmutsen (zie Materiaaltabel).
- Plaats eerst de standaard 10-10 EEG-dop (zie Materialentabel)op de hoofdvorm en plaats de elastische badmuts op de EEG-dop. Ten tweede, markeer referentie optodes (inion, Cz, T3, T4, Fpz en P5) met krijt op elke dop. Snijd ten slotte twee gaten met een diameter van ongeveer 15 mm om de twee referentie-optodes te plaatsen (d.w.z. Fpz en P5, figuur 1).
OPMERKING: In het bijzonder worden een 3 x 5 optode sondeset en een 4 x 4 optode sondeset afzonderlijk geplaatst over het prefrontale gebied (referentie-optode wordt geplaatst bij Fpz, figuur 1B) en linker temporoparietale gebieden (referentie-optode wordt geplaatst op P5, figuur 1B).
- Plaats eerst de standaard 10-10 EEG-dop (zie Materialentabel)op de hoofdvorm en plaats de elastische badmuts op de EEG-dop. Ten tweede, markeer referentie optodes (inion, Cz, T3, T4, Fpz en P5) met krijt op elke dop. Snijd ten slotte twee gaten met een diameter van ongeveer 15 mm om de twee referentie-optodes te plaatsen (d.w.z. Fpz en P5, figuur 1).
- Snijd gaten om de andere optodes te plaatsen. Schik een badmuts met twee roosterhouders direct op de kopvorm. Markeer vervolgens de locatie van andere optodes met krijt. Knip daarna de restgaten om ervoor te zorgen dat de roosterhouder erin past.
- Monteer twee sondesets (d.w.z. 3 x 5 en 4 x 4) op de badmutsen (zie Materialen tabel).
OPMERKING: Het NIRS-meetsysteem (zie Materiaaltabel)biedt deze standaard sondesets (d.w.z. 3 x 5 en 4 x 4) met standaard houderaansluitingen die de optodescheiding van 30 mm garanderen. - Open het monitorvenster van de sondeset bij het NIRS-meetsysteem en selecteer vier sondesets die voor elke persoon afzonderlijk in 3 x 5 en 4 x 4 zijn gerangschikt.
OPMERKING: De sondeopstellingen van de twee doppen moeten overeenkomen met de structuren in het sondesetvenster (d.w.z. de exacte locatie van de sondenummers van de ontvanger en de respectieve emitter).
- Neem elastische badmuts aan om optode houderrooster te plaatsen.
- Voorbereiding van het experiment
- Voordat u gegevens registreert, moet u ervoor zorgen dat het NIRS-systeem een stabiele bedrijfstemperatuur houdt door het systeem gedurende ten minste 30 minuten te starten.
OPMERKING: De stabiele bedrijfstemperatuur varieerde van 5 °C tot 35 °C. - Stel de meetmodus in op gebeurtenisgerelateerde meting. Zorg ervoor dat de triggers-ontvanger actief is (d.w.z. de RS232 seriële ingang).
OPMERKING: Het experiment is geprogrammeerd in commercieel beschikbare psychologiesoftware (zie Tabel met materialen). De absorptie van nabij-infrarood licht (twee golflengten: 695 en 830 nm) wordt gemeten met een bemonsteringsfrequentie van 10 Hz. - Bereid de verlichte glasvezelsonde voor, die kan worden gebruikt om het haar opzij te schuiven.
- Stel de experimenteeromgeving in met één tafel met twee stoelen om de stoelen van de deelnemers face-to-face te houden.
- Voordat u gegevens registreert, moet u ervoor zorgen dat het NIRS-systeem een stabiele bedrijfstemperatuur houdt door het systeem gedurende ten minste 30 minuten te starten.
2. Gegevens overnemen door deelnemers te instrueren
- Bereid de deelnemers voor
- Instrueer de deelnemers, inclusief de details van NIRS-meetmethoden.
LET OP: Alle deelnemers waren gezond en werden financieel gecompenseerd voor deelname. Geen enkele deelnemer trok zich halverwege terug uit het experiment. De laserstraal van de NIRS kan schadelijk zijn voor de ogen van de deelnemers en ze kregen de instructie om niet rechtstreeks in die laserstralen te kijken. - Laat de deelnemers face-to-face zitten (afgezien van een tafel (0,8 m)) om ervoor te zorgen dat ze elkaar direct kunnen zien. Pas de afstand van stoel tot tafel (d.w.z. bijna 0,3 m) aan om de deelnemers comfortabel te laten zitten.
- Schakel de laserknop in en plaats de doppen met de sondesets op de hoofden van de deelnemers.
OPMERKING: De 3 x 5 sondesets bedekken het voorhoofd van de deelnemers (middelste sonde van de onderste rij wordt op Fpz geplaatst); de 4 x 4 sondesets bedekken de linker temporoparietale cortex (de derde sonde van de derde rij wordt op P5 geplaatst). - Leg de vier optische vezelbundels losjes op de armen van de houder zonder contact met de deelnemers of stoelen.
OPMERKING: Hier heeft het NIRS-meetsysteem vier bundels optische vezels. Zorg er daarnaast voor dat de deelnemers zich niet te zwaar voelen om de doppen eraf te trekken. - Laat de tasterpunten de hoofdhuid van de deelnemers raken door elke veerbelastingsonde voorzichtig verder in de socket te duwen.
- Voer signaalkalibratie uit.
- Controleer eerst de kwaliteit van het signaal door op Auto Gain te klikken in het monitorvenster van de sondeset van de fNIRS-machine. Vervolgens worden het slechte signaal en het voldoende signaal van een kanaal respectievelijk geel en groen gemarkeerd in het monitorvenster van de sondeset.
OPMERKING: Voor een kanaal met onvoldoende signalen worden verlichte glasvezelsondes gebruikt om het haar onder de punt van de sonde naar één kant te verplaatsen. - Duw vervolgens de sondes verder in hun stopcontacten om voldoende signalen te krijgen. Herhaal dit proces totdat alle kanalen groen zijn gemarkeerd in het monitorvenster van de sondeset van het NIRS-meetsysteem, wat aangeeft dat de kwaliteit van de signalen toegankelijk is.
- Controleer eerst de kwaliteit van het signaal door op Auto Gain te klikken in het monitorvenster van de sondeset van de fNIRS-machine. Vervolgens worden het slechte signaal en het voldoende signaal van een kanaal respectievelijk geel en groen gemarkeerd in het monitorvenster van de sondeset.
- Instrueer de deelnemers, inclusief de details van NIRS-meetmethoden.
- Het experiment uitvoeren
- Start het experiment met een rusttoestand van 5 minuten, die als basislijn dient. Vervolgens moeten twee deelnemers het leermateriaal samen leren.
- Klik na het experiment op Tekstbestand uit om de onbewerkte lichtintensiteitsgegevens te exporteren en de gegevens op te slaan als een tekstbestand.
OPMERKING: Er worden geen filters toegepast in het NIRS-meetsysteem. - Gebruik de driedimensionale (3D) digitizer (zie Tabel met materialen)om de locaties van emitters, ontvangers en andere referenties (d.w.z. inion, nasion, Cz en linker- en rechteroren) voor elke deelnemer te bepalen.
- Verkrijg de MNI-coördinaten voor de opnamekanalen met behulp van het in de handel verkrijgbare numerieke computerplatform21 (zie Tabel met materialen). Aanvullende tabel S1 toont de overeenkomstige anatomische locaties van elk kanaal.
- Reinig sondes en sondehouders met ethanol. Was doppen met mild wasmiddel en laat de doppen aan de lucht drogen.
3. Data-analyse
- Voorbewerken van gegevens
OPMERKING: Eerder onderzoek heeft variabele niet-commerciële softwarepakketten aangenomen (bijv. Homer222, AnalyzIR23, of nirs LAB24) met numerieke computerplatforms (zie Tabel met materialen) over fNIRS-gegevensanalyse, en ze zijn allemaal beschikbaar op de website. Hier werd Homer2 gebruikt om de voorbewerking van de NIRS-gegevens uit te doen. Bovendien delen zowel fNIRS-opnamegegevens die zijn verzameld in de rest- als de gezamenlijke leerfasen dezelfde voorbewerkings- en analysepijplijn.- Kopieer de gegevensset van de fNIRS-machine. Converteer de oorspronkelijke gegevensvorming naar de juiste formatie (d.w.z. cvs-bestand converteren naar nirs-bestand).
- Converteer ruwe gegevens naar od-gegevens (optical density) met de functie "hmrIntensity2OD" in het numerieke computerplatform (zie Materiaaltabel).
- Verwijder de slechte kanalen. Voer vervolgens het gemiddelde van de OD-waarde voor elke deelnemer op elk kanaal en de volledige steekproefpunten uit.
OPMERKING: Hier worden 46 gemiddelde OD-waarden verkregen.- Bereken de standaarddeviatie (SD) voor elke deelnemer.
- Markeer als onbruikbaar en verwijder de kanalen met een zeer lage of hoge OD (die meer dan 5 SD's bedroeg) uit de analyse voor elke deelnemer.
OPMERKING: Deze stap kan worden uitgevoerd voor en/of na de voorbewerking van fNIRS-gegevens. In deze pijplijn voor gegevensanalyses worden de slechte kanalen gedetecteerd voordat de fNIRS-gegevens worden voorbewerkt.
- Converteer de OD-tijdgegevens naar Oxy-Hb, DeOxy-Hb en gecombineerd signaal op basis van de gewijzigde Beer-Lambert Law25.
OPMERKING: Referentie25 zegt: "Alle gegevensanalysestappen worden uitgevoerd op Oxy-Hb-gegevens, wat een indicator is van de verandering in de regionale cerebrale bloedstroom met een hogere signaal-ruisverhouding26. Bovendien gebruikte eerder onderzoek fNIRS-hyperscanning in onderwijs- en leerscenario's voornamelijk gericht op Oxy-Hb-concentratie11,12,13,14. - Kalibreer Oxy-Hb-tijdreeksen van bewegingsartefacten met de kanaal-voor-kanaal wavelet-gebaseerde methode.
OPMERKING: Specifiek, de Daubechies 5 (db5) wavelet met tuning parameter op 0.1 (zie details in Homer2 handleiding)27,28 wordt gebruikt bij het verwijderen van bewegingsartefacten. - Pas het banddoorlaatfilter (d.w.z. 0,01-1 Hz) toe op de gekalibreerde Oxy-Hb-gegevens om de hoogfrequente ruis en langzame drift te verminderen.
- Voer principal components analysis (PCA) uit op het OxyHb-signaal om niet-neurale globale componenten (bijv. Bloeddruk, ademhaling en variatie in de bloedstroom) te verwijderen29.
OPMERKING: De pca-analyse voorgesteld door Zhang en collega's29 wordt hier aangenomen.- Ontleed eerst het signaal.
OPMERKING: De specifieke formule van de ontleding van het fNIRS-signaal is: H = UΣVT. Hier worden temporele en ruimtelijke patronen van fNIRS-gegevens gepresenteerd in twee matrices (d.w.z. u en V). U is een 2D-matrix (sample point x principal component). V is ook een 2D (principal component x principal component) matrix. De kolom in V geeft één hoofdcomponent (pc) aan en de sterkte van die pc voor een bepaald kanaal wordt geschat in elk item van de kolom. Het relatieve belang van elke pc wordt weergegeven door de waarde van de diagonale matrix Σ. - Ten tweede, voer ruimtelijke afvlakking uit.
OPMERKING: Gaussische kernelconvolutie wordt gebruikt om gelokaliseerde signalen te verwijderen en de globale component op te halen. - Ten derde, reconstrueer het signaal.
OPMERKING: Om de globale component van de fNIRS-gegevens te berekenen, wordt de afgevlakte ruimtelijke patroonmatrix V* teruggeplugd in de decompositieformule: HGlobal = UΣ(V*)T. Vervolgens kan gelokaliseerd afgeleid neuronaal signaal worden verkregen met behulp van originele gegevens H om HGlobal: H Neuronal = H - HGlobalaf te trekken.
- Ontleed eerst het signaal.
- Synchronisatie tussen de hersenen
OPMERKING: Om hersenkoppeling in de tweede persoons neurowetenschappen te onthullen, wordt hier wavelet transform coherence (WTC) aangenomen. In het kort meet WTC de correlatie tussen tweetijdreeksen als functie van frequentie en tijd. De specifieke formule van waveletcoherentie van tweevoudige reeksen x en y is:
T en s geven de tijd- en waveletschaal afzonderlijk aan, ‹·› geeft een afvlakkingsbewerking in schaal en tijd aan. W staat voor de continue wavelettransformatie. Vervolgens wordt een 2D (tijd x frequentie) WTC-matrix gegenereerd30. Verschillende toolboxen worden gebruikt om de WTC-waarde te berekenen. Hier werd de toolbox gemaakt door Grinsted en collega's30.- Neem de WTC-functie van het numerieke computerplatform over (zie Tabel met materialen).
OPMERKING: Hier wordt de standaardinstelling van de moedergolflet (d.w.z. Generalized Morse Wavelet met zijn parameters bèta en gamma) gebruikt. Moeder wavelet zet elke tijdreeks om in het frequentie- en tijdsdomein. - Stel de standaardinstelling in voor de andere parameters (d.w.z. MonteCarloCount, dat het aantal surrogaatgegevenssets in de significantieberekening vertegenwoordigt).
- Bereken de WTC-waarde voor twee overeenkomstige kanalen (hetzelfde kanaal in twee deelnemers) in een numeriek computerplatform (zie Tabel met materialen). Volgens dezelfde procedure worden 46 WTC-matrices gegenereerd uit 46 kanalen.
- Bepaal de frequency band of interest (FOI), die gevoelig is voor samenwerkend leren.
OPMERKING: Hier wordt een clustergebaseerde permutatiebenadering gebruikt om dergelijke FOI31te detecteren , die een oplossing biedt voor meerdere vergelijkingen in meerkanaals- en multifrequentiegegevens.- Voer het tijdgemiddelde van de WTC-waarden uit in respectievelijk de rust- en collaboratieve leerfase voor elke kanaalcombinatie. Voer vervolgens gepaarde monster t-testsuit samen met de volledige frequentie (frequentiebereik: 0,01-1Hz32) op deze tijdgemiddelde WTC-waarden (samenwerkend leren versus rust). Identificeer vervolgens frequentiebakken waarbij het taakeffect significant is (samenwerkend leren > rest, p < 0,05).
- Verkrijg significante frequentie-naburige punten (≥2) als waargenomen clusters en overeenkomstige T-waarden.
- Voer een reeks gepaarde t-voorbeeldtests uit op gepermuteerde gegevens om de T-waarden te genereren voor elk cluster dat in stap 3.2.4.2 voor 1000 keer is gekwalificeerd.
OPMERKING: Voor het vormen van gepermuteerde gegevens worden deelnemers willekeurig toegewezen om nieuwe tweekoppige paren te vormen. Omdat de lengte van datasets varieerde tussen dyads voor elk willekeurig paar, wordt de langere dataset bijgesneden tot dezelfde lengte als de kortere33. - Vergelijk de gemiddelde clustergebaseerde T-waarden van oorspronkelijke paren met de T-waarden van 1000 permutaties.
OPMERKING: De p-waarden geëvalueerd door deze formule34:
, waarbij S0 de waargenomen gemiddelde-cluster t-waarde aanduidt, geven μp en σp het gemiddelde en de standaardafwijking van de permutatiewaarden aan. - Gemiddelde WTC-waarden in de geïdentificeerde FOI in elk kanaal in elke dyade. Pas vervolgens fisher z-transformatie toe op de WTC-waarden om een normale verdeling van WTC-waarden te krijgen. Gebruik deze waarde om de IBS te indexeren voor verdere statistische analyse.
- Neem de WTC-functie van het numerieke computerplatform over (zie Tabel met materialen).
, waarbij S0 de waargenomen gemiddelde-cluster t-waarde aanduidt, geven μp en σp het gemiddelde en de standaardafwijking van de permutatiewaarden aan.Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Figuur 1 illustreert het experimentele protocol en de locatie van de sonde. Het fNIRS-gegevensregistratieproces bestaat uit twee delen: rusttoestandsessie (5 min) en samenwerkingssessie (15-20 min). De samenwerkende leer dyads zijn nodig om te ontspannen en stil te blijven in de rusttoestand sessie. Daarna krijgen de deelnemers te horen dat ze het leermateriaal moeten co-leren(figuur 1A). Hun prefrontale en linker temporoparietale gebieden worden gedekt door de overeenkomstige sondeset (figuur 1B).
Figuur 2 illustreert de pijplijn voor fNIRS-gegevensanalyse. De fNIRS-gegevensanalyse wordt toegepast op alle fNIRS-gegevens die van elke deelnemer en elk kanaal worden geregistreerd. Ten eerste wordt de optodedichtheid in kanaal 33 voor een bepaalde dyade gevisualiseerd in figuur 2A. De optodedichtheid wordt geregistreerd in 46 kanalen (CHs) van elke collaboratieve leerstof door het fNIRS-meetsysteem. Ten tweede, met de operatie verduidelijkt in stappen 3.1.5 en 3.1.7, worden haalbare gegevens voorbereid voor WTC-analyse. Hier vertegenwoordigt de rode curve de gegevens die zijn geëxtraheerd door de op wavelet gebaseerde bewegingsartefacten verwijderen methode; de blauwe curve vertegenwoordigt de gegevens die zijn geëxtraheerd door zowel de wavelet-gebaseerde bewegingsartefacten verwijderen methode en PCA. Gevisualiseerd verschil tussen twee curven suggereert dat PCA efficiënt is in het verwijderen van niet-neurale signalen(figuur 2B). Ten derde wordt de WTC-matrix gevisualiseerd in figuur 2C. De kleurenkaart varieert van blauw tot geel en vertegenwoordigt de waarde van IBS van 0 tot 1 (correlatiecoëfficiënten als functie van tijd en frequentie). Hier geeft 1 de grootste samenhang aan tussen twee fNIRS-signalen en 0 geeft aan dat er geen coherentie wordt gedetecteerd. Een rode rechthoek in het waarnemingspunt markeert significante coëfficiënten. Bovendien tonen de resultaten een sterke coherentie rond 1 Hz, wat de hartritmecoherentie van de dyade vertegenwoordigt. Ten slotte, met de bewerking vermeld in stap 3.2.4, toont de vergelijking tussen de waargenomen T-waarde en de verdeling van de willekeurige T-waarde (d.w.z. 1000 keer) significante resultaten (t (38) = 3,31, FDR gecorrigeerd p < 0,05, Cohen's d = 1,05) in geïdentificeerde FOI (0,015 Hz-0,021 Hz) (Figuur 2D)
Figuur 3 toont de kritieke stappen van de clustergebaseerde permutatiebenadering die wordt gebruikt om de voor samenwerkend leren relevante frequentieband te detecteren.
Alles bij elkaar genomen, na de pijplijn voor gegevensanalyse, wordt de frequentieband (gewoed van 0,015 Hz tot 0,021 Hz), die gevoelig is voor samenwerkend leren, geïdentificeerd door clustergebaseerde permutatiebenadering. Verder wordt voor elk kanaal de tijdgemiddelde IBS-waarde vergeleken tussen de rest en de collaboratieve leerfasen met behulp van een reeks gepaarde steekproef-t-tests. Voor het oplossen van het meervoudige vergelijkingsprobleem worden alle waargenomen p-waarden in 46 kanalen gecorrigeerd met FDR-methoden35,36. De resultaten laten zien dat de PDS bij kanaal 33 significantie bereikt tijdens collaboratief leren (FDR gecorrigeerd p < 0,05). Geen enkele andere overeenkomstige kanalen wees op significante effecten (p > 0,05).
Figuur 1: Experimenteel protocol en sondelocatie. (A) Experimentele procedure. Hersenactiviteit van dyads wordt gelijktijdig verkregen met behulp van fNIRS. De rustsessie duurt 5 minuten, waarbij dyads nodig zijn om te ontspannen en stil te blijven. Daarna krijgen de deelnemers te horen dat ze het leermateriaal moeten meeleren (15-20 min). (B) Optodes sonde set. Twee sondesets bestrijken de prefrontale en linker temporoparietale gebieden. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2: Overzicht van de fNIRS-gegevensanalyse. (A) Optodedichtheid in kanaal 33 voor één voorbeeldige dyade. Optodedichtheid wordt geregistreerd in 46 kanalen (CHs) van elke collaboratieve leer dyade. i, j, Optode-dichtheid van twee deelnemers aan een collaboratieve leerdijl; t, tijd. B)Procedure voor gegevensverwerking. Wavelet-gebaseerde bewegingsartefacten verwijderen methode en PCA worden toegepast op Oxy-Hb-gegevens in volgorde. Hier vertegenwoordigt de rode curve de gegevens die zijn geëxtraheerd door de op wavelet gebaseerde bewegingsartefacten verwijderen methode; de blauwe curve vertegenwoordigt de gegevens die zijn geëxtraheerd door zowel de wavelet-gebaseerde bewegingsartefacten verwijderen methode en PCA. kwavelet-gebaseerde methode, gegevens geëxtraheerd door de Wavelet-gebaseerde motion artifacts elimineren proces. kwavelet-gebaseerde methode + PCA, gegevens geëxtraheerd door zowel Wavelet-gebaseerde bewegingsartefacten verwijderen methode en PCA. (C) WTC-perceel in kanaal 33 voor één voorbeeldige dyade. De kleurenkaart varieert van blauw tot geel en vertegenwoordigt de waarde van IBS varieerde van 0 tot 1 (correlatiecoëfficiënten als functie van tijd en frequentie). Hier geeft 1 de grootste samenhang tussen twee fNIRS-signalen aan en 0 geeft aan dat er geen coherentie wordt gedetecteerd. Een rode rechthoek in het waarnemingspunt markeert significante coëfficiënten. WTC schat IBS op twee schone Oxy-Hb tijdreeksen. (D) Clustergebaseerde permutatiebenadering. Vergelijk de waargenomen T-waarde met de verdeling van willekeurige T-waarden in geïdentificeerde FOI (0,015 Hz-0,021 Hz). Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 3: Stroomdiagram van het identificeren van de foi met betrekking tot samenwerkend leren. Klik hier om een grotere versie van deze figuur te bekijken.
Aanvullende tabel S1. Klik hier om deze tabel te downloaden.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Ten eerste worden in het huidige protocol de specifieke stappen van het uitvoeren van fNIRS-hyperscanning-experimenten in een collaboratief leerscenario vermeld. Ten tweede wordt ook de data-analysepijplijn gepresenteerd die de IBS van hemodynamische signalen in collaboratieve leer dyads beoordeelt. De gedetailleerde operatie voor het uitvoeren van fNIRS-hyperscanning-experimenten zou de ontwikkeling van open wetenschap bevorderen. Verder wordt hier de analysepijplijn voorzien om de reproduceerbaarheid van hyperscanningonderzoek te vergroten. Hieronder worden de kritieke kwesties van experimentontwerp, het uitvoeren van een experiment, data-analyse in (fNIRS) hyperscanning-experimenten allemaal belicht. Daarnaast worden ook mogelijke oplossingen voor huidige beperkingen besproken.
Experimenteel ontwerp
Het experimentele ontwerp voor de fNIRS hyperscanning studie is flexibel. Hier wordt de fNIRS hyperscanning techniek toegepast in het collaborative learning scenario. Twee deelnemers werd gevraagd om samen specifieke regels van de figuurmatrix te leren en hun hersenactiviteiten werden tegelijkertijd door fNIRS geregistreerd. Deze aanpak stelt onderzoekers in staat om real-time gelijktijdige neurale dynamica (d.w.z. IBS) te verkennen in collaboratieve leerdijlen. Volgens eerder onderzoek is IBS gedetecteerd in onderwijs- en leerscenario's en volgt het de effectieve onderwijsmodus11. Neurale uitlijning gedetecteerd in collaboratieve leer dyads kan dienen als een potentieel neuraal mechanisme dat succesvol leren ondersteunt en implicaties biedt voor het ontwerpen van effectieve collaboratieve leerpatronen. Ondertussen moeten kritieke problemen met betrekking tot experimenteel ontwerp worden aangepakt: de experimentele tijd is beperkt tot 30 minuten in dit experiment. Twee redenen verklaren deze instelling: Ten eerste is het dragen van petten met fNIRS-optodes op het hoofd niet comfortabel, deelnemers kunnen niet lang staan. Ten tweede is het moeilijk om deelnemers te vragen om lang stil te blijven staan tijdens co-learning. De beperkte experimenteertijd zou het mogelijk maken om signalen van goede kwaliteit te verkrijgen.
Het experiment uitvoeren
Het meest uitdagende deel van het doen van fNIRS hyperscanning in een collaboratief leerscenario is het krijgen van hoogwaardige hersensignalen. Op basis van het huidige protocol worden drie kritische stappen uitgelicht: het maken van geschikte caps, het plaatsen van optodes en het uitvoeren van ruimtelijke registratie van bijbehorende kanalen. Ten eerste, omdat de hoofdomtrek varieert tussen de deelnemers, is het essentieel om petten te maken die bij verschillende personen passen. Ten tweede, wanneer u een geschikte dop op het hoofd van de deelnemers plaatst, moet u ervoor zorgen dat de uiteinden van optodes rechtstreeks contact kunnen maken met de hoofdhuidhuid. Om dit doel te bereiken, is het oefenen van deze bewerking vóór het experiment nodig. Ten derde kan het uitvoeren van ruimtelijke registratie met een 3D-digitizer de overeenkomstige anatomische locaties van NIRS-kanalen (CHs) op de hersenschorsidentificeren 37,38,39. Dit protocol stelt voor om de ruimtelijke registratie voor alle deelnemers te voltooien om gemiddelde en robuuste resultaten te krijgen. Langs deze lijn vroeg eerder onderzoek deelnemers om een pre-test uit te voeren om ervoor te zorgen dat nauwkeurige hemodynamische signalen kunnen worden verkregen. Specifiek voerden de deelnemers een klassieke vinger-duim tikkende taak uit met hun rechterhand, waarbij fNIRS hemodynamische dynamiek registreerde. Deelnemers die een significant fNIRS-signaal (p < 0,05) in de linker motorische cortex hebben gedetecteerd, zijn gekwalificeerd om deel te nemen aan het onderzoek. Deze techniek zorgt ervoor dat opgenomen signalen bruikbaar zijn op alle deelnemers40.
Data-analyse
Het data-analyseproces in dit protocol bestaat uit twee delen: preprocess en WTC-analyse. Drie kritieke stappen voor gegevensanalyse moeten hier worden benadrukt: ten eerste, het uitvoeren van het belangrijkste component ruimtelijke filteralgoritme (PCA) op de neurale gegevens. Zhang en couleage29 stelden deze aanpak voor voor de scheiding van de globale en lokale effecten. Hoewel fNIRS relatief vrije beweging en communicatie mogelijk maakt, is PCA noodzakelijk om nauwkeurige signalen van systemische veranderingen te extraheren (bijv. Ademhalingsfrequentie, bloeddruk, hartslag, ademhalingsfrequentie en activiteit van het autonome zenuwstelsel). Het protocol hier suggereert dat PCA efficiënt is in het verwijderen van de wereldwijde effecten. Deze methode wordt veel gebruikt in fNIRS hyperscanning studies13. Al met al kunnen niet-neurale componenten met succes worden verwijderd met behulp van ruimtelijke filtering. Ten tweede wordt WTC aangenomen om de IBS van collaboratieve leer dyads te identificeren. WTC is een benadering van het beoordelen van de correlatiecoëfficiënten tussen tweetijdreeksen als functie van tijd en frequentie41. Deze methode kan lokaal fasegebonden gedrag onthullen dat mogelijk niet wordt gedetecteerd met een traditionele benadering zoals Fourier-analyse30. En deze methode wordt veel gebruikt om IBS in fNIRS hyperscanning te schatten met verschillende paradigma's, zoals coöperatief en competitief gedrag4,42,het bestuderen van actiemonitoring43,imitatie44,verbale communicatie8,non-verbale communicatie19,onderwijs- en leeractiviteit11,12,13,14 en moeder-kind sociale interactie45.
Ondertussen worden andere technieken, zoals Granger Causality Analyze (GCA), correlatieanalyse en fasesynchronisatieanalyse, gebruikt in hyperscanning-onderzoek. GCA is een methode voor het onthullen van gerichte (causale) informatie tussen twee tijdreeksgegevens46. Deze methode is ooit gebruikt om de richting van de informatiestroom tussen instructeur en leerling te testen12. Correlatieanalyse wordt ook toegepast in het op fNIRS gebaseerde hyperscanning-veld om IBS te schatten in dyads die coöperatieve of concurrerende taken uitvoeren47,48. In vergelijking met WTC-analyse karakteriseert deze methode alleen de covaried kenmerken van twee fNIRS-tijdreeksen langs tijdstroom en gemiste potentiële informatie in frequentie.
Daarnaast werden andere benaderingen gebruikt die fasesynchronisatie met Fasevergrendelingswaarde (PLV) kwantificeerden in EEG-hyperscanningstudies. PLV schat de consistentie van het faseverschil tussen tweesignalen 49. Burgess suggereerde echter dat PLV een vooroordeel vertoont over het detecteren van hyperconnectiviteit die niet bestaat, vooral wanneer kleine monsters worden gebruikt50. Ten derde is het van essentieel belang om een niet-parametrische statistische test toe te passen om de collaboratieve leergerelateerde frequentie te detecteren. In eerste instantie wordt taakgerelateerde FOI geselecteerd door suggesties in eerder onderzoek te volgen of volgens een specifiek experimentontwerp (d.w.z. hoe lang voor één taakproef in een experiment). Onlangs zijn, om robuuste en reproductieve resultaten te verkrijgen in het FOI-selectieproces, niet-parametrische statistische testbenaderingen aangenomen. Hier werkte deze techniek efficiënt. De collaboratieve leergerelateerde FOI (0,015-0,021 Hz) wordt geïdentificeerd en vergelijkbare frequentiebanden zijn geïdentificeerd in fNIRS-hyperscanningonderzoek in onderwijsscenario13 en in verbale communicatieparadigma's8. Het is noodzakelijk om deze techniek toe te passen in de multi-brain data-analyse pijplijn. Al met al zal het opzetten van geschikte algoritmen en methoden voor de analyse van hyperscanning-gegevens een prominent veld zijn.
Beperking en toekomstige richting
Verschillende beperkingen kunnen in de toekomst worden verbeterd om reproductieve en robuuste PDS te verkrijgen binnen een realistische sociale interactiecontext van een multi-brein. Ten eerste is het gewicht van de vezel te zwaar en ongemakkelijk om lang te dragen; de tijd van het experiment is dus beperkt tot 30 minuten. In de toekomst, als de multi-hersenactiviteit in de klas wordt vastgelegd, is het moeilijk om studenten te vragen om fNIRS-petten te dragen tijdens één schoolperiode (d.w.z. 50 minuten). Draagbare fNIRS-instellingen zijn dus vereist in het daadwerkelijke les- en leerscenario. Ten tweede, hoewel de fNIRS een hogere tolerantie voor hoofdbeweging vertoont dan fMRI, kan deze techniek alleen de hersenactiviteit van de oppervlaktecortex detecteren15. FNIRS-hyperscanning kan dus niet worden gebruikt in het beloningsgerelateerde neurale mechanisme dat paradigma onderzoekt, waarin de amygdala een cruciale rol speelt51. Ondertussen suggereert het beperkte aantal bronnen en detectoren in de fNIRS-opstelling dat niet de hele hersenschors zou worden gemeten. Dat betekent dat onderzoekers de regio van belang (ROI) moeten selecteren om te meten. Ten derde wordt PCA aangenomen om de systeemverontreinigingen te elimineren. Hoewel deze techniek efficiënt is, is het toevoegen van korte kanalen die rekening houden met extra cerebellaire bloedstroom, die fNIRS-signalen kan besmetten, in de toekomst ook een efficiënte aanpak29,39. Ten vierde kan de data-analyseprocedure in dit protocol worden toegepast in andere naturalistische fNIRS-hyperscanningstudies. De volgende stap is het ontwikkelen van fNIRS-specifieke data-analysepakketten met de standaard richtlijn. Ten vijfde wordt WTC in dit protocol gebruikt om de gelijktijdige hersenactiviteit (d.w.z. IBS) te identificeren. Met de ontwikkeling van een techniek voor het berekenen van covaried neurale activiteit kunnen ook andere methoden zoals grafentheorie en GCA worden gebruikt. Ten zesde is het noodzakelijk om controlevoorwaarden te rekruteren, zoals gespreksomstandigheden die vereisen dat dyads over specifieke onderwerpen praten om verstorende effecten uit te sluiten. Ondertussen, om te onthullen welke leeractiviteit in samenwerkend leren (d.w.z. kennis co-constructie52) zou leiden tot de IBS. En of deze gedetecteerde PDS kunnen worden gebruikt om de leerprestaties van collaboratieve leer dyads te volgen, zijn ook belangrijk. Ten slotte is het ook dringend noodzakelijk om een kader te bieden om het mechanisme van PDS uit te leggen. Onderzoekers proberen te onderscheiden of dit alleen het epifenomeen is of een neuraal mechanisme van sociale interactie door Hamilton53. Om dit doel te bereiken, stelde Hamilton enerzijds een xGLM-benadering voor die hersenactiviteit, gedragsgegevens en fysiologische gegevens samen modelleert om de betrouwbare verklaring van hersenkoppeling te onderzoeken53. Aan de andere kant stelden Novembre en Lannetti voor om multi-hersenstimulatie (MBS) uit te voeren om het mechanisme van gelijktijdige hersenactiviteit te onthullen54.
Conclusie
fNIRS hyperscanning leidt tot een paradigmaverschuiving van traditioneel experimentontwerp naar realistische sociale interactiescenario's in de sociale neurowetenschappen. De IBS geëxtraheerd door deze methode biedt een nieuwe kijk om het neurobiologische mechanisme van sociale interacties te verklaren. Ten slotte zou de gevestigde gestandaardiseerde pijplijn van het verzamelen en analyseren van gegevens de mijlpaal zijn voor het genereren van geldige resultaten en het bevorderen van het recente hyperscanning-experiment.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs hebben niets te onthullen.
Acknowledgments
Dit werk wordt ondersteund door het ECNU Academic Innovation Promotion Program for Excellent Doctoral Students (YBNLTS2019-025) en de National Natural Science Foundation of China (31872783 en 71942001).
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).
