Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Synkron mellom hjerner i åpen samarbeidslæring: En fNIRS-hyperskanningsstudie

Published: July 21, 2021 doi: 10.3791/62777
Automatic Translation
1,2, 1,2, 1,2
1School of Psychology and Cognitive Science, East China Normal University, 2Shanghai Key Laboratory of Mental Health and Crisis Intervention, East China Normal University

Summary

Protokollen for å gjennomføre fNIRS hyperskanningseksperimenter på samarbeidende læringsdyder i et naturalistisk læringsmiljø er skissert. Videre presenteres en rørledning for å analysere Inter-Brain Synchrony (IBS) av oksygenerte hemoglobin (Oxy-Hb) signaler.

Abstract

fNIRS hyperskanning er mye brukt til å oppdage nevrobiologiske understøttelser av sosial interaksjon. Med denne teknikken kvalifiserer forskere den samtidige hjerneaktiviteten til to eller flere interaktive individer med en ny indeks kalt inter-brain synkron (IBS) (dvs. fase- og / eller amplitudejustering av nevronale eller hemodynamiske signaler over tid). En protokoll for å gjennomføre fNIRS hyperskanningseksperimenter på samarbeidende læringsdyder i et naturalistisk læringsmiljø presenteres her. Videre forklares en rørledning for å analysere IBS av oksygenert hemoglobin (Oxy-Hb) signal. Spesielt diskuteres den eksperimentelle designen, prosessen med NIRS-dataregistrering, dataanalysemetoder og fremtidige retninger. Totalt sett er implementering av en standardisert fNIRS hyperscanning pipeline en grunnleggende del av andrepersons nevrovitenskap. Dette er også i tråd med oppfordringen om åpen vitenskap for å hjelpe forskningens reproduserbarhet.

Introduction

Nylig, for å avsløre den samtidige hjerneaktiviteten på tvers av de interaktive dyadene eller medlemmene av en gruppe, bruker forskere hyperskanningsmetoden1,2. Spesielt brukes elektroencefalogram (EEG), funksjonell magnetisk resonansavbildning (fMRI) og funksjonell nær-infrarød spektroskopi (fNIRS) til å registrere nevrale og hjerneaktiviteter fra to eller flere personer samtidig3,4,5. Forskere trekker ut en nevral indeks som innebærer samtidig hjernekobling basert på denne teknikken, som refererer til synkron synkron (IBS) mellom hjerne (dvs. fase- og/eller amplitudejustering av nevronale eller hemodynamiske signaler over tid). Et stort utvalg av hyperskanningsundersøkelser fant IBS under sosial interaksjon mellom flere personer (f.eks. spiller-publikum, instruktør-elev og leder-følger)6,7,8. Videre har IBS spesifikke implikasjoner av effektiv læring og instruksjon9,10,11,12,13,14. Med økende hyperskanningsforskning i naturalistiske læringsscenarioer er det nødvendig å etablere en standardprotokoll for hyperskanningsforsøk og rørledningen for dataanalyse på dette feltet.

Dermed gir dette dokumentet en protokoll for å utføre fNIRS-basert hyperskanning av samarbeidende læringsdyder og en rørledning for å analysere IBS. fNIRS er et optisk bildebehandlingsverktøy, som utstråler nær-infrarødt lys for å vurdere spektral absorpsjon av hemoglobin indirekte, og deretter måles hemodynamisk / oksygeneringsaktivitet15,16,17. Sammenlignet med fMRI er fNIRS mindre utsatt for bevegelsesartefakter, slik at målinger fra personer som utfører virkelige eksperimenter (f.eks. imitasjon, snakking og ikke-verbal kommunikasjon)18,7,19. Sammenlignet med EEG har fNIRS høyere romlig oppløsning, slik at forskere kan oppdage plasseringen av hjerneaktivitet20. Dermed kvalifiserer disse fordelene i romlig oppløsning, logistikk og gjennomførbarhet fNIRS til å utføre hyperskanningsmåling1. Ved hjelp av denne teknologien oppdager et fremvoksende forskningsorgan et indeksbegrep som IBS - nevral justering av to (eller flere) menneskers hjerneaktivitet i forskjellige former for naturalistiske sosiale innstillinger9,10,11,12,13,14. I disse studiene brukes ulike metoder (dvs. korrelasjonsanalyse og Wavelet Transform Coherence (WTC)-analyse) for å beregne denne indeksen; I mellomtiden er en standard rørledning på en slik analyse viktig, men mangler. Som et resultat presenteres en protokoll for å utføre fNIRS-basert hyperskanning og en rørledning ved hjelp av WTC-analyse for å identifisere IBS i dette arbeidet

Denne studien tar sikte på å evaluere IBS i samarbeidende læringsdyder ved hjelp av fNIRS hyperskanningsteknikk. For det første registreres en hemodynamisk respons samtidig i hver dyads prefrontale og venstre temporoparietale regioner under en samarbeidende læringsoppgave. Disse områdene er identifisert som knyttet til interaktiv undervisning og læring9,10,11,12,13,14. For det andre beregnes IBS på hver tilsvarende kanal. FNIRS-dataregistreringsprosessen består av to deler: hviletilstandsøkt og samarbeidsøkt. Hviletilstandsøkten varer i 5 minutter, hvor begge deltakerne (sitter ansikt til ansikt, bortsett fra hverandre ved et bord (0,8 m)) er pålagt å forbli stille og slappe av. Denne hviletilstandsøkten fungerer som grunnlinje. Deretter, i samarbeidsøkten, blir deltakerne bedt om å studere hele læringsmateriellet sammen, fremkalle forståelse, oppsummere reglene og sørge for at alt læringsmateriell blir mestret. Her presenteres de spesifikke trinnene for å utføre eksperimentet og fNIRS-dataanalysen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Alle rekrutterte deltakere (40 dyader, gjennomsnittsalder 22,1 ± 1,2 år; 100% høyrehendt, normal eller korrigert til normal syn) var sunne. Før eksperimentet ga deltakerne informert samtykke. Deltakerne ble økonomisk kompensert for sin deltakelse. Studien ble godkjent av University Committee of Human Research Protection (HR-0053-2021), East China Normal University.

1. Forberedelsestrinn før du tar i bruk data

  1. Hjemmelagde NIRS-caps
    1. Ta i bruk elastisk svømmehette for å plassere optodeholdergitteret.
      MERK: Tatt i betraktning at deltakernes hodestørrelser er forskjellige, brukes to størrelser av caps. Kapitéler er forberedt for deltakere med en hodeomkrets på 55,4 ± 1,1 cm, og store caps er for deltakerne med en hodeomkrets på 57,9 ± 1,2 cm.
    2. Forankre plasseringen av EEG-elektrodene (inion, Cz, T3, T4, Fpz og P5) som referanse optoder i henhold til standard internasjonalt 10-10-system på elastiske svømmehetter (se Materialliste).
      1. Plasser først standard 10-10 EEG-hette (se Materialbord) på hodeformen, og legg den elastiske svømmehetten på EEG-hetten. For det andre, merk referanse optodes (inion, Cz, T3, T4, Fpz og P5) med kritt på hver hette. Til slutt kutter du to hull ca. 15 mm i diameter for å plassere de to referanse optodene (dvs. Fpz og P5, figur 1).
        MERK: Nærmere bestemt plasseres et 3 x 5 optode-sondesett og et 4 x 4 optode-sondesett separat over det prefrontale området (referanse optode er plassert på Fpz, figur 1B) og venstre temporoparietale områder (referanse optode er plassert på P5, figur 1B).
    3. Klipp hull for å plassere de andre optodene. Ordne en svømmehette med to gitterholdere direkte på hodeformen. Merk deretter plasseringen av andre optoder med kritt. Deretter kutter du resten av hullene for å sikre at gitterholderen passer inn.
    4. Monter to sondesett (dvs. 3 x 5 og 4 x 4) på svømmehettene (se Materialbord).
      MERK: NIRS-målesystemet (se Materialliste) gir disse standard sondesettene (dvs. 3 x 5 og 4 x 4) med standard holderkontakter som sikrer 30 mm optodeseparasjon.
    5. Åpne overvåkingsvinduet for sondesettet ved NIRS-målesystemet, og velg fire sondesett ordnet i 3 x 5 og 4 x 4 for hver person, separat.
      MERK: Probearrangementene til de to hettene skal samsvare med strukturene i probesettvinduet (dvs. den nøyaktige plasseringen av mottakersondenumrene og den respektive senderen).
  2. Forberedelse av eksperimentet
    1. Før du registrerer data, må du sørge for at NIRS-systemet holder en stabil driftstemperatur ved å starte systemet i minst 30 minutter.
      MERK: Den stabile driftstemperaturen varierte fra 5 °C til 35 °C.
    2. Sett målemodusen til hendelsesrelatert måling. Kontroller at utløsermottakeren er aktiv (dvs. den serielle RS232-inngangen).
      MERK: Eksperimentet er programmert i kommersielt tilgjengelig psykologi programvare (se Tabell over materialer). Absorpsjonen av nær-infrarødt lys (to bølgelengder: 695 og 830 nm) måles med en samplingsfrekvens på 10 Hz.
    3. Forbered den opplyste fiberoptiske sonden, som kan brukes til å flytte håret til side.
    4. Sett eksperimentmiljøet med ett bord med to stoler for å holde deltakernes seter ansikt til ansikt.

2. Ta i bruk data ved å instruere deltakerne

  1. Forbered deltakerne
    1. Instruere deltakerne, inkludert detaljer om NIRS-målemetoder.
      MERK: Alle deltakerne var friske og ble økonomisk kompensert for deltakelse. Ingen deltakere trakk seg fra eksperimentet halvveis. Laserstrålen til NIRS kan være skadelig for deltakernes øyne, og de ble instruert om ikke å se direkte inn i disse laserstrålene.
    2. Få deltakerne til å sitte ansikt til ansikt (bortsett fra et bord (0,8 m)) for å sikre at de kan se hverandre direkte. Juster avstanden fra stol til bord (dvs. nesten 0,3 m) slik at deltakerne sitter komfortabelt.
    3. Slå på laserknappen, og plasser hettene med sondesettene på deltakernes hoder.
      MERK: De 3 x 5 sondesettene dekker pannen til deltakerne (den midterste sonden på den nederste raden er plassert på Fpz); De 4 x 4 sondesettene dekker venstre temporoparietal cortex (den tredje sonden på tredje rad er plassert på P5).
    4. Sett de fire optiske fiberbuntene løst på holderens armer uten kontakt med deltakerne eller stolene.
      MERK: Her har NIRS-målesystemet fire bunter optiske fibre. I tillegg må du sørge for at deltakerne ikke føler seg for tunge til å trekke av hettene.
    5. La probespissene berøre deltakernes hodebunn ved å skyve hver fjærlastsonde forsiktig videre inn i stikkontakten.
    6. Utfør signalkalibrering.
      1. Kontroller først kvaliteten på signalet ved å klikke på Auto Gain i overvåkingsvinduet for sondesettet på fNIRS-maskinen. Deretter merkes en kanals dårlige signal og tilstrekkelige signaler i henholdsvis gult og grønt i overvåkingsvinduet for sondesettet.
        MERK: For en kanal med utilstrekkelige signaler brukes opplyste fiberoptiske sonder til å flytte håret under sondens spiss til den ene siden.
      2. Skyv deretter sondene lenger inn i stikkontaktene for å få tilstrekkelige signaler. Gjenta denne prosessen til alle kanalene er merket med grønt i overvåkingsvinduet for probesettet i NIRS-målesystemet, noe som indikerer at signalkvaliteten er tilgjengelig.
  2. Kjør eksperimentet
    1. Start eksperimentet med en 5 min hviletilstand, som fungerer som basislinje. Deretter er det nødvendig med to deltakere for å lære læringsmaterialet samtidig.
    2. Etter eksperimentet klikker du på Tekstfil ut for å eksportere rå lysintensitetsdata og lagre dataene som en tekstfil.
      MERK: Ingen filtre brukes i NIRS-målesystemet.
    3. Bruk den tredimensjonale (3D) digitaliseringsenheten (se Materialfortegnelse) til å bestemme plasseringene til sendere, mottakere og andre referanser (dvs. inion, nasion, Cz og venstre og høyre ører) for hver deltaker.
      1. Skaff deg MNI-koordinatene for opptakskanalene ved hjelp av den kommersielt tilgjengelige numeriske dataplattformen21 (se Materialfortegnelse). Supplerende tabell S1 viser de tilsvarende anatomiske plasseringene til hver kanal.
    4. Rengjør sonder og sondeholdere med etanol. Vask hettene med mildt vaskemiddel og la hettene lufttørke.

3. Dataanalyse

  1. Forhåndsbehandling av data
    MERK: Tidligere forskning har tatt i bruk variable ikke-kommersielle programvarepakker (f.eks.22, AnalyseIR23eller nirs LAB24) med numeriske databehandlingsplattformer (se Tabell over materialer) på fNIRS dataanalyse, og de er alle tilgjengelige på nettstedet. Her ble Homer2 brukt til å utføre forhåndsbehandlingen av NIRS-dataene. I tillegg deler både fNIRS-registreringsdata som samles inn i resten og samarbeidende læringsfaser, samme rørledning for forhåndsbehandling og analyse.
    1. Kopier datasettet fra fNIRS-maskinen. Konverter den opprinnelige dataformasjonen til riktig formasjon (dvs. konverter CVS-fil til nirsfil).
    2. Konverter rådata til optiske tetthetsdata (OD) med "hmrIntensity2OD"-funksjonen som finnes i den numeriske databehandlingsplattformen (se Tabell over materialer).
    3. Slett de dårlige kanalene. Deretter beregner du OD-verdien for hver deltaker på henholdsvis hver kanal og hele utvalgspoeng.
      MERK: Her oppnås 46 gjennomsnittlige OD-verdier.
      1. Beregn standardavviket (SD) for hver deltaker.
      2. Merk som ubrukelig og fjern kanalene med svært lav eller høy OD (som oversteg 5 SDer) fra analysen for hver deltaker.
        MERK: Dette trinnet kan utføres før og/eller etter fNIRS-dataforbehandling. I denne dataanalysepipeline oppdages de dårlige kanalene før fNIRS-dataforbehandlingen.
    4. Konverter OD-tidsdataene til Oxy-Hb, DeOxy-Hb og kombinert signal basert på den modifiserte Beer-Lambert Law25.
      MERK: Referanse25 sier: "Alle dataanalysetrinn utføres på Oxy-Hb-data, som er en indikator på endringen i regional hjerneblodstrøm som har høyere signal-til-støy-forhold26. I tillegg brukte tidligere forskning fNIRS hyperskanning i undervisnings- og læringsscenarioer hovedsakelig fokusert på Oxy-Hb konsentrasjon11,12,13,14."
    5. Kalibrer Oxy-Hb-tidsserier fra bevegelsesartefakter ved hjelp av den kanal-for-kanal wavelet-baserte metoden.
      MERK: Nærmere bestemt, Daubechies 5 (db5) wavelet med tuning parameter på 0.1 (se detaljer i Homer2 manual)27,28 er vedtatt i fjerne bevegelse artefakter.
    6. Påfør båndpassfilteret (dvs. 0,01-1 Hz) på de kalibrerte Oxy-Hb-dataene for å redusere høyfrekvent støy og langsom drift.
    7. Utfør hovedkomponentanalyse (PCA) på OxyHb-signalet for å fjerne ikke-nevrale globale komponenter (f.eks. blodtrykk, respirasjon og blodstrømsvariasjon)29.
      MERK: PCA-analysen foreslått av Zhang og kolleger29 er vedtatt her.
      1. Først dekomponerer du signalet.
        MERK: Den spesifikke formelen for dekomponering av fNIRS-signal er: H = UΣVT. Her presenteres tidsmessige og romlige mønstre av fNIRS-data i to matriser (dvs. du og V). U er en 2D-matrise (sample point x principal component). V er også en 2D-matrise (hovedkomponent x hovedkomponent). Kolonnen i V angir en hovedkomponent (PC), og styrken til den PCen for en bestemt kanal er estimert i hver oppføring i kolonnen. Den relative betydningen av hver PC er representert av verdien av den diagonale matrisen Σ.
      2. For det andre, utfør romlig utjevning.
        MERK: Gaussisk kjernekonvolusjon brukes til å fjerne lokaliserte signaler og få den globale komponenten.
      3. For det tredje, rekonstruer signalet.
        MERK: For å beregne den globale komponenten av fNIRS-dataene, er den utjevnede romlige mønstermatrisen V* koblet tilbake til nedbrytningsformelen: HGlobal = UΣ(V*)T. Deretter kan lokalisert avledet nevronsignal oppnås ved hjelp av originale data H for å trekke fra HGlobal : HNeuronal = H - HGlobal.
  2. Synkron mellom hjerner
    MERK: For å avsløre hjernekobling i andrepersons nevrovitenskap, er wavelet transform coherence (WTC) vedtatt her. Kort sagt måler WTC korrelasjonen mellom togangsserier som en funksjon av frekvens og tid. Den spesifikke formelen for wavelet sammenheng av to-gangs serie x og y er:
    Equation 1
    T og s angir tids- og bølgeskalaen separat, «·› indikerer en utjevningsoperasjon i skala og tid. W representerer den kontinuerlige bølgetransformasjonen. Deretter genereres en 2D-matrise (tid x frekvens)WTC-matrise 30. Flere verktøykasser brukes til å beregne WTC-verdien. Her ble verktøykassen opprettet av Grinsted og kolleger brukt30.
    1. Ta i bruk WTC-funksjonen til den numeriske dataplattformen (se Tabell over materialer).
      MERK: Her brukes standardinnstillingen til moderbølgen (dvs. Generalized Morse Wavelet med parametrene beta og gamma). Mor wavelet konverterer hver tidsserie til frekvens- og tidsdomenet.
    2. Angi standardinnstillingen for de andre parameterne (dvs. MonteCarloCount, som representerer antall surrogatdatasett i signifikansberegningen).
    3. Beregne WTC-verdien for to tilsvarende kanaler (samme kanal i to deltakere) i en numerisk dataplattform (se Materialfortegnelser). Etter samme prosedyre genereres 46 WTC-matriser fra 46 kanaler.
    4. Bestem frekvensbåndet av interesse (FOI), som er følsomt for samarbeidslæring.
      MERK: Her er en klyngebasert permutasjonstilnærming vedtatt for å oppdage slike FOI31, som tilbyr en løsning på flere sammenligninger i flerkanals- og flerfrekvensdata.
      1. Utfør tidsgjennomsnittet av WTC-verdiene i henholdsvis hvile- og samarbeidslæringsfasene for hver kanalkombinasjon. Utfør deretter parvise utvalg t-tester sammen med hele frekvensen (frekvensområde: 0,01-1Hz32) på disse tidsgjennomsnittte WTC-verdiene (samarbeidslæring vs. hvile). Deretter identifiserer du frekvenshyller der oppgaveeffekten er betydelig (samarbeidende læring > hvile, p < 0,05).
      2. Oppnå signifikant frekvens nærliggende punkter (≥2) som observerte klynger og tilsvarende T-verdier.
      3. Utfør en serie med parvise utvalg t-tester på permuterte data for å generere T-verdiene for hver klynge som er kvalifisert i trinn 3.2.4.2 for 1000 ganger.
        MERK: For å danne permuterte data tilordnes deltakerne tilfeldig til å danne nye tomedlemspar. Etter hvert som lengden på datasettene varierte på tvers av dyader for hvert tilfeldige par, trimmes det lengre datasettet til samme lengde som det kortere33.
      4. Sammenlign de gjennomsnittlige klyngebaserte T-verdiene fra opprinnelige par med T-verdiene på 1000 permutasjoner.
        MERK: P-verdiene som evalueres av denne formelen34:
        Equation 2, der S0 angir observert t-verdi for gjennomsnittsklynge, μp og σp angir gjennomsnittet og standardavviket for permutasjonsverdier.
      5. Gjennomsnittlige WTC-verdier i den identifiserte FOI-en i hver kanal i hver dyad. Bruk deretter fisher z-transformasjon på WTC-verdiene for å få en normal fordeling av WTC-verdier. Bruk denne verdien til å indeksere IBS for videre statistisk analyse.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figur 1 illustrerer den eksperimentelle protokollen og sondeplasseringen. FNIRS-dataregistreringsprosessen består av to deler: hviletilstandsøkt (5 min) og samarbeidsøkt (15-20 min). De samarbeidende læringsdydene er pålagt å slappe av og holde seg i ro i hviletilstandsøkten. Deretter får deltakerne beskjed om å samlære læringsmaterialet (Figur 1A). Deres prefrontale og venstre temporoparietale regioner er dekket av det tilsvarende sondesettet (Figur 1B).

Figur 2 illustrerer dataanalysesamlebåndet fNIRS. fNIRS-dataanalysen brukes på alle fNIRS-data som registreres fra hver deltaker og hver kanal. Først visualiseres optodetetthet i kanal 33 for en bestemt dyad i figur 2A. Optode tetthet er registrert i 46 kanaler (CHs) av hver samarbeidende læring dyad av fNIRS målesystem. For det andre, Med operasjonen avklart i trinn 3.1.5 og 3.1.7, utarbeides levedyktige data for WTC-analyse. Her representerer den røde kurven dataene som trekkes ut av den wavelet-baserte bevegelsesartefakter fjerningsmetoden; Den blå kurven representerer dataene som trekkes ut av både Wavelet-baserte bevegelsesartefakter som fjerner metode og PCA. Visualisert forskjell mellom to kurver tyder på at PCA er effektiv i å fjerne ikke-nevrale signaler (Figur 2B). For det tredje visualiseres WTC-matrisen i figur 2C. Fargekartet varierer fra blått til gult, noe som representerer verdien av IBS som raste fra 0 til 1 (korrelasjonskoeffisienter som en funksjon av tid og frekvens). Her angir 1 den største sammenhengen mellom to fNIRS-signaler, og 0 angir at det ikke oppdages noen sammenheng. Et rødt rektangel i plottet markerer betydelige koeffisienter. I tillegg viser resultatene en sterk sammenheng rundt 1 Hz, som representerer dyadens hjerterytmekoherens. Til slutt, med operasjonen angitt i trinn 3.2.4, Sammenligningen mellom den observerte T-verdien og fordelingen av tilfeldig T-verdi (dvs. 1000 ganger) viser signifikante resultater (t (38) = 3,31, FDR korrigert p < 0,05, Cohens d = 1,05) i identifisert FOI (0,015 Hz-0,021 Hz) (Figur 2D)

Figur 3 presenterer de kritiske trinnene i den klyngebaserte permutasjonsmetoden som brukes til å oppdage det relevante frekvensbåndet for samarbeidslæring.

Samlet sett, etter dataanalysepipeline, identifiseres frekvensbåndet (raste fra 0,015 Hz til 0,021 Hz), som er følsom for samarbeidslæring, ved klyngebasert permutasjonstilnærming. For hver kanal sammenlignes den tidsgjennomsnittte IBS-verdien mellom resten og de samarbeidende læringsfasene ved hjelp av en serie med parvise utvalgs-t-tester. For å løse flersammenligningsproblemet korrigeres alle observerte p-verdier i 46 kanaler ved hjelp av FDR-metodene35,36. Resultatene viser at IBS på kanal 33 når betydning under samarbeidslæring (FDR korrigert p < 0,05). Ingen andre tilsvarende kanaler indikerte signifikante effekter (p > 0,05).

Figure 1
Figur 1: Eksperimentell protokoll og sondeplassering. (A) Eksperimentell prosedyre. Hjerneaktivitet fra dyader oppnås samtidig ved hjelp av fNIRS. Hviletilstandsøkten varer i 5 minutter, der dyader er pålagt å slappe av og holde seg stille. Deretter får deltakerne beskjed om å lære læringsmateriellet (15-20 min). (B) Optodes sondesett. To sondesett dekker de prefrontale og venstre temporoparietale områdene. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Oversikt over fNIRS-dataanalysen. (A) Optodetetthet i kanal 33 for en eksemplarisk dyad. Optode tetthet er registrert i 46 kanaler (CHs) av hver samarbeidende læringsdyd. i, j, Optode tetthet av to deltakere i en samarbeidende læringsdyd; t, tid. (B) Prosedyre for forhåndsbehandling av data. Wavelet-baserte bevegelse artefakter fjerning metode og PCA brukes på Oxy-Hb data i rekkefølge. Her representerer den røde kurven dataene som trekkes ut av den wavelet-baserte bevegelsesartefakter fjerningsmetoden; Den blå kurven representerer dataene som trekkes ut av både Wavelet-baserte bevegelsesartefakter som fjerner metode og PCA. kwavelet-basert metode, data trukket ut av Wavelet-baserte bevegelsesartefakter som eliminerer prosessen. kwavelet-basert metode + PCA, data hentet ut av både Wavelet-baserte bevegelsesartefakter som fjerner metode og PCA. (C) WTC-plott i kanal 33 for en eksemplarisk dyad. Fargekartet varierer fra blått til gult, og representerer verdien av IBS fra 0 til 1 (korrelasjonskoeffisienter som en funksjon av tid og frekvens). Her angir 1 den største sammenhengen mellom to fNIRS-signaler, og 0 angir at det ikke oppdages noen sammenheng. Et rødt rektangel i plottet markerer betydelige koeffisienter. WTC estimerer IBS på to rene Oxy-Hb-tidsserier. (D) Klyngebasert permutasjonstilnærming. Sammenlign den observerte T-verdien med fordelingen av tilfeldige T-verdier i identifisert FOI (0,015 Hz-0,021 Hz). Klikk her for å se en større versjon av denne figuren.

Figure 3
Figur 3: Flytskjema for å identifisere samarbeidende læringsrelatert FOI. Klikk her for å se en større versjon av denne figuren.

Supplerende tabell S1. Klikk her for å laste ned denne tabellen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

For det første, i den nåværende protokollen, er de spesifikke trinnene for å utføre fNIRS hyperskanningsforsøk i et samarbeidende læringsscenario oppgitt. For det andre presenteres også dataanalyserørledningen som vurderer IBS av hemodynamiske signaler i samarbeidende læringsdyder. Den detaljerte operasjonen med å gjennomføre fNIRS hyperskanningseksperimenter ville fremme utviklingen av åpen vitenskap. Videre er analyserørledningen gitt her for å øke reproduserbarheten av hyperskanningsforskning. I det følgende fremheves de kritiske problemene med eksperimentdesign, gjennomføring av et eksperiment, dataanalyse i (fNIRS) hyperskanningsforsøk. I tillegg diskuteres også mulige løsninger for å presentere begrensninger.

Eksperimentell design
Den eksperimentelle designen for fNIRS hyperskanningsstudien er fleksibel. Her brukes fNIRS hyperskanningsteknikk i samarbeidslæringsscenarioet. To deltakere ble bedt om å lære spesifikke regler for figurmatrisen sammen, og hjerneaktivitetene deres ble registrert av fNIRS samtidig. Denne tilnærmingen gjør det mulig for forskere å utforske sanntids samtidig nevral dynamikk (dvs. IBS) i samarbeidende læringsdyder. Ifølge tidligere forskning har IBS blitt oppdaget i undervisnings- og læringsscenarioer og sporer effektiv undervisningsmodus11. Nevral justering oppdaget i samarbeidende læringsdyder kan fungere som en potensiell nevral mekanisme som underbygger vellykket læring og gir implikasjoner for å designe effektive samarbeidslæringsmønstre. I mellomtiden må kritiske problemer med eksperimentell design løses: eksperimenttiden er begrenset til 30 minutter i dette eksperimentet. To grunner til denne innstillingen: For det første er det ikke behagelig å bruke caps med fNIRS optodes på hodet, deltakerne kan ikke stå lenge. For det andre er det vanskelig å be deltakerne om å holde seg i ro under samlæring i lang tid. Den begrensede eksperimenttiden vil tillate at signaler av god kvalitet oppnås.

Gjennomføre eksperimentet
Den mest utfordrende delen av å gjøre fNIRS hyperskanning i et samarbeidende læringsscenario er å få hjernesignaler av høy kvalitet. Basert på den nåværende protokollen er tre kritiske trinn uthevet: å lage passende caps, plassere optoder og gjennomføre romlig registrering av tilsvarende kanaler. For det første, siden hodeomkrets varierer mellom deltakerne, er det viktig å lage caps som passer til forskjellige individer. For det andre, når du plasserer en passende hette på deltakernes hoder, må du sørge for at tipsene til optoder direkte kan kontakte hodebunnshuden. For å oppnå dette målet, praktisere denne operasjonen før eksperimentet er nødvendig. For det tredje kan det å gjennomføre romlig registrering med en 3D-digitaliseringsenhet identifisere de tilsvarende anatomiske plasseringene til NIRS-kanaler (CHs) på hjernebarken37,38,39. Denne protokollen foreslår å fullføre romlig registrering for alle deltakere for å få gjennomsnittlige og robuste resultater. Langs denne linjen ba tidligere forskning deltakerne om å gjennomføre en forhåndstest for å sikre nøyaktige hemodynamiske signaler. Spesielt utførte deltakerne en klassisk finger-tommel tappeoppgave med høyre hånd, hvor fNIRS registrerte hemodynamisk dynamikk. Deltakere som oppdaget et betydelig fNIRS-signal (p < 0,05) i venstre motor cortex er kvalifisert til å delta i studien. Denne teknikken sikrer at innspilte signaler kan brukes på alle deltakerne40.

Dataanalyse
Dataanalyseprosessen i denne protokollen består av to deler: forprosess- og WTC-analyse. Tre kritiske dataanalysetrinn bør fremheves her: Først utfører du hovedkomponentens romlige filteralgoritme (PCA) på nevrale data. Zhang og couleage29 foreslo denne tilnærmingen for separasjon av de globale og lokale effektene. Selv om fNIRS tillater relativt fri bevegelse og kommunikasjon, er PCA nødvendig for å trekke ut nøyaktige signaler fra systemiske endringer (f.eks. pustefrekvens, blodtrykk, hjertefrekvens, pustefrekvens og autonom nervesystemaktivitet). Protokollen her antyder at PCA er effektiv i å fjerne de globale effektene. Denne metoden er mye brukt i fNIRS hyperskanning studier13. Til sammen kan ikke-nevrale komponenter fjernes ved hjelp av romlig filtrering. For det andre er WTC vedtatt for å identifisere IBS av samarbeidende læringsdyder. WTC er en tilnærming for å vurdere korrelasjonskoeffisientene mellom togangsserier som en funksjon av tid og frekvens41. Denne metoden kan vise lokalt faselåst virkemåte som kanskje ikke oppdages med en tradisjonell tilnærming, for eksempel Fourier analyse30. Og denne metoden er mye brukt til å estimere IBS i fNIRS hyperskanning med varierte paradigmer, for eksempel samarbeids- og konkurranseatferd4,42, studere handlingsovervåking43, imitasjon44, verbal kommunikasjon8, ikke-verbal kommunikasjon19, undervisnings- og læringsaktivitet11,12,13,14 og mor-barn sosial interaksjon45.

I mellomtiden brukes andre teknikker, for eksempel Granger Causality Analyze (GCA), korrelasjonsanalyse og fasesynkron analyse, i hyperskanningsforskning. GCA er en metode for å avsløre rettet (årsakssammenheng) informasjon mellom to tidsseriedata46. Denne metoden har en gang blitt brukt til å teste retningen på informasjonsflyten mellom instruktør og elev12. Korrelasjonsanalyse er også tatt i bruk i det fNIRS-baserte hyperskanningsfeltet for å estimere IBS i dyader som utfører samarbeids- eller konkurranseoppgaver47,48. Sammenlignet med WTC-analyse, karakteriserer denne metoden bare de kovarierte funksjonene i to fNIRS-tidsserier langs tidsstrømmen og savnet potensiell informasjon i frekvens.

I tillegg ble andre tilnærminger som kvantifisert fasesynkronisering med faselåseverdi (PLV) brukt i EEG-hyperskanningsstudier. PLV estimerer konsistensen av faseforskjellen mellom to signaler49. Burgess foreslo imidlertid at PLV viser skjevheter i å oppdage hypertilkoblingsevne som ikke eksisterer, spesielt når små prøver brukes50. For det tredje er det viktig å ta i bruk en ikke-parametrisk statistisk test for å oppdage den samarbeidende læringsrelaterte frekvensen. I begynnelsen velges oppgaverelatert FOI enten ved å følge forslag i tidligere forskning eller i henhold til spesifikk eksperimentdesign (dvs. hvor lenge for en oppgaveprøve i et eksperiment). Nylig, for å oppnå robuste og reproduktive resultater i FOI-valgprosessen, vedtas ikke-parametriske statistiske testtilnærminger. Her fungerte denne teknikken effektivt. De samarbeidende læringsrelaterte FOI (0,015-0,021 Hz) er identifisert, og lignende frekvensbånd er identifisert i fNIRS hyperskanningsforskning i undervisningsscenario13 og i verbale kommunikasjonsparadigmer8. Det er nødvendig å bruke denne teknikken i multi-brain dataanalyse rørledningen. Alt i alt vil etablering av egnede algoritmer og metoder for analyse av hyperskanningsdata være et fremtredende felt.

Begrensning og fremtidig retning
Flere begrensninger kan forbedres i fremtiden for å oppnå reproduktiv og robust IBS i en realistisk sosial interaksjonskontekst fra en multi-brain. For det første er vekten av fiberen for tung og ubehagelig å ha på seg i lang tid; Dermed er tidspunktet for eksperimentet begrenset til 30 min. I fremtiden, hvis du registrerer flerhjerneaktiviteten i klasserommet, er det vanskelig å be elevene om å bruke fNIRS-caps i løpet av en skoleperiode (dvs. 50 min). Dermed kreves bærbare fNIRS-innstillinger i faktisk undervisnings- og læringsscenario. For det andre, selv om fNIRS viser høyere toleranse for hodebevegelse enn fMRI, kan denne teknikken bare oppdage hjerneaktiviteten til overflate cortex15. Dermed kan fNIRS hyperskanning ikke brukes i den belønningsrelaterte nevrale mekanismen som utforsker paradigme, der amygdala spiller en avgjørende rolle51. I mellomtiden antyder det begrensede antallet kilder og detektorer i fNIRS-oppsettet at ikke hele hjernebarken vil bli målt. Det betyr at forskerne må velge interesseområdet (ROI) som skal måles. For det tredje er PCA vedtatt for å eliminere systemforurensningene. Selv om denne teknikken er effektiv, i fremtiden, er det også en effektiv tilnærming29,39å legge til korte kanaler som står for ekstra cerebellar blodstrøm, noe som kan forurense fNIRS-signaler. For det fjerde kan dataanalyseprosedyren i denne protokollen brukes i andre naturalistiske fNIRS hyperskanningsstudier. Det neste trinnet er å utvikle fNIRS-spesifikke dataanalysepakker med standard retningslinje. For det femte, i denne protokollen, brukes WTC til å identifisere samtidig hjerneaktivitet (dvs. IBS). Med utviklingen av en teknikk for beregning av covaried nevral aktivitet, kan andre metoder som grafteori og GCA også brukes. For det sjette er det nødvendig å rekruttere kontrollforhold, for eksempel snakkeforhold som krever dyader for å snakke om spesifikke emner for å utelukke forvirrende effekter. I mellomtiden, for å avsløre hvilken læringsaktivitet i samarbeidslæring (dvs. kunnskap co-construction52) ville føre til IBS. Og om disse oppdagede IBS kan brukes til å spore læringsytelsen til samarbeidende læringsdyder er også viktig. Til slutt er det også presserende å gi et rammeverk for å forklare mekanismen til IBS. Forskere prøver å skjelne om dette bare er epifenomenon eller en nevral mekanisme for sosial interaksjon av Hamilton53. For å oppnå dette målet foreslo Hamilton på den ene siden en xGLM-tilnærming som modellerer hjerneaktivitet, atferdsdata og fysiologiske data sammen for å utforske den pålitelige forklaringen på hjernekobling53. På den annen side foreslo Novembre og Lannetti å gjennomføre multi-hjernestimulering (MBS) for å avsløre mekanismen for samtidig hjerneaktivitet54.

Konklusjon
fNIRS hyperskanning fører til et paradigmeskifte fra tradisjonell eksperimentdesign til realistiske scenarier for sosial interaksjon i sosial nevrovitenskap. IBS utvunnet ved denne metoden gir et nytt syn for å forklare den nevrobiologiske mekanismen for sosiale interaksjoner. Til slutt vil den etablerte standardiserte rørledningen for innsamling og analyse av data være milepælen for å generere gyldige resultater og fremme det nylige hyperskanningseksperimentet.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Dette arbeidet støttes av ECNU Academic Innovation Promotion Program for Excellent Doctoral Students (YBNLTS2019-025) og National Natural Science Foundation of China (31872783 og 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

DOWNLOAD MATERIALS LIST

References

  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
  12. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
  30. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
  43. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Tags

Nevrovitenskap Utgave 173 Inter-Brain Synchrony fNIRS hyperskanning Wavelet Transform Coherence åpen vitenskap
Synkron mellom hjerner i åpen samarbeidslæring: En fNIRS-hyperskanningsstudie
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Zhao, N., Zhu, Y., Hu, Y.… More

Zhao, N., Zhu, Y., Hu, Y. Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study. J. Vis. Exp. (173), e62777, doi:10.3791/62777 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter