Waiting
Login processing...

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

Neuroscience

Как рассчитать и проверить синхронизацию между мозгами в исследовании гиперсканирования fNIRS

Published: September 8, 2021 doi: 10.3791/62801
Automatic Translation
1, 1, 2, 3, 4, 1, 1
1Institute of Brain and Education Innovation, School of Psychology and Cognitive Science, East China Normal University, 2Department of Musicology, Harbin Conservatory of Music, 3Department of Clinical Neuroscience, Karolinska Institutet, 4School of Psychology, Shenzhen University

Summary

Динамика между связанными мозгами людей все чаще представлена межмозговой синхронизацией (СРК), когда они координируются друг с другом, в основном с использованием одновременных записывающих сигналов мозга (а именно гиперсканирования) с fNIRS. В исследованиях гиперсканирования fNIRS IBS обычно оценивался с помощью метода когерентности вейвлет-преобразования (WTC) из-за его преимущества в расширении временных рядов во временно-частотное пространство, где колебания можно увидеть интуитивно понятным способом. Наблюдаемый СРК может быть дополнительно подтвержден с помощью случайного спаривания исследования, партнера и состояния на основе перестановок. Здесь представлен протокол, описывающий, как получить сигналы мозга с помощью технологии fNIRS, рассчитать СРК с помощью метода WTC и проверить IBS путем перестановки в исследовании гиперсканирования. Далее мы обсудим критические вопросы при использовании вышеуказанных методов, включая выбор сигналов fNIRS, методы предварительной обработки данных и необязательные параметры вычислений. Таким образом, использование метода и перестановок ЦМТ является потенциально стандартным конвейером для анализа СРК в исследованиях гиперсканирования fNIRS, способствуя как воспроизводимости, так и надежности СРК.

Abstract

Динамика между связанными мозгами людей все чаще представлена межмозговой синхронизацией (СРК), когда они координируются друг с другом, в основном с использованием одновременных записывающих сигналов мозга (а именно гиперсканирования) с fNIRS. В исследованиях гиперсканирования fNIRS IBS обычно оценивался с помощью метода когерентности вейвлет-преобразования (WTC) из-за его преимущества в расширении временных рядов во временно-частотное пространство, где колебания можно увидеть интуитивно понятным способом. Наблюдаемый СРК может быть дополнительно подтвержден с помощью случайного спаривания исследования, партнера и состояния на основе перестановок. Здесь представлен протокол, описывающий, как получить сигналы мозга с помощью технологии fNIRS, рассчитать СРК с помощью метода WTC и проверить IBS путем перестановки в исследовании гиперсканирования. Далее мы обсудим критические вопросы при использовании вышеуказанных методов, включая выбор сигналов fNIRS, методы предварительной обработки данных и необязательные параметры вычислений. Таким образом, использование метода и перестановок ЦМТ является потенциально стандартным конвейером для анализа СРК в исследованиях гиперсканирования fNIRS, способствуя как воспроизводимости, так и надежности СРК.

Introduction

Когда люди координируют свои действия с другими, их мозг и тело становятся связанной единицей посредством непрерывной взаимной адаптации. Связь между мозгами может быть представлена межмозговой синхронизацией (СРК) с помощью подхода гиперсканирования, который одновременно записывает сигналы мозга двух или более людей1. Действительно, растущее количество исследований гиперсканирования fNIRS / EEG обнаружило СРК в различных контекстах сотрудничества, включая постукивание пальцем2,групповую ходьбу3,игру на барабанах4,игру на гитаре5и пение / напев6. fNIRS широко используется для исследования СРК во время социального взаимодействия, поскольку он меньше ограничивает движения головы / тела в относительно естественных условиях (по сравнению с фМРТ / ЭЭГ)7.

В статье представлен протокол расчета IBS методом когерентности вейвлет-преобразования (WTC) в исследовании гиперсканирования fNIRS. ЦМТ является методом оценки перекрестной корреляции между двумя сигналами движения на частотно-временной плоскости и, следовательно, может дать больше информации, чем традиционный корреляционный анализ (например, корреляция Пирсона и кросс-корреляция), который находится только вовременной области 8. Кроме того, гемодинамические сигналы преобразуются в вейвлет-компоненты, которые могут эффективно удалять низкочастотные шумы. Хотя ЦМТ отнимает много времени, он является наиболее часто используемым методом расчета СРК в действии имитации9,кооперативного поведения10,вербальнойкоммуникации 11,принятиярешений 12и интерактивного обучения13.

В статье также представлено, как проверить СРК с помощью случайного парирования испытаний, условий и участников на основе перестановок. СРК в исследованиях гиперсканирования всегда предлагается для отслеживания онлайн-социального взаимодействия между людьми, в то время как он также может быть интерпретирован другими объяснениями, такими как сходство стимулов, сходство движений или сходство условий14. Тест перестановки, также называемый тестом рандомизации, может быть использован для проверки вышеупомянутых нулевых гипотез путем ресамплинга наблюдаемых данных15. Используя перестановку, полезно исследовать, является ли идентифицированный СРК специфическим для интерактивного поведения, начиная от модуляции СРК внутри диад до между группами партнеров16.

Протокол, описанный здесь, подробно описывает, как получить сигналы мозга с помощью технологии fNIRS, рассчитать IBS с помощью метода WTC и проверить IBS путем тестирования перестановок в исследовании гиперсканирования. Это исследование направлено на изучение того, вызывает ли привилегированный СРК музыкальные метры во время социальной координации. Сигналы мозга были записаны в лобной коре, основываясь на местоположении СРК в предыдущем выводе1. Экспериментальное задание было первоначально разработано Конвалинкой и ее колледжами17,в котором участников просили постукивать пальцами со слуховой обратной связью от партнера или себя после прослушивания метровых или неметровых стимулов.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Представленный здесь протокол был одобрен Университетским комитетом по защите исследований человека Восточно-Китайского педагогического университета.

1. Подготовка к эксперименту

  1. Участников
    1. Наберите группу студентов и аспирантов с денежной компенсацией за счет рекламы кампуса.
    2. Убедитесь, что участники являются правшами и имеют нормальное или скорректированное до нормального зрение и слух. Убедитесь, что они не изучали музыку или изучали ее менее 3 лет назад.
    3. Случайным образом сопоставляйте учеников в диадах. Чтобы контролировать потенциальное влияние знакомства партнера на социальную координацию18,убедитесь, что члены каждой диады не видели или не знали друг друга раньше.
  2. Экспериментальный стимул
    1. Создавайте слуховые стимулы (440 Гц, чистые тона 660 мс) с помощью любого бесплатного программного обеспечения для сочинения и нотации музыки.
    2. Повторите тона с интервалом 500-1000 мс и объедините их в тональную последовательность. Каждая тональная последовательность на 12 с длиннее и состоит из 12 тонов.
    3. Для одной последовательности тонов акцентируйте каждый первый тон (+6 дБ), чтобы создать паттерн нисходящих и оптимистичных сигналов, определяемый как стимул метра(Дополнительный звук 1). Во второй тональной последовательности отключайте тона с равной интенсивностью (на 40 дБ выше индивидуального порога ощущений, собранного перед заданием эксперимента), что соответствовало неметровому стимулу(Supplementary Audio 2).
  3. Экспериментальное задание
    1. Запрограммируйте экспериментальное задание с помощью психологического программного средства.
    2. Организуйте два этапа для экспериментального задания(рисунок 1А),как описано в шагах 1.3.3-1.3.6.
    3. Второе состояние покоя: Попросите участников оставаться как можно более неподвижными с расслабленным умом и закрытыми глазами.
    4. Задача постукивания пальцем: Попросите участников выполнить две части: координационную часть и независимую часть.
    5. Во время координационной части обеспечьте слуховую обратную связь (т.е. капельный звук, соответствующий одному нажатию) каждому участнику только для ответа, генерируемого другим членом диады. Попросите участников сделать все возможное, чтобы ответить синхронно с другим участником.
    6. Для части независимости убедитесь, что оба участника получили слуховую обратную связь (то есть капельный звук, соответствующий одному нажатию) их собственных ответов, и попросите их реагировать синхронно со слуховым стимулом как можно точнее.
      ПРИМЕЧАНИЕ: В сочетании с метровыми и неметровыми стимулами участники оказались в одном из четырех различных условий: (i) координация счетчиков - оба участника слышали метры, и ответы друг от друга; ii) неметровая координация - оба участника услышали неметры и ответы друг от друга; iii) независимость от счетчиков - оба участника услышали показания счетчиков и ответы от самих себя; iv) неметровая независимость - оба участника услышали неметры и ответы от самих себя.
    7. Для каждого испытания пусть участники сначала услышат кусочек слухового стимула (12 с), а затем звук (262 Гц, 1000 мс), который служит сигналом, чтобы начать постукивать пальцем.
    8. Попросите участников воспроизвести стимул, который они слышали раньше, постукивая указательным пальцем правой руки по клавиатуре (участник No 1: «f»; участник No 2: «j»). Участники должны нажимать 12 раз, сохраняя при этом тот же временной интервал между тонами, что и ранее представленный стимул.
      ПРИМЕЧАНИЕ: Было проведено 60 испытаний, назначенных одинаково в 4 блоках, соответствующих 4 экспериментальным условиям, а именно 15 испытаний в одном блоке. Порядок блоков был уравновешен. Общая продолжительность задания на постукивания составила около 26 минут.
    9. Между блоками дайте участникам отдохнуть в течение 30 с.
    10. В течение всего эксперимента не позволяйте участникам общаться с помощью какого-либо языка или движения. Отделите участников с помощью монитора компьютера, чтобы заблокировать любую визуальную информацию, которая может доставлять сообщения между ними.
  4. Самодельные колпачки fNIRS: Купите две эластичные плавательные шапочки нормального размера. Чтобы покрыть интересующую область мозга, почините плавательные шапочки, как описано в следующих шагах:
    1. Наденьте одну плавательную шапочку на форму головы, а затем наденьте стандартную крышку ЭЭГ 10-20 на плавательную шапочку.
    2. Отметьте расположение FCz на плавательной шапочке красным магическим маркером.
    3. Снимите колпачок ЭЭГ с модели головы.
    4. Поместите одну пластырь оптоодного зонда (установка 3 x 5) на плавательную крышку, выровняв среднюю часть второго ряда зонда патча с отмеченным местоположением FCz.
      ПРИМЕЧАНИЕ: Патч оптодного зонда включал в себя 15 мест расположения оптодных зондов (т.е. 8 излучателей и 7 детекторов), образующих 22 измерительных канала с оптодным разделением 3 см(рисунок 1B).
    5. Отметьте расположение 15 зондов пластыря на плавательной шапочке.
    6. Снимите пластырь и плавательную шапочку с модели головы.
    7. Вырежьте 15 небольших отверстий на отмеченных местах 15 зондов ножницами.
    8. Установите пластырь на модифицированную плавательную шапочку, встроив места расположения 15 зондов в соответствующие 15 отверстий.
    9. Почините другую плавательную шапочку в соответствии с вышеуказанным процессом.
      ПРИМЕЧАНИЕ: Самодельный колпачок fNIRS, в котором расположение оптодов соответствует стандартным местоположениям ЭЭГ, был использован, поскольку не было применимых стандартных колпачков ЭЭГ для системы fNIRS, используемой в этом исследовании. Нет необходимости делать колпачок fNIRS, если есть подходящие стандартные колпачки ЭЭГ с системой fNIRS.

2. До прибытия участников

ПРИМЕЧАНИЕ: Убедитесь, что выполнить шаги 2.1-2.5 до прибытия участников в лабораторию.

  1. Напомните двум участникам об одной диаде, чтобы они пришли в лабораторию в соответствии с согласованным графиком.
  2. Запустите систему fNIRS не менее чем за 30 минут, оставив лазер выключенным.
  3. Вставьте оптодные датчики из системы fNIRS в патчи оптодного зонда.
  4. Изучите параметры измерения fNIRS (т.е. идентификатор субъекта, режим, связанный с событием, расположение оптодного зонда).
  5. Установите экспериментальный аппарат с одним столом, двумя стульями, двумя 19-дюймовыми компьютерными мониторами и двумя парами наушников(рисунок 1С).

3. Прибытие участника в лабораторию

ПРИМЕЧАНИЕ: Искренне благодарю двух участников одной диады, когда они прибывают в лабораторию fNIRS. Попросите их перевести свой телефон в бесшумный режим и временно оставить свои личные вещи в шкафу. Затем последовательно проведите следующие процессы:

  1. Прежде чем участники сядут, подтвердите, что два участника не видели друг друга раньше. Убедитесь, что они не общались друг с другом с помощью какого-либо языка или движения во время пребывания в лаборатории.
  2. Предоставить участникам формы информированного согласия, утвержденные Университетским комитетом по исследованиям в области человека.
  3. Проинструктируйте участников о деталях экспериментального задания. Попросите их надеть наушники и дайте им несколько тренировочных испытаний.
  4. В практических испытаниях позвольте двум участникам каждой диады практиковать вместе.
    ПРИМЕЧАНИЕ: Прежде чем надеть кепку fNIRS, стоит измерить и определить размер головы для каждого участника, используя гибкое правило. Затем выберите подходящий размер шапки для участника в соответствии с размером его головы. В этом исследовании такой шаг был пропущен, так как использовались одноразмерные плавательные шапки. Этот шаг лучше проводить за день до эксперимента, потому что относительные операции (например, измерение размера головы, выбор правильного размера плавательной колпачка, установка пятен оптодного зонда на плавательную крышку и вставка оптодных зондов в пластыри зонда) занимают много времени (около 20-30 минут).
  5. Наденьте колпачок fNIRS на голову участников с центром колпачка, указывающим на местоположение CZ, и поместите средний оптодный зонд второго ряда зонда пластыря в FCz.
  6. Используйте систему fNIRS для выполнения калибровки сигнала с включенным лазером.
  7. Если на каком-либо канале недостаточно сигнала, отрегулируйте интенсивность сигнала с помощью волоконной палочки, чтобы аккуратно отложить волосы под окружающий кончик зонда в сторону.
  8. При необходимости осторожно нажмите на зонды, но убедитесь, что участники не причиняют вреда.
  9. Повторяйте шаги 3.5-3.8 до тех пор, пока качество сигнала не станет доступным. Убедитесь, что участники чувствуют себя комфортно в течение всего процесса калибровки сигнала.
  10. Помогите участникам найти удобную позу для себя (например, удобные положения тела). Напомните участникам, чтобы они держали голову как можно более неподвижно в течение всего экспериментального задания (т. Е. Около 26 минут).
  11. Еще раз изучите качество сигналов NIRS. Если во всех каналах достаточно сигналов, выполните процедуру эксперимента на настольном компьютере.
  12. Помогите участникам снять наушники и колпачок fNIRS по завершении экспериментальной процедуры. Верните свои личные вещи и поблагодарите их денежной компенсацией.
  13. Управляйте системой fNIRS для сохранения данных. Используйте диск для экспорта необработанных данных fNIRS (.csv) и используйте USB для копирования поведенческих данных с компьютера.
  14. Закройте систему fNIRS и компьютер, если больше нет экспериментальной компоновки.
  15. Держите лабораторную тетрадь наготове, чтобы записывать любые события, особенно аномалии в течение всего эксперимента.

4. Анализ данных

ПРИМЕЧАНИЕ: Выполните анализ всех данных с помощью программного обеспечения MATLAB со следующими наборами инструментов: HOMER219,Hitachi2nirs20,xjView21,набор инструментов Cross Wavelet и Wavelet Coherence22и скрипты Groppe в MathWork23.

  1. Предварительная обработка данных
    1. Чтобы проверить качество данных, выполните шаги 4.1.2-4.1.3
    2. Чтение файлов данных (.csv) для каждого участника с помощью функции readHitachData xjView.
      ПРИМЕЧАНИЕ: Таким образом, данные измерений Hitachi (формат csv) преобразуются в данные oxyHb/deoxyHb/маркер с информацией, сохраненной в измерении (т.е. длина волны, данные о времени и список каналов).
    3. Визуально проверьте качество значений oxyHb и deoxyHb, построив временные ряды всех каналов на одном рисунке с помощью функции plotTraces xjView.
      ПРИМЕЧАНИЕ: Легко выявить аномалии в данных. Канал, который имеет много шума, может быть исключен при последующем анализе.
    4. Конвертируйте файлы Hitachi (.csv) в формат .nirs с помощью функции csv2nirs Hitachi2nirs, которая поддерживает дальнейшую предварительную обработку данных с помощью Homer2.
    5. Преобразуйте необработанные данные в оптическую плотность с помощью функции hmrIntensity2OD Гомера2.
    6. Используйте анализ главных компонентов (PCA)24 для удаления глобального физиологического шума fNIRS с помощью функции enPCAFilter (nSV = 0,8, то есть 80% ковариации данных было удалено) Homer2.
    7. Используйте метод улучшения сигнала на основе корреляции (CBSI)25 для удаления артефактов движения головы с помощью функции hmrMotionCorrect_Cbsi Homer2.
    8. Используйте модифицированный закон Бира-Лемберта для преобразования обрабатываемой оптической плотности в значения oxyHb и deoxyHb с функцией hmrOD2Conc Гомера2.
  2. Расчет IBS
    ПРИМЕЧАНИЕ: Для предварительно обработанных значений oxyHb используйте WTC для расчета значений когерентности для пары каналов, которые находятся в одном и том же месте диады, включая следующий конвейер:
    1. Примите функцию WTC Cross Wavelet и Wavelet Coherence toolbox с параметрами по умолчанию для вычисления значений когерентности в каждой точке времени и частоты для получения двухосевой матрицы значений когерентности.
    2. Для параметров по умолчанию используйте материнский вейвлет Морлета, чтобы преобразовать каждый временной ряд во временную и частотную область путем непрерывного вейвлет-преобразования.
    3. Выберите MonteCarloCount, чтобы представить количество наборов суррогатных данных при вычислении значимости, и выберите Auto AR1, чтобы рассчитать коэффициенты автокорреляции временных рядов.
    4. Выберите интересующую полосу частот (FOI), как указано в шагах 4.2.5-4.2.8.
    5. Выберите и усредните значения когерентности полосы частот между 0,5-1 Гц (соответственно, что соответствует периоду 2 с и 1 с) в соответствии с полосой частот, используемой в задаче движения пальцев предыдущего исследования гиперсканирования fNIRS9. Такой FOI также соответствовал периоду одного касания в экспериментальном задании. Таким образом, получится один столбец значений когерентности для каждой пары.
      ПРИМЕЧАНИЕ: Для дальнейшего статистического подтверждения FOI рассчитайте значения когерентности для каждой диады во всем диапазоне частот (т.е. 0,008-10 Гц для данных), а не просто ограничивайте выбранную полосу частот (т.е. 0,5-1 Гц).
    6. Усредните значения когерентности целевых временных окон (такие же, как 4.2.3) для каждой точки частоты.
    7. Затем проанализируйте средние значения когерентности в соответствии с конвейером, описанным на этапах 4.2.9-4.2.11, и последующие статистические данные (т.е. 4.3.1 - 4.3.2) для каждой точки частоты.
    8. Наконец, визуально проверьте FOI, построив статистические значения z каждого канала по частоте.
    9. Выберите и усредните значения когерентности временного окна в состоянии покоя (временное окно для состояния покоя 20 с) и каждого экспериментального состояния (т.е. координация счетчика, неметровая координация, независимость метра и неметровая независимость), соответственно, используя информацию отметки. Таким образом, получите пять значений когерентности для каждой диады.
    10. Для целевой сессии выберите только продолжительность, в течение которой участники постукивали для воспроизведения слухового стимула, около 12 с для каждого испытания, таким образом, в общей сложности 180 с (т. Е. 12 с х 15 испытаний) для каждого экспериментального состояния.
      ПРИМЕЧАНИЕ: IBS был рассчитан как увеличение когерентности (большие вычитаемые значения когерентности, чем ноль), а именно большие значения согласованности в целевой сессии по сравнению с значениями в состоянии покоя.
    11. Вычтите значение когерентности покоя из значения когерентности, связанного с задачей, соответственно, в котором значение когерентности во время состояния покоя использовалось в качестве базовой линии в этом эксперименте.
      ПРИМЕЧАНИЕ: Повторяя вышеуказанные шаги (4.2.1-4.2.11) по каналам (т.е. 22 каналам) и диадам (т.е. 16 диад), были окончательно получены вычитаемые значения когерентности для каждой диады в каждом канале.
  3. Статистика
    1. Сравните вычитаемые значения когерентности с нулем в каждом канале для каждого экспериментального условия, используя парный t-тест перестановки выборок с mult_comp_perm_t1 функцией работы Гроппе (5000 перестановок для оценки распределения нулевой гипотезы; желаемый семейный альфа-уровень - 0,05; двухсторонний тест, который означает альтернативную гипотезу, что среднее значение данных отличается от 0) как аномальное распределение данных и ограниченный размер выборки в текущем эксперимент26.
      ПРИМЕЧАНИЕ: Парный t-тест перестановки выборок здесь аналогичен парному t-тесту, но последний предполагает, что данные нормально распределены, в то время как первый нет. Такой тест начинается так же, как и парный t-тест, то есть вычисляется t-балл (т.е. реальный t-балл) для значений когерентности в разных группах (один — вычитаемые значения когерентности в условии задачи, другой — нули). Затем перестановка генерируется путем обмена значениями когерентности различных групп, и вычисляется новая оценка t для вычитаемых значений когерентности и нулей после этой перестановки. Такая перестановка проводится 5000 раз. Таким образом, получается 5000 т баллов. При распределении баллов 5000 t относительное расположение реального t балла генерирует p-значение для вычитаемых значений когерентности.
    2. Исправьте значения p (т.е. из-за проблемы множественного сравнения и сгенерируйте из сравнений по 22 каналам в одном патче) методом False Discovery Rate(p < 0,05)27. Выполните эту коррекцию с помощью функции mafdr набора инструментов MATLAB.
      ПРИМЕЧАНИЕ: Если p-значение на каком-либо канале было значительным (т.е. p < 0,05) после коррекции FDR, на этом канале есть IBS.
    3. Сравните значения когерентности между различными условиями задачи в канале, где существовал IBS, используя парный t-тест перестановки выборок с mult_comp_perm_t1 функцией работы Гроппе (те же параметры, что и в шаге 4.3.1).
      ПРИМЕЧАНИЕ: Чтобы интуитивно изучить СРК во время межличностной координации в отношении метровых и неметровых стимулов, сравните значения когерентности различных условий напрямую (например, координация счетчика против неметровой координации; координация счетчика против независимости метра).
    4. Рассчитайте поведенческие показатели по абсолютной разнице между временем реакции партнеров, деленным на сумму ответов обоих партнеров56.
    5. Оцените взаимосвязь между СРК и поведенческими показателями с помощью теста перестановок, основанного на линейном корреляционном анализе Пирсона (т. Е. mult_comp_perm_corr функции работы Гроппе).
  4. Проверка IBS
    ПРИМЕЧАНИЕ: Чтобы исключить объяснения, что подобные стимулы, движения или условия индуцировали продемонстрированный СРК, используйте тест перестановок в качестве подхода к проверке, с тремя перестановками (т.е. внутри диады, между диадами и между перестановками условий), включая следующее:
    1. Рандомизировать метку испытаний в условиях координации измерителя (т.е. в пределах перестановки диады, такой как испытание No 1 и испытание No 13 в диаде No 1) для одной диады в каждом канале с помощью функции рандперма MATLAB.
    2. Следуйте приведенному выше конвейеру расчета IBS и статистики (т.е. разделам 4.2 и 4.3, но исключая анализ чувствительности для FOI) для метки рандомизированного исследования.
      ПРИМЕЧАНИЕ: Рассчитайте значения когерентности поддельной пары для каждого условия отдельно и вычислите увеличение когерентности для поддельной пары (т.е. вычтите значение когерентности покоя из значения когерентности, связанного с задачей, для поддельной пары).
    3. Проведите перестановку 1000 раз, после чего следует конвейер расчета IBS и статистики (разделы 4.2 и 4.3).
    4. Построение распределения статистических значений z, генерируемых при перестановке диад.
    5. Проведите шаги 4.4.2-4.4.4 путем рандомизации пар участников одного и того же исследования в состоянии координации метра (т.е. между перестановками диад, такими как участник No 1 в диаде No 1 и участник No 1 в диаде No 3).
    6. Выполнение шагов 4.4.2-4.4.4 путем рандомизации метки условий для одних и тех же членов одной диады в одном и том же испытании (т.е. между перестановками условий, таких как участник No 1 в условии координации счетчика и участник No 2 в условии независимости счетчика).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Результаты показали, что в координационном состоянии счетчика в 5-м канале существует СРК, в то время как в других условиях СРК не существует (т.е. независимость от счетчика, неметровая координация, неметровая независимость; Рисунок 2А). В канале 5 IBS в условии координации счетчика был значительно выше, чем значения когерентности в условиях неметровой координации и независимостисчетчика (рисунок 2B). Канал 5 приблизительно принадлежал левой дорсолатеральной префронтальной коре (DLPFC; Бродманн Зона 9). Более того, анализ перестановок показал, что наблюдаемый СРК, вероятно, представлен у двух особей одной диады, которые пытались синхронизироваться друг с другом в совпадающее время, но не во времени, партнере или состоянии случайного спаривания(рисунок 2С). Вместе эти результаты показали, что музыкальный измеритель индуцировал привилегированный СРК в DLPFC во время межличностной координации. Учитывая роль DLPFC в социальном взаимодействии (например, модуляция внимания к другим лицам28,29)и музыки (например, повышение когнитивных функций при наличии музыкального фона30,31),наблюдаемый DLPFC-IBS в состоянии координации метра может быть связан с привлечением большего внимания к процессу, связанному с межличностной координацией, таким как восприятие и понимание задачи и движения партнера.

Figure 1
Рисунок 1:Экспериментальное проектирование. (A) Экспериментальная процедура и задача. (B) Конфигурация зонда. (C) Экспериментальная установка. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Figure 2
Рисунок 2:Межмозговая синхронизация (IBS). (A)Тепловые карты теста перестановки на значение когерентности для каждого условия. Был СРК на канале 5 в состоянии координации счетчика. (B)IBS на канале 5 в условиях координации счетчика был значительно выше, чем в состоянии независимости счетчика и неметровой координации. **p < 0,01, *p < 0,05. Полосы ошибок представляют минимальные/максимальные значения. Алмазные точки обозначают экстремальные значения. Затененная область указывает на 95% доверительный интервал. (C) Влияние СРК (статистические значения z) с перестановкой пробного, индивидуального и состояния для всех каналов. Пунктирная линия указывает на влияние СРК на канале 5 в условии координации счетчика. Ось x представляет значение Z, а ось Y представляет количество выборок. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Дополнительное аудио 1. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительное аудио 2. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Этот протокол обеспечивает пошаговую процедуру расчета и проверки СРК, используя подход гиперсканирования fNIRS для одновременного сбора сигналов мозга двух участников. Ниже рассматриваются некоторые критические вопросы, связанные с предварительной обработкой данных fNIRS, расчетом IBS, статистикой и проверкой IBS.

Предварительная обработка данных
Необходимо предварительно обработать данные fNIRS в исследованиях гиперсканирования для извлечения реальных сигналов из возможного шума (т.е. артефактов движения, системных компонентов). Хотя препроцесс пропущен при анализе СРК в более ранних исследованиях гиперсканирования fNIRS10,32,33,он был важной и стандартной частью в последних исследованиях. В этом исследовании для удаления шума используются как CBSI, так и PCA; первый является надежным для удаления артефактов движения головы34,в то время как последний хорош для уменьшения глобального физиологического шума (например, дыхания, артериального давления и изменения кровотока)35. Конечно, существуют и другие методы коррекции движения для предварительной обработки данных, которые хорошо работают в эмпирических исследованиях fNIRS, такие как вейвлет-фильтрация36,сплайн-интерполяция37,фильтрация Калмана38,авторегрессионные алгоритмы39и коррекция короткого канала разделения40. Сравнение методов коррекции движения показало, что всегда лучше исправлять артефакты движения, чем исключать каналы или отвергать испытания, и что каждый метод имеет особое значение. Было высказано предположение, что принятие нескольких методов коррекции движения одновременно41,как показано в этом исследовании, является реалистичным решением. Кроме того, фильтрация нижних и высоких частот также обычно используется в предварительной обработке данных fNIRS для удаления физиологического шума. Хотя этот метод эффективен, он может разрушить эффект задачи, когда физиологический шум и эффект задачи происходят в аналогичных полосахчастот 42. Совместное использование PCA и CBSI может быть целесообразно для предварительной обработки данных в исследованиях гиперсканирования fNIRS.

Рассчитать IBS
Было высказано предположение о том, что для стандартизации этапов анализа СРК и повышения воспроизводимости СРК требуется дополнительная работа, поскольку точные алгоритмы, используемые для расчета СРК, варьируются в лабораториях и исследованиях43. В этой работе стандартный конвейер расчета IBS через WTC полезен для исследователей. Есть несколько вещей, которые нужно быть осторожными. Во-первых, ВТЦ обычно подпадает под семейство вейвлетов Морле, которое используется в этом исследовании. Однако предполагается, что комплексный гауссов вейвлет больше подходит для данных fNIRS, чем вейвлет Морле, так как первый соответствует форме сигнала базового сигнала (т. е. многоцикловые сигналы встречаются редко, особенно для сигнала длин волн от 10 до 20 с)44. Больше соображений следует направить на вычисления вейвлет-когерентности, которые влияют на мощность анализа в последующих приложениях для сигналов NIRS, полученных во время живых социальных взаимодействий. Во-вторых, чтобы соответствовать предыдущим выводам о межличностной координации с музыкой2,45,46 и музыкальной деятельностью4,47,48,значения когерентности были рассчитаны между одними и теми же каналами в этом исследовании, в то время как некоторые исследования усреднили значения когерентности всех каналов в одной и той же области мозга до статистического анализа49,50 . Кроме того, значения когерентности были рассчитаны не только между одними и теми же каналами/областями10,32,51, но и по разным каналам/областям52,53. Эти упомянутые процессы обогатили конвейер расчета IBS и могут заинтересовать будущие направления социального взаимодействия. И последнее, но не менее важное: в этом исследовании были проанализированы только значения oxyHb, поскольку значения oxyHb рассматриваются как наиболее чувствительный показатель изменений в региональном мозговом кровотоке54. Тем не менее, некоторые исследователи сосредоточились на изменениях дезоксиHb, основываясь на выводах о том, что значения дезоксиHb наиболее тесно связаны с сигналом фМРТ и не зависят от глобального физиологического шума55. В любом случае, результаты могут быть более надежными, если аналогичные эффекты СРК будут выявлены как в oxyHb, так и в дезоксиHb изменениях. Поэтому анализ СРК по значениям дезоксиHb также необходим для будущих исследований гиперсканирования fNIRS.

Проверка IBS
Необходимо валидировать выявленную СРК, так как интерпретация СРК остается сложной. Например, СРК был объяснен как механизм передачи информации, общей интенциональности, поведенческого выравнивания, аналогичного восприятия и т. Д. Это помогло бы прояснить интерпретацию СРК путем проведения проверки нулевой гипотезы с перестановкой, в которой значения когерентности либо вычисляются для реальных диад, но случайным образом спариваются испытания, либо для поддельных диад путем случайного спаривания участников в пределах одного условия / группы или между условиями / группами16. В этом исследовании перестановка выполнялась простым проведением очень большого количества ресамплей (т.е. 1000 раз). Напротив, значения когерентности могут быть рассчитаны для всех возможных случайных пар56. Кроме того, приведенный выше тест перестановки может быть использован для генерации нулевого распределения когерентностей из всех возможных когерентностей в эксперименте, чтобы увидеть, находятся ли наблюдаемые СРК в верхней части этого распределения, что обычно используется в исследованиях, которые принимают реальные стимулы и экспериментальнуюсреду 57,58. Этот анализ гарантирует, что СРК зависит от реального взаимодействия на уровне последовательности, поскольку значения когерентности во время сопоставления (т. Е. Испытания, отдельные лица и условия) должны в среднем статистически превышать равномерную случайную величину когерентности внутри или между диадами. Такой метод отличается от базового уровня, используемого в текущей работе (т.е. значений когерентности состояния покоя), который соответствует традиционным конструкциям общих линейных моделей и выбран для сравнения текущих результатов с результатами предыдущих исследований. Следует отметить, что 20-секундный базовый уровень покоя в этом исследовании короче, чем широко используемая продолжительность (30 с или более 1 мин), которая используется для ограничения общего времени эксперимента до 30 мин для обеспечения комфорта участников.

В заключение, в данной статье представлен конкретный конвейер анализа СРК в исследованиях гиперсканирования fNIRS. Такой конвейер является потенциально стандартным подходом к обработке данных в полевых условиях, который будет способствовать как воспроизводимости, так и надежности IBS. В будущем детали обработки данных должны быть дополнительно уточнены при анализе СРК для конкретных групп (т.е. родитель-младенец, дети и пациенты с шизофренией) и конкретных контекстов (т.е. невербальных или вербальных ситуаций общения и обучения). Наконец, демонстрация протокола анализа межмозговой сети для больших групп участников естественных взаимодействий принесет пользу количественной оценке социального взаимодействия.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Авторам нечего раскрывать.

Acknowledgments

Это исследование было поддержано: Национальным фондом естественных наук Китая (31872783, 31800951).

Materials

Name Company Catalog Number Comments
Computer Hewlett-Packard Development Company, L.P. HP S01-pF157mcn
Earphone Royal Philips Electronics, Eindhoven, The Netherlands SHE2405BK/00
EEG cap Compumedics Neuroscan, Charlotte, USA 64-channel Quik-Cap
E-Prime software Psychology Software Tools, Inc., Pittsburgh, USA E-Prime 3
fNIRS system Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System
MATLAB 2014b The MathWorks, Inc., Natick, MA MATLAB 2014b
MuseScore Musescore Company, Belgium MuseScore 3.6.2.548021803
Swimming cap Decathlon Group, Villeneuve-d'Ascq, France 1681552

DOWNLOAD MATERIALS LIST

References

  1. Kingsbury, L., Hong, W. A Multi-Brain Framework for Social Interaction. Trends in Neurosciences. 43 (9), 651-666 (2020).
  2. Konvalinka, I., Bauer, M., Stahlhut, C., Hansen, L. K., Roepstorff, A., Frith, C. D. Frontal alpha oscillations distinguish leaders from followers: multivariate decoding of mutually interacting brains. NeuroImage. 94, 79-88 (2014).
  3. Ikeda, S., et al. Steady Beat Sound Facilitates both Coordinated Group Walking and Inter-Subject Neural Synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  4. Duan, L., et al. Cluster imaging of multi-brain networks (CIMBN): a general framework for hyperscanning and modeling a group of interacting brains. Frontiers in Neuroscience. 9, 267 (2015).
  5. Sanger, J., Muller, V., Lindenberger, U. Intra- and interbrain synchronization and network properties when playing guitar in duets. Frontiers in Human Neuroscience. 6, 312 (2012).
  6. Muller, V., Delius, J. A. M., Lindenberger, U. Hyper-frequency network topology changes during choral singing. Frontiers in Physiology. 10, 207 (2019).
  7. Egetemeir, J., Stenneken, P., Koehler, S., Fallgatter, A. J., Herrmann, M. J. Exploring the neural basis of real-life joint action: Measuring brain activation during joint table setting with functional near-infrared spectroscopy. Frontiers in Human Neuroscience. 5, 95 (2011).
  8. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11 (5-6), 561-566 (2004).
  9. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
  10. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
  11. Jiang, J., Dai, B., Peng, D., Zhu, C., Liu, L., Lu, C. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  12. Tang, H., Mai, X., Wang, S., Zhu, C., Krueger, F., Liu, C. Interpersonal brain synchronization in the right temporo-parietal junction during face-to-face economic exchange. Social Cognitive and Affective Neuroscience. 11 (1), 23-32 (2016).
  13. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
  14. Konvalinka, I., Roepstorff, A. The two-brain approach: how can mutually interacting brains teach us something about social interaction. Frontiers in Human Neuroscience. 6, 215 (2012).
  15. Karlsson, A. Permutation, parametric, and bootstrap tests of hypotheses. Journal of the Royal Statistical Society Series a-Statistics in Society. 169, 171 (2006).
  16. Ayrolles, A., et al. HyPyP: a Hyperscanning python pipeline for inter-brain connectivity analysis. Social Cognitive and Affective Neuroscience. 16 (1-2), 72-83 (2021).
  17. Konvalinka, I., Vuust, P., Roepstorff, A., Frith, C. D. Follow you, follow me: continuous mutual prediction and adaptation in joint tapping. Quarterly Journal of Experimental Psychology. 63 (11), 2220-2230 (2010).
  18. Majolo, B., et al. Human friendship favours cooperation in the iterated prisoner's dilemma. Behaviour. 143, 1383-1395 (2006).
  19. Homer2. , Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  20. Hitachi2nirs. , Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  21. xjview. , Available from: https://www.alivelearn.net/xjview/ (2021).
  22. Cross Wavelet and Wavelet Coherence toolbox. , Available from: http://grinsted.github.io/wavelet-coherence/ (2021).
  23. Groppe's scripts in MathWork. , Available from: https://uk.mathworks.com/matlabcentral/profile/authors/1948879 (2021).
  24. Zhang, Y., Brooks, D. H., Franceschini, M. A., Boas, D. A. Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging. Journal of Biomedical Optics. 10 (1), 011014 (2005).
  25. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  26. Lumley, T., Diehr, P., Emerson, S., Chen, L. The importance of the normality assumption in large public health data sets. Annual Review of Public Health. 23 (1), 151-169 (2002).
  27. Benjamini, Y., Yekutieli, D. The control of the false discovery rate in multiple testing under dependency. Annals of Statistics. 29 (4), 1165-1188 (2001).
  28. Miller, B. L., Cummings, J. L. The human frontal lobes: Functions and disorders. , Guilford Press. New York. (2007).
  29. vanden Bos, W., van Dijk, E., Westenberg, M., Rombouts, S. A. R. B., Crone, E. A. What motivates repayment? Neural correlates of reciprocity in the Trust Game. Social Cognitive and Affective Neuroscience. 4 (3), 294-304 (2009).
  30. Corbetta, M., Shulman, G. L. Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience. 3 (3), 201-215 (2002).
  31. Ferreri, L., Aucouturier, J. J., Muthalib, M., Bigand, E., Bugaiska, A. Music improves verbal memory encoding while decreasing prefrontal cortex activity: an fNIRS study. Frontiers in Human Neuroscience. 7, 779 (2013).
  32. Cheng, X., Li, X., Hu, Y. Synchronous brain activity during cooperative exchange depends on gender of partner: A fNIRS-based hyperscanning study. Human Brain Mapping. 36 (6), 2039-2048 (2015).
  33. Hu, Y., Hu, Y., Li, X., Pan, Y., Cheng, X. Brain-to-brain synchronization across two persons predicts mutual prosociality. Social Cognitive and Affective Neuroscience. 12 (12), 1835-1844 (2017).
  34. Delgado Reyes, L. M., Bohache, K., Wijeakumar, S., Spencer, J. P. Evaluating motion processing algorithms for use with functional near-infrared spectroscopy data from young children. Neurophotonics. 5 (2), 025008 (2018).
  35. Zhang, Y., Brooks, D. H., Franceschini, M. A., Boas, D. A. Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging. Journal of Biomedical Optics. 10 (1), 11014 (2005).
  36. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  37. Scholkmann, F., Spichtig, S., Muehlemann, T., Wolf, M. How to detect and reduce movement artifacts in near-infrared imaging using moving standard deviation and spline interpolation. Physiological Measurement. 31 (5), 649 (2010).
  38. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical Engineering Online. 9 (1), (2010).
  39. Barker, J. W., Aarabi, A., Huppert, T. J. Autoregressive model based algorithm for correcting motion and serially correlated errors in fNIRS. Biomedical Optics Express. 4 (8), 1366-1379 (2013).
  40. Gagnon, L., et al. Short separation channel location impacts the performance of short channel regression in NIRS. NeuroImage. 59 (3), 2518 (2012).
  41. Di Lorenzo, R., et al. Brain responses to faces and facial expressions in 5-month-olds: An fNIRS study. Frontiers in Psychology. 10, 1240 (2019).
  42. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomed Opt Express. 9 (8), 3805-3820 (2018).
  43. Hamilton, A. Hype, hyperscanning and embodied social neuroscience. PsyArXiv. , (2020).
  44. Zhang, X., Noah, J. A., Dravida, S., Hirsch, J. Optimization of wavelet coherence analysis as a measure of neural synchrony during hyperscanning using functional near-infrared spectroscopy. Neurophotonics. 7 (1), 015010 (2020).
  45. Ikeda, S., et al. Steady beat sound facilitates both coordinated group walking and inter-subject neural synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  46. Osaka, N., et al. How two brains make one synchronized mind in the inferior frontal cortex: fNIRS-based hyperscanning during cooperative singing. Frontiers in Psychology. 6, 1811 (2015).
  47. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  48. Hou, Y., Song, B., Hu, Y., Pan, Y., Hu, Y. The averaged inter-brain coherence between the audience and a violinist predicts the popularity of violin performance. NeuroImage. 211, 116655 (2020).
  49. Baker, J. M., et al. Sex differences in neural and behavioral signatures of cooperation revealed by fNIRS hyperscanning. Scientific Reports. 6, 26492 (2016).
  50. Kruppa, J. A., et al. Brain and motor synchrony in children and adolescents with ASD-a fNIRS hyperscanning study. Social Cognitive and Affective Neuroscience. 16 (1-2), 103-116 (2021).
  51. Liu, T., Duan, L., Dai, R., Pelowski, M., Zhu, C. Team-work, Team-brain: Exploring synchrony and team interdependence in a nine-person drumming task via multiparticipant hyperscanning and inter-brain network topology with fNIRS. NeuroImage. 237, 118147 (2021).
  52. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 2405 (2018).
  53. Li, R., Mayseless, N., Balters, S., Reiss, A. L. Dynamic inter-brain synchrony in real-life inter-personal cooperation: A functional near-infrared spectroscopy hyperscanning study. NeuroImage. 238, 118263 (2021).
  54. Boas, D. A., Dale, A. M., Franceschini, M. A. Diffuse optical imaging of brain activation: approaches to optimizing image sensitivity, resolution, and accuracy. NeuroImage. 23, 275-288 (2004).
  55. Ferrari, M., Quaresima, V. A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application. NeuroImage. 63 (2), 921-935 (2012).
  56. Mu, Y., Guo, C., Han, S. Oxytocin enhances inter-brain synchrony during social coordination in male adults. Social Cognitive and Affective Neuroscience. 11 (12), 1882-1893 (2016).
  57. Chen, J., et al. Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. 20 (1), 115-125 (2017).
  58. Regev, M., et al. Propagation of Information Along the Cortical Hierarchy as a Function of Attention While Reading and Listening to Stories. Cerebral Cortex. 29 (10), 4017-4034 (2019).

Tags

Неврология выпуск 175 межмозговая синхронизация гиперсканирование fNIRS когерентность вейвлет-трансформ тест перестановки
Как рассчитать и проверить синхронизацию между мозгами в исследовании гиперсканирования fNIRS
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Hu, Y., Wang, Z., Song, B., Pan, Y., … More

Hu, Y., Wang, Z., Song, B., Pan, Y., Cheng, X., Zhu, Y., Hu, Y. How to Calculate and Validate Inter-brain Synchronization in a fNIRS Hyperscanning Study. J. Vis. Exp. (175), e62801, doi:10.3791/62801 (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