Waiting
Login processing...

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

Neuroscience

Sådan beregnes og valideres synkronisering mellem hjerner i en fNIRS Hyperscanning-undersøgelse

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

Dynamikken mellem koblede hjerner af individer er i stigende grad blevet repræsenteret ved inter-brain synkronisering (IBS), når de koordinerer med hinanden, for det meste ved hjælp af samtidige optagelse signaler af hjerner (nemlig hyperscanning) med fNIRS. I fNIRS hyperscanning undersøgelser, IBS er blevet almindeligt vurderet gennem wavelet omdanne sammenhæng (WTC) metode på grund af sin fordel på at udvide tidsserier i tidsfrekvens rum, hvor svingninger kan ses på en meget intuitiv måde. Den observerede IBS kan yderligere valideres via permutation-baseret tilfældig parring af retssagen, partner, og tilstand. Her præsenteres en protokol for at beskrive, hvordan man får hjernesignaler via fNIRS-teknologi, beregner IBS gennem WTC-metoden og validerer IBS ved permutation i en hyperscanning undersøgelse. Derudover diskuterer vi de kritiske spørgsmål, når vi bruger ovenstående metoder, herunder valg af fNIRS-signaler, metoder til dataforbehandling og valgfrie parametre for beregninger. Sammenfattende er brug af WTC-metoden og permutation en potentielt standardpipeline til analyse af IBS i fNIRS hyperscanning-undersøgelser, der bidrager til både reproducerbarhed og pålidelighed af IBS.

Abstract

Dynamikken mellem koblede hjerner af individer er i stigende grad blevet repræsenteret ved inter-brain synkronisering (IBS), når de koordinerer med hinanden, for det meste ved hjælp af samtidige optagelse signaler af hjerner (nemlig hyperscanning) med fNIRS. I fNIRS hyperscanning undersøgelser, IBS er blevet almindeligt vurderet gennem wavelet omdanne sammenhæng (WTC) metode på grund af sin fordel på at udvide tidsserier i tidsfrekvens rum, hvor svingninger kan ses på en meget intuitiv måde. Den observerede IBS kan yderligere valideres via permutation-baseret tilfældig parring af retssagen, partner, og tilstand. Her præsenteres en protokol for at beskrive, hvordan man får hjernesignaler via fNIRS-teknologi, beregner IBS gennem WTC-metoden og validerer IBS ved permutation i en hyperscanning undersøgelse. Derudover diskuterer vi de kritiske spørgsmål, når vi bruger ovenstående metoder, herunder valg af fNIRS-signaler, metoder til dataforbehandling og valgfrie parametre for beregninger. Sammenfattende er brug af WTC-metoden og permutation en potentielt standardpipeline til analyse af IBS i fNIRS hyperscanning-undersøgelser, der bidrager til både reproducerbarhed og pålidelighed af IBS.

Introduction

Når folk koordinerer med andre, deres hjerner og kroppe bliver en koblet enhed gennem kontinuerlig gensidig tilpasning. Koblingen mellem hjerner kan repræsenteres af inter-brain synkronisering (IBS) gennem hyperscanning tilgang, som samtidig registrerer to eller flere individers hjerne signaler1. Faktisk har en voksende mængde af fNIRS / EEG hyperscanning undersøgelser fundet IBS i forskellige samarbejdssammenhænge, herunder finger aflytning2,gruppe walking3,spille trommer4, guitarspil5, og sang / nynne6. fNIRS er meget udbredt til forskning af IBS under social interaktion, da det mindre begrænser hoved / krop bevægelser i relativt naturlige indstillinger (sammenlignet med fMRI / EEG)7.

Artiklen præsenterer en protokol til beregning af IBS via wavelet transform coherence (WTC) metode i en fNIRS hyperscanning undersøgelse. WTC er en metode til vurdering af krydskorrelationen mellem to bevægelsessignaler på tidsfrekvensplanet og kan derfor give flere oplysninger end den traditionelle korrelationsanalyse (f.eks. Pearson-korrelation og krydskorrelation), som kun er i tidsdomæne8. Derudover omdannes hæmodynamiske signaler til bølgekomponenter, som effektivt kan fjerne lavfrekvent støj. Selvom WTC er tidskrævende, har det været den mest almindeligt anvendte metode til beregning af IBS i aktion efterligning9, kooperativ adfærd10, verbal kommunikation11, beslutningstagning12og interaktiv læring13.

Artiklen præsenterer også, hvordan man validerer IBS med permutation-baseret tilfældig paring af forsøg, betingelser og deltagere. IBS i hyperscanning undersøgelser er altid foreslået at spore online social interaktion mellem enkeltpersoner, mens det også kan fortolkes af andre forklaringer, såsom stimulus lighed, bevægelse lighed, eller tilstand lighed14. Permutationstest, også kaldet randomiseringstest, kan udnyttes til at teste ovennævnte null-hypoteser ved at resampling af de observerede data15. Ved at bruge permutation er det nyttigt at undersøge, om den identificerede IBS er specifik for interaktiv adfærd, lige fra graduering af IBS inden for dyads til mellem grupper af partnere16.

Protokollen beskrevet her detaljer, hvordan man får hjernesignaler via fNIRS-teknologi, beregne IBS gennem WTC-metoden, og validere IBS ved permutation test i en hyperscanning undersøgelse. Denne undersøgelse har til formål at undersøge, om privilegeret IBS fremkaldes af musikmålere under social koordinering. Hjernesignalerne blev registreret i frontal cortex, baseret på placeringen af IBS i et tidligere fund1. Den eksperimentelle opgave blev oprindeligt udviklet af Konvalinka og hendes gymnasier17, hvor deltagerne blev bedt om at trykke fingre med den auditive feedback fra partneren eller sig selv efter at have lyttet til måleren eller ikke-meter stimuli.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Protokollen præsenteret her blev godkendt af University Committee on Human Research Protection of East China Normal University.

1. Forberedelse til forsøget

  1. Deltagere
    1. Rekruttere en gruppe af bachelor-og kandidatstuderende med monetær kompensation af campus reklame.
    2. Sørg for, at deltagerne er højrehåndede og har et normalt eller korrigeret til normalt syn og hørelse. Sørg for, at de ikke har studeret musik eller har studeret det i mindre end 3 år før.
    3. Tilfældigt matche de studerende i dyads. For at kontrollere partnerens potentielle indflydelse på den sociale koordinering18skal du sikre, at medlemmerne af hver dyad ikke har set eller kendt hinanden før.
  2. Eksperimentel stimulus
    1. Opret de auditive stimuli (440 Hz, 660 ms rene toner) ved enhver gratis musikkomposition og notation software.
    2. Gentag tonerne med et interval på 500-1000 ms og kombinere dem i en tone sekvens. Hver tone sekvens er 12 s længere og består af 12 toner.
    3. For en tone sekvens, accent hver første tone (+6 dB) for at skabe mønsteret af nedslående og optimistiske, defineret som måleren stimulus (Supplerende Audio 1). I den anden tonesekvens, upaccent tonerne med samme intensitet (40 dB over individuelle sensation tærskel, indsamlet før eksperimentet opgave), som svarede til ikke-meter stimulus (Supplerende Audio 2).
  3. Eksperimentel opgave
    1. Programmer den eksperimentelle opgave ved hjælp af et psykologisk softwareværktøj.
    2. Tilrettelægge to faser for forsøgsopgaven (Figur 1A) som beskrevet i trin 1.3.3-1.3.6.
    3. anden hviletilstand: Bed deltagerne om at forblive så ubevægelige som muligt med deres sind afslappet og lukkede øjne.
    4. Fingeraflytningsopgave: Bed deltagerne om at udfylde to dele: en koordineringsdel og en uafhængighedsdel.
    5. Under koordinationsdelen skal du kun give auditiv feedback (dvs. en dryplyd svarende til et tryk) til hver deltager for det svar, der genereres af det andet medlem af dyaden. Bed deltagerne om at gøre deres bedste for at svare synkront med det andet medlem.
    6. For uafhængighedsdelen skal du sikre, at begge deltagere modtog den auditive feedback (dvs. en dryplyd svarende til et tryk) af deres egne svar og bede dem om at reagere synkront med den auditive stimulus så præcist som muligt.
      BEMÆRK: Kombineret med måleren og ikke-meter stimuli befandt deltagerne sig i en af fire forskellige forhold: (i) meter koordinering - begge deltagere hørte målere og svarene fra hinanden; ii) ikke-meter koordinering - begge deltagere hørte ikke-målere og svarene fra hinanden iii) meter uafhængighed - begge deltagere hørte målere og svarene fra dem selv; iv) ikke-meter uafhængighed - begge deltagere hørte ikke-meter og svarene fra sig selv.
    7. For hver retssag, lad deltagerne først høre et stykke af den auditive stimulus (12 s) efterfulgt af en lyd (262 Hz, 1000 ms), der tjener som en cue til at begynde at trykke på fingeren.
    8. Bed deltagerne om at gengive den stimulus, de hørte før, ved at trykke på deres højre pegefinger på tastaturet (deltager #1: "f"; deltager #2: "j"). Deltagerne skal trykke 12 gange, samtidig med at de holder det samme tidsinterval mellem toner som den tidligere præsenterede stimulus.
      BEMÆRK: Der blev tildelt 60 forsøg ligeligt i 4 blokke svarende til de 4 forsøgsbetingelser, nemlig 15 forsøg i en blok. Rækkefølgen af blokkene blev opvejet. Den samlede varighed af tappeopgaven var ca. 26 min.
    9. Mellem blokkene, lad deltagerne hvile i 30 s.
    10. Under hele eksperimentet, ikke tillader deltagerne at kommunikere gennem noget sprog eller bevægelse. Adskil deltagerne med computerskærmen for at blokere eventuelle visuelle oplysninger, der kan levere meddelelser mellem dem.
  4. Hjemmelavede fNIRS-hætter: Køb to elastiske badehætter af normal størrelse. For at dække hjernens interesseområde repareres badehætterne som beskrevet i følgende trin:
    1. Sæt en badehætte på en hovedform, og sæt derefter en standard 10-20 EEG-hætte på svømmehætten.
    2. Marker placeringen af FCz på badehætten med en rød magisk markør.
    3. Tag EEG-hætten af hovedformen.
    4. Sæt en optode sonde patch (3 x 5 setup) på svømmehætten, tilpasse den midterste af den anden sonde række af plasteret med den markerede placering af FCz.
      BEMÆRK: Optodesondeplastret omfattede 15 steder optodesonder (dvs. 8 udledere og 7 detektorer), der dannede 22 målekanaler med 3 cm optodeadskillelse (figur 1B).
    5. Marker placeringen af de 15 sonder af plasteret på svømmehætten.
    6. Tag plasteret og badehætten af fra hovedformen.
    7. Skær 15 små huller på de markerede placeringer af de 15 sonder med en saks.
    8. Monter plasteret på den modificerede badehætte ved at indlejre placeringen af 15 sonder i de relevante 15 huller.
    9. Reparere den anden badehætte i henhold til ovenstående proces.
      BEMÆRK: Den hjemmelavede fNIRS-hætte, hvor optodernes placeringer er i henhold til standard-EEG-placeringerne, blev anvendt, da der ikke var nogen gældende standard EEG-hætter for det fNIRS-system, der blev anvendt i denne undersøgelse. Der er ingen grund til at lave en fNIRS-hætte, hvis der er passende standard EEG-hætter med fNIRS-systemet.

2. Før deltagerne ankommer

BEMÆRK: Sørg for at følge trin 2.1-2.5, før deltagerne ankommer til laboratoriet.

  1. Mind de to deltagere i en dyad om at komme til laboratoriet i henhold til den aftalte tidsplan.
  2. Start fNIRS-systemet mindst 30 minutter i forvejen, så laseren er slukket.
  3. Sæt optodesonderne fra fNIRS-systemet ind i optodesondens plastre.
  4. Undersøg parametrene for fNIRS-måling (dvs. emne-id, hændelsesrelateret tilstand, optodesondearrangementet).
  5. Indstil forsøgsapparatet med et bord, to stole, to 19-in computerskærme og to par hovedtelefoner (Figur 1C).

3. Deltager ankomst til laboratoriet

BEMÆRK: Oprigtigt sætter pris på de to deltagere i en dyad, når de ankommer til fNIRS lab. Bed dem om at sætte deres telefon i lydløs tilstand og midlertidigt forlade deres personlige ejendele i kabinettet. Udfør derefter følgende processer i rækkefølge:

  1. Inden deltagerne sætter sig ned, skal de bekræfte, at de to deltagere ikke har set hinanden før. Sørg for, at de ikke kommunikerede med hinanden gennem noget sprog eller bevægelse, mens de var i laboratoriet.
  2. Giv deltagerne informerede samtykkeformularer, der er godkendt af Universitetets Komité for Human Forskning.
  3. Instruer deltagerne om detaljerne i den eksperimentelle opgave. Bed dem om at bære hovedtelefoner og give dem flere øve forsøg.
  4. I praksisforsøgene skal du give de to deltagere i hver dyad mulighed for at øve sammen.
    BEMÆRK: Før du bærer fNIRS-hætten, er det værd at måle og bestemme hovedstørrelsen for hver deltager ved hjælp af en fleksibel regel. Vælg derefter den rigtige størrelse hætte for deltageren i henhold til hans / hendes hoved størrelse. I denne undersøgelse blev et sådant skridt savnet, da der blev brugt badehætter i en størrelse. Det er bedre at udføre dette trin dagen før eksperimentet, fordi de relative operationer (dvs. måling af hovedstørrelse, valg af den rigtige størrelse svømmehætte, montering af optodesondeplastrene til svømmehætten og indsættelse af optodesonerne i sondeplastrene) er tidskrævende (ca. 20-30 min).
  5. Sæt fNIRS cap på hovedet af deltagerne med midten af hætten peger på placeringen af CZ, og placere den midterste optode sonde af den anden sonde række af plasteret på FCz.
  6. Brug fNIRS-systemet til at udføre signalkalibreringen med laseren tændt.
  7. Hvis der er et utilstrækkeligt signal på en kanal, justere signalintensiteten med en fiberpind til forsigtigt at sætte håret under den omgivende sondespids til side.
  8. Tryk om nødvendigt forsigtigt på sonderne, men sørg for ikke at skade deltagerne.
  9. Gentag trin 3.5-3.8, indtil signalets kvalitet er tilgængelig. Sørg for, at deltagerne føler sig godt tilpas under hele processen med signalkalibrering.
  10. Hjælp deltagerne med at finde en behagelig kropsholdning for sig selv (f.eks komfortable kropspositioner). Mind deltagerne om at holde hovedet så ubevægeligt som muligt under hele forsøgsopgaven (dvs. ca. 26 min).
  11. Undersøg kvaliteten af NIRS-signaler igen. Hvis der er tilstrækkelige signaler i alle kanaler, skal du køre eksperimentproceduren på pc'en.
  12. Hjælp deltagerne med at tage hovedtelefonerne og fNIRS-hætten af, når forsøgsproceduren er afsluttet. Returner deres personlige ejendele og tak dem med økonomisk kompensation.
  13. Brug fNIRS-systemet til at gemme data. Brug en disk til at eksportere rå fNIRS-data (.csv) og bruge en USB til at kopiere adfærdsdata fra computeren.
  14. Luk fNIRS-systemet og computeren, hvis ikke mere eksperimentel arrangement.
  15. Hold laboratorienotesbogen klar til at notere alle hændelser, især abnormiteter under hele eksperimentet.

4. Dataanalyse

BEMÆRK: Udfør al dataanalyse ved hjælp af MATLAB-software med følgende værktøjskasser: HOMER219, Hitachi2nirs20, xjView21, Cross Wavelet og Wavelet Coherence toolbox22og Groppes scripts i MathWork23.

  1. Forbehandling af data
    1. Følg trin 4.1.2-4.1.3
    2. Læs datafilerne (.csv) for hver deltager med funktionen readHitachData i xjView.
      BEMÆRK: På denne måde konverteres Hitachi-måledataene (csv-format) til oxyHb/deoxyHb/marker-data med de oplysninger, der er gemt i målingen (dvs. bølgelængde, timedata og kanalliste).
    3. Visuelt kontrollere kvaliteten i oxyHb og deoxyHb værdier ved at plotte alle kanalers tidsserier i én figur, med funktionen plotTraces af xjView.
      BEMÆRK: Det er nemt at identificere abnormiteter i dataene. Den kanal, der har meget støj, kan udelukkes i efterfølgende analyse.
    4. Konverter Hitachi-filer (.csv) til .nirs-filformat med csv2nirs-funktionen Hitachi2nirs, som understøtter yderligere dataforbehandling med Homer2.
    5. Transformer de rå data til optisk tæthed med funktionen hmrIntensity2OD af Homer2.
    6. Brug hovedkomponentanalyser (PCA)24 til at fjerne fNIRS globale fysiologiske støj ved hjælp af funktionen enPCAFilter (nSV = 0,8, det vil sige 80% af kovariansen af dataene blev fjernet) af Homer2.
    7. Brug korrelationsbaseret signalforbedringsmetode (CBSI)25 til at fjerne hovedbevægelsesartefakter ved hjælp af funktionen hmrMotionCorrect_Cbsi homer2.
    8. Brug modificeret Beer-Lembert lov til at omdanne den forarbejdede optiske tæthed til oxyHb og deoxyHb værdier med hmrOD2Conc funktion Homer2.
  2. Beregning af IBS
    BEMÆRK: For de forbehandlede oxyHb-værdier skal du bruge WTC til at beregne sammenhængsværdierne for kanalparret, der er fra samme placering af dyaden, herunder følgende pipeline:
    1. Ansæt wTC-funktionen i værktøjskassen Cross Wavelet og Wavelet Coherence med standardparametre for at beregne sammenhængsværdierne på hvert tidspunkt og frekvenspunkt for at opnå en toakset matrix af kohærensværdier.
    2. For standardparametrene skal du bruge mor mor-bølgen til at omdanne hver tidsserie til tids- og frekvensdomænet ved den kontinuerlige bølgetransformation.
    3. Vælg MonteCarloCount for at repræsentere antallet af surrogatdatasæt i signifikansberegningen, og vælg Auto AR1 for at beregne autokorrelationskoefficienterne for tidsserien.
    4. Vælg frekvensbånd af interesse (FOI) som nævnt i trin 4.2.5-4.2.8.
    5. Vælg og gennemsnit sammenhængsværdierne for frekvensbåndet mellem 0,5-1 Hz (henholdsvis svarende til periode 2 s og 1 s), i henhold til det frekvensbånd, der blev brugt i fingerbevægelsesopgaven for en tidligere fNIRS-hyperscanningstudie9. En sådan FOI svarede også til perioden med et tryk i forsøgsopgaven. Således opnå en kolonne af sammenhæng værdier for hvert par.
      BEMÆRK: For yderligere statistisk at bekræfte FOI skal du beregne sammenhængsværdierne for hver dyad på tværs af hele frekvensområdet (dvs. 0,008-10 Hz for dataene) i stedet for blot at begrænse det valgte frekvensbånd (dvs. 0,5-1 Hz).
    6. Gennemsnitlig sammenhængsværdierne for de målrettede tidsvinduer (samme som 4.2.3) for hvert frekvenspunkt.
    7. Dernæst analysere de gennemsnitlige kohærensværdier efter rørledningen beskrevet i trin 4.2.9-4.2.11 og efterfølgende statistikker (dvs. 4.3.1 - 4.3.2) for hvert frekvenspunkt.
    8. Sidst, visuelt inspicere FOI ved at plotte de statistiske z værdier for hver kanal på tværs af frekvens.
    9. Vælg og gennemsnit sammenhængsværdierne for tidsvinduet under hviletilstanden (tidsvindue for henholdsvis 20 s-hviletilstand) og hver eksperimentel tilstand (dvs. målerkoordinering, ikke-meterkoordinering, måleruafhængighed og ikke-meter uafhængighed) ved hjælp af oplysninger om varemærke. Således opnå fem sammenhæng værdier for hver dyad.
    10. For opgavesessionen skal du kun vælge den varighed, hvor deltagerne trykkede for at reproducere den auditive stimulus, ca. 12 s for hvert forsøg, således i alt 180 s (dvs. 12 s x 15 forsøg) for hver eksperimentel tilstand.
      BEMÆRK: IBS blev beregnet som sammenhængsforøgelse (de større fratrækkede sammenhængsværdier end nul), nemlig de større sammenhængsværdier i opgavesessionen sammenlignet med værdierne i hviletilstandssessionen.
    11. Træk den hvilende sammenhængsværdi fra henholdsvis den opgaverelaterede sammenhængsværdi, hvor sammenhængsværdien under hviletilstanden blev brugt som udgangspunkt i dette eksperiment.
      BEMÆRK: Ved at gentage ovenstående trin (4.2.1-4.2.11) på tværs af kanaler (dvs. 22 kanaler) og dyader (dvs. 16 dyader) blev de fratrukket sammenhængsværdier for hver dyad ved hver kanal endelig opnået.
  3. Statistik
    1. Sammenlign de fratøvte kosynsværdier med nul ved hver kanal for hver eksperimentel tilstand ved hjælp af de parrede prøver permutation t-test med mult_comp_perm_t1 funktion af Groppes arbejde (5000 permutationer for at estimere fordelingen af null-hypotesen; ønsket familiemæssigt alfaniveau- 0,05; tosidet test, hvilket betyder, at den alternative hypotese er, at gennemsnittet af dataene er forskellig fra 0) som unormal datafordeling og begrænset prøvestørrelse i den nuværende eksperiment26.
      BEMÆRK: De parrede prøver permutation t-test her svarer til parret t-test, men sidstnævnte antager, at dataene normalt distribueres, mens førstnævnte ikke. En sådan test begynder på samme måde som parret t-test, det vil sige ved at beregne en t score (dvs. real t score) for sammenhængsværdierne i forskellige grupper (den ene er de fratrakte sammenhængsværdier i opgavetilstanden, den anden er nuller). Derefter genereres en permutation ved at udveksle sammenhængsværdierne for forskellige grupper, og der beregnes en ny t-score for de fratrakte kohærensværdier og nuller efter denne permutation. En sådan permutation udføres 5000 gange. Således opnås 5000 t score. Ved fordelingen af 5000 t-scorerne genererer den relative placering af den reelle t-score p-værdien for de fratrakte kohærensværdier.
    2. Ret p-værdierne (dvs. på grund af problemet med flere sammenligninger, og generer fra sammenligningerne på tværs af 22 kanaler i én programrettelse) ved metoden False Discovery Rate (p < 0,05)27. Udfør denne korrektion via MAFDR-funktionen i MATLAB-værktøjskassen.
      BEMÆRK: Hvis p-værdien på en kanal var betydelig (dvs. p < 0,05) efter FDR-korrektion, er der IBS på den pågældende kanal.
    3. Sammenligne sammenhængsværdierne mellem de forskellige opgavebetingelser på den kanal, hvor IBS eksisterede, ved hjælp af de parrede prøver permutation t-test med mult_comp_perm_t1 funktion af Groppes arbejde (samme parametre som nævnt i trin 4.3.1).
      BEMÆRK: For intuitivt at undersøge IBS under interpersonel koordinering vedrørende måler vs. ikke-meter stimuli skal du sammenligne sammenhængsværdierne for forskellige forhold direkte (dvs. målerkoordinering vs. ikke-meterkoordinering; målerkoordinering vs. måleruafhængighed).
    4. Beregn adfærdspræstationen ud fra den absolutte forskel mellem partnernes svartid divideret med summen af begge partneres svar56.
    5. Vurder forholdet mellem IBS og adfærdsmæssige præstationer gennem permutationstesten baseret på Pearson lineær korrelationsanalyse (dvs. den mult_comp_perm_corr funktion af Groppes arbejde).
  4. Validering af IBS
    BEMÆRK: For at udelukke de forklaringer, som lignende stimuli, bevægelser eller tilstande fremkaldte den påviste IBS, skal du bruge en permutationstest som en valideringsmetode med tre permutationer (dvs. inden for dyaden, mellem dyad og mellem tilstandspermutationer) inkluderet følgende:
    1. Randomisere etiketten af forsøg i måler koordinering tilstand (dvs. inden for dyad permutation, såsom retssag # 1 og retssag # 13 i dyad # 1) for en dyad på hver kanal via randperm funktion MATLAB.
    2. Følg ovenstående pipeline for beregning af IBS og statistikker (dvs. afsnit 4.2 og 4.3, men eksklusive følsomhedsanalysen for FOI) for den randomiserede forsøgsetiket.
      BEMÆRK: Beregn sammenhængsværdier for det falske par for hver betingelse separat, og beregn sammenhængsforøgelsen for det falske par (dvs. trække hvilekonsensitilværdien fra den opgaverelaterede sammenhængsværdi for det falske par).
    3. Gennemføre permutationen 1000 gange efterfulgt af rørledningen til beregning af IBS og statistikker (punkt 4.2 og 4.3).
    4. Plot fordelingen af statistiske z værdier genereret inden for dyad permutation.
    5. Udfør trin 4.4.2-4.4.4 ved at randomisere parring af deltagerne i samme forsøg i målerkoordineringstilstanden (dvs. mellem dyad permutation, såsom deltager #1 i dyad #1 og deltager #1 i dyad #3).
    6. Udfør trin 4.4.2-4.4.4 ved at randomisere etiketten af betingelser for de samme medlemmer af en dyad i samme forsøg (dvs. mellem tilstand permutation, såsom deltager # 1 i måler koordinering tilstand og deltager # 2 i meter uafhængighed tilstand).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resultaterne viste, at der var IBS på kanal 5 i målerkoordineringstilstanden, mens der ikke fandtes nogen IBS under andre forhold (dvs. måleruafhængighed, ikke-meterkoordinering, ikke-meter uafhængighed; Figur 2A. På kanal 5 var IBS i målerkoordineringstilstanden betydeligt højere end sammenhængsværdierne i ikke-målerkoordinerings- og måleruafhængighedstilstanden (figur 2B). Kanal 5 tilhørte ca. den venstre dorsolaterale præfrontale cortex (DLPFC; Brodmann Område 9). Desuden viste permutation analyse, at den observerede IBS sandsynligvis præsenteret i to personer af en dyad, der forsøgte at synkronisere med hinanden i den matchede tid, men ikke i den tid, partner, eller betingelse af tilfældigt parring (Figur 2C). Tilsammen viste disse resultater, at musikmåler inducerede privilegerede IBS hos DLPFC under interpersonel koordinering. I betragtning af DLPFC's rolle i social interaktion (f.eks. modulerende opmærksomhed på andre personer28,29) og musik (f.eks. forbedring af kognitive præstationer i nærværelse af en musikalsk baggrund30,31), kan den observerede DLPFC-IBS i målerkoordineringstilstanden være relateret til at drive mere opmærksomhedsressource til den proces, der er involveret i interpersonel koordinering, såsom at opfatte og forstå partnerens opgave og bevægelse.

Figure 1
Figur 1: Eksperimentel design. (A) Forsøgsprocedure og opgave. (B) Sondekonfiguration. (C) Eksperimentel opsætning. Klik her for at se en større version af dette tal.

Figure 2
Figur 2: Synkronisering mellem hjernen (IBS). (A) Varmekortene for permutationstesten om sammenhængsværdien for hver tilstand. Der var IBS på kanal 5 i måleren koordinering tilstand. (B) IBS ved kanal 5 i målerkoordineringstilstanden var betydeligt større end dem, der var i måleruafhængighed og ikke-meter-koordineringstilstand. **p < 0,01, *p < 0,05. Fejllinjer repræsenterer minimum/maksimumværdier. Diamantprikkerne angiver ekstreme værdier. Det nedtonede område angiver konfidensintervallet på 95 %. (C) Effekten af IBS (statistiske z værdier) med permuterende forsøg, individuelle og tilstand for alle kanaler. Den stiplede linje angiver effekten af IBS ved kanal 5 i målerkoordineringstilstanden. X-aksen repræsenterer Z-værdien, og y-aksen repræsenterer antallet af prøver. Klik her for at se en større version af dette tal.

Supplerende lyd 1. Klik her for at downloade denne fil.

Supplerende lyd 2. Klik her for at downloade denne fil.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Denne protokol giver en trinvis procedure til at beregne og validere IBS ved hjælp af fNIRS hyperscanning tilgang til samtidig at indsamle to deltageres hjernesignaler. Nogle kritiske spørgsmål, der er involveret i fNIRS-dataforbehandling, IBS-beregning, statistik og IBS-validering, diskuteres nedenfor.

Forbehandling af data
Det er nødvendigt at forbehandle fNIRS-data i hyperscanning undersøgelser for at udtrække reelle signaler fra den mulige støj (dvs. bevægelse artefakter, systemiske komponenter). Selvom forbehandlingen springes over, når IBS analyseres i tidligere fNIRS hyperscanning undersøgelser10,32,33, det har været en væsentlig og standard del i de seneste. I denne undersøgelse bruges både CBSI og PCA til at fjerne støj; førstnævnte er pålidelig til at fjerne hovedbevægelse artefakter34, mens sidstnævnte er god til at reducere den globale fysiologiske støj (f.eks respiratoriske, blodtryk, og blodgennemstrømning variation)35. Selvfølgelig er der andre bevægelseskorrektionsmetoder til dataforbehandling, som klarer sig godt i empiriske fNIRS-undersøgelser, såsom bølgefiltrering36, spline interpolation37, Kalman filtrering38, autoregressive algoritmer39og kortkanals separationskorrektion40. Sammenligningerne af bevægelseskorrektionsmetoder rapporterede, at det altid er bedre at korrigere bevægelsesartefakter end at udelukke kanaler eller afvise forsøg, og at hver metode har særlig vægt på. Det er blevet foreslået, at vedtagelse af flere beslutningsforslag korrektion metoder samtidig41, som vist i denne undersøgelse, er en realistisk løsning. Derudover anvendes lavpas- og high-pass-filtrering også normalt i fNIRS-dataforbehandling for at fjerne fysiologisk støj. Selvom denne metode er effektiv, kan den ødelægge opgaveeffekten, når den fysiologiske støj- og opgaveeffekt forekommer i lignende frekvensbånd42. Sammen, samtidig ved hjælp af PCA og CBSI kan være tilrådeligt for data forbehandling i fNIRS hyperscanning undersøgelser.

Beregn IBS
Det er blevet foreslået, at der er behov for mere arbejde for at standardisere IBS-analysetrinnene og øge reproducerbarheden af IBS, da præcise algoritmer, der bruges til at beregne IBS, er variable på tværs af laboratorier og undersøgelser43. I dette arbejde er standardpipelinen for beregning af IBS gennem WTC nyttig for forskere. Der er flere ting, der skal være forsigtige. For det første falder WTC almindeligvis ind under Morlet wavelet-familien, som bruges i denne undersøgelse. Det foreslås dog, at en kompleks gaussisk bølge er mere egnet til fNIRS-data end en Morlet-bølge, da førstnævnte matcher bølgeformen på det underliggende signal (dvs. multicyklussignalerne forekommer sjældent, især for signalet om bølgelængder omkring 10 til 20 s)44. Flere overvejelser bør rettes mod de bølgesammenhæng beregninger, der påvirker effekten af analysen i efterfølgende applikationer til NIRS signaler erhvervet under levende sociale interaktioner. For det andet blev der for at være i overensstemmelse med tidligere resultater af interpersonel koordinering med musik2,45,46 og musikaktiviteter4,47,48beregnet sammenhængsværdier mellem de samme kanaler i denne undersøgelse, mens nogle undersøgelser i gennemsnit har i gennemsnit sammenhængsværdierne for alle kanaler inden for samme hjerneregion før statistisk analyse49,50 . Desuden blev sammenhængsværdierne beregnet ikke blot mellem de samme kanaler/regioner10,32,51 ,men også på tværs af forskellige kanaler/regioner52,53. Disse nævnte processer har beriget pipelinen til beregning af IBS og kan interessere fremtidige retninger for social interaktion. Sidst men ikke mindst blev kun oxyHb-værdier analyseret i denne undersøgelse, da oxyHb-værdier betragtes som den mest følsomme indikator for ændringer i den regionale cerebrale blodgennemstrømning54. Men nogle forskere fokuserede på deoxyHb-ændringer baseret på resultaterne af, at deoxyHb-værdier er tættest relateret til fMRI-signalet og uafhængig af den globale fysiologiske støj55. Under alle omstændigheder, resultaterne kan være mere pålidelige, hvis lignende IBS effekter er afsløret i både oxyHb og deoxyHb ændringer. Derfor er analysen af IBS på deoxyHb-værdier også nødvendig for fremtidige fNIRS hyperscanning undersøgelser.

Valider IBS
Det er nødvendigt at validere den afslørede IBS, da fortolkningen af IBS fortsat er kompleks. For eksempel er IBS blevet forklaret som en mekanisme til informationsoverførsel, fælles forsætlighed, adfærdsmæssig tilpasning, lignende opfattelse osv. Det ville bidrage til at afklare fortolkningen af IBS ved at udføre null hypotese test med permutation, hvor sammenhæng værdier er enten beregnet for de virkelige dyads, men tilfældigt parring forsøg eller for falske dyads ved tilfældigt parring deltagere inden for en betingelse / gruppe eller mellem betingelser / grupper16. I denne undersøgelse blev permutation udført ved blot at gennemføre et meget stort antal resampler (dvs. 1000 gange). I modsætning hertil kan der beregnes kohærensværdier for alle mulige tilfældige par56. Derudover kan ovenstående permutationstest bruges til at generere en null-fordeling af sammenhænge fra alle mulige sammenhænge i eksperimentet for at se, om den observerede IBS er nær den øverste ende af denne fordeling, som er blevet almindeligt anvendt i undersøgelser, der vedtager virkelige stimuli og eksperimentelle miljø57,58. Denne analyse sikrer, at IBS er real-interaktionsspecifik på sekvensniveau, da sammenhængsværdierne under matchende (dvs. forsøg, enkeltpersoner og tilstande) i gennemsnit statistisk skal overstige en lige stor tilfældig tegning af sammenhænge inden for eller mellem dyads. En sådan metode adskiller sig fra den basislinje, der anvendes i det aktuelle arbejde (dvs. resting-state sammenhængsværdierne), som er i overensstemmelse med traditionelle generelle lineære modeller og vælges til at sammenligne de aktuelle resultater med resultaterne i tidligere undersøgelser. Det skal bemærkes, at 20-s-hvile baseline i denne undersøgelse er kortere end den udbredte varighed (30 s eller mere end 1 min), som bruges til at begrænse den samlede tid for forsøget til 30 min for at sikre komfort for deltagerne.

Afslutningsvis giver denne artikel en specifik pipeline til analyse af IBS i fNIRS hyperscanning undersøgelser. En sådan pipeline er en potentielt standard databehandlingsmetode på området, som vil bidrage til både reproducerbarheden og pålideligheden af IBS. I fremtiden bør detaljerne i databehandlingen yderligere forbedres ved analyse af IBS for bestemte grupper (dvs. forældre-spædbarn, børn og skizofrenipatienter) og særlige sammenhænge (dvs. nonverbale eller verbale kommunikations- og undervisningssituationer). Endelig vil fremvisning af protokollen om analyse af inter-hjernenetværket for større grupper af deltagere i naturlige interaktioner gavne kvantificeringen af social interaktion.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har intet at afsløre.

Acknowledgments

Denne forskning blev støttet af: National Natural Science Foundation of China (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

Neurovidenskab inter-brain synkronisering fNIRS hyperscanning wavelet omdanne sammenhæng permutation test
Sådan beregnes og valideres synkronisering mellem hjerner i en fNIRS Hyperscanning-undersøgelse
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