Waiting
Login processing...

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

Neuroscience

Hoe inter-brain synchronisatie te berekenen en te valideren in een fNIRS Hyperscanning-studie

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

De dynamiek tussen gekoppelde hersenen van individuen wordt in toenemende mate weergegeven door inter-hersensynchronisatie (PDS) wanneer ze met elkaar coördineren, meestal met behulp van gelijktijdig opnemende signalen van hersenen (namelijk hyperscanning) met fNIRS. In fNIRS hyperscanning studies is IBS vaak beoordeeld via de wavelet transform coherence (WTC) methode vanwege het voordeel op het uitbreiden van tijdreeksen in tijd-frequentie ruimte waar oscillaties op een zeer intuïtieve manier kunnen worden gezien. De waargenomen PDS kan verder worden gevalideerd via de op permutatie gebaseerde willekeurige paring van de studie, partner en aandoening. Hier wordt een protocol gepresenteerd om te beschrijven hoe hersensignalen kunnen worden verkregen via fNIRS-technologie, IBS kan worden berekend via de WTC-methode en IBS kan worden gevalideerd door permutatie in een hyperscanningstudie. Verder bespreken we de kritieke problemen bij het gebruik van de bovenstaande methoden, waaronder de keuze van fNIRS-signalen, methoden voor het voorbewerken van gegevens en optionele parameters van berekeningen. Samenvattend, het gebruik van de WTC-methode en permutatie is een potentieel standaard pijplijn voor het analyseren van IBS in fNIRS hyperscanning studies, wat bijdraagt aan zowel de reproduceerbaarheid als de betrouwbaarheid van IBS.

Abstract

De dynamiek tussen gekoppelde hersenen van individuen wordt in toenemende mate weergegeven door inter-hersensynchronisatie (PDS) wanneer ze met elkaar coördineren, meestal met behulp van gelijktijdig opnemende signalen van hersenen (namelijk hyperscanning) met fNIRS. In fNIRS hyperscanning studies is IBS vaak beoordeeld via de wavelet transform coherence (WTC) methode vanwege het voordeel op het uitbreiden van tijdreeksen in tijd-frequentie ruimte waar oscillaties op een zeer intuïtieve manier kunnen worden gezien. De waargenomen PDS kan verder worden gevalideerd via de op permutatie gebaseerde willekeurige paring van de studie, partner en aandoening. Hier wordt een protocol gepresenteerd om te beschrijven hoe hersensignalen kunnen worden verkregen via fNIRS-technologie, IBS kan worden berekend via de WTC-methode en IBS kan worden gevalideerd door permutatie in een hyperscanningstudie. Verder bespreken we de kritieke problemen bij het gebruik van de bovenstaande methoden, waaronder de keuze van fNIRS-signalen, methoden voor het voorbewerken van gegevens en optionele parameters van berekeningen. Samenvattend, het gebruik van de WTC-methode en permutatie is een potentieel standaard pijplijn voor het analyseren van IBS in fNIRS hyperscanning studies, wat bijdraagt aan zowel de reproduceerbaarheid als de betrouwbaarheid van IBS.

Introduction

Wanneer mensen coördineren met anderen, worden hun hersenen en lichamen een gekoppelde eenheid door voortdurende wederzijdse aanpassing. De koppeling tussen hersenen kan worden weergegeven door inter-hersensynchronisatie (IBS) via de hyperscanning-benadering, die tegelijkertijd de hersensignalen van twee of meer individuen registreert1. Inderdaad, een groeiend aantal fNIRS / EEG hyperscanning studies heeft IBS gevonden in verschillende samenwerkingscontexten, waaronder vingertikken2,groep lopen3,drumsspelen 4,gitaar spelen 5 enzingen/ neuriën6. fNIRS wordt veel gebruikt voor het onderzoek naar PDS tijdens sociale interactie, omdat het de bewegingen van hoofd / lichaam in relatief natuurlijke omgevingen (in vergelijking met fMRI / EEG) minder beperkt7.

Het artikel presenteert een protocol voor het berekenen van IBS via wavelet transform coherence (WTC) methode in een fNIRS hyperscanning studie. WTC is een methode voor het beoordelen van de kruiscorrelatie tussen twee bewegingssignalen op het tijd-frequentievlak en kan daarom meer informatie geven dan de traditionele correlatieanalyse (bijv. Pearson-correlatie en kruiscorrelatie), die alleen in het tijdsdomein8ligt . Bovendien worden hemodynamische signalen omgezet in wavelet-componenten, die de laagfrequente ruis effectief kunnen verwijderen. Hoewel WTC tijdrovend is, is het de meest gebruikte methode voor het berekenen van PDS in actie imitatie9,coöperatief gedrag10,verbale communicatie11,besluitvorming12en interactief leren13.

Het artikel presenteert ook hoe IBS te valideren met de op permutatie gebaseerde willekeurige paring van onderzoeken, omstandigheden en deelnemers. De IBS in hyperscanningstudies wordt altijd voorgesteld om online sociale interactie tussen individuen te volgen, terwijl het ook kan worden geïnterpreteerd door andere verklaringen, zoals de stimulusovereenkomst, bewegingsgelijkvormigheid of conditieovereenkomst14. Permutatietest, ook wel randomisatietest genoemd, kan worden gebruikt om de bovengenoemde nulhypothesen te testen door de waargenomen gegevens opnieuw te bemonsteren15. Door permutatie te gebruiken, is het nuttig om te onderzoeken of de geïdentificeerde IBS specifiek is voor interactief gedrag, variërend van modulatie van IBS binnen dyads tot tussen groepen partners16.

Het protocol dat hier wordt beschreven, beschrijft hoe hersensignalen kunnen worden verkregen via fNIRS-technologie, IBS kunnen worden berekend via de WTC-methode en IBS kan worden gevalideerd door permutatietests in een hyperscanningstudie. Deze studie heeft tot doel te onderzoeken of geprivilegieerde PDS wordt opgewekt door muziekmeters tijdens sociale coördinatie. De hersensignalen werden geregistreerd in de frontale cortex, gebaseerd op de locatie van de PDS in een eerdere bevinding1. De experimentele taak werd oorspronkelijk ontwikkeld door Konvalinka en haar colleges17, waarbij deelnemers werd gevraagd om op hun vingers te tikken met de auditieve feedback van de partner of zichzelf na het luisteren naar de meter of niet-meter stimuli.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Het hier gepresenteerde protocol werd goedgekeurd door de University Committee on Human Research Protection van de East China Normal University.

1. Voorbereiding op het experiment

  1. Deelnemers
    1. Rekruteer een groep niet-gegradueerde en afgestudeerde studenten met geldelijke compensatie door de campusreclame.
    2. Zorg ervoor dat de deelnemers rechtshandig zijn en een normaal of gecorrigeerd naar normaal zicht en gehoor hebben. Zorg ervoor dat ze geen muziek hebben gestudeerd of het minder dan 3 jaar eerder hebben bestudeerd.
    3. Willekeurig matchen de studenten in dyads. Om het potentiële effect van partnerbekendheid op sociale coördinatie te beheersen18, zorg ervoor dat de leden van elke dyade elkaar niet eerder hebben gezien of gekend.
  2. Experimentele stimulus
    1. Creëer de auditieve stimuli (440 Hz, 660 ms zuivere tonen) door elke vrije muziekcompositie en notatiesoftware.
    2. Herhaal de tonen met een interval van 500-1000 ms en combineer ze in een toonvolgorde. Elke toonsequentie is 12 s langer en bestaat uit 12 tonen.
    3. Voor één toonsequentie accentueer je elke eerste toon (+6 dB) om het patroon van downbeats en upbeats te creëren, gedefinieerd als de meterprikkel(Supplementary Audio 1). In de tweede toonsequentie, onacceptabel de tonen met gelijke intensiteit (40 dB boven individuele sensatiedrempel, verzameld vóór de experimentele taak), die overeenkwam met de niet-meter stimulus (Aanvullende audio 2).
  3. Experimentele taak
    1. Programmeer de experimentele taak met behulp van een psychologische softwaretool.
    2. Richt twee fasen in voor de experimentele taak (figuur 1A) zoals beschreven in stappen 1.3.3-1.3.6.
    3. tweede rusttoestand: Vraag deelnemers om zo onbeweeglijk mogelijk te blijven met hun geest ontspannen en ogen gesloten.
    4. Vingertikkende taak: Vraag de deelnemers om twee delen te voltooien: een coördinatiegedeelte en een onafhankelijkheidsgedeelte.
    5. Geef tijdens het coördinatiegedeelte auditieve feedback (d.w.z. een druppelgeluid dat overeenkomt met één tik) aan elke deelnemer alleen voor de respons die door het andere lid van de dyade wordt gegenereerd. Vraag de deelnemers om hun best te doen om synchroon te reageren met het andere lid.
    6. Zorg er voor het onafhankelijkheidsgedeelte voor dat beide deelnemers de auditieve feedback (d.w.z. een druppelgeluid dat overeenkomt met één tik) van hun eigen antwoorden hebben ontvangen en vraag hen om zo precies mogelijk synchroon te reageren met de auditieve stimulus.
      OPMERKING: In combinatie met de meter- en niet-meterstimuli bevonden deelnemers zich in een van de vier verschillende omstandigheden: (i) metercoördinatie - beide deelnemers hoorden meters en de reacties van elkaar; ii) niet-metercoördinatie - beide deelnemers hoorden niet-meters en de antwoorden van elkaar; (iii) meteronafhankelijkheid - beide deelnemers hoorden meters en de reacties van zichzelf; (iv) niet-meteronafhankelijkheid - beide deelnemers hoorden niet-meters en de antwoorden van zichzelf.
    7. Laat de deelnemers voor elke proef eerst een stuk van de auditieve stimulus (12 s) horen, gevolgd door een geluid (262 Hz, 1000 ms) dat dient als een aanwijzing om op de vinger te tikken.
    8. Vraag de deelnemers om de stimulus die ze eerder hebben gehoord te reproduceren door op hun rechterwijsvinger op het toetsenbord te tikken (deelnemer #1: "f"; deelnemer #2: "j"). Deelnemers moeten 12 keer tikken met hetzelfde tijdsinterval tussen tonen als de eerder gepresenteerde stimulus.
      OPMERKING: Er waren 60 onderzoeken gelijkelijk toegewezen in 4 blokken die overeenkomen met de 4 experimentele omstandigheden, namelijk 15 onderzoeken in één blok. De volgorde van de blokken werd gecompenseerd. De totale duur van de taptaak was ongeveer 26 minuten.
    9. Laat de deelnemers tussen de blokken door 30 s rusten.
    10. Laat de deelnemers tijdens het hele experiment niet communiceren via een taal of beweging. Scheid de deelnemers met het computerscherm om visuele informatie te blokkeren die berichten tussen hen kan afleveren.
  4. Zelfgemaakte fNIRS caps: Koop twee elastische badmutsen van normale grootte. Om het hersengebied van belang te bedekken, herstelt u de badmutsen zoals beschreven in de volgende stappen:
    1. Doe een badmuts op een hoofdvorm en doe vervolgens een standaard 10-20 EEG-pet op de badmuts.
    2. Markeer de locatie van FCz op de badmuts met een rode magische marker.
    3. Verwijder de EEG-dop van de hoofdvorm.
    4. Plaats een optode probe patch (3 x 5 setup) op de badmuts en lijn de middelste van de tweede probe rij van de patch uit met de gemarkeerde locatie van FCz.
      OPMERKING: De optode-sondepatch omvatte 15 locaties van optode-sondes (d.w.z. 8 emitters en 7 detectoren), die 22 meetkanalen vormden met 3 cm optodescheiding(figuur 1B).
    5. Markeer de locaties van de 15 sondes van de patch op de badmuts.
    6. Verwijder de pleister en de badmuts van de hoofdvorm.
    7. Knip 15 kleine gaatjes op de gemarkeerde locaties van de 15 sondes met een schaar.
    8. Monteer de patch op de aangepaste badmuts door de locaties van 15 sondes in de juiste 15 gaten in te bedden.
    9. Herstel de andere badmuts volgens het bovenstaande proces.
      OPMERKING: De zelfgemaakte fNIRS-dop, waarbij de locaties van optodes zijn volgens de standaard EEG-locaties, werd gebruikt omdat er geen toepasselijke standaard EEG-doppen waren voor het fNIRS-systeem dat in deze studie werd gebruikt. Het is niet nodig om een fNIRS-dop te maken als er geschikte standaard EEG-doppen zijn met het fNIRS-systeem.

2. Voordat deelnemers arriveren

OPMERKING: Zorg ervoor dat u stap 2.1-2.5 volgt voordat de deelnemers in het laboratorium aankomen.

  1. Herinner de twee deelnemers aan één dyade om volgens het afgesproken tijdschema naar het laboratorium te komen.
  2. Start het fNIRS-systeem minstens 30 minuten van tevoren, waardoor de laser is uitgeschakeld.
  3. Plaats de optode-sondes van het fNIRS-systeem in de optode-sondepleisters.
  4. Onderzoek de parameters van fNIRS-meting (d.w.z. onderwerp-ID, de gebeurtenisgerelateerde modus, de optode-sonde-opstelling).
  5. Stel het experimentele apparaat in met één tafel, twee stoelen, twee 19-inch computermonitoren en twee hoofdtelefoons(figuur 1C).

3. Aankomst van de deelnemer in het laboratorium

OPMERKING: Waardeer de twee deelnemers van één dyade oprecht wanneer ze aankomen bij het fNIRS-lab. Vraag hen om hun telefoon op de stille modus te zetten en hun persoonlijke bezittingen tijdelijk in de kast achter te laten. Voer vervolgens de volgende processen achter elkaar uit:

  1. Voordat de deelnemers gaan zitten, herbevestigen dat de twee deelnemers elkaar nog niet eerder hebben gezien. Zorg ervoor dat ze niet met elkaar communiceren via een taal of beweging terwijl ze in het lab zijn.
  2. Geef de deelnemers geïnformeerde toestemmingsformulieren die zijn goedgekeurd door de Universitaire Commissie voor Menselijk Onderzoek.
  3. Instrueer de deelnemers over de details van de experimentele taak. Vraag ze om een koptelefoon te dragen en geef ze verschillende oefenproeven.
  4. Laat in de praktijkproeven de twee deelnemers van elke dyade samen oefenen.
    OPMERKING: Voordat u de fNIRS-pet draagt, is het de moeite waard om de hoofdgrootte voor elke deelnemer te meten en te bepalen met behulp van een flexibele regel. Selecteer vervolgens de juiste maat cap voor de deelnemer op basis van zijn / haar hoofdmaat. In dit onderzoek werd een dergelijke stap gemist omdat er one-size badmutsen werden gebruikt. Het is beter om deze stap op de dag voor het experiment uit te voeren, omdat de relatieve bewerkingen (d.w.z. het meten van de grootte van het hoofd, het selecteren van de juiste maat badmuts, het monteren van de optode-sondepleisters op de badmuts en het inbrengen van de optode-sonde-sondes in de sondepleisters) tijdrovend zijn (ongeveer 20-30 minuten).
  5. Plaats de fNIRS-dop op het hoofd van de deelnemers met het midden van de dop gericht op de locatie van CZ en plaats de middelste optodesonde van de tweede sonderij van de patch op FCz.
  6. Bedien het fNIRS-systeem om de signaalkalibratie uit te voeren met de laser ingeschakeld.
  7. Als er bij een bepaald kanaal onvoldoende signaal is, pas dan de signaalintensiteit aan met een vezelstok om het haar voorzichtig onder de omringende sondepunt opzij te zetten.
  8. Druk indien nodig zachtjes op de sondes, maar zorg ervoor dat de deelnemers geen pijn doen.
  9. Herhaal stap 3.5-3.8 totdat de kwaliteit van het signaal toegankelijk is. Zorg ervoor dat deelnemers zich comfortabel voelen tijdens het hele proces van signaalkalibratie.
  10. Help de deelnemers om een comfortabele houding voor zichzelf te vinden (bijvoorbeeld comfortabele lichaamshoudingen). Herinner de deelnemers eraan om hun hoofd zo onbeweeglijk mogelijk te houden tijdens de hele experimentele taak (d.w.z. ongeveer 26 minuten).
  11. Onderzoek de kwaliteit van NIRS-signalen opnieuw. Als er voldoende signalen in alle kanalen zijn, voert u de experimentprocedure uit op de desktopcomputer.
  12. Help de deelnemers de hoofdtelefoon en fNIRS-dop af te zetten na voltooiing van de experimentele procedure. Geef hun persoonlijke bezittingen terug en bedank ze met een geldelijke vergoeding.
  13. Bedien het fNIRS-systeem om gegevens op te slaan. Gebruik een schijf om onbewerkte fNIRS-gegevens (.csv) te exporteren en gebruik een USB om de gedragsgegevens van de computer te kopiëren.
  14. Sluit het fNIRS-systeem en de computer als er geen experimentele opstelling meer is.
  15. Houd het labnotitieblok bij de hand om eventuele gebeurtenissen te noteren, vooral afwijkingen tijdens het hele experiment.

4. Data-analyse

OPMERKING: Voer alle gegevensanalyse uit met behulp van MATLAB-software, met de volgende toolboxen: HOMER219,Hitachi2nirs 20, xjView21, Cross Wavelet en Wavelet Coherence toolbox22en Groppe's scripts in MathWork23.

  1. Voorbehandeling van gegevens
    1. Volg stap 4.1.2-4.1.3 om de gegevenskwaliteit te controleren
    2. Lees de gegevensbestanden (.csv) voor elke deelnemer met de readHitachData-functie van xjView.
      OPMERKING: Op deze manier worden de Hitachi-meetgegevens (csv-indeling) omgezet in oxyHb/ deoxyHb / markergegevens met de informatie die is opgeslagen in de meting (d.w.z. golflengte, tijdgegevens en kanaallijst).
    3. Controleer visueel de kwaliteit in oxyHb- en deoxyHb-waarden door de tijdreeksen van alle kanalen in één figuur uit te zetten, met de functie plotTraces van xjView.
      OPMERKING: Het is gemakkelijk om afwijkingen in de gegevens te identificeren. Het kanaal dat veel ruis heeft, kan in latere analyse worden uitgesloten.
    4. Converteer Hitachi-bestanden (.csv) naar .nirs-bestandsindeling met de csv2nirs-functie van Hitachi2nirs, die verdere voorbewerking van gegevens met Homer2 ondersteunt.
    5. Transformeer de ruwe data naar optische dichtheid met de functie hmrIntensity2OD van Homer2.
    6. Gebruik principal component analyses (PCA)24 om de fNIRS globale fysiologische ruis te verwijderen met behulp van de functie enPCAFilter (nSV = 0,8, dat is 80% van de covariantie van de gegevens is verwijderd) van Homer2.
    7. Gebruik de op correlatie gebaseerde signaalverbeteringsmethode (CBSI)25 om hoofdbewegingsartefacten te verwijderen met behulp van de functie hmrMotionCorrect_Cbsi van Homer2.
    8. Gebruik de gewijzigde Beer-Lembert-wet om de verwerkte optische dichtheid om te zetten in oxyHb- en deoxyHb-waarden met de hmrOD2Conc-functie van Homer2.
  2. IBS berekenen
    OPMERKING: Gebruik WTC voor de voorbewerkte oxyHb-waarden om de coherentiewaarden te berekenen voor het kanaalpaar dat zich op dezelfde locatie van de dyade bevindt, inclusief de volgende pijplijn:
    1. Gebruik de wtc-functie van Cross Wavelet en Wavelet Coherence toolbox met standaardparameters om de coherentiewaarden op elk tijdstip en frequentiepunt te berekenen om een tweeassige matrix van coherentiewaarden te verkrijgen.
    2. Gebruik voor de standaardparameters morlet mother wavelet om elke tijdreeks om te zetten in het tijd- en frequentiedomein door de continue wavelettransformatie.
    3. Selecteer MonteCarloCount om het aantal surrogaatgegevenssets in de significantieberekening weer te geven en selecteer Auto AR1 om de autocorrelatiecoëfficiënten van de tijdreeks te berekenen.
    4. Kies de frequentieband van belang (FOI) zoals vermeld in stappen 4.2.5-4.2.8.
    5. Selecteer en gemiddelde de coherentiewaarden van de frequentieband tussen 0,5-1 Hz (respectievelijk overeenkomend met periode 2 s en 1 s), volgens de frequentieband die is gebruikt in de vingerbewegingstaak van een eerdere fNIRS-hyperscanningstudie9. Een dergelijke FOI kwam ook overeen met de periode van één tik in de experimentele taak. Verkrijg dus één kolom met coherentiewaarden voor elk paar.
      OPMERKING: Om de FOI verder statistisch te bevestigen, berekent u de coherentiewaarden voor elke dyade over het volledige frequentiebereik (d.w.z. 0,008-10 Hz voor de gegevens), in plaats van alleen de geselecteerde frequentieband (d.w.z. 0,5-1 Hz) te beperken.
    6. Gemiddelde van de coherentiewaarden van de beoogde tijdvensters (gelijk aan 4.2.3) voor elk frequentiepunt.
    7. Analyseer vervolgens de gemiddelde coherentiewaarden volgens de pijplijn beschreven in stappen 4.2.9-4.2.11 en daaropvolgende statistieken (d.w.z. 4.3.1 - 4.3.2) voor elk frequentiepunt.
    8. Inspecteer ten slotte foi visueel door de statistische z-waarden van elk kanaal over de frequentie uit te zetten.
    9. Selecteer en gemiddelde de coherentiewaarden van het tijdvenster tijdens respectievelijk de rusttoestand (tijdvenster voor 20 s-rusttoestand) en elke experimentele toestand (d.w.z. metercoördinatie, niet-metercoördinatie, meteronafhankelijkheid en niet-meteronafhankelijkheid), met behulp van de informatie van het merk. Verkrijg dus vijf coherentiewaarden voor elke dyade.
    10. Selecteer voor de taaksessie alleen de duur waarin deelnemers tikten om de auditieve stimulus te reproduceren, ongeveer 12 s voor elke studie, dus in totaal 180 s (d.w.z. 12 s x 15 proeven) voor elke experimentele aandoening.
      OPMERKING: IBS werd berekend als coherentietoename (de grotere afgetrokken coherentiewaarden dan nul), namelijk de grotere coherentiewaarden in de taaksessie in vergelijking met die in de rusttoestandsessie.
    11. Trek de restcoherentiewaarde af van respectievelijk de taakgerelateerde coherentiewaarde, waarbij de coherentiewaarde tijdens de rusttoestand als basislijn werd gebruikt in dit experiment.
      OPMERKING: Door de bovenstaande stappen (4.2.1-4.2.11) over kanalen (d.w.z. 22 kanalen) en dyads (d.w.z. 16 dyads) te herhalen, werden uiteindelijk de afgetrokken coherentiewaarden voor elke dyade bij elk kanaal verkregen.
  3. Statistiek
    1. Vergelijk de afgetrokken coherentiewaarden met nul bij elk kanaal voor elke experimentele toestand, met behulp van de gepaarde monsters permutatie t-test met de mult_comp_perm_t1 functie van Groppe's werk (5000 permutaties om de verdeling van de nulhypothese te schatten; gewenst familiegewijs alfaniveau- 0,05; tweezijdige test, wat betekent dat de alternatieve hypothese is dat het gemiddelde van de gegevens verschilt van 0) als abnormale gegevensverdeling en beperkte steekproefgrootte in de huidige experiment26.
      OPMERKING: De gepaarde monsters permutatie t-test hier is vergelijkbaar met gepaarde t-test, maar de laatste gaat ervan uit dat de gegevens normaal worden verdeeld, terwijl de eerste dat niet doet. Een dergelijke test begint op dezelfde manier als de gepaarde t-test, dat wil zeggen door een t-score (d.w.z. echte t-score) te berekenen voor de coherentiewaarden in verschillende groepen (de ene zijn de afgetrokken coherentiewaarden in de taakconditie, de andere zijn nullen). Vervolgens wordt een permutatie gegenereerd door de coherentiewaarden van verschillende groepen uit te wisselen en wordt een nieuwe t-score berekend voor de afgetrokken coherentiewaarden en nullen na deze permutatie. Een dergelijke permutatie wordt 5000 keer uitgevoerd. Zo worden 5000 t scores behaald. Bij de verdeling van de 5000 t-scores genereert de relatieve locatie van de reële t-score de p-waarde voor de afgetrokken coherentiewaarden.
    2. Corrigeer de p-waarden (d.w.z. vanwege het meervoudige vergelijkingsprobleem en genereer uit de vergelijkingen over 22 kanalen in één patch) met de False Discovery Rate-methode(p < 0,05)27. Voer deze correctie uit via de mafdr-functie van MATLAB toolbox.
      OPMERKING: Als de p-waarde op een kanaal significant was (d.w.z. p < 0,05) na FDR-correctie, is er IBS op dat kanaal.
    3. Vergelijk de coherentiewaarden tussen verschillende taakomstandigheden op het kanaal waar IBS bestond, met behulp van de gepaarde monsters permutatie t-test met de mult_comp_perm_t1 functie van Groppe's werk (dezelfde parameters als vermeld in stap 4.3.1).
      OPMERKING: Om intuïtief de IBS te onderzoeken tijdens interpersoonlijke coördinatie met betrekking tot meter versus niet-meter stimuli, vergelijkt u de coherentiewaarden van verschillende omstandigheden rechtstreeks (d.w.z. metercoördinatie versus niet-metercoördinatie; metercoördinatie versus meteronafhankelijkheid).
    4. Bereken de gedragsprestaties door het absolute verschil tussen de responstijd van de partners gedeeld door de som van de antwoorden van beide partners56.
    5. Evalueer de relatie tussen de IBS en gedragsprestaties door middel van de permutatietest op basis van Pearson lineaire correlatieanalyse (d.w.z. de mult_comp_perm_corr functie van Groppe's werk).
  4. IBS valideren
    OPMERKING: Om de verklaringen uit te sluiten dat vergelijkbare stimuli, bewegingen of omstandigheden de aangetoonde IBS veroorzaakten, gebruikt u een permutatietest als validatiebenadering, met drie permutaties (d.w.z. binnen de dyade, tussen dyade en tussen conditiepermutaties), inclusief het volgende:
    1. Randomiseer het label van onderzoeken in de metercoördinatieconditie (d.w.z. binnen dyadepermutatie, zoals proef # 1 en proef # 13 in dyade # 1) voor één dyade in elk kanaal via de randpermfunctie van MATLAB.
    2. Volg de bovenstaande pijplijn van het berekenen van IBS en statistieken (d.w.z. secties 4.2 en 4.3, maar exclusief de gevoeligheidsanalyse voor FOI) voor het gerandomiseerde onderzoekslabel.
      OPMERKING: Bereken coherentiewaarden van het neppaar voor elke voorwaarde afzonderlijk en bereken de coherentietoename voor het neppaar (d.w.z. trek de restcoherentiewaarde af van de taakgerelateerde coherentiewaarde voor het neppaar).
    3. Voer de permutatie 1000 keer uit, gevolgd door de pijplijn van het berekenen van IBS en statistieken (secties 4.2 en 4.3).
    4. Zet de verdeling van statistische z-waarden uit die worden gegenereerd binnen dyadepermutatie.
    5. Voer stappen 4.4.2-4.4.4 uit door het randomiseren van de paring van de deelnemers van dezelfde studie in de metercoördinatieconditie (d.w.z. tussen dyadpermutatie, zoals deelnemer # 1 in dyad # 1 en deelnemer # 1 in dyad # 3).
    6. Voer stappen 4.4.2-4.4.4 uit door het label van voorwaarden voor dezelfde leden van één dyade in dezelfde studie willekeurig te maken (d.w.z. tussen conditiepermutatie, zoals deelnemer # 1 in de metercoördinatieconditie en deelnemer # 2 in de meteronafhankelijkheidstoestand).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De resultaten toonden aan dat er IBS was bij kanaal 5 in de metercoördinatieconditie, terwijl er geen IBS bestond in andere omstandigheden (d.w.z. meteronafhankelijkheid, niet-metercoördinatie, niet-meteronafhankelijkheid; Figuur 2A). Bij kanaal 5 was de IBS in de metercoördinatieconditie significant hoger dan de coherentiewaarden in de niet-metercoördinatie en meteronafhankelijkheidsconditie (figuur 2B). Kanaal 5 behoorde ongeveer tot de linker dorsolaterale prefrontale cortex (DLPFC; Brodmann Gebied 9). Bovendien toonde de permutatieanalyse aan dat de waargenomen IBS zich waarschijnlijk presenteerde bij twee individuen van één dyade die probeerden met elkaar te synchroniseren in de gematchte tijd, maar niet in de tijd, partner of toestand van willekeurig paren (Figuur 2C). Samen gaven deze resultaten aan dat muziekmeter geprivilegieerde PDS veroorzaakte bij DLPFC tijdens interpersoonlijke coördinatie. Gezien de rol van DLPFC in sociale interactie (bijv. Het moduleren van de aandacht voor andere personen28,29)en muziek (bijv. Het verbeteren van cognitieve prestaties in de aanwezigheid van een muzikale achtergrond30, 31), kan de waargenomen DLPFC-IBS in de metercoördinatieconditie verband houden met het genereren van meer aandacht voor het proces dat betrokken is bij interpersoonlijke coördinatie, zoals het waarnemen en begrijpen van de taak en beweging van de partner.

Figure 1
Figuur 1: Experimenteel ontwerp. (A) Experimentele procedure en taak. (B) Probe configuratie. (C) Experimentele opstelling. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 2
Figuur 2: Inter-brain synchronization (IBS). (A) De heatmaps van de permutatietest op de coherentiewaarde voor elke aandoening. Er was PDS bij kanaal 5 in de metercoördinatieconditie. (B) De IBS bij kanaal 5 in de metercoördinatieconditie was significant groter dan die in de meteronafhankelijkheid en niet-metercoördinatieconditie. **p < 0,01, *p < 0,05. Foutbalken vertegenwoordigen minimum-/maximumwaarden. De diamantpunten geven extreme waarden aan. Het gearceerde gebied geeft het 95%-betrouwbaarheidsinterval aan. (C) Het effect van IBS (statistische z-waarden) met permuterende studie, individu en conditie voor alle kanalen. De stippellijn geeft het effect aan van de IBS bij kanaal 5 in de metercoördinatieconditie. De x-as vertegenwoordigt de Z-waarde en de y-as vertegenwoordigt het aantal monsters. Klik hier om een grotere versie van deze figuur te bekijken.

Aanvullende audio 1. Klik hier om dit bestand te downloaden.

Aanvullende audio 2. Klik hier om dit bestand te downloaden.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Dit protocol biedt een stapsgewijze procedure om IBS te berekenen en te valideren, met behulp van de fNIRS hyperscanning-benadering om tegelijkertijd de hersensignalen van twee deelnemers te verzamelen. Enkele kritieke kwesties die verband houden met fNIRS-gegevensvoorverwerking, IBS-berekening, statistieken en IBS-validatie worden hieronder besproken.

Voorbehandeling van gegevens
Het is noodzakelijk om fNIRS-gegevens voor te verwerken in hyperscanningstudies om echte signalen uit de mogelijke ruis te extraheren (d.w.z. bewegingsartefacten, systemische componenten). Hoewel het voorproces wordt overgeslagen bij het analyseren van IBS in eerdere fNIRS hyperscanning studies10,32,33, is het een essentieel en standaard onderdeel geweest in recente studies. In deze studie worden zowel CBSI als PCA gebruikt om ruis te verwijderen; de eerste is betrouwbaar om hoofdbewegingsartefacten34te verwijderen, terwijl de laatste goed is in het verminderen van de wereldwijde fysiologische ruis (bijv. Ademhalings, bloeddruk en bloedstroomvariatie)35. Natuurlijk zijn er andere bewegingscorrectiemethoden voor gegevensvoorverwerking, die goed presteren in empirische fNIRS-studies, zoals wavelet-filtering36,spline-interpolatie37,Kalman-filtering38,autoregressievealgoritmen 39en kortkanaalsscheidingscorrectie40. De vergelijkingen van bewegingscorrectiemethoden meldden dat het altijd beter is om bewegingsartefacten te corrigeren dan kanalen uit te sluiten of proeven af te wijzen en dat elke methode vooral de nadruk legt. Er is voorgesteld om meerdere bewegingscorrectiemethoden tegelijkertijd toe te passen41, zoals blijkt uit deze studie, een realistische oplossing is. Bovendien worden low-pass en high-pass filtering meestal ook gebruikt in fNIRS data preprocessing om fysiologische ruis te verwijderen. Hoewel deze methode effectief is, kan het het taakeffect vernietigen wanneer de fysiologische ruis en het taakeffect optreden in vergelijkbare frequentiebanden42. Samen kan het gelijktijdig gebruik van PCA en CBSI raadzaam zijn voor het voorbewerken van gegevens in fNIRS-hyperscanningstudies.

IBS berekenen
Er is voorgesteld dat er meer werk nodig is om de IBS-analysestappen te standaardiseren en de reproduceerbaarheid van IBS te vergroten, aangezien precieze algoritmen die worden gebruikt om IBS te berekenen variabel zijn in laboratoria en studies43. In dit werk is de standaard pijplijn van het berekenen van PDS via WTC nuttig voor onderzoekers. Er zijn verschillende dingen die voorzichtig moeten zijn. Ten eerste valt WTC vaak onder de Morlet wavelet-familie, die in deze studie wordt gebruikt. Er wordt echter voorgesteld dat een Complexe Gaussische wavelet meer geschikt is voor fNIRS-gegevens dan een Morlet-wavelet, omdat de eerste overeenkomt met de golfvorm van het onderliggende signaal (d.w.z. de multicycle-signalen komen zelden voor, vooral voor het signaal van golflengten rond 10 tot 20 s)44. Meer overwegingen moeten worden gericht op de wavelet-coherentieberekeningen die de kracht van de analyse beïnvloeden in latere toepassingen voor NIRS-signalen die worden verkregen tijdens live sociale interacties. Ten tweede, om consistent te zijn met eerdere bevindingen van interpersoonlijke coördinatie met muziek2,45,46 en muziekactiviteiten4,47,48,werden de coherentiewaarden berekend tussen dezelfde kanalen in deze studie, terwijl sommige studies de coherentiewaarden van alle kanalen binnen hetzelfde hersengebied hebben gemiddeld vóór statistische analyse49,50 . Bovendien werden de coherentiewaarden niet alleen berekend tussen dezelfde kanalen/regio's10,32,51, maar ook over verschillende kanalen/regio's52,53. Deze genoemde processen hebben de pijplijn van het berekenen van IBS verrijkt en kunnen toekomstige richtingen van sociale interactie interesseren. Last but not least werden in deze studie alleen oxyHb-waarden geanalyseerd, omdat oxyHb-waarden worden beschouwd als de meest gevoelige indicator van veranderingen in de regionale cerebrale bloedstroom54. Sommige onderzoekers richtten zich echter op deoxyHb-veranderingen, gebaseerd op de bevindingen dat deoxyHb-waarden het nauwst verwant zijn aan het fMRI-signaal en onafhankelijk zijn van de wereldwijde fysiologische ruis55. Hoe dan ook, de resultaten kunnen betrouwbaarder zijn als vergelijkbare IBS-effecten worden onthuld in zowel oxyHb- als deoxyHb-veranderingen. Daarom is de analyse van IBS op deoxyHb-waarden ook noodzakelijk voor toekomstige fNIRS-hyperscanningstudies.

Valideer IBS
Het is noodzakelijk om de onthulde IBS te valideren, omdat de interpretatie van IBS complex blijft. IBS is bijvoorbeeld uitgelegd als een mechanisme voor informatieoverdracht, gedeelde intentionaliteit, gedragsuitlijning, vergelijkbare perceptie, enz. Het zou de interpretatie van IBS helpen verduidelijken door nulhypothesetests met permutatie uit te voeren, waarbij coherentiewaarden worden berekend voor de echte dyads maar willekeurig parende onderzoeken of voor nep-dyads door deelnemers willekeurig te koppelen binnen één voorwaarde / groep of tussen omstandigheden / groepen16. In deze studie werd permutatie uitgevoerd door simpelweg een zeer groot aantal resamples uit te voeren (d.w.z. 1000 keer). Daarentegen kunnen coherentiewaarden worden berekend voor alle mogelijke willekeurige paren56. Bovendien kan de bovenstaande permutatietest worden gebruikt om een nulverdeling van coherenties van alle mogelijke coherenties in het experiment te genereren, om te zien of de waargenomen IBS zich in de buurt van de bovenkant van deze verdeling bevinden, die vaak is gebruikt in studies die real-life stimuli en experimentele omgeving aannemen57,58. Deze analyse zorgt ervoor dat de IBS real-interaction-specific is op sequentieniveau, omdat de coherentiewaarden tijdens matchingswaarden (d.w.z. proeven, individuen en omstandigheden) gemiddeld statistisch een even grote willekeurige trekking van coherenties binnen of tussen dyads moeten overschrijden. Een dergelijke methode verschilt van de basislijn die in het huidige werk wordt gebruikt (d.w.z. de coherentiewaarden van de rusttoestand), die in overeenstemming is met traditionele ontwerpen van algemene lineaire modellen en is geselecteerd om de huidige resultaten te vergelijken met de bevindingen in eerdere studies. Opgemerkt moet worden dat de 20-s-rustlijn in deze studie korter is dan de veelgebruikte duur (30 s of meer dan 1 min), die wordt gebruikt om de totale tijd van het experiment te beperken tot 30 minuten om het comfort van de deelnemers te garanderen.

Kortom, dit artikel biedt een specifieke pijplijn van het analyseren van IBS in fNIRS hyperscanning studies. Een dergelijke pijplijn is een potentieel standaard gegevensverwerkingsbenadering in het veld, die zal bijdragen aan zowel de reproduceerbaarheid als de betrouwbaarheid van IBS. In de toekomst moeten de details van de gegevensverwerking verder worden verfijnd bij het analyseren van IBS voor bepaalde groepen (d.w.z. ouder-kind, kinderen en schizofreniepatiënten) en specifieke contexten (d.w.z. non-verbale of verbale communicatie- en onderwijssituaties). Ten slotte zal het presenteren van het protocol van het analyseren van het interhersenennetwerk voor grotere groepen deelnemers aan natuurlijke interacties de kwantificering van sociale interactie ten goede komen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

De auteurs hebben niets te onthullen.

Acknowledgments

Dit onderzoek werd ondersteund door: 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

Neurowetenschappen inter-brain synchronisatie fNIRS hyperscanning wavelet transform coherence permutatie test
Hoe inter-brain synchronisatie te berekenen en te valideren in een fNIRS Hyperscanning-studie
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