Waiting
Login processing...

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

Neuroscience

एक fNIRS हाइपरस्कैनिंग अध्ययन में इंटर-ब्रेन सिंक्रोनाइजेशन की गणना और मान्य कैसे करें

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

व्यक्तियों के युग्मित दिमाग के बीच गतिशीलता को इंटर-ब्रेन सिंक्रोनाइजेशन (आईबीएस) द्वारा तेजी से दर्शाया गया है जब वे एक दूसरे के साथ समन्वय करते हैं, ज्यादातर फेनआईआरएस के साथ दिमाग (अर्थात् हाइपरस्कैनिंग) के एक साथ रिकॉर्डिंग संकेतों का उपयोग करते हैं। FNIRS हाइपरस्कैनिंग अध्ययनों में, आईबीएस को आमतौर पर वेवलेट ट्रांसफॉर्म जुटना (डब्ल्यूटीसी) विधि के माध्यम से मूल्यांकन किया गया है क्योंकि समय-आवृत्ति अंतरिक्ष में समय श्रृंखला के विस्तार पर इसके लाभ के कारण जहां दोलनों को अत्यधिक सहज तरीके से देखा जा सकता है। मनाया आईबीएस आगे परीक्षण, साथी, और हालत के क्रमपरिवर्तन आधारित यादृच्छिक बांधना के माध्यम से मान्य किया जा सकता है । यहां, एक प्रोटोकॉल का वर्णन करने के लिए प्रस्तुत किया जाता है कि FNIRS प्रौद्योगिकी के माध्यम से मस्तिष्क संकेतों को कैसे प्राप्त किया जाए, डब्ल्यूटीसी विधि के माध्यम से आईबीएस की गणना की जाए, और हाइपरस्कैनिंग अध्ययन में क्रमपरिवर्तन द्वारा आईबीएस को मान्य किया जाए। इसके अलावा, हम उपरोक्त तरीकों का उपयोग करते समय महत्वपूर्ण मुद्दों पर चर्चा करते हैं, जिसमें फनीआरएस संकेतों का विकल्प, डेटा प्रीप्रोसेसिंग के तरीके और गणना के वैकल्पिक पैरामीटर शामिल हैं। संक्षेप में, डब्ल्यूटीसी विधि और क्रमपरिवर्तन का उपयोग करना एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों में आईबीएस का विश्लेषण करने के लिए एक संभावित मानक पाइपलाइन है, जो आईबीएस की प्रजनन क्षमता और विश्वसनीयता दोनों में योगदान देता है।

Abstract

व्यक्तियों के युग्मित दिमाग के बीच गतिशीलता को इंटर-ब्रेन सिंक्रोनाइजेशन (आईबीएस) द्वारा तेजी से दर्शाया गया है जब वे एक दूसरे के साथ समन्वय करते हैं, ज्यादातर फेनआईआरएस के साथ दिमाग (अर्थात् हाइपरस्कैनिंग) के एक साथ रिकॉर्डिंग संकेतों का उपयोग करते हैं। FNIRS हाइपरस्कैनिंग अध्ययनों में, आईबीएस को आमतौर पर वेवलेट ट्रांसफॉर्म जुटना (डब्ल्यूटीसी) विधि के माध्यम से मूल्यांकन किया गया है क्योंकि समय-आवृत्ति अंतरिक्ष में समय श्रृंखला के विस्तार पर इसके लाभ के कारण जहां दोलनों को अत्यधिक सहज तरीके से देखा जा सकता है। मनाया आईबीएस आगे परीक्षण, साथी, और हालत के क्रमपरिवर्तन आधारित यादृच्छिक बांधना के माध्यम से मान्य किया जा सकता है । यहां, एक प्रोटोकॉल का वर्णन करने के लिए प्रस्तुत किया जाता है कि FNIRS प्रौद्योगिकी के माध्यम से मस्तिष्क संकेतों को कैसे प्राप्त किया जाए, डब्ल्यूटीसी विधि के माध्यम से आईबीएस की गणना की जाए, और हाइपरस्कैनिंग अध्ययन में क्रमपरिवर्तन द्वारा आईबीएस को मान्य किया जाए। इसके अलावा, हम उपरोक्त तरीकों का उपयोग करते समय महत्वपूर्ण मुद्दों पर चर्चा करते हैं, जिसमें फनीआरएस संकेतों का विकल्प, डेटा प्रीप्रोसेसिंग के तरीके और गणना के वैकल्पिक पैरामीटर शामिल हैं। संक्षेप में, डब्ल्यूटीसी विधि और क्रमपरिवर्तन का उपयोग करना एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों में आईबीएस का विश्लेषण करने के लिए एक संभावित मानक पाइपलाइन है, जो आईबीएस की प्रजनन क्षमता और विश्वसनीयता दोनों में योगदान देता है।

Introduction

जब लोग दूसरों के साथ समन्वय करते हैं, तो उनका दिमाग और शरीर निरंतर पारस्परिक अनुकूलन के माध्यम से एक युग्मित इकाई बन जाते हैं। दिमाग के बीच युग्मन को हाइपरस्कैनिंग दृष्टिकोण के माध्यम से अंतर-मस्तिष्क सिंक्रोनाइजेशन (आईबीएस) द्वारा दर्शाया जा सकता है, जो एक साथ दो या अधिक व्यक्तियों के मस्तिष्क संकेतों को रिकॉर्ड करता है1। दरअसल, एफएनआईआरएस/ईईजी हाइपरस्कैनिंग अध्ययनों के बढ़ते शरीर ने विभिन्न सहयोग संदर्भों में आईबीएस पाया है, जिसमें फिंगर टैपिंग2,ग्रुप वॉकिंग3,ड्रमबजाना 4,गिटारबजाना 5,और गायन/गुनगुना6शामिल है । fNIRS व्यापक रूप से सामाजिक संपर्क के दौरान IBS के अनुसंधान के लिए प्रयोग किया जाता है, क्योंकि यह कम अपेक्षाकृत प्राकृतिक सेटिंग्स में सिर/शरीर की गति को प्रतिबंधित करता है (fMRI/EEG की तुलना में)7।

लेख एक fNIRS हाइपरस्कैनिंग अध्ययन में वेवलेट ट्रांसफॉर्म जुटना (डब्ल्यूटीसी) विधि के माध्यम से आईबीएस की गणना के लिए एक प्रोटोकॉल प्रस्तुत करता है। डब्ल्यूटीसी समय-आवृत्ति विमान पर दो आंदोलन संकेतों के बीच क्रॉस-सहसंबंध का आकलन करने के लिए एक विधि है और इसलिए, पारंपरिक सहसंबंध विश्लेषण (जैसे, पियर्सन सहसंबंध और क्रॉस-सहसंबंध) की तुलना में अधिक जानकारी दे सकता है, जो केवल डोमेन8में है। इसके अलावा, हेमोडायनामिक सिग्नल वेवलेट घटकों में बदल जाते हैं, जो कम आवृत्ति वाले शोर को प्रभावी ढंग से हटा सकते हैं। हालांकि डब्ल्यूटीसी समय लेने वाला है, यह कार्रवाई नकली9, सहकारीव्यवहार10,मौखिक संचार 11, निर्णय लेने12,और इंटरैक्टिव सीखने13में IBS की गणना का सबसे अधिक इस्तेमाल किया तरीका रहा है ।

लेख यह भी प्रस्तुत करता है कि परीक्षणों, शर्तों और प्रतिभागियों के क्रमपरिवर्तन-आधारित यादृच्छिक पारिंग के साथ आईबीएस को कैसे मान्य किया जाए। हाइपरस्कैनिंग अध्ययनों में आईबीएस हमेशा व्यक्तियों के बीच ऑनलाइन सामाजिक संपर्क को ट्रैक करने के लिए प्रस्तावित है, जबकि इसकी व्याख्या अन्य स्पष्टीकरणों द्वारा भी की जा सकती है, जैसे उत्तेजना समानता, गति समानता, या स्थिति समानता14। क्रमपरिवर्तन परीक्षण, जिसे यादृच्छिकता परीक्षण भी कहा जाता है, को अवलोकन डेटा15को फिर से सरल बनाकर उपरोक्त शून्य परिकल्पनाओं का परीक्षण करने के लिए लीवरेज किया जा सकता है। क्रमपरिवर्तन का उपयोग करके, यह जांच करना उपयोगी है कि क्या पहचाने गए आईबीएस इंटरैक्टिव व्यवहार के लिए विशिष्ट है, जो डायाड के भीतर आईबीएस के मॉड्यूलेशन से लेकर भागीदारों के समूहों के बीच16है।

प्रोटोकॉल यहां वर्णित कैसे fNIRS प्रौद्योगिकी के माध्यम से मस्तिष्क संकेतों को प्राप्त करने के लिए, डब्ल्यूटीसी विधि के माध्यम से IBS की गणना, और एक हाइपरस्कैनिंग अध्ययन में क्रमपरिवर्तन परीक्षण द्वारा IBS मांय । इस अध्ययन का उद्देश्य यह जांचना है कि क्या विशेषाधिकार प्राप्त आईबीएस को सामाजिक समन्वय के दौरान संगीत मीटर द्वारा प्राप्त किया जाता है या नहीं । मस्तिष्क के संकेतों को पिछले खोज1में आईबीएस के स्थान के आधार पर ललाट प्रांतस्था में दर्ज किया गया था। प्रायोगिक कार्य मूल रूप से कोंवलिंका और उसके कॉलेजों द्वारा विकसित किया गया था17,जिसमें प्रतिभागियों को मीटर या गैर मीटर उत्तेजनाओं को सुनने के बाद साथी या खुद से श्रवण प्रतिक्रिया के साथ अपनी उंगलियों को टैप करने के लिए कहा गया था ।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

यहां पेश किए गए प्रोटोकॉल को ईस्ट चाइना नॉर्मल यूनिवर्सिटी की यूनिवर्सिटी कमेटी ऑन ह्यूमन रिसर्च प्रोटेक्शन ने मंजूरी दे दी ।

1. प्रयोग के लिए तैयारी

  1. प्रतिभागियों
    1. परिसर विज्ञापन द्वारा मौद्रिक मुआवजे के साथ स्नातक और स्नातक छात्रों के एक समूह की भर्ती करें ।
    2. सुनिश्चित करें कि प्रतिभागियों को सही हाथ है और सामांय या सही करने वाली सामांय दृष्टि और सुनवाई है । सुनिश्चित करें कि उन्होंने संगीत का अध्ययन नहीं किया है या 3 साल से कम समय पहले इसका अध्ययन किया है।
    3. बेतरतीब ढंग से dyads में छात्रों से मेल खाते हैं। सामाजिक समन्वय18पर साथी अपनेपन के संभावित प्रभाव को नियंत्रित करने के लिए, यह सुनिश्चित करें कि प्रत्येक डायड के सदस्यों ने पहले एक-दूसरे को नहीं देखा है या जाना नहीं है।
  2. प्रायोगिक प्रोत्साहन
    1. किसी भी मुफ्त संगीत संरचना और अंकन सॉफ्टवेयर द्वारा श्रवण उत्तेजनाओं (440 हर्ट्ज, 660 एमएस शुद्ध टन) बनाएं।
    2. 500-1000 एमएस के अंतराल के साथ टन दोहराएं और उन्हें एक टोन अनुक्रम में जोड़ें। प्रत्येक टोन अनुक्रम 12 एस लंबा है और 12 टन से बना है।
    3. एक टोन अनुक्रम के लिए, डाउनबीट और अपबीट्स का पैटर्न बनाने के लिए हर पहले टोन (+6 डीबी) को उच्चारण करें, जिसे मीटर उत्तेजना(पूरक ऑडियो 1)के रूप में परिभाषित किया गया है। दूसरे स्वर अनुक्रम में, समान तीव्रता के साथ टन (प्रयोग कार्य से पहले एकत्र व्यक्तिगत सनसनी सीमा से ऊपर 40 डीबी), जो गैर-मीटर उत्तेजना(अनुपूरक ऑडियो 2) सेमेल खाती थी।
  3. प्रायोगिक कार्य
    1. एक मनोवैज्ञानिक सॉफ्टवेयर उपकरण का उपयोग करके प्रयोगात्मक कार्य कार्यक्रम।
    2. 1.3.3-1.3.6चरणों में वर्णित प्रायोगिक कार्य (चित्रा 1 ए) के लिए दो चरणों की व्यवस्था करें।
    3. दूसरा आराम राज्य: प्रतिभागियों से पूछो उनके मन आराम और आंखें बंद के साथ संभव के रूप में स्थिर रहने के लिए ।
    4. फिंगर टैपिंग कार्य: प्रतिभागियों से दो भागों को पूरा करने का अनुरोध करें: एक समन्वय हिस्सा और एक स्वतंत्रता हिस्सा।
    5. समन्वय भाग के दौरान, प्रत्येक प्रतिभागी को केवल डायड के अन्य सदस्य द्वारा उत्पन्न प्रतिक्रिया के लिए श्रवण प्रतिक्रिया (यानी, एक टैप के अनुरूप ड्रिप ध्वनि) प्रदान करें। प्रतिभागियों से कहें कि वे अन्य सदस्य के साथ समकालिक रूप से प्रतिक्रिया देने की पूरी कोशिश करें।
    6. स्वतंत्रता भाग के लिए, सुनिश्चित करें कि दोनों प्रतिभागियों को अपनी प्रतिक्रियाओं की श्रवण प्रतिक्रिया (यानी, एक टैप के अनुरूप ड्रिप ध्वनि) प्राप्त हुई और उन्हें यथासंभव श्रवण उत्तेजना के साथ समकालिक रूप से प्रतिक्रिया देने के लिए कहें।
      नोट: मीटर और गैर मीटर उत्तेजनाओं के साथ संयुक्त, प्रतिभागियों को चार अलग-अलग स्थितियों में से एक में खुद को पाया: (i) मीटर समन्वय - दोनों प्रतिभागियों ने मीटर सुना, और एक दूसरे से प्रतिक्रियाएं; (ii) गैर-मीटर समन्वय - दोनों प्रतिभागियों ने गैर-मीटर और एक दूसरे से प्रतिक्रियाएं सुनीं; (iii) मीटर स्वतंत्रता - दोनों प्रतिभागियों ने मीटर और खुद से प्रतिक्रियाएं सुनीं; (iv) गैर-मीटर स्वतंत्रता-दोनों प्रतिभागियों ने गैर-मीटर और स्वयं से प्रतिक्रियाएं सुनीं ।
    7. प्रत्येक परीक्षण के लिए, प्रतिभागियों को पहले श्रवण उत्तेजना (12 एस) का एक टुकड़ा सुनने दें जिसके बाद एक ध्वनि (262 हर्ट्ज, 1000 एमएस) होती है जो उंगली को टैप करना शुरू करने के लिए एक क्यू के रूप में कार्य करती है।
    8. प्रतिभागियों से पूछें कि वे कीबोर्ड पर अपनी सही इंडेक्स फिंगर टैप करके पहले सुनी गई उत्तेजना को पुन: पेश करें (प्रतिभागी #1: "एफ"; प्रतिभागी #2: "j")। प्रतिभागियों को पहले प्रस्तुत उत्तेजना के रूप में टन के बीच एक ही समय अंतराल रखते हुए 12 बार नल चाहिए ।
      नोट: 4 प्रायोगिक स्थितियों के अनुरूप 4 ब्लॉकों में समान रूप से सौंपे गए 60 परीक्षण थे, अर्थात् एक ब्लॉक में 15 परीक्षण। प्रखंडों का क्रम प्रतिसंतुलित था। टैपिंग टास्क की कुल अवधि लगभग 26 मिनट थी ।
    9. ब्लॉकों के बीच, प्रतिभागियों को 30 एस के लिए आराम करने दें।
    10. पूरे प्रयोग के दौरान प्रतिभागियों को किसी भी भाषा या आंदोलन के माध्यम से संवाद करने की अनुमति न दें। उन दोनों के बीच संदेश वितरित कर सकता है कि किसी भी दृश्य जानकारी को ब्लॉक करने के लिए कंप्यूटर मॉनिटर के साथ प्रतिभागियों को अलग करें ।
  4. घर का बना fNIRS टोपियां: सामान्य आकार के दो लोचदार तैराकी टोपियां खरीदें। ब्याज के मस्तिष्क क्षेत्र को कवर करने के लिए, तैराकी टोपियां ठीक के रूप में निम्नलिखित चरणों में वर्णित:
    1. एक हेडफॉर्म पर एक स्विमिंग कैप रखो, और फिर स्विमिंग कैप पर एक मानक 10-20 ईईजी कैप डाल दिया।
    2. एक लाल जादू मार्कर के साथ तैराकी टोपी पर FCz के स्थान को चिह्नित करें।
    3. हेडफॉर्म से ईईजी कैप उतार लें।
    4. तैराकी टोपी पर एक ऑप्टोड जांच पैच (3 x 5 सेटअप) रखो, FCz के चिह्नित स्थान के साथ पैच की दूसरी जांच पंक्ति के बीच एक संरेखित ।
      नोट: ऑप्टोड जांच पैच ऑप्टोड जांच के 15 स्थानों (यानी, 8 उत्सर्जक और 7 डिटेक्टरों), 3 सेमी ऑप्टोड जुदाई(चित्रा 1B)के साथ 22 माप चैनल बनाने शामिल थे ।
    5. तैराकी टोपी पर पैच के 15 जांच के स्थानों को चिह्नित करें।
    6. हेडफॉर्म से पैच और स्विमिंग कैप उतार लें।
    7. कैंची की एक जोड़ी के साथ 15 जांच के चिह्नित स्थानों पर 15 छोटे छेद काटें ।
    8. उपयुक्त 15 छेद में 15 जांच के स्थानों एम्बेड द्वारा संशोधित तैराकी टोपी के लिए पैच माउंट ।
    9. उपरोक्त प्रक्रिया के अनुसार अन्य तैराकी टोपी को ठीक करें।
      नोट: होममेड फनीआरएस कैप, जिसमें ऑप्टोड्स के स्थान मानक ईईजी स्थानों के अनुसार हैं, को नियोजित किया गया था क्योंकि इस अध्ययन में उपयोग की जाने वाली एफएनआईआरएस प्रणाली के लिए कोई लागू मानक ईईजी टोपियां नहीं थीं। यदि एफएनआईआरएस सिस्टम के साथ उपयुक्त मानक ईईजी कैप हैं तो एफएनआईआरएस कैप बनाने की कोई आवश्यकता नहीं है।

2. प्रतिभागियों के आने से पहले

नोट: प्रतिभागियों को प्रयोगशाला में आने से पहले चरण 2.1-2.5 का पालन करना सुनिश्चित करें ।

  1. एक dyad के दो प्रतिभागियों को याद दिलाना सहमत समय अनुसूची के अनुसार प्रयोगशाला में आने के लिए ।
  2. पहले से कम से कम 30 मिनट FNIRS सिस्टम शुरू करें, लेजर बंद कर दिया।
  3. ऑप्टोड जांच पैच में fNIRS प्रणाली से ऑप्टोड जांच डालें।
  4. एफएनआईआरएस मापन (यानी, विषय आईडी, घटना से संबंधित मोड, ऑप्टोड जांच व्यवस्था) के मापदंडों की जांच करें।
  5. एक मेज, दो कुर्सियों, दो 19 में कंप्यूटर मॉनिटर, और हेडफोन के दो जोड़े(चित्रा 1C)के साथ प्रयोगात्मक उपकरण सेट करें ।

3. प्रयोगशाला में प्रतिभागी आगमन

नोट: ईमानदारी से एक dyad के दो प्रतिभागियों की सराहना करते है जब वे fNIRS प्रयोगशाला में पहुंचें । उनसे अनुरोध है कि वे अपना फोन साइलेंट मोड पर रखें और अस्थायी रूप से अपना निजी सामान कैबिनेट में छोड़ दें । फिर अनुक्रम में निम्नलिखित प्रक्रियाओं का संचालन करें:

  1. प्रतिभागियों के बैठने से पहले, इस बात की पुष्टि करें कि दोनों प्रतिभागियों ने पहले एक-दूसरे को नहीं देखा है । सुनिश्चित करें कि वे प्रयोगशाला में रहते हुए किसी भी भाषा या आंदोलन के माध्यम से एक दूसरे के साथ संवाद नहीं किया ।
  2. प्रतिभागियों को मानव अनुसंधान पर विश्वविद्यालय समिति द्वारा अनुमोदित सूचित सहमति प्रपत्रों के साथ प्रदान करें।
  3. प्रायोगिक कार्य के विवरण पर प्रतिभागियों को निर्देश दें। उन्हें हेडफोन पहनने के लिए कहें और उन्हें कई अभ्यास परीक्षण दें।
  4. अभ्यास परीक्षणों में, प्रत्येक डायड के दो प्रतिभागियों को एक साथ अभ्यास करने की अनुमति दें।
    नोट: fNIRS टोपी पहनने से पहले, एक लचीला नियम का उपयोग करके प्रत्येक प्रतिभागी के लिए सिर के आकार को मापना और निर्धारित करना सार्थक है। इसके बाद प्रतिभागी के लिए उसके सिर के आकार के अनुसार सही साइज कैप का चयन करें। इस अध्ययन में, इस तरह के एक कदम याद किया गया था के रूप में एक आकार तैराकी टोपियां इस्तेमाल किया गया । प्रयोग से पहले दिन इस कदम का संचालन करना बेहतर है क्योंकि सापेक्ष संचालन (यानी, सिर के आकार को मापने, सही आकार की तैराकी टोपी का चयन करना, स्विमिंग कैप में ऑप्टोड प्रोब पैच को बढ़ते हुए, और जांच पैच में ऑप्टोड जांच डालने) समय लेने वाला (लगभग 20-30 मिनट)।
  5. CZ के स्थान पर इशारा करते हुए टोपी के केंद्र के साथ प्रतिभागियों के सिर पर fNIRS टोपी रखो, और FCz में पैच की दूसरी जांच पंक्ति के मध्य ऑप्टोड जांच जगह है ।
  6. लेजर चालू के साथ संकेत अंशांकन करने के लिए fNIRS प्रणाली संचालित करें।
  7. यदि कुछ चैनल पर एक अपर्याप्त संकेत है, तो एक फाइबर स्टिक के साथ सिग्नल तीव्रता को समायोजित करें ताकि आसपास के जांच टिप के नीचे बालों को अलग रखा जा सके।
  8. यदि आवश्यक हो, तो जांच को धीरे-धीरे दबाएं लेकिन प्रतिभागियों को चोट न पहुंचाएं।
  9. सिग्नल की गुणवत्ता सुलभ होने तक चरण 3.5-3.8 दोहराएं। सुनिश्चित करें कि प्रतिभागी सिग्नल अंशांकन की पूरी प्रक्रिया के दौरान सहज महसूस करते हैं।
  10. प्रतिभागियों को अपने लिए एक आरामदायक मुद्रा खोजने में मदद करें (उदाहरण के लिए, आरामदायक शरीर की स्थिति)। प्रतिभागियों को याद दिलाएं कि वे पूरे प्रायोगिक कार्य (यानी लगभग 26 मिनट) के दौरान अपने सिर को यथासंभव स्थिर रखें।
  11. एनआईआरएसएस संकेतों की गुणवत्ता की फिर से जांच करें। यदि सभी चैनलों में पर्याप्त संकेत हैं, तो डेस्कटॉप कंप्यूटर पर प्रयोग प्रक्रिया चलाएं।
  12. प्रतिभागियों को प्रायोगिक प्रक्रिया पूरी होने पर हेडफोन और fNIRS कैप लेने में मदद करें। उनके निजी सामान वापस और मौद्रिक मुआवजे के साथ उन्हें धन्यवाद.
  13. डेटा को सहेजने के लिए एफएनआईआरएस सिस्टम संचालित करें। कच्चे fNIRS डेटा (.csv) का निर्यात करने के लिए एक डिस्क का उपयोग करें और कंप्यूटर से व्यवहार डेटा की नकल करने के लिए एक यूएसबी का उपयोग करें ।
  14. यदि कोई और अधिक प्रायोगिक व्यवस्था नहीं है तो FNIRS सिस्टम और कंप्यूटर को बंद करें।
  15. प्रयोगशाला नोटबुक को किसी भी घटनाओं, विशेष रूप से पूरे प्रयोग के दौरान असामान्यताओं को नोट करने के लिए तैयार रखें।

4. डेटा विश्लेषण

नोट: मैटलैब सॉफ्टवेयर का उपयोग करके सभी डेटा विश्लेषण करें, निम्नलिखित टूलबॉक्स के साथ: होमर219,हिताची2निर20,xjView21,क्रॉस वेवलेट और वेवलेट जुटनेर टूलबॉक्स22,और मैथवर्क23में ग्रोप की स्क्रिप्ट।

  1. डेटा प्रीप्रोसेसिंग
    1. डेटा की गुणवत्ता की जांच करने के लिए, चरणों का पालन करें 4.1.2-4.1.3
    2. xjView के readHitachData समारोह के साथ प्रत्येक प्रतिभागी के लिए डेटा फ़ाइलें (.csv) पढ़ें।
      नोट: इस तरह, हिताची माप डेटा (csv प्रारूप) को माप में सहेजे गए जानकारी (यानी तरंगदैर्ध्य, टाइमडेटा और चैनल सूची) के साथ ऑक्सीएचबी/deoxyHb/मार्कर डेटा में परिवर्तित कर दिया जाता है।
    3. नेत्रहीन एक आंकड़े में सभी चैनलों की समय श्रृंखला की साजिश रचकर ऑक्सीएचबी और डिऑक्सीएचबी मूल्यों में गुणवत्ता की जांच करें, xjView के फ़ंक्शन प्लॉटट्रेस के साथ।
      नोट: डेटा में असामान्यताओं की पहचान करना आसान है। जिस चैनल में ज्यादा शोर होता है, उसे बाद के विश्लेषण में बाहर रखा जा सकता है।
    4. हिताची फाइल्स (.csv) को हिताची2निरों के csv2nirs फ़ंक्शन के साथ .nirs फाइल्स फॉर्मेट में कन्वर्ट करें, जो होमर2 के साथ आगे डेटा प्रीप्रोसेसिंग का समर्थन करता है।
    5. होमर2 के फ़ंक्शन एचएमरिंटेंस2ओडी के साथ कच्चे डेटा को ऑप्टिकल घनत्व में बदलें।
    6. फ़ंक्शन एनपीसीएफ़िल्टर (एनएसवी =0.8, जो कि होमर2 के डेटा के सहवृष्ठता का 80% है) का उपयोग करके fNIRS वैश्विक शारीरिक शोर को हटाने के लिए प्रमुख घटक विश्लेषण (पीसीए) 24 का उपयोग करें।
    7. होमर2 के hmrMotionCorrect_Cbsi कार्य का उपयोग करके सिर गति कलाकृतियों को हटाने के लिए सहसंबंध आधारित सिग्नल सुधार विधि (CBSI)25 का उपयोग करें।
    8. होमर2 के एचएमरोड2कॉन्क फ़ंक्शन के साथ प्रसंस्कृत ऑप्टिकल घनत्व को ऑक्सीएचबी और डीऑक्सीएचबी मूल्यों में बदलने के लिए संशोधित बीयर-लेम्बर्ट कानून का उपयोग करें।
  2. आईबीएस की गणना
    नोट: प्रीप्रोसेस्ड ऑक्सीएचबी मूल्यों के लिए, निम्नलिखित पाइपलाइन सहित डायड के एक ही स्थान से चैनल जोड़ी के लिए जुटना मूल्यों की गणना करने के लिए डब्ल्यूटीसी का उपयोग करें:
    1. जुटना मूल्यों के दो-अक्ष मैट्रिक्स प्राप्त करने के लिए प्रत्येक समय और आवृत्ति बिंदु पर जुटना मूल्यों की गणना करने के लिए डिफ़ॉल्ट मापदंडों के साथ क्रॉस वेवलेट और वेवलेट जुटना टूलबॉक्स के डब्ल्यूटीसी फ़ंक्शन को अपनाएं।
    2. डिफ़ॉल्ट मापदंडों के लिए, लगातार तरंग परिवर्तन द्वारा समय और आवृत्ति डोमेन में हर बार श्रृंखला को बदलने के लिए, मॉर्लेट मदर वेवलेट का उपयोग करें।
    3. महत्व गणना में सरोगेट डेटा सेट की संख्या का प्रतिनिधित्व करने के लिए मोंटेकार्लोकाउंट का चयन करें, और समय श्रृंखला के ऑटोकोरिएलेशन गुणांक की गणना करने के लिए ऑटो AR1 का चयन करें।
    4. 4.2.5-4.2.8 चरणों में उल्लिखित आवृत्ति बैंड ऑफ इंटरेस्ट (एफओआई) चुनें।
    5. पिछले fNIRS हाइपरस्कैनिंग अध्ययन9के फिंगर-मोशन टास्क में इस्तेमाल किए गए फ्रीक्वेंसी बैंड के अनुसार, 0.5-1 हर्ट्ज (क्रमशः अवधि 2 एस और 1 एस के अनुरूप) के बीच आवृत्ति बैंड के सामंजस्य मूल्यों का चयन और औसत करें। इस तरह के एफओआई ने प्रायोगिक कार्य में एक नल की अवधि से भी पत्राचार किया । इस प्रकार, प्रत्येक जोड़ी के लिए जुटना मूल्यों का एक कॉलम प्राप्त करें।
      नोट: आगे सांख्यिकीय FOI की पुष्टि करने के लिए, पूर्ण आवृत्ति रेंज (यानी, 0.008-10 हर्ट्ज डेटा के लिए) भर में प्रत्येक डायड के लिए जुटना मूल्यों की गणना, बजाय सिर्फ चयनित आवृत्ति बैंड (यानी, 0.5-1 Hz) सीमित ।
    6. प्रत्येक आवृत्ति बिंदु के लिए लक्षित समय खिड़कियों (4.2.3 के समान) के जुटना मूल्यों का औसत।
    7. इसके बाद, प्रत्येक आवृत्ति बिंदु के लिए चरण 4.2.9-4.2.11 और बाद के आंकड़ों (यानी, 4.3.1 - 4.3.2) में वर्णित पाइपलाइन के बाद औसत जुटना मूल्यों का विश्लेषण करें।
    8. अंतिम, नेत्रहीन आवृत्ति के पार प्रत्येक चैनल के सांख्यिकीय जेड मूल्यों की साजिश रचकर FOI का निरीक्षण करें।
    9. निशान की जानकारी का उपयोग करके क्रमशः आराम राज्य (20 एस-आराम-राज्य के लिए समय खिड़की) और प्रत्येक प्रयोगात्मक स्थिति (यानी, मीटर समन्वय, गैर-मीटर समन्वय, मीटर स्वतंत्रता और गैर-मीटर स्वतंत्रता) के दौरान समय खिड़की के जुटना मूल्यों का चयन और औसत करें। इस प्रकार, प्रत्येक डायड के लिए पांच जुटना मूल्य प्राप्त करें।
    10. कार्य सत्र के लिए, केवल उस अवधि का चयन करें जिसके दौरान प्रतिभागियों ने प्रत्येक परीक्षण के लिए लगभग 12 एस श्रवण उत्तेजना को पुन: पेश करने के लिए टैप किया, इस प्रकार प्रत्येक प्रायोगिक स्थिति के लिए कुल 180 एस (यानी, 12 एस x 15 परीक्षण) ।
      नोट: IBS जुटना वृद्धि के रूप में गणना की थी (शून्य से बड़ा घटाया जुटना मूल्यों), अर्थात् कार्य सत्र में बड़ा जुटना मूल्यों आराम राज्य सत्र में उन लोगों की तुलना में ।
    11. क्रमशः कार्य से संबंधित जुटना मूल्य से आराम जुटना मूल्य घटाना, जिसमें आराम-राज्य के दौरान जुटना मूल्य इस प्रयोग में एक आधार रेखा के रूप में इस्तेमाल किया गया था ।
      नोट: उपरोक्त चरणों (4.2.1-4.2.11) चैनलों (यानी, 22 चैनल) और dyads (यानी, 16 dyads) को दोहराकर, प्रत्येक चैनल पर प्रत्येक डायड के लिए घटाया जुटना मूल्यों को अंततः प्राप्त किया गया।
  3. सांख्यिकी
    1. प्रत्येक प्रयोगात्मक स्थिति के लिए प्रत्येक चैनल पर शून्य के साथ घटाया जुटना मूल्यों की तुलना करें, ग्रोप के काम के mult_comp_perm_t1 कार्य के साथ युग्मित नमूनों का उपयोग करना (शून्य परिकल्पना के वितरण का अनुमान लगाने के लिए 5000 क्रमपरिवर्तन; वांछित परिवारवार अल्फा स्तर- 0.05; दो पूंछ वाला परीक्षण, जिसका अर्थ है वैकल्पिक परिकल्पना यह है कि डेटा का मतलब 0 से अलग है) असामान्य डेटा वितरण और वर्तमान में सीमित नमूना आकार के रूप में प्रयोग26.
      नोट: बनती नमूने क्रमपरिवर्तन टी परीक्षण यहां बनती टी परीक्षण के समान है, लेकिन बाद मानता है कि डेटा आम तौर पर वितरित किया जाता है, जबकि पूर्व नहीं है । इस तरह का परीक्षण टी-टेस्ट के समान ही शुरू होता है, अर्थात विभिन्न समूहों में जुटना मूल्यों के लिए टी स्कोर (यानी, वास्तविक टी स्कोर) की गणना करके (एक कार्य स्थिति में घटाया जुटना मूल्य है, दूसरा शून्य है)। फिर, विभिन्न समूहों के जुटना मूल्यों का आदान-प्रदान करके एक क्रमपरिवर्तन उत्पन्न होता है, और इस क्रमपरिवर्तन के बाद घटाया हुआ जुटना मूल्यों और शून्य के लिए एक नए टी स्कोर की गणना की जाती है। इस तरह के क्रमपरिवर्तन 5000 बार आयोजित किया जाता है। इस प्रकार, 5000 टी स्कोर प्राप्त कर रहे हैं। 5000 टी स्कोर के वितरण में, वास्तविक टी स्कोर का सापेक्ष स्थान घटाया जुटना मूल्यों के लिए पी-मूल्य उत्पन्न करता है।
    2. पी मानों को सही करें (यानी, कई तुलना समस्या के कारण, और झूठी डिस्कवरी दर विधि(पी < 0.05) 27 द्वारा एक पैच में22चैनलों में तुलना से उत्पन्न करें। MATLAB टूलबॉक्स के mafdr फ़ंक्शन के माध्यम से इस सुधार को करें।
      नोट: यदि किसी भी चैनल पर पी-वैल्यू एफडीआर सुधार के बाद महत्वपूर्ण (यानी, पी < 0.05) थी, तो उस चैनल पर आईबीएस है।
    3. चैनल पर विभिन्न कार्य स्थितियों के बीच सामंजस्य मूल्यों की तुलना करें जहां आईबीएस अस्तित्व में था, ग्रोप के काम के mult_comp_perm_t1 कार्य के साथ युग्मित नमूनों क्रमपरिवर्तन टी-परीक्षण का उपयोग करके (चरण 4.3.1 में उल्लिखित समान पैरामीटर)।
      नोट: मीटर बनाम गैर मीटर उत्तेजनाओं के बारे में पारस्परिक समन्वय के दौरान आईबीएस की सहज रूप से जांच करने के लिए, विभिन्न शर्तों के जुटना मूल्यों की तुलना सीधे (यानी, मीटर समन्वय बनाम गैर-मीटर समन्वय; मीटर समन्वय बनाम मीटर स्वतंत्रता)।
    4. दोनों भागीदारों की प्रतिक्रियाओं के योग से विभाजित भागीदारों के प्रतिक्रिया समय के बीच पूर्ण अंतर से व्यवहार प्रदर्शन की गणनाकरें 56।
    5. पियर्सन रैखिक सहसंबंध विश्लेषण (यानी, ग्रोप के काम के mult_comp_perm_corr कार्य) के आधार पर क्रमपरिवर्तन परीक्षण के माध्यम से आईबीएस और व्यवहार प्रदर्शन के बीच संबंधों का मूल्यांकन करें।
  4. आईबीएस को मान्य करना
    नोट: इस स्पष्टीकरण को बाहर करने के लिए कि इसी तरह की उत्तेजनाओं, गति या शर्तों ने प्रदर्शन किए गए आईबीएस को प्रेरित किया, एक सत्यापन दृष्टिकोण के रूप में एक क्रमपरिवर्तन परीक्षण का उपयोग करें, तीन क्रमपरिवर्तन के साथ (यानी, डायड के बीच, और स्थिति क्रमपरिवर्तन के बीच), निम्नलिखित शामिल हैं:
    1. मीटर समन्वय स्थिति में परीक्षणों के लेबल को यादृच्छिक करें (यानी, डायड क्रमपरिवर्तन के भीतर, जैसे कि परीक्षण #1 और परीक्षण #13 dyad #1 में) मैटलैब के रैंडपरम फ़ंक्शन के माध्यम से प्रत्येक चैनल पर एक डायड के लिए।
    2. यादृच्छिक परीक्षण लेबल के लिए आईबीएस और सांख्यिकी (यानी, वर्ग 4.2 और 4.3, लेकिन FOI के लिए संवेदनशीलता विश्लेषण को छोड़कर) की गणना की उपरोक्त पाइपलाइन का पालन करें।
      नोट: अलग से प्रत्येक शर्त के लिए नकली जोड़ी के जुटना मूल्यों की गणना, और नकली जोड़ी के लिए जुटना वृद्धि की गणना (यानी, नकली जोड़ी के लिए कार्य से संबंधित जुटना मूल्य से आराम जुटना मूल्य घटाना) ।
    3. क्रमपरिवर्तन 1000 बार आचरण, IBS और सांख्यिकी (वर्ग 4.2 और 4.3) की गणना की पाइपलाइन के बाद।
    4. डायड क्रमपरिवर्तन के भीतर उत्पन्न सांख्यिकीय जेड मूल्यों के वितरण को प्लॉट करें।
    5. मीटर समन्वय स्थिति में एक ही परीक्षण के प्रतिभागियों की जोड़ी को यादृच्छिक बनाकर चरण 4.4.2-4.4.4 का आचरण करें (यानी, डायड क्रमपरिवर्तन के बीच, जैसे कि डाइड #1 में प्रतिभागी #1 और प्रतिभागी #1 dyad #3 में)।
    6. एक ही परीक्षण में एक डायड के समान सदस्यों के लिए शर्तों के लेबल को यादृच्छिक बनाकर चरण 4.4.2-4.4.4 का संचालन करें (यानी, शर्त क्रमपरिवर्तन के बीच, जैसे कि मीटर समन्वय स्थिति में प्रतिभागी #1 और मीटर स्वतंत्रता स्थिति में प्रतिभागी #2)।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

परिणामों से पता चला है कि मीटर समन्वय की स्थिति में चैनल 5 पर आईबीएस था, जबकि कोई आईबीएस अन्य स्थितियों (यानी, मीटर स्वतंत्रता, गैर-मीटर समन्वय, गैर-मीटर स्वतंत्रता) में मौजूद नहीं था; चित्रा 2A)। चैनल 5 में, मीटर समन्वय स्थिति में आईबीएस गैर-मीटर समन्वय और मीटर स्वतंत्रता स्थिति(चित्रा 2B)में जुटना मूल्यों की तुलना में काफी अधिक था। चैनल 5 लगभग बाएं डोरसोलेटरल प्रीफ्रंटल कॉर्टेक्स (डीएलपीएफसी) से संबंधित था; ब्रॉडमान क्षेत्र 9) । इसके अलावा, क्रमपरिवर्तन विश्लेषण से पता चला है कि मनाया IBS शायद एक dyad के दो व्यक्तियों में प्रस्तुत किया है जो मिलान समय में एक दूसरे के साथ तुल्यकालन करने की कोशिश की, लेकिन समय, साथी, या बेतरतीब ढंग से बांधना(चित्रा 2C)की स्थिति में नहीं । एक साथ, इन परिणामों से संकेत मिलता है कि संगीत मीटर पारस्परिक समन्वय के दौरान DLPFC में विशेषाधिकार प्राप्त IBS प्रेरित । सामाजिक संपर्क में डीएलपीएफसी की भूमिका को ध्यान में रखते हुए (उदाहरण के लिए, अन्य व्यक्तियों28,29)और संगीत (उदाहरण के लिए, एक संगीत पृष्ठभूमि30, 31की उपस्थिति में संज्ञानात्मक प्रदर्शन को बढ़ाने), मीटर समन्वय स्थिति में मनाया गया डीएलपीएफसी-आईबीएस पारस्परिक समन्वय में शामिल प्रक्रिया पर अधिक ध्यान संसाधन चलाने से संबंधित हो सकता है, जैसे कि अनुभव और साथी के कार्य और आंदोलन को समझना।

Figure 1
चित्र 1:प्रायोगिक डिजाइन। (A)प्रायोगिक प्रक्रिया और कार्य । (ख)जांच विन्यास। (ग)प्रायोगिक सेटअप। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 2
चित्र 2:इंटर-ब्रेन सिंक्रोनाइजेशन (आईबीएस) ।(ए)प्रत्येक स्थिति के लिए जुटना मूल्य पर क्रमपरिवर्तन परीक्षण के गर्मी नक्शे । मीटर समन्वय की स्थिति में चैनल 5 पर आईबीएस था । (ख)मीटर समन्वय की स्थिति में चैनल 5 पर आईबीएस मीटर स्वतंत्रता और गैर मीटर समन्वय स्थिति में उन लोगों की तुलना में काफी अधिक था । **पी < 0.01, *पी < 0.05. त्रुटि सलाखों न्यूनतम/अधिकतम मूल्यों का प्रतिनिधित्व करते हैं । हीरा डॉट्स चरम मूल्यों को निरूपित करते हैं। छायांकित क्षेत्र 95% आत्मविश्वास अंतराल को इंगित करता है। (ग)सभी चैनलों के लिए क्रमपरिवर्तन, व्यक्तिगत और स्थिति के साथ आईबीएस (सांख्यिकीय जेड मूल्यों) का प्रभाव । धराशायी लाइन मीटर समन्वय स्थिति में चैनल 5 पर आईबीएस के प्रभाव को इंगित करती है। एक्स-एक्सिस जेड मूल्य का प्रतिनिधित्व करता है, और वाई-एक्सिस नमूनों की संख्या का प्रतिनिधित्व करता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

अनुपूरक ऑडियो 1. कृपया इस फ़ाइल को डाउनलोड करने के लिए यहां क्लिक करें ।

अनुपूरक ऑडियो 2. कृपया इस फ़ाइल को डाउनलोड करने के लिए यहां क्लिक करें ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

यह प्रोटोकॉल आईबीएस की गणना करने और मान्य करने के लिए एक कदम-दर-कदम प्रक्रिया प्रदान करता है, जो एक साथ दो प्रतिभागियों के मस्तिष्क संकेतों को इकट्ठा करने के लिए fNIRS हाइपरस्कैनिंग दृष्टिकोण का उपयोग करता है। FNIRS डेटा प्रीप्रोसेसिंग, आईबीएस कैलकुलेशन, स्टैटिस्टिक्स और आईबीएस सत्यापन में शामिल कुछ महत्वपूर्ण मुद्दों पर नीचे चर्चा की जाती है।

डेटा प्रीप्रोसेसिंग
संभावित शोर (यानी, गति कलाकृतियों, प्रणालीगत घटकों) से वास्तविक संकेतों को निकालने के लिए हाइपरस्कैनिंग अध्ययनों में एफएनआईआरएस डेटा को प्रीप्रोसेस करना आवश्यक है। यद्यपि पहले के एफएनआईआरएस हाइपरस्कैनिंगअध्ययन10,32, 33में आईबीएस का विश्लेषण करते समय प्रीप्रोसेस को छोड़ दियाजाताहै, लेकिन हाल के लोगों में यह एक आवश्यक और मानक हिस्सा रहा है। इस अध्ययन में, सीबीएसआई और पीसीए दोनों का उपयोग शोर को हटाने के लिए किया जाता है; पूर्व हेड मोशन कलाकृतियों34को हटाने के लिए विश्वसनीय है, जबकि बाद वैश्विक शारीरिक शोर (जैसे, श्वसन, रक्तचाप, और रक्त प्रवाह भिन्नता)35कम करने में अच्छा है . बेशक, डेटा प्रीप्रोसेसिंग के लिए अन्य गति सुधार विधियां हैं, जो अनुभवजन्य फनीआरएस अध्ययनों में अच्छा प्रदर्शन करती हैं, जैसे वेवलेट फ़िल्टरिंग36,स्प्लीन इंटरपोलेशन37,कलमैन फ़िल्टरिंग38,ऑटोर्रेसिव एल्गोरिदम39,और शॉर्ट-चैनल पृथक्करण सुधार40। गति सुधार विधियों की तुलना में बताया गया है कि चैनलों को छोड़कर या परीक्षणों को अस्वीकार करने की तुलना में गति कलाकृतियों को सही करना हमेशा बेहतर होता है और प्रत्येक विधि पर विशेष रूप से जोर दिया जाता है। यह प्रस्ताव किया गया है किएकसाथ कई गति सुधार विधियों को अपनाना, जैसा कि इस अध्ययन में दिखाया गया है, एक यथार्थवादी समाधान है । इसके अलावा, शारीरिक शोर को हटाने के लिए एफएनआईआरएस डेटा प्रीप्रोसेसिंग में भी आमतौर पर कम-पास और हाई-पास फ़िल्टरिंग का उपयोग किया जाता है। यद्यपि यह विधि प्रभावी है, लेकिन जब शारीरिक शोर और कार्य प्रभाव समान आवृत्ति बैंड42में होता है तो यह कार्य प्रभाव को नष्ट कर सकता है। साथ में, पीसीए और सीबीएसआई का उपयोग करके एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों में डेटा प्रीप्रोसेसिंग के लिए उचित हो सकता है।

आईबीएस की गणना करें
यह प्रस्ताव किया गया है कि आईबीएस विश्लेषण कदमों को मानकीकृत करने और आईबीएस की प्रजनन क्षमता बढ़ाने के लिए अधिक कार्य की आवश्यकता है, क्योंकि आईबीएस की गणना करने के लिए उपयोग किए जाने वाले सटीक एल्गोरिदम प्रयोगशालाओं औरअध्ययनों मेंपरिवर्तनशील हैं। इस काम में डब्ल्यूटीसी के जरिए आईबीएस की गणना की मानक पाइपलाइन शोधकर्ताओं के लिए उपयोगी है। सावधान रहने के लिए कई चीजों की जरूरत है। सबसे पहले, डब्ल्यूटीसी आमतौर पर मॉर्लेट वेवलेट परिवार के तहत आता है, जिसका उपयोग इस अध्ययन में किया जाता है। हालांकि, यह प्रस्तावित है कि एक जटिल गॉसियन वेवलेट मोरलेट वेवलेट की तुलना में फनीआरएस डेटा के लिए अधिक उपयुक्त है, क्योंकि पूर्व अंतर्निहित सिग्नल के तरंग से मेल खाता है (यानी, मल्टीसाइकिल सिग्नल शायद ही कभी होते हैं, विशेष रूप से 10 से 20 एस के आसपास तरंगदैर्ध्य के संकेत के लिए)44। अधिक विचार वेवलेट जुटना गणना है कि एनआईआर के बाद के अनुप्रयोगों में विश्लेषण की शक्ति को प्रभावित करने के लिए निर्देशित किया जाना चाहिए एनआईआरएस लाइव सामाजिक बातचीत के दौरान अधिग्रहीत संकेतों के लिए । दूसरा, संगीत2, 45, 46और संगीत गतिविधियों4,47,48 के साथ पारस्परिक समन्वय के पिछले निष्कर्षों के अनुरूप होने के लिए, इस अध्ययन में एक ही चैनलों के बीच जुटना मूल्यों की गणना की गई थी, जबकि कुछ अध्ययनों ने सांख्यिकीय विश्लेषण49,50 से पहले एक ही मस्तिष्क क्षेत्र के भीतर सभी चैनलों के जुटना मूल्यों का औसत किया है . इसके अतिरिक्त, जुटना मूल्यों की गणना न केवल उन्हीं चैनलों /क्षेत्रों10,32,51 केबीच बल्कि विभिन्न चैनलों/क्षेत्रोंमें 52,53के बीच की गई थी . इन उल्लिखित प्रक्रियाओं ने आईबीएस की गणना की पाइपलाइन को समृद्ध किया है और सामाजिक संपर्क के भविष्य के निर्देशों को रुचि हो सकती है । पिछले लेकिन कम से कम, इस अध्ययन में केवल ऑक्सीएचबी मूल्यों का विश्लेषण किया गया था क्योंकि ऑक्सीएचबी मूल्यों को क्षेत्रीय मस्तिष्क रक्त प्रवाह54में परिवर्तनों का सबसे संवेदनशील संकेतक माना जाता है। हालांकि, कुछ शोधकर्ताओं ने deoxyHb परिवर्तन पर ध्यान केंद्रित किया, निष्कर्षों के आधार पर कि deoxyHb मूल्यों सबसे बारीकी से fMRI संकेत और वैश्विक शारीरिक शोर५५से स्वतंत्र से संबंधित हैं । किसी भी तरह, परिणाम अधिक विश्वसनीय हो सकता है अगर इसी तरह के IBS प्रभाव दोनों oxyHb और deoxyHb परिवर्तन में पता चला रहे हैं । इसलिए, भविष्य के एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों के लिए डीऑक्सीएचबी मूल्यों पर आईबीएस का विश्लेषण भी आवश्यक है।

आईबीएस को मान्य करें
पता चला IBS को मान्य करना आवश्यक है, क्योंकि आईबीएस की व्याख्या जटिल बनी हुई है। उदाहरण के लिए, आईबीएस को सूचना संचरण, साझा जानबूझकर, व्यवहार संरेखण, इसी तरह की धारणा आदि के लिए एक तंत्र के रूप में समझाया गया है। यह क्रमपरिवर्तन के साथ शून्य परिकल्पना परीक्षण करके आईबीएस की व्याख्या को स्पष्ट करने में मदद करेगा, जिसमें जुटना मूल्यों को या तो वास्तविक dyads के लिए गणना की जाती है, लेकिन बेतरतीब ढंग से परीक्षण बांधना या नकली dyads के लिए बेतरतीबढंगसे एक शर्त के भीतर प्रतिभागियों बांधना द्वारा/ इस अध्ययन में, बस बहुत बड़ी संख्या में रिसंपल्स (यानी, 1000 बार) का संचालन करके क्रमपरिवर्तन किया गया था। इसके विपरीत, जुटना मूल्यों की गणना सभी संभव यादृच्छिक जोड़े56के लिए की जा सकती है। इसके अलावा, उपरोक्त क्रमपरिवर्तन परीक्षण का उपयोग प्रयोग में सभी संभावित जुटना से जुटना का एक शून्य वितरण उत्पन्न करने के लिए किया जा सकता है, यह देखने के लिए कि क्या मनाया गया आईबीएस इस वितरण के शीर्ष अंत के पास है, जिसका उपयोग आमतौर पर उन अध्ययनों में किया जाता है जो वास्तविक जीवन उत्तेजनाओं और प्रयोगात्मक वातावरण57,58को अपनाते हैं। यह विश्लेषण यह सुनिश्चित करता है कि आईबीएस अनुक्रम स्तर पर वास्तविक-बातचीत-विशिष्ट है, क्योंकि मिलान करने वाले लोगों (यानी, परीक्षणों, व्यक्तियों और शर्तों) के दौरान जुटना मूल्यों को औसतन सांख्यिकीय रूप से भीतर या बीच में जुटना के समान आकार के यादृच्छिक ड्रा से अधिक होना चाहिए। इस तरह की विधि वर्तमान काम (यानी, आराम-राज्य जुटना मूल्यों) में उपयोग की जाने वाली बेसलाइन से अलग है, जो पारंपरिक सामान्य रैखिक मॉडल डिजाइनों के अनुरूप है और पिछले अध्ययनों में निष्कर्षों के साथ वर्तमान परिणामों की तुलना करने के लिए चुना जाता है। यह ध्यान दिया जाना चाहिए कि इस अध्ययन में 20-एस-आराम बेसलाइन व्यापक रूप से उपयोग की जाने वाली अवधि (30 एस या 1 मिनट से अधिक) से कम है, जिसका उपयोग प्रतिभागियों के आराम को सुनिश्चित करने के लिए प्रयोग के कुल समय को 30 मिनट तक सीमित करने के लिए किया जाता है।

अंत में, यह लेख FNIRS हाइपरस्कैनिंग अध्ययनों में आईबीएस का विश्लेषण करने की एक विशिष्ट पाइपलाइन प्रदान करता है। इस तरह की पाइपलाइन क्षेत्र में एक संभावित मानक डेटा प्रसंस्करण दृष्टिकोण है, जो आईबीएस की प्रजनन क्षमता और विश्वसनीयता दोनों में योगदान देगा। भविष्य में, विशेष समूहों (यानी, माता-पिता-शिशु, बच्चों और सिजोफ्रेनिया रोगियों) और विशेष संदर्भों (यानी, नॉनवर्बल या मौखिक संचार और शिक्षण स्थितियों) के लिए आईबीएस का विश्लेषण करते समय डेटा प्रसंस्करण के विवरण को और परिष्कृत किया जाना चाहिए। अंत में, प्राकृतिक बातचीत में प्रतिभागियों के बड़े समूहों के लिए अंतर-मस्तिष्क नेटवर्क का विश्लेषण करने के प्रोटोकॉल को प्रदर्शित करने से सामाजिक संपर्क के परिमाणीकरण को लाभ होगा ।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

इस शोध का समर्थन किया गया: नेशनल नेचुरल साइंस फाउंडेशन ऑफ चाइना (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

न्यूरोसाइंस अंक 175 इंटर-ब्रेन सिंक्रोनाइजेशन फनीआरएस हाइपरस्कैनिंग वेवलेट ट्रांसफॉर्म जुटना क्रमपरिवर्तन परीक्षण
एक fNIRS हाइपरस्कैनिंग अध्ययन में इंटर-ब्रेन सिंक्रोनाइजेशन की गणना और मान्य कैसे करें
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