Waiting
Login processing...

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

Neuroscience

fNIRS ハイパースキャンスタディで脳間同期を計算および検証する方法

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

個人の結合された脳間のダイナミクスは、主にfNIRSと脳の同時記録信号(すなわちハイパースキャン)を使用して、互いに調整する際に脳間同期(IBS)によってますます表されています。fNIRSハイパースキャン研究では、IBSは、時系列を非常に直感的な方法で見ることができる時間周波数空間に拡張する利点があるため、ウェーブレット変換コヘレンス(WTC)法を通じて一般的に評価されています。観察されたIBSは、試験、パートナー、および条件の順列ベースのランダムペアリングを介してさらに検証することができます。ここでは、fNIRS技術を介して脳信号を取得し、WTC法を介してIBSを計算し、ハイパースキャン研究で順列することによってIBSを検証する方法を説明するプロトコルが提示される。さらに、fNIRSシグナルの選択、データ前処理の方法、計算のオプションパラメータなど、上記の方法を使用する際の重要な問題について説明します。要約すると、WTC法と順列を用いて、fNIRSハイパースキャン研究でIBSを分析するための潜在的に標準的なパイプラインであり、IBSの再現性と信頼性の両方に寄与する。

Abstract

個人の結合された脳間のダイナミクスは、主にfNIRSと脳の同時記録信号(すなわちハイパースキャン)を使用して、互いに調整する際に脳間同期(IBS)によってますます表されています。fNIRSハイパースキャン研究では、IBSは、時系列を非常に直感的な方法で見ることができる時間周波数空間に拡張する利点があるため、ウェーブレット変換コヘレンス(WTC)法を通じて一般的に評価されています。観察されたIBSは、試験、パートナー、および条件の順列ベースのランダムペアリングを介してさらに検証することができます。ここでは、fNIRS技術を介して脳信号を取得し、WTC法を介してIBSを計算し、ハイパースキャン研究で順列することによってIBSを検証する方法を説明するプロトコルが提示される。さらに、fNIRSシグナルの選択、データ前処理の方法、計算のオプションパラメータなど、上記の方法を使用する際の重要な問題について説明します。要約すると、WTC法と順列を用いて、fNIRSハイパースキャン研究でIBSを分析するための潜在的に標準的なパイプラインであり、IBSの再現性と信頼性の両方に寄与する。

Introduction

人々が他の人と調整するとき、彼らの脳と体は継続的な相互適応を通じて結合された単位になります。脳間の結合は、ハイパースキャンアプローチを介して脳間同期(IBS)によって表され、同時に2人以上の個人の脳信号1を記録する。実際、fNIRS/EEGハイパースキャニング研究の成長体は、指のタッピング2、グループウォーキング3、ドラム4を演奏する、ギター演奏5、歌/ハミング6を含む様々なコラボレーションコンテキストでIBSを発見しました。fNIRSは、比較的自然な設定(fMRI/EEGと比較して)7で頭/体の動きを制限することが少ないほど、社会的相互作用中のIBSの研究に広く使用されています。

この記事では、fNIRSハイパースキャン研究でウェーブレット変換コヘレンス(WTC)法を介してIBSを計算するためのプロトコルを提示する。WTCは、時間周波数面上の2つの移動信号間の相互相関を評価する方法であり、したがって、時間領域8に限り、従来の相関分析(例えば、ピアソン相関および相互相関)よりも多くの情報を与えることができる。また、血行力信号はウェーブレットコンポーネントに変換され、低周波ノイズを効果的に除去できます。WTCは時間がかかるが、IBSを行動模倣9、協調行動10、口頭通信11、意思決定12、およびインタラクティブラーニング13で計算する最も一般的な方法であった。

また、試験、条件、および参加者の順列ベースのランダム・パーリングでIBSを検証する方法も紹介します。ハイパースキャン研究におけるIBSは、常に個人間のオンライン社会的相互作用を追跡するために提案されるが、刺激類似性、運動類似性、または条件類似性14のような他の説明によっても解釈することができる。順列検定は、ランダム化検定とも呼ばれ、観測データ15を再サンプリングして上記のヌル仮説を検定するために活用することができる。順列を使用することにより、識別されたIBSがインタラクティブな動作に特異的であるかどうか、ダイアド内のIBSの変調からパートナー16のグループ間の変調に至るまでを調べるのに役立つ。

ここで説明するプロトコルは、fNIRS技術を介して脳信号を取得し、WTC法を介してIBSを計算し、ハイパースキャン研究で順列テストによってIBSを検証する方法を詳述しています。この研究は、特権IBSが社会的協調の間に音楽メーターによって引き出されるかどうかを調べることを目的としている。脳信号は前頭皮質に記録され、前の発見1におけるIBSの位置に基づいて記録された。実験タスクは、もともとKonvalinkaと彼女の大学17によって開発され、参加者はメーターまたは非メーター刺激を聞いた後、パートナーまたは自分自身からの聴覚フィードバックで指をタップするように求められました。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

ここで提示されたプロトコルは、東中国師範大学人間研究保護に関する大学委員会によって承認されました.

1. 実験の準備

  1. 参加者
    1. キャンパス広告による金銭的報酬を持つ学部生と大学院生のグループを募集する。
    2. 参加者が右利きで、正常または正常な視力と聴覚を持っていることを確認します。彼らは音楽を研究していないか、3年未満の前にそれを研究していないことを確認してください。
    3. ランダムにダイアドで学生を一致させます。社会的協調性18に対するパートナーの親しみやすさの潜在的な影響を制御するために、各ダイアドのメンバーが以前に互いを見たり知ったりしていないことを確認する。
  2. 実験的刺激
    1. 任意の無料の楽曲と表記ソフトウェアによって聴覚刺激(440 Hz、660 msの純粋なトーン)を作成します。
    2. 500~1000ミリ秒の間隔でトーンを繰り返し、トーンシーケンスに組み合わせます。各トーンシーケンスは12の長さであり、12トーンで構成されています。
    3. 1つのトーンシーケンスでは、最初のトーン(+6 dB)をアクセントにして、メーター刺激(補足オーディオ1)として定義されたダウンビートとアップビートのパターンを作成します。第2のトーンシーケンスでは、非計器刺激(補足オーディオ2)に対応する同一強度(個々の感覚閾値を40dB以上、実験タスクの前に収集)でトーンをアクセントを解除する。
  3. 実験タスク
    1. 心理的なソフトウェアツールを使用して実験タスクをプログラムします。
    2. ステップ 1.3.3-1.3.6 で説明されているように、実験タスクの 2 つの段階を調整します (図 1A)。
    3. 2番目の休息状態:参加者に、心をリラックスさせ、目を閉じて、できるだけ動かずに過ごすように頼みます。
    4. 指のタップタスク: 参加者に、コーディネート部と独立部分の2つの部分を完了するよう依頼します。
    5. コーディネート部の間、ダイアドの他のメンバーによって生成された応答に対して、各参加者に聴覚フィードバック(すなわち、1回のタップに対応するドリップ音)を提供する。参加者に、他のメンバーと同期して応答するように最善を尽くすよう依頼します。
    6. 独立部分については、両参加者が自分の応答の聴覚フィードバック(すなわち、1タップに対応するドリップ音)を受け取っていることを確認し、できるだけ正確に聴覚刺激と同期して応答するように依頼する。
      注:メーターと非メートルの刺激と組み合わせることで、参加者は4つの異なる条件のいずれかで自分自身を発見しました:(i)メートル調整 - 両方の参加者はメーターを聞き、お互いからの応答。(ii) 非メートルのコーディネート - 両方の参加者は、非メーターと互いからの応答を聞いた。(iii)メーターの独立性 - 両方の参加者は、メーターと自分自身からの応答を聞いた。(iv)非メートルの独立性 - 両方の参加者は、非メーターと自分自身からの応答を聞いた。
    7. 各試行について、参加者はまず聴覚刺激(12秒)の一部を聞き、続いて指をタップし始める手掛かりとなる音(262 Hz、1000 ms)を聞いてみましょう。
    8. キーボードの右手の人差し指をタップして、以前に聞いた刺激を再現してもらいます(参加者#1:"f";参加者#2:"j")。参加者は、以前に提示された刺激と同じ時間間隔をトーン間に保ちながら、12回タップする必要があります。
      注:4つの実験条件、すなわち1ブロックで15回の試験に対応する4つのブロックに、60の試験が均等に割り当てられました。ブロックの順序は相殺された。タッピングタスクの合計期間は約26分でした。
    9. ブロックの間で、参加者は30のsのために休ませます。
    10. 実験全体の間、参加者が言語や動きを通してコミュニケーションを取ることを許さない。参加者をコンピュータ モニタで分離して、参加者間でメッセージを配信する可能性のある視覚情報をブロックします。
  4. 自家製fNIRSキャップ:通常のサイズの2つの弾性スイミングキャップを購入します。関心のある脳領域をカバーするには、次の手順で説明するように、水泳キャップを変更します。
    1. ヘッドフォームに1つの水泳キャップを置き、水泳キャップに標準の10-20 EEGキャップを置きます。
    2. 赤いマジックマーカーで水泳帽のFCzの位置をマークします。
    3. ヘッドフォームからEEGキャップを外します。
    4. 水泳用キャップに1つのオプトデプローブパッチ(3 x 5セットアップ)を置き、パッチの2番目のプローブ行の中央の1つをFCzのマークされた位置に合わせます。
      注:光極探査パッチには、15箇所の光素プローブ(すなわち、8個のエミッタと7個の検出器)が含まれており、3cmの光度分離を有する22の測定チャネルを形成する(図1B)。
    5. 水泳帽のパッチの15プローブの位置をマークします。
    6. パッチとスイミングキャップをヘッドフォームから外します。
    7. 15個のプローブのマークされた場所に15個の小さな穴をハサミで切ります。
    8. 適切な15穴に15プローブの位置を埋め込むことによって、修正された水泳キャップにパッチをマウントします。
    9. 上記のプロセスに従って他の水泳帽をメンド。
      注:オプトデの場所が標準的なEEGの位置に従う自家製fNIRSキャップは、この研究で使用されるfNIRSシステムに適用可能な標準EEGキャップが存在しなくなったため、採用されました。fNIRS システムに適した標準の EEG キャップがある場合は、fNIRS キャップを作成する必要はありません。

2. 参加者が到着する前に

注:参加者が研究室に到着する前に、手順2.1-2.5に従ってください。

  1. 合意されたタイムスケジュールに従って研究室に来るように1ダイアドの2人の参加者を思い出させます。
  2. 少なくとも30分前にfNIRSシステムを起動し、レーザーをオフにしたままにします。
  3. fNIRS システムからオプトデ プローブパッチにオプトデ プローブを挿入します。
  4. fNIRS測定のパラメータ(すなわち、被験者ID、イベント関連モード、オプトデプローブ配置)を調べる。
  5. 実験装置を1つのテーブル、2つの椅子、2つの19-inコンピュータモニタ、および2組のヘッドフォンで設定します(図1C)。

3. 研究室に到着する参加者

注:fNIRSラボに到着した1つのダイアドの2人の参加者に心から感謝します。彼らにサイレントモードで自分の携帯電話を置き、一時的にキャビネットに自分の持ち物を残すように要求します。次に、次のプロセスを順番に実行します。

  1. 参加者が座る前に、2人の参加者が会ったことがないことを再確認してください。演習中に言語や動きを通じて互いに通信していないことを確認します。
  2. 大学人間研究委員会が承認したインフォームド・コンセント・フォームを参加者に提供する。
  3. 実験タスクの詳細について参加者に指示します。ヘッドフォンを着用し、彼らにいくつかの練習の試練を与えるように依頼します。
  4. 練習試験では、各ダイアドの2人の参加者が一緒に練習できるようにします。
    注: fNIRS キャップを着用する前に、柔軟なルールを使用して各参加者のヘッド サイズを測定し、決定する価値があります。次に、参加者のヘッドサイズに応じて適切なサイズのキャップを選択します。本研究では、ワンサイズのスイミングキャップを使用したため、このようなステップは見逃されました。相対的な操作(すなわち、ヘッドサイズの測定、適切なサイズの水泳キャップの選択、泳ぐ帽子へのオプトデプローブパッチの取り付け、プローブパッチへのオプトデプローブの挿入)は時間がかかるため、実験の前日にこのステップを実施することをお勧めします(約20〜30分)。
  5. CZの位置を指すキャップの中心を持つ参加者の頭にfNIRSキャップを置き、FCzでパッチの2番目のプローブ列の中間オプトデプローブを配置します。
  6. fNIRSシステムを操作して、レーザーをオンにして信号キャリブレーションを実行します。
  7. あるチャンネルで信号が不十分な場合は、周囲のプローブチップの下に髪をそっと脇に置くようにファイバースティックで信号強度を調整します。
  8. 必要に応じて、プローブを軽く押しますが、参加者を傷つけないようにしてください。
  9. 信号の品質が得られるまで、ステップ3.5~3.8を繰り返します。信号キャリブレーションのプロセス全体で参加者が快適に感じられるようにします。
  10. 参加者が自分で快適な姿勢(例えば、快適な身体位置)を見つけるのを助けます。実験作業全体(つまり約26分)の間、できるだけ頭を動かさないように参加者に思い出させてください。
  11. NIRS信号の品質を再検討します。すべてのチャネルに十分な信号がある場合は、デスクトップコンピューターで実験手順を実行します。
  12. 実験手順の完了時に、参加者がヘッドフォンとfNIRSキャップを外す手助けをします。私身の持ち物を返し、金銭的な補償で感謝します。
  13. fNIRS システムを操作して、データを保管します。ディスクを使用して未加工の fNIRS データ (.csv) をエクスポートし、USB を使用してコンピュータから動作データをコピーします。
  14. これ以上実験的な配置がない場合は、fNIRSシステムとコンピュータを閉じます。
  15. 実験全体の間に、特に異常なイベントをメモする準備ができてラボノートブックを維持します。

4. データ分析

注:MATLABソフトウェアを使用して、次のツールボックスを使用して、すべてのデータ分析を実行します: HOMER219、日立21人20、xjView21、クロスウェーブレットとウェーブレットコヒーレンスツールボックス22、およびMathWork23でGroppeのスクリプト。

  1. データ前処理
    1. データ品質を確認するには、手順 4.1.2-4.1.3
    2. xjView の readHitachData 関数を使用して、各参加者のデータ ファイル (.csv) を読み取ります。
      注:このように、日立計測データ(csv形式)は、測定値に保存された情報(波長、時間データ、チャンネルリスト)と共にoxyHb/deoxyHb/マーカーデータに変換されます。
    3. xjViewの関数 plotTraces を使用して、すべてのチャンネルの時系列を 1 つの図にプロットすることで、oxyHb 値と deoxyHb 値の品質を視覚的に確認します。
      注: データの異常を簡単に特定できます。ノイズの多いチャンネルは、その後の解析で除外できます。
    4. Homer2 でのさらなるデータ前処理をサポートする Hitachi2nirs の csv2nirs 関数を使用して、日立ファイル (.csv) を .nirs ファイル形式に変換します。
    5. ホーマー2の関数hmrIntensity2ODを使用して、生データを光学密度に変換します。
    6. 主成分分析(PCA)24を使用して、Homer2の関数enPCAFilter(nSV=0.8、すなわちデータの共分散の80%が除去された)を用いてfNIRSの全球生理的ノイズを除去する。
    7. 相関ベースの信号改善法(CBSI)25 を使用して、Homer2の関数hmrMotionCorrect_Cbsiを使用してヘッドモーションアーチファクトを除去する。
    8. 変更されたビールレンバート則を使用して、処理された光学密度をHomer2のhmrOD2Conc関数でoxyHbおよびdeoxyHb値に変換します。
  2. IBS の計算
    注: 前処理された oxyHb 値については、WTC を使用して、次のパイプラインを含む、ダイアドの同じ位置からのチャネル ペアのコヘレンス値を計算します。
    1. クロスウェーブレットとウェーブレットコヘレンスツールボックスの wtc 関数をデフォルトパラメータで採用し、各時間と周波数ポイントのコヘレンス値を計算し、コヘレンス値の 2 軸行列を取得します。
    2. デフォルトのパラメータでは、モーレットマザーウェーブレットを使用して、連続ウェーブレット変換によって各時系列を時間と周波数領域に変換します。
    3. [MonteCarloCount]を選択して有意性計算のサロゲート データセットの数を表し、[自動 AR1]を選択して時系列の自己相関係数を計算します。
    4. ステップ 4.2.5~4.2.8 で説明されているように、対象周波数帯域(FOI)を選択します。
    5. 前のfNIRSハイパースキャン研究9の指運動タスクで使用された周波数帯域に従って、0.5~1Hz(それぞれ期間2sと1sに対応)の周波数帯域のコヒレンス値を選択して平均する。このようなFOIは実験タスクにおける1回のタップの期間にも対応した。したがって、各ペアのコヘレンス値の列を 1 つ取得します。
      注: さらに統計的に FOI を確認するには、選択した周波数帯域(つまり 0.5~1 Hz)を閉じ込めるのではなく、全周波数範囲(つまり、データの場合は 0.008 ~10 Hz)にわたる各ダイアドのコヘレンス値を計算します。
    6. 各周波数ポイントの目標タイム ウィンドウのコヘレンス値(4.2.3 と同じ)を平均します。
    7. 次に、各周波数ポイントのステップ 4.2.9~ 4.2.11 および後続の統計 (4.3.1 ~ 4.3.2) に記載されているパイプラインに続く平均コヘレンス値を分析します。
    8. 最後に、周波数を越えて各チャンネルの統計z値をプロットして、FOIを視覚的に検査します。
    9. マークの情報を使用して、休止状態(20s-resting-stateの時間枠)および各実験条件(すなわち、メートルコーディネート、非メートルのコーディネーション、メートル独立性、および非メートル独立性)の間の時間枠の一貫性値をそれぞれ選択し、平均する。これにより、各ダイアドについて5つのコヘレンス値を得る。
    10. タスクセッションでは、参加者が聴覚刺激を再現するためにタップした期間のみを選択し、各試験で約12s、したがって、各実験条件の合計180 s(すなわち、12 s x 15試験)を選択します。
      注: IBS は、一貫性の増加 (0 よりも大きい減算コヘレンス値) として計算されました。
    11. この実験で休止状態の間のコヘレンス値をベースラインとして使用したタスク関連コヘレンス値から、それぞれ休止コヘレンス値を差し引きます。
      注:上記の手順(4.2.1-4.2.11)をチャンネル(すなわち、22チャンネル)とダイアド(すなわち、16ダイアド)にわたって繰り返すことで、各チャネルの各ダイアドの減算コヘレンス値が最終的に得られました。
  3. 統計学
    1. 各実験条件の各チャネルで差し引いたコヘレンス値をゼロと比較し、Groppeの作業の mult_comp_perm_t1 関数と組み合わせたサンプル順列t検定を使用して(帰無仮説の分布を推定するための5000の順列;望ましい家族ごとのアルファレベル- 0.05;両側検定、これは代替仮説がデータの平均が0と異なるという仮定を意味する) 実験26.
      注: ここでのペアサンプルの順列 t 検定は、ペアの t 検定と似ていますが、後者はデータが正規分布していると仮定しますが、前者は分布しません。このようなテストは、ペアのt検定と同じ方法で始まります、つまり、異なるグループのコヘレンス値のtスコア(すなわち実際のtスコア)を計算することによって(1つはタスク条件の減算コヘレンス値、もう1つはゼロ)。次に、異なるグループのコヘレンス値を交換して順列を生成し、この順列に続く減算コヘレンス値とゼロに対して新しい t スコアが計算されます。このような順列は5000回行われる。これにより、5000 tスコアが得られる。5000 t スコアの分布では、実際の t スコアの相対位置は、減算されたコヘレンス値の p 値を生成します。
    2. 偽検出率法(p < 0.05)27によりp値を修正する(すなわち、多重比較の問題により、1つのパッチで22チャンネルにわたる比較から生成する)MATLAB ツールボックスの mafdr 関数を使用してこの補正を実行します。
      注:いずれかのチャンネルのp値が、FDR補正後に有意であった場合( すなわち 、p<0.05)、そのチャンネルにはIBSがあります。
    3. IBS が存在するチャネルの異なるタスク条件間のコヘレンス値を比較し、Groppe の作業の mult_comp_perm_t1 関数 (ステップ 4.3.1 で説明したのと同じパラメーター) と組み合わせたサンプルの順列 t 検定を使用します。
      注:メーターと非メートルの刺激に関する対人的な協調の間にIBSを直観的に調べるには、異なる条件のコヒレンス値を直接比較してください(すなわち、メーターの調整対非メートルの調整、メーターの調整とメーターの独立性)。
    4. パートナーの応答時間の絶対差を両方のパートナーの応答56の合計で割った値で、行動パフォーマンスを計算します。
    5. ピアソン線形相関分析(Groppeの仕事のmult_comp_perm_corr機能)に基づく順列検定を通じてIBSと行動性能との関係を評価する。
  4. IBS の検証
    注: 同様の刺激、動き、または条件が実証された IBS を誘導した説明を除外するには、3 つの順列 (つまり、dyad 内、dyad 間、および条件順列の間) を使用して、検証アプローチとして順列テストを使用します。
    1. MATLABのランペム関数を介して各チャンネルの1つのダイアドについて、測定器調整条件(すなわち、ダイアド順列、ダイアド#1の試行#1)内の試験のラベルをランダム化する。
    2. ランダム化された試用ラベルの IBS と統計 (つまり、セクション 4.2 および 4.3、 FOI の感度分析を除く) を計算する上記のパイプラインに従ってください。
      注: 各条件の偽ペアの一貫性値を個別に計算し、偽のペアの一貫性の増加を計算します (つまり、偽のペアのタスク関連のコヘレンス値から残りの一貫性値を差し引きます)。
    3. 順列を 1000 回実行し、続いて IBS と統計を計算するパイプラインを実行します (セクション 4.2 および 4.3)。
    4. ダイアド順列内で生成された統計 z 値の分布をプロットします。
    5. 測定器の調整条件で同じ試験の参加者の組み合わせをランダム化することによってステップ4.4.2-4.4.4を行います(すなわち、dyad #1の参加者#1とdyad #3の参加者#1などのダイアド順列の間)。
    6. 同じ試行で、1つのダイアドの同じメンバーの条件のラベルをランダム化することによって、ステップ4.4.2-4.4.4を実行します(すなわち、メーター調整条件の参加者#1とメーター独立状態の参加者#2などの条件順列の間)。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

その結果、メーター調整条件ではチャネル5にIBSがあったのに対し、他の条件(すなわち、メートル独立性、非メートル協調、非メートル独立性)にはIBSが存在しなかった。図 2A)。チャネル5では、メーターコーディネーション条件におけるIBSが、非メートルのコーディネーションおよびメートル独立性条件におけるコヒレンス値よりも有意に高かった(図2B)。チャンネル5は、およそ左側側前頭前野(DLPFC;ブロッドマンエリア9)。さらに、順列分析は、観察されたIBSが、おそらく一致した時間内に互いに同期しようとした1人のダイアドの2人の個体で提示されることを示したが、ランダムにペアリングする時間、パートナー、または状態ではそうではない(図2C)。これらの結果は、音楽メーターが対人協調の間にDLPFCで特権IBSを誘発したことを示した。社会的相互作用におけるDLPFCの役割(例えば、他の人への注意を調節する28,29)および音楽(例えば、音楽的背景30、31の存在下での認知能力の向上)を考慮すると、メーターコーディネート状態における観察されたDLPFC-IBSは、個人間協調に関与するプロセスに対してより注意リソースを駆動するために関連している可能性がある。

Figure 1
図1: 実験計画( A)実験手順と課題(B) プローブ構成。(C)実験用セットアップ。 この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 2
図2: 脳間同期(IBS)(A)各条件のコヒーレンス値に関する順列検定のヒートマップ。メーターのコーディネーション条件では、チャネル5にIBSがありました。(B)メートル調整条件のチャネル5のIBSは、メーターの独立性と非メートルの調整条件の中のIBSより有意に大きかった。**p < 0.01, *p < 0.05.誤差範囲は最小値/最大値を表します。ダイヤモンドの点は極値を示します。シェーディング領域は、95% 信頼区間を示します。(C) 全チャンネルの透過性試験、個別、条件に対するIBS(統計z値)の効果。破線は、メーター調整条件におけるチャネル5におけるIBSの効果を示す。X 軸は Z 値を表し、y 軸はサンプル数を表します。この図の大きなバージョンを表示するには、ここをクリックしてください。

補足オーディオ 1.このファイルをダウンロードするには、ここをクリックしてください。

補足オーディオ 2.このファイルをダウンロードするには、ここをクリックしてください。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

このプロトコルは、2人の参加者の脳信号を同時に収集するfNIRSハイパースキャンアプローチを使用して、IBSを計算し、検証するためのステップバイステップの手順を提供します。fNIRS データの前処理、IBS 計算、統計、および IBS 検証に関連するいくつかの重要な問題について、以下で説明します。

データ前処理
ハイパースキャンスタディでfNIRSデータを前処理して、可能なノイズ(モーションアーチファクト、全身コンポーネント)から実際の信号を抽出する必要があります。前のfNIRSハイパースキャン研究10、32、33でIBSを分析する際に前処理はスキップされるが、最近のものは必須で標準的な部分であった。この研究では、CBSIとPCAの両方がノイズを除去するために使用されます。前者は、ヘッドモーションアーチファクト34を除去するのに信頼性があり、後者は、世界的な生理的ノイズ(例えば、呼吸、血圧、および血流変動)35を減少させることが得意である。もちろん、データ前処理には他にもモーション補正法があり、ウェーブレットフィルタリング36、スプライン補間37、カルマンフィルタリング38、自己回帰アルゴリズム39、および短チャンネル分離補正40などの経験的fNIRS研究において良好なパフォーマンスを発揮する。モーション補正法の比較は、チャンネルを除外したり試行を拒否するよりも、モーションアーティファクトを修正する方が常に良く、各方法が特に重視されていることを報告しました。この研究で示すように、同時に41の運動補正方法を採用することが現実的な解決策であると提案されている。また、ローパスおよびハイパスフィルタリングは、生理的ノイズを除去するためにfNIRSデータ前処理にも通常使用されます。この方法は有効であるが、生理的な雑音とタスク効果が同様の周波数帯域42で生じた場合のタスク効果を破壊し得る。PCA と CBSI を同時に使用すると、fNIRS ハイパースキャン スタディでデータの前処理を行う方が適している可能性があります。

IBS の計算
IBS 解析のステップを標準化し、IBS の再現性を高めるためには、さらに多くの作業が必要とすることが提案されています。この研究では、WTCを介してIBSを計算する標準的なパイプラインが研究者にとって有用である。注意が必要な点がいくつかあります。第一に、WTCは一般的に、この研究で使用されるモーレットウェーブレットファミリーに該当する。しかし、複雑なガウス波口は、モレットウェーブレットよりもfNIRSデータに適していることが提案されているが、前者は基礎となる信号の波形と一致する(すなわち、多サイクル信号は、特に10〜20s前後の波長の信号に対してはほとんど発生しない)44。ライブソーシャルインタラクション中に取得したNIRS信号の後続のアプリケーションでの解析のパワーに影響を与えるウェーブレットコヘレンス計算に、より多くの考慮事項を向ける必要があります。第二に、音楽2、45、46と音楽活動4、47、48との対人協調の以前の知見と一致するために、この研究では同じチャネル間でコヘレンス値が計算されたが、いくつかの研究は統計分析49、50の前に同じ脳領域内のすべてのチャネルの一貫性値を平均している.さらに、コヘレンス値は、同じチャネル/領域間だけでなく、異なるチャネル/領域52、53間で計算されました。これらの言及されたプロセスは、IBSを計算するパイプラインを豊かにし、社会的相互作用の将来の方向性に興味を持つ可能性があります。最後に、oxyHb値は、地域の脳血流54の変化の最も敏感な指標とみなされるため、この研究ではoxyHb値のみが分析された。しかし、一部の研究者は、deoxyHbの変化に焦点を当て、deoxyHb値がfMRIシグナルと最も密接に関連しており、かつ、全球生理学的ノイズ55とは無関係であるという知見に基づいて行った。いずれにせよ、同様のIBS効果がoxyHbとdeoxyHbの両方の変化で明らかになると、結果はより信頼性が高くなる可能性があります。したがって、デオキシHb値に対するIBSの分析は、将来のfNIRSハイパースキャン研究にも必要である。

IBS の検証
IBSの解釈は複雑なままであるため、明らかにされたIBSを検証する必要があります。例えば、IBSは情報伝達、共通の意図的性、行動のアライメント、類似した知覚などのメカニズムとして説明されています。これは、一貫性値が実際のダイドに対して計算されるが、ランダムに組み合わせる試行または1つの条件/グループ内または条件/グループ16の間で参加者をランダムにペアリングすることによって偽のダイドのために計算される順列で帰無仮説テストを行うことによって、IBSの解釈を明確にするのに役立ちます。本研究では、順列は非常に多くのリサンプル(すなわち1000回)を行うだけで行われた。これに対して、一貫性値は、可能なすべてのランダムペア56について計算することができる。また、上記の順列試験は、実験における全ての可能なコヘレンスから一貫性のヌル分布を生成するために使用することができ、観察されたIBSがこの分布の上端付近にあるかどうかを確認し、実生活刺激および実験環境57,58を採用する研究で一般的に使用されている。この分析により、IBS は、マッチング中の一貫性値 (例えば、試験、個人、条件) が、平均して、ダイアド内またはダイアド間の同じサイズの一貫性のランダムドローを平均して超えなければならないため、シーケンスレベルでの実際の相互作用に特異的なことが保証されます。このような方法は、従来の一般線形モデルの設計に沿った現在の作業で使用されるベースライン(すなわち、休止状態のコヘレンス値)とは異なり、現在の結果を以前の研究の結果と比較するために選択される。なお、この研究における20s休息ベースラインは、参加者の快適性を確保するために実験の合計時間を30分に制限するために使用される、広く使用される持続時間(30sまたは1分以上)よりも短い点に留意すべきである。

結論として、この記事は、fNIRSハイパースキャン研究におけるIBS分析の具体的なパイプラインを提供する。このようなパイプラインは、IBSの再現性と信頼性の両方に貢献する、フィールド内の潜在的に標準的なデータ処理アプローチです。今後、特定のグループ(親子、小児、統合失調症患者)および特定の文脈(すなわち、非言語的または言葉によるコミュニケーションおよび教育状況)についてIBSを分析する際に、データ処理の詳細をさらに洗練する必要があります。最後に、自然な相互作用の参加者のより大きなグループのための脳間ネットワークを分析するプロトコルを示す社会的相互作用の定量化に利益をもたらす。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

著者らは開示するものは何もない。

Acknowledgments

この研究は、中国国立自然科学財団(31872783、31800951)によって支援されました。

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

神経科学、問題175、脳間同期、fNIRSハイパースキャン、ウェーブレット変換一貫性、順列検査
fNIRS ハイパースキャンスタディで脳間同期を計算および検証する方法
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