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 Hiper Tarama Çalışmasında Beyinler Arası Senkronizasyon Nasıl Hesaplanır ve Doğrulanır

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

Bireylerin eşleştirilmiş beyinleri arasındaki dinamikler, çoğunlukla fNIRS ile beyinlerin eşzamanlı kayıt sinyallerini (yani hiper tarama) kullanarak birbirleriyle koordine olduklarında beyinler arası senkronizasyon (IBS) ile giderek daha fazla temsil edilmektedir. FNIRS hiper tarama çalışmalarında, IBS, zaman serilerini salınımların son derece sezgisel bir şekilde görülebileceği zaman frekansı alanına genişletme avantajı nedeniyle dalgacık dönüştürme tutarlılığı (WTC) yöntemi ile yaygın olarak değerlendirilmiştir. Gözlemlenen IBS, deneme, ortak ve durumun permütasyon tabanlı rastgele eşleşmesi ile daha da doğrulanabilir. Burada, fNIRS teknolojisi ile beyin sinyallerinin nasıl elde edildiğini, WTC yöntemiyle IBS'nin nasıl hesaplanacağını ve hiper taramalı bir çalışmada permütasyon ile IBS'nin nasıl doğrulanacağını açıklayan bir protokol sunulmaktadır. Ayrıca, fNIRS sinyallerinin seçimi, veri ön işleme yöntemleri ve isteğe bağlı hesaplama parametreleri de dahil olmak üzere yukarıdaki yöntemleri kullanırken kritik sorunları tartışıyoruz. Özetle, WTC yöntemini ve permütasyonunu kullanmak, fNIRS hiper tarama çalışmalarında IBS'yi analiz etmek için potansiyel olarak standart bir işlem hattıdır ve IBS'nin hem tekrarlanabilirliğine hem de güvenilirliğine katkıda bulunmaktadır.

Abstract

Bireylerin eşleştirilmiş beyinleri arasındaki dinamikler, çoğunlukla fNIRS ile beyinlerin eşzamanlı kayıt sinyallerini (yani hiper tarama) kullanarak birbirleriyle koordine olduklarında beyinler arası senkronizasyon (IBS) ile giderek daha fazla temsil edilmektedir. FNIRS hiper tarama çalışmalarında, IBS, zaman serilerini salınımların son derece sezgisel bir şekilde görülebileceği zaman frekansı alanına genişletme avantajı nedeniyle dalgacık dönüştürme tutarlılığı (WTC) yöntemi ile yaygın olarak değerlendirilmiştir. Gözlemlenen IBS, deneme, ortak ve durumun permütasyon tabanlı rastgele eşleşmesi ile daha da doğrulanabilir. Burada, fNIRS teknolojisi ile beyin sinyallerinin nasıl elde edildiğini, WTC yöntemiyle IBS'nin nasıl hesaplanacağını ve hiper taramalı bir çalışmada permütasyon ile IBS'nin nasıl doğrulanacağını açıklayan bir protokol sunulmaktadır. Ayrıca, fNIRS sinyallerinin seçimi, veri ön işleme yöntemleri ve isteğe bağlı hesaplama parametreleri de dahil olmak üzere yukarıdaki yöntemleri kullanırken kritik sorunları tartışıyoruz. Özetle, WTC yöntemini ve permütasyonunu kullanmak, fNIRS hiper tarama çalışmalarında IBS'yi analiz etmek için potansiyel olarak standart bir işlem hattıdır ve IBS'nin hem tekrarlanabilirliğine hem de güvenilirliğine katkıda bulunmaktadır.

Introduction

İnsanlar başkalarıyla koordine olduklarında, beyinleri ve vücutları sürekli karşılıklı uyum yoluyla birleştirilmiş bir birim haline gelir. Beyinler arasındaki bağlantı, aynı anda iki veya daha fazla bireyin beyin sinyallerini kaydeden hiper tarama yaklaşımı aracılığıyla beyinler arası senkronizasyon (IBS) ile temsil edilebilir1. Gerçekten de, fNIRS / EEG hiper tarama çalışmalarının büyüyen bir gövdesi, parmakla dokunma2, grup yürüme3,davul çalma4,gitar çalma5ve şarkı söyleme / mırıldanma6dahil olmak üzere çeşitli işbirliği bağlamlarında IBS buldu. fNIRS, nispeten doğal ortamlarda (fMRI/ EEG ile karşılaştırıldığında) baş / vücut hareketlerini daha az kısıtladtığı için sosyal etkileşim sırasında IBS araştırması için yaygın olarak kullanılmaktadır7.

Makale, fNIRS hiper tarama çalışmasında dalgacık dönüşümü tutarlılığı (WTC) yöntemiyle IBS'yi hesaplamak için bir protokol sürmektedir. WTC, zaman frekansı düzleminde iki hareket sinyali arasındaki çapraz korelasyonu değerlendirmek için bir yöntemdir ve bu nedenle, yalnızca zaman etki alanı8olan geleneksel korelasyon analizinden (örneğin, Pearson korelasyonu ve çapraz korelasyon) daha fazla bilgi verebilir. Ek olarak, hemodinamik sinyaller, düşük frekanslı gürültüyü etkili bir şekilde ortadan kaldırabilen dalgacık bileşenlerine dönüştürülür. WTC zaman alıcı olmasına rağmen, IBS'yi eylemde taklit9, kooperatif davranışı 10 , sözel iletişim11, karar verme12ve etkileşimli öğrenme13'te hesaplamanın en yaygın kullanılan yöntemi olmuştur.

Makalede ayrıca, denemelerin, koşulların ve katılımcıların permütasyon tabanlı rastgele ayrıştırılmasıyla IBS'nin nasıl doğrulanılacağı da sunulmaktadır. Hiper tarama çalışmalarında IBS her zaman bireyler arasındaki çevrimiçi sosyal etkileşimi izlemek için önerilirken, uyaran benzerliği, hareket benzerliği veya durum benzerliği gibi diğer açıklamalarla da yorumlanabilir14. Randomizasyon testi olarak da adlandırılan permütasyon testi, gözlemlenen verileri yeniden örnekleyerek yukarıda belirtilen boş hipotezleri test etmek için kullanılabilir15. Permütasyon kullanarak, tanımlanan IBS'nin dyadlar içinde IBS modülasyonundan ortak grupları arasında16' ya kadar etkileşimli davranışa özgü olup olmadığını araştırmak yararlıdır.

Burada açıklanan protokol, fNIRS teknolojisi ile beyin sinyallerinin nasıl eldelanacağını, WTC yöntemiyle IBS'nin nasıl hesaplanacağını ve bir hiper tarama çalışmasında permütasyon testi ile IBS'nin nasıl doğrulanacağını ayrıntılarıyla açıklar. Bu çalışma, ayrıcalıklı IBS'nin sosyal koordinasyon sırasında müzik ölçerler tarafından ortaya çıkıp çıkmadığını incelemeyi amaçlamaktadır. Beyin sinyalleri, önceki bir bulguda IBS'nin konumuna göre frontal kortekste kaydedildi1. Deneysel görev başlangıçta Konvalinka ve kolejleri tarafından geliştirilmiştir17, katılımcılardan sayaç veya metre olmayan uyaranları dinledikten sonra partnerden veya kendilerinden gelen işitsel geri bildirimlerle parmaklarına dokunmaları istendi.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Burada sunulan protokol, Doğu Çin Normal Üniversitesi İnsan Araştırmalarını Koruma Üniversitesi Komitesi tarafından onaylandı.

1. Deneye hazırlık

  1. Katılımcı
    1. Kampüs reklamı ile parasal tazminat ile bir grup lisans ve lisansüstü öğrenci alın.
    2. Katılımcıların sağ elini kullanarak normal veya normal görme ve işitmeye sahip olduğundan emin olun. Daha önce 3 yıldan daha az bir süredir müzik eğitimi almadıklarından veya çalışmadıklarından emin olun.
    3. Dyad'lardaki öğrencileri rastgele eşleştirin. Partner aşinalığının sosyal koordinasyon üzerindeki potansiyel etkisini kontrol etmek için18, her dyad üyelerinin birbirlerini daha önce görmediğinden veya tanımadığından emin olun.
  2. Deneysel uyaran
    1. Herhangi bir ücretsiz müzik kompozisyonu ve notasyon yazılımı tarafından işitsel uyaranları (440 Hz, 660 ms saf tonlar) oluşturun.
    2. Tonları 500-1000 ms aralıklarla tekrarlayın ve bir ton dizisinde birleştirin. Her ton dizisi 12 s daha uzundur ve 12 tondan oluşur.
    3. Bir ton dizisi için, metre uyaranı(Tamamlayıcı Ses 1)olarak tanımlanan aşağı ve neşeli deseni oluşturmak için her ilk tonu (+6 dB) vurgulayın. İkinci ton dizisinde, eşit yoğunlukta tonları (bireysel duyum eşiğinin 40 dB üzerinde, deney görevinden önce toplanır), metre olmayan uyarana karşılık gelir(Ek Ses 2).
  3. Deneysel görev
    1. Deneysel görevi psikolojik bir yazılım aracı kullanarak programla.
    2. Deneysel görev için iki aşama düzenleyin (Şekil 1A) 1.3.3-1.3.6 adımlarında açıklandığı gibi.
    3. ikinci dinlenme durumu: Katılımcılardan zihinleri rahat ve gözleri kapalı olarak mümkün olduğunca hareketsiz kalmalarını isteyin.
    4. Parmakla dokunma görevi: Katılımcılardan iki bölümü tamamlamalarını isteyin: koordinasyon parçası ve bağımsızlık bölümü.
    5. Koordinasyon kısmı sırasında, her katılımcıya yalnızca dyad'ın diğer üyesi tarafından oluşturulan yanıt için işitsel geri bildirim (yani bir dokunuşa karşılık gelen bir damla sesi) sağlayın. Katılımcılardan diğer üyeyle eşzamanlı olarak yanıt vermek için ellerinden gelenin en iyisini yapmalarını isteyin.
    6. Bağımsızlık kısmı için, her iki katılımcının da kendi yanıtlarının işitsel geri bildirimini (yani bir dokunuşa karşılık gelen bir damla sesi) aldığından emin olun ve işitsel uyaranla mümkün olduğunca hassas bir şekilde senkronize bir şekilde yanıt vermelerini isteyin.
      NOT: Sayaç ve metre olmayan uyaranlarla birlikte, katılımcılar kendilerini dört farklı koşuldan birinde buldular: (i) sayaç koordinasyonu - her iki katılımcı da sayaçları ve birbirlerinden gelen yanıtları duydu; (ii) metre dışı koordinasyon - her iki katılımcı da metre olmayanları ve birbirlerinden gelen yanıtları duydu; (iii) metre bağımsızlığı - her iki katılımcı da sayaçları ve yanıtları kendilerinden duydu; (iv) metre dışı bağımsızlık - her iki katılımcı da metre olmayanları ve yanıtları kendilerinden duydu.
    7. Her deneme için, katılımcılar önce işitsel uyaranın (12 s) bir parçasını ve ardından parmağa dokunmaya başlamak için bir işaret görevi görür bir ses (262 Hz, 1000 ms) duysunlar.
    8. Katılımcılardan klavyede sağ işaret parmağına dokunarak daha önce duydukları uyaranı yeniden üretmelerini isteyin (katılımcı #1: "f"; katılımcı #2: "j"). Katılımcılar, daha önce sunulan uyaranla tonlar arasında aynı zaman aralığını korurken 12 kez dokunmalıdır.
      NOT: 4 deneysel koşullara karşılık gelen 4 blokta eşit olarak atanan 60 deneme, yani bir blokta 15 deneme yapıldı. Blokların sırası dengelenmişti. Dokunma görevinin toplam süresi yaklaşık 26 dk idi.
    9. Bloklar arasında, katılımcıların 30 s dinlenmesine izin verin.
    10. Tüm deney sırasında, katılımcıların herhangi bir dil veya hareketle iletişim kurmasına izin vermeyin. Aralarında ileti teslim edebilecek görsel bilgileri engellemek için katılımcıları bilgisayar monitörüyle ayırın.
  4. Ev yapımı fNIRS kapakları: Normal boyutta iki elastik yüzme kapağı satın alın. İlgi çekici beyin bölgesini kapsayacak şekilde, aşağıdaki adımlarda açıklandığı gibi yüzme kapaklarını onabilirsiniz:
    1. Bir başlık başlığına bir yüzme başlığı koyun ve ardından yüzme kapağına standart bir 10-20 EEG kapağı koyun.
    2. Yüzme kapağındaki FCz'nin yerini kırmızı sihirli bir işaretle işaretleyin.
    3. EEG kapağını kafadan çıkar.
    4. Yüzme kapağına bir optode prob yaması (3 x 5 kurulumu) koyun ve yamanın ikinci prob satırının ortasını FCz'nin işaretli konumuyla hizalayın.
      NOT: Optode prob yaması, 3 cm optod ayırmalı 22 ölçüm kanalı oluşturan 15 optode prob (yani, 8 yayıcı ve 7 dedektör) içeriyordu (Şekil 1B).
    5. Yüzme kapağındaki yamanın 15 sondasının yerlerini işaretleyin.
    6. Yama ve yüzme başlığını kafadan çıkar.
    7. Bir makasla 15 probun işaretli yerlerinde 15 küçük delik kesin.
    8. 15 probun yerlerini uygun 15 deliğe gömerek yamayı değiştirilmiş yüzme kapağına monte edin.
    9. Yukarıdaki sürece göre diğer yüzme kapağını onartın.
      NOT: Optodların konumlarının standart EEG konumlarına göre olduğu Ev Yapımı fNIRS kapağı, bu çalışmada kullanılan fNIRS sistemi için geçerli bir standart EEG kapağı olmadığı için kullanılmıştır. FNIRS sistemi ile uygun standart EEG kapakları varsa fNIRS kapağı yapmaya gerek yoktur.

2. Katılımcılar gelmeden önce

NOT: Katılımcılar laboratuvara gelmeden önce 2.1-2.5 adımlarını takip etmeyi unutmayın.

  1. İki katılımcıya kararlaştırılan zaman çizelgesine göre laboratuvara gelmeleri için bir dyad hatırlatın.
  2. FNIRS sistemini en az 30 dakika önceden başlatın ve lazeri kapalı bırakın.
  3. FNIRS sistemindeki optod problarını optode prob yamalarına yerleştirin.
  4. FNIRS ölçümünün parametrelerini inceleyin (örneğin, konu kimliği, olayla ilgili mod, optode prob düzenlemesi).
  5. Deneysel cihazı bir masa, iki sandalye, iki adet 19 inç bilgisayar monitörü ve iki çift kulaklıkla ayarlayın (Şekil 1C).

3. Katılımcının laboratuvara gelişi

NOT: FNIRS laboratuvarına geldiklerinde bir dyad'ın iki katılımcısını içtenlikle takdir edin. Telefonlarını sessiz moda almalarını ve kişisel eşyalarını geçici olarak kabine bırakmalarını isteyin. Ardından aşağıdaki işlemleri sırayla yürütelim:

  1. Katılımcılar oturmadan önce, iki katılımcının daha önce görüşmediğini tekrar teyit edin. Laboratuvardayken herhangi bir dil veya hareket yoluyla birbirleriyle iletişim kurmadıklarından emin olun.
  2. Katılımcılara Üniversite İnsan Araştırmaları Komitesi tarafından onaylanmış bilgilendirilmiş onay formları sağlayın.
  3. Katılımcılara deneysel görevin ayrıntıları hakkında bilgi verir. Onlardan kulaklık takmalarını ve onlara birkaç deneme yapmalarını isteyin.
  4. Deneme denemelerinde, her dyadın iki katılımcısının birlikte pratik yapmasına izin verin.
    NOT: FNIRS kapağını takmadan önce, esnek bir kural kullanarak her katılımcının kafa boyutunu ölçmek ve belirlemek faydalı olacaktır. Ardından, katılımcının kafa boyutuna göre doğru boyut sınırını seçin. Bu çalışmada tek beden yüzme kapakları kullanıldığı için böyle bir adım kaçırılmış. Bu adımı deneyden bir gün önce yapmak daha iyidir, çünkü göreceli işlemler (yani, kafa boyutunu ölçmek, doğru boyutta yüzme kapağını seçmek, optode prob yamalarını yüzme kapağına monte etmek ve optode problarını prob yamalarına yerleştirmek) zaman alıcıdır (yaklaşık 20-30 dk).
  5. FNIRS kapağını CZ'nin yerini gösteren kapağın merkezi ile katılımcıların başına koyun ve yamanın ikinci prob satırının orta optod probını FCz'ye yerleştirin.
  6. Sinyal kalibrasyonunu lazer açıkken gerçekleştirmek için fNIRS sistemini çalıştırın.
  7. Bazı kanallarda yetersiz bir sinyal varsa, saçı çevredeki prob ucunun altına hafifçe koymak için sinyal yoğunluğunu bir fiber çubukla ayarlayın.
  8. Gerekirse, problara hafifçe bastırın, ancak katılımcılara zarar vermediklerinden emin olun.
  9. Sinyalin kalitesine erişilebilene kadar 3.5-3.8 arası adımları yineleyin. Tüm sinyal kalibrasyonu sürecinde katılımcıların kendilerini rahat hissetmelerini sağlamak için.
  10. Katılımcıların kendileri için rahat bir duruş bulmalarına yardımcı olun (örneğin, rahat vücut pozisyonları). Katılımcılara tüm deneysel görev boyunca (yani yaklaşık 26 dk) başlarını mümkün olduğunca hareketsiz tutmalarını hatırlatın.
  11. NIRS sinyallerinin kalitesini tekrar inceleyin. Tüm kanallarda yeterli sinyal varsa, deneme yordamını masaüstü bilgisayarda çalıştırın.
  12. Deneysel prosedürün tamamlanmasında katılımcıların kulaklıkları ve fNIRS kapağını çıkarmalarına yardımcı olun. Kişisel eşyalarını iade edin ve parasal tazminatla teşekkür edin.
  13. Verileri kaydetmek için fNIRS sistemini çalıştırın. Ham FNIRS verilerini (.csv) vermek için bir disk kullanın ve davranışsal verileri bilgisayardan kopyalamak için bir USB kullanın.
  14. Daha fazla deneysel düzenleme yoksa fNIRS sistemini ve bilgisayarı kapatın.
  15. Laboratuvar not defterini tüm olayları, özellikle de tüm deney sırasındaki anormallikleri not etmeye hazır tutun.

4. Veri analizi

NOT: Matlab yazılımını kullanarak aşağıdaki araç kutularıyla tüm veri analizini gerçekleştirin: HOMER219, Hitachi2nirs20, xjView21, Cross Wavelet ve Wavelet Coherence toolbox22ve Groppe'un MathWork23'tekikomut dosyaları .

  1. Veri ön işleme
    1. Veri kalitesini kontrol etmek için 4.1.2-4.1.3 adımlarını izleyin
    2. xjView'un readHitachData işlevine sahip her katılımcı için veri dosyalarını (.csv) okuyun.
      NOT: Bu şekilde, Hitachi ölçüm verileri (csv formatı), ölçüme kaydedilen bilgilerle (örneğin dalga boyu, zaman verileri ve kanal listesi) oxyHb/deoxyHb/marker verilerine dönüştürülür.
    3. Tüm kanalların zaman serilerini tek bir şekilde çizerek oxyHb ve deoxyHb değerlerindeki kaliteyi görsel olarak kontrol edin, işlev çizimi ile xjViewtraces.
      NOT: Verilerdeki anormallikleri tanımlamak kolaydır. Çok fazla gürültüye sahip kanal sonraki analizlerde hariç tutulabilir.
    4. Hitachi dosyalarını (.csv) Homer2 ile daha fazla veri ön işlemeyi destekleyen Hitachi2nirs'in csv2nirs işleviyle .nirs dosya formatına dönüştürün.
    5. Homer2'nin hmrIntensity2OD işleviyle ham verileri optik yoğunluğa dönüştürün.
    6. Homer2'nin enPCAFilter(nSV = 0.8, yani verilerin kovaryansının % 80'i kaldırıldı) işlevini kullanarak fNIRS küresel fizyolojik gürültüsünü gidermek için ana bileşen analizlerini (PCA) 24 kullanın.
    7. Homer2 işlevini kullanarak kafa hareketi yapıtlarını kaldırmak için korelasyon tabanlı sinyal iyileştirme yöntemi (CBSI)25 hmrMotionCorrect_Cbsi kullanın.
    8. Homer2'nin hmrOD2Conc işleviyle işlenmiş optik yoğunluğu oxyHb ve deoxyHb değerlerine dönüştürmek için değiştirilmiş Beer-Lembert yasasını kullanın.
  2. IBS Hesaplanıyor
    NOT: Önceden işlenmiş oxyHb değerleri için, aşağıdaki işlem hattı da dahil olmak üzere dyad'ın aynı konumundan gelen kanal çiftinin tutarlılık değerlerini hesaplamak için WTC'yi kullanın:
    1. Her seferinde tutarlılık değerlerini hesaplamak için varsayılan parametrelere sahip Çapraz Dalgacık ve Wavelet Tutarlılık araç kutusunun wtc işlevini benimseyin ve tutarlılık değerlerinin iki eksenli matrisini elde etmek için frekans noktasını kullanın.
    2. Varsayılan parametreler için, her zaman serisini sürekli dalgacık dönüşümüyle zaman ve frekans etki alanına dönüştürmek için morlet ana dalgacığı kullanın.
    3. Anlam hesaplamasındaki yedek veri kümelerinin sayısını temsil etmek için MonteCarloCount'u seçin ve zaman serisinin otomatik ilişki katsayılarını hesaplamak için Otomatik AR1'i seçin.
    4. 4.2.5-4.2.8 adımlarında belirtildiği gibi ilgi sıklığı bandını (FOI) seçin.
    5. Önceki bir fNIRS hiper tarama çalışmasının parmak hareketi görevinde kullanılan frekans bandına göre 0,5-1 Hz (sırasıyla 2 s ve 1 s'ye karşılık gelen) arasındaki frekans bandının tutarlılık değerlerini seçin ve ortalama9. Bu foi aynı zamanda deneysel görevdeki bir dokunuş dönemine de karşılık gelir. Böylece, her çift için tutarlılık değerlerinin bir sütununu elde edin.
      NOT: FOI'yi istatistiksel olarak daha da doğrulamak için, seçilen frekans bandını (yani 0,5-1 Hz) sınırlamak yerine, her dyad için tutarlılık değerlerini tam frekans aralığında (yani, veriler için 0,008-10 Hz) hesaplayın.
    6. Her frekans noktası için hedeflenen zaman pencerelerinin tutarlılık değerlerini (4,2,3 ile aynı) ortalama.
    7. Ardından, her frekans noktası için 4.2.9-4.2.11 adımlarında ve sonraki istatistiklerde (örneğin, 4.3.1 - 4.3.2) açıklanan işlem hattını izleyen ortalama tutarlılık değerlerini analiz edin.
    8. Son olarak, her kanalın istatistiksel z değerlerini sıklık boyunca çizerek FOI'yi görsel olarak inceleyin.
    9. İşaret bilgilerini kullanarak, dinlenme durumu (20 s-resting-state için zaman penceresi) ve her deneysel durum (örneğin, sayaç koordinasyonu, metre dışı koordinasyon, sayaç bağımsızlığı ve metre dışı bağımsızlık) sırasında zaman penceresinin tutarlılık değerlerini seçin ve ortalama. Böylece, her boya için beş tutarlılık değeri elde edin.
    10. Görev oturumu için, yalnızca katılımcıların işitsel uyaranı çoğaltmak için dokundukları süreyi seçin, her deneme için yaklaşık 12 s, böylece her deneysel durum için toplam 180 s (yani, 12 s x 15 deneme).
      NOT: IBS tutarlılık artışı (sıfırdan daha büyük çıkarılan tutarlılık değerleri), yani görev oturumundaki dinlenme durumu oturumundakilere kıyasla daha büyük tutarlılık değerleri olarak hesaplanmıştır.
    11. Dinlenme durumu sırasında tutarlılık değerinin bu denemede temel olarak kullanıldığı görevle ilgili tutarlılık değerinden sırasıyla geri durma tutarlılık değerini çıkarın.
      NOT: Yukarıdaki adımların (4.2.1-4.2.11) kanallar (yani 22 kanal) ve boyalar (yani 16 dyad) arasında tekrarlanmasıyla, her kanaldaki her dyad için çıkarılan tutarlılık değerleri nihayet elde edilmiştir.
  3. İstatistik
    1. Her deneysel durum için çıkarılan tutarlılık değerlerini her kanalda sıfırla karşılaştırın, Groppe'un çalışmasının mult_comp_perm_t1 işleviyle eşleştirilmiş örnekleri permütasyon t-testinin kullanılması (boş hipotezin dağılımını tahmin etmek için 5000 permütasyon; istenen aile açısından alfa seviyesi- 0.05; iki kuyruklu test, alternatif hipotez, verilerin ortalamasının 0'dan farklı olduğu anlamına gelir) anormal veri dağılımı ve mevcut örnek boyutunda sınırlı örnek boyutu olarak deney26.
      NOT: Buradaki eşleştirilmiş örnekler permütasyon t testi eşleştirilmiş t testine benzer, ancak ikincisi verilerin normalde dağıtıldığını varsayar, ancak ilki dağıtmaz. Bu tür bir test, eşleştirilmiş t testiyle aynı şekilde başlar, yani farklı gruplardaki tutarlılık değerleri için bir t puanı (yani gerçek t puanı) hesaplanarak başlar (biri görev koşulundaki çıkarılan tutarlılık değerleridir, diğeri sıfırdır). Daha sonra, farklı grupların tutarlılık değerleri değiştirilerek bir permütasyon oluşturulur ve bu permütasyonu izleyen çıkarılan tutarlılık değerleri ve sıfırlar için yeni bir t puanı hesaplanır. Bu permütasyon 5000 kez gerçekleştirilir. Böylece 5000 t puan alınır. 5000 t puanlarının dağılımında, gerçek t puanının göreli konumu, çıkarılan tutarlılık değerleri için p değerini oluşturur.
    2. P değerlerini düzeltin (yani, çoklu karşılaştırma sorunu nedeniyle ve bir yamada 22 kanaldaki karşılaştırmalardan oluşturun) False Discovery Rate yöntemiyle(p < 0,05)27. Bu düzeltmeyi MATLAB araç kutusunun mafdr işlevi aracılığıyla gerçekleştirin.
      NOT: FDR düzeltmesi yapıldıktan sonra herhangi bir kanaldaki p değeri önemliyse (yani, p < 0,05), o kanalda IBS vardır.
    3. Groppe'un çalışmasının mult_comp_perm_t1 işleviyle eşleştirilmiş numune permütasyon t testini kullanarak IBS'nin bulunduğu kanaldaki farklı görev koşulları arasındaki tutarlılık değerlerini karşılaştırın (adım 4.3.1'de belirtildiği gibi aynı parametreler).
      NOT: Sayaç ve metre dışı uyaranlarla ilgili kişilerarası koordinasyon sırasında IBS'yi sezgisel olarak incelemek için, farklı koşulların tutarlılık değerlerini doğrudan karşılaştırın (örneğin, sayaç koordinasyonu ile metre dışı koordinasyon; sayaç koordinasyonu ve sayaç bağımsızlığı).
    4. Davranışsal performansı, ortakların yanıt süresi arasındaki mutlak farka göre hesaplayın, her iki ortağın yanıtlarının toplamına bölün56.
    5. Pearson doğrusal korelasyon analizine (yani Groppe'un çalışmalarının mult_comp_perm_corr işlevine) dayalı permütasyon testi ile IBS ve davranışsal performans arasındaki ilişkiyi değerlendirin.
  4. IBS'yi Doğrulama
    NOT: Benzer uyaranların, hareketlerin veya koşulların gösterilen IBS'yi tetikleyen açıklamalarını dışlamak için, doğrulama yaklaşımı olarak üç permütasyonla (yani, dyad içinde, dyad arasında ve koşul permütasyonları arasında) bir permütasyon testi kullanın:
    1. MATLAB'ın randperm işlevi aracılığıyla her kanalda bir dyad için sayaç koordinasyon koşulunda (yani, deneme #1 ve dyad #1'de 13 numaralı deneme gibi) deneme etiketini rastgele hale ekin.
    2. Rastgele deneme etiketi için yukarıdaki IBS ve istatistikleri hesaplama işlem hattını (örneğin, bölüm 4.2 ve 4.3, ancak FOI için duyarlılık analizi hariç) izleyin.
      NOT: Her koşul için sahte çiftin tutarlılık değerlerini ayrı ayrı hesaplayın ve sahte çift için tutarlılık artışını hesaplayın (yani, sahte çift için görevle ilgili tutarlılık değerinden dinlenme tutarlılık değerini çıkarın).
    3. Permütasyonu 1000 kez gerçekleştirin, ardından IBS ve istatistikleri hesaplama ardışık düzeni (bölüm 4.2 ve 4.3).
    4. Dyad permütasyon içinde oluşturulan istatistiksel z değerlerinin dağılımını çizin.
    5. Aynı denemenin katılımcılarının sayaç koordinasyon koşulunda (yani, dyad #1'deki katılımcı #1 ve dyad #3'teki katılımcı #1 gibi dyad permütasyonu arasında) eşleşmesini rastgele düzenleyerek 4.4.2-4.4.4 adımlarını uygulayın.
    6. Aynı denemede bir dyad'ın aynı üyeleri için koşulların etiketini rastgele düzenleyerek 4.4.2-4.4.4 adımlarını uygulayın (örneğin, sayaç koordinasyon koşulunda 1 numaralı katılımcı ve sayaç bağımsızlığı koşulunda 2 numaralı katılımcı gibi koşul permütasyonu arasında).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Sonuçlar, sayaç koordinasyon koşulunda kanal 5'te IBS olduğunu, diğer koşullarda ise hiçbir IBS'nin bulunmadığını gösterdi (yani sayaç bağımsızlığı, metre dışı koordinasyon, metre dışı bağımsızlık; Şekil 2A). Kanal 5'te sayaç koordinasyon koşulundaki IBS, sayaç dışı koordinasyon ve sayaç bağımsızlığı koşulundaki tutarlılık değerlerinden önemli ölçüde yüksekti (Şekil 2B). Kanal 5 yaklaşık olarak sol dorsolateral prefrontal kortekse (DLPFC; Brodmann Bölgesi 9). Ayrıca, permütasyon analizi, gözlemlenen IBS'nin muhtemelen eşleşen sürede birbirleriyle senkronize olmaya çalışan bir dyad'ın iki bireyinde sunulduğunu, ancak rastgele eşleştirmenin zamanında, ortağında veya durumunda olmadığını göstermiştir (Şekil 2C). Birlikte, bu sonuçlar müzik ölçerin kişilerarası koordinasyon sırasında DLPFC'de ayrıcalıklı IBS'ye neden olduğunu gösterdi. DLPFC'nin sosyal etkileşimdeki rolünü göz önünde bulundurarak (örn. Diğer kişilere dikkat28,29) ve müziğe (örneğin, müzik arka planı30 , 31varlığında bilişsel performansı artırmak) modüleetmek,sayaç koordinasyon koşulunda gözlemlenen DLPFC-IBS, ortağın görevini ve hareketini algılamak ve anlamak gibi kişilerarası koordinasyonda yer alan sürece daha fazla dikkat kaynağı sağlamakla ilgili olabilir.

Figure 1
Şekil 1: Deneysel tasarım. (A) Deneysel prosedür ve görev. (B) Prob yapılandırması. (C) Deneysel kurulum. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: Beyinler arası senkronizasyon (IBS). (A) Permütasyon testinin ısı haritaları her durum için tutarlılık değeri üzerinde. Sayaç koordinasyon koşulunda kanal 5'te IBS vardı. (B) Sayaç koordinasyon koşulunda kanal 5'teki IBS, sayaç bağımsızlığı ve metre dışı koordinasyon durumundakilerden önemli ölçüde daha fazlaydı. **s < 0.01, *s < 0.05. Hata çubukları en düşük/en büyük değerleri temsil eder. Elmas noktalar aşırı değerleri gösterir. Gölgeli alan % 95 güven aralığını gösterir. (C) Tüm kanallar için permütasyon denemesi, bireysel ve koşul ile IBS'nin (istatistiksel z değerleri) etkisi. Kesik çizgi, kanal 5'teki IBS'nin sayaç koordinasyon koşulundaki etkisini gösterir. x ekseni Z değerini, y ekseni ise örnek sayısını temsil eder. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Tamamlayıcı Ses 1. Bu Dosyayı indirmek için lütfen tıklayınız.

Tamamlayıcı Ses 2. Bu Dosyayı indirmek için lütfen tıklayınız.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Bu protokol, iki katılımcının beyin sinyallerini aynı anda toplamak için fNIRS hiper tarama yaklaşımını kullanarak IBS'yi hesaplamak ve doğrulamak için adım adım bir prosedür sağlar. FNIRS veri ön işleme, IBS hesaplaması, istatistik ve IBS doğrulaması ile ilgili bazı kritik konular aşağıda tartışılmıştır.

Veri Ön İşleme
Olası gürültüden (yani hareket yapıtları, sistemik bileşenler) gerçek sinyaller çıkarmak için hiper tarama çalışmalarında fNIRS verilerini önceden işlemek gerekir. Daha önceki fNIRS hiper tarama çalışmalarında IBS analiz edilirken önişlem atlansa da10,32,33, son zamanlarda önemli ve standart bir parça olmuştur. Bu çalışmada, gürültüyü gidermek için hem CBSI hem de PCA kullanılır; birincisi kafa hareketi eserlerini çıkarmak için güvenilirdir34, ikincisi ise küresel fizyolojik gürültüyü (örneğin, solunum, kan basıncı ve kan akışı varyasyonu) azaltmada iyidir35. Tabii ki, veri ön işleme için, dalgacık filtreleme 36 , spline enterpolasyon 37 , Kalman filtreleme38, otomatik gerici algoritmalar39vekısa kanal ayırma düzeltme40gibi ampirik fNIRS çalışmalarında iyi performans gösteren başka hareket düzeltme yöntemleri de vardır. Hareket düzeltme yöntemlerinin karşılaştırmaları, hareket yapıtlarını düzeltmenin kanalları dışlamaktan veya denemeleri reddetmekten her zaman daha iyi olduğunu ve her yöntemin özellikle vurgu yaptığını bildirmektedir. Aynı anda birkaç hareket düzeltme yönteminin benimsenmesi önerilmiştir41Bu çalışmada gösterildiği gibi, gerçekçi bir çözümdür. Ek olarak, düşük geçişli ve yüksek geçişli filtreleme, fizyolojik gürültüyü gidermek için genellikle fNIRS veri ön işlemesinde de kullanılır. Bu yöntem etkili olsa da, fizyolojik gürültü ve görev etkisi benzer frekans bantlarında meydana geldiğinde görev etkisini yok edebilir42. Birlikte, fNIRS hiper tarama çalışmalarında veri ön işleme için PCA ve CBSI'nin aynı anda kullanılması tavsiye edilebilir.

IBS'ye hesapla
IBS analiz adımlarını standartlaştırmak ve IBS'nin tekrarlanabilirliğini artırmak için daha fazla çalışmaya ihtiyaç olduğu önerilmiştir, çünkü IBS'yi hesaplamak için kullanılan hassas algoritmalar laboratuvarlar ve çalışmalar arasında değişkendir43. Bu çalışmada, IBS'yi WTC aracılığıyla hesaplamanın standart işlem hattı araştırmacılar için yararlıdır. Dikkatli olmak için birkaç şey gerekiyor. İlk olarak, WTC genellikle bu çalışmada kullanılan Morlet dalgacık ailesinin altına girer. Bununla birlikte, karmaşık bir Gauss dalgacığın fNIRS verileri için bir Morlet dalgacığından daha uygun olduğu önerilmektedir, çünkü ilki alttaki sinyalin dalga formuyla eşleşir (yani, çok yönlü sinyaller nadiren oluşur, özellikle 10 ila 20 s civarındaki dalga boylarının sinyali için)44. Canlı sosyal etkileşimler sırasında elde edilen NIRS sinyalleri için sonraki uygulamalarda analizin gücünü etkileyen dalgacık tutarlılığı hesaplamalarına daha fazla dikkat edilmelidir. İkinci olarak, müzik 2 ,45 , 46ve müzik aktiviteleri4,47,48 ile kişilerarası koordinasyonun önceki bulguları ile tutarlı olmak için, bu çalışmada tutarlılık değerleri aynı kanallar arasında hesaplanırken, bazı çalışmalar istatistiksel analizden önce aynı beyin bölgesindeki tüm kanalların tutarlılık değerlerinin ortalamasını49,50 . Buna ek olarak, tutarlılık değerleri sadece aynı kanallar /bölgeler arasında değil, aynı zamanda10,32,51 değil,aynı zamanda farklı kanallar / bölgeler52,53arasında hesaplanmıştır. Bahsedilen bu süreçler, IBS'yi hesaplama boru hattını zenginleştirmiş ve gelecekteki sosyal etkileşim yönlerini ilgilendirebilir. Son olarak, oxyHb değerleri bölgesel serebral kan akışındaki değişikliklerin en hassas göstergesi olarak kabul edildiğinden, bu çalışmada sadece oxyHb değerleri analiz edilmiştir54. Bununla birlikte, bazı araştırmacılar deoxyHb değerlerin fMRI sinyaliyle en yakından ilişkili olduğu ve küresel fizyolojik gürültüden bağımsız olduğu bulgularına dayanarak deoksiHb değişikliklerine odaklandı55. Her neyse, hem oxyHb hem de deoxyHb değişikliklerinde benzer IBS etkileri ortaya çıkarsa sonuçlar daha güvenilir olabilir. Bu nedenle, IBS'nin deoksiHb değerleri üzerinde analizi gelecekteki fNIRS hiper tarama çalışmaları için de gereklidir.

IBS'yi Doğrula
IBS'nin yorumu karmaşık kaldığından, ortaya çıkan IBS'yi doğrulamak gerekir. Örneğin, IBS bilgi aktarımı, paylaşılan kasıtlılık, davranışsal uyum, benzer algı vb. Tutarlılık değerlerinin gerçek dyadlar için hesap olduğu ancak denemeleri rastgele eşlediği veya katılımcıları bir koşul /grup içinde veya koşullar/gruplar arasında rastgele eşleştirerek sahte boyalar için hesaplanan permütasyon ile boş hipotez testi yaparak IBS'nin yorumlanmasını netleştirmeye yardımcı olacaktır16. Bu çalışmada permütasyon sadece çok sayıda reksamlis yapılarak (yani 1000 kez) gerçekleştirildi. Buna karşılık, tutarlılık değerleri tüm olası rastgele çiftler için hesaplanabilir56. Ek olarak, yukarıdaki permütasyon testi, deneydeki tüm olası tutarlılıklardan tutarlılıkların boş bir dağılımını oluşturmak, gözlemlenen IBS'nin gerçek yaşam uyaranlarını ve deneysel ortamı benimseyen çalışmalarda yaygın olarak kullanılan bu dağılımın üst ucuna yakın olup olmadığını görmek için kullanılabilir57,58. Bu analiz, IBS'nin sıra düzeyinde gerçek etkileşime özgü olmasını sağlar, çünkü eşleşenler (örneğin, denemeler, bireyler ve koşullar) sırasında tutarlılık değerlerinin istatistiksel olarak dyadlar içinde veya arasında eşit büyüklükte rastgele tutarlılık çizimini aşması gerekir. Böyle bir yöntem, geleneksel Genel Doğrusal Modeller tasarımlarına uygun olan ve mevcut sonuçları önceki çalışmalardaki bulgularla karşılaştırmak için seçilen mevcut çalışmada kullanılan taban çizgisinden (yani dinlenme durumu tutarlılık değerlerinden) farklıdır. Bu çalışmadaki 20 s istirahat taban çizgisinin, katılımcıların konforunu sağlamak için deneyin toplam süresini 30 dakika ile sınırlamak için kullanılan yaygın olarak kullanılan süreden (30 s veya daha fazla 1 dk) daha kısa olduğu belirtilmelidir.

Sonuç olarak, bu makale FNIRS hiper tarama çalışmalarında IBS'yi analiz etmek için özel bir işlem hattı sağlar. Bu tür bir işlem hattı, IBS'nin hem tekrarlanabilirliğine hem de güvenilirliğine katkıda bulunacak potansiyel olarak standart bir veri işleme yaklaşımıdır. Gelecekte, belirli gruplar (örneğin, ebeveyn-bebek, çocuklar ve şizofreni hastaları) ve belirli bağlamlar (yani sözel olmayan veya sözel iletişim ve öğretim durumları) için IBS analiz edilirken veri işlemenin ayrıntıları daha da iyileştirilmelidir. Son olarak, doğal etkileşimlerde daha büyük katılımcı grupları için beyinler arası ağı analiz etme protokolünü göstermek, sosyal etkileşimin niceliğine fayda sağlayacaktır.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların açıklayacak bir şeyi yok.

Acknowledgments

Bu araştırma şu şekilde desteklendi: Çin Ulusal Doğa Bilimleri Vakfı (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

Nörobilim Sayı 175 beyinler arası senkronizasyon fNIRS hiper tarama dalgacık dönüşüm tutarlılığı permütasyon testi
FNIRS Hiper Tarama Çalışmasında Beyinler Arası Senkronizasyon Nasıl Hesaplanır ve Doğrulanır
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