Waiting
Login processing...

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

Neuroscience

Hvordan beregne og validere inter-hjernesynkronisering i en fNIRS Hyperscanning Study

Published: September 8, 2021 doi: 10.3791/62801
Automatic Translation
1, 1, 2, 3, 4, 1, 1
1Institute of Brain and Education Innovation, School of Psychology and Cognitive Science, East China Normal University, 2Department of Musicology, Harbin Conservatory of Music, 3Department of Clinical Neuroscience, Karolinska Institutet, 4School of Psychology, Shenzhen University

Summary

Dynamikken mellom koblede hjerner av individer har i økende grad blitt representert ved inter-hjernesynkronisering (IBS) når de koordinerer med hverandre, for det meste ved hjelp av samtidige registreringssignaler fra hjerner (nemlig hyperskanning) med fNIRS. I fNIRS hyperskanningsstudier har IBS ofte blitt vurdert gjennom WTC-metoden (wavelet transform coherence) på grunn av fordelen med å utvide tidsserier til tidsfrekvensrom der svingninger kan sees på en svært intuitiv måte. Den observerte IBS kan valideres ytterligere via permutasjonsbasert tilfeldig sammenkobling av studien, partneren og tilstanden. Her presenteres en protokoll for å beskrive hvordan man får tak i hjernesignaler via fNIRS-teknologi, beregner IBS gjennom WTC-metoden og validerer IBS ved permutasjon i en hyperskanningsstudie. Videre diskuterer vi de kritiske problemene ved bruk av metodene ovenfor, inkludert valg av fNIRS-signaler, metoder for forhåndsbehandling av data og valgfrie parametere for beregninger. Oppsummert er bruk av WTC-metoden og permutasjonen en potensielt standard rørledning for å analysere IBS i fNIRS hyperskanningsstudier, noe som bidrar til både reproduserbarhet og pålitelighet av IBS.

Abstract

Dynamikken mellom koblede hjerner av individer har i økende grad blitt representert ved inter-hjernesynkronisering (IBS) når de koordinerer med hverandre, for det meste ved hjelp av samtidige registreringssignaler fra hjerner (nemlig hyperskanning) med fNIRS. I fNIRS hyperskanningsstudier har IBS ofte blitt vurdert gjennom WTC-metoden (wavelet transform coherence) på grunn av fordelen med å utvide tidsserier til tidsfrekvensrom der svingninger kan sees på en svært intuitiv måte. Den observerte IBS kan valideres ytterligere via permutasjonsbasert tilfeldig sammenkobling av studien, partneren og tilstanden. Her presenteres en protokoll for å beskrive hvordan man får tak i hjernesignaler via fNIRS-teknologi, beregner IBS gjennom WTC-metoden og validerer IBS ved permutasjon i en hyperskanningsstudie. Videre diskuterer vi de kritiske problemene ved bruk av metodene ovenfor, inkludert valg av fNIRS-signaler, metoder for forhåndsbehandling av data og valgfrie parametere for beregninger. Oppsummert er bruk av WTC-metoden og permutasjonen en potensielt standard rørledning for å analysere IBS i fNIRS hyperskanningsstudier, noe som bidrar til både reproduserbarhet og pålitelighet av IBS.

Introduction

Når folk koordinerer med andre, blir hjernen og kroppene deres en koblet enhet gjennom kontinuerlig gjensidig tilpasning. Koblingen mellom hjerner kan representeres av inter-brain synkronisering (IBS) gjennom hyperscanning tilnærming, som samtidig registrerer to eller flere individers hjernesignaler1. Faktisk har en voksende kropp av fNIRS / EEG hyperskanning studier funnet IBS i ulike samarbeidskontekster, inkludert finger tapping2, gruppe walking3, spille trommer4, gitar spille5, og synge / nynne6. fNIRS er mye brukt til forskning på IBS under sosial interaksjon, da det mindre begrenser hode / kroppsbevegelser i relativt naturlige omgivelser (sammenlignet med fMRI / EEG)7.

Artikkelen presenterer en protokoll for beregning av IBS via WTC-metode (wavelet transform coherence) i en fNIRS hyperskanningsstudie. WTC er en metode for å vurdere krysskorrelasjonen mellom to bevegelsessignaler på tidsfrekvensplanet, og kan derfor gi mer informasjon enn den tradisjonelle korrelasjonsanalysen (f.eks. Pearson-korrelasjon og krysskorrelasjon), som bare er i tidsdomenet8. I tillegg omdannes hemodynamiske signaler til waveletkomponenter, som effektivt kan fjerne lavfrekvent støy. Selv om WTC er tidkrevende, har det vært den mest brukte metoden for å beregne IBS i handlingsimitasjon9, samarbeidsvirkemåte10, verbal kommunikasjon11, beslutningstaking12og interaktiv læring13.

Artikkelen presenterer også hvordan du validerer IBS med permutasjonsbasert tilfeldig paring av studier, betingelser og deltakere. IBS i hyperskanningsstudier foreslås alltid å spore sosial interaksjon på nettet mellom enkeltpersoner, mens den også kan tolkes av andre forklaringer, for eksempel stimulanslikhet, bevegelseslikhet eller tilstandslikhet14. Permutasjonstest, også kalt randomiseringstest, kan utnyttes til å teste de ovennevnte nullhypotesene ved å oppdatere de observerte dataene15. Ved hjelp av permutasjon er det nyttig å undersøke om den identifiserte IBS er spesifikk for interaktiv atferd, alt fra modulering av IBS i dyader til mellom grupper av partnere16.

Protokollen som er beskrevet her beskriver hvordan du får tak i hjernesignaler via fNIRS-teknologi, beregner IBS gjennom WTC-metoden og validerer IBS ved permutasjonstesting i en hyperskanningsstudie. Denne studien tar sikte på å undersøke om privilegert IBS fremkalles av musikkmålere under sosial koordinering. Hjernesignalene ble registrert i frontal cortex, basert på plasseringen av IBS i et tidligere funn1. Den eksperimentelle oppgaven ble opprinnelig utviklet av Konvalinka og hennes høyskoler17, der deltakerne ble bedt om å trykke fingrene med den hørbare tilbakemeldingen fra partneren eller seg selv etter å ha lyttet til måleren eller ikke-meter stimuli.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Protokollen som presenteres her ble godkjent av Universitetskomiteen for menneskelig forskningsbeskyttelse ved East China Normal University.

1. Forberedelse til eksperimentet

  1. Deltakere
    1. Rekrutter en gruppe studenter og uteksaminere studenter med økonomisk kompensasjon av campusannonseringen.
    2. Sørg for at deltakerne er høyrehendte og har normal eller korrigert til normal syn og hørsel. Forsikre deg om at de ikke har studert musikk eller har studert den i mindre enn 3 år før.
    3. Match tilfeldig studentene i dyader. For å kontrollere den potensielle effekten av partner kjennskap på sosial koordinering18, sørg for at medlemmene av hver dyad ikke har sett eller kjent hverandre før.
  2. Eksperimentell stimulans
    1. Lag de hørbare stimuliene (440 Hz, 660 ms rene toner) av enhver gratis musikkkomposisjons- og notasjonsprogramvare.
    2. Gjenta tonene med et intervall på 500-1000 ms og kombiner dem i en tonesekvens. Hver tonesekvens er 12 s lengre og består av 12 toner.
    3. For én tonesekvens fremhever du hver første tone (+6 dB) for å skape mønsteret av downbeats og upbeats, definert som meter stimulans (Supplementary Audio 1). I den andre tonesekvensen løsner du tonene med lik intensitet (40 dB over individuell sensasjonsterskel, samlet inn før eksperimentoppgaven), som korresponderte med ikke-meter stimulansen (Supplementary Audio 2).
  3. Eksperimentell oppgave
    1. Programmer den eksperimentelle oppgaven ved hjelp av et psykologisk programvareverktøy.
    2. Ordne to trinn for den eksperimentelle oppgaven (Figur 1A) som beskrevet i trinn 1.3.3-1.3.6.
    3. andre hviletilstand: Be deltakerne om å forbli så ubevegelige som mulig med tankene avslappet og øynene lukket.
    4. Fingeravlyttingsoppgave: Be deltakerne om å fullføre to deler: en koordineringsdel og en uavhengighetsdel.
    5. Under koordineringsdelen, gi auditiv tilbakemelding (dvs. en drypplyd som tilsvarer ett trykk) til hver deltaker bare for svaret generert av det andre medlemmet av dyaden. Be deltakerne prøve sitt beste for å svare synkront med det andre medlemmet.
    6. For uavhengighetsdelen må du sørge for at begge deltakerne fikk den hørbare tilbakemeldingen (dvs. en drypplyd som tilsvarer ett trykk) av sine egne svar og ber dem svare synkront med den hørbare stimulansen så presist som mulig.
      MERK: Kombinert med måler og ikke-meter stimuli, befant deltakerne seg i en av fire forskjellige forhold: (i) meter koordinering - begge deltakerne hørte meter, og svarene fra hverandre; (ii) ikke-meter koordinering - begge deltakerne hørte ikke-metere og svarene fra hverandre; (iii) meter uavhengighet - begge deltakerne hørte meter og svarene fra seg selv; (iv) ikke-meter uavhengighet - begge deltakerne hørte ikke-meter og svarene fra seg selv.
    7. For hver prøve, la deltakerne først høre et stykke av den hørbare stimulansen (12 s) etterfulgt av en lyd (262 Hz, 1000 ms) som fungerer som et signal for å begynne å trykke på fingeren.
    8. Be deltakerne reprodusere stimulansen de hørte før ved å trykke på høyre pekefinger på tastaturet (deltaker #1: "f"; deltaker #2: "j"). Deltakerne må trykke 12 ganger samtidig som de har samme tidsintervall mellom toner som den tidligere presenterte stimulansen.
      MERK: Det var 60 forsøk tildelt likt i 4 blokker tilsvarende de 4 eksperimentelle forholdene, nemlig 15 studier i en blokk. Rekkefølgen på blokkene ble motvektet. Den totale varigheten av tappeoppgaven var omtrent 26 min.
    9. Mellom blokkene, la deltakerne hvile i 30 s.
    10. Under hele eksperimentet må du ikke la deltakerne kommunisere gjennom noe språk eller bevegelse. Skill deltakerne med dataskjermen for å blokkere all visuell informasjon som kan levere meldinger mellom dem.
  4. Hjemmelagde fNIRS caps: Kjøp to elastiske svømmehetter av normal størrelse. For å dekke hjerneregionen av interesse, reparer svømmehettene som beskrevet i følgende trinn:
    1. Sett en svømmehette på en hodeform, og legg deretter en standard 10-20 EEG-hette på svømmehetten.
    2. Merk plasseringen av FCz på svømmehetten med en rød magisk markør.
    3. Ta av EEG-hetten fra hodeformen.
    4. Sett en optodesonde patch (3 x 5 oppsett) på svømmehetten, og juster den midterste av den andre sonderaden på patchen med den markerte plasseringen av FCz.
      MERK: Optode-sondeplasteret inkluderte 15 steder med optodeprober (dvs. 8 emittere og 7 detektorer), og dannet 22 målekanaler med 3 cm optodeseparasjon (figur 1B).
    5. Merk plasseringen av de 15 sondene på på svømmehetten.
    6. Ta av og svømmehetten fra hodeformen.
    7. Klipp 15 små hull på de markerte stedene til de 15 sondene med en saks.
    8. Monter plasteret på den modifiserte svømmehetten ved å legge inn plasseringene til 15 sonder i de aktuelle 15 hullene.
    9. Reparer den andre svømmehetten i henhold til prosessen ovenfor.
      MERK: Den hjemmelagde fNIRS-hetten, der plasseringene av optoder er i henhold til standard EEG-lokasjoner, ble brukt da det ikke var noen gjeldende standard EEG-caps for fNIRS-systemet som ble brukt i denne studien. Det er ikke nødvendig å lage en fNIRS-hette hvis det er passende standard EEG-caps med fNIRS-systemet.

2. Før deltakerne ankommer

MERK: Sørg for å følge trinn 2.1-2.5 før deltakerne ankommer laboratoriet.

  1. Minn de to deltakerne på en dyad på å komme til laboratoriet i henhold til avtalt tidsplan.
  2. Start fNIRS-systemet minst 30 minutter på forhånd, slik at laseren er slått av.
  3. Sett optodesondene fra fNIRS-systemet inn i optodesondens patcher.
  4. Undersøk parametrene for fNIRS-måling (dvs. emne-ID, hendelsesrelatert modus, optode-sondearrangementet).
  5. Still inn det eksperimentelle apparatet med ett bord, to stoler, to 19-in-skjermer og to par hodetelefoner (Figur 1C).

3. Deltakerankomst i laboratoriet

MERK: Setter stor pris på de to deltakerne i en dyad når de ankommer fNIRS-laboratoriet. Be dem om å sette telefonen i stille modus og midlertidig la sine personlige eiendeler være i skapet. Utfør deretter følgende prosesser i rekkefølge:

  1. Før deltakerne setter seg ned, må du bekrefte at de to deltakerne ikke har sett hverandre før. Forsikre deg om at de ikke kommuniserte med hverandre gjennom noe språk eller bevegelse mens de var i laboratoriet.
  2. Gi deltakerne informerte samtykkeskjemaer godkjent av Universitetsutvalget for menneskelig forskning.
  3. Instruere deltakerne om detaljene i den eksperimentelle oppgaven. Be dem bruke hodetelefoner og gi dem flere øvelsesforsøk.
  4. I praksisforsøkene, la de to deltakerne i hver dyad øve sammen.
    MERK: Før du bruker fNIRS-hetten, er det verdt å måle og bestemme hodestørrelsen for hver deltaker ved hjelp av en fleksibel regel. Velg deretter riktig størrelseshette for deltakeren i henhold til hans / hennes hodestørrelse. I denne studien ble et slikt skritt savnet da en-størrelse svømmehetter ble brukt. Det er bedre å gjennomføre dette trinnet dagen før eksperimentet fordi de relative operasjonene (dvs. måling av hodestørrelse, valg av riktig størrelse svømmehette, montering av optodesondlappene til svømmehetten og innsetting av optodesondene i sondelappene) er tidkrevende (ca. 20-30 min).
  5. Sett fNIRS-hetten på hodet til deltakerne med midten av hetten som peker på plasseringen av CZ, og plasser den midterste optodesonden til den andre sonderaden på patchen på FCz.
  6. Bruk fNIRS-systemet til å utføre signalkalibreringen med laseren slått på.
  7. Hvis det ikke er et tilstrekkelig signal på en eller annen kanal, justerer du signalintensiteten med en fiberpinne for å forsiktig legge håret under den omkringliggende sondespissen til side.
  8. Trykk om nødvendig sondene forsiktig, men sørg for ikke å skade deltakerne.
  9. Gjenta trinn 3.5-3.8 til kvaliteten på signalet er tilgjengelig. Sørg for at deltakerne føler seg komfortable under hele prosessen med signalkalibrering.
  10. Hjelp deltakerne med å finne en komfortabel holdning for seg selv (f.eks. komfortable kroppsstillinger). Minn deltakerne på å holde hodet så ubevegelig som mulig under hele eksperimentell oppgave (dvs. ca. 26 min).
  11. Undersøk kvaliteten på NIRS-signaler på nytt. Hvis det er tilstrekkelige signaler i alle kanaler, kjører du eksperimentprosedyren på den stasjonære PCen.
  12. Hjelp deltakerne med å ta av hodetelefonene og fNIRS-hetten når den eksperimentelle prosedyren er fullført. Returner sine personlige eiendeler og takk dem med økonomisk kompensasjon.
  13. Bruk fNIRS-systemet til å lagre data. Bruk en plate til å eksportere rå fNIRS-data (.csv) og bruk en USB til å kopiere virkemåtedataene fra datamaskinen.
  14. Lukk fNIRS-systemet og datamaskinen hvis det ikke er mer eksperimentelt arrangement.
  15. Hold labnotatblokken klar til å notere ned eventuelle hendelser, spesielt abnormiteter under hele eksperimentet.

4. Dataanalyse

MERK: Utfør all dataanalyse ved hjelp av MATLAB-programvare, med følgende verktøykasser: HOMER219, Hitachi2nirs20, xjView21, Cross Wavelet og Wavelet Coherence toolbox22og Groppes skript i MathWork23.

  1. Forhåndsbehandling av data
    1. Følg trinn 4.1.2-4.1.3 for å kontrollere datakvaliteten
    2. Les datafilene (.csv) for hver deltaker med readHitachData-funksjonen til xjView.
      MERK: På denne måten konverteres Hitachi-måledataene (csv-format) til oxyHb/deoxyHb/markørdata med informasjonen som er lagret i målingen (dvs. bølgelengde, tidsdata og kanalliste).
    3. Kontroller visuelt kvaliteten i oxyHb- og deoxyHb-verdier ved å plotte alle kanalenes tidsserier i én figur, med funksjonsplottetTraces of xjView.
      MERK: Det er lett å identifisere abnormiteter i dataene. Kanalen som har mye støy kan utelukkes i etterfølgende analyse.
    4. Konverter Hitachi-filer (.csv) til .nirs filformat med csv2nirs-funksjonen til Hitachi2nirs, som støtter videre forhåndsbehandling av data med Homer2.
    5. Transformer rådataene til optisk tetthet med funksjonen hmrIntensity2OD hos Homer2.
    6. Bruk hovedkomponentanalyser (PCA)24 for å fjerne den globale fysiologiske støyen for fNIRS ved hjelp av funksjonen enPCAFilter (nSV = 0,8, som er 80 % av kovariansen til dataene som ble fjernet) til Homer2.
    7. Bruk korrelasjonsbasert signalforbedringsmetode (CBSI)25 for å fjerne hodebevegelsesartefakter ved hjelp av funksjonen hmrMotionCorrect_Cbsi til Homer2.
    8. Bruk modifisert Beer-Lembert-lov til å transformere den bearbeidede optiske tettheten til oxyHb- og deoxyHb-verdier med hmrOD2Conc-funksjonen til Homer2.
  2. Beregne IBS
    MERK: For de forhåndsbehandlede oxyHb-verdiene bruker du WTC til å beregne sammenhengens verdier for kanalparet som er fra samme sted for dyaden, inkludert følgende rørledning:
    1. Ta i bruk wtc-funksjonen til Verktøykasse for kryss wavelet og wavelet-sammenheng med standardparametere for å beregne sammenhengens verdier for hver gang og frekvenspunkt for å få en toakset matrise med sammenhengsverdier.
    2. For standardparametrene bruker du morlet mother wavelet til å transformere hver gang serier til tids- og frekvensdomenet ved den kontinuerlige wavelettransformasjonen.
    3. Velg MonteCarloCount for å representere antall surrogatdatasett i signifikansberegningen, og velg Automatisk AR1 for å beregne autokorrelasjonskoeffisientene for tidsseriene.
    4. Velg frekvensbånd av interesse (FOI) som nevnt i trinn 4.2.5-4.2.8.
    5. Velg og gjennomsnittet av sammenhengsverdiene for frekvensbåndet mellom 0,5-1 Hz (tilsvarende periode 2 s og 1 s), i henhold til frekvensbåndet som ble brukt i fingerbevegelsesoppgaven til en tidligere fNIRS hyperskanningsstudie9. Slike FOI korresponderte også med perioden med ett trykk i den eksperimentelle oppgaven. Dermed får du en kolonne med sammenhengsverdier for hvert par.
      MERK: For å bekrefte FOI ytterligere statistisk, beregn koherensverdiene for hver dyad over hele frekvensområdet (dvs. 0,008-10 Hz for dataene), i stedet for bare å begrense det valgte frekvensbåndet (dvs. 0,5-1 Hz).
    6. Beregne gjennomsnittet av sammenhengsverdiene for de målrettede tidsvinduene (samme som 4,2,3) for hvert frekvenspunkt.
    7. Deretter analyserer du de gjennomsnittlige koherensverdiene etter rørledningen som er beskrevet i trinn 4.2.9-4.2.11 og påfølgende statistikk (dvs. 4.3.1 - 4.3.2) for hvert frekvenspunkt.
    8. Til slutt inspiserer du FOI visuelt ved å tegne inn de statistiske z-verdiene for hver kanal på tvers av frekvens.
    9. Velg og gjennomsnittet av sammenhengsverdiene for tidsvinduet under hviletilstanden (tidsvindu for 20 s-hviletilstand) og hver eksperimentelle tilstand (dvs. målerkoordinering, ikke-meterkoordinering, meteruavhengighet og ikke-meter uavhengighet), henholdsvis ved hjelp av informasjon om merke. Dermed, oppnå fem sammenhengsverdier for hver dyad.
    10. For oppgaveøkten velger du bare varigheten der deltakerne tappet for å reprodusere den hørbare stimulansen, omtrent 12 s for hver prøve, og dermed totalt 180 s (dvs. 12 s x 15 forsøk) for hver eksperimentelle tilstand.
      MERK: IBS ble beregnet som sammenhengsøkning (de større sammenhengende verdiene enn null), nemlig de større sammenhengsverdiene i oppgaveøkten sammenlignet med verdiene i hviletilstandsøkten.
    11. Trekk den hvilende koherensverdien fra den aktivitetsrelaterte koherensverdien, henholdsvis der sammenhengsverdien under hviletilstanden ble brukt som en grunnlinje i dette eksperimentet.
      MERK: Ved å gjenta trinnene ovenfor (4.2.1-4.2.11) på tvers av kanaler (dvs. 22 kanaler) og dyader (dvs. 16 dyader), ble de avskiltede koherensverdiene for hver dyad på hver kanal oppnådd til slutt.
  3. Statistikk
    1. Sammenlign de trukket sammenhengsverdiene med null ved hver kanal for hver eksperimentelle tilstand, bruke de parvise prøvene permutasjons-t-test med mult_comp_perm_t1 funksjon av Groppes arbeid (5000 permutasjoner for å estimere fordelingen av nullhypotesen; ønsket familiemessig alfanivå- 0,05; tosidig test, noe som betyr at den alternative hypotesen er at gjennomsnittet av dataene er forskjellig fra 0) som unormal datadistribusjon og begrenset utvalgsstørrelse i gjeldende eksperiment26.
      MERK: De sammenkoblede prøvene permutasjon t-test her ligner parret t-test, men sistnevnte antar at dataene er normalt distribuert, mens førstnevnte ikke gjør det. En slik test begynner på samme måte som sammenkoblet t-test, det vil si ved å beregne en t-skår (dvs. reell t-poengsum) for koherensverdiene i forskjellige grupper (den ene er de frakoblede sammenhengsverdiene i oppgavebetingelsen, den andre er nuller). Deretter genereres en permutasjon ved å utveksle koherensverdiene for forskjellige grupper, og en ny t-poengsum beregnes for de fraknyttede koherensverdiene og nullene etter denne permutasjonen. Slike permutasjon utføres 5000 ganger. Dermed oppnås 5000 t score. I fordelingen av 5000 t-poengsummene genererer den relative plasseringen av den reelle poengsummen p-verdien for de fraktok sammenhengsverdiene.
    2. Korriger p-verdiene (dvs. på grunn av problemet med flere sammenligninger, og generer fra sammenligningene på tvers av 22 kanaler i én oppdatering) ved hjelp av False Discovery Rate -metoden (p < 0,05)27. Utfør denne korreksjonen via mafdr-funksjonen til MATLAB verktøykasse.
      MERK: Hvis p-verdien på en hvilken som helst kanal var betydelig (dvs. p < 0,05) etter FDR-korrigering, er det IBS på den kanalen.
    3. Sammenlign sammenhengsverdiene mellom ulike oppgavebetingelser i kanalen der IBS eksisterte, ved hjelp av den parvise prøvepermutasjons-t-testen med den mult_comp_perm_t1 funksjonen til Groppes arbeid (samme parametere som nevnt i trinn 4.3.1).
      MERK: For intuitivt å undersøke IBS under mellommenneskelig koordinering angående måler vs. ikke-meter stimuli, sammenlign sammenhengsverdiene til forskjellige forhold direkte (dvs. målerkoordinering vs. ikke-meter koordinering; målerkoordinering vs. meter uavhengighet).
    4. Beregn atferdsytelsen med den absolutte forskjellen mellom partnernes responstid delt på summen av begge partneres svar56.
    5. Evaluer forholdet mellom IBS og atferdsmessig ytelse gjennom permutasjonstesten basert på Pearsons lineære korrelasjonsanalyse (dvs. den mult_comp_perm_corr funksjonen til Groppes arbeid).
  4. Validere IBS
    MERK: For å utelukke forklaringene om at lignende stimuli, bevegelser eller betingelser induserte den demonstrerte IBS, bruk en permutasjonstest som en valideringstilnærming, med tre permutasjoner (dvs. innenfor dyaden, mellom dyad og mellom tilstandspermutasjoner), inkluderte følgende:
    1. Tilfeldiggjør etiketten for studier i målerkoordineringstilstanden (dvs. innenfor dyadpermutasjon, for eksempel prøve #1 og studie #13 i dyad #1) for en dyad på hver kanal via randperm-funksjonen til MATLAB.
    2. Følg rørledningen ovenfor for beregning av IBS og statistikk (dvs. avsnitt 4.2 og 4.3, men unntatt sensitivitetsanalysen for FOI) for den randomiserte prøveetiketten.
      MERK: Beregn sammenhengsverdier for det falske paret for hver tilstand separat, og beregn sammenhengsøkning for det falske paret (dvs. trekk den hvilende sammenhengsverdien fra den oppgaverelaterte sammenhengsverdien for det falske paret).
    3. Utfør permutasjonen 1000 ganger, etterfulgt av rørledningen for beregning av IBS og statistikk (pkt. 4.2 og 4.3).
    4. Tegn inn fordelingen av statistiske z-verdier generert i dyadpermutasjon.
    5. Utfør trinn 4.4.2-4.4.4 ved å randomisere sammenkobling av deltakerne i samme studie i målekoordineringstilstanden (dvs. mellom dyadpermutasjon, for eksempel deltaker #1 i dyad #1 og deltaker #1 i dyad #3).
    6. Utfør trinn 4.4.2-4.4.4 ved å randomisere etikett for betingelser for de samme medlemmene av en dyad i samme studie (dvs. mellom tilstandspermutasjon, for eksempel deltaker #1 i målerkoordineringstilstanden og deltaker #2 i meteruavhengighetstilstanden).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resultatene viste at det var IBS på kanal 5 i målekoordineringstilstanden, mens ingen IBS eksisterte under andre forhold (dvs. meter uavhengighet, ikke-meter koordinering, ikke-meter uavhengighet; Figur 2A). På kanal 5 var IBS i målekoordineringstilstanden betydelig høyere enn sammenhengsverdiene i ikke-meter koordinerings- og meteruavhengighetstilstanden (figur 2B). Kanal 5 tilhørte omtrent venstre dorsolateral prefrontal cortex (DLPFC; Brodmann område 9). Videre viste permutasjonsanalysen at den observerte IBS sannsynligvis presentert hos to personer av en dyad som prøvde å synkronisere med hverandre i matchet tid, men ikke i tiden, partneren eller tilstanden til tilfeldig paring (Figur 2C). Sammen indikerte disse resultatene at musikkmåler induserte privilegert IBS ved DLPFC under mellommenneskelig koordinering. Tatt i betraktning rollen som DLPFC i sosial interaksjon (f.eks. modulering av oppmerksomhet til andre personer28,29) og musikk (f.eks. forbedre kognitiv ytelse i nærvær av en musikalsk bakgrunn30,31), kan den observerte DLPFC-IBS i målerkoordineringstilstanden være relatert til å drive mer oppmerksomhetsressurs til prosessen som er involvert i mellommenneskelig koordinering, for eksempel å oppfatte og forstå partnerens oppgave og bevegelse.

Figure 1
Figur 1: Eksperimentell utforming. (A) Eksperimentell prosedyre og oppgave. (B) Sondekonfigurasjon. (C) Eksperimentelt oppsett. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Interhjernsynkronisering (IBS). (A) Varmekartene for permutasjonstesten på sammenhengens verdi for hver tilstand. Det var IBS på kanal 5 i målekoordineringstilstanden. (B) IBS på kanal 5 i målerkoordineringstilstanden var betydelig større enn i meteruavhengighet og ikke-meter koordineringstilstand. **p < 0,01, *p < 0,05. Feilfelt representerer minimums-/maksimumsverdier. Rombepunktene angir ekstreme verdier. Det skyggelagte området angir konfidensintervallet på 95 %. (C) Effekten av IBS (statistiske z-verdier) med permuterende forsøk, enkeltpersoner og betingelser for alle kanaler. Den stiplede linjen angir effekten av IBS ved kanal 5 i målekoordineringstilstanden. X-aksen representerer Z-verdien, og y-aksen representerer antall prøver. Klikk her for å se en større versjon av denne figuren.

Ekstra lyd 1. Klikk her for å laste ned denne filen.

Ekstra lyd 2. Klikk her for å laste ned denne filen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Denne protokollen gir en trinnvis prosedyre for å beregne og validere IBS, ved hjelp av fNIRS hyperskanning tilnærming for samtidig å samle to deltakeres hjernesignaler. Noen kritiske problemer som er involvert i fNIRS-dataforbehandling, IBS-beregning, statistikk og IBS-validering, diskuteres nedenfor.

Forhåndsbehandling av data
Det er nødvendig å forhåndsbehandle fNIRS-data i hyperskanningsstudier for å trekke ut reelle signaler fra mulig støy (dvs. bevegelsesartefakter, systemiske komponenter). Selv om forprosessen hoppes over når du analyserer IBS i tidligere fNIRS hyperskanningsstudier10,32,33, har det vært en viktig og standard del i de siste. I denne studien brukes både CBSI og PCA til å fjerne støy; førstnevnte er pålitelig for å fjerne hodebevegelsesartefakter34, mens sistnevnte er flinke til å redusere den globale fysiologiske støyen (f.eks. åndedrettsvern, blodtrykk og blodstrømsvariasjon)35. Selvfølgelig finnes det andre bevegelseskorrigeringsmetoder for forhåndsbehandling av data, som fungerer bra i empiriske fNIRS-studier, for eksempel waveletfiltrering36, spline interpolering37, Kalman-filtrering38, autoregressive algoritmer39og kortkanals separasjonskorreksjon40. Sammenligningene av bevegelseskorrigeringsmetoder rapporterte at det alltid er bedre å korrigere bevegelsesartefakter enn å ekskludere kanaler eller avvise forsøk, og at hver metode har særlig vekt på. Det er foreslått at det å ta i bruk flere bevegelseskorrigeringsmetoder samtidig41, som vist i denne studien, er en realistisk løsning. I tillegg brukes lavpass- og høypassfiltrering også vanligvis i fNIRS-dataforbehandling for å fjerne fysiologisk støy. Selv om denne metoden er effektiv, kan den ødelegge oppgaveeffekten når den fysiologiske støy- og oppgaveeffekten forekommer i lignende frekvensbånd42. Sammen kan det være lurt å bruke PCA og CBSI samtidig for forhåndsbehandling av data i fNIRS hyperskanningsstudier.

Beregn IBS
Det er foreslått at det er behov for mer arbeid for å standardisere IBS-analysetrinnene og øke reproduserbarheten til IBS, da presise algoritmer som brukes til å beregne IBS, er variable på tvers av laboratorier og studier43. I dette arbeidet er standard rørledning for beregning av IBS gjennom WTC nyttig for forskere. Det er flere ting som må være forsiktige. For det første faller WTC vanligvis under Morlet wavelet-familien, som brukes i denne studien. Det foreslås imidlertid at en kompleks gaussisk wavelet er mer egnet for fNIRS-data enn en Morlet-bølge, da førstnevnte samsvarer med bølgeformen til det underliggende signalet (dvs. multicykelsignalene oppstår sjelden, spesielt for signalet om bølgelengder rundt 10 til 20 s)44. Flere hensyn bør rettes mot bølgelengdeberegningene som påvirker analysens kraft i påfølgende søknader om NIRS-signaler innhentet under live sosiale interaksjoner. For det andre, for å være i samsvar med tidligere funn av mellommenneskelig koordinering med musikk2,45,46 og musikkaktiviteter4,47,48, ble sammenhengens verdier beregnet mellom de samme kanalene i denne studien, mens noen studier har gjennomsnittet av sammenhengsverdiene til alle kanaler innenfor samme hjerneregion før statistisk analyse49,50 . I tillegg ble sammenhengsverdiene beregnet ikke bare mellom de samme kanalene/områdene10,32,51, men også på tvers av forskjellige kanaler/områder52,53. Disse nevnte prosessene har beriket rørledningen for beregning av IBS og kan interessere fremtidige retninger for sosial interaksjon. Sist, men ikke minst, ble bare oksyHbverdier analysert i denne studien siden oksyHb-verdier anses som den mest følsomme indikatoren for endringer i den regionale hjerneblodstrømmen54. Noen forskere fokuserte imidlertid på deoxyHb-endringer, basert på funnene om at deoxyHb-verdier er mest relatert til fMRI-signalet og uavhengig av den globale fysiologiske støyen55. Uansett kan resultatene være mer pålitelige hvis lignende IBS-effekter avsløres i både oxyHb- og deoxyHb-endringer. Derfor er analysen av IBS på deoksyHb-verdier også nødvendig for fremtidige fNIRS hyperskanningsstudier.

Valider IBS
Det er nødvendig å validere den avslørte IBS, da tolkningen av IBS forblir kompleks. For eksempel har IBS blitt forklart som en mekanisme for informasjonsoverføring, delt intensjonalitet, atferdsjustering, lignende oppfatning, etc. Det vil bidra til å klargjøre tolkningen av IBS ved å utføre nullhypotesetesting med permutasjon, der sammenhengsverdier enten beregnes for de virkelige dyadene, men tilfeldig sammenkoblingsforsøk eller for falske dyader ved tilfeldig sammenkobling av deltakere innenfor en tilstand / gruppe eller mellom forhold / grupper16. I denne studien ble permutasjon utført ved ganske enkelt å gjennomføre et svært stort antall resamples (dvs. 1000 ganger). Koherensverdier kan derimot beregnes for alle mulige tilfeldige par56. I tillegg kan permutasjonstesten ovenfor brukes til å generere en nullfordeling av sammenhenger fra alle mulige sammenhenger i eksperimentet, for å se om den observerte IBS er nær den øverste enden av denne fordelingen, som ofte har blitt brukt i studier som vedtar virkelige stimuli og eksperimentelt miljø57,58. Denne analysen sikrer at IBS er reell interaksjonsspesifikk på sekvensnivå, da sammenhengsverdiene under samsvarende (dvs. studier, enkeltpersoner og betingelser) i gjennomsnitt statistisk må overstige en like stor tilfeldig trekning av sammenhenger i eller mellom dyader. En slik metode er forskjellig fra basislinjen som brukes i det nåværende arbeidet (dvs. resting-state sammenhengsverdiene), som er i tråd med tradisjonelle generelle lineære modeller og er valgt ut til å sammenligne dagens resultater med funnene i tidligere studier. Det skal bemerkes at 20-s-hvilende baseline i denne studien er kortere enn den mye brukte varigheten (30 s eller mer enn 1 min), som brukes til å begrense den totale tiden for eksperimentet til 30 min for å sikre deltakernes komfort.

Til slutt gir denne artikkelen en spesifikk rørledning for å analysere IBS i fNIRS hyperskanningsstudier. En slik rørledning er en potensielt standard databehandlingstilnærming på feltet, noe som vil bidra til både reproduserbarhet og pålitelighet av IBS. I fremtiden bør detaljene i databehandlingen videreutvikles ved analyse av IBS for bestemte grupper (dvs. foreldre-spedbarn, barn og schizofrenipasienter) og spesielle sammenhenger (dvs. ikke-verbale eller verbale kommunikasjons- og undervisningssituasjoner). Til slutt vil det å vise frem protokollen for å analysere interhjernenettverket for større grupper av deltakere i naturlige interaksjoner være til nytte for kvantifiseringen av sosial interaksjon.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Denne forskningen ble støttet av: National Natural Science Foundation of China (31872783, 31800951).

Materials

Name Company Catalog Number Comments
Computer Hewlett-Packard Development Company, L.P. HP S01-pF157mcn
Earphone Royal Philips Electronics, Eindhoven, The Netherlands SHE2405BK/00
EEG cap Compumedics Neuroscan, Charlotte, USA 64-channel Quik-Cap
E-Prime software Psychology Software Tools, Inc., Pittsburgh, USA E-Prime 3
fNIRS system Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System
MATLAB 2014b The MathWorks, Inc., Natick, MA MATLAB 2014b
MuseScore Musescore Company, Belgium MuseScore 3.6.2.548021803
Swimming cap Decathlon Group, Villeneuve-d'Ascq, France 1681552

DOWNLOAD MATERIALS LIST

References

  1. Kingsbury, L., Hong, W. A Multi-Brain Framework for Social Interaction. Trends in Neurosciences. 43 (9), 651-666 (2020).
  2. Konvalinka, I., Bauer, M., Stahlhut, C., Hansen, L. K., Roepstorff, A., Frith, C. D. Frontal alpha oscillations distinguish leaders from followers: multivariate decoding of mutually interacting brains. NeuroImage. 94, 79-88 (2014).
  3. Ikeda, S., et al. Steady Beat Sound Facilitates both Coordinated Group Walking and Inter-Subject Neural Synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  4. Duan, L., et al. Cluster imaging of multi-brain networks (CIMBN): a general framework for hyperscanning and modeling a group of interacting brains. Frontiers in Neuroscience. 9, 267 (2015).
  5. Sanger, J., Muller, V., Lindenberger, U. Intra- and interbrain synchronization and network properties when playing guitar in duets. Frontiers in Human Neuroscience. 6, 312 (2012).
  6. Muller, V., Delius, J. A. M., Lindenberger, U. Hyper-frequency network topology changes during choral singing. Frontiers in Physiology. 10, 207 (2019).
  7. Egetemeir, J., Stenneken, P., Koehler, S., Fallgatter, A. J., Herrmann, M. J. Exploring the neural basis of real-life joint action: Measuring brain activation during joint table setting with functional near-infrared spectroscopy. Frontiers in Human Neuroscience. 5, 95 (2011).
  8. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11 (5-6), 561-566 (2004).
  9. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
  10. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
  11. Jiang, J., Dai, B., Peng, D., Zhu, C., Liu, L., Lu, C. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  12. Tang, H., Mai, X., Wang, S., Zhu, C., Krueger, F., Liu, C. Interpersonal brain synchronization in the right temporo-parietal junction during face-to-face economic exchange. Social Cognitive and Affective Neuroscience. 11 (1), 23-32 (2016).
  13. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
  14. Konvalinka, I., Roepstorff, A. The two-brain approach: how can mutually interacting brains teach us something about social interaction. Frontiers in Human Neuroscience. 6, 215 (2012).
  15. Karlsson, A. Permutation, parametric, and bootstrap tests of hypotheses. Journal of the Royal Statistical Society Series a-Statistics in Society. 169, 171 (2006).
  16. Ayrolles, A., et al. HyPyP: a Hyperscanning python pipeline for inter-brain connectivity analysis. Social Cognitive and Affective Neuroscience. 16 (1-2), 72-83 (2021).
  17. Konvalinka, I., Vuust, P., Roepstorff, A., Frith, C. D. Follow you, follow me: continuous mutual prediction and adaptation in joint tapping. Quarterly Journal of Experimental Psychology. 63 (11), 2220-2230 (2010).
  18. Majolo, B., et al. Human friendship favours cooperation in the iterated prisoner's dilemma. Behaviour. 143, 1383-1395 (2006).
  19. Homer2. , Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  20. Hitachi2nirs. , Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  21. xjview. , Available from: https://www.alivelearn.net/xjview/ (2021).
  22. Cross Wavelet and Wavelet Coherence toolbox. , Available from: http://grinsted.github.io/wavelet-coherence/ (2021).
  23. Groppe's scripts in MathWork. , Available from: https://uk.mathworks.com/matlabcentral/profile/authors/1948879 (2021).
  24. Zhang, Y., Brooks, D. H., Franceschini, M. A., Boas, D. A. Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging. Journal of Biomedical Optics. 10 (1), 011014 (2005).
  25. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  26. Lumley, T., Diehr, P., Emerson, S., Chen, L. The importance of the normality assumption in large public health data sets. Annual Review of Public Health. 23 (1), 151-169 (2002).
  27. Benjamini, Y., Yekutieli, D. The control of the false discovery rate in multiple testing under dependency. Annals of Statistics. 29 (4), 1165-1188 (2001).
  28. Miller, B. L., Cummings, J. L. The human frontal lobes: Functions and disorders. , Guilford Press. New York. (2007).
  29. vanden Bos, W., van Dijk, E., Westenberg, M., Rombouts, S. A. R. B., Crone, E. A. What motivates repayment? Neural correlates of reciprocity in the Trust Game. Social Cognitive and Affective Neuroscience. 4 (3), 294-304 (2009).
  30. Corbetta, M., Shulman, G. L. Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience. 3 (3), 201-215 (2002).
  31. Ferreri, L., Aucouturier, J. J., Muthalib, M., Bigand, E., Bugaiska, A. Music improves verbal memory encoding while decreasing prefrontal cortex activity: an fNIRS study. Frontiers in Human Neuroscience. 7, 779 (2013).
  32. Cheng, X., Li, X., Hu, Y. Synchronous brain activity during cooperative exchange depends on gender of partner: A fNIRS-based hyperscanning study. Human Brain Mapping. 36 (6), 2039-2048 (2015).
  33. Hu, Y., Hu, Y., Li, X., Pan, Y., Cheng, X. Brain-to-brain synchronization across two persons predicts mutual prosociality. Social Cognitive and Affective Neuroscience. 12 (12), 1835-1844 (2017).
  34. Delgado Reyes, L. M., Bohache, K., Wijeakumar, S., Spencer, J. P. Evaluating motion processing algorithms for use with functional near-infrared spectroscopy data from young children. Neurophotonics. 5 (2), 025008 (2018).
  35. Zhang, Y., Brooks, D. H., Franceschini, M. A., Boas, D. A. Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging. Journal of Biomedical Optics. 10 (1), 11014 (2005).
  36. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  37. Scholkmann, F., Spichtig, S., Muehlemann, T., Wolf, M. How to detect and reduce movement artifacts in near-infrared imaging using moving standard deviation and spline interpolation. Physiological Measurement. 31 (5), 649 (2010).
  38. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical Engineering Online. 9 (1), (2010).
  39. Barker, J. W., Aarabi, A., Huppert, T. J. Autoregressive model based algorithm for correcting motion and serially correlated errors in fNIRS. Biomedical Optics Express. 4 (8), 1366-1379 (2013).
  40. Gagnon, L., et al. Short separation channel location impacts the performance of short channel regression in NIRS. NeuroImage. 59 (3), 2518 (2012).
  41. Di Lorenzo, R., et al. Brain responses to faces and facial expressions in 5-month-olds: An fNIRS study. Frontiers in Psychology. 10, 1240 (2019).
  42. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomed Opt Express. 9 (8), 3805-3820 (2018).
  43. Hamilton, A. Hype, hyperscanning and embodied social neuroscience. PsyArXiv. , (2020).
  44. Zhang, X., Noah, J. A., Dravida, S., Hirsch, J. Optimization of wavelet coherence analysis as a measure of neural synchrony during hyperscanning using functional near-infrared spectroscopy. Neurophotonics. 7 (1), 015010 (2020).
  45. Ikeda, S., et al. Steady beat sound facilitates both coordinated group walking and inter-subject neural synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  46. Osaka, N., et al. How two brains make one synchronized mind in the inferior frontal cortex: fNIRS-based hyperscanning during cooperative singing. Frontiers in Psychology. 6, 1811 (2015).
  47. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  48. Hou, Y., Song, B., Hu, Y., Pan, Y., Hu, Y. The averaged inter-brain coherence between the audience and a violinist predicts the popularity of violin performance. NeuroImage. 211, 116655 (2020).
  49. Baker, J. M., et al. Sex differences in neural and behavioral signatures of cooperation revealed by fNIRS hyperscanning. Scientific Reports. 6, 26492 (2016).
  50. Kruppa, J. A., et al. Brain and motor synchrony in children and adolescents with ASD-a fNIRS hyperscanning study. Social Cognitive and Affective Neuroscience. 16 (1-2), 103-116 (2021).
  51. Liu, T., Duan, L., Dai, R., Pelowski, M., Zhu, C. Team-work, Team-brain: Exploring synchrony and team interdependence in a nine-person drumming task via multiparticipant hyperscanning and inter-brain network topology with fNIRS. NeuroImage. 237, 118147 (2021).
  52. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 2405 (2018).
  53. Li, R., Mayseless, N., Balters, S., Reiss, A. L. Dynamic inter-brain synchrony in real-life inter-personal cooperation: A functional near-infrared spectroscopy hyperscanning study. NeuroImage. 238, 118263 (2021).
  54. Boas, D. A., Dale, A. M., Franceschini, M. A. Diffuse optical imaging of brain activation: approaches to optimizing image sensitivity, resolution, and accuracy. NeuroImage. 23, 275-288 (2004).
  55. Ferrari, M., Quaresima, V. A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application. NeuroImage. 63 (2), 921-935 (2012).
  56. Mu, Y., Guo, C., Han, S. Oxytocin enhances inter-brain synchrony during social coordination in male adults. Social Cognitive and Affective Neuroscience. 11 (12), 1882-1893 (2016).
  57. Chen, J., et al. Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. 20 (1), 115-125 (2017).
  58. Regev, M., et al. Propagation of Information Along the Cortical Hierarchy as a Function of Attention While Reading and Listening to Stories. Cerebral Cortex. 29 (10), 4017-4034 (2019).

Tags

Nevrovitenskap utgave 175 inter-hjernesynkronisering fNIRS hyperskanning wavelet transform sammenheng permutasjonstest
Hvordan beregne og validere inter-hjernesynkronisering i en fNIRS Hyperscanning Study
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