JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Neuroscience

Sådan beregnes og valideres synkronisering mellem hjerner i en fNIRS Hyperscanning-undersøgelse

Published: September 08, 2021
doi:
10.3791/62801
, , , , , ,
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 mellem koblede hjerner af individer er i stigende grad blevet repræsenteret ved inter-brain synkronisering (IBS), når de koordinerer med hinanden, for det meste ved hjælp af samtidige optagelse signaler af hjerner (nemlig hyperscanning) med fNIRS. I fNIRS hyperscanning undersøgelser, IBS er blevet almindeligt vurderet gennem wavelet omdanne sammenhæng (WTC) metode på grund af sin fordel på at udvide tidsserier i tidsfrekvens rum, hvor svingninger kan ses på en meget intuitiv måde. Den observerede IBS kan yderligere valideres via permutation-baseret tilfældig parring af retssagen, partner, og tilstand. Her præsenteres en protokol for at beskrive, hvordan man får hjernesignaler via fNIRS-teknologi, beregner IBS gennem WTC-metoden og validerer IBS ved permutation i en hyperscanning undersøgelse. Derudover diskuterer vi de kritiske spørgsmål, når vi bruger ovenstående metoder, herunder valg af fNIRS-signaler, metoder til dataforbehandling og valgfrie parametre for beregninger. Sammenfattende er brug af WTC-metoden og permutation en potentielt standardpipeline til analyse af IBS i fNIRS hyperscanning-undersøgelser, der bidrager til både reproducerbarhed og pålidelighed af IBS.

Abstract

Dynamikken mellem koblede hjerner af individer er i stigende grad blevet repræsenteret ved inter-brain synkronisering (IBS), når de koordinerer med hinanden, for det meste ved hjælp af samtidige optagelse signaler af hjerner (nemlig hyperscanning) med fNIRS. I fNIRS hyperscanning undersøgelser, IBS er blevet almindeligt vurderet gennem wavelet omdanne sammenhæng (WTC) metode på grund af sin fordel på at udvide tidsserier i tidsfrekvens rum, hvor svingninger kan ses på en meget intuitiv måde. Den observerede IBS kan yderligere valideres via permutation-baseret tilfældig parring af retssagen, partner, og tilstand. Her præsenteres en protokol for at beskrive, hvordan man får hjernesignaler via fNIRS-teknologi, beregner IBS gennem WTC-metoden og validerer IBS ved permutation i en hyperscanning undersøgelse. Derudover diskuterer vi de kritiske spørgsmål, når vi bruger ovenstående metoder, herunder valg af fNIRS-signaler, metoder til dataforbehandling og valgfrie parametre for beregninger. Sammenfattende er brug af WTC-metoden og permutation en potentielt standardpipeline til analyse af IBS i fNIRS hyperscanning-undersøgelser, der bidrager til både reproducerbarhed og pålidelighed af IBS.

Introduction

Når folk koordinerer med andre, deres hjerner og kroppe bliver en koblet enhed gennem kontinuerlig gensidig tilpasning. Koblingen mellem hjerner kan repræsenteres af inter-brain synkronisering (IBS) gennem hyperscanning tilgang, som samtidig registrerer to eller flere individers hjerne signaler1. Faktisk har en voksende mængde af fNIRS / EEG hyperscanning undersøgelser fundet IBS i forskellige samarbejdssammenhænge, herunder finger aflytning2,gruppe walking3,spille trommer4, guitarspil5, og sang / nynne6. fNIRS er meget udbredt til forskning af IBS under social interaktion, da det mindre begrænser hoved / krop bevægelser i relativt naturlige indstillinger (sammenlignet med fMRI / EEG)7.

Artiklen præsenterer en protokol til beregning af IBS via wavelet transform coherence (WTC) metode i en fNIRS hyperscanning undersøgelse. WTC er en metode til vurdering af krydskorrelationen mellem to bevægelsessignaler på tidsfrekvensplanet og kan derfor give flere oplysninger end den traditionelle korrelationsanalyse (f.eks. Pearson-korrelation og krydskorrelation), som kun er i tidsdomæne8. Derudover omdannes hæmodynamiske signaler til bølgekomponenter, som effektivt kan fjerne lavfrekvent støj. Selvom WTC er tidskrævende, har det været den mest almindeligt anvendte metode til beregning af IBS i aktion efterligning9, kooperativ adfærd10, verbal kommunikation11, beslutningstagning12og interaktiv læring13.

Artiklen præsenterer også, hvordan man validerer IBS med permutation-baseret tilfældig paring af forsøg, betingelser og deltagere. IBS i hyperscanning undersøgelser er altid foreslået at spore online social interaktion mellem enkeltpersoner, mens det også kan fortolkes af andre forklaringer, såsom stimulus lighed, bevægelse lighed, eller tilstand lighed14. Permutationstest, også kaldet randomiseringstest, kan udnyttes til at teste ovennævnte null-hypoteser ved at resampling af de observerede data15. Ved at bruge permutation er det nyttigt at undersøge, om den identificerede IBS er specifik for interaktiv adfærd, lige fra graduering af IBS inden for dyads til mellem grupper af partnere16.

Protokollen beskrevet her detaljer, hvordan man får hjernesignaler via fNIRS-teknologi, beregne IBS gennem WTC-metoden, og validere IBS ved permutation test i en hyperscanning undersøgelse. Denne undersøgelse har til formål at undersøge, om privilegeret IBS fremkaldes af musikmålere under social koordinering. Hjernesignalerne blev registreret i frontal cortex, baseret på placeringen af IBS i et tidligere fund1. Den eksperimentelle opgave blev oprindeligt udviklet af Konvalinka og hendes gymnasier17, hvor deltagerne blev bedt om at trykke fingre med den auditive feedback fra partneren eller sig selv efter at have lyttet til måleren eller ikke-meter stimuli.

Protocol

Protokollen præsenteret her blev godkendt af University Committee on Human Research Protection of East China Normal University. 1. Forberedelse til forsøget Deltagere Rekruttere en gruppe af bachelor-og kandidatstuderende med monetær kompensation af campus reklame. Sørg for, at deltagerne er højrehåndede og har et normalt eller korrigeret til normalt syn og hørelse. Sørg for, at de ikke har studeret musik eller har studeret det i mindre end 3 år før….

Representative Results

Resultaterne viste, at der var IBS på kanal 5 i målerkoordineringstilstanden, mens der ikke fandtes nogen IBS under andre forhold (dvs. måleruafhængighed, ikke-meterkoordinering, ikke-meter uafhængighed; Figur 2A. På kanal 5 var IBS i målerkoordineringstilstanden betydeligt højere end sammenhængsværdierne i ikke-målerkoordinerings- og måleruafhængighedstilstanden (figur 2B). Kanal 5 tilhørte ca. den venstre dorsolaterale præfrontale cortex (DLPFC;…

Discussion

Denne protokol giver en trinvis procedure til at beregne og validere IBS ved hjælp af fNIRS hyperscanning tilgang til samtidig at indsamle to deltageres hjernesignaler. Nogle kritiske spørgsmål, der er involveret i fNIRS-dataforbehandling, IBS-beregning, statistik og IBS-validering, diskuteres nedenfor.

Forbehandling af data
Det er nødvendigt at forbehandle fNIRS-data i hyperscanning undersøgelser for at udtrække reelle signaler fra den mulige støj (dvs. bevægelse a…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Denne forskning blev støttet af: National Natural Science Foundation of China (31872783, 31800951).

Materials

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. . Groppe’s scripts in MathWork Available from: https://uk.mathworks.com/matlabcentral/profile/authors/1948879 (2021)
  23. 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).
  24. 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).
  25. 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).
  26. Benjamini, Y., Yekutieli, D. The control of the false discovery rate in multiple testing under dependency. Annals of Statistics. 29 (4), 1165-1188 (2001).
  27. Miller, B. L., Cummings, J. L. . The human frontal lobes: Functions and disorders. , (2007).
  28. 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).
  29. Corbetta, M., Shulman, G. L. Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience. 3 (3), 201-215 (2002).
  30. 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).
  31. 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).
  32. 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).
  33. 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).
  34. 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).
  35. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  36. 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).
  37. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical Engineering Online. 9 (1), (2010).
  38. 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).
  39. Gagnon, L., et al. Short separation channel location impacts the performance of short channel regression in NIRS. NeuroImage. 59 (3), 2518 (2012).
  40. 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).
  41. 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).
  42. Hamilton, A. Hype, hyperscanning and embodied social neuroscience. PsyArXiv. , (2020).
  43. 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).
  44. Ikeda, S., et al. Steady beat sound facilitates both coordinated group walking and inter-subject neural synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  45. 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).
  46. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  47. 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).
  48. Baker, J. M., et al. Sex differences in neural and behavioral signatures of cooperation revealed by fNIRS hyperscanning. Scientific Reports. 6, 26492 (2016).
  49. 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).
  50. 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).
  51. 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).
  52. 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).
  53. 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).
  54. 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).
  55. 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).
  56. Chen, J., et al. Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. 20 (1), 115-125 (2017).
  57. 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

FNIRS HyperscanningInter-brain SynchronizationWavelet Transform CoherenceNPCA FilterHMR Motion CorrectionCBSIPermutation T-testFalse Discovery Rate

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
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).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image