Waiting
Login processing...

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

Neuroscience

आंशिक तरंगिका ट्रांस्फ़ॉर्म सुसंगतता विधि का उपयोग कर fNIRS-Hyperscanning डेटा में दिशात्मक सूचना प्रवाह का मापन

Published: September 3, 2021 doi: 10.3791/62927
Automatic Translation
*1, *2, 1
1State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, 2Institute of Developmental Psychology, Faculty of Psychology, Beijing Normal University
* These authors contributed equally

Summary

यह प्रोटोकॉल सामाजिक संपर्क के दौरान सूचना प्रवाह की दिशा और अस्थायी पैटर्न का अनुमान लगाने के लिए पारस्परिक तंत्रिका सिंक्रनाइज़ेशन (आईएनएस) के समय-लेग्ड पैटर्न की गणना करने के लिए आंशिक तरंगिका ट्रांसफॉर्म सुसंगतता (पीडब्ल्यूटीसी) का वर्णन करता है। आईएनएस पर सिग्नल ऑटोकोरिलेशन के उलझनों को दूर करने में पीडब्ल्यूटीसी की प्रभावशीलता को दो प्रयोगों द्वारा साबित किया गया था।

Abstract

सामाजिक संपर्क मानव के लिए महत्वपूर्ण है। जबकि हाइपरस्कैनिंग दृष्टिकोण का उपयोग सामाजिक इंटरैक्शन के दौरान पारस्परिक तंत्रिका सिंक्रनाइज़ेशन (आईएनएस) का अध्ययन करने के लिए बड़े पैमाने पर किया गया है, कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) अपने अपेक्षाकृत उच्च स्थानिक संकल्प, ध्वनि शारीरिक स्थानीयकरण, और गति कलाकृतियों की असाधारण रूप से उच्च सहिष्णुता के कारण प्राकृतिक सामाजिक इंटरैक्शन को हाइपरस्कैनिंग के लिए सबसे लोकप्रिय तकनीकों में से एक है। पिछले fNIRS-आधारित hyperscanning अध्ययन आमतौर पर तरंगिका रूपांतरण सुसंगतता (WTC) का उपयोग करके एक समय-lagged आईएनएस की गणना करने के लिए व्यक्तियों के बीच सूचना प्रवाह की दिशा और अस्थायी पैटर्न का वर्णन करने के लिए. हालांकि, इस विधि के परिणाम प्रत्येक व्यक्ति के fNIRS संकेत के autocorrelation प्रभाव से चकित हो सकते हैं। इस मुद्दे को संबोधित करने के लिए, आंशिक तरंगिका रूपांतरण सुसंगतता (पीडब्ल्यूटीसी) नामक एक विधि पेश की गई थी, जिसका उद्देश्य ऑटोकोरिलेशन प्रभाव को हटाने और एफएनआईआरएस सिग्नल के उच्च अस्थायी-स्पेक्ट्रम संकल्प को बनाए रखना था। इस अध्ययन में, आईएनएस पर ऑटोकोरिलेशन के प्रभाव को हटाने में पीडब्ल्यूटीसी की प्रभावशीलता को दिखाने के लिए पहले एक सिमुलेशन प्रयोग किया गया था। फिर, एक सामाजिक संपर्क प्रयोग से fNIRS डेटासेट के आधार पर pWTC के संचालन पर चरण-दर-चरण मार्गदर्शन की पेशकश की गई थी। इसके अतिरिक्त, pWTC विधि और पारंपरिक WTC विधि और pWTC विधि और Granger कारण (GC) विधि के बीच एक तुलना तैयार की गई थी। परिणामों से पता चला है कि पीडब्ल्यूटीसी का उपयोग विभिन्न प्रयोगात्मक स्थितियों और प्राकृतिक सामाजिक बातचीत के दौरान व्यक्तियों के बीच आईएनएस के दिशात्मक और अस्थायी पैटर्न के बीच आईएनएस अंतर को निर्धारित करने के लिए किया जा सकता है। इसके अलावा, यह पारंपरिक डब्ल्यूटीसी की तुलना में बेहतर अस्थायी और आवृत्ति संकल्प और जीसी विधि की तुलना में बेहतर लचीलापन प्रदान करता है। इस प्रकार, पीडब्ल्यूटीसी प्राकृतिक सामाजिक बातचीत के दौरान व्यक्तियों के बीच सूचना प्रवाह की दिशा और अस्थायी पैटर्न का अनुमान लगाने के लिए एक मजबूत उम्मीदवार है।

Introduction

सामाजिक संपर्क मनुष्यों के लिए महत्वपूर्ण महत्व का है 1,2. सामाजिक संपर्क के दोहरे मस्तिष्क न्यूरोकॉग्निटिव तंत्र को समझने के लिए, हाइपरस्कैनिंग दृष्टिकोण का हाल ही में बड़े पैमाने पर उपयोग किया गया है, यह दिखाते हुए कि पारस्परिक तंत्रिका सिंक्रनाइज़ेशन (आईएनएस) के पैटर्न सामाजिक बातचीत प्रक्रिया को अच्छी तरह से चिह्नित कर सकते हैं 3,4,5,6,7,8,9,10,11,12 ,13,14. हाल के अध्ययनों में, एक दिलचस्प खोज यह है कि एक डायाड में व्यक्तियों की भूमिका अंतर आईएनएस के समय-अंतराल वाले पैटर्न को जन्म दे सकती है, यानी, आईएनएस तब होता है जब एक व्यक्ति की मस्तिष्क गतिविधि सेकंड से दूसरे व्यक्ति के पीछे रहती है, जैसे कि श्रोताओं से वक्ताओंतक 5,9, नेताओं से अनुयायियों तक4, शिक्षकों से छात्रों तक8, माताओं से बच्चों तक13,15, और एक रोमांटिक जोड़े में महिलाओं से पुरुषों तक। सबसे महत्वपूर्ण बात यह है कि समय-अंतराल वाले आईएनएस के अंतराल और सामाजिक संपर्क व्यवहारों के बीच एक अच्छा पत्राचार है, जैसे कि शिक्षकों से पूछताछ और छात्रों के बीच8 का जवाब देने वाले छात्रों के बीच या माताओं के पेरेंटिंग व्यवहार और बच्चों के अनुपालन व्यवहारके बीच। इस प्रकार, समय-अंतराल वाला आईएनएस एक व्यक्ति से दूसरे व्यक्ति में एक दिशात्मक जानकारी प्रवाह को प्रतिबिंबित कर सकता है, जैसा कि पारस्परिक मौखिक संचार 16 के लिए हाल ही में पदानुक्रमित मॉडल में प्रस्तावितकिया गया है।

इससे पहले, समय-अंतराल वाले आईएनएस की गणना मुख्य रूप से कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) सिग्नल पर की गई थी क्योंकि इसके अपेक्षाकृत उच्च स्थानिक संकल्प, ध्वनि शारीरिक स्थानीयकरण, और प्राकृतिक सामाजिक इंटरैक्शन का अध्ययन करते समय गति कलाकृतियों की असाधारण रूप से उच्च सहिष्णुता17 थी। इसके अलावा, सामाजिक संपर्क के दौरान तंत्रिका समय अंतराल और व्यवहारिक समय अंतराल के बीच पत्राचार को ठीक से चिह्नित करने के लिए, प्रत्येक समय अंतराल के लिए आईएनएस शक्ति प्राप्त करना आवश्यक है (उदाहरण के लिए, बिना किसी समय अंतराल से 10 सेकंड के समय अंतराल तक)। इस उद्देश्य के लिए, पहले, तरंगिका रूपांतरण सुसंगतता (डब्ल्यूटीसी) प्रक्रिया को बड़े पैमाने पर एक व्यक्ति के मस्तिष्क संकेत को स्थानांतरित करने के बाद लागू किया गया था आगे या पीछे किसी अन्य व्यक्तिके सापेक्ष 5,6,18। एफएनआईआरएस संकेतों के लिए इस पारंपरिक डब्ल्यूटीसी प्रक्रिया का उपयोग करते समय, एक संभावित चुनौती है क्योंकि मनाया गया समय-अंतराल वाला आईएनएस एक व्यक्ति 19,20,21 के लिए एफएनआईआरएस सिग्नल के ऑटोकोरिलेशन प्रभाव से चकित हो सकता है। उदाहरण के लिए, एक युग्मक सामाजिक संपर्क प्रक्रिया के दौरान, समय बिंदु t पर प्रतिभागी A के संकेत को एक ही समय बिंदु पर प्रतिभागी B के साथ सिंक्रनाइज़ किया जा सकता है। इस बीच, समय बिंदु t पर प्रतिभागी A के संकेत को बाद के समय बिंदु t + 1 पर प्रतिभागी A के साथ सिंक्रनाइज़ किया जा सकता है क्योंकि autocorrelation प्रभाव। इसलिए, समय बिंदु t पर प्रतिभागी A के संकेत और समय बिंदु t+1 पर प्रतिभागी B के संकेत के बीच एक नकली समय-लेग्ड INS हो सकता है।

मिहानोविच और उनके सहयोगियों22 ने पहली बार आंशिक तरंगिका रूपांतरण सुसंगतता (पीडब्ल्यूटीसी) नामक एक विधि पेश की, और फिर इसे समुद्री विज्ञान23,24 में लागू किया। इस विधि का मूल उद्देश्य दो संकेतों की सुसंगतता का अनुमान लगाते समय बहिर्जात उलझन शोर को नियंत्रित करना था। यहाँ, fNIRS हाइपरस्कैनिंग डेटा में autocorrelation समस्या को संबोधित करने के लिए, pWTC विधि fNIRS संकेत पर समय-lagged INS की गणना करने के लिए विस्तारित किया गया था। ठीक है, प्रतिभागी ए से प्रतिभागी बी तक एक समय-लैग्ड आईएनएस (और एक दिशात्मक जानकारी प्रवाह) की गणना नीचे दिए गए समीकरण (समीकरण 1) 23 का उपयोग करके की जा सकती है।

Equation 1

यहां, यह माना जाता है कि प्रतिभागियों ए और बी से क्रमशः दो संकेत, ए और बी हैं। सिग्नल बी की घटना हमेशा एन के समय अंतराल के साथ सिग्नल ए से पहले होती है, जहां डब्ल्यूटीसी (एटी, बीटी + एन) पारंपरिक समय-लैग्ड डब्ल्यूटीसी है। WTC (At, At+n) प्रतिभागी A में स्वत: सहसंबंधित WTC है। WTC (At, Bt) प्रतिभागी A और B के बीच समय बिंदु t पर समय-संरेखित WTC है। * जटिल संयुग्मित ऑपरेटर (चित्रा 1A) है।

Figure 1
चित्रा 1: pWTC का अवलोकन. (ए) पीडब्ल्यूटीसी का तर्क। एक डायड के भीतर दो संकेत ए और बी हैं। A की घटना हमेशा एक अंतराल n के साथ B के बाद होती है। एक ग्रे बॉक्स एक निश्चित समय बिंदु t या t + n पर एक तरंगिका खिड़की है। पीडब्ल्यूटीसी समीकरण (आकृति में दर्शाए गए) के आधार पर, तीन डब्ल्यूटीसी की गणना करने की आवश्यकता है: एटी + एन और बी टी के समय-लैग्ड डब्ल्यूटीसी; एटी और ए टी + एन के प्रतिभागी ए में ऑटोकॉर्बेटेड डब्ल्यूटीसी; और समय-संरेखित WTC पर timepoint t, At और Bt. (B) ऑप्टोड प्रोब सेट का लेआउट. CH11 को T3 पर रखा गया था, और CH25 को अंतर्राष्ट्रीय 10-20 सिस्टम27,28 के बाद T4 पर रखा गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

इस प्रोटोकॉल ने पहली बार यह प्रदर्शित करने के लिए एक सिमुलेशन प्रयोग पेश किया कि पीडब्ल्यूटीसी ऑटोकोरिलेशन चुनौती को कितनी अच्छी तरह से हल करता है। फिर, इसने समझाया कि प्राकृतिक सामाजिक बातचीत के अनुभवजन्य प्रयोग के आधार पर चरण-दर-चरण तरीके से पीडब्ल्यूटीसी का संचालन कैसे किया जाए। यहां, विधि को पेश करने के लिए एक संचार संदर्भ का उपयोग किया गया था। ऐसा इसलिए है क्योंकि, पहले, समय-अंतराल वाले आईएनएस की गणना आमतौर पर एक प्राकृतिक संचार संदर्भ 3,4,6,8,13,15,18 में की जाती थी। इसके अतिरिक्त, pWTC और पारंपरिक WTC और Granger कारण (GC) परीक्षण के साथ सत्यापन के बीच एक तुलना भी आयोजित की गई थी।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

मानव प्रयोग प्रोटोकॉल को बीजिंग सामान्य विश्वविद्यालय में संज्ञानात्मक तंत्रिका विज्ञान और सीखने की राज्य कुंजी प्रयोगशाला की संस्थागत समीक्षा बोर्ड और नैतिकता समिति द्वारा अनुमोदित किया गया था। सभी प्रतिभागियों ने प्रयोग शुरू होने से पहले लिखित रूप से सूचित सहमति दी।

1. सिमुलेशन प्रयोग

  1. संकेतों की दो समय श्रृंखला उत्पन्न करें जो एक-दूसरे के साथ सहसंबंधित हैं, एक सिग्नल में 4 एस समय अंतराल पर ऑटोकोरिलेशन होता है। दो संकेतों के बीच r के सहसंबंध गुणांक को 0.4 पर सेट करें।
  2. इसके अलावा, किसी भी सहसंबंध के बिना संकेतों की दो समय श्रृंखला उत्पन्न करें, लेकिन एक संकेत में autocorrelation के साथ।
  3. सहसंबंध के साथ या बिना उत्पन्न संकेतों के आधार पर समीकरण 2 के साथ पारंपरिक 4 s समय-lagged INS के मूल्यों की गणना करें, जिसे autocorrelation के साथ समय-lagged INSWTC और समय-lagged बेसलाइन INSWTC के साथ नाम दिया जा सकता है।
    नोट:: यहाँ, पारंपरिक समय-lagged WTC निम्न समीकरण (समीकरण 2)25 द्वारा व्यक्त किया जाता है
    Equation 2
    जहां, सी विभिन्न तराजू मैं और समय बिंदु t पर निरंतर तरंगिका रूपांतरण ऑपरेटर को दर्शाता है। S चिकनाई ऑपरेटर को दर्शाता है। * जटिल संयुग्मन ऑपरेटर को दर्शाता है। W और M संकेतों की दो अलग-अलग समय श्रृंखलाओं को इंगित करते हैं।
  4. जनरेट किए गए संकेतों से स्वत: सहसंबंध निकालें. फिर, सहसंबंध के साथ या बिना उत्पन्न संकेतों के आधार पर समीकरण 2 के साथ पारंपरिक 4 s समय-lagged INSWTC के मूल्यों की गणना करें, जिसे autocorrelation के बिना समय-lagged INSWTC और समय-lagged बेसलाइन INSWTC के बिना नाम दिया जा सकता है।
  5. सहसंबंध के साथ या बिना उत्पन्न संकेतों के आधार पर समीकरण 3 के साथ 4 s समय-lagged pWTC के मानों की गणना करें, जिसका नाम समय-lagged INSpWTC और समय-lagged बेसलाइन INSpWTC है।
    नोट:: pWTC की गणना निम्न समीकरण (समीकरण 3)23 के आधार पर की जा सकती है
    Equation 3
    जहां, WTC (WT, Mt+n) पारंपरिक समय-lagged WTC है। WTC (Mt, Mt+n) एक व्यक्ति का स्वत: सहसंबंधित WTC है। WTC (WT, MT) समय-संरेखित WTC है। * जटिल संयुग्मन ऑपरेटर है।
  6. उपरोक्त प्रक्रियाओं को 1000 बार दोहराएं।
  7. बेसलाइन आईएनएस को घटाने के बाद, समय-अंतराल वाले आईएनएसडब्ल्यूटीसी के परिणामों की तुलना ऑटोकोरिलेशन के साथ करें, समय-अंतराल वाले INSWTC बिना autocorrelation, और समय-lagged INSpWTC विचरण (एनोवा) विधि के विश्लेषण का उपयोग करके।
    नोट: यहाँ, यह उम्मीद की जाती है कि समय-lagged INSWTC autocorrelation और समय-lagged INSpWTC के बिना समय-lagged INSWTC की तुलना में काफी अधिक होगा, और autocorrelation और समय-lagged INSpWTC के बिना समय-lagged INSWTC के बीच कोई महत्वपूर्ण अंतर अपेक्षित नहीं है।

2. अनुभवजन्य प्रयोग

  1. प्रतिभागियों और प्रक्रिया
    1. उपयुक्त प्रतिभागियों की भर्ती करें।
      नोट: इस अध्ययन में, करीबी विपरीत-लिंग दोस्तों के बाईस जोड़े (महिलाओं की औसत आयु = 20.95, मानक विचलन (एसडी) = 1.86; पुरुषों की औसत आयु = 20.50, एसडी = 1.74) बीजिंग में विश्वविद्यालयों के स्नातक से विज्ञापन के माध्यम से भर्ती किए गए थे। सभी प्रतिभागी दाएं हाथ के थे और उनके पास सामान्य या सही-से-सामान्य दृष्टि थी। इसके अलावा, किसी भी प्रतिभागियों को कोई भाषा, न्यूरोलॉजिकल या मनोवैज्ञानिक विकार नहीं था।
    2. प्रतिभागियों की प्रत्येक जोड़ी को प्रयोग के दौरान आमने-सामने बैठने के लिए कहें। उन्हें एक सत्र में एक सहायक विषय पर और दूसरे सत्र में एक संघर्ष विषय पर स्वतंत्र रूप से संवाद करने के लिए कहें।
      नोट: विषयों का उपयोग इच्छित सकारात्मक या नकारात्मक भावनात्मक वैलेंस को प्रेरित करने के लिए किया गया था। प्रत्येक संचार सत्र 10 मिनट तक चला, और विषयों का क्रम संतुलित था।
    3. प्रतिभागियों को एक मानक सेट-अप नियम के रूप में सहायक और संघर्ष विषयों के बारे में रिपोर्ट करने के लिए कहें। प्रत्येक साथी को सकारात्मक या नकारात्मक वैलेंस स्तर को रेट करने के लिए कहें जो एक निश्चित बिंदु पैमाने पर प्रेरित हो सकता है। फिर, रेटिंग के अनुसार रिपोर्ट किए गए विषयों को रैंक करें।
      नोट:: इस कार्य में, विषय निम्न तीन चरणों के साथ चयनित किए गए थे। सबसे पहले, सहायक विषयों के लिए, प्रत्येक प्रतिभागी को 1-3 व्यक्तिगत मुद्दों की रिपोर्ट करने की आवश्यकता थी जो वह अपने जीवन में सुधार करना चाहता था। प्रत्येक प्रतिभागी को 1-3 मामलों की रिपोर्ट करने की आवश्यकता थी जो उनके बीच संघर्ष को प्रेरित या प्रेरित करेंगे या जो संघर्ष विषयों के लिए उनके रिश्ते को खतरे में डाल सकते हैं। दूसरा, प्रत्येक साथी को सकारात्मक या नकारात्मक वैलेंस के स्तर को रेट करने की आवश्यकता थी, प्रत्येक विषय 7-बिंदु पैमाने पर प्रेरित हो सकता है (1 = बिल्कुल नहीं, और 7 = बहुत ज्यादा)। तीसरा, रिपोर्ट किए गए विषयों को रेटिंग के अनुसार स्थान दिया गया था। सहायक विषयों और संघर्ष विषयों की सूची में पहले दो विषयों का चयन किया गया था।
  2. fNIRS डेटा संग्रह
    1. FNIRS डेटा एकत्र करने के लिए 26-चैनल fNIRS स्थलाकृति प्रणाली ( सामग्री की तालिका देखें) का उपयोग करें।
      नोट: दो अनुकूलित ऑप्टोड जांच सेट द्विपक्षीय ललाट, अस्थायी, और पार्श्विका cortices (चित्रा 1B) को कवर किया।
    2. ठीक है, प्रत्येक प्रतिभागी को दो अनुकूलित जांच सेट के साथ एक टोपी पहनने के लिए कहें ( सामग्री की तालिका देखें)।
    3. Fpz, Opz, T7, और T8 के साथ nasion, inion, और ear mastoids को संरेखित करें, जो 10-20 अंतर्राष्ट्रीय सिस्टम26 के विशिष्ट स्थल हैं।
    4. दो जांच सेट 27,28 के लिए अंतरराष्ट्रीय 10-20 प्रणाली के बाद चैनल (CH) 11 को T3 औरCH25 को T4 में संरेखित करें।
    5. एक उच्च रिज़ॉल्यूशन T1-भारित चुंबकत्व-तैयार तेजी से ढाल-प्रतिध्वनि अनुक्रम (TR = 2530 ms) के साथ एक ठेठ प्रतिभागी से चुंबकीय अनुनाद इमेजिंग (एमआरआई) डेटा स्कैन करके जांच सेट के संरचनात्मक स्थानों को मान्य करें; TE = 3.39 ms; फ्लिप कोण = 7°; टुकड़ा मोटाई = 1.3 मिमी; voxel आकार = 1.3 x 1 x 1.3 मिमी)।
    6. मानक मॉन्ट्रियल इमेजिंग इंस्टीट्यूट समन्वय (MNI समन्वय) अंतरिक्ष 29 के लिए छवि को सामान्य करने के लिए सांख्यिकीय पैरामीट्रिक मैपिंग12 (SPM12) का उपयोग करें। उसके बाद, स्वचालित संरचनात्मक लेबलिंग (AAL) टेम्पलेट के लिए जांच के MNI निर्देशांक प्रोजेक्ट करने के लिए NIRS_SPM टूलबॉक्स ( सामग्री की तालिका देखें) का उपयोग करें।
    7. 55.6 हर्ट्ज (उपकरण डिफ़ॉल्ट पैरामीटर) की नमूना दर पर तीन तरंग दैर्ध्य (780, 805, और 830 एनएम) पर निकट-अवरक्त प्रकाश के ऑप्टिकल घनत्व डेटा एकत्र करें।
    8. FNIRS स्थलाकृति प्रणाली निर्मित उपकरण सॉफ़्टवेयर का उपयोग करके संकेत की गुणवत्ता का परीक्षण करें ( सामग्री की तालिका देखें)।
    9. सिग्नल रिकॉर्डिंग शुरू करें।
      नोट: कुछ प्रकाशित प्रोटोकॉल ने प्रदर्शित किया है कि विभिन्न उपकरणों और प्रणालियों30,31,32 के साथ fNIRS संकेतों को कैसे एकत्र किया जाए।
  3. fNIRS डेटा प्रीप्रोसेसिंग
    1. उपकरण से डेटा फ़ाइलों को निर्यात करें।
      नोट: वर्तमान प्रयोग में, अंतर्निहित सॉफ़्टवेयर स्वचालित रूप से संशोधित बीयर-लैम्बर्ट कानून के आधार पर सभी-ऑप्टिकल घनत्व डेटा को ऑक्सीहीमोग्लोबिन (HbO) एकाग्रता परिवर्तनों में परिवर्तित करता है।
    2. क्षणिक प्रतिक्रियाओं से बचने के लिए प्रत्येक सत्र के लिए डेटा के पहले और अंतिम 15 s को निकालें।
    3. 55.6 हर्ट्ज से 11.1 हर्ट्ज तक डेटा को डाउनसैम्पल करने के लिए MATLAB decimate अंतर्निहित फ़ंक्शन का उपयोग करें।
      नोट: 55.6 हर्ट्ज और 11.1 हर्ट्ज के बीच पावर स्पेक्ट्रम पैटर्न काफी समान हैं (पूरक चित्रा 1)।
    4. गति कलाकृतियों को सही करने के लिए असतत तरंगिका रूपांतरण फ़िल्टर विधि को लागू करने के लिए उपयुक्त फ़िल्टरिंग फ़ंक्शन के साथ अंतर्निहित MATLAB अनुप्रयोग फ़ंक्शन (Homer3, सामग्री की तालिका देखें) का उपयोग करें।
    5. वैश्विक शारीरिक शोर को हटाने के लिए MATLAB पीसीए अंतर्निहित फ़ंक्शन का उपयोग करें। संकेतों से प्रसरण के शीर्ष 80% को निकालें।
    6. पिछलेअध्ययनों के आधार पर शारीरिक शोर को हटा दें 33. ठीक है, उच्च आवृत्ति शारीरिक शोर (जैसे, कार्डियक गतिविधि) के aliasing से बचने के लिए 0.7 हर्ट्ज से ऊपर प्रत्येक संकेत के आवृत्ति बैंड को हटा दें।
    7. फिर, बहुत कम आवृत्ति के उतार-चढ़ाव को फ़िल्टर करने के लिए 0.01 हर्ट्ज से नीचे प्रत्येक सिग्नल की आवृत्ति बैंड को हटा दें।
    8. अंत में, श्वसन गतिविधि के संभावित प्रभाव को बाहर करने के लिए 0.15-0.3 हर्ट्ज के भीतर प्रत्येक संकेत की आवृत्ति बैंड को हटा दें।
  4. प्रथम-स्तरीय fNIRS डेटा प्रोसेसिंग
    1. सबसे पहले, पारंपरिक डब्ल्यूटीसी (आईएनएसडब्ल्यूटीसी) का उपयोग करके आईएनएस की गणना करें।
      नोट: यहां, आईएनएसडब्ल्यूटीसी के एक महिला-नेतृत्व वाले समय-लेग्ड पैटर्न को महिलाओं और पुरुषों की मस्तिष्क गतिविधि के बीच होने की भविष्यवाणी की गई थी क्योंकि पिछले अध्ययनों ने34,35 की बातचीत के दौरान महिलाओं और पुरुषों की विभिन्न भूमिकाओं का सुझाव दिया है। पारंपरिक डब्ल्यूटीसी ने आईएनएसडब्ल्यूटीसी के इस पैटर्न की गणना महिलाओं के सापेक्ष पुरुषों की मस्तिष्क गतिविधि को पीछे की ओर स्थानांतरित करके की (समीकरण 2 देखें)।
    2. महिलाओं से डेटा के प्रारंभिक 2 s और समीकरण 2 के साथ पुरुषों से डेटा के अंतिम 2 s को हटाने के बाद महिलाओं के नेतृत्व वाले 2 s-lagged INSWTC मान की गणना करें। इसी तरह, पुरुषों से डेटा के प्रारंभिक 2 s और महिलाओं से डेटा के अंतिम 2 s को हटाने के बाद, समीकरण 4 के साथ पुरुषों के नेतृत्व वाले 2 s-lagged INSWTC मान की गणना करें।
      नोट: यहाँ, wcoherence समारोह, जो MATLAB के तरंगिका toolbox के एक अंतर्निहित समारोह है, का उपयोग किया गया था ( सामग्री की तालिका देखें).
    3. इस प्रक्रिया को अलग-अलग समय अंतराल n के साथ दोहराएं, अर्थात्, n = 2 s, 4 s, 6 s, 8 s सभी संभावित CH जोड़े में (उदाहरण के लिए, महिलाओं में CH2 और पुरुषों में CH10, कुल मिलाकर 676 जोड़े)। इसके अतिरिक्त, पुरुषों के नेतृत्व वाले समय-लेग्ड आईएनएसडब्ल्यूटीसी की ताकत की गणना उसी तरह से करें (समीकरण 4)।
      Equation 4
    4. दूसरा, पीडब्ल्यूटीसी (आईएनएस पीडब्ल्यूटीसी) का उपयोग करके आईएनएस की गणनाकरें।
      नोट: pWTC समीकरण 3 के आधार पर परिकलित किया गया था। आईएनएसपीडब्ल्यूटीसी की गणना को अलग-अलग समय अंतराल एन के साथ दोहराया गया था, यानी, एन = 2 एस, 4 एस, 6 एस, 8 एस सभी संभावित चैनल जोड़े (उदाहरण के लिए, महिलाओं में सीएच 2 और पुरुषों में सीएच 10, कुल मिलाकर 676 जोड़े)। इसके अतिरिक्त, पुरुषों के नेतृत्व वाले समय-लेग्ड आईएनएसपीडब्ल्यूटीसी की ताकत की गणना उसी तरह से की गई थी (समीकरण 5)।
      Equation 5
    5. अलग-अलग समय अंतराल पर fNIRS संकेतों की समय-lagged समय श्रृंखला उत्पन्न करें।
    6. अलग-अलग समय अंतराल पर समय-lagged WTC के मानों की गणना करें।
    7. अलग-अलग समय अंतराल पर fNIRS संकेतों की autocorrelated समय श्रृंखला उत्पन्न करें। पुरुषों के लिए 2 s-autocorrelated मान की गणना करने के लिए, पुरुषों से डेटा के पहले 2 s और पुरुषों से अंतिम 2 s डेटा को हटा दें।
    8. अलग-अलग समय अंतराल पर स्वत: संबंधित WTC मानों की गणना करें.
    9. अलग-अलग समय अंतराल पर fNIRS संकेतों की समय-संरेखित समय श्रृंखला उत्पन्न करें। 2 s समय-संरेखित WTC की गणना करने के लिए, पुरुषों से डेटा के पहले 2 s और महिलाओं के डेटा के पहले 2 s को हटा दें।
    10. समय-संरेखित WTC मानों की गणना करें.
    11. समय-संरेखित WTC, समय-lagged WTC, और स्वत: सहसंबंधित WTC मानों को अलग-अलग समय पर समीकरण 3 और समीकरण 5-pWTC के समीकरण में अंतराल दर्ज करें, INSpWTC उत्पन्न करते हैं।
    12. अंत में, GC विधि (INSGC) का उपयोग करके INS की गणना करें।
      नोट:: आगे pWTC विधि को मान्य करने और इसके फायदे और नुकसान का मूल्यांकन करने के लिए, GC-आधारित INS की गणना GC विधि (INSGC) का उपयोग करके की गई थी।
    13. PWTC परिणाम के आधार पर, बैंडपास SMC पर प्रत्येक व्यक्ति के HbO सिग्नल को फ़िल्टर करता है (यानी, 0.4-0.6 हर्ट्ज, प्रतिनिधि परिणाम देखें)।
    14. सहायक और संघर्ष विषयों में प्रत्येक डायड के भीतर एक जीसी परीक्षण (अर्थमिति टूलबॉक्स, मैटलैब) का संचालन अलग-अलग करें।
      नोट: आईएनएसजीसी के लिए एफ-मानों के चार समूह प्राप्त किए जाते हैं: (1) सहायक विषय पर महिलाओं से पुरुषों तक (W2M_supp); (2) सहायक विषय पर पुरुषों से महिलाओं तक (M2W_supp); (3) संघर्ष के विषय पर महिलाओं से पुरुषों तक (W2M_conf); और (4) संघर्ष के विषय पर पुरुषों से महिलाओं तक (एम 2 W_conf)। F-मानों का उपयोग INS GC को अनुक्रमित करने के लिए किया जाताहै.
  5. द्वितीय-स्तरीय fNIRS डेटा संसाधन
    1. फिशर-जेड परिवर्तन के साथ आईएनएस को बदलें, और फिर अस्थायी आयाम पर औसत आईएनएस।
      नोट: यहाँ, फिशर-z परिवर्तन समीकरण 6 36 के साथ एक कस्टम MATLAB स्क्रिप्ट का उपयोग कर आयोजित किया गया था:
      Equation 6
      जहां, r WTC या pWTC का मान है, और z WTC या pWTC का फिशर-z परिवर्तित मान है।
    2. प्रत्येक समय अंतराल पर औसत आईएनएस के लिए, आवृत्ति सीमा में प्रत्येक सीएच जोड़ी पर एक युग्मित दो-नमूना टी-परीक्षण (सहायक बनाम संघर्ष) आयोजित करें। उसके बाद, सभी महत्वपूर्ण आवृत्ति क्लस्टर (P < 0.05) की पहचान करें।
    3. परिणामों के लिए एक थ्रेशोल्ड स्थापित करने के लिए एक क्लस्टर-आधारित क्रमपरिवर्तन परीक्षण आयोजित करें।
      1. यादृच्छिक रूप से प्रतिभागियों को नए दो सदस्यीय जोड़े को असाइन करके डायडिक संबंधों को फिर से असाइन करें, यानी, एक डायड के प्रतिभागियों ने कभी भी एक-दूसरे के साथ संवाद नहीं किया था। प्रत्येक समय अंतराल पर INS की पुनर्गणना करें, नए नमूने में फिर से युग्मित t-परीक्षण करें, और फिर से महत्वपूर्ण आवृत्ति क्लस्टर की पहचान करें.
      2. सबसे बड़ा summed t-मान के साथ क्लस्टर का चयन करें। अधिकतम false-positive t-values का नल वितरण जनरेट करने के लिए उपरोक्त कार्यविधियों को 1000 बार दोहराएँ।
        नोट:: वितरण मौका स्तर के रूप में कार्य किया जाता है। परिवारवार त्रुटि दर (FWER) को q = 0.05 पर नियंत्रित किया जाता है, जिसका अर्थ है कि false-positive t-values के null distribution का केवल शीर्ष 5% थ्रेशोल्ड (R*) से अधिक है।
      3. महत्वपूर्ण सांख्यिकीय परिणाम प्राप्त करने के लिए नल वितरण के साथ मूल नमूने में प्रत्येक पहचाने गए आवृत्ति क्लस्टर के अभिव्यक्त t-मान की तुलना करें।
    4. विभिन्न स्थितियों (यानी, विषयों) (पी < 0.05) के बीच आईएनएस दिशा में अंतर का परीक्षण करने के लिए विचरण (एनोवा) के विचरण (एनोवा) के विश्लेषण (सहायक, संघर्ष) एक्स दिशा (महिलाओं को पुरुषों, पुरुषों से महिलाओं के लिए) का एक संदर्भ (सहायक, संघर्ष) का संचालन करें।
    5. आईएनएस पर स्वत: सहसंबंध के संभावित प्रभाव का परीक्षण करने के लिए डब्ल्यूटीसी (डब्ल्यूटी, एमटी + एन) और डब्ल्यूटीसी (एमटी, एमटी + एन) के परिणामों के बीच एक युग्मित दो-नमूना दो-पूंछ वाले टी-परीक्षण का संचालन करें।
      नोट: WTC का INS (Mt, Mt + n) autocorrelation को दर्शाता है।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

सिमुलेशन परिणाम
परिणामों से पता चला है कि autocorrelation के साथ समय-lagged INSWTC autocorrelation (t(1998) = 4.696, p < 0.001) और समय-lagged INSpWTC (t(1998) = 5.098, p < 0.001) के बिना समय-lagged INSWTC की तुलना में काफी अधिक था। इसके अतिरिक्त, ऑटोकोरिलेशन और आईएनएसपीडब्ल्यूटीसी (टी (1998) = 1.573, पी = 0.114, चित्रा 2 ए) के बिना समय-अंतराल वाले आईएनएसडब्ल्यूटीसी के बीच कोई महत्वपूर्ण अंतर नहीं था। इन परिणामों से संकेत मिलता है कि PWTC प्रभावी रूप से INS पर autocorrelation प्रभाव के प्रभाव को हटा सकता है। इसके अतिरिक्त, जब WTC मान 0 या 1 के करीब होने के लिए सेट किया गया था, तो समय-lagged INSpWTC ने अभी भी विश्वसनीय परिणाम दिखाए जब WTC मान 0 या 1 (अनुपूरक चित्र 2) से दूर था।

अनुभवजन्य प्रयोग के परिणाम
पारंपरिक WTC विधि का उपयोग कर INS पैटर्न
परिणामों से पता चला है कि 0.04-0.09 हर्ट्ज पर, महिलाओं और पुरुषों दोनों के संवेदीमोटर कॉर्टेक्स (एसएमसी, सीएच 20) में आईएनएसडब्ल्यूटीसीसंघर्ष विषय की तुलना में सहायक विषय में काफी अधिक था जब पुरुषों की मस्तिष्क गतिविधि 2 एस, 4 एस और 6 एस (2 एस: टी (21) = 3.551 द्वारा महिलाओं की तुलना में काफी अधिक थी, जब पुरुषों की मस्तिष्क गतिविधि 2 एस, 4 एस और 6 एस (2 एस: टी (21) = 3.551, p = 0.0019; अंतराल 4 s: t(21) = 3.837, p = 0.0009; अंतराल 6 s: t(21) = 3.725, p = 0.0013). इसके अतिरिक्त, 0.4-0.6 हर्ट्ज पर, एसएमसी में आईएनएसडब्ल्यूटीसी सहायक विषय की तुलना में संघर्ष विषय में काफी अधिक था जब पुरुषों की मस्तिष्क गतिविधि महिलाओं की 4 एस (टी (21) = 2.828, पी = 0.01, चित्रा 2 बी) से पिछड़ गई थी।

इसके अतिरिक्त, विभिन्न विषयों में आईएनएसडब्ल्यूटीसी की दिशा की तुलना करने के लिए, एक विषय (सहायक, संघर्ष) एक्स दिशा (महिलाओं को पुरुषों, पुरुषों से महिलाओं के लिए) एनोवा को पहली बार एसएमसी के आईएनएसडब्ल्यूटीसी पर 2-6 एस समय अंतराल के तहत आयोजित किया गया था। 0.04-0.09 हर्ट्ज परिणामों ने किसी भी समय अंतराल (पीएस > 0.05) पर कोई महत्वपूर्ण इंटरैक्शन प्रभाव नहीं दिखाया। 0.4-0.6 हर्ट्ज आवृत्ति रेंज के लिए, परिणामों से पता चला कि इंटरैक्शन प्रभाव मामूली रूप से महत्वपूर्ण था (एफ (1, 21) = 3.23, पी = 0.086)। जोड़ीवार तुलना से पता चला है कि महिलाओं से पुरुषों तक आईएनएसडब्ल्यूटीसी सहायक विषय की तुलना में संघर्ष विषय में काफी अधिक था (एमडी = 0.014, एसई = 0.005, पी = 0.015), जबकि पुरुषों से महिलाओं तक आईएनएसडब्ल्यूटीसी विषयों के बीच काफी भिन्न नहीं था (एमडी = 0.002, एसई = 0.006 , पी = 0.695)।

अंत में, पारंपरिक समय-अंतराल वाले आईएनएसडब्ल्यूटीसी के परिणामों पर ऑटोकोरिलेशन के प्रभाव का परीक्षण करने के लिए, आईएनएसडब्ल्यूटीसी की तुलना डब्ल्यूटीसी (डब्ल्यूटी, एमटी + 4) और डब्ल्यूटीसी (एमटी, एमटी + 4) के बीच क्रमशः 0.04-0.09 हर्ट्ज और 0.4-0.6 हर्ट्ज पर की गई थी। ध्यान दें किWTC (Mt, M t+4) का INS WTC autocorrelation को दर्शाता है। परिणामों से पता चला है कि 0.4-0.6 हर्ट्ज पर, WTC (Wt, M t + 4) के INS WTC और WTC (M t, Mt + 4) (t(21) = 0.336, p = 0.740) के बीच कोई महत्वपूर्ण अंतर नहीं था। 0.04-0.09 हर्ट्ज पर, WTC (Mt, Mt+4) का INSWTC WTC (W t, Mt+4) (t(21) = 4.064, p < 0.001) की तुलना में काफी अधिक था। डब्ल्यूटीसी (एमटी, एम टी+ 4) के आईएनएसडब्ल्यूटीसी के बारे में 0.04-0.09 हर्ट्ज और 0.4-0.6 हर्ट्ज की आवृत्ति श्रेणियों के बीच एक तुलना भी की गई थी। परिणामों से पता चला है कि WTC (Mt, Mt + 4) का INS WTC 0.4-0.6 हर्ट्ज (t(21) = 5.421, p < 0.001) की तुलना में 0.04-0.09 हर्ट्ज पर काफी अधिक था। इन परिणामों से संकेत मिलता है कि समय-लेग्ड आईएनएसडब्ल्यूटीसी कम और उच्च-आवृत्ति श्रेणियों दोनों में स्वत: सहसंबंध से प्रभावित था, लेकिन उच्च-आवृत्ति सीमा की तुलना में कम-आवृत्ति सीमा के लिए प्रभाव बड़ा था।

PWTC विधि का उपयोग कर INS पैटर्न
परिणामों से पता चला है कि संघर्ष और सहायक विषयों के बीच आईएनएसपीडब्ल्यूटीसी में अंतर 0.4-0.6 हर्ट्ज पर महिलाओं और पुरुषों दोनों के एसएमसी में महत्व तक पहुंच गया जब पुरुष मस्तिष्क गतिविधि महिलाओं की तुलना में 4 एस (टी (21) = 4.224, पी = 0.0003) से पिछड़ गई। 0.04-0.09 हर्ट्ज पर; हालांकि, कोई महत्वपूर्ण परिणाम नहीं पाए गए थे, न ही अन्य आवृत्ति श्रेणियों (पीएस > 0.05, चित्रा 2 सी) पर उनके प्रभावी परिणाम थे।

एक अतिरिक्त एनोवा परीक्षण 0.4-0.6 हर्ट्ज पर एसएमसी के आईएनएसपीडब्ल्यूटीसी पर आयोजित किया गया था। परिणामों से पता चला है कि विषय और दिशा के बीच बातचीत मामूली रूप से महत्वपूर्ण थी (एफ (1,21) = 3.48, पी = 0.076)। आगे की जोड़ीवार तुलना से पता चला है कि महिलाओं से पुरुषों तक आईएनएसपीडब्ल्यूटीसी सहायक विषय की तुलना में संघर्ष विषय में काफी अधिक था (एमडी = 0.016, एसई = 0.004, पी = 0.002), जबकि पुरुषों से महिलाओं तक आईएनएसपीडब्ल्यूटीसी विषयों के बीच काफी भिन्न नहीं था (एमडी = 0.0007, एसई = 0.006 , पी = 0.907, चित्रा 2 डी)।

GC विधि का उपयोग कर INS पैटर्न
केवल 0.4-0.6 हर्ट्ज के भीतर एसएमसी में आईएनएसजीसी पर एक एनोवा परीक्षण आयोजित किया गया था। परिणामों ने विषय और दिशा के बीच एक महत्वपूर्ण बातचीत दिखाई (एफ (1,21) = 8.116, पी = 0.010)। पेयरवाइज विश्लेषण से पता चला है कि महिलाओं से पुरुषों तक आईएनएसजीसी सहायक विषय की तुलना में संघर्ष विषय में काफी अधिक था (एमडी = 5.50, एसई = 2.61, पी = 0.043)। इसके विपरीत, पुरुषों से महिलाओं तक आईएनएसजीसी विषयों के बीच काफी अलग नहीं था (एमडी = 1.42, एसई = 2.61, पी = 0.591, चित्रा 2ई)।

Figure 2
चित्रा 2: सिमुलेशन और अनुभवजन्य प्रयोग के परिणाम। (ए) तीन नकली नमूनों के सिमुलेशन परिणाम। Autocorrelation के साथ समय-lagged INSWTC autocorrelation और INSpWTC के बिना समय-lagged INSWTC की तुलना में काफी अधिक था। Autocorrelation और pWTC के बिना समय-lagged आईएनएसWTC के बीच कोई महत्वपूर्ण अंतर नहीं था। (बी) अनुभवजन्य प्रयोग में आईएनएसडब्ल्यूटीसी का टी-मैप, 0.04-0.09 हर्ट्ज के भीतर महत्वपूर्ण संदर्भ प्रभाव दिखाता है जब पुरुषों की एसएमसी गतिविधि 2-6 सेकंड तक महिलाओं की तुलना में पिछड़ गई थी। 0.4-0.6 हर्ट्ज के भीतर एक मामूली रूप से काफी संदर्भ प्रभाव भी था जब पुरुषों की एसएमसी गतिविधि 4 सेकंड से महिलाओं की तुलना में पिछड़ गई थी। (सी) आईएनएसपीडब्ल्यूटीसी का टी-मैप, 0.4-0.6 हर्ट्ज के भीतर एक महत्वपूर्ण संदर्भ प्रभाव दिखा रहा था, जब पुरुषों की एसएमसी गतिविधि महिलाओं की तुलना 4 सेकंड से पीछे रह गई थी। महिलाओं से पुरुषों तक दिशात्मक आईएनएस सहायक संदर्भों की तुलना में संघर्ष संदर्भों में काफी अधिक है। (ई) जीसी परीक्षण (आईएनएसजीसी) द्वारा दिशात्मक आईएनएस का सत्यापन। आईएनएसजीसी का परिणामी पैटर्न आईएनएसपीडब्ल्यूटीसी के समान है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

अनुपूरक चित्रा 1: 11.1 हर्ट्ज (नीली रेखा) और 55.6 हर्ट्ज (लाल रेखा) पर नमूना दर के लिए पावर स्पेक्ट्रम प्लॉट। दोनों के लिए पावर स्पेक्ट्रम पैटर्न काफी समान है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें।

अनुपूरक चित्रा 2: फर्श और ceil WTC के pWTC नक्शे. (ए) बाएं पैनल: दो समान संकेतों द्वारा उत्पन्न समय-लैग्ड डब्ल्यूटीसी मानचित्र, एक्स-अक्ष समय बिंदु है, और वाई-अक्ष आवृत्ति-बैंड है। सभी बिंदुओं पर WTC का माध्य मान ~ 1 है। सही पैनल: दो समान संकेतों का pWTC नक्शा। PWTC मानचित्र WTC मानचित्र के समान है। (बी) बाएं पैनल: दो यादृच्छिक संकेतों द्वारा उत्पन्न समय-लैग्ड डब्ल्यूटीसी मानचित्र, एक्स-अक्ष समय बिंदु है, और वाई-अक्ष आवृत्ति-बैंड है। सभी बिंदुओं पर WTC का माध्य मान ~ 0 है। सही पैनल: दो समान संकेतों का pWTC नक्शा। PWTC मानचित्र WTC मानचित्र के समान है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

हाइपरस्कैनिंग अध्ययनों में, आमतौर पर व्यक्तियों के बीच सूचना प्रवाह के दिशात्मक और अस्थायी पैटर्न का वर्णन करना आवश्यक है। अधिकांश पिछले fNIRS हाइपरस्कैनिंग अध्ययनों ने पारंपरिक WTC25 का उपयोग समय-lagged INS की गणना करके इन विशेषताओं का अनुमान लगाने के लिए किया है। हालांकि, एफएनआईआरएस सिग्नल20,21 की आंतरिक विशेषताओं में से एक के रूप में, ऑटोकोरिलेशन प्रभाव समय-लैग्ड आईएनएस को भ्रमित कर सकता है। इस समस्या को हल करने के लिए, प्रोटोकॉल में, pWTC नामक एक विधि22 पेश की गई थी। यह विधि आंशिक रूप से बाहर autocorrelation के बाद समय-lagged आईएनएस का अनुमान लगाती है और WTC विधि के लाभों को बनाए रखती है। यह प्रोटोकॉल pWTC का संचालन करने के तरीके पर चरण-दर-चरण मार्गदर्शन प्रदान करता है और पारंपरिक WTC और GC परीक्षणों के साथ अपने परिणामों की तुलना करके pWTC के परिणामों को मान्य करता है।

FNIRS-आधारित हाइपरस्कैनिंग डेटा में pWTC को लागू करने के महत्वपूर्ण चरणों को इस प्रोटोकॉल में प्रदर्शित किया जाता है। विशेष रूप से, सबसे पहले, समय-lagged WTC की गणना करने के लिए, autocorrelated WTC, और समय-संरेखित WTC की गणना समय-lagged fNIRS समय श्रृंखला के आधार पर की जानी चाहिए। अगला, pWTC की गणना समीकरण 1 के अनुसार अलग-अलग समय अंतराल पर की जाती है। pWTC के परिणाम एक समय x आवृत्ति मैट्रिक्स वापस, और मैट्रिक्स में मान 0 से 1 तक होता है। इस प्रकार, इन मूल्यों पर आगे के सांख्यिकीय परीक्षण किए जा सकते हैं।

प्रदर्शन प्रोटोकॉल में, पारंपरिक डब्ल्यूटीसी के प्रतिनिधि परिणामों ने दो आवृत्ति बैंड पर दो महत्वपूर्ण प्रभाव दिखाए: 0.4-0.6 हर्ट्ज। हालांकि, 0.04-0.09 हर्ट्ज के भीतर प्रभाव pWTC परिणामों में दहलीज से बच नहीं पाया, यह सुझाव देते हुए कि यह प्रभाव fNIRS सिग्नल के autocorrelation प्रभाव से चकित हो सकता है। दूसरी ओर, 0.4-0.6 हर्ट्ज रेंज के भीतर परिणामों को अच्छी तरह से pWTC विधि द्वारा दोहराया गया था। इन परिणामों से संकेत मिलता है कि autocorrelation प्रभाव को हटाने के बाद, pWTC व्यक्तियों के बीच INS के दिशात्मक और अस्थायी पैटर्न का अनुमान लगाने में अधिक संवेदनशील और विशिष्ट विकास प्रदान करता है। हालांकि, एक और संभावना यह है कि पीडब्ल्यूटीसी उच्च आवृत्ति श्रेणियों की तुलना में कम आवृत्ति श्रेणियों में आईएनएस के दिशात्मक और अस्थायी पैटर्न के लिए अतिसंवेदनशील नहीं है, जिसके परिणामस्वरूप आईएनएस प्रभाव को कम करके आंका जाता है। इन संभावनाओं को और स्पष्ट करने के लिए भविष्य के अध्ययन की आवश्यकता है।

जीसी परीक्षण के साथ एक तुलना आगे इस निष्कर्ष का समर्थन करती है। जीसी परीक्षण के परिणाम पीडब्ल्यूटीसी के उन लोगों के समान थे, जो महिलाओं से पुरुषों तक महत्वपूर्ण जानकारी प्रवाह दिखाते थे, लेकिन पुरुषों से महिलाओं तक नहीं। जीसी परीक्षण और पीडब्ल्यूटीसी के परिणामों के बीच थोड़ा अंतर था, यानी, विषय और दिशा के बीच बातचीत प्रभाव पीडब्ल्यूटीसी के परिणामों में मामूली रूप से महत्वपूर्ण था, लेकिन जीसी परीक्षण में महत्व तक पहुंच गया। यह अंतर इसलिए हो सकता है क्योंकि pWTC की गणना GC परीक्षण की तुलना में एक बेहतर टाइमस्केल पर की जाती है। इस प्रकार, हालांकि दोनों pWTC और जीसी परीक्षण विश्वसनीय परिणाम प्रदान कर सकते हैं जब autocorrelation प्रभाव के लिए नियंत्रित, pWTC लाभप्रद है क्योंकि यह स्थिर धारणाओं बनाने के लिए आवश्यक नहीं है और एक उच्च अस्थायी स्पेक्ट्रम संरचना रखता है।

PWTC विधि की भी अपनी सीमाएं हैं। जीसी परीक्षण के समान, पीडब्ल्यूटीसी से अनुमानित कार्यकारणता एक वास्तविक कारण37,38 नहीं है। इसके बजाय, यह केवल ए और बी के संकेतों के बीच एक अस्थायी संबंध को इंगित करता है। PWTC विधि लागू करते समय इस समस्या को ध्यान में रखा जाना चाहिए। दूसरा, pWTC केवल autocorrelation प्रभाव को आंशिक करता है। इस प्रकार, अन्य संभावित समवर्ती चर, जैसे कि साझा वातावरण या समान क्रियाएं, अभी भी परिणामों को प्रभावित कर सकती हैं। नतीजतन, इन भ्रमित कारकों को नियंत्रित करने के बाद सूचना प्रवाह की दिशा और अस्थायी पैटर्न के बारे में निष्कर्ष निकाले जाने चाहिए।

इसके अतिरिक्त, FNIRS डेटा preprocessing के बारे में कुछ जटिल समस्याएँ थीं। यद्यपि एफएनआईआरएस में सिर के आंदोलनों की एक उच्च सहिष्णुता है, गति कलाकृतियां अभी भी शोर39 का सबसे महत्वपूर्ण स्रोत हैं। बड़े सिर आंदोलनों अभी भी optodes की स्थिति में बदलाव के लिए नेतृत्व करेंगे, गति कलाकृतियों जैसे तेज स्पाइक और बेसलाइन बदलाव के रूप में उत्पन्न. इन मुद्दों को संबोधित करने के लिए, कई कलाकृतियों के सुधार दृष्टिकोण विकसित किए गए थे जैसे कि स्प्लाइन इंटरपोलेशन40, तरंगिका-आधारित फ़िल्टरिंग39, सिद्धांत घटक विश्लेषण41, और सहसंबंध-आधारित सिग्नल सुधार42, आदि। कूपर और उनके कॉलेग्स43 ने वास्तविक विश्राम-राज्य एफएनआईआरएस डेटा के आधार पर इन दृष्टिकोणों की तुलना की है और पाया है कि तरंगिका-आधारित फ़िल्टरिंग ने इसके विपरीत-से-शोर अनुपात में उच्चतम वृद्धि का उत्पादन किया है। इसके अलावा, ब्रिगेडियर और उसके कॉलेज44 ने वास्तविक भाषाई कार्य डेटा में इन दृष्टिकोणों की तुलना भी की है और यह भी पाया है कि तरंगिका-आधारित फ़िल्टरिंग गति कलाकृतियों को सही करने में सबसे प्रभावी दृष्टिकोण था। इस प्रकार, इस अध्ययन में, तरंगिका-आधारित फ़िल्टरिंग को लागू किया गया था और भविष्य के fNIRS हाइपरस्कैनिंग अध्ययनों के लिए भी अनुशंसित किया गया था।

सामान्य तौर पर, पीडब्ल्यूटीसी सामाजिक संपर्क के दौरान सूचना प्रवाह के दिशात्मक और अस्थायी पैटर्न का अनुमान लगाने में एक मूल्यवान दृष्टिकोण है। इससे भी महत्वपूर्ण बात, यह माना जाता है कि पीडब्ल्यूटीसी विधि छद्म-हाइपरस्कैनिंग अध्ययनों के लिए भी उपयुक्त है (यानी, दो या कई दिमागों के संकेतों को एक साथ45,46 एकत्र नहीं किया जाता है)। इस तरह के प्रयोगों में, हालांकि सूचना प्रवाह की दिशा तय की जाती है, लेकिन सिग्नल के इनपुट और सिग्नल की प्रक्रिया के बीच समय अंतराल की अवधि की जांच करना भी दिलचस्पी है। इसलिए, autocorrelation भी समय-lagged आईएनएस के परिणामों को भ्रमित कर सकते हैं। भविष्य में, यह विधि हाइपरस्कैनिंग और अन्य इंटरब्रेन अध्ययनों में कई सवालों के जवाब दे सकती है। उदाहरण के लिए, विभिन्न सामाजिक संबंधों में प्रमुख भूमिका निर्धारित करने के लिए, जैसे कि शिक्षक और छात्र, डॉक्टर और रोगी, और कलाकार और दर्शक। इसके अतिरिक्त, जैसा कि पीडब्ल्यूटीसी आईएनएस की अस्थायी संरचनाओं को बनाए रखता है, आईएनएस के गतिशील पैटर्न का परीक्षण करना भी संभव है, जैसे कि समूह दृष्टिकोण अभिसरण।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों ने कोई प्रतिस्पर्धी वित्तीय हितों की घोषणा नहीं की है।

Acknowledgments

इस काम को चीन के राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन (61977008) और दस हजार प्रतिभा कार्यक्रम के युवा शीर्ष पायदान प्रतिभाओं द्वारा समर्थित किया गया था।

Materials

Name Company Catalog Number Comments
fNIRS topography system Shimadzu Corporation Shimadzu LABNIRS systen LABNIRS system contains 40 emitters and 40 detectors for fNIRS signals measurement. In this protocol we used these emitters and detectors created two customized 26-channels probe sets and attached to two caps accroding to 10-20 system. Further, LABNIRS system also contains built-in GUI softwares for data quality check, data convert and data export.
MATLAB The MathWorks, Inc. MATLAB 2019a In this protocol, several toolboxs and functions bulit in MATLAB were used:
SPM12 toolbox was used to normalize the valided MRI data through its GUI.
NIRS_SPM toolbox was used to project the MNI coordinates of the probes to the AAL template through its GUI.
Homer3 toolbox was used to remove motion artifacts through its function hmrMotionCorrectWavelet with default parameters.
Wavelet toolbox was used to compute WTC and pWTC through its function wcoherence.
MRI scanner Siemens Healthineers TRIO 3-Tesla scanner In this protocol, the MRI scanner was used to obtain MNI coordinates of each channel and optpde. Scan parameters are described in main text.
customized caps In this protocol, we first marked two nylon caps with 10-20 system. Then, we made two 26-channels customized optode probes sets. Finally, we attached probes sets to caps aligned with landmarks.

DOWNLOAD MATERIALS LIST

References

  1. Hasson, U., Ghazanfar, A. A., Galantucci, B., Garrod, S., Keysers, C. Brain-to-brain coupling: A mechanism for creating and sharing a social world. Trends in Cognitive Sciences. 16 (2), 114-121 (2012).
  2. Hasson, U., Frith, C. D. Mirroring and beyond: Coupled dynamics as a generalized framework for modelling social interactions. Philosophical Transactions of the Royal Society B: Biological Sciences. 371, 20150366 (2016).
  3. Jiang, J., et al. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  4. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  5. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 1-12 (2018).
  6. Long, Y., et al. Interpersonal neural synchronization during interpersonal touch underlies affiliative pair bonding between romantic couples. Cerebral Cortex. 31 (3), New York, N.Y. 1647-1659 (2021).
  7. Liu, W., et al. Shared neural representations of syntax during online dyadic communication. NeuroImage. 198, 63-72 (2019).
  8. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  9. Stephens, G. J., Silbert, L. J., Hasson, U. Speaker-listener neural coupling underlies successful communication. Proceedings of the National Academy of Sciences of the United States of America. 107 (32), 14425-14430 (2010).
  10. Hirsch, J., et al. Interpersonal agreement and disagreement during face-to-face dialogue: An fNIRS investigation. Frontiers in Human Neuroscience. 14, 606397 (2021).
  11. Pan, Y., Cheng, X., Zhang, Z., Li, X., Hu, Y. Cooperation in lovers: An fNIRS-based hyperscanning study. Human Brain Mapping. 38 (2), 831-841 (2017).
  12. 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).
  13. Piazza, E. A., Hasenfratz, L., Hasson, U., Lew-Williams, C. Infant and Adult Brains Are Coupled to the Dynamics of Natural Communication. Psychological Science. 31 (1), 6-17 (2020).
  14. Djalovski, A., Dumas, G., Kinreich, S., Feldman, R. Human attachments shape interbrain synchrony toward efficient performance of social goals. NeuroImage. 226, 117600 (2021).
  15. Zhao, H., et al. How mother-child interactions are associated with a child's compliance. Cerebral Cortex. 31 (9), 4398-4410 (2021).
  16. Jiang, J., Zheng, L., Lu, C. A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience. 16 (1-2), 246-255 (2021).
  17. Yan, W., et al. Bibliometric evaluation of 2000-2019 publications on functional near-infrared spectroscopy. NeuroImage. 220, 117121 (2020).
  18. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  19. Dean, R. T., Dunsmuir, W. T. M. Dangers and uses of cross-correlation in analyzing time series in perception, performance, movement, and neuroscience: The importance of constructing transfer function autoregressive models. Behavior Research Methods. 48 (2), 783-802 (2016).
  20. Barker, J. W., Rosso, A. L., Sparto, P. J., Huppert, T. J. Correction of motion artifacts and serial correlations for real-time functional near-infrared spectroscopy. Neurophotonics. 3 (3), 031410 (2016).
  21. Huppert, T. J. Commentary on the statistical properties of noise and its implication on general linear models in functional near-infrared spectroscopy. Neurophotonics. 3 (1), 010401 (2016).
  22. Mihanović, H., Orlić, M., Pasarić, Z. Diurnal thermocline oscillations driven by tidal flow around an island in the Middle Adriatic. Journal of Marine Systems. 78, SUPPL. 1 157-168 (2009).
  23. Ng, E. K. W., Chan, J. C. L. Geophysical applications of partial wavelet coherence and multiple wavelet coherence. Journal of Atmospheric and Oceanic Technology. 29 (12), 1845-1853 (2012).
  24. Ng, E. K. W., Chan, J. C. L. Interannual variations of tropical cyclone activity over the north Indian Ocean. International Journal of Climatology. 32 (6), 819-830 (2012).
  25. 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, 561-566 (2004).
  26. Jurcak, V., Tsuzuki, D., Dan, I. 10/20, 10/10, and 10/5 systems revisited: Their validity as relative head-surface-based positioning systems. NeuroImage. 34 (4), 1600-1611 (2007).
  27. Homan, R. W., Herman, J., Purdy, P. Cerebral location of international 10-20 system electrode placement. Electroencephalography and Clinical Neurophysiology. 66 (4), 376-382 (1987).
  28. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. 46 (1), 64-72 (2009).
  29. Penny, W., Friston, K., Ashburner, J., Kiebel, S., Nichols, T. Statistical Parametric Mapping: The Analysis of Functional Brain Images. , Academic Press. (2007).
  30. Shalinsky, M. H., Kovelman, I., Berens, M. S., Petitto, L. A. Exploring cognitive functions in babies, children & adults with near infrared spectroscopy. Journal of Visualized Experiments: JoVE. (29), e1268 (2009).
  31. Xu, S. Y., Cheong, L. I., Zhuang, Y., Couto, T. A. P., Yuan, Z. Conducting concurrent electroencephalography and functional near-infrared spectroscopy recordings with a flanker task. Journal of Visualized Experiments: JoVE. (159), e6069 (2020).
  32. Noah, J. A., et al. fMRI validation of fNIRS measurements during a naturalistic task. Journal of Visualized Experiments: JoVE. (100), e52116 (2015).
  33. Tong, Y., Lindsey, K. P., Frederick, B. D. Partitioning of physiological noise signals in the brain with concurrent near-infrared spectroscopy and fMRI. Journal of Cerebral Blood Flow and Metabolism. 31 (12), 2352-2362 (2011).
  34. Buck, R., Miller, R. E., Caul, W. F. Sex, personality, and physiological variables in the communication of affect via facial expression. Journal of Personality and Social Psychology. 30 (4), 587-596 (1974).
  35. Walen, H. R., Lachman, M. E. Social support and strain from partner, family, and friends: Costs and benefits for men and women in adulthood. Journal of Social and Personal Relationships. 17 (1), 5-30 (2000).
  36. Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
  37. Liu, H., et al. Inferring subsurface preferential flow features from a wavelet analysis of hydrological signals in the shale hills catchment. Water Resources Research. 56 (11), 0-3 (2020).
  38. Rhif, M., Abbes, A. B., Farah, I. R., Martínez, B., Sang, Y. Wavelet transform application for/in non-stationary time-series analysis: A review. Applied Sciences. 9 (7), Switzerland. 1345 (2019).
  39. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  40. 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), 649-662 (2010).
  41. 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).
  42. 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).
  43. Cooper, R. J., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 0, 147 (2012).
  44. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  45. Liu, Y., et al. Measuring speaker-listener neural coupling with functional near infrared spectroscopy. Scientific Reports. 7, 1-13 (2017).
  46. Li, Z., et al. Speaker-listener neural coupling reveals an adaptive mechanism for speech comprehension in a noisy environment. Cerebral Cortex. , (2021).

Tags

तंत्रिका विज्ञान अंक 175
आंशिक तरंगिका ट्रांस्फ़ॉर्म सुसंगतता विधि का उपयोग कर fNIRS-Hyperscanning डेटा में दिशात्मक सूचना प्रवाह का मापन
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Zhou, S., Long, Y., Lu, C.… More

Zhou, S., Long, Y., Lu, C. Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method. J. Vis. Exp. (175), e62927, doi:10.3791/62927 (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