Summary
このプロトコルは、社会的相互作用中の情報の流れの方向および時間的パターンを推測するために、対人神経同期(INS)の時間時間差パターンを計算するための部分ウェーブレット変換コヒーレンス(pWTC)を記述する。INS上のシグナル自己相関の交絡を除去する上でのpWTCの有効性は、2つの実験によって証明された。
Abstract
社会的相互作用は人間にとって極めて重要です。ハイパースキャンアプローチは、社会的相互作用中の対人神経同期(INS)を研究するために広く使用されてきましたが、機能的近赤外分光法(fNIRS)は、比較的高い空間分解能、音の解剖学的局在化、およびモーションアーチファクトの非常に高い耐性のために、自然主義的社会的相互作用をハイパースキャンするための最も一般的な技術の1つです。以前のfNIRSベースのハイパースキャニング研究では、通常、ウェーブレット変換コヒーレンス(WTC)を使用して時間時間差INSを計算し、個人間の情報の流れの方向と時間パターンを記述します。しかしながら、この方法の結果は、各個体のfNIRS信号の自己相関効果によって交絡する可能性がある。この問題に対処するために、自己相関効果を除去し、fNIRS信号の高い時間スペクトル分解能を維持することを目的とした部分ウェーブレット変換コヒーレンス(pWTC)と呼ばれる方法が導入されました。本研究では、INSに対する自己相関の影響を除去する上でのpWTCの有効性を示すために、最初にシミュレーション実験が行われた。次に、社会的相互作用実験からのfNIRSデータセットに基づくpWTCの動作について、段階的なガイダンスが提供された。さらに、pWTC法と従来のWTC法との比較、およびpWTC法とグレンジャー因果関係(GC)法との比較が描かれた。結果は、pWTCが、自然主義的社会的相互作用中の個人間の異なる実験条件間のINS差およびINSの方向的および時間的パターンを決定するために使用することができることを示した。さらに、従来のWTCよりも優れた時間分解能と周波数分解能を提供し、GC法よりも優れた柔軟性を提供します。したがって、pWTCは、自然主義的な社会的相互作用中の個人間の情報の流れの方向および時間的パターンを推測するための強力な候補である。
Introduction
社会的相互作用は人間にとって極めて重要である1,2。社会的相互作用の二重脳神経認知メカニズムを理解するために、ハイパースキャンアプローチが最近広く使用されており、対人神経同期(INS)のパターンが社会的相互作用プロセスをうまく特徴付けることができることを示している3、4、5、6、7、8、9、10、11、12,13,14。最近の研究の中で、興味深い発見は、ダイアドにおける個人の役割の違いがINSの時間遅れパターンにつながる可能性があるということです、すなわち、INSは、ある個人の脳活動が他の個人の脳活動に数秒遅れたときに起こります。 教師から生徒へ8人、母親から子供へ13,15人、ロマンチックなカップルの女性から男性へ6.最も重要なのは、時間遅れINSの間隔と、質問する教師と8に答える生徒の間、または母親の子育て行動と子供のコンプライアンス行動15との間のそのような社会的相互作用行動の間隔との間に良好な対応がある。したがって、時間差INSは、対人言語コミュニケーションのための最近の階層モデル16において提案されているように、ある個人から別の個人への指向性情報フローを反映し得る。
これまで、時間遅れINSは、自然主義的社会的相互作用を研究する際の比較的高い空間分解能、音の解剖学的局在化、およびモーションアーチファクト17の非常に高い許容度のために、主に機能的近赤外分光法(fNIRS)信号に基づいて計算された。また、社会的相互作用中の神経タイムラグと行動タイムラグとの対応関係を精密に特徴付けるためには、タイムラグ毎(例えば、無タイムラグから10秒のタイムラグまで)のINS強度を求めることが不可欠である。この目的のために、以前は、ウェーブレット変換コヒーレンス(WTC)手順は、ある個体の脳信号を別の個体の脳信号に対して前方または後方にシフトした後に広範囲に適用されていた5,6,18。fNIRS信号に対してこの従来のWTC手順を使用する場合、観察された時間遅れINSが個々の19、20、21に対するfNIRS信号の自己相関効果によって交絡する可能性があるため、潜在的な課題があります。例えば、ダイアディック社会的相互作用プロセスの間、時点tにおける参加者Aの信号は、同じ時点における参加者Bの信号と同期され得る。一方、時間点tにおける参加者Aの信号は、自己相関効果のために、後の時点t+1における参加者Aの信号と同期され得る。したがって、時刻tにおける参加者Aの信号と、時点t+1における参加者Bの信号との間に、偽の時間差INSが発生する可能性があります。
Mihanovićと彼の同僚22は、最初に部分ウェーブレット変換コヒーレンス(pWTC)と呼ばれる方法を導入し、次にそれを海洋科学23,24に適用した。この方法の本来の目的は、2つの信号のコヒーレンスを推定するときに外因性の交絡ノイズを制御することでした。ここでは、fNIRSハイパースキャンデータの自己相関の問題に対処するために、pWTC法を拡張して、fNIRS信号上の時間差INSを計算しました。正確には、参加者Aから参加者Bまでの時間差INS(および方向情報フロー)は、以下の式(式1)23を使用して計算できます。
ここでは、参加者 A と参加者 B からそれぞれ A と B の 2 つの信号があると仮定します。信号Bの発生は、常にnのタイムラグを持つ信号Aの発生に先行し、WTC(At、Bt+n)は従来の時間差WTCである。WTC (At, At+n) は、構成要素 A における自己相関 WTC であり、WTC (At, B t) は、構成要素 A と B の間の時点 t における時間整合 WTC です。* は複素共役演算子です (図 1A)。
図 1: pWTC の概要 (A) pWTC の論理。ダイアド内には2つの信号AとBがあります。A の出現は、常にラグ n を持つ B の出現に続きます。灰色のボックスは、特定の時点tまたはt+nにおけるウェーブレットウィンドウです。pWTC方程式(図に表されている)に基づいて、3つのWTCを計算する必要があります:At + nとBtの時間遅れWTC。A tおよびA t + nの参加者Aにおける自己相関WTC;時刻t、RtおよびBtにおける時間整列WTCである。(イ)オプトイドプローブセットのレイアウト。CH11はT3に置かれ、CH25は国際10-20システム27,28に従ってT4に置かれた。この図の拡大版を表示するには、ここをクリックしてください。
このプロトコルは、pWTCが自己相関の課題をどの程度うまく解決するかを示すために、最初にシミュレーション実験を導入しました。次に、自然主義的社会的相互作用の実証実験に基づき、pWTCを段階的に実施する方法を説明しました。ここでは、通信コンテキストを使用してメソッドを導入しました。これは、以前は、時間差INSは、通常、自然主義的なコミュニケーションコンテキスト3、4、6、8、13、15、18で計算されていたためです。さらに、pWTCと従来のWTCの比較、グレンジャー因果関係(GC)検定による検証も実施されました。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
人体実験プロトコルは、北京師範大学の認知神経科学と学習の国家主要研究所の治験審査委員会と倫理委員会によって承認されました。すべての参加者は、実験が始まる前に書面によるインフォームドコンセントを与えました。
1. シミュレーション実験
- 互いに相関するシグナルの2つの時系列を生成し、1つのシグナルが4秒のタイムラグで自己相関を有する。2つの信号間のrの相関係数を0.4に設定します。
- さらに、相関関係はなく、1つの信号に自己相関を持つ2つの時系列の信号を生成します。
- 相関の有無にかかわらず生成された信号に基づいて、式2を使用して従来の4秒の時間時間差INSの値を計算します。この信号には、自己相関付きの時間時間差INS WTCと自己相関付きの時間時間差INSWTCという名前を付けることができます。
注:ここで、従来の時間差WTCは、次の式(式2)25で表される。
ここで、 C は、異なる縮尺 i および時間点 tでの連続ウェーブレット変換演算子を示す。 S は 平滑化演算子を示します。*は複素共役演算子を示す。W と M は、シグナルの 2 つの個別の時系列を示します。 - 生成されたシグナルから自己相関を削除します。次に、相関の有無にかかわらず生成された信号に基づいて、式2を使用して従来の4秒の時間差INS WTCの値を計算します。この信号には、自己相関のない時間差INSWTCと自己相関のない時間時間差ベースラインINSWTCという名前を付けることができます。
- 相関の有無にかかわらず生成された信号(時間時間差INS pWTCと時間時間差ベースラインINS pWTCという名前)に基づいて、式3を使用して4秒の時間時間差pWTCの値を計算します。
注:pWTCは、次の式(式3)に基づいて計算できます23
ここで、WTC (Wt, Mt+n) は従来の時間差 WTC です。WTC(Mt、Mt+n)は、1人の個体の自己相関WTCである。WTC (Wt, Mt) は、時間アライメントされた WTC です。* は複素共役演算子である。 - 上記の手順を1000回繰り返します。
- ベースライン INS を減算した後、自己相関付きの時間時間差 INSWTC 、自己相関のない時間差 INSWTC、および分散分析 (ANOVA) 法を使用した時間時間差 INSpWTC の結果を比較します。
注: ここでは、自己相関のある時間差 INS WTC は、自己相関のない時間差 INS WTC および時間時間差 INS pWTC よりも有意に高くなることが予想され、自己相関のない時間差 INSWTC と時間差 INS pWTC との間に有意差は期待されません。
2. 実証実験
- 参加者と手順
- 適切な参加者を募集する。
注:この研究では、北京の大学の学部生から広告を通じて、22組の親しい異性間の友人(女性の平均年齢= 20.95、標準偏差(SD)= 1.86、男性の平均年齢= 20.50、SD = 1.74)を募集した。すべての参加者は右利きで、正常または正常視力に矯正された。さらに、言語障害、神経学的障害、精神疾患を抱えた参加者はいなかった。 - 実験中は、参加者の各ペアに向かい合って座るように言います。一方のセッションでは支持的な話題について,もう一方のセッションでは対立する話題について自由に話し合ってもらいます。
注:トピックは、意図された肯定的または否定的な感情的価数を誘発するために使用されました。各コミュニケーションセッションは10分間続き、トピックの順序は相殺されました。 - 参加者に、標準的なセットアップルールとして、支持的なトピックと競合するトピックについて報告してもらいます。各パートナーに、明確な点スケールで誘導された可能性のある正または負の価数レベルを評価するように依頼します。次に、報告されたトピックを評価に従ってランク付けします。
注:この作業では、トピックは次の3つのステップで選択されました。まず、支援的なトピックのために、各参加者は、彼女/彼が彼女/彼の人生で改善したいことに関連する1-3の個人的な問題を報告するように求められました。各参加者は、紛争のトピックについて、彼らの間の紛争を誘発した、または誘発する、または関係を危険にさらす可能性のある1〜3のケースを報告する必要がありました。第二に、各パートナーは、各トピックが誘発する可能性のある正または負の価数のレベルを7点満点(1 = まったくない、7 =非常に多く)で評価する必要がありました。第三に、報告されたトピックは評価に従ってランク付けされました。支持的なトピックと競合トピックのリストの最初の2つのトピックが選択されました。
- 適切な参加者を募集する。
- fNIRS データ収集
- 26チャンネルfNIRS地形システム( 材料表を参照)を使用してfNIRSデータを収集します。
注:2つのカスタマイズされたオプトードプローブセットは、両側前頭皮質、側頭皮質、および頭頂皮質をカバーしました(図1B)。 - 正確には、各参加者に2つのカスタマイズされたプローブセット( 材料表を参照)のキャップを着用するように依頼します。
- 鼻、イニオン、耳の乳突起を、10-20国際システム26の典型的なランドマークであるFpz、Opz、T7、およびT8に合わせます。
- チャネル(CH)11をT3およびCH25からT4に合わせ、2つのプローブセット27,28の国際10-20システムに従います。
- 高分解能T1加重磁化準備された高速勾配エコーシーケンス(TR = 2530ms;TE = 3.39 ミリ秒;フリップ角度 = 7°;スライスの厚さ= 1.3ミリメートル。ボクセルサイズ = 1.3 x 1 x 1.3 mm)。
- 統計パラメトリックマッピング12(SPM12)を使用して、画像を標準的なモントリオール画像研究所座標(MNI座標)空間29に正規化する。次に、NIRS_SPMツールボックス( 材料表を参照)を使用して、プローブのMNI座標を自動解剖学的標識(AAL)テンプレートに投影します。
- 55.6Hzのサンプリングレート(装置デフォルトパラメータ)で3波長(780、805、および830nm)の近赤外光の光学密度データを収集します。
- fNIRS地形システムに内蔵された機器ソフトウェアを使用して信号品質をテストします( 材料表を参照)。
- 信号の記録を開始します。
注:いくつかの公開されたプロトコルは、様々な機器およびシステム30,31,32でfNIRS信号を収集する方法を実証している。
- 26チャンネルfNIRS地形システム( 材料表を参照)を使用してfNIRSデータを収集します。
- fNIRS データの前処理
- 機器からデータファイルをエクスポートします。
注:現在の実験では、内蔵ソフトウェアが修正されたビールランバート法則に基づいて、全光学濃度データをオキシヘモグロビン(HbO)濃度変化に自動的に変換しました。 - 各セッションの最初と最後の 15 秒のデータを削除して、一時的な応答を回避します。
- MATLAB デシメート組み込み関数を使用して、データを 55.6 Hz から 11.1 Hz にダウンサンプリングします。
メモ: 55.6 Hz と 11.1 Hz の間のパワースペクトルパターンは非常によく似ています(補足図 1)。 - 組み込みのMATLABアプリケーション関数(Homer3、 材料表を参照)を適切なフィルタリング機能とともに使用して、離散ウェーブレット変換フィルタ法を適用してモーションアーチファクトを修正します。
- MATLAB pca 組み込み関数を使用して、グローバルな生理学的ノイズを除去します。シグナルから分散の上位80%を削除します。
- 以前の研究33に基づいて生理学的ノイズを除去する。正確には、高周波の生理学的ノイズ(心臓活動など)のエイリアシングを避けるために、0.7Hzを超える各信号の周波数帯域を除去します。
- 次に、0.01Hz未満の各信号の周波数帯域を削除して、非常に低い周波数の変動をフィルタリングします。
- 最後に、各信号の周波数帯域を0.15~0.3Hz以内に除去して、呼吸活動の潜在的な影響を排除します。
- 機器からデータファイルをエクスポートします。
- 第1レベルのfNIRSデータ処理
- まず、従来の WTC (INSWTC) を使用して INS を計算します。
注:ここでは、以前の研究が会話中の女性と男性の異なる役割を示唆しているため、INSWTCの女性主導の時間遅れパターンが女性の脳活動と男性の脳活動の間で起こると予測された34,35。従来のWTCは、男性の脳活動を女性の脳活動と比較して後方にシフトさせることによって、INSWTCのこのパターンを計算しました(式2を参照)。 - 式 2 を使用して、女性から最初の 2 秒のデータと男性からの最後の 2 秒のデータを削除した後、女性主導の 2 秒遅れの INSWTC 値を計算します。同様に、男性から最初の 2 秒のデータと女性からの最後の 2 秒のデータを削除した後、式 4 を使用して、男性主導の 2 秒時間差の INSWTC 値を計算します。
注:ここでは、MATLABのウェーブレットツールボックスの組み込み関数であるwcoherence関数を使用しました( 材料表を参照)。 - 異なるタイムラグn、すなわち、すべての潜在的なCHペアにわたってn = 2 s、4 s、6 s、8 s(例えば、女性のCH2および男性のCH10、合計676ペア)でこの手順を繰り返す。さらに、男性主導の時間遅れINSWTC の強さを同じ方法で計算します(式4)。
- 次に、pWTC (INSpWTC) を使用して INS を計算します。
注:pWTCは 式3に基づいて計算された。INSpWTC の計算は、異なるタイムラグn、すなわち、すべての潜在的なチャネルペアにわたってn=2s、4s、6s、8sで繰り返された(例えば、女性のCH2および男性のCH10、合計676ペア)。さらに、男性主導の時間遅れINSpWTC の強度も同じ方法で計算した(式5)。
- 異なるタイムラグでfNIRS信号の時間差時系列を生成します。
- 異なるタイムラグでのタイムラグWTCの値を計算します。
- 異なるタイムラグでfNIRS信号の自己相関時系列を生成します。男性の 2 秒の自己相関値を計算するには、男性から最初の 2 秒のデータを削除し、男性から最後の 2 秒のデータを削除します。
- 異なるタイムラグで自己相関 WTC 値を計算します。
- 異なるタイムラグでfNIRS信号の時間整合時系列を生成します。2 秒の時間調整 WTC を計算するには、男性と女性の最初の 2 秒のデータからデータの最初の 2 秒を削除します。
- 時間調整された WTC 値を計算します。
- 時間アライメントされた WTC、時間差 WTC、および異なるタイムラグでの自己相関 WTC 値を式 3 と式 5 (pWTC の式) に入力し、INSpWTC を生成します。
- 最後に、GC メソッド (INSGC) を使用して INS を計算します。
注: pWTC 法をさらに検証し、その長所と短所を評価するために、GC ベースの INS は GC 法 (INSGC) を使用して計算されました。 - pWTCの結果に基づいて、バンドパスはSMCで各個人のHbO信号をフィルタリングします(すなわち、0.4〜0.6Hz、 代表的な結果を参照)。
- GCテスト(計量経済学ツールボックス、MATLAB)を各ダイアド内で、支持的および対立的なトピックで別々に実施します。
注:INSGCについては、4つのF値グループが得られる:(1)支持的なトピック(W2M_supp)について女性から男性まで。(2)支持的な話題(M2W_supp)に関する男性から女性へ。(3)紛争のトピックに関する女性から男性へ(W2M_conf)。(4)紛争のトピックに関する男性から女性へ(M2 W_conf)。F 値は、INS GC のインデックスを作成するために使用されます。
- まず、従来の WTC (INSWTC) を使用して INS を計算します。
- 第 2 レベルの fNIRS データ処理
- INS を Fisher-z 変換で変換し、時間次元で INS を平均します。
注: ここでは、Fisher-z 変換は、式 6 36 のカスタム MATLAB スクリプトを使用して実行されました。
ここで、r は WTC または pWTC の値であり、z は WTC または pWTC のフィッシャー z 変換値です。 - 各タイムラグでの平均INSについて、周波数範囲にわたる各CHペアでペアの2サンプル t検定(支持 対競合)を実施します。次に、すべての重要な周波数クラスタを特定します(P<0.05)。
- クラスターベースの順列テストを実行して、結果のしきい値を設定します。
- 参加者を新しい2人のメンバーのペア、つまり互いに通信したことのないダイアドの参加者にランダムに割り当てることによって、ダイアディック関係を再割り当てします。各タイムラグでINSを再計算し、新しいサンプルで対応のある t検定を再度実行し、有意な周波数クラスタを再度特定します。
- 合計 t 値が最大のクラスターを選択します。上記の手順を 1000 回繰り返して、最大偽陽性 t 値のヌル分布を生成します。
注: 分布は確率レベルとして機能します。ファミリごとのエラー率(FWER)はq = 0.05で制御され、偽陽性のt値のヌル分布の上位5%のみがしきい値(R*)を超えます。 - 元のサンプルで識別された各頻度クラスターのt値を合計した値をヌル分布と比較して、有意な統計結果を得ます。
- コンテキスト(支持的、対立的)x方向(女性から男性、男性から女性へ)分散分析(ANOVA)を実施して、異なる条件(すなわち、トピック)間のINS方向の差を検定する(p<0.05)。
- WTC(Wt、Mt+n)とWTC(Mt、Mt+n)の結果の間で対応のある2サンプル両側t検定を実施し、INSに対する自己相関の潜在的な影響を検定します。
注: WTC の INS (Mt、Mt + n) は自己相関を反映しています。
- INS を Fisher-z 変換で変換し、時間次元で INS を平均します。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
シミュレーション結果
その結果、自己相関のある時間差INS WTCは、自己相関のない時間差INSWTC(t(1998) = 4.696, p < 0.001)および時間差INSpWTC(t(1998) = 5.098, p < 0.001)よりも有意に高いことが示された。さらに、自己相関のない時間差INS WTCとINSpWTCとの間に有意差はなかった(t(1998) = 1.573, p = 0.114, Figure 2A)。これらの結果は、pWTCがINSに対する自己相関効果の影響を効果的に除去できることを示しています。さらに、WTC値が0または1に近い値に設定されている場合、時間差INSpWTCは、WTC値が0または1から離れていても信頼できる結果を示しました(補足図2)。
実証実験結果
従来の WTC 方式を使用した INS パターン
その結果、0.04-0.09Hzでは、女性と男性の両方の感覚運動野(SMC、CH20)におけるINSWTCが、男性の脳活動が女性の脳活動に2秒、4秒、6秒遅れた場合(2秒: t(21) = 3.551、 p = 0.0019;ラグ 4 秒: t(21) = 3.837, p = 0.0009;ラグ 6 秒: t(21) = 3.725, p = 0.0013)。さらに、0.4-0.6Hzでは、SMCのINSWTC は、男性の脳活動が女性の脳活動に4秒遅れた場合(t(21) = 2.828、 p = 0.01、 図2B)。
さらに、異なるトピックにおけるINSWTCの方向性を比較するために、トピック(支持的、対立的)x方向(女性から男性へ、男性から女性へ)ANOVAは、SMCのINSWTCで2〜6秒のタイムラグの下で最初に実施された。0.04~0.09Hzの結果では、どのタイムラグ(ps>0.05)でも有意な交互作用効果は示されませんでした。0.4~0.6Hzの周波数範囲では、交互作用効果がわずかに有意であることが分かりました(F(1, 21) = 3.23, p = 0.086)。ペアワイズ比較では、女性から男性へのINS WTCは、対立トピックにおいて支持的なトピックよりも有意に高かった(M.D. = 0.014、S.E. = 0.005、p = 0.015)のに対し、男性から女性へのINSWTCはトピック間で有意差がなかった(M.D. = 0.002、S.E. = 0.006、p = 0.695)。
最後に、従来の時間遅れINS WTCの結果に対する自己相関の影響をテストするために、INSWTCをWTC(Wt、M t+4)とWTC(Mt、M t + 4)の間でそれぞれ0.04-0.09 Hzと0.4-0.6 Hzで比較した。WTC(Mt, Mt+4) の INSWTC は自己相関を反映していることに注意してください。その結果、0.4~0.6Hzでは、WTC(Wt,Mt+4)のINS WTCとWTC( Mt,Mt+4)(t(21) = 0.336, p = 0.740)のINS WTCに有意差は認められなかった。0.04-0.09 Hzでは、WTC(Mt, Mt+4)のINSWTCはWTC(Wt, Mt+4)のWTCよりも有意に高かった(t(21) = 4.064, p < 0.001)。また、WTC(Mt,Mt+4)のINS WTCについて、0.04~0.09Hzと0.4~0.6Hzの周波数範囲の比較も行った。その結果、WTC(Mt,Mt+4)のINS WTCは、0.4-0.6Hzよりも0.04-0.09Hzで有意に高いことが示されました(t(21) = 5.421, p < 0.001)。これらの結果は、時間遅れINSWTCが低周波数範囲と高周波数範囲の両方で自己相関の影響を受けたが、その影響は高周波数範囲よりも低周波数範囲の方が大きかったことを示している。
pWTC メソッドを使用した INS パターン
その結果、対立と支持的な話題の間のINSpWTC の差は、男性の脳活動が女性の脳活動に4秒遅れたとき(t(21) = 4.224、 p = 0.0003)、0.4-0.6Hzで女性と男性の両方のSMCで有意に達したことが示された。0.04-0.09 Hzで;しかし、有意な結果は見つからず、他の周波数範囲でも有効な結果は得られませんでした(Ps > 0.05、 図2C)。
追加の分散分析試験は、SMCのINSpWTCに対して0.4〜0.6Hzで実施された。その結果、トピックと方向の間の相互作用はわずかに有意であることが示された(F(1,21) = 3.48, p = 0.076)。さらにペアワイズ比較を行ったところ、女性から男性へのINS pWTCは、対立トピックにおいて支持的トピックよりも有意に高かった(M.D. = 0.016, S.E. = 0.004 , p = 0.002)のに対し、男性から女性へのINSpWTCはトピック間で有意に差がなかった(M.D. = 0.0007, S.E. = 0.006, p = 0.907, Figure 2D)。
GC メソッドを使用した INS パターン
分散分析テストは、SMCのINSGC で0.4~0.6Hzの範囲内でのみ実施されました。結果は、トピックと方向の間に有意な相互作用を示した(F(1,21) = 8.116、 p = 0.010)。ペアワイズ分析では、女性から男性へのINSGC は、対立トピックにおいて支持的トピックよりも有意に高いことが示された(MD = 5.50、 SE = 2.61、 p = 0.043)。対照的に、INSGC は、男性から女性まで、トピック間で有意差はなかった(MD =1.42、 SE =2.61、 p =0.591、 図2E)。
図2:シミュレーションと実証実験の結果。(A)3つのシミュレーションサンプルのシミュレーション結果。自己相関のある時間差INS WTCは、自己相関のない時間差INSWTCおよびINSpWTCよりも有意に高かった。自己相関のない時間差INSWTCとpWTCとの間に有意差はなかった。(B) 経験的実験におけるINS WTCのtマップは、男性のSMC活性が女性のSMC活性に2〜6秒遅れた場合、0.04〜0.09Hz以内の有意な文脈効果を示した。また、男性のSMC活動が女性の活動に4秒遅れた場合、0.4-0.6Hz以内にわずかにかなりのコンテキスト効果があった(C)男性のSMC活動が女性の活動に4秒遅れた場合、0.4-0.6Hz以内の有意なコンテキスト効果を示すINSpWTCのtマップ。女性から男性への指向性INSは、支援的な文脈よりも紛争の文脈で有意に高い。(E) GC試験(INS GC)による指向性INSの検証結果として得られる INSGC のパターンは、INSpWTC に似ています。この図の拡大版を表示するには、ここをクリックしてください。
補足図1: 11.1Hz(青線)および55.6Hz(赤線)でのサンプルレートのパワースペクトルプロット。 この 2 つのパワースペクトル パターンは非常に似ています。 このファイルをダウンロードするには、ここをクリックしてください。
補足図2: 床とセイルWTCのpWTCマップ。(A) 左パネル: 2 つの同じ信号によって生成された時間差 WTC マップで、x 軸はタイム ポイント、Y 軸は周波数帯域です。すべての点でのWTCの平均値は〜1です。右パネル:2つの類似した信号のpWTCマップ。pWTC マップは WTC マップと非常によく似ています。(B)左パネル:2つのランダムな信号によって生成された時間差WTCマップ、x軸はタイムポイント、y軸は周波数帯域です。すべての点でのWTCの平均値は〜0です。右パネル:2つの類似した信号のpWTCマップ。pWTC マップは WTC マップと非常によく似ています。 このファイルをダウンロードするには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
ハイパースキャン研究では、通常、個人間の情報の流れの方向的および時間的パターンを記述することが不可欠です。これまでのほとんどのfNIRSハイパースキャン研究では、従来のWTC25を使用して、時間差INSを計算することによってこれらの特性を推測してきました。しかし、fNIRS信号20,21の本質的な特徴の1つとして、自己相関効果が時間遅れINSを混乱させる可能性がある。この問題に対処するために、本明細書のプロトコルにおいて、pWTCと称される方法が導入された22。この方法は、部分的に自己相関が外れた後の時間遅れINSを推定し、WTC法の利点を維持します。このプロトコルは、pWTCの実施方法に関するステップバイステップのガイダンスを提供し、その結果を従来のWTCおよびGCテストの結果と比較することによってpWTCの結果を検証します。
fNIRSベースのハイパースキャンデータにpWTCを適用する重要な手順は、このプロトコルで示されています。具体的には、まず、時間時間差 WTC を計算するには、時間差 fNIRS 時系列に基づいて、自己相関 WTC、および時間アライメント WTC を計算する必要があります。次に、pWTCは 式1に従って異なるタイムラグで計算されます。pWTC の結果は、時刻 x 周波数行列を返し、行列内の値の範囲は 0 ~ 1 です。したがって、これらの値に対してさらなる統計的検定を実施することができる。
実証プロトコルでは、従来のWTCの代表的な結果は、2つの周波数帯域(0.4〜0.6Hz)で2つの有意な効果を示した。しかし、0.04~0.09Hz以内の影響はpWTC結果の閾値に耐えられず、この影響はfNIRS信号の自己相関効果によって交絡している可能性があることが示唆された。一方、0.4~0.6Hzの範囲内の結果は、pWTC法によってよく再現された。これらの結果は、自己相関効果を除去した後、pWTCが個人間のINSの方向的および時間的パターンを推測する際に、より敏感で具体的な発展をもたらすことを示している。しかし、別の可能性は、pWTCが高周波数範囲よりも低い周波数範囲でINSの指向性および時間的パターンの影響を受けにくく、INS効果が過小評価されることです。これらの可能性をさらに明らかにするためには、今後の研究が必要です。
GCテストとの比較は、この結論をさらに支持する。GC検定の結果はpWTCの結果と非常によく似ており、女性から男性への重要な情報の流れを示したが、男性から女性への重要な情報の流れは示されなかった。GC検定とpWTCの結果の間にはわずかな差があった、すなわち、トピックと方向の間の交互作用効果はpWTCの結果ではわずかに有意であったが、GC検定では有意に達した。この差は、pWTCがGC検定よりも細かいタイムスケールで計算されるためである可能性があります。したがって、pWTC検定とGC検定の両方が自己相関効果を制御する際に信頼できる結果を提供することができるが、pWTCは定常的な仮定を行う必要がなく、高い時間スペクトル構造を保持するため有利である。
pWTC メソッドにも限界があります。GC検定と同様に、pWTCから推測される因果関係は実際の因果関係ではない37,38。代わりに、AとBの信号間の時間的な関係のみを示します。この問題は、pWTC メソッドを適用するときに留意する必要があります。第2に、pWTCは自己相関効果を部分的にしか排除しない。したがって、共有環境や同様のアクションなど、他の潜在的な同時変数が結果に影響を与える可能性があります。したがって、情報の流れの方向と時間的パターンに関する結論は、これらの交絡因子を制御した後に引き出されるべきである。
さらに、fNIRSデータの前処理に関していくつかの複雑な問題がありました。fNIRSは頭部の動きに対して高い許容度を有するが、モーションアーチファクトは依然としてノイズ39の最も重要な原因である。大きな頭部の動きは依然として眼筋の位置シフトにつながり、鋭いスパイクやベースラインシフトなどのモーションアーチファクトを生成します。これらの問題に対処するために、スプライン補間40、ウェーブレットベースのフィルタリング39、主成分解析41、相関ベースの信号改善42など、多くのアーチファクト補正アプローチが開発された。Cooperと彼の同僚43は、実際の静止状態fNIRSデータに基づいてこれらのアプローチを比較し、ウェーブレットベースのフィルタリングがコントラスト対ノイズ比の最も高い増加をもたらすことを発見しました。さらに、Brigadoiと彼女の同僚44はまた、実際の言語タスクデータにおけるこれらのアプローチを比較し、ウェーブレットベースのフィルタリングがモーションアーチファクトを補正する上で最も効果的なアプローチであることも発見しました。したがって、この研究では、ウェーブレットベースのフィルタリングが適用され、将来のfNIRSハイパースキャン研究にも推奨されました。
一般に、pWTCは、社会的相互作用中の情報フローの方向的および時間的パターンを推定する上で貴重なアプローチである。さらに重要なことに、pWTC法は疑似ハイパースキャン研究にも適していると考えられている(すなわち、2つまたは複数の脳のシグナルは同時に収集されない45,46)。このような実験では、情報の流れの方向は固定されているが、信号の入力と信号の処理との間のタイムラグの持続時間を調べることも興味深い。したがって、自己相関は、時間差INSの結果を混乱させる可能性もあります。将来的には、この方法はハイパースキャンやその他の脳間研究における多くの質問に答えることができます。例えば、教師と生徒、医師と患者、パフォーマーと観客など、さまざまな社会的関係における支配的な役割を決定する。さらに、pWTCはINSの時間的構造を維持するので、グループ姿勢収束などのINSの動的パターンをテストすることも可能である。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは、競合する金銭的利益はないと宣言している。
Acknowledgments
この研究は、中国国家自然科学財団(61977008)とヤング・トップ・ノッチ・タレント・オブ・ワン・ワン・スタレント・プログラムによって支援されました。
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. |
References
- 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).
- 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).
- Jiang, J., et al. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
- 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).
- 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).
- 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).
- Liu, W., et al. Shared neural representations of syntax during online dyadic communication. NeuroImage. 198, 63-72 (2019).
- Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
- 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).
- Hirsch, J., et al. Interpersonal agreement and disagreement during face-to-face dialogue: An fNIRS investigation. Frontiers in Human Neuroscience. 14, 606397 (2021).
- 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).
- 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).
- 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).
- Djalovski, A., Dumas, G., Kinreich, S., Feldman, R. Human attachments shape interbrain synchrony toward efficient performance of social goals. NeuroImage. 226, 117600 (2021).
- Zhao, H., et al. How mother-child interactions are associated with a child's compliance. Cerebral Cortex. 31 (9), 4398-4410 (2021).
- Jiang, J., Zheng, L., Lu, C. A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience. 16 (1-2), 246-255 (2021).
- Yan, W., et al. Bibliometric evaluation of 2000-2019 publications on functional near-infrared spectroscopy. NeuroImage. 220, 117121 (2020).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. 46 (1), 64-72 (2009).
- Penny, W., Friston, K., Ashburner, J., Kiebel, S., Nichols, T. Statistical Parametric Mapping: The Analysis of Functional Brain Images. , Academic Press. (2007).
- 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).
- 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).
- Noah, J. A., et al. fMRI validation of fNIRS measurements during a naturalistic task. Journal of Visualized Experiments: JoVE. (100), e52116 (2015).
- 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).
- 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).
- 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).
- Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
- 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).
- 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).
- Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
- 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).
- 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).
- 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).
- Cooper, R. J., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 0, 147 (2012).
- 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).
- Liu, Y., et al. Measuring speaker-listener neural coupling with functional near infrared spectroscopy. Scientific Reports. 7, 1-13 (2017).
- Li, Z., et al. Speaker-listener neural coupling reveals an adaptive mechanism for speech comprehension in a noisy environment. Cerebral Cortex. , (2021).
