Waiting
Login processing...

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

Neuroscience

إطار جديد لفهم التماسك عبر الدماغ في دراسات المسح الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS)

Published: October 6, 2023 doi: 10.3791/65347
Automatic Translation
1, 1, 1, 2, 3, 4, 4
1The Department of Behavioral Sciences and Psychology, Ariel University, 2Braude College of Engineering, 3Department of Psychology and Behavioral Sciences, Zhejiang University, 4Department of Psychology, Florida Atlantic University

Summary

تماسك تحويل المويجات (WTC) هو منهجية شائعة لتقييم الاقتران بين الإشارات المستخدمة في دراسات المسح الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS). يتم تقديم مجموعة أدوات لتقييم اتجاه تفاعل الإشارة في هذا العمل.

Abstract

على الرغم من تزايد دراسات المسح الطيفي للأشعة تحت الحمراء القريبة من الأشعة تحت الحمراء (fNIRS) ، يبدو أن تقييم الاقتران بين إشارتين عصبيتين باستخدام تماسك تحويل المويجات (WTC) يتجاهل اتجاه التفاعل. يفتقر المجال حاليا إلى إطار يسمح للباحثين بتحديد ما إذا كانت قيمة التماسك العالية التي تم الحصول عليها باستخدام وظيفة مركز التجارة العالمي تعكس التزامن في الطور (على سبيل المثال ، يظهر التنشيط العصبي في كلا عضوي الثنائي في نفس الوقت) ، والتزامن المتأخر (أي ، يظهر التنشيط العصبي في أحد أعضاء الثنائي قبل العضو الآخر) ، أو التزامن المضاد للطور (أي زيادة التنشيط العصبي في أحد أعضاء الثنائي وانخفاضه في الآخر). لتلبية هذه الحاجة ، يقترح في هذا العمل نهج تكميلي وأكثر حساسية لتحليل تماسك الطور لإشارتين عصبيتين. يسمح صندوق الأدوات للباحثين بتقدير اتجاه الاقتران من خلال تصنيف قيم زاوية الطور التي تم الحصول عليها باستخدام مركز التجارة العالمي التقليدي إلى تزامن في الطور ، وتزامن متأخر ، وتزامن مضاد للطور. يسمح صندوق الأدوات أيضا للباحثين بتقييم كيفية تطور ديناميكيات التفاعلات وتغيرها طوال المهمة. سيؤدي استخدام نهج مركز التجارة العالمي الجديد هذا وصندوق الأدوات إلى تعزيز فهمنا للتفاعلات الاجتماعية المعقدة من خلال استخداماتها في دراسات المسح المفرط fNIRS.

Introduction

في السنوات الأخيرة ، كان هناك تحول في أنواع الدراسات التي أجريت لفهم الأسس العصبية للسلوك الاجتماعي 1,2. تقليديا ، ركزت الدراسات في علم الأعصاب الاجتماعي على التنشيط العصبي في دماغ واحد معزول أثناء مهمة ذات صلة اجتماعية. ومع ذلك ، فإن التقدم في تكنولوجيا التصوير العصبي يسمح الآن بفحص التنشيط العصبي في أدمغة فرد واحد أو أكثر أثناء التفاعل الاجتماعي كما يحدث في إعدادات "الحياة الواقعية"3. في إعدادات "الحياة الواقعية" ، يكون الأفراد قادرين على التحرك بحرية ، ومن المرجح أن تتغير أنماط تنشيط الدماغ مع تبادل المعلومات وتلقي الشركاء الاجتماعيين ردود الفعل من بعضهم البعض4.

Hyperscanning هي طريقة تقيم تبادل المعلومات ثنائي الاتجاه هذا عن طريق قياس نشاط الدماغ من شخصين أو أكثر في وقتواحد 5. استخدمت مجموعة ناشئة من الأبحاث التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) ، وهي تقنية تصوير عصبي غير جراحية ، بالمقارنة مع تقنيات التصوير العصبي الأخرى ، أقل عرضة لآثار الحركة6. يسمح المسح الفائق عبر fNIRS بتقييم التزامن بين الدماغ (IBS) في إعدادات الحياة الواقعية بينما يتحرك الشركاء التفاعليون بحرية وبشكل طبيعي. هذا مهم بشكل خاص للعمل مع الرضع والأطفال الصغار ، الذين يميلون إلى أن يكونوا نشطين للغاية. تم الإبلاغ عن أن IBS يعكس التفاهم المتبادل بين الشركاء التفاعليين ، والذي يعمل كأساس للتفاعل الاجتماعي الفعال والتواصل ويتوسط النية المشتركة1،7،8.

يتم استخدام عدة طرق لتقييم القولون العصبي لدماغين. وتشمل هذه الأساليب ارتباطات السلاسل الزمنية، مثل الارتباط المتبادل ومعامل ارتباط بيرسون 9,10 (انظر مراجعة Scholkmann et al.10). تتضمن الطرق الأخرى تقييم قوة الاقتران في مجال التردد. وتشمل هذه الأساليب قيمة قفل الطور (PLV) واتساق الطور (انظر مراجعة أجراها Czeszumski et al.11). تستخدم إحدى الطرق الأكثر شيوعا في دراسات fNIRS تماسك تحويل المويجات (WTC) - وهو مقياس للارتباط المتبادل بين سلسلتين زمنيتين كدالة للتردد والوقت10.

يستخدم مركز التجارة العالمي التحليلات الترابطية لحساب الاتساق وتأخر الطور بين سلسلتين زمنيتين في مجال التردد الزمني. استخدمت دراسات المسح الفائق FNIRS مركز التجارة العالمي لتقدير IBS في العديد من مجالات الأداء ، بما في ذلك مراقبة العمل12 ، والسلوك التعاوني والتنافسي5،13،14،15 ، والتقليد16 ، وحل المشكلات بين الأم والرضيع17 ، وسلوك التعليم والتعلم18،19،20،21. عادة ، في دراسات المسح المفرط ، تتم مقارنة التماسك عبر الدماغ ، كما تم قياسه بواسطة مركز التجارة العالمي ، أثناء مهمة تجريبية بالتماسك عبر الدماغ أثناء مهمة التحكم. عادة ما يتم تقديم هذه النتائج مع "مخطط ساخن" لمركز التجارة العالمي ، والذي يوضح التماسك عبر الدماغين في كل نقطة زمنية وتردد (انظر الشكل 1).

كما اقترح Czesumaski et al.11 ، أصبح مركز التجارة العالمي النهج التحليلي القياسي لتحليل المسح المفرط fNIRS. تحليل مركز التجارة العالمي هو طريقة مرنة "محايدة للأدوات" لتصور البيانات وتفسيرها22. تعد الخريطة الحرارية لمعامل التماسك ، والتي توفر شكلا سرديا للتحليل يسمح بسهولة تحديد فترات السلوك المتزامن أو غير المتزامن بالإضافة إلى كثافة نشاط الدماغ أثناء إكمال المهمة ، الميزة الرئيسية لمركز التجارة العالمي وتجعله أداة قوية للبحث التطبيقي22. يتمتع مركز التجارة العالمي بميزة على تقنيات الارتباط. الارتباطات حساسة لشكل وظيفة الاستجابة الديناميكية للدورة الدموية (HRF) ، والتي يعتقد أنها تختلف بين الأفراد (خاصة من حيث العمر) وبين مناطق الدماغ المختلفة. وعلى النقيض من ذلك، لا يتأثر مركز التجارة العالمي بالتغيرات الأقاليمية في (HRF)23. استخدم الباحثون نهج المويجات لدراسة السلاسل الزمنية للتصوير بالرنين المغناطيسي الوظيفي. قارن Zhang et al.24 مقاييس الاتصال الوظيفي شائعة الاستخدام ، بما في ذلك ارتباط بيرسون ، والارتباط الجزئي ، والمعلومات المتبادلة ، وتحويل تماسك المويجات (WTC). أجروا تجارب تصنيف باستخدام أنماط اتصال وظيفية واسعة النطاق مشتقة من بيانات التصوير بالرنين المغناطيسي الوظيفي في حالة الراحة وبيانات الرنين المغناطيسي الوظيفي للتحفيز الطبيعي لمشاهدة الفيديو. أشارت النتائج التي توصلوا إليها إلى أن مركز التجارة العالمي كان أفضل أداء في التصنيف (الخصوصية والحساسية والدقة) ، مما يعني أن مركز التجارة العالمي هو مقياس اتصال وظيفي مفضل لدراسة شبكات الدماغ الوظيفية ، على الأقل في تطبيقات التصنيف24.

Figure 1
الشكل 1: تماسك تحويل المويجات (WTC). ويبين مركز التجارة العالمي التماسك وزاوية الطور بين سلسلتين زمنيتين كدالة لكل من الوقت (المحور السيني) والتردد (المحور الصادي). يتم تصوير زيادة التماسك باللون الأحمر في الرسم البياني ، وتوضح الأسهم الصغيرة في الرسم البياني زاوية الطور للسلسلتين الزمنيتين. يمثل السهم المتجه إلى اليمين التزامن في الطور ؛ تمثل الأسهم المتجهة لأسفل والمتجهة لأعلى التزامن المتأخر ؛ والسهم المتجه إلى اليسار يمثل التزامن المضادللطور 30. تم اقتباس هذا الرقم من Pan et al.19. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

في الآونة الأخيرة ، أوضح هاملتون25 العديد من القيود على تفسير بيانات التماسك عبر الدماغ في دراسات المسح المفرط fNIRS. كان أحد اهتمامات هاملتون الأساسية هو أن مقاييس التماسك (على سبيل المثال ، مركز التجارة العالمي) تبلغ فقط عن التأثيرات على أنها متماثلة (أي أن دماغين مرتبطان ، ويظهران نفس نمط التغيير). ومع ذلك، فإن العديد من التفاعلات الاجتماعية غير متماثلة (على سبيل المثال، تدفق المعلومات بين المتحدث والمستمع) حيث قد يلعب مشاركان أدوارا مختلفة، وليس من الواضح ما إذا كان مركز التجارة العالمي يمكنه التقاط هذه المعلومات. هنا ، يتم التعامل مع هذا القلق من خلال إطار جديد يسمح بتفسير مباشر لقدرة المويجات المتقاطعة باستخدام مرحلة المويجات المتقاطعة للكشف عن الاتجاه. سيسمح هذا الإطار أيضا بفحص كيفية تطور ديناميكيات التفاعلات وتغيرها خلال المهمة.

بينما يقوم مركز التجارة العالمي وطرق الارتباط بتقييم الاتصال الوظيفي ، تقوم طرق أخرى بتقييم الاتصال الفعال ، في محاولة لاستخراج التأثيرات السببية لعنصر عصبي على آخر. إنتروبيا النقل هي مقياس من مجال نظرية المعلومات يصف النقل بين العمليات المعتمدة بشكل مشترك26. طريقة أخرى ذات صلة هي تحليل سببية جرانجر (GCA) ، والذي تم وصفه بأنه مكافئ لإنتروبيا النقل26.

في الأدبيات الحالية لدراسات المسح الفائق fNIRS ، تم استخدام تحليل سببية جرانجر (GCA) على نطاق واسع لتقدير اتجاه الاقتران بين بيانات السلاسل الزمنية fNIRS التي تم الحصول عليها خلال مجموعة متنوعة من المهام المختلفة ، مثل التعاون5 ، والتدريس19 ، والتقليد16. يستخدم GCA نماذج الانحدار الذاتي المتجه لتقييم اتجاه الاقتران بين السلاسل الزمنية في بيانات الدماغ. تعتمد سببية جرانجر على التنبؤ والأسبقية: "يقال إن المتغير X متغير" السبب G "Y إذا كان ماضي X يحتوي على المعلومات التي تساعد على التنبؤ بمستقبل Y فوق المعلومات الموجودة بالفعل في الماضي من Y"27. وفقا لذلك ، يتم تحليل السببية G في اتجاهين: 1) من الموضوع A إلى الموضوع B و 2) من الموضوع B إلى الموضوع A.

وفي حين أن تحليل البرنامج العالمي للأمن السيبراني هو تحليل تكميلي يهدف إلى تحديد ما إذا كانت قيمة الاتساق العالية التي تم الحصول عليها باستخدام دالة مركز التجارة العالمي تعكس التناظر العصبي أو التزامن المتأخر (إشارة واحدة تقود الأخرى)، فإنه لا يسمح بتحديد ما إذا كان قد حدث تزامن مضاد للطور. في دراسات التصوير العصبي التقليدية ، التي يتم فيها فحص مشارك واحد فقط (أي نهج "الدماغ الواحد") ، يعني النمط المضاد للطور أن النشاط في منطقة دماغية واحدة يزداد بينما ينخفض النشاط في منطقة الدماغ الأخرى28. في أدبيات المسح الفائق ، قد يشير وجود التزامن المضاد للطور إلى زيادة التنشيط العصبي في موضوع واحد ، وفي الوقت نفسه ، يتم تقليل التنشيط العصبي للموضوع الآخر. لذلك ، هناك حاجة لتوفير نموذج شامل يمكنه اكتشاف الاتجاه. وبشكل أكثر تحديدا ، سيكون هذا النموذج قادرا على اكتشاف التزامن المضاد للطور (حيث يكون اتجاه النشاط في فرد واحد معاكسا لاتجاه شريكه) بالإضافة إلى التزامن في الطور والمزامنة المتأخرة.

في محاولة لمعالجة القلق من أن مركز التجارة العالمي يظهر تأثيرات متماثلة فقط ، حيث يظهر كلا الدماغين نفس نمط التغيير25 ، يتم تقديم نهج جديد لتحديد نوع التفاعل من خلال فحص مرحلة التزامن (أي في الطور أو متأخر أو مضاد للطور) (انظر الشكل 2). وتحقيقا لهذه الغاية، تم تطوير صندوق أدوات يستخدم طريقة مركز التجارة العالمي لتصنيف الأنواع المختلفة من التفاعلات. يتم تصنيف أنواع التفاعلات باستخدام بيانات الطور النسبي من تحليل التحويل عبر المويجات.

Figure 2
الشكل 2: توضيح لعلاقات الطور المختلفة للموجات الجيبية البسيطة. (أ) عندما تصل الإشارتان، الإشارة 1 (الخط الأزرق s) والإشارة 2 (الخط البرتقاليs)، إلى قيمتيهما القصوى والدنيا والصفرية في نفس النقطة الزمنية، يقال إنهما تظهران التزامن في الطور32. (ب) عندما تصل إحدى الإشارات إلى أقصى قيمة لها وتصل الإشارة الأخرى إلى القيمة الصفرية في نفس النقطة الزمنية ، يقال إنها تظهر تزامنا متأخرا (إحداها تتقدم بمقدار 90 درجة) 32،33،34. (ج) عندما تتحول سلسلتان زمنيتان في اتجاهين متعاكسين، وهذا يعني أن إحدى الإشارتين تصل إلى الحد الأقصى والأخرى تصل إلى القيمة الصغرى في النقطة الزمنية نفسها، يشار إلى ذلك بالتزامن المضادللطور 28. (د-ف) في جميع علاقات الطور الأخرى بين سلسلتين زمنيتين ، تقود إحدى الإشارات الأخرى. في جميع المراحل الإيجابية ، تقود الإشارة 2 الإشارة 1 (على سبيل المثال ، اللوحات E و F و M و N) ، بينما في جميع المراحل السلبية ، تقود الإشارة 1 الإشارة 2 (على سبيل المثال ، اللوحات D و G و H و O و P). ومن الجدير بالذكر أنه عندما تكون القيمة المطلقة للمرحلة أعلى، يصبح من الأكثر تميزا أي سلسلة زمنية تقود الأخرى (على سبيل المثال، تكون القيادة أكثر تميزا في الفريق ياء منها في الفريق الأول، وفي الفريق K، تكون القيادة أكثر تميزا مما هي عليه في اللوحة L). يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

أجريت الدراسة في جامعة فلوريدا أتلانتيك (FAU) وتمت الموافقة عليها من قبل مجلس المراجعة المؤسسية FAU (IRB).

1. استخدام برنامج Homer3 (جدول المواد) لإجراء المعالجة المسبقة لبيانات المسح التشعبي fNIRS

ملاحظة: Homer3 هو تطبيق MATLAB يحلل بيانات fNIRS للحصول على تقديرات وخرائط لتنشيط الدماغ29. يمكن تنزيل Homer3 وتثبيته من الرابط التالي (https://openfnirs.org/software/homer/).

  1. افتح MATLAB ، وانتقل إلى المجلد حيث يتم حفظ ملفات .nirs الأولية. حدد المجلد وافتحه.
  2. اكتب Homer3 في نافذة أوامر MATLAB لتشغيل واجهة المستخدم الرسومية Homer3 . هوميروس 3. سيكتشف ملفات .nirs ويطلب التحويل إلى تنسيق .snirf (تنسيق ملف عالمي لتخزين بيانات NIRS ومشاركتها بشكل مستقل عن أي تنسيق ملف محدد خاص بالتطبيق مثل MATLAB) لمتابعة المعالجة المسبقة للبيانات.
  3. بعد استيراد ملفات .nirs إلى تنسيق .snirf في Homer3 ، انقر فوق خيار الأدوات في واجهة المستخدم الرسومية Homer3 ، وحدد تحرير تدفق المعالجة.
  4. في واجهة المستخدم الرسومية ProcStreamEdit ، حدد خطوات المعالجة المسبقة من عمود وظيفة التسجيل إلى عمود تدفق المعالجة الحالي بالنقر فوق إضافة. خطوات المعالجة المسبقة المضمنة هي كما يلي:
    1. استخدم hmrR_intensity2OD لتحويل بيانات الكثافة إلى كثافة بصرية.
    2. استخدم hmrR_MotionCorrectWavelet لتصحيح عيوب الحركة باستخدام وظيفة التصفية المناسبة.
    3. استخدم hmrR_OD2conc لتحويل بيانات التطوير التنظيمي إلى تركيز.
    4. استخدم hmR_BlockAvg لحساب متوسط الكتلة على بيانات التركيز.
      ملاحظة: قد يختلف اختيار خطوات المعالجة المسبقة حسب نوع مجموعة البيانات.
  5. لحفظ دفق المعالجة الحالي ، انقر فوق خيار حفظ ، ثم اخرج من واجهة المستخدم الرسومية ProcStreamEdit.
  6. لتشغيل دفق المعالجة المسبقة في واجهة المستخدم الرسومية Homer3 الرئيسية ، انقر فوق خيار RUN . بعد انتهاء Homer3 من تشغيل دفق المعالجة المحدد ، سيحفظ السلاسل الزمنية التي تمت معالجتها مسبقا لكل مشارك بتنسيق ملف .mat يحتوي على Hbo و Hbr و Hbt لجميع القنوات والأحداث. سيتم إنشاء مجلد باسم إخراج homer بواسطة Homer3 في المجلد المحدد حاليا لتخزين هذه الملفات.
  7. سيتم إنشاء مجلد باسم المشتقات بواسطة Homer3 في المجلد المحدد لتخزين هذه الملفات. حدد مجلد هوميروس الموجود في مجلد المشتقات. اختر ملف .mat لكل دماغ وقم بتصدير Hbo و Hbr و Hbt.
    ملاحظة: يعتمد اسم مجلد الإخراج الذي تم إنشاؤه بواسطة Homer3 على إصدار Homer3.

2. الشروع في العمل مع صندوق أدوات LeaderFollowerByPhase

  1. لتحليل نوع التفاعل الذي يحدث في تسجيل المسح التشعبي ، استخدم مربع أدوات LeaderFollowerByPhase ، كما هو موضح في العملية الموضحة في الشكل 3. في MATLAB ، حدد ملفات .mat لكل دماغ ، وقم بتحميل بيانات Hbo (أو Hbr) للقناة المحددة والحدث المحدد في متجه أحادي البعد مثل signal1 و signal2.
  2. في سطر أوامر MATLAB ، حدد المعلمات
    1. lowFreq, highFreq: اكتب lowFreq = [FOI منخفض] ، و highFreq = [FOI مرتفع]. القيم الافتراضية هي lowFreq = 0.01 هرتز ، highFreq = 1 هرتز.
      ملاحظة: تحدد معلمات الدالتين lowFreq وhighFreq نطاق تردد الاهتمام (FOI). يحسب مركز التجارة العالمي التماسك عبر الدماغين في كل نقطة زمنية وتردد. عادة ما يتم حساب متوسط قيم التماسك داخل حرية المعلومات معينة.
    2. تحديد المعلمة phaseRange; النوع phaseRange = [النطاق بالدرجة].
      ملاحظة: القيمة الافتراضية هي phaseRange = 90 درجة. تتراوح المرحلة بين 0 درجة إلى 360 درجة بسبب طبيعة المعامل الدائري للطور. يتم تقسيم نطاقات الطور وفقا لنطاق يحيط بأربع نقاط. في صندوق الأدوات المقدم ، يتم تقديم نهج جديد لتصنيف التفاعلات غير المتماثلة (الشكل 4) من خلال فحص اتجاه الاقتران باستخدام قيم زاوية الطور وفقا للنطاقات المقابلة للتزامن المتأخر مع الإشارة 1 الرائدة (نطاق محيط -90 درجة) أو الإشارة 2 الرائدة (نطاق محيط 90 درجة) ، الإشارة 1 ، الإشارة 2 التزامن في الطور (نطاق محيط 0) ، والإشارة 1 ، تزامن الإشارة 2 المضاد للطور (نطاق محيط + 180 درجة أو -180 درجة).
    3. حدد معلمة العتبة. اكتب العتبة = [عتبة rsq val]. القيمة الافتراضية هي Threshold = 0.
      ملاحظة: يسمح صندوق الأدوات بتحديد قيمة تماسك العتبة عن طريق تحديد معلمة العتبة. يسمح هذا للباحث بتحديد نقاط زمنية ذات قيمة دنيا محددة للتماسك. وبالتالي ، يتم أخذ النقاط الزمنية ذات قيم الاتساق الأعلى من العتبة المحددة في الاعتبار فقط.
  3. قم بتنزيل مربع أدوات LeaderFollowerByPhase من الرابط التالي (https://www.ariel.ac.il/wp/sns/download/ أو https://github.com/Minisharmaa/Leader-Follower-By-Phase).
  4. قم بتنفيذ وظيفة MATLAB LeaderFollowerByPhase عن طريق إدخال قيم تماسك الأمر = LeaderFollowerByPhase (signal1 ، signal2 ، lowFreq ، highFreq ، phaseRange ، العتبة) في سطر الأوامر.
    ملاحظة: يتم إجراء حسابات الاتساق والطور باستخدام دالتين WTC وXWT في MATLAB ،على التوالي 30.
  5. افحص قيم المزامنة في الطور ، وبادئة الإشارة 1 ، والرائدة للإشارة 2 ، وقيم المزامنة المضادة للطور:
    1. تفقد قطع الأراضي في ماتلاب. يولد صندوق الأدوات شكلا واحدا بأربع مؤامرات.
      1. التماسك حسب نوع التفاعل: افحص مخطط المربع في الجزء العلوي الأيسر من الشكل ، والذي يظهر R-Squared (Rsq) وفقا لكل نوع من أنواع التفاعل (في الطور ، الإشارة 1 البادئة ، الإشارة 2 الرائدة ، المضادة للطور).
        ملاحظة: للحصول على وصف تفصيلي للوظيفة المضمنة في مخطط مربع MATLAB ، راجع الارتباط التالي (https://www.mathworks.com/help/matlab/ref/boxchart.html).
      2. المؤشرات المركزية حسب نوع التفاعل: افحص الرسم البياني الشريطي في الجزء العلوي الأيمن من رقم الإخراج ، والذي يعرض الحد الأقصى للمتوسط والوسيط وفقا لكل نوع من أنواع التفاعل (في الطور ، بادئ الإشارة 1 ، بادئ الإشارة 2 ، مضاد الطور).
        ملاحظة: للحصول على وصف تفصيلي للوظيفة المضمنة في شريط MATLAB ، راجع الارتباط التالي (https://www.mathworks.com/help/matlab/ref/bar.html).
      3. التماسك بمرور الوقت: افحص مخطط التشتت في الجزء السفلي الأيسر من الشكل الناتج ، والذي يعرض قيم التماسك وأنواع التفاعل بمرور الوقت. تمثل النقاط الملونة أنواعا مختلفة من التفاعل (تمثل النقاط السوداء التزامن في الطور ، وتمثل النقاط الرمادية الداكنة بادئ الإشارة 1 ، وتمثل النقاط الرمادية الفاتحة بادئ الإشارة 2 ، وتمثل النقاط الأرجوانية التزامن المضاد للطور).
        ملاحظة: يوضح الشكل ديناميات التفاعل: التبادل بين أنواع التفاعل الأربعة طوال سلسلة الدوام الكامل. للحصول على وصف تفصيلي لوظيفة التشتت MATLAB ، راجع الرابط التالي (https://www.mathworks.com/help/matlab/ref/scatter.html).
      4. النسبة المئوية للوقت: افحص المخطط الدائري في الجزء السفلي الأيمن من الشكل الناتج ، والذي يعرض تقسيم الوقت وفقا لأنواع التفاعلات المختلفة.
        ملاحظة: للحصول على وصف تفصيلي لوظيفة MATLAB pie ، راجع الارتباط التالي (https://www.mathworks.com/help/matlab/ref/pie.html).
  6. افحص جدول الإخراج بالقيم الإحصائية (أي المتوسط والحد الأقصى والوسيط والانحراف المعياري) لكل نوع من أنواع التفاعل (التزامن في الطور ، بادئ الإشارة 1 ، بادئ الإشارة 2 ، التزامن المضاد للطور). يعرض الجدول أيضا النسبة المئوية للوقت الذي حدث فيه كل نوع من التفاعل. يظهر كل نوع من أنواع التفاعل في عمود مختلف.
  7. افحص قيمة الإخراج في ملف جدول البيانات المستخرج (أي جدول البيانات.xlsx الموجود في المجلد الحالي).

Figure 3
الشكل 3: نظرة عامة على سير العمل . (أ) تم جمع ثنائيات الأم والطفل التي تشارك في اللعب الحر أثناء المسح الفائق لبيانات fNIRS. (ب) رسم توضيحي لسلسلة زمنية بين الأم والطفل. (ج) المعالجة المسبقة للسلاسل الزمنية باستخدام Homer3. (د، ه) استخدام صندوق الأدوات لفحص أنواع مختلفة من التفاعلات ، مثل المزامنة في الطور ، والمزامنة المضادة للطور ، والمزامنة المتأخرة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 4
الشكل 4: تصنيف أربعة أنواع مختلفة من التفاعلات بناء على الطور. يمثل هذا فرق الطور للسلسلتين الزمنيتين العصبيتين في معامل 360 درجة. يمكن اعتبار فرق الطور تأخرا زمنيا بين قيمتين ويقاس بالدرجات والراديان أو كسور الطول الموجي. هنا ، ينقسم معامل 360 درجة إلى أربعة نطاقات مختلفة تصور أربع مراحل مختلفة من التفاعل: (أ) الإشارة 1 الرائدة (نطاق حوالي 90 درجة ، بين 45 درجة إلى 135 درجة) ، (ب) التزامن المضاد للطور بين الإشارة 1 والإشارة 2 (نطاق حوالي 180 درجة أو -180 درجة ، بين 135 إلى -135 درجة) ، (ج) الإشارة 2 البادئة (بين -135 درجة إلى -45 درجة) ، (D) التزامن في الطور (نطاق حوالي 0، بين -45° إلى 45°). هذا التقسيم هو النهج الافتراضي (45 درجة حول كل نقطة) ؛ ومع ذلك ، يسمح صندوق الأدوات للمرء بتكوين قسم مختلف. على الرغم من أن التكوينات الأخرى قد لا تغطي جميع درجات 360 درجة ، إلا أنها قد تسفر عن تعريف أكثر دقة لكل نوع من أنواع التفاعل. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

يوضح هذا القسم أنواع التحليلات التي يمكن إجراؤها باستخدام صندوق الأدوات (والتي يمكن تنزيلها في https://www.ariel.ac.il/wp/sns/download/ أو https://github.com/Minisharmaa/Leader-Follower-By-Phase). لهذه التحليلات ، تم استخدام بيانات fNIRS التي تم جمعها مع عينة صغيرة من ثنائيات الوالدين الرضع. تم اختبار ستة أزواج من ثنائيات الأم والرضيع باستخدام مهمة سلوكية تم التحقق من صحتها ، وهي مهمة اللعب الحر31 ، وهي أقرب ما تكون إلى تفاعل واقعي بين الأم ورضيعة قدر الإمكان. قبل التجربة ، تم تزويد الرضع والآباء بمجموعة بصرية مصنوعة خصيصا لجمع بيانات fNIRS. تألفت مجموعة البصريات المستخدمة لجمع بيانات fNIRS في هذه الدراسة من 8 مصادر (نقاط حمراء) و 8 كاشفات (نقاط زرقاء) تم تكوينها لإنشاء 18 قناة تغطي مناطق الفص الجبهي والصدغي الجداري بشكل ثنائي (انظر الشكل 5). حصل NIRScout على بيانات التصوير البصري باستخدام طولين موجيين: 760 نانومتر ، وهو أكثر حساسية لديوكسي هيموغلوبين (HbR) ، و 850 نانومتر ، وهو أكثر حساسية للأوكسي هيموغلوبين (HbO). كان جميع الآباء من الإناث (الفئة العمرية = 26-36 سنة) ، وكان الرضع يتمتعون بصحة جيدة وناضجين (إناث ، أربعة ذكور ، الفئة العمرية = 1-2 سنة) مع عدم وجود تأخيرات معروفة في النمو. تم تجنيد Dyads من خلال الإعلانات. أعطى كل من الوالدين موافقة مستنيرة قبل التجربة ، وتم الدفع لهم مقابل مشاركتهم. من أجل التبسيط ، يركز التحليل على البيانات التي تم الحصول عليها في القناة 18 من Dyad A.

Figure 5
الشكل 5: مجموعة البصريات المستخدمة في الدراسة الأولية. تألفت مجموعة البصريات المستخدمة لجمع بيانات fNIRS في الدراسة الأولية من 8 مصادر (نقاط حمراء) و 8 كاشفات (نقاط زرقاء) تم تكوينها لإنشاء 18 قناة (خطوط صفراء) تغطي مناطق الفص الجبهي والصدغي الجداري ثنائيا. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

تم استخدام صندوق الأدوات لتحديد التغييرات في أنواع التفاعل التي يمكن تحديدها بمرور الوقت لتلك القناة لثنائي معين. كانت معلمات الوظيفة كما يلي: الإشارة 1 = القناة 18 الأم ، الإشارة 2 = القناة 18 الأم ، lowFreq = 0.0067 ، highFreq = 0.1142 ، phaseRange = 90 ، العتبة = 0.

Figure 6
الشكل 6: تحليل التصنيف عند عتبة 0. يتم تعيين الحد إلى 0 (العتبة = 0). (أ) مخططات صندوقية تمثل قيمة التماسك المرتبطة بالتفاعلات. هناك واحد لكل نوع من أنواع التفاعل ، ويشار إلى النطاق المتوسط والربيعي (IQR). تشير الدرجات الأعلى إلى مستوى أعلى من التماسك. (ب) المؤشرات المركزية لقيم التماسك لجميع أنواع التفاعلات. (ج) تتغير ديناميكيات نوع التفاعل طوال المهمة. د: النسبة المئوية للدرجات لكل نوع من أنواع التداخلات الأربعة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

أولا ، تم تصنيف كل نقطة زمنية إلى واحد من أربعة أنواع من التفاعل (في الطور ، أو مضاد للطور ، أو قيادة الأم ، أو قيادة الرضع) (الشكل 6). يوضح الشكل 6D النسبة المئوية للنقاط الزمنية التي تم تصنيفها في كل نوع من أنواع التفاعلات الأربعة. من المهم ملاحظة أنه في حين أن صندوق الأدوات يمكنه اكتشاف النسب المئوية وقيمة التماسك المرتبطة بالتفاعلات التي يقودها أحد المشاركين (الشكل 6 أ) ، فإن مساهمته الفريدة هي أنه يعرض أيضا النسب المئوية (الشكل 6 د) والمؤشرات المركزية لقيم التماسك لجميع أنواع التفاعلات ، بما في ذلك التزامن المضاد للطور (الشكل 6 ب). أخيرا ، يسمح صندوق الأدوات للمرء بفحص كيفية تغير ديناميكيات نوع التفاعل خلال المهمة (الشكل 6C). من المهم ملاحظة أنه ، على غرار تحليل GCA ، يحسب صندوق الأدوات هذه المؤشرات لكل ثنائي على حدة. يجب إجراء تحليل على مستوى المجموعة باستخدام هذه المؤشرات لتحديد نوع التفاعل.

هنا ، لاستكشاف تأثير تغيير قيم العتبة الدنيا هذه على تصنيف أنواع التفاعل داخل ثنائي ، تم تكرار تحليل التصنيف بعتبة 0.5 على Dyad A (الشكل 7).

Figure 7
الشكل 7: تحليل التصنيف عند عتبة 0.5. يتم تعيين الحد إلى 0.5 (العتبة = 0.5). (أ) مخططات صندوقية تمثل قيمة التماسك المرتبطة بالتفاعلات. هناك واحد لكل نوع من أنواع التفاعل ، ويشار إلى النطاق المتوسط والربيعي (IQR). تشير الدرجات الأعلى إلى مستوى أعلى من التماسك. (ب) المؤشرات المركزية لقيم التماسك لجميع أنواع التفاعلات. (ج) تتغير ديناميكيات نوع التفاعل طوال المهمة. د: النسبة المئوية للدرجات لكل نوع من أنواع التداخلات الأربعة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

كما هو موضح في الشكل 7D ، عند استخدام هذه العتبة ، تغير توزيع الأنواع المختلفة من علاقات الطور النسبي. زادت النسبة المئوية للتزامن المضاد للطور (من 35٪ إلى 59٪) ، وانخفضت النسبة المئوية للمزامنة في الطور (من 26٪ إلى 3٪). هذا يشير إلى أن التزامن المضاد للطور قد يكون نوع التفاعل الأكثر تمثيلا لهذا الثنائي. وبعبارة أخرى، فإن تحديد العتبة يسمح بالقدرة على إجراء تحليل أكثر حساسية لا يتم فيه حساب متوسط سوى النقاط الزمنية ذات الحد الأدنى من التماسك. من المهم ملاحظة أن تحديد عتبة قيمة التماسك المثلى عملية معقدة ، حيث قد تختلف العتبة المثلى من تجربة إلى أخرى وعبر بيئات مختلفة. على الرغم من أن مجموعة الأدوات توفر إمكانية تحديد عتبة ، إلا أن هناك حاجة إلى مزيد من الدراسات لتطوير بروتوكول لتحديد قيمة الاتساق المثلى. علاوة على ذلك ، من المهم تحديد عتبة وتكرار قيم الاهتمام التي لا تزال تتقاطع مع قيم Rsq. على سبيل المثال ، أظهرت الدالة ذات المعلمات lowFreq = 0.0067 و highFreq = 0.1142 و phaseRange = 90 و Threshold = 0.5 تفاعلات مع قيم Rsq أعلى من 0.5 فقط ، ولكن نفس الوظيفة ذات عتبة 0.7 أدت إلى حدوث خطأ ، حيث لم تكن هناك قيم أعلى من 0.7 ضمن نطاق التردد.

الملف التكميلي 1: تماسك تحويل المويجات (WTC). نظرة عامة على تحويل المويجات والتحويل عبر المويجات ، والتي تستخدم لتحليل خصائص التردد الزمني والترابط بين سلسلتين زمنيتين. يتحلل تحويل المويجات سلسلة زمنية إلى فضاء ترددزمني 35 ، بينما يكشف التحويل المويجي المتقاطع عن القوة المشتركة والطور بين سلسلتين زمنيتين 9,30. يقدم النص أيضا تماسك تحويل المويجات ، والذي يحدد درجة التزامن بين سلسلتين زمنيتين. تعكس قيمة مربع R المشتقة من تماسك تحويل المويجات الاعتماد المتبادل ولكنها لا تميز بين الارتباطات الإيجابية والسلبية36. يفترض أن الارتباطات الإيجابية والسلبية تشير إلى العلاقات المتبادلة37,38. الرجاء الضغط هنا لتنزيل هذا الملف.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

واحدة من أكثر الطرق شيوعا المستخدمة في دراسات fNIRS هي تماسك تحويل المويجات (WTC) ، وهو مقياس للارتباط المتبادل بين سلسلتين زمنيتين كدالة للتردد والوقت10. يحسب مركز التجارة العالمي الاتساق وتأخر الطور بين سلسلتين زمنيتين باستخدام التحليلات الترابطية (الملف التكميلي 1). استخدمت دراسات المسح الفائق FNIRS مركز التجارة العالمي لتقدير IBS في العديد من مجالات الأداء ، بما في ذلك مراقبة العمل12 ، والسلوك التعاوني والتنافسي5،13،14،15 ، والتقليد16 ، وحل المشكلات بين الأم والرضيع17 ، وسلوك التعليم والتعلم18،19،20،21. غالبا ما تقارن دراسات المسح المفرط التماسك عبر الدماغ الذي تم قياسه باستخدام تحويل تماسك المويجات (WTC) أثناء مهمة تجريبية بمهمة التحكم. عادة ما يتم تقديم هذه المقارنات باستخدام "مخطط ساخن" لمركز التجارة العالمي يعرض التماسك بين الدماغين في كل نقطة زمنية وتردد. بالإضافة إلى ذلك ، كما هو موضح في الشكل 1 ، تظهر معلومات تأخر الطور من خلال اتجاه الأسهم الصغيرة في "المخطط الساخن" لمركز التجارة العالمي. ومع ذلك ، فقد أهملت الدراسات السابقة مراعاة معلومات تأخر الطور التي يمثلها اتجاه الأسهم الصغيرة في "المخطط الساخن" لمركز التجارة العالمي ولم تقدر التزامن بين الدماغ (IBS) إلا من خلال فحص التماسك في مخطط مركز التجارة العالمي. قد يؤدي هذا الإغفال إلى نتائج غير دقيقة أو غير كاملة.

يتم تناول القيود التي ناقشها Hamilton25 فيما يتعلق بتفسير بيانات التماسك عبر الدماغ في دراسات المسح الفائق fNIRS في الإطار الجديد مما يسمح بتفسير مباشر لقوة المويجات المتقاطعة باستخدام مرحلة المويجات المتقاطعة للكشف عن الاتجاه ويتضمن أيضا وحدة تحليل التماسك لحساب قيم التماسك عن طريق متوسطها مباشرة39. يتيح هذا النهج فحص التطور والتغيير في التفاعلات طوال المهمة ويوفر مقياسا موثوقا للتماسك بين الإشارات.

وقد تم إثبات هذا النهج في الدراسات السلوكية للتزامن بين الأشخاص ، والتي استخدمت بيانات المرحلة النسبية التي يمكن استخلاصها من تحليل المويجات المتقاطعة. استخدمت بعض الدراسات هذه البيانات للتمييز بين قيم التماسك في الطور وقيم التماسك المضاد للطور. على سبيل المثال ، تم استخدام هذا النهج لتقييم حركات اليد لاثنين من الموسيقيين المرتجلين40 وفحص التنسيق الاجتماعيالوضعي 41. درست بعض الدراسات توزيع زوايا الطور في بيانات الحركة لفهم ديناميكيات التفاعلات باستخدام التماسك عبر المويجات خلالالمحادثات المنظمة 42 وغير المنظمة43 .

تسمح المرحلة النسبية بين سلسلتين زمنيتين باكتشاف التحولات الزمنية بين الإشارات ذات التردد نفسه. في الواقع ، في مجال المسح المفرط ل EEG ، فإن معظم الطرق التي تهدف إلى تحديد درجة تزامن السلاسل الزمنية العصبية تقيم علاقة الطور النسبية بين السلسلتين الزمنيتين13,44.

يتم عرض الخطوات الحاسمة لاستخدام مربع أدوات LeaderFollowerByPhase في بيانات المسح التشعبي fNIRS في البروتوكول. على وجه التحديد ، يتضمن البروتوكول التحديد المسبق للإشارة 1 والإشارة 2 في MATLAB قبل تشغيل صندوق الأدوات. من الجدير بالذكر أن المعلمات مثل تكرار الاهتمام (FOI) ونطاق الطور والعتبة اختيارية وقد تستخدم القيم الافتراضية إذا تركت دون تعيين. يوصى بتصفية الإشارات الأولية وإلغاء اتجاهها45. بالإضافة إلى ذلك ، يجب توخي الحذر عند إجراء تصفية تمرير النطاق ، حيث يمكن أن يؤثر ذلك على اختيار حرية المعلومات.

تتطلب معلمات FOI (lowFreq ، highFreq) اختيارا دقيقا ، باستثناء الضوضاء الفسيولوجية عالية التردد ومنخفضة التردد ، مثل التنفس (~ 0.2-0.3 هرتز) ونبض القلب (0.6-1.2 هرتز). يوصى بأخذ الترددات المنخفضة والعالية ذات الاهتمام بين 0.01 و 0.7 هرتز ، على التوالي46 ، لأن هذا النطاق يزيل بشكل فعال الضوضاء عالية التردد مثل دقات القلب (0.8-1 هرتز) أيضا.

تحدد معلمة نطاق الطور نطاقا حول قيم زاوية الطور وفقا للنطاقات المقابلة للتزامن المتأخر مع بادئ الإشارة 1 (نطاق محيط -90 درجة) أو بادئة الإشارة 2 (نطاق محيط ب 90 درجة) ، والإشارة 1 ، وتزامن الإشارة 2 في الطور (نطاق محيط ب 0 درجة) ، والإشارة 1 ، تزامن الإشارة 2 المضاد للطور (نطاق محيط + 180 درجة أو -180 درجة). يتم تحديد عرض النطاق المحيط حول هذه النقاط الأربع بواسطة phaseRange على سبيل المثال ، إذا تم ضبط phaseRange على 90 درجة ، فسيكون نطاق المزامنة في الطور محاطا ب 0 درجة ، بين -45 درجة إلى 45 درجة ؛ سيحيط نطاق الإشارة 2 الرائدة (التزامن المتأخر) ب 90 درجة ، بين 45 درجة إلى 135 درجة ، وسيحيط نطاق التزامن المضاد للطور ب 180 درجة أو -180 درجة ، وبين 135 درجة إلى -135 درجة ؛ وسيحيط نطاق الإشارة 1 الرائدة (التزامن المتأخر) ب 180 درجة ، بين -135 درجة إلى -45 درجة. يجب أن تكون معلمة phaseRange بين 0 درجة إلى 90 درجة ، وإلا عرض الرسالة التالية: "يجب أن تكون قيمة متغير phaseRange بين 0 إلى 90". على الرغم من أن النطاق يمكن أن يكون أي رقم من 0 درجة إلى 90 درجة ، فإن الحد الأدنى للقيمة الموصى بها هو 30 درجة (±15 درجة). يجب أن تكون قيمة العتبة أي قيمة بين 0 إلى 1 ، وإلا عرض الرسالة التالية: "يجب أن تكون قيمة متغير العتبة بين 0 إلى 1". يوصى باختيار عتبة تتراوح بين 0.25 إلى 0.75.

في حين أن صندوق أدوات LeaderFollowerByPhase يقدم نهجا واعدا ، إلا أنه لا يخلو من القيود. كما ذكر أعلاه ، فإن تحديد عتبة قيمة التماسك المثلى عملية معقدة ، حيث قد تختلف العتبة المثلى من تجربة إلى أخرى وبين المهام المختلفة. يعد اختبار صندوق الأدوات هذا على مجموعات بيانات أكثر تنوعا ضروريا للحصول على معلومات أكثر دقة حول القيم المثلى للعتبة.

كانت القدرة على فهم التفاعلات البشرية المعقدة باستخدام المسح المفرط fNIRS محدودة بسبب حقيقة أن الأساليب الحالية المستخدمة للكشف عن الاقتران بين إشارتين عصبيتين تتجاهل اتجاه الإشارات. هنا ، يقترح نهج أكثر حساسية لتحليل تماسك إشارتين عصبيتين باستخدام تماسك تحويل المويجات (WTC). يسمح صندوق الأدوات للباحثين بفحص اتجاه الاقتران من خلال تصنيف قيم زاوية الطور على أنها تمثل التزامن في الطور ، والتزامن المتأخر ، والتزامن المضاد للطور.

سيوفر هذا النهج الجديد باستخدام صندوق الأدوات معلومات أكثر تفصيلا حول طبيعة التفاعلات الثنائية ، والتي كانت تفتقر إليها حتى الآن. على سبيل المثال ، في حين تم التعامل مع تزامن الطور والتزامن المضاد للطور على أنهما متطابقان (الملف التكميلي 1)36 ، سيتمكن الباحثون الآن من تحديد مدى تحرك الإشارات العصبية لأعضاء الثنائي في نفس الاتجاه (كلاهما يزيد أو ينقص كلاهما) أو في اتجاهين متعاكسين (أحدهما يزيد والآخر ينقص). سيكون لهذا تأثير تحويلي على فهم كيفية توسط الدماغ في العمليات والسلوك الاجتماعي.

يحتوي الإطار المقترح على إمكانات واعدة للتطبيقات المستقبلية في مجال أبحاث التزامن العصبي بين الأشخاص ، لأنه يسمح بتصنيف أنواع متميزة من التفاعلات ، بما في ذلك التزامن في الطور ، والتزامن المتأخر ، والتزامن المضاد للطور. من خلال إعادة تحليل النتائج السابقة مع الإطار المقترح الجديد ، يمكن للباحثين اكتساب فهم أكثر شمولا لطبيعة التزامن بين المشاركين. على وجه التحديد ، توفر القدرة على التمييز بين التفاعلات داخل الطور والتفاعلات المضادة للطور مستوى جديدا من الوضوح لم يكن متاحا من قبل ، مما قد يؤدي إلى تفسيرات أكثر دقة للنتائج السابقة. يمكن تطبيق وظيفة الإطار هذه على مجموعة واسعة من السيناريوهات ، بما في ذلك استكشاف دور التزامن العصبي بين الأشخاص في السلوك الاجتماعي والتواصل وعمليات صنع القرار. وعموما، يمثل الإطار المقترح مساهمة قيمة في هذا المجال وينطوي على إمكانات كبيرة للتطبيقات في المستقبل.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

يعلن المؤلفون أن البحث قد أجري في غياب أي علاقات تجارية أو مالية يمكن تفسيرها على أنها تضارب محتمل في المصالح.

Acknowledgments

نود أن نعرب عن تقديرنا للدعم المقدم من المؤسسة الوطنية للعلوم الطبيعية في الصين (رقم 62207025) ، ومشروع أبحاث العلوم الإنسانية والاجتماعية من وزارة التعليم الصينية (رقم 22YJC190017) ، وصناديق البحوث الأساسية للجامعات المركزية إلى Yafeng Pan.

Materials

Name Company Catalog Number Comments
NIRScout   NIRx Medical Technologies, LLC n.a. 8 sources, 8 detectors
MATLAB The Mathworks, Inc. Matlab 2022a In this protocol, several toolboxes and buit in MATLAB functions were used: HOMER3 toolbox was used to convert Intensity to OD, to remove motion artifacts through its function hmrMotionCorrectWavelet with default parameters and to convert OD to Conc. Wavelet Toolbox was used to compute WTC.

DOWNLOAD MATERIALS LIST

References

  1. Gvirts, H. Z., Perlmutter, R. What guides us to neurally and behaviorally align with anyone specific? A neurobiological model based on fNIRS hyperscanning studies. The Neuroscientist. 26 (2), 108-116 (2019).
  2. Balconi, M., Fronda, G., Vanutelli, M. E. Donate or receive? Social hyperscanning application with fNIRS. Current Psychology. 38 (4), 991-1002 (2019).
  3. Redcay, E., Schilbach, L. Using second-person neuroscience to elucidate the mechanisms of social interaction. Nature Reviews Neuroscience. 20 (8), 495-505 (2019).
  4. Shamay-Tsoory, S. G., Mendelsohn, A. Real-life neuroscience: An ecological approach to brain and behavior research. Perspectives on Psychological Science. 14 (5), 841-859 (2019).
  5. 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).
  6. Quaresima, V., Ferrari, M. Functional near-infrared spectroscopy (fNIRS) for assessing cerebral cortex function during human behavior in natural/social situations: A concise review. Organizational Research Methods. 22 (1), 46-68 (2016).
  7. Fishburn, F. A., et al. Putting our heads together: interpersonal neural synchronization as a biological mechanism for shared intentionality. Social Cognitive and Affective Neuroscience. 13 (8), 841-849 (2018).
  8. 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).
  9. Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
  10. Scholkmann, F., Holper, L., Wolf, U., Wolf, M. A new methodical approach in neuroscience: Assessing inter-personal brain coupling using functional near-infrared imaging (fNIRI) hyperscanning. Frontiers in Human Neuroscience. 7, 813 (2013).
  11. Czeszumski, A., et al. Hyperscanning: A valid method to study neural inter-brain underpinnings of social interaction. Frontiers in Human Neuroscience. 14, 39 (2020).
  12. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: A two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  13. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: A hyperscanning study using fNIRS. Procedia - Social and Behavioral Sciences. 126, 241-243 (2014).
  14. Wang, C., Zhang, T., Shan, Z., Liu, J., Yuan, D., Li, X. Dynamic interpersonal neural synchronization underlying pain-induced cooperation in females. Human Brain Mapping. 40 (11), 3222-3232 (2019).
  15. 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).
  16. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
  17. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  18. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  19. 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).
  20. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
  21. Liu, J., et al. Interplay between prior knowledge and communication mode on teaching effectiveness: Interpersonal neural synchronization as a neural marker. NeuroImage. 193, 93-102 (2019).
  22. Léné, P., et al. Wavelet transform coherence: An innovative method to investigate social interaction in NeuroIS. Lecture Notes in Information Systems and Organisation. 32, 147-154 (2020).
  23. Nguyen, T., Hoehl, S., Vrtička, P. A guide to parent-child fNIRS hyperscanning data processing and analysis. Sensors. 21 (12), 4075 (2021).
  24. Zhang, Y., Han, J., Hu, X., Guo, L., Liu, T. Data-driven evaluation of functional connectivity metrics. Proceedings - International Symposium on Biomedical Imaging. , 532-535 (2013).
  25. Hamilton, A. F. deC. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  26. Barnett, L., Barrett, A. B., Granger Seth, A. K. causality and transfer entropy are equivalent for Gaussian variables. Physical Review Letters. 103 (23), 2-5 (2009).
  27. Barnett, L., Seth, A. K. The MVGC multivariate Granger causality toolbox: A new approach to Granger-causal inference. Journal of Neuroscience Methods. 223, 50-68 (2014).
  28. Li, D., Zhou, C. Organization of anti-phase synchronization pattern in neural networks: What are the key factors. Frontiers in Systems Neuroscience. 5, 100 (2011).
  29. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), D280-D298 (2009).
  30. 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).
  31. Feldman, R. Parent-infant synchrony. Current Directions in Psychological Science. 16 (6), 340-345 (2007).
  32. Fell, J., Axmacher, N. The role of phase synchronization in memory processes. Nature Reviews Neuroscience. 12 (2), 105-118 (2011).
  33. Olcay, B. O., Karaçalı, B. Evaluation of synchronization measures for capturing the lagged synchronization between EEG channels: A cognitive task recognition approach. Computers in Biology and Medicine. 114, 103441 (2019).
  34. Stam, C. J. Nonlinear dynamical analysis of EEG and MEG: Review of an emerging field. Clinical Neurophysiology. 116 (10), 2266-2301 (2005).
  35. Mallat, S. A Wavelet Tour of Signal Processing. , Academic Press. Cambridge, MA. (2009).
  36. Kleinbub, J. R., Ramseyer, F. T. rMEA: An R package to assess nonverbal synchronization in motion energy analysis time-series. 31 (6), 817-830 (2020).
  37. Pan, Y., Novembre, G., Song, B., Zhu, Y., Hu, Y. Dual brain stimulation enhances interpersonal learning through spontaneous movement synchrony. Social Cognitive and Affective Neuroscience. 16 (1-2), 210-221 (2021).
  38. Ramseyer, F., Tschacher, W. Nonverbal synchrony in psychotherapy: Coordinated body movement reflects relationship quality and outcome. Journal of Consulting and Clinical Psychology. 79 (3), 284-295 (2011).
  39. 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).
  40. Walton, A. E., Richardson, M. J., Langland-Hassan, P., Chemero, A. Improvisation and the self-organization of multiple musical bodies. Frontiers in Psychology. 6, 313 (2015).
  41. Varlet, M., Marin, L., Lagarde, J., Bardy, B. G. Social postural coordination. Journal of Experimental Psychology: Human Perception and Performance. 37 (2), 473-483 (2011).
  42. Hale, J., Ward, J. A., Buccheri, F., Oliver, D., Hamilton, A. F. deC. Are you on my wavelength? Interpersonal coordination in dyadic conversations. Journal of Nonverbal Behavior. 44 (1), 63-83 (2020).
  43. Fujiwara, K., Daibo, I. Evaluating interpersonal synchrony: Wavelet transform toward an unstructured conversation. Frontiers in Psychology. 7, 516 (2016).
  44. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: An exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  45. Dai, R., et al. Holistic cognitive and neural processes: A fNIRS-hyperscanning study on interpersonal sensorimotor synchronization. Social Cognitive and Affective Neuroscience. 13 (11), 1141-1154 (2018).
  46. Lu, K., Qiao, X., Yun, Q., Hao, N. Educational diversity and group creativity: Evidence from fNIRS hyperscanning. NeuroImage. 243, 118564 (2021).

Tags

التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة ، المسح الفائق FNIRS ، التماسك عبر الدماغ ، تماسك تحويل المويجات ، تقييم الاقتران ، اتجاه التفاعل ، التزامن في الطور ، التزامن المتأخر ، التزامن المضاد للطور ، تحليل تماسك الطور ، تقدير اتجاه الاقتران ، ديناميات التفاعلات ، التفاعلات الاجتماعية ، دراسات المسح المفرط FNIRS
إطار جديد لفهم التماسك عبر الدماغ في دراسات المسح الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS)
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Gvirts Provolovski, H. Z., Sharma,… More

Gvirts Provolovski, H. Z., Sharma, M., Gutman, I., Dahan, A., Pan, Y., Stotler, J., Wilcox, T. New Framework for Understanding Cross-Brain Coherence in Functional Near-Infrared Spectroscopy (fNIRS) Hyperscanning Studies. J. Vis. Exp. (200), e65347, doi:10.3791/65347 (2023).

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