Summary
小波变换相干性 （WTC） 是评估信号之间耦合的常用方法，用于功能性近红外光谱 （fNIRS） 超扫描研究。本文提出了一个用于评估信号相互作用方向性的工具箱。
Abstract
尽管功能性近红外光谱（fNIRS）超扫描研究越来越多，但使用小波变换相干性（WTC）评估两个神经信号之间的耦合似乎忽略了相互作用的方向性。该领域目前缺乏一个框架，使研究人员能够确定使用WTC函数获得的高相干值是否反映了同相同步（即，神经激活同时出现在二元组的两个成员中），滞后同步（即神经激活在二元组的一个成员之前在另一个成员之前看到）， 或反相位同步（即，神经激活在二元组的一个成员中增加，在另一个成员中减少）。为了满足这一需求，本文提出了一种互补且更灵敏的方法来分析两个神经信号的相位相干性。该工具箱允许研究人员通过将使用传统WTC获得的相位角值分类为同相同步、滞后同步和反相位同步来估计耦合方向性。该工具箱还允许研究人员评估整个任务中交互的动态如何发展和变化。使用这种新颖的WTC方法和工具箱，将通过它们在fNIRS超扫描研究中的使用来促进我们对复杂社会互动的理解。
Introduction
近年来，为理解社会行为的神经基础而进行的研究类型发生了变化 1,2.传统上，社会神经科学的研究集中在社会相关任务中一个孤立大脑的神经激活。然而，神经影像技术的进步现在允许在社交互动期间检查一个或多个人大脑中的神经激活，因为它发生在“现实生活”环境中3.在“现实生活”环境中，个人能够自由移动，随着信息交换和社会伙伴相互接收反馈，大脑激活的模式可能会发生变化4.
超扫描是一种通过同时测量两个或多个个体的大脑活动来评估这种双向信息交换的方法5.一项新兴的研究利用了功能性近红外光谱 （fNIRS），这是一种非侵入性神经成像技术，与其他神经成像技术相比，它不太容易受到运动伪影的影响6。通过fNIRS进行的超扫描允许在现实生活中评估脑间同步（IBS），同时互动伙伴可以自由自然地移动。这与婴儿和幼儿的工作尤其相关，他们往往非常活跃。据报道，IBS 反映了互动伙伴之间的相互理解，这是有效社会互动和沟通的基础，并调解了共同的意向性 1,7,8。
有几种方法用于评估两个大脑的IBS。这些方法包括时间序列相关性，例如互相关和皮尔逊相关系数 9,10（参见 Scholkmann 等人的评论 10）。其他方法包括评估频域中的耦合强度。这些方法包括锁相值（PLV）和相干性（参见Czeszumski等人的评论11）。fNIRS研究中最常见的方法之一是使用小波变换相干性（WTC），这是两个时间序列的互相关性作为频率和时间10的函数的度量。
WTC使用相关分析来计算时频域中两个时间序列之间的相干性和相位滞后。FNIRS 超扫描研究使用 WTC 来估计许多功能领域的 IBS，包括行动监测 12、合作和竞争行为5、13、14、15、模仿16、母婴问题解决 17 和教学行为18、19、20、21.通常，在超扫描研究中，将实验任务期间由WTC测量的跨脑相干性与控制任务期间的跨脑相干性进行比较。这些发现通常以WTC“热图”呈现，该图显示了每个时间点和频率下两个大脑的连贯性（见图1）。
正如 Czesumaski 等人 11 所建议的，WTC 已成为分析 fNIRS 超扫描的标准分析方法。WTC 分析是一种灵活的、“与工具无关”的数据可视化和解释方法22.相干系数热图提供了一种叙述性的分析形式，可以轻松识别同步或异步行为的时期以及完成任务期间的大脑活动强度，这是WTC的主要优势，使其成为应用研究的有力工具22。与相关技术相比，WTC具有优势。相关性对血流动力学反应函数 （HRF） 的形状很敏感，这被认为在个体之间（特别是在年龄方面）和不同大脑区域之间有所不同。相比之下，世贸中心不受（HRF）23区域间变化的影响。研究人员使用小波方法研究了fMRI时间序列。Zhang等[24 ]比较了常用的功能连通性指标，包括Pearson相关、偏相关、互信息和小波相干变换（WTC）。他们使用源自静息态fMRI数据和视频观看的自然刺激fMRI数据的大规模功能连接模式进行了分类实验。他们的研究结果表明，WTC在分类（特异性、灵敏度和准确性）方面表现最好，这意味着WTC是研究功能性脑网络的首选功能连接指标，至少在分类应用中是这样24。
图 1：小波变换相干性 （WTC）。 WTC 将两个时间序列之间的相干性和相位角显示为时间（x 轴）和频率（y 轴）的函数。相干性增加用图中的红色表示，图中的小箭头表示两个时间序列的相位角。向右箭头表示同相同步;向下和向上的箭头表示滞后同步;向左箭头表示反相位同步30。该图改编自 Pan et al.19。 请点击这里查看此图的较大版本.
最近，Hamilton25 阐明了fNIRS超扫描研究中跨脑相干数据解释的几个局限性。汉密尔顿的主要担忧之一是，连贯性测量（例如，WTC）仅将效应报告为对称（即，两个大脑是相关的，显示出相同的变化模式）。然而，许多社交互动是不对称的（例如，说话者和听众之间的信息流），因为两个参与者可能扮演不同的角色，目前尚不清楚WTC是否可以捕获这些信息。在这里，这个问题通过一个新的框架来解决，该框架允许通过使用交叉小波相位来检测方向性来直接解释交叉小波功率。该框架还将允许检查交互的动态如何在整个任务中发展和变化。
WTC和相关方法评估功能连接，而其他方法评估有效连接，试图提取一个神经元素对另一个神经元素的因果影响。传递熵是信息论领域的一种度量，它描述了共同依赖过程之间的传递26.另一种相关方法是格兰杰因果关系分析（GCA），它被描述为等同于转移熵26。
在现有的fNIRS超扫描研究文献中，Granger因果关系分析（GCA）已被广泛用于估计在各种不同任务中获得的fNIRS时间序列数据之间的耦合方向性，例如合作5、教学19和模仿16。GCA 采用向量自回归模型来评估大脑数据中时间序列之间耦合的方向性。格兰杰因果关系基于预测和优先性：“如果 X 的过去包含有助于预测 Y 未来的信息，而不是 Y 过去已经存在的信息，则称变量 X 为变量 Y'G-cause'”27。因此，从两个方向分析G因果关系：1）从受试者A到受试者B，2）从受试者B到受试者A。
虽然GCA分析是一种补充分析，旨在确定使用WTC函数获得的高相干值是否反映了IBS或滞后同步（一个信号领先另一个信号），但它无法确定是否发生了反相位同步。在传统的神经影像学研究中，只扫描一名参与者（即“单脑”方法），反相模式意味着一个大脑区域的活动增加，而另一个大脑区域的活动减少28。在超扫描文献中，反相位同步的存在可能表明一个受试者的神经激活增加，同时，另一个受试者的神经激活减少。因此，需要提供一个可以检测方向性的综合模型。更具体地说，除了同相同步和滞后同步之外，该模型还能够检测反相位同步（其中一个人的活动方向与其伴侣的活动方向相反）。
为了解决WTC仅显示对称效应（两个大脑都显示出相同的变化模式）25的问题，提出了一种通过检查同步相位（即同相、滞后或反相位）来识别相互作用类型的新方法（见 图2）。为此，开发了一个使用WTC方法对不同类型的相互作用进行分类的工具箱。通过使用来自交叉小波变换分析的相对相位数据对相互作用类型进行分类。
图 2：简单正弦波的不同相位关系图示。 （A） 当信号 1（蓝线 s）和信号 2（橙线s）这两个信号在同一时间点达到各自的最大值、最小值和零值时，称它们显示同相同步32。（B） 当一个信号在同一时间点达到其最大值而另一个信号达到零值时，称它们表现出滞后同步（一个信号领先 90°）32,33,34。（C）当两个时间序列向相反方向移动时，即一个信号在同一时间点达到最大值，另一个信号达到最小值，这称为反相位同步28。（D-P）在两个时间序列之间的所有其他相位关系中，一个信号领先于另一个信号。在所有正相中，信号 2 领先信号 1（例如，面板 E、F、M 和 N），而在所有负相中，信号 1 领先信号 2（例如，面板 D、G、H、O 和 P）。值得注意的是，当阶段的绝对值较高时，哪个时间序列领先于另一个时间序列变得更加明显（例如，面板 J 中的领导力比面板 I 中的领导力更独特，而在面板 K 中，领导力比面板 L 更独特）。请点击这里查看此图的较大版本.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
该研究在佛罗里达大西洋大学（FAU）进行，并得到了FAU机构审查委员会（IRB）的批准。
1. 使用Homer3软件（材料表）对fNIRS超扫描数据进行预处理
注：Homer3 是一个 MATLAB 应用程序，用于分析 fNIRS 数据以获得大脑激活的估计值和图谱29。Homer3 可以从以下链接 （https://openfnirs.org/software/homer/） 下载和安装。
- 打开 MATLAB，然后导航到保存原始 .nirs 文件的文件夹。选择并打开文件夹。
- 在 MATLAB 的命令窗口中键入 Homer3 以启动 Homer3 GUI。荷马3.将检测 .nirs 文件并要求转换为 .snirf 格式（一种通用文件格式，用于独立于任何特定应用特定文件格式（如 MATLAB）存储和共享 NIRS 数据）以继续进行数据预处理。
- 在 Homer3 中将 .nirs 文件导入为 .snirf 格式后，单击 Homer3 GUI 中的 “工具 ”选项，然后选择“ 编辑处理流”。
- 在 ProcStreamEdit GUI 中，单击“添加”，从“注册表函数”列到“当前处理流”列选择预处理步骤。包含的预处理步骤如下：
- 使用 hmrR_intensity2OD 将强度数据转换为光密度。
- 使用 hmrR_MotionCorrectWavelet 通过适当的过滤功能校正运动伪影。
- 使用 hmrR_OD2conc 将 OD 数据转换为浓度。
- 使用 hmR_BlockAvg 计算浓度数据的区块平均值。
注意：预处理步骤的选择可能因数据集类型而异。
- 要保存当前处理流，请单击 “保存 ”选项，然后退出 ProcStreamEdit GUI。
- 要在 Homer3 主 GUI 中运行预处理流，请单击 RUN 选项。在 Homer3 运行完选定的处理流后，它将以 .mat 文件格式保存每个参与者的预处理时间序列，其中包含所有通道和事件的 Hbo、Hbr 和 Hbt。Homer3 将在当前选定的文件夹中创建一个名为 homer output 的文件夹来存储这些文件。
- Homer3 将在所选文件夹中创建一个名为 derivatives 的文件夹来存储这些文件。选择位于 derivatives 文件夹中的 homer 文件夹。为每个大脑选择 .mat 文件并导出 Hbo、Hbr、Hbt。
注意：Homer3 创建的输出文件夹的名称取决于 Homer3 版本。
2. LeaderFollowerByPhase 工具箱入门
- 要分析超扫描记录中发生的交互类型，请使用 LeaderFollowerByPhase 工具箱，如图 3 所示的过程所述。在MATLAB中，为每个大脑选择.mat文件，并将特定通道和特定事件的Hbo（或Hbr）数据加载到一维向量中，作为signal1和signal2。
- 在 MATLAB 命令行中，定义参数
- 低频率、高频率： 键入 lowFreq = [low FOI]，highFreq = [high FOI]。默认值为 lowFreq = 0.01 Hz，highFreq = 1 Hz。
注意： 函数 lowFreq 和 highFreq 的参数定义了感兴趣的频率 （FOI） 范围。WTC计算两个大脑在每个时间点和频率的连贯性。相干值通常在特定 FOI 内取平均值。 - 定义参数 phaseRange;type phaseRange = [度范围]。
注意： 默认值为 phaseRange = 90°。由于相位的圆形模量性质，相位范围在 0° 到 360° 之间。相位范围根据围绕四个点的范围进行划分。在所介绍的工具箱中，提出了一种对不对称相互作用进行分类的新方法（图 4），方法是根据与信号 1 领先（范围围绕 −90°）或信号 2 领先（范围围绕 90°）、信号 1、信号 2 同相同步（围绕 0 的范围）、 信号 1、信号 2 反相位同步（范围约为 +180° 或 −180°）。 - 定义 Threshold 参数。类型阈值 = [阈值 rsq val]。默认值为 Threshold = 0。
注： 该工具箱允许通过指定阈值参数来指定阈值相干性值。这允许研究人员选择具有指定最小相干性值的时间点。因此，仅考虑相干值高于指定阈值的时间点。
- 低频率、高频率： 键入 lowFreq = [low FOI]，highFreq = [high FOI]。默认值为 lowFreq = 0.01 Hz，highFreq = 1 Hz。
- 从以下链接（https://www.ariel.ac.il/wp/sns/download/ 或 https://github.com/Minisharmaa/Leader-Follower-By-Phase）下载 LeaderFollowerByPhase 工具箱。
- 通过在命令行中输入命令 cohervalues = LeaderFollowerByPhase（signal1， signal2， lowFreq， highFreq， phaseRange， threshold） 来执行 MATLAB 函数 LeaderFollowerByPhase 。
注：相干和相位计算分别使用 MATLAB 中的 WTC 和 XWT 函数执行30。 - 检查同相、信号 1 超前、信号 2 超前和反相位同步值：
- 在 MATLAB 中检查绘图。该工具箱将生成一个包含四个图的图形。
- 按相互作用类型划分的相干性：检查图左上角的箱形图，该图显示了每种相互作用类型（同相、信号 1 超前、信号 2 超前、反相）的 R 平方 （Rsq）。
注意：有关MATLAB箱形图内置函数的详细说明，请参阅以下链接（https://www.mathworks.com/help/matlab/ref/boxchart.html）。 - 按交互类型划分的中心指数：检查输出图右上角的条形图，该条形图根据每种交互类型（同相、信号 1 超前、信号 2 超前、反相位）显示最大均值和中位数。
注意：有关 MATLAB bar 内置函数的详细说明，请参阅以下链接 （https://www.mathworks.com/help/matlab/ref/bar.html）。 - 随时间变化的相干性：检查输出图左下角的散点图，该散点图显示随时间变化的相干性值和交互类型。彩色圆点代表不同类型的相互作用（黑点代表同相同步，深灰色圆点代表信号 1 导向，浅灰色圆点代表信号 2 导向，紫色圆点代表反相位同步）。
注：该图显示了交互的动态：在整个全时间序列中四种类型的交互之间的交换。有关 MATLAB 散点函数的详细说明，请参阅以下链接 （https://www.mathworks.com/help/matlab/ref/scatter.html）。 - 时间百分比：检查输出图右下角的饼图，该饼图根据不同类型的交互显示时间划分。
注意：有关 MATLAB 饼图函数的详细说明，请参阅以下链接 （https://www.mathworks.com/help/matlab/ref/pie.html）。
- 按相互作用类型划分的相干性：检查图左上角的箱形图，该图显示了每种相互作用类型（同相、信号 1 超前、信号 2 超前、反相）的 R 平方 （Rsq）。
- 在 MATLAB 中检查绘图。该工具箱将生成一个包含四个图的图形。
- 检查输出表，其中包含每种交互类型（同相同步、信号 1 超前、信号 2 超前、反相位同步）的统计值（即平均值、最大值、中位数和标准差）。该表还显示了每种类型的交互发生的时间百分比。每种类型的交互都显示在不同的列中。
- 检查提取的电子表格文件（即位于当前文件夹中的数据表.xlsx）中的输出值。
图 3：工作流概述。 （A）在超扫描fNIRS数据的同时进行自由游戏的母子二人组。（B） 母子时间序列图示。（C） 使用 Homer3 对时间序列进行预处理。（D，E）使用工具箱检查不同类型的相互作用，例如同相同步、反同相同步和滞后同步。请点击这里查看此图的较大版本.
图 4：基于相位的四种不同类型的相互作用的分类。 这表示 360° 模数中两个神经时间序列的相位差。相位差可以被认为是两个值之间的时间滞后，以度数和弧度或波长的分数来衡量。在这里，360°模量分为四个不同的范围，描述了四个不同的相互作用阶段：（A）信号1前导（范围在90°左右，在45°到135°之间），（B）信号1和信号2之间的反相位同步（范围在180°或-180°之间，在135到-135°之间），（C）信号2前导（在-135°到-45°之间），（D）） 同相同步（范围约为 0，介于 −45° 至 45° 之间）。此分割是默认方法（每个点周围 45°）;但是，该工具箱允许配置不同的分区。虽然其他配置可能无法涵盖所有 360°，但它可能会对每种类型的交互产生更准确的定义。 请点击这里查看此图的较大版本.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
本节演示了可以使用工具箱（可在 https://www.ariel.ac.il/wp/sns/download/ 或 https://github.com/Minisharmaa/Leader-Follower-By-Phase 下载）执行的分析类型。对于这些分析，使用了用少量婴儿-父母二元组样本收集的fNIRS数据。使用经过验证的行为任务（自由游戏任务31）测试了六对母婴二人组，该任务尽可能接近现实生活中的婴儿与母亲的互动。在实验之前，婴儿和父母被配备了一套定制的光电设备，用于收集fNIRS数据。本研究中用于收集fNIRS数据的光电组包括8个源（红点）和8个检测器（蓝点），它们被配置为创建18个通道，覆盖双侧前额叶和颞顶叶区域（见 图5）。NIRScout 使用两个波长获取光学成像数据：760 nm 对脱氧血红蛋白 （HbR） 更敏感，850 nm 对氧合血红蛋白 （HbO） 更敏感。所有父母均为女性（年龄范围 = 26-36 岁），婴儿健康足月（2 名女性，4 名男性，年龄范围 = 1-2 岁），没有已知的发育迟缓。二人组是通过广告招募的。每个父母在实验前都给予了知情同意，并为他们的参与而获得报酬。为简单起见，分析侧重于在 Dyad A 的通道 18 获得的数据。
图 5：初步研究中使用的光电套件。 在初步研究中，用于收集fNIRS数据的光电组由8个源（红点）和8个检测器（蓝点）组成，它们被配置为创建18个通道（黄线），覆盖双侧前额叶和颞顶叶区域。 请点击这里查看此图的较大版本.
该工具箱用于识别特定二元组的该通道随时间推移可以识别的交互类型的变化。该函数的参数如下：信号 1 = 通道 18 母，信号 2 = 通道 18 母，低频率 = 0.0067，高频率 = 0.1142，phaseRange = 90，阈值 = 0。
图 6：阈值为 0 时的分类分析。 阈值设置为 0 （阈值 = 0） 。（A） 箱形图表示与交互作用相关的相干值。每种类型的交互作用都有一个，并指示中位数和四分位距 （IQR）。分数越高表示连贯性越高。（B） 所有类型相互作用的相干值的中心指数。（C） 在整个任务中，交互类型的动态变化。（D） 四种互动类型中每一种的得分百分比。 请点击这里查看此图的较大版本.
首先，将每个时间点分为四种相互作用类型之一（同相、反相、母亲主导或婴儿主导）（图 6）。图 6D 显示了分为四种交互类型中每一种的时间点的百分比。需要注意的是，虽然该工具箱可以检测由其中一个参与者领导的相互作用相关的百分比和相干值（图6A），但其独特的贡献在于它还提供了所有类型相互作用的相干值的百分比（图6D）和中心指数，包括反相位同步（图6B）).最后，该工具箱允许人们检查交互类型的动态在整个任务中如何变化（图 6C）。需要注意的是，与 GCA 分析类似，该工具箱分别计算每个二元组的这些指数。应使用这些指数进行组水平分析，以确定交互作用的类型。
在这里，为了探索改变这些最小阈值对二元组内相互作用类型分类的影响，对二元组A的阈值为0.5（图7）。
图 7：阈值为 0.5 的分类分析。 阈值设置为 0.5 （阈值 = 0.5）。（A） 箱形图表示与交互作用相关的相干值。每种类型的交互作用都有一个，并指示中位数和四分位距 （IQR）。分数越高表示连贯性越高。（B） 所有类型相互作用的相干值的中心指数。（C） 在整个任务中，交互类型的动态变化。（D） 四种互动类型中每一种的得分百分比。 请点击这里查看此图的较大版本.
如图7D所示，当使用此阈值时，不同类型的相对相位关系的分布发生了变化。反相位同步的百分比增加（从35%增加到59%），同相同步的百分比减少（从26%下降到3%）。这表明反相位同步可能是更能代表这种二元组的相互作用类型。换言之，定义阈值可以进行更灵敏的分析，其中仅对具有最低一致性的时间点进行平均。需要注意的是，确定最佳相干值阈值是一个复杂的过程，因为最佳阈值可能因实验而异，也可能因环境而异。尽管该工具箱提供了设置阈值的可能性，但还需要更多的研究来开发用于识别最佳相干值的协议。此外，选择仍与 Rsq 值相交的阈值和关注频率值也很重要。例如，参数为 lowFreq = 0.0067、highFreq = 0.1142、phaseRange = 90 和 Threshold = 0.5 的函数仅显示与高于 0.5 的 Rsq 值的交互作用，但阈值为 0.7 的相同函数会导致错误，因为频率范围内没有高于 0.7 的值。
补充文件1：小波变换相干性（WTC）。 对小波变换和交叉小波变换进行了综述，分析了两个时间序列的时频特征和相互依赖性。小波变换将时间序列分解为时频空间35，而交叉小波变换揭示了两个时间序列之间的公共功率和相位9,30。本文还介绍了小波变换的相干性，它量化了两个时间序列之间的同步程度。从小波变换的相干性得出的 R 平方值反映了相互依赖性，但不区分正相关和负相关36。假设正相关和负相关表明相互关系37,38。请点击这里下载此文件。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
fNIRS研究中最常用的方法之一是小波变换相干性（WTC），它是两个时间序列作为频率和时间10函数的互相关性的度量。WTC使用相关分析（补充文件1）计算两个时间序列之间的相干性和相位滞后。FNIRS 超扫描研究使用 WTC 来估计许多功能领域的 IBS，包括行动监测 12、合作和竞争行为5、13、14、15、模仿16、母婴问题解决 17 和教学行为18、19、20、21.超扫描研究经常将实验任务期间使用小波相干变换 （WTC） 测量的跨脑相干性与控制任务进行比较。这些比较通常使用WTC“热图”来呈现，该图显示了两个大脑在每个时间点和频率上的连贯性。此外，如图1所示，相位滞后信息由WTC“热图”中小箭头的方向显示。然而，以往的研究忽略了WTC“热图”中小箭头方向所代表的相位滞后信息，仅通过检查WTC图中的相干性来估计脑间同步（IBS）。这种疏忽可能会导致不准确或不完整的结果。
汉密尔顿25 讨论的关于解释 fNIRS 超扫描研究中跨脑相干数据的局限性在新框架中得到解决，允许通过使用交叉小波相位检测方向性来直接解释交叉小波功率，并且还包括一个相干分析模块，用于通过直接平均相干值来计算相干值39.这种方法能够检查整个任务中相互作用的发展和变化，并提供信号之间一致性的可靠测量。
这种方法已在人际同步的行为研究中得到证明，该研究使用了可以从交叉小波分析中提取的相对相位数据。一些研究使用这些数据来区分同相相干值和反相相干值。例如，这种方法已被用于评估两位即兴音乐家的手部动作40 并检查社会姿势协调41。一些研究检查了运动数据中相位角的分布，以了解结构化42 和非结构化43 对话期间使用交叉小波相干性相互作用的动态。
两个时间序列之间的相对相位允许检测相同频率信号之间的时间偏移。事实上，在脑电图超扫描领域，大多数旨在确定神经时间序列同步程度的方法评估两个时间序列之间的相对相位关系13,44。
该协议演示了在fNIRS超扫描数据中使用LeaderFollowerByPhase工具箱的关键步骤。具体来说，该协议涉及在运行工具箱之前在 MATLAB 中预先确定信号 1 和信号 2。值得注意的是，感兴趣频率 （FOI）、相位范围和阈值等参数是可选的，如果不设置，可能会使用默认值。建议对原始信号进行过滤和去趋势化45.此外，在进行带通滤波时必须谨慎，因为这会影响FOI的选择。
FOI参数（低频率、高频率）需要仔细选择，特别是排除高频和低频生理噪声，如呼吸（~0.2-0.3 Hz）和心脏搏动（0.6-1.2 Hz）。建议将感兴趣的低频和高频分别设在 0.01 和 0.7 Hz 之间，分别为46，因为该范围也可以有效消除心跳 （0.8-1 Hz） 等高频噪声。
phaseRange 参数根据与信号 1 超前（范围约为 −90°）或信号 2 超前（范围约为 90°）、信号 1、信号 2 同相同步（范围约为 0°）和信号 1、信号 2 反相位同步（范围约为 +180° 或 −180°）的滞后同步相对应的范围来定义相位角值周围的范围。围绕这四个点的周围范围的宽度由 phaseRange 定义 例如，如果 phaseRange 设置为 90°，则同相同步的范围将为 0° 周围，介于 −45° 到 45° 之间;信号 2 超前（滞后同步）的范围约为 90°，介于 45° 至 135° 之间，反相位同步的范围约为 180° 或 −180°，介于 135° 至 −135° 之间;信号 1 超前（滞后同步）的范围约为 180°，介于 -135° 至 -45° 之间。phaseRange 参数必须介于 0° 到 90° 度之间，否则将显示以下消息：“phaseRange 变量的值必须介于 0 到 90 之间”。虽然范围可以是 0° 到 90° 之间的任意数字，但建议的最小值为 30° （±15°）。阈值必须是介于 0 到 1 之间的任何值，否则将显示以下消息：“阈值变量的值必须介于 0 到 1 之间”。建议选择介于 0.25 到 0.75 之间的阈值。
虽然 LeaderFollowerByPhase 工具箱提供了一种很有前途的方法，但它并非没有局限性。如上所述，确定最佳相干值阈值是一个复杂的过程，因为最佳阈值可能因实验而异，也可能因不同任务而异。有必要在更多样化的数据集上测试此工具箱，以获取有关阈值最佳值的更准确信息。
使用fNIRS超扫描理解复杂的人类交互的能力受到以下事实的限制：目前用于检测两个神经信号之间耦合的方法忽略了信号的方向性。本文提出了一种更灵敏的利用小波变换相干性（WTC）分析两个神经信号相干性的方法。该工具箱允许研究人员通过将相位角值分类为表示同相同步、滞后同步和反同位同步来检查耦合方向性。
这种使用工具箱的新方法将提供有关二元相互作用性质的更详细的信息，这是迄今为止一直缺乏的。例如，虽然相位同步和反相位同步被视为相同（补充文件1）36，但研究人员现在将能够确定二元组成员的神经信号向同一方向（增加或减少）或相反方向移动的程度（一个增加，另一个减少）。这将对理解大脑如何介导社会过程和行为产生变革性影响。
该框架可以对不同类型的相互作用进行分类，包括同相同步、滞后同步和反同位同步，因此在人际神经同步研究领域具有广阔的应用前景。通过使用新提出的框架重新分析先前的发现，研究人员可以更全面地了解参与者之间同步的性质。具体来说，区分同相和反相相互作用的能力提供了以前无法获得的新清晰度，这可能导致对先前发现的更精确的解释。该框架的这一功能可以应用于广泛的场景，包括探索人际神经同步在社会行为、沟通和决策过程中的作用。总体而言，拟议的框架代表了对该领域的宝贵贡献，并在未来应用方面具有巨大的潜力。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者声明，该研究是在没有任何可被解释为潜在利益冲突的商业或财务关系的情况下进行的。
Acknowledgments
感谢国家自然科学基金（第62207025号）、教育部人文社会科学研究项目（第22YJC190017号）和中央高校基本科研业务费专项资金对潘亚峰的支持。
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. |
References
- 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).
- Balconi, M., Fronda, G., Vanutelli, M. E. Donate or receive? Social hyperscanning application with fNIRS. Current Psychology. 38 (4), 991-1002 (2019).
- Redcay, E., Schilbach, L. Using second-person neuroscience to elucidate the mechanisms of social interaction. Nature Reviews Neuroscience. 20 (8), 495-505 (2019).
- 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).
- 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).
- 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).
- 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).
- 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).
- Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
- 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).
- Czeszumski, A., et al. Hyperscanning: A valid method to study neural inter-brain underpinnings of social interaction. Frontiers in Human Neuroscience. 14, 39 (2020).
- 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).
- 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).
- 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).
- 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).
- Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
- Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
- Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
- 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).
- Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
- 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).
- 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).
- Nguyen, T., Hoehl, S., Vrtička, P. A guide to parent-child fNIRS hyperscanning data processing and analysis. Sensors. 21 (12), 4075 (2021).
- 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).
- Hamilton, A. F. deC.
- 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).
- 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).
- 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).
- 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).
- 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).
- Feldman, R.
- Fell, J., Axmacher, N. The role of phase synchronization in memory processes. Nature Reviews Neuroscience. 12 (2), 105-118 (2011).
- 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).
- Stam, C. J. Nonlinear dynamical analysis of EEG and MEG: Review of an emerging field. Clinical Neurophysiology. 116 (10), 2266-2301 (2005).
- Mallat, S. A Wavelet Tour of Signal Processing. , Academic Press. Cambridge, MA. (2009).
- 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).
- 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).
- 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).
- 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).
- 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).
- Varlet, M., Marin, L., Lagarde, J., Bardy, B. G.
- 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).
- Fujiwara, K., Daibo, I. Evaluating interpersonal synchrony: Wavelet transform toward an unstructured conversation. Frontiers in Psychology. 7, 516 (2016).
- 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).
- 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).
- Lu, K., Qiao, X., Yun, Q., Hao, N. Educational diversity and group creativity: Evidence from fNIRS hyperscanning. NeuroImage. 243, 118564 (2021).
