Nouveau cadre pour la compréhension de la cohérence intercérébrale dans les études d’hyperbalayage par spectroscopie fonctionnelle dans le proche infrarouge (fNIRS)

Summary

La cohérence de la transformée en ondelettes (WTC) est une méthodologie courante d’évaluation du couplage entre les signaux utilisée dans les études d’hyperbalayage par spectroscopie fonctionnelle proche infrarouge (fNIRS). Une boîte à outils permettant d’évaluer la directionnalité de l’interaction du signal est présentée dans ce travail.

Abstract

Malgré le nombre croissant d’études d’hyperbalayage par spectroscopie fonctionnelle proche infrarouge (fNIRS), l’évaluation du couplage entre deux signaux neuronaux à l’aide de la cohérence de la transformée en ondelettes (WTC) semble ignorer la directionnalité de l’interaction. Le domaine manque actuellement d’un cadre permettant aux chercheurs de déterminer si une valeur de cohérence élevée obtenue à l’aide d’une fonction WTC reflète la synchronisation en phase (c’est-à-dire que l’activation neuronale est observée dans les deux membres de la dyade en même temps), la synchronisation décalée (c’est-à-dire que l’activation neuronale est vue dans un membre de la dyade avant l’autre membre). ou la synchronisation anti-phase (c’est-à-dire que l’activation neuronale est augmentée dans un membre de la dyade et diminuée dans l’autre). Pour répondre à ce besoin, une approche complémentaire et plus sensible d’analyse de la cohérence de phase de deux signaux neuronaux est proposée dans ce travail. La boîte à outils permet aux chercheurs d’estimer la directionnalité du couplage en classant les valeurs d’angle de phase obtenues à l’aide du WTC traditionnel en synchronisation en phase, synchronisation décalée et synchronisation anti-phase. La boîte à outils permet également aux chercheurs d’évaluer comment la dynamique des interactions se développe et change tout au long de la tâche. L’utilisation de cette nouvelle approche du WTC et de la boîte à outils fera progresser notre compréhension des interactions sociales complexes grâce à leur utilisation dans les études d’hyperbalayage fNIRS.

Introduction

Ces dernières années, il y a eu un changement dans les types d’études menées pour comprendre les bases neuronales du comportement social ^1,2. Traditionnellement, les études en neurosciences sociales se sont concentrées sur l’activation neuronale dans un cerveau isolé au cours d’une tâche socialement pertinente. Cependant, les progrès de la technologie de neuroimagerie permettent maintenant d’examiner l’activation neuronale dans le cerveau d’un ou de plusieurs individus lors d’interactions sociales telles qu’elles se produisent dans des contextes « réels »³. Dans des contextes « réels », les individus sont capables de se déplacer librement, et les schémas d’activation cérébrale sont susceptibles de changer au fur et à mesure que les informations sont échangées et que les partenaires sociaux reçoivent un retour d’information les uns des autres⁴.

L’hyperbalayage est une méthode qui permet d’évaluer cet échange d’informations bidirectionnel en mesurant l’activité cérébrale de deux ou plusieurs individus simultanément⁵. Un nouveau corpus de recherche a utilisé la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS), une technique de neuroimagerie non invasive qui, par rapport à d’autres techniques de neuroimagerie, est moins sensible aux artefacts de mouvement⁶. L’hyperbalayage via fNIRS permet d’évaluer la synchronisation intercérébrale (IBS) dans des contextes réels tandis que les partenaires interactifs se déplacent librement et naturellement. Ceci est particulièrement pertinent pour le travail avec les nourrissons et les jeunes enfants, qui ont tendance à être très actifs. Il a été rapporté que le SII reflète la compréhension mutuelle entre les partenaires interactifs, qui sert de fondement à une interaction sociale et à une communication efficaces et sert de médiateur à l’intentionnalité partagée ^1,7,8.

Plusieurs méthodes sont utilisées pour évaluer le SCI de deux cerveaux. Ces méthodes comprennent des corrélations de séries chronologiques, telles que la corrélation croisée et le coefficient de corrélation de Pearson ^9,10 (voir une étude de Scholkmann et ^al.10). D’autres méthodes consistent à évaluer la force du couplage dans le domaine fréquentiel. Ces méthodes comprennent la valeur de verrouillage de phase (PLV) et la cohérence de phase (voir une étude de Czeszumski et ^al.11). L’une des méthodes les plus courantes dans les études fNIRS utilise la cohérence de la transformée en ondelettes (WTC), une mesure de la corrélation croisée de deux séries temporelles en fonction de la fréquence et du temps¹⁰.

Le WTC utilise des analyses corrélationnelles pour calculer la cohérence et le décalage de phase entre deux séries temporelles dans le domaine temps-fréquence. Les études d’hyperbalayage FNIRS ont utilisé le WTC pour estimer le SII dans de nombreux domaines de fonctionnement, y compris la surveillance de l’action 12, le comportement coopératif et compétitif 5,13,14,15, l’imitation 16, la résolution de problèmes mère-enfant 17 et le comportement d’enseignement-apprentissage 18,19,20,21 . En règle générale, dans les études d’hyperbalayage, la cohérence intercérébrale, telle que mesurée par le WTC, au cours d’une tâche expérimentale est comparée à la cohérence intercérébrale au cours d’une tâche de contrôle. Ces résultats sont généralement présentés avec un « tracé à chaud » du WTC, qui montre la cohérence entre les deux cerveaux à chaque point temporel et à chaque fréquence (voir Figure 1).

Comme suggéré par Czesumaski et ^al.11, le WTC est devenu l’approche analytique standard pour l’analyse de l’hyperbalayage fNIRS. L’analyse WTC est une méthode flexible et « indépendante de l’outil » pour la visualisation et l’interprétation des données²². La heatmap du coefficient de cohérence, qui fournit une forme narrative d’analyse permettant d’identifier facilement les périodes de comportement synchrone ou asynchrone ainsi que l’intensité de l’activité cérébrale lors de l’accomplissement d’une tâche, est le principal avantage du WTC et en fait un outil puissant pour la recherche appliquée²². Le WTC a un avantage sur les techniques de corrélation. Les corrélations sont sensibles à la forme de la fonction de réponse hémodynamique (HRF), qui est censée différer d’un individu à l’autre (en particulier en termes d’âge) et d’une région du cerveau à l’autre. En revanche, le WTC n’est pas affecté par les changements interrégionaux dans le (HRF)²³. Les chercheurs ont utilisé l’approche par ondelettes pour étudier les séries temporelles d’IRMf. Zhang et ^al.24 ont comparé les mesures de connectivité fonctionnelle couramment utilisées, y compris la corrélation de Pearson, la corrélation partielle, l’information mutuelle et la transformation de cohérence en ondelettes (WTC). Ils ont mené des expériences de classification en utilisant des modèles de connectivité fonctionnelle à grande échelle dérivés des données d’IRMf à l’état de repos et des données d’IRMf de stimulus naturel de visionnage vidéo. Leurs résultats ont indiqué que le WTC a obtenu les meilleurs résultats en matière de classification (spécificité, sensibilité et précision), ce qui implique que le WTC est une mesure de connectivité fonctionnelle préférable pour l’étude des réseaux cérébraux fonctionnels, du moins dans les applications de classification²⁴.

Figure 1 : Cohérence de la transformée en ondelettes (WTC). Le WTC montre la cohérence et l’angle de phase entre deux séries temporelles en fonction du temps (axe des abscisses) et de la fréquence (axe des ordonnées). L’augmentation de la cohérence est représentée par la couleur rouge dans le graphique, et les petites flèches dans le graphique montrent l’angle de phase des deux séries chronologiques. La flèche pointant vers la droite représente la synchronisation en phase ; les flèches pointant vers le bas et vers le haut représentent une synchronisation décalée ; et la flèche pointant vers la gauche représente la synchronisation antiphase³⁰. Cette figure a été adaptée de Pan et ^al.19. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Récemment, Hamilton²⁵ a articulé plusieurs limites à l’interprétation des données de cohérence intercérébrale dans les études d’hyperbalayage fNIRS. L’une des principales préoccupations de Hamilton était que les mesures de cohérence (par exemple, le WTC) ne rapportent que des effets symétriques (c’est-à-dire que deux cerveaux sont corrélés, montrant le même modèle de changement). Cependant, de nombreuses interactions sociales sont asymétriques (par exemple, le flux d’informations entre un locuteur et un auditeur) en ce sens que deux participants peuvent jouer des rôles différents, et il n’est pas clair que le WTC puisse capturer cette information. Ici, cette préoccupation est résolue par un nouveau cadre qui permet une interprétation simple de la puissance des ondelettes croisées en utilisant la phase des ondelettes croisées pour détecter la directionnalité. Ce cadre permettra également d’examiner comment la dynamique des interactions se développe et change tout au long d’une tâche.

Alors que le WTC et les méthodes de corrélation évaluent la connectivité fonctionnelle, d’autres méthodes évaluent la connectivité effective, en tentant d’extraire les influences causales d’un élément neuronal sur un autre. L’entropie de transfert est une mesure du domaine de la théorie de l’information qui décrit le transfert entre des processus dépendants conjoints²⁶. Une autre méthode connexe est l’analyse de causalité de Granger (GCA), qui a été décrite comme équivalente à l’entropie de transfert²⁶.

Dans la littérature existante sur les études d’hyperbalayage fNIRS, l’analyse de causalité de Granger (GCA) a été largement utilisée pour estimer la directionnalité de couplage entre les données de séries temporelles fNIRS obtenues au cours d’une variété de tâches différentes, telles que la coopération⁵, l’enseignement¹⁹ et l’imitation¹⁶. GCA utilise des modèles autorégressifs vectoriels pour évaluer la directionnalité du couplage entre les séries temporelles dans les données cérébrales. La causalité de Granger est basée sur la prédiction et la précédence : « on dit d’une variable X qu’elle cause G la variable Y si le passé de X contient l’information qui aide à prédire l’avenir de Y au-delà de l’information déjà présente dans le passé de Y »²⁷. En conséquence, la causalité G est analysée dans deux directions : 1) du sujet A au sujet B et 2) du sujet B au sujet A.

Bien que l’analyse GCA serve d’analyse complémentaire visant à déterminer si une valeur de cohérence élevée obtenue à l’aide d’une fonction WTC reflète une synchronisation IBS ou décalée (un signal entraînant l’autre), elle ne permet pas de déterminer si une synchronisation antiphase s’est produite. Dans les études de neuroimagerie traditionnelles, dans lesquelles un seul participant est scanné (c’est-à-dire l’approche « cerveau unique »), un modèle anti-phase signifie que l’activité dans une région du cerveau est augmentée tandis que l’activité dans l’autre région du cerveau est diminuée²⁸. Dans la littérature sur l’hyperbalayage, la présence d’une synchronisation anti-phase peut suggérer que l’activation neuronale est augmentée chez un sujet, et en même temps, l’activation neuronale est diminuée chez l’autre sujet. Par conséquent, il est nécessaire de fournir un modèle complet capable de détecter la directionnalité. Plus précisément, ce modèle sera capable de détecter la synchronisation anti-phase (dans laquelle la direction de l’activité d’un individu est opposée à celle de son partenaire) en plus de la synchronisation en phase et de la synchronisation décalée.

Pour tenter de répondre à la préoccupation selon laquelle le WTC ne montre que des effets symétriques, où les deux cerveaux présentent le même modèle de changement²⁵, une nouvelle approche pour identifier le type d’interaction en examinant la phase de synchronisation (c’est-à-dire en phase, décalée ou anti-phase) est présentée (voir Figure 2). À cette fin, une boîte à outils utilisant la méthode WTC pour classer les différents types d’interactions a été développée. Les types d’interactions sont classés à l’aide des données de phase relatives issues de l’analyse par transformée en ondelettes croisées.

Figure 2 : Illustration des différentes relations de phase des ondes sinusoïdales simples. (A) Lorsque les deux signaux, le signal 1 (ligne bleue s) et le signal 2 (ligne oranges), atteignent leurs valeurs maximales, minimales et nulles respectives au même point temporel, on dit qu’ils présentent une synchronisation en phase³². (B) Lorsqu’un signal atteint sa valeur maximale et que l’autre signal atteint une valeur nulle au même point de temps, on dit qu’ils présentent une synchronisation décalée (l’un d’eux mène de 90°)^32,33,34. (C) Lorsque deux séries temporelles se déplacent dans des directions opposées, c’est-à-dire qu’un signal atteint le maximum et l’autre atteint la valeur minimale au même point temporel, on parle de synchronisation antiphase²⁸. (D-P) Dans toutes les autres relations de phase entre deux séries temporelles, un signal entraîne l’autre. Dans toutes les phases positives, le signal 2 précède le signal 1 (par exemple, les panneaux E, F, M et N), tandis que dans toutes les phases négatives, le signal 1 précède le signal 2 (par exemple, les panneaux D, G, H, O et P). Notamment, lorsque la valeur absolue de la phase est plus élevée, il devient plus distinctif quelle série temporelle précède l’autre (par exemple, le leadership est plus distinctif dans le panneau J que dans le panneau I, et dans le panneau K, le leadership est plus distinctif que dans le panneau L). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Protocol

L’étude a été menée à la Florida Atlantic University (FAU) et a été approuvée par le FAU Institutional Review Board (IRB). 1. Utilisation du logiciel Homer3 (Table of Materials) pour effectuer le prétraitement des données d’hyperbalayage fNIRS NOTE : Homer3 est une application MATLAB qui analyse les données fNIRS pour obtenir des estimations et des cartes de l’activation cérébrale29. Homer3 peut être téléc…

Representative Results

Cette section présente les types d’analyses qui peuvent être effectuées à l’aide de la boîte à outils (téléchargeable à l’https://www.ariel.ac.il/wp/sns/download/ ou au https://github.com/Minisharmaa/Leader-Follower-By-Phase.). Pour ces analyses, on a utilisé des données fNIRS recueillies auprès d’un petit échantillon de dyades nourrisson-parent. Six paires de dyades mère-enfant ont été testées à l’aide d’une tâche comportementale validée, la tâche de jeu libre31, …

Discussion

L’une des méthodes les plus couramment utilisées dans les études fNIRS est la cohérence par transformée en ondelettes (WTC), qui est une mesure de la corrélation croisée de deux séries chronologiques en fonction de la fréquence et du temps¹⁰. Le WTC calcule la cohérence et le décalage de phase entre deux séries temporelles à l’aide d’analyses corrélationnelles (Fichier supplémentaire 1). Les études d’hyperbalayage FNIRS ont utilisé le WTC pour estimer le S…

Materials

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.