Waiting
Login processing...

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

Neuroscience

कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) हाइपरस्कैनिंग अध्ययन में क्रॉस-ब्रेन सुसंगतता को समझने के लिए नया ढांचा

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

वेवलेट ट्रांसफॉर्म सुसंगतता (डब्ल्यूटीसी) संकेतों के बीच युग्मन का आकलन करने के लिए एक सामान्य पद्धति है जिसका उपयोग कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) हाइपरस्कैनिंग अध्ययनों में किया जाता है। सिग्नल इंटरैक्शन की दिशात्मकता का आकलन करने के लिए एक टूलबॉक्स इस काम में प्रस्तुत किया गया है।

Abstract

कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) हाइपरस्कैनिंग अध्ययनों के बढ़ते शरीर के बावजूद, तरंगिका ट्रांसफॉर्म सुसंगतता (डब्ल्यूटीसी) का उपयोग करके दो तंत्रिका संकेतों के बीच युग्मन का आकलन बातचीत की दिशात्मकता को अनदेखा करता है। इस क्षेत्र में वर्तमान में एक ढांचे की कमी है जो शोधकर्ताओं को यह निर्धारित करने की अनुमति देता है कि क्या डब्ल्यूटीसी फ़ंक्शन का उपयोग करके प्राप्त उच्च सुसंगतता मूल्य इन-फेज सिंक्रनाइज़ेशन को दर्शाता है (यानी, तंत्रिका सक्रियण एक ही समय में द्याड के दोनों सदस्यों में देखा जाता है), टैग सिंक्रनाइज़ेशन (यानी, दूसरे सदस्य से पहले द्याड के एक सदस्य में तंत्रिका सक्रियण देखा जाता है)। या एंटी-फेज सिंक्रनाइज़ेशन (यानी, तंत्रिका सक्रियण द्याड के एक सदस्य में बढ़ जाता है और दूसरे में कम हो जाता है)। इस आवश्यकता को संबोधित करने के लिए, इस काम में दो तंत्रिका संकेतों के चरण सुसंगतता का विश्लेषण करने के लिए एक पूरक और अधिक संवेदनशील दृष्टिकोण प्रस्तावित है। टूलबॉक्स जांचकर्ताओं को पारंपरिक डब्ल्यूटीसी का उपयोग करके प्राप्त चरण कोण मानों को इन-फेज सिंक्रनाइज़ेशन, टैग सिंक्रनाइज़ेशन और एंटी-फेज सिंक्रनाइज़ेशन में वर्गीकृत करके युग्मन दिशात्मकता का अनुमान लगाने की अनुमति देता है। टूलबॉक्स शोधकर्ताओं को यह आकलन करने की भी अनुमति देता है कि पूरे कार्य में बातचीत की गतिशीलता कैसे विकसित होती है और बदलती है। इस उपन्यास डब्ल्यूटीसी दृष्टिकोण और टूलबॉक्स का उपयोग एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों में उनके उपयोग के माध्यम से जटिल सामाजिक इंटरैक्शन की हमारी समझ को आगे बढ़ाएगा।

Introduction

हाल के वर्षों में, सामाजिक व्यवहार 1,2 के तंत्रिका आधारों को समझने के लिए किए गए अध्ययनों के प्रकारों में बदलाव आया है। परंपरागत रूप से, सामाजिक तंत्रिका विज्ञान में अध्ययन ने सामाजिक रूप से प्रासंगिक कार्य के दौरान एक पृथक मस्तिष्क में तंत्रिका सक्रियण पर ध्यान केंद्रित किया है। हालांकि, न्यूरोइमेजिंग तकनीक में प्रगति अब सामाजिक संपर्क के दौरान एक या अधिक व्यक्तियों के दिमाग में तंत्रिका सक्रियण की परीक्षा की अनुमति देती है क्योंकि यह "वास्तविक जीवन" सेटिंग्स3 में होता है। "वास्तविक जीवन" सेटिंग्स में, व्यक्ति स्वतंत्र रूप से आगे बढ़ने में सक्षम होते हैं, और मस्तिष्क सक्रियण के पैटर्न बदलने की संभावना होती है क्योंकि जानकारी का आदान-प्रदान होता है और सामाजिक भागीदारों कोएक दूसरे से प्रतिक्रिया प्राप्त होती है।

हाइपरस्कैनिंग एक ऐसी विधि हैजो एक साथ दो या दो से अधिक व्यक्तियों से मस्तिष्क की गतिविधि को मापकर इस द्विदिश सूचना विनिमय का आकलन करती है। अनुसंधान के एक उभरते निकाय ने कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) का उपयोग किया है, जो एक गैर-इनवेसिव न्यूरोइमेजिंग तकनीक है, जो अन्य न्यूरोइमेजिंग तकनीकों की तुलना में, गति कलाकृतियों6 के लिए कम संवेदनशील है। एफएनआईआरएस के माध्यम से हाइपरस्कैनिंग वास्तविक जीवन सेटिंग्स में अंतर-मस्तिष्क सिंक्रनाइज़ेशन (आईबीएस) के मूल्यांकन की अनुमति देता है, जबकि इंटरैक्टिव पार्टनर स्वतंत्र रूप से और स्वाभाविक रूप से आगे बढ़ते हैं। यह शिशुओं और छोटे बच्चों के साथ काम करने के लिए विशेष रूप से प्रासंगिक है, जो काफी सक्रिय होते हैं। आईबीएस को इंटरैक्टिव भागीदारों के बीच आपसी समझ को प्रतिबिंबित करने के लिए रिपोर्ट किया गया है, जो प्रभावी सामाजिक संपर्क और संचार के लिए नींव के रूप में कार्य करता है और साझा इरादे 1,7,8 की मध्यस्थता करता है।

दो दिमागों के आईबीएस का मूल्यांकन करने के लिए कई तरीकों का उपयोग किया जाता है। इस तरह के तरीकों में समय श्रृंखला सहसंबंध शामिल हैं, जैसे कि क्रॉस-सहसंबंध और पियरसन सहसंबंध गुणांक 9,10 (स्कोल्कमैन एट अल.10 द्वारा समीक्षा देखें)। अन्य तरीकों में आवृत्ति डोमेन में युग्मन की ताकत का मूल्यांकन करना शामिल है। ऐसी विधियों में चरण-लॉकिंग मान (पीएलवी) और चरण सुसंगतता शामिल हैं (Czeszumski et al.11 द्वारा एक समीक्षा देखें)। एफएनआईआरएस अध्ययनों में सबसे आम तरीकों में से एक तरंगिका परिवर्तन सुसंगतता (डब्ल्यूटीसी) का उपयोग करता है - आवृत्ति और समय10 के कार्य के रूप में दो समय श्रृंखला के क्रॉस-सहसंबंध का एक उपाय।

डब्ल्यूटीसी समय-आवृत्ति डोमेन में दो समय श्रृंखलाओं के बीच सुसंगतता और चरण अंतराल की गणना करने के लिए सहसंबंध विश्लेषण का उपयोग करता है। एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों ने कार्यप्रणाली के कई डोमेन में आईबीएस का अनुमान लगाने के लिए डब्ल्यूटीसी का उपयोग किया है, जिसमें कार्रवाई निगरानी 12, सहकारी और प्रतिस्पर्धी व्यवहार 5,13,14,15, नकल 16, मां-शिशु समस्या समाधान 17, और शिक्षण-अधिगम व्यवहार 18,19,20,21 शामिल हैं।. आमतौर पर, हाइपरस्कैनिंग अध्ययनों में, एक प्रयोगात्मक कार्य के दौरान डब्ल्यूटीसी द्वारा मापा गया क्रॉस-ब्रेन सुसंगतता की तुलना नियंत्रण कार्य के दौरान क्रॉस-ब्रेन सुसंगतता से की जाती है। इन निष्कर्षों को आमतौर पर एक डब्ल्यूटीसी "हॉट प्लॉट" के साथ प्रस्तुत किया जाता है, जो प्रत्येक समय बिंदु और आवृत्ति पर दो दिमागों में सुसंगतता दिखाता है (चित्रा 1 देखें)।

जैसा कि Czesumaski et al.11 द्वारा सुझाया गया है, WTC fNIRS हाइपरस्कैनिंग का विश्लेषण करने के लिए मानक विश्लेषणात्मक दृष्टिकोण बन गया है। डब्ल्यूटीसी विश्लेषण डेटा विज़ुअलाइज़ेशन और व्याख्या22 के लिए एक लचीला, "टूल-अज्ञेयवादी" विधि है। सुसंगतता गुणांक हीटमैप, जो विश्लेषण का एक कथात्मक रूप प्रदान करता है जो तुल्यकालिक या अतुल्यकालिक व्यवहार की अवधि के साथ-साथ किसी कार्य के पूरा होने के दौरान मस्तिष्क गतिविधि की तीव्रता की आसान पहचान की अनुमति देता है, डब्ल्यूटीसी का मुख्य लाभ है और इसे लागू अनुसंधानके लिए एक मजबूत उपकरण बनाता है। डब्ल्यूटीसी को सहसंबंध तकनीकों पर एक फायदा है। सहसंबंध हेमोडायनामिक रिस्पांस फंक्शन (एचआरएफ) के आकार के प्रति संवेदनशील होते हैं, जिसे व्यक्तियों (विशेष रूप से उम्र के संदर्भ में) और विभिन्न मस्तिष्क क्षेत्रों के बीच भिन्न माना जाता है। इसके विपरीत, डब्ल्यूटीसी (एचआरएफ) 23 में अंतर-क्षेत्रीय परिवर्तनों से अप्रभावित है। शोधकर्ताओं ने एफएमआरआई समय श्रृंखला का अध्ययन करने के लिए तरंगिका दृष्टिकोण का उपयोग किया है। झांग एट अल .24 ने पियर्सन सहसंबंध, आंशिक सहसंबंध, आपसी जानकारी और तरंगिका सुसंगतता परिवर्तन (डब्ल्यूटीसी) सहित आमतौर पर उपयोग किए जाने वाले कार्यात्मक कनेक्टिविटी मैट्रिक्स की तुलना की। उन्होंने रेस्टिंग-स्टेट एफएमआरआई डेटा और वीडियो देखने के प्राकृतिक-उत्तेजना एफएमआरआई डेटा से प्राप्त बड़े पैमाने पर कार्यात्मक कनेक्टिविटी पैटर्न का उपयोग करके वर्गीकरण प्रयोग किए। उनके निष्कर्षों ने संकेत दिया कि डब्ल्यूटीसी ने वर्गीकरण (विशिष्टता, संवेदनशीलता और सटीकता) में सबसे अच्छा प्रदर्शन किया, जिसका अर्थ है कि डब्ल्यूटीसी कार्यात्मक मस्तिष्क नेटवर्क का अध्ययन करने के लिए एक बेहतर कार्यात्मक कनेक्टिविटी मीट्रिक है, कम से कमवर्गीकरण अनुप्रयोगों में।

Figure 1
चित्र 1: वेवलेट ट्रांसफॉर्म सुसंगतता (डब्ल्यूटीसी)। डब्ल्यूटीसी समय (एक्स-अक्ष) और आवृत्ति (वाई-अक्ष) दोनों के फ़ंक्शन के रूप में दो समय श्रृंखलाओं के बीच सुसंगतता और चरण कोण दिखाता है। सुसंगतता वृद्धि को ग्राफ में लाल रंग द्वारा दर्शाया गया है, और ग्राफ में छोटे तीर दो समय श्रृंखला के चरण कोण को दिखाते हैं। दाएँ-पॉइंटिंग तीर इन-फेज़ सिंक्रनाइज़ेशन का प्रतिनिधित्व करता है; नीचे की ओर इशारा करने वाले और ऊपर की ओर इशारा करने वाले तीर टैग किए गए सिंक्रनाइज़ेशन का प्रतिनिधित्व करते हैं; और बाएं-पॉइंटिंग तीर एंटी-फेज सिंक्रनाइज़ेशन30 का प्रतिनिधित्व करता है। यह आंकड़ा पैन एट अल .19 से अनुकूलित किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

हाल ही में, हैमिल्टन25 ने एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों में क्रॉस-ब्रेन सुसंगतता डेटा की व्याख्या के लिए कई सीमाओं को व्यक्त किया। हैमिल्टन की प्राथमिक चिंताओं में से एक यह था कि सुसंगतता उपाय (जैसे, डब्ल्यूटीसी) केवल सममित के रूप में प्रभाव की रिपोर्ट करते हैं (यानी, दो दिमाग सहसंबद्ध हैं, परिवर्तन का एक ही पैटर्न दिखाते हैं)। हालांकि, कई सामाजिक इंटरैक्शन असममित हैं (उदाहरण के लिए, एक वक्ता और श्रोता के बीच सूचना प्रवाह) जिसमें दो प्रतिभागी अलग-अलग भूमिका निभा सकते हैं, और यह स्पष्ट नहीं है कि डब्ल्यूटीसी इस जानकारी को कैप्चर कर सकता है। यहां, इस चिंता को एक नए ढांचे द्वारा संबोधित किया गया है जो दिशात्मकता का पता लगाने के लिए क्रॉस-वेवलेट चरण का उपयोग करके क्रॉस-वेवलेट पावर की सीधी व्याख्या की अनुमति देता है। यह ढांचा इस बात की भी जांच करने की अनुमति देगा कि किसी कार्य के दौरान बातचीत की गतिशीलता कैसे विकसित होती है और बदलती है।

जबकि डब्ल्यूटीसी और सहसंबंध विधियां कार्यात्मक कनेक्टिविटी का आकलन करती हैं, अन्य विधियां प्रभावी कनेक्टिविटी का आकलन करती हैं, एक तंत्रिका तत्व के कारण प्रभावों को दूसरे पर निकालने का प्रयास करती हैं। स्थानांतरण एन्ट्रॉपी सूचना सिद्धांत के क्षेत्र से एक उपाय है जो संयुक्त रूप से निर्भर प्रक्रियाओंके बीच हस्तांतरण का वर्णन करता है। एक अन्य संबंधित विधि ग्रेंजर कार्य-कारण विश्लेषण (जीसीए) है, जिसे ट्रांसफर एन्ट्रॉपी26 के बराबर वर्णित किया गया है।

एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों के मौजूदा साहित्य में, ग्रेंजर कार्य-कारण विश्लेषण (जीसीए) का व्यापक रूप से विभिन्न कार्यों के दौरान प्राप्त एफएनआईआरएस समय श्रृंखला डेटा के बीच युग्मन दिशात्मकता का अनुमान लगाने के लिए उपयोग किया गया है, जैसे कि सहयोग5, शिक्षण19, और नकल16। जीसीए मस्तिष्क डेटा में समय श्रृंखला के बीच युग्मन की दिशात्मकता का आकलन करने के लिए वेक्टर ऑटोरिग्रेसिव मॉडल को नियोजित करता है। ग्रेंजर कार्य-कारण भविष्यवाणी और वरीयता पर आधारित है: "एक चर X को 'G-कारण' चर Y कहा जाता है यदि X के अतीत में वह जानकारी होती है जो Y के अतीत में पहले से मौजूद जानकारी के ऊपर Y के भविष्य की भविष्यवाणी करने में मदद करती है" 27। तदनुसार, जी-कार्य-कारण का विश्लेषण दो दिशाओं में किया जाता है: 1) विषय ए से विषय बी तक और 2) विषय बी से विषय ए तक।

जबकि जीसीए विश्लेषण यह निर्धारित करने के उद्देश्य से एक पूरक विश्लेषण के रूप में कार्य करता है कि क्या डब्ल्यूटीसी फ़ंक्शन का उपयोग करके प्राप्त उच्च सुसंगतता मूल्य आईबीएस या टैग किए गए सिंक्रनाइज़ेशन को दर्शाता है (एक सिग्नल दूसरे का नेतृत्व करता है), यह यह निर्धारित करने की अनुमति नहीं देता है कि एंटी-फेज सिंक्रनाइज़ेशन हुआ है या नहीं। पारंपरिक न्यूरोइमेजिंग अध्ययनों में, जिसमें केवल एक प्रतिभागी को स्कैन किया जाता है (यानी, "एकल-मस्तिष्क" दृष्टिकोण), एक एंटी-फेज पैटर्न का मतलब है कि एक मस्तिष्क क्षेत्र में गतिविधि बढ़ जाती है जबकि दूसरे मस्तिष्क क्षेत्र मेंगतिविधि कम हो जाती है। हाइपरस्कैनिंग साहित्य में, एंटी-फेज सिंक्रनाइज़ेशन की उपस्थिति यह सुझाव दे सकती है कि एक विषय में तंत्रिका सक्रियण बढ़ जाता है, और साथ ही, दूसरे विषय के लिए तंत्रिका सक्रियण कम हो जाता है। इसलिए, एक व्यापक मॉडल प्रदान करने की आवश्यकता है जो दिशात्मकता का पता लगा सके। अधिक विशेष रूप से, यह मॉडल इन-फेज सिंक्रनाइज़ेशन और टैग किए गए सिंक्रनाइज़ेशन के अलावा एंटी-फेज सिंक्रनाइज़ेशन (जिसमें एक व्यक्ति में गतिविधि की दिशा उनके साथी के विपरीत है) का पता लगाने में सक्षम होगा।

इस चिंता को दूर करने के प्रयास में कि डब्ल्यूटीसी केवल सममित प्रभाव दिखाता है, जहां दोनों दिमाग परिवर्तन25 का एक ही पैटर्न दिखाते हैं, सिंक्रनाइज़ेशन के चरण (यानी, इन-फेज, लैग्ड, या एंटी-फेज) की जांच करके बातचीत के प्रकार की पहचान करने के लिए एक नया दृष्टिकोण प्रस्तुत किया गया है ( चित्रा 2 देखें)। इसके लिए, विभिन्न प्रकार के इंटरैक्शन को वर्गीकृत करने के लिए डब्ल्यूटीसी विधि का उपयोग करके एक टूलबॉक्स विकसित किया गया था। इंटरैक्शन के प्रकारों को क्रॉस-वेवलेट ट्रांसफॉर्म विश्लेषण से सापेक्ष चरण डेटा का उपयोग करके वर्गीकृत किया जाता है।

Figure 2
चित्रा 2: सरल साइन तरंगों के विभिन्न चरण संबंधों का चित्रण। (ए) जब दो सिग्नल, सिग्नल 1 (ब्लू लाइन) और सिग्नल 2 (ऑरेंजलाइन्स), एक ही समय बिंदु पर अपने संबंधित अधिकतम, न्यूनतम और शून्य मूल्यों तक पहुंचते हैं, तो उन्हें इन-फेज सिंक्रनाइज़ेशन32 दिखाने के लिए कहा जाता है। (बी) जब एक सिग्नल अपने अधिकतम मूल्य तक पहुंचता है और दूसरा सिग्नल एक ही समय बिंदु पर शून्य मान तक पहुंचता है, तो उन्हें टैग सिंक्रनाइज़ेशन दिखाने के लिए कहा जाता है (एक 90 ° से अग्रणी है) 32,33,34। (सी) जब दो समय श्रृंखला विपरीत दिशाओं में स्थानांतरित होती है, जिसका अर्थ है कि एक सिग्नल अधिकतम तक पहुंचता है और दूसरा एक ही समय बिंदु पर न्यूनतम मान तक पहुंचता है, तो इसे एंटी-फेज सिंक्रनाइज़ेशन28 कहा जाता है। (D-P) दो समय श्रृंखलाओं के बीच अन्य सभी चरण संबंधों में, एक संकेत दूसरे का नेतृत्व कर रहा है। सभी सकारात्मक चरणों में, सिग्नल 2 सिग्नल 1 (जैसे, पैनल ई, एफ, एम और एन) का नेतृत्व कर रहा है, जबकि सभी नकारात्मक चरणों में, सिग्नल 1 सिग्नल 2 (जैसे, पैनल डी, जी, एच, ओ और पी) का नेतृत्व कर रहा है। विशेष रूप से, जब चरण का पूर्ण मूल्य अधिक होता है, तो यह अधिक विशिष्ट हो जाता है कि कौन सी समय श्रृंखला दूसरे का नेतृत्व कर रही है (उदाहरण के लिए, पैनल I की तुलना में पैनल J में नेतृत्व अधिक विशिष्ट है, और पैनल K में, नेतृत्व पैनल L की तुलना में अधिक विशिष्ट है)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

अध्ययन फ्लोरिडा अटलांटिक विश्वविद्यालय (एफएयू) में आयोजित किया गया था और एफएयू संस्थागत समीक्षा बोर्ड (आईआरबी) द्वारा अनुमोदित किया गया था।

1. एफएनआईआरएस हाइपरस्कैनिंग डेटा के पूर्व-प्रसंस्करण करने के लिए होमर 3 सॉफ्टवेयर (सामग्री की तालिका) का उपयोग करना

नोट: होमर 3 एक MATLAB अनुप्रयोग है जो मस्तिष्क सक्रियण29 के अनुमान और मानचित्र प्राप्त करने के लिए fNIRS डेटा का विश्लेषण करता है। Homer3 को निम्न लिंक (https://openfnirs.org/software/homer/) से डाउनलोड और स्थापित किया जा सकता है।

  1. MATLAB खोलें, और उस फ़ोल्डर पर नेविगेट करें जहाँ कच्ची .nirs फ़ाइलें सहेजी जाती हैं. फ़ोल्डर का चयन करें और खोलें.
  2. होमर 3 जीयूआई लॉन्च करने के लिए MATLAB की कमांड विंडो में होमर 3 टाइप करें। होमर 3. .nirs फ़ाइलों का पता लगाएगा और डेटा के पूर्व-प्रसंस्करण के साथ आगे बढ़ने के लिए .snirf प्रारूप (किसी भी विशिष्ट अनुप्रयोग-विशिष्ट फ़ाइल प्रारूप जैसे MATLAB से स्वतंत्र रूप से NIRS डेटा संग्रहीत करने और साझा करने के लिए एक सार्वभौमिक फ़ाइल प्रारूप) में बदलने के लिए कहेगा।
  3. Homer3 में .nirf स्वरूप में .nirs फ़ाइलें आयात करने के बाद, Homer3 GUI में उपकरण विकल्प पर क्लिक करें, और संसाधन स्ट्रीम संपादित करें का चयन करें.
  4. ProcStreamEdit GUI में, जोड़ें पर क्लिक करके रजिस्ट्री फ़ंक्शन स्तंभ से वर्तमान प्रोसेसिंग स्ट्रीम स्तंभ तक पूर्व-प्रसंस्करण चरणों का चयन करें। शामिल पूर्व-प्रसंस्करण चरण निम्नानुसार हैं:
    1. तीव्रता डेटा को ऑप्टिकल घनत्व में बदलने के लिए hmrR_intensity2OD का उपयोग करें।
    2. उपयुक्त फ़िल्टरिंग फ़ंक्शन का उपयोग करके गति कलाकृतियों को सही करने के लिए hmrR_MotionCorrectWavelet का उपयोग करें।
    3. OD डेटा को एकाग्रता में बदलने के लिए hmrR_OD2conc का उपयोग करें।
    4. एकाग्रता डेटा पर ब्लॉक औसत की गणना करने के लिए hmR_BlockAvg का उपयोग करें।
      नोट: डेटासेट के प्रकार के आधार पर पूर्व-प्रसंस्करण चरणों का चयन भिन्न हो सकता है।
  5. वर्तमान प्रोसेसिंग स्ट्रीम को सहेजने के लिए, सहेजें विकल्प पर क्लिक करें, और उसके बाद ProcStreamEdit GUI से बाहर निकलें।
  6. मुख्य होमर 3 जीयूआई में प्री-प्रोसेसिंग स्ट्रीम चलाने के लिए, रन विकल्प पर क्लिक करें। होमर 3 द्वारा चयनित प्रोसेसिंग स्ट्रीम चलाने के बाद, यह सभी चैनलों और ईवेंट के लिए Hbo, Hbr और Hbt युक्त .mat फ़ाइल प्रारूप में प्रत्येक प्रतिभागी के लिए पूर्व-संसाधित समय श्रृंखला को बचाएगा। इन फ़ाइलों को संग्रहीत करने के लिए वर्तमान में चयनित फ़ोल्डर में Homer3 द्वारा होमर आउटपुट नामक एक फ़ोल्डर बनाया जाएगा।
  7. इन फ़ाइलों को संग्रहीत करने के लिए चयनित फ़ोल्डर में होमर 3 द्वारा डेरिवेटिव नामक एक फ़ोल्डर बनाया जाएगा। डेरिवेटिव फ़ोल्डर में स्थित होमर फ़ोल्डर का चयन करें। प्रत्येक मस्तिष्क के लिए .mat फ़ाइल चुनें और Hbo, Hbr, Hbt निर्यात करें।
    नोट: Homer3 द्वारा बनाए गए आउटपुट फ़ोल्डर का नाम Homer3 संस्करण पर निर्भर है।

2. लीडरफॉलोअर बायफेज टूलबॉक्स के साथ शुरुआत करना

  1. हाइपरस्कैनिंग रिकॉर्डिंग में होने वाली इंटरैक्शन के प्रकार का विश्लेषण करने के लिए, लीडरफॉलोअर बायफेज टूलबॉक्स का उपयोग करें, जैसा कि चित्रा 3 में दिखाई गई प्रक्रिया में वर्णित है। MATLAB में, प्रत्येक मस्तिष्क के लिए .mat फ़ाइलों का चयन करें, और विशिष्ट चैनल और विशिष्ट घटना के Hbo (या Hbr) डेटा को सिग्नल 1 और सिग्नल 2 के रूप में एक-आयाम वेक्टर में लोड करें।
  2. MATLAB आदेश पंक्ति में, पैरामीटर निर्धारित करें
    1. कम Freq, उच्च Freq: टाइप लोफ्रेक = [कम एफओआई], और हाईफ्रेक = [उच्च एफओआई]। डिफ़ॉल्ट मान कम Freq = 0.01 Hz, उच्च Freq = 1 Hz हैं।
      नोट: कार्यों के पैरामीटर लोफ्रेक और हाईफ्रेक ब्याज की आवृत्ति (एफओआई) सीमा को परिभाषित करते हैं। डब्ल्यूटीसी प्रत्येक समय बिंदु और आवृत्ति पर दो दिमागों में सुसंगतता की गणना करता है। सुसंगतता मान आमतौर पर एक विशेष एफओआई के भीतर औसत होते हैं।
    2. पैरामीटर फेजरेंज को परिभाषित करें; प्रकार फेजरेंज = [डिग्री में रेंज]।
      नोट: डिफ़ॉल्ट मान चरण रेंज = 90 ° है। चरण की गोलाकार मोडुलो प्रकृति के कारण चरण 0 ° से 360 ° के बीच होता है। चरण श्रेणियों को एक सीमा के अनुसार विभाजित किया जाता है जो चार बिंदुओं को घेरता है। प्रस्तुत टूलबॉक्स में, असममित इंटरैक्शन को वर्गीकृत करने के लिए एक नया दृष्टिकोण प्रस्तुत किया गया है (चित्रा 4) सिग्नल 1 अग्रणी (-90 ° के आसपास की एक सीमा) या सिग्नल 2 अग्रणी (90 ° के आसपास की सीमा), सिग्नल 1, सिग्नल 2 इन-फेज सिंक्रनाइज़ेशन (0 के आसपास की सीमा) के साथ टैग किए गए सिंक्रनाइज़ेशन के अनुरूप सीमाओं के अनुसार चरण कोण मानों का उपयोग करके युग्मन दिशात्मकता की जांच करके। और सिग्नल 1, सिग्नल 2 एंटी-फेज सिंक्रनाइज़ेशन (+180 ° या -180 ° के आसपास की सीमा)।
    3. थ्रेशोल्ड पैरामीटर निर्धारित करें। प्रकार सीमा = [थ्रेशोल्ड आरएसक्यू वैल]। डिफ़ॉल्ट मान थ्रेशोल्ड = 0 है।
      नोट: टूलबॉक्स थ्रेशोल्ड पैरामीटर निर्दिष्ट करके थ्रेशोल्ड सुसंगतता मान के विनिर्देश के लिए अनुमति देता है। यह शोधकर्ता को एक निर्दिष्ट न्यूनतम सुसंगतता मूल्य के साथ समय बिंदुओं का चयन करने की अनुमति देता है। नतीजतन, केवल सुसंगतता मूल्यों वाले समय बिंदु जो निर्दिष्ट सीमा से अधिक हैं, उन्हें ध्यान में रखा जाता है।
  3. निम्न लिंक (https://www.ariel.ac.il/wp/sns/download/ या https://github.com/Minisharmaa/Leader-Follower-By-Phase) से LeaderFollowerByPhase टूलबॉक्स डाउनलोड करें।
  4. कमांड लाइन में कमांड कोहरवैल्यू = लीडरफॉलोअर बायफेज (सिग्नल 1, सिग्नल 2, लोफ्रेक, हाईफ्रेक, फेजरेंज, थ्रेशोल्ड) दर्ज करके MATLAB फ़ंक्शन लीडरफॉलोअर बायफेज निष्पादित करें।
    नोट: सुसंगतता और चरण गणना क्रमशःMATLAB में WTC और XWT फ़ंक्शंस का उपयोग करके की जाती है।
  5. इन-फेज, सिग्नल 1 लीडिंग, सिग्नल 2 लीडिंग और एंटी-फेज सिंक्रनाइज़ेशन मानों की जाँच करें:
    1. MATLAB में भूखंडों का निरीक्षण करें। टूलबॉक्स चार भूखंडों के साथ एक आंकड़ा उत्पन्न करता है।
      1. इंटरैक्शन के प्रकार द्वारा सुसंगतता: आकृति के शीर्ष-बाएं भाग पर बॉक्स चार्ट प्लॉट का निरीक्षण करें, जो प्रत्येक प्रकार की बातचीत (इन-फेज, सिग्नल 1 लीडिंग, सिग्नल 2 लीडिंग, एंटी-फेज) के अनुसार आर-स्क्वायर (आरएसक्यू) दिखाता है।
        नोट: MATLAB बॉक्स चार्ट अंतर्निहित फ़ंक्शन के विस्तृत विवरण के लिए, निम्न लिंक (https://www.mathworks.com/help/matlab/ref/boxchart.html) देखें।
      2. इंटरैक्शन के प्रकार के अनुसार केंद्रीय सूचकांक: आउटपुट आंकड़े के शीर्ष-दाएं भाग पर बार ग्राफ का निरीक्षण करें, जो प्रत्येक प्रकार की बातचीत (इन-फेज, सिग्नल 1 लीडिंग, सिग्नल 2 लीडिंग, एंटी-फेज) के अनुसार अधिकतम माध्य और माध्य प्रदर्शित करता है।
        नोट: MATLAB बार अंतर्निहित फ़ंक्शन के विस्तृत विवरण के लिए, निम्न लिंक (https://www.mathworks.com/help/matlab/ref/bar.html) देखें।
      3. समय के साथ सुसंगतता: आउटपुट आंकड़े के निचले-बाएं हिस्से में स्कैटरप्लॉट का निरीक्षण करें, जो सुसंगतता के मूल्यों और समय के साथ बातचीत के प्रकारों को प्रदर्शित करता है। रंगीन बिंदु विभिन्न प्रकार की बातचीत का प्रतिनिधित्व करते हैं (काले बिंदु इन-फेज सिंक्रनाइज़ेशन का प्रतिनिधित्व करते हैं, गहरे भूरे रंग के बिंदु सिग्नल 1 अग्रणी का प्रतिनिधित्व करते हैं, हल्के ग्रे डॉट्स सिग्नल 2 अग्रणी का प्रतिनिधित्व करते हैं, और बैंगनी बिंदु एंटी-फेज सिंक्रनाइज़ेशन का प्रतिनिधित्व करते हैं)।
        नोट: आंकड़ा बातचीत की गतिशीलता को दर्शाता है: पूर्णकालिक श्रृंखला में चार प्रकार की बातचीत के बीच आदान-प्रदान। MATLAB स्कैटर फ़ंक्शन के विस्तृत विवरण के लिए, निम्न लिंक (https://www.mathworks.com/help/matlab/ref/scatter.html) देखें।
      4. समय प्रतिशत: आउटपुट आंकड़े के निचले दाएं हिस्से में पाई चार्ट का निरीक्षण करें, जो विभिन्न प्रकार के इंटरैक्शन के अनुसार समय के विभाजन को प्रदर्शित करता है।
        नोट: MATLAB पाई फ़ंक्शन के विस्तृत विवरण के लिए, निम्न लिंक (https://www.mathworks.com/help/matlab/ref/pie.html) देखें।
  6. प्रत्येक प्रकार के इंटरैक्शन (इन-फेज सिंक्रनाइज़ेशन, सिग्नल 1 लीडिंग, सिग्नल 2 लीडिंग, एंटी-फेज सिंक्रनाइज़ेशन) के लिए सांख्यिकीय मानों (यानी, माध्य, अधिकतम, माध्य और मानक विचलन) के साथ आउटपुट तालिका का निरीक्षण करें। तालिका उस समय का प्रतिशत भी प्रस्तुत करती है जिसके लिए प्रत्येक प्रकार की बातचीत हुई। प्रत्येक प्रकार की बातचीत एक अलग कॉलम में दिखाई देती है।
  7. वर्तमान फ़ोल्डर में स्थित निकाली गई स्प्रेडशीट फ़ाइल (यानी, डेटाटेबल.xlsx में आउटपुट मान की जाँच करें।

Figure 3
चित्र 3: वर्कफ़्लो का अवलोकन. (ए) एफएनआईआरएस डेटा को हाइपरस्कैन करते समय मुफ्त खेल में लगे मां-बच्चे के बच्चों को एकत्र किया गया था। (बी) मां-बच्चे की समय श्रृंखला का चित्रण। (सी) होमर 3 का उपयोग करके समय श्रृंखला का पूर्व-प्रसंस्करण। (D, E) विभिन्न प्रकार के इंटरैक्शन की जांच करने के लिए टूलबॉक्स का उपयोग, जैसे इन-फेज़ सिंक्रनाइज़ेशन, एंटी-फेज सिंक्रनाइज़ेशन, और टैग सिंक्रनाइज़ेशन। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: चरण के आधार पर चार अलग-अलग प्रकार के इंटरैक्शन का वर्गीकरण। यह 360 ° मोडुलो में दो तंत्रिका समय श्रृंखला के चरण अंतर का प्रतिनिधित्व करता है। चरण अंतर को दो मानों के बीच समय अंतराल के रूप में माना जा सकता है और इसे डिग्री और रेडियन या तरंग दैर्ध्य के अंशों में मापा जाता है। यहां, 360 ° मोडुलो को चार अलग-अलग श्रेणियों में विभाजित किया गया है जो बातचीत के चार अलग-अलग चरणों को दर्शाते हैं: (ए) सिग्नल 1 अग्रणी (90 ° के आसपास की सीमा, 45 ° से 135 ° के बीच), (B) सिग्नल 1 और सिग्नल 2 के बीच एंटी-फेज सिंक्रनाइज़ेशन (180 ° या -180 ° के आसपास की सीमा, 135 से -135 ° के बीच), (C) सिग्नल 2 अग्रणी (-135° से -45° के बीच), (D)) इन-फेज सिंक्रनाइज़ेशन (0 के आसपास की सीमा, -45 ° से 45 ° के बीच)। यह विभाजन डिफ़ॉल्ट दृष्टिकोण है (प्रत्येक बिंदु के आसपास 45 डिग्री); हालाँकि, टूलबॉक्स एक अलग विभाजन को कॉन्फ़िगर करने की अनुमति देता है। जबकि अन्य कॉन्फ़िगरेशन सभी 360 ° को कवर नहीं कर सकते हैं, यह प्रत्येक प्रकार की बातचीत की अधिक सटीक परिभाषा दे सकता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

यह खंड उन विश्लेषणों के प्रकारों को प्रदर्शित करता है जिन्हें टूलबॉक्स के साथ किया जा सकता है (जिसे https://www.ariel.ac.il/wp/sns/download/ या https://github.com/Minisharmaa/Leader-Follower-By-Phase पर डाउनलोड किया जा सकता है)। इन विश्लेषणों के लिए, शिशु-माता-पिता के एक छोटे से नमूने के साथ एकत्र किए गए एफएनआईआरएस डेटा का उपयोग किया गया था। एक मान्य व्यवहार कार्य, फ्री-प्ले टास्क31 का उपयोग करके मां-शिशु के छह जोड़े का परीक्षण किया गया था, जो यथासंभव वास्तविक जीवन के शिशु-माता बातचीत के करीब है। प्रयोग से पहले, शिशुओं और माता-पिता को एफएनआईआरएस डेटा के संग्रह के लिए एक कस्टम-निर्मित ऑप्टोड सेट के साथ फिट किया गया था। इस अध्ययन में एफएनआईआरएस डेटा एकत्र करने के लिए उपयोग किए जाने वाले ऑप्टोड सेट में 8 स्रोत (लाल बिंदु) और 8 डिटेक्टर (नीले बिंदु) शामिल थे, जिन्हें द्विपक्षीय रूप से प्रीफ्रंटल और टेम्पोरोपेराइटल क्षेत्रों को कवर करने वाले 18 चैनल बनाने के लिए कॉन्फ़िगर किया गया था ( चित्रा 5 देखें)। एक एनआईआरएसकाउट ने दो तरंग दैर्ध्य का उपयोग करके ऑप्टिकल इमेजिंग डेटा प्राप्त किया: 760 एनएम, जो डीऑक्सीहीमोग्लोबिन (एचबीआर) के प्रति अधिक संवेदनशील है, और 850 एनएम, जो ऑक्सीहीमोग्लोबिन (एचबीओ) के प्रति अधिक संवेदनशील है। सभी माता-पिता महिलाएं थीं (आयु सीमा = 26-36 वर्ष), और शिशु स्वस्थ और पूर्णकालिक (दो महिलाएं, चार पुरुष, आयु सीमा = 1-2 वर्ष) थे, जिनमें कोई ज्ञात विकास ता्मक देरी नहीं थी। विज्ञापनों के माध्यम से याडों की भर्ती की गई थी। प्रत्येक माता-पिता ने प्रयोग से पहले सूचित सहमति दी, और उन्हें उनकी भागीदारी के लिए भुगतान किया गया। सरलता के लिए, विश्लेषण द्याड ए के चैनल 18 पर प्राप्त आंकड़ों पर केंद्रित है।

Figure 5
चित्रा 5: प्रारंभिक अध्ययन में उपयोग किया जाने वाला ऑप्टोड सेट। प्रारंभिक अध्ययन में एफएनआईआरएस डेटा एकत्र करने के लिए उपयोग किए जाने वाले ऑप्टोड सेट में 8 स्रोत (लाल बिंदु) और 8 डिटेक्टर (नीले बिंदु) शामिल थे, जिन्हें द्विपक्षीय रूप से प्रीफ्रंटल और टेम्पोरोपेराइटल क्षेत्रों को कवर करने वाले 18 चैनल (पीली रेखाएं) बनाने के लिए कॉन्फ़िगर किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

टूलबॉक्स का उपयोग इंटरैक्शन के प्रकारों में परिवर्तन की पहचान करने के लिए किया गया था जिसे समय के साथ उस चैनल के लिए एक विशिष्ट ड्याड के लिए पहचाना जा सकता है। फ़ंक्शन के पैरामीटर निम्नानुसार थे: सिग्नल 1 = चैनल 18 मां, सिग्नल 2 = चैनल 18 मां, लोफ्रेक = 0.0067, हाईफ्रेक = 0.1142, फेजरेंज = 90, थ्रेशोल्ड = 0।

Figure 6
चित्रा 6: 0 की सीमा पर वर्गीकरण विश्लेषण। सीमा 0 (थ्रेशोल्ड = 0) पर सेट है। (ए) इंटरैक्शन से जुड़े सुसंगतता मूल्य का प्रतिनिधित्व करने वाले बॉक्स प्लॉट। प्रत्येक प्रकार की बातचीत के लिए एक है, और औसत और इंटरक्वार्टाइल रेंज (आईक्यूआर) इंगित किए गए हैं। उच्च स्कोर सुसंगतता के एक बड़े स्तर का संकेत देते हैं। (बी) सभी प्रकार के इंटरैक्शन के सुसंगतता मूल्यों के केंद्रीय सूचकांक। (सी) पूरे कार्य में बातचीत के प्रकार की गतिशीलता बदल जाती है। (डी) चार प्रकार के इंटरैक्शन में से प्रत्येक के लिए स्कोर का प्रतिशत। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

सबसे पहले, प्रत्येक समय बिंदु को चार प्रकार की बातचीत (इन-फेज, एंटी-फेज, मां-लीडिंग, या शिशु-अग्रणी) में से एक में वर्गीकृत किया गया था (चित्रा 6)। चित्रा 6 डी समय बिंदुओं के प्रतिशत को दर्शाता है जिन्हें चार प्रकार के इंटरैक्शन में से प्रत्येक में वर्गीकृत किया गया था। यह ध्यान रखना महत्वपूर्ण है कि जबकि टूलबॉक्स प्रतिभागियों में से एक (चित्रा 6 ए) के नेतृत्व में इंटरैक्शन से जुड़े प्रतिशत और सुसंगतता मूल्य का पता लगा सकता है, इसका अनूठा योगदान यह है कि यह एंटी-फेज सिंक्रनाइज़ेशन (चित्रा 6 बी) सहित सभी प्रकार के इंटरैक्शन के सुसंगतता मूल्यों के प्रतिशत (चित्रा 6 डी) और केंद्रीय सूचकांक भी प्रस्तुत करता है।). अंत में, टूलबॉक्स किसी को यह जांचने की अनुमति देता है कि पूरे कार्य में इंटरैक्शन के प्रकार की गतिशीलता कैसे बदलती है (चित्रा 6 सी)। यह ध्यान रखना महत्वपूर्ण है कि, जीसीए विश्लेषण के समान, टूलबॉक्स प्रत्येक द्याड के लिए इन सूचकांकों की अलग-अलग गणना करता है। बातचीत के प्रकार को निर्धारित करने के लिए इन सूचकांकों का उपयोग करके समूह-स्तरीय विश्लेषण किया जाना चाहिए।

यहां, एक द्याड के भीतर बातचीत के प्रकारों के वर्गीकरण पर इन न्यूनतम थ्रेशोल्ड मूल्यों को बदलने के प्रभाव का पता लगाने के लिए, वर्गीकरण विश्लेषण को ड्याड ए (चित्रा 7) पर 0.5 की सीमा के साथ दोहराया गया था।

Figure 7
चित्रा 7: 0.5 की सीमा पर वर्गीकरण विश्लेषण। सीमा 0.5 (थ्रेशोल्ड = 0.5) पर सेट है। (ए) इंटरैक्शन से जुड़े सुसंगतता मूल्य का प्रतिनिधित्व करने वाले बॉक्स प्लॉट। प्रत्येक प्रकार की बातचीत के लिए एक है, और औसत और इंटरक्वार्टाइल रेंज (आईक्यूआर) इंगित किए गए हैं। उच्च स्कोर सुसंगतता के एक बड़े स्तर का संकेत देते हैं। (बी) सभी प्रकार के इंटरैक्शन के सुसंगतता मूल्यों के केंद्रीय सूचकांक। (सी) पूरे कार्य में बातचीत के प्रकार की गतिशीलता बदल जाती है। (डी) चार प्रकार के इंटरैक्शन में से प्रत्येक के लिए स्कोर का प्रतिशत। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

जैसा कि चित्रा 7 डी में दिखाया गया है, इस सीमा का उपयोग करते समय, विभिन्न प्रकार के सापेक्ष चरण संबंधों का वितरण बदल गया। एंटी-फेज सिंक्रनाइज़ेशन का प्रतिशत बढ़ गया (35% से 59% तक), और इन-फेज सिंक्रनाइज़ेशन का प्रतिशत घट गया (26% से 3% तक)। इससे पता चलता है कि एंटी-फेज सिंक्रनाइज़ेशन इंटरैक्शन का प्रकार हो सकता है जो इस ड्याड का अधिक प्रतिनिधि है। दूसरे शब्दों में, एक सीमा को परिभाषित करने से अधिक संवेदनशील विश्लेषण करने की क्षमता की अनुमति मिलती है जिसमें न्यूनतम स्तर के सुसंगतता के साथ केवल समय बिंदु औसत होते हैं। यह ध्यान रखना महत्वपूर्ण है कि इष्टतम सुसंगतता मूल्य सीमा का निर्धारण एक जटिल प्रक्रिया है, क्योंकि इष्टतम सीमा एक प्रयोग से दूसरे में और विभिन्न वातावरणों में भिन्न हो सकती है। यद्यपि टूलबॉक्स एक सीमा निर्धारित करने की संभावना प्रदान करता है, इष्टतम सुसंगतता मूल्य की पहचान करने के लिए एक प्रोटोकॉल विकसित करने के लिए अधिक अध्ययन की आवश्यकता होती है। इसके अलावा, ब्याज मूल्यों की सीमा और आवृत्ति का चयन करना महत्वपूर्ण है जो अभी भी आरएसक्यू मूल्यों के साथ प्रतिच्छेद करते हैं। उदाहरण के लिए, पैरामीटर लोफ्रेक = 0.0067, हाईफ्रेक = 0.1142, फेजरेंज = 90, और थ्रेशोल्ड = 0.5 के साथ फ़ंक्शन ने आरएसक्यू मानों के साथ केवल 0.5 से ऊपर इंटरैक्शन दिखाया, लेकिन 0.7 की सीमा के साथ उसी फ़ंक्शन के परिणामस्वरूप त्रुटि हुई, क्योंकि आवृत्ति सीमा के भीतर 0.7 से ऊपर कोई मान नहीं थे।

पूरक फ़ाइल 1: तरंगिका रूपांतरण सुसंगतता (डब्ल्यूटीसी)। तरंगिका परिवर्तन और क्रॉस-तरंगिका परिवर्तन का अवलोकन, जिसका उपयोग समय-आवृत्ति विशेषताओं और दो समय श्रृंखला की अन्योन्याश्रितता का विश्लेषण करने के लिए किया जाता है। तरंगिका रूपांतरण एक समय श्रृंखला को समय-आवृत्ति स्थान 35 में विघटित करता है, जबकि क्रॉस-वेवलेट ट्रांसफॉर्म दो समय श्रृंखला 9,30 के बीच सामान्य शक्ति और चरण को प्रकट करता है। पाठ तरंगिका परिवर्तन की सुसंगतता का भी परिचय देता है, जो दो समय श्रृंखलाओं के बीच सिंक्रनाइज़ेशन की डिग्री को निर्धारित करता है। तरंगिका रूपांतरण के सामंजस्य से प्राप्त आर-वर्ग मान अन्योन्याश्रितता को दर्शाता है लेकिन सकारात्मक और नकारात्मक सहसंबंधों के बीच अंतर नहीं करताहै। सकारात्मक और नकारात्मक सहसंबंध37,38 अंतर्संबंधों को इंगित करने के लिए माना जाता है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

एफएनआईआरएस अध्ययनों में उपयोग किए जाने वाले सबसे आम तरीकों में से एक तरंगिका रूपांतरण सुसंगतता (डब्ल्यूटीसी) है, जो आवृत्ति और समय10 के कार्य के रूप में दो समय श्रृंखला के क्रॉस-सहसंबंध का एक उपाय है। डब्ल्यूटीसी सहसंबंध विश्लेषण (पूरक फ़ाइल 1) का उपयोग करके दो समय श्रृंखलाओं के बीच सुसंगतता और चरण अंतराल की गणना करता है। एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों ने कार्यप्रणाली के कई डोमेन में आईबीएस का अनुमान लगाने के लिए डब्ल्यूटीसी का उपयोग किया है, जिसमें कार्रवाई निगरानी 12, सहकारी और प्रतिस्पर्धी व्यवहार 5,13,14,15, नकल 16, मां-शिशु समस्या समाधान 17, और शिक्षण-अधिगम व्यवहार 18,19,20,21 शामिल हैं।. हाइपरस्कैनिंग अध्ययन अक्सर एक प्रयोगात्मक कार्य के दौरान तरंगिका सुसंगतता ट्रांसफॉर्म (डब्ल्यूटीसी) का उपयोग करके मापा गया क्रॉस-मस्तिष्क सुसंगतता की तुलना एक नियंत्रण कार्य से करते हैं। इन तुलनाओं को आम तौर पर एक डब्ल्यूटीसी "हॉट प्लॉट" का उपयोग करके प्रस्तुत किया जाता है जो प्रत्येक समय बिंदु और आवृत्ति पर दो दिमागों के बीच सुसंगतता प्रदर्शित करता है। इसके अलावा, जैसा कि चित्र 1 में देखा गया है, चरण अंतराल की जानकारी डब्ल्यूटीसी "हॉट प्लॉट" में छोटे तीरों की दिशा से दिखाई गई है। हालांकि, पिछले अध्ययनों ने डब्ल्यूटीसी "हॉट प्लॉट" में छोटे तीरों की दिशा द्वारा दर्शाए गए चरण अंतराल की जानकारी को ध्यान में रखने की उपेक्षा की है और डब्ल्यूटीसी प्लॉट में सुसंगतता की जांच करके केवल अंतर-मस्तिष्क सिंक्रनाइज़ (आईबीएस) का अनुमान लगाया है। इस निरीक्षण के परिणामस्वरूप गलत या अपूर्ण निष्कर्ष हो सकते हैं।

एफएनआईआरएस हाइपरस्कैनिंग अध्ययनों में क्रॉस-ब्रेन सुसंगतता डेटा की व्याख्या के संबंध में हैमिल्टन25 द्वारा चर्चा की गई सीमाओं को नए ढांचे में संबोधित किया गया है, जिससे दिशात्मकता का पता लगाने के लिए क्रॉस-वेवलेट चरण का उपयोग करके क्रॉस-वेवलेट शक्ति की सीधी व्याख्या की अनुमति मिलती है और इसमें सीधे39 के औसत द्वारा सुसंगतता मूल्यों की गणना के लिए एक सुसंगतता विश्लेषण मॉड्यूल भी शामिल है।. यह दृष्टिकोण एक कार्य के दौरान बातचीत में विकास और परिवर्तन की जांच करने में सक्षम बनाता है और संकेतों के बीच सुसंगतता का एक विश्वसनीय उपाय प्रदान करता है।

इस तरह के दृष्टिकोण को पारस्परिक सिंक्रनाइज़ेशन के व्यवहार अध्ययनों में प्रदर्शित किया गया है, जिसने सापेक्ष चरण डेटा का उपयोग किया है जिसे क्रॉस-वेवलेट विश्लेषण से निकाला जा सकता है। कुछ अध्ययनों ने इन-फेज और एंटी-फेज सुसंगतता मूल्यों के बीच अंतर करने के लिए इन आंकड़ों का उपयोग किया है। उदाहरण के लिए, इस दृष्टिकोण का उपयोग दो प्रभावशाली संगीतकारों के हाथ आंदोलनों का मूल्यांकन करने और सामाजिक पोस्टुरल समन्वय41 की जांच करने के लिए किया गया है। कुछ अध्ययनों ने संरचित42 और असंरचित43 वार्तालापों के दौरान क्रॉस-वेवलेट सुसंगतता का उपयोग करके इंटरैक्शन की गतिशीलता को समझने के लिए आंदोलन डेटा में चरण कोणों के वितरण की जांच की है।

दो समय श्रृंखला के बीच सापेक्ष चरण एक ही आवृत्ति के संकेतों के बीच अस्थायी बदलावों का पता लगाने की अनुमति देता है। दरअसल, ईईजी हाइपरस्कैनिंग के क्षेत्र में, तंत्रिका समय श्रृंखला के सिंक्रनाइज़ेशन की डिग्री निर्धारित करने के उद्देश्य से अधिकांश विधियां दो समय श्रृंखला13,44 के बीच सापेक्ष चरण संबंध का आकलन करती हैं।

fNIRS हाइपरस्कैनिंग डेटा में लीडरफॉलोअर बायफेज टूलबॉक्स का उपयोग करने के महत्वपूर्ण चरण प्रोटोकॉल में प्रदर्शित किए गए हैं। विशेष रूप से, प्रोटोकॉल में टूलबॉक्स चलाने से पहले MATLAB में सिग्नल 1 और सिग्नल 2 का पूर्व-निर्धारण शामिल है। यह उल्लेखनीय है कि ब्याज की आवृत्ति (एफओआई), चरण सीमा और सीमा जैसे पैरामीटर वैकल्पिक हैं और यदि अनसेट छोड़ दिया जाता है तो डिफ़ॉल्ट मानों का उपयोग कर सकते हैं। कच्चे संकेतों के फ़िल्टरिंग और डीट्रेंडिंगकी सिफारिश की जाती है। इसके अतिरिक्त, बैंड-पास फ़िल्टरिंग करते समय सावधानी बरतनी चाहिए, क्योंकि यह एफओआई के चयन को प्रभावित कर सकता है।

एफओआई मापदंडों (लोफ्रेक, हाईफ्रेक) को सावधानीपूर्वक चयन की आवश्यकता होती है, विशेष रूप से उच्च आवृत्ति और कम आवृत्ति वाले शारीरिक शोर को छोड़कर, जैसे श्वसन (~ 0.2-0.3 हर्ट्ज) और कार्डियक स्पंदन (0.6-1.2 हर्ट्ज)। ब्याज की निम्न और उच्च आवृत्तियों को क्रमशः 0.01 और 0.7 हर्ट्ज के बीच लेने की सिफारिश की जाती है, क्योंकि यह सीमा प्रभावी रूप से दिल की धड़कन (0.8-1 हर्ट्ज) जैसे उच्च आवृत्ति शोर को समाप्त करती है।

फेजरेंज पैरामीटर सिग्नल 1 लीडिंग (-90° के आसपास की सीमा) या सिग्नल 2 अग्रणी (90° के आसपास की सीमा), सिग्नल 1, सिग्नल 2 इन-फेज सिंक्रनाइज़ेशन (0° के आसपास की सीमा), और सिग्नल 1, सिग्नल 2 एंटी-फेज सिंक्रनाइज़ेशन (+180° या -180° के आसपास की सीमा) के साथ टैग किए गए सिंक्रनाइज़ेशन के अनुरूप श्रेणियों के अनुसार चरण कोण मानों के आसपास की सीमा को परिभाषित करता है। उदाहरण के लिए, यदि फेजरेंज को 90 ° पर सेट किया गया है, तो इन-फेज सिंक्रनाइज़ेशन की सीमा लगभग 0 ° होगी, −45 ° से 45 ° के बीच; सिग्नल 2 अग्रणी (टैग सिंक्रनाइज़ेशन) की सीमा लगभग 90 ° होगी, 45 ° से 135 ° के बीच, एंटी-फेज सिंक्रनाइज़ेशन की सीमा 180 ° या -180 ° के आसपास होगी, 135 ° से -135 ° के बीच; और सिग्नल 1 अग्रणी (टैग सिंक्रनाइज़ेशन) के लिए सीमा लगभग 180 ° होगी, −135 ° से -45 ° के बीच। फेजरेंज पैरामीटर 0 ° से 90 ° डिग्री के बीच होना चाहिए, अन्यथा, निम्न संदेश प्रदर्शित किया जाएगा: "फेजरेंज चर का मान 0 से 90 के बीच होना चाहिए"। यद्यपि सीमा 0 ° से 90 ° तक कोई भी संख्या हो सकती है, न्यूनतम अनुशंसित मान 30 ° (±15 °) है। थ्रेशोल्ड मान को 0 से 1 के बीच किसी भी मान की आवश्यकता है, अन्यथा, निम्न संदेश प्रदर्शित किया जाएगा: "थ्रेशोल्ड चर का मान 0 से 1 के बीच होना चाहिए"। एक सीमा चुनने की सिफारिश की जाती है जो 0.25 से 0.75 के बीच है।

जबकि लीडरफॉलोअर बायफेज टूलबॉक्स एक आशाजनक दृष्टिकोण प्रस्तुत करता है, यह सीमाओं के बिना नहीं है। जैसा कि ऊपर उल्लेख किया गया है, इष्टतम सुसंगतता मूल्य सीमा का निर्धारण करना एक जटिल प्रक्रिया है, क्योंकि इष्टतम सीमा एक प्रयोग से दूसरे प्रयोग में और विभिन्न कार्यों के बीच भिन्न हो सकती है। दहलीज के लिए इष्टतम मूल्यों के बारे में अधिक सटीक जानकारी प्राप्त करने के लिए अधिक विविध डेटासेट पर इस टूलबॉक्स का परीक्षण करना आवश्यक है।

एफएनआईआरएस हाइपरस्कैनिंग का उपयोग करके जटिल मानव इंटरैक्शन को समझने की क्षमता इस तथ्य से सीमित है कि दो तंत्रिका संकेतों के बीच युग्मन का पता लगाने के लिए उपयोग किए जाने वाले वर्तमान दृष्टिकोण संकेतों की दिशात्मकता को अनदेखा करते हैं। यहां, तरंगिका परिवर्तन सुसंगतता (डब्ल्यूटीसी) का उपयोग करके दो तंत्रिका संकेतों के सामंजस्य का विश्लेषण करने के लिए एक अधिक संवेदनशील दृष्टिकोण प्रस्तावित है। टूलबॉक्स शोधकर्ताओं को चरण कोण मानों को इन-फेज सिंक्रनाइज़ेशन, टैग किए गए सिंक्रनाइज़ेशन और एंटी-फेज सिंक्रनाइज़ेशन का प्रतिनिधित्व करने के रूप में वर्गीकृत करके युग्मन दिशात्मकता की जांच करने की अनुमति देता है।

टूलबॉक्स का उपयोग करके यह नया दृष्टिकोण डोंडिक इंटरैक्शन की प्रकृति के बारे में अधिक विस्तृत जानकारी प्रदान करेगा, जिसकी आज तक कमी रही है। उदाहरण के लिए, जबकि चरण सिंक्रनाइज़ेशन और एंटी-फेज सिंक्रनाइज़ेशन को समान माना गया है (पूरक फ़ाइल 1)36, जांचकर्ता अब यह पहचानने में सक्षम होंगे कि किस हद तक ड्याड सदस्यों के तंत्रिका संकेत एक ही दिशा में चलते हैं (दोनों बढ़ते हैं या दोनों घटते हैं) या विपरीत दिशाओं (एक बढ़ता है और दूसरा घटता है)। यह समझने पर एक परिवर्तनकारी प्रभाव पड़ेगा कि मस्तिष्क सामाजिक प्रक्रियाओं और व्यवहार की मध्यस्थता कैसे करता है।

प्रस्तावित ढांचे में पारस्परिक तंत्रिका सिंक्रनाइज़ेशन अनुसंधान के क्षेत्र में भविष्य के अनुप्रयोगों के लिए आशाजनक क्षमता है, क्योंकि यह अलग-अलग प्रकार के इंटरैक्शन के वर्गीकरण की अनुमति देता है, जिसमें इन-फेज सिंक्रनाइज़ेशन, टैग सिंक्रनाइज़ेशन और एंटी-फेज सिंक्रनाइज़ेशन शामिल हैं। नए प्रस्तावित ढांचे के साथ पिछले निष्कर्षों का पुन: विश्लेषण करके, शोधकर्ता प्रतिभागियों के बीच सिंक्रनाइज़ेशन की प्रकृति की अधिक व्यापक समझ प्राप्त कर सकते हैं। विशेष रूप से, इन-फेज और एंटी-फेज इंटरैक्शन के बीच अंतर करने की क्षमता स्पष्टता का एक नया स्तर प्रदान करती है जो पहले अनुपलब्ध थी, जिससे पिछले निष्कर्षों की अधिक सटीक व्याख्या हो सकती है। ढांचे की इस कार्यक्षमता को परिदृश्यों की एक विस्तृत श्रृंखला पर लागू किया जा सकता है, जिसमें सामाजिक व्यवहार, संचार और निर्णय लेने की प्रक्रियाओं में पारस्परिक तंत्रिका सिंक्रनाइज़ेशन की भूमिका की खोज शामिल है। कुल मिलाकर, प्रस्तावित ढांचा क्षेत्र में एक मूल्यवान योगदान का प्रतिनिधित्व करता है और भविष्य के अनुप्रयोगों के लिए महत्वपूर्ण क्षमता रखता है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों ने घोषणा की कि अनुसंधान किसी भी वाणिज्यिक या वित्तीय संबंधों की अनुपस्थिति में आयोजित किया गया था जिसे संभावित हितों के टकराव के रूप में माना जा सकता है।

Acknowledgments

हम चीन के राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन (नंबर 62207025), चीन के शिक्षा मंत्रालय से मानविकी और सामाजिक विज्ञान अनुसंधान परियोजना (संख्या 22वाईजेसी 190017), और याफेंग पैन के लिए केंद्रीय विश्वविद्यालयों के लिए मौलिक अनुसंधान निधि द्वारा प्रदान किए गए समर्थन को स्वीकार करना चाहते हैं।

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

कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी एफएनआईआरएस हाइपरस्कैनिंग क्रॉस-ब्रेन कोहेरेंस वेवलेट ट्रांसफॉर्म सुसंगतता युग्मन मूल्यांकन इंटरैक्शन की दिशात्मकता इन-फेज सिंक्रनाइज़ेशन टैग ्ड सिंक्रनाइज़ेशन एंटी-फेज सिंक्रनाइज़ेशन चरण सुसंगतता विश्लेषण युग्मन दिशात्मकता अनुमान इंटरैक्शन की गतिशीलता सामाजिक इंटरैक्शन एफएनआईआरएस हाइपरस्कैनिंग अध्ययन
कार्यात्मक निकट-अवरक्त स्पेक्ट्रोस्कोपी (एफएनआईआरएस) हाइपरस्कैनिंग अध्ययन में क्रॉस-ब्रेन सुसंगतता को समझने के लिए नया ढांचा
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