Yöntem makalesi

Açık Uçlu İşbirlikçi Öğrenmede Beyinler Arası Senkron: FNIRS-Hyperscanning Çalışması

DOI:

10.3791/62777

⸱

21 Temmuz 2021

 ,  , 
1School of Psychology and Cognitive Science, East China Normal University, 2Shanghai Key Laboratory of Mental Health and Crisis Intervention, East China Normal University

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Doğal öğrenme ortamında işbirlikçi öğrenme boyaları üzerinde fNIRS hiper tarama deneyleri yapma protokolü özetlenmiştir. Ayrıca, oksijenli hemoglobin (Oxy-Hb) sinyallerinin Beyinler Arası Senkronunu (IBS) analiz etmek için bir boru hattı sunulmuştur.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

fNIRS hiper tarama, sosyal etkileşimin nörobiyolojik temellerini tespit etmek için yaygın olarak kullanılmaktadır. Bu teknikle araştırmacılar, beyinler arası senkron (IBS) (yani nöronal veya hemodinamik sinyallerin zaman içinde faz ve/veya genlik hizalaması) adı verilen yeni bir indekse sahip iki veya daha fazla etkileşimli bireyin eşzamanlı beyin aktivitesini nitelerler. Doğal öğrenme ortamında işbirlikçi öğrenme boyaları üzerinde fNIRS hiper tarama deneyleri yapmak için bir protokol burada sunulmaktadır. Ayrıca, oksijenli hemoglobin (Oxy-Hb) sinyalinin IBS analiz boru hattı açıklanmaktadır. Özellikle, deneysel tasarım, NIRS veri kayıt süreci, veri analizi yöntemleri ve gelecekteki talimatlar tartışılmaktadır. Genel olarak, standartlaştırılmış bir fNIRS hiper tarama boru hattı uygulamak, ikinci şahıs sinirbilimin temel bir parçasıdır. Ayrıca, bu, araştırmanın tekrarlanabilirliğine yardımcı olmak için açık bilim çağrısına uygun.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Son zamanlarda, etkileşimli boyalar veya bir grubun üyeleri arasında eşzamanlı beyin aktivitesini ortaya çıkarmak için araştırmacılar hiper tarama yaklaşımı1,2. Özellikle, elektroensefalogram (EEG), fonksiyonel manyetik rezonans görüntüleme (fMRI) ve fonksiyonel yakın kızılötesi spektroskopi (fNIRS), iki veya daha fazla denekten aynı anda 3 ,4,5sinir ve beyin aktivitelerini kaydetmek için kullanılır. Araştırmacılar, beyinler arası senkron (IBS) (yani, nöronal veya hemodinamik sinyallerin zaman içinde faz ve/veya genlik hizalamasını) ifade eden bu tekniğe dayanarak eşzamanlı beyin bağlantısı gerektiren bir sinir indeksi çıkarırlar. Çok çeşitli hiper tarama araştırmaları, birden fazla kişi (örneğin, oyuncu-izleyici, eğitmen-öğrenci ve lider-takipçi) arasındaki sosyal etkileşim sırasında IBS buldu6,7,8. Ayrıca, IBS etkili öğrenme ve öğretim9,10 , 11,12,13,14özel etkileri vardır. Doğal öğrenme senaryolarında hiper tarama araştırmalarının artmasıyla, hiper tarama deneylerinin standart bir protokolünü oluşturmak ve bu alandaki veri analizi boru hattı gereklidir.

Bu nedenle, bu makale, işbirlikçi öğrenme boyalarının fNIRS tabanlı hiper taramasını yürütmek için bir protokol ve IBS'yi analiz etmek için bir işlem hattı sağlar. fNIRS, hemoglobin spektral emilimini dolaylı olarak değerlendirmek için kızılötesine yakın ışık yayan bir optik görüntüleme aracıdır ve daha sonra hemodinamik / oksijenasyon aktivitesi15 , 16,17olarak ölçülür. fMRI ile karşılaştırıldığında, fNIRS gerçek hayatta deneyler yapan deneklerden (örneğin, taklit, konuşma ve sözel olmayan iletişim) ölçümlere izin veren hareket eserlerine daha az eğilimlidir18,7,19. EEG ile karşılaştırıldığında, fNIRS daha yüksek mekansal çözünürlüğe sahiptir ve araştırmacıların beyin aktivitesinin yerini tespit etmelerini sağlar20. Bu nedenle, mekansal çözünürlük, lojistik ve fizibilitedeki bu avantajlar fNIRS'yi hiper tarama ölçümü yapmak için niteler1. Bu teknolojiyi kullanarak, gelişmekte olan bir araştırma organı, iki (veya daha fazla) insanın beyin aktivitesinin doğal sosyal ayarların farklı formlarında IBS-sinirsel hizalaması olarak bir indeks terimi algılar9,10,11,12,13,14. Bu çalışmalarda, bu indeksi hesaplamak için çeşitli yöntemler (yani Korelasyon analizi ve Wavelet Transform Coherence (WTC) analizi) uygulanmaktadır; bu arada, bu tür analizler üzerinde standart bir boru hattı esastır, ancak eksiktir. Sonuç olarak, bu çalışmada FNIRS tabanlı hiper tarama ve IBS'yi tanımlamak için WTC analizi kullanan bir işlem hattı yürütme protokolü sunulmuştur.

Bu çalışma, FNIRS hiper tarama tekniğini kullanarak işbirlikçi öğrenme boyalarında IBS'yi değerlendirmeyi amaçlamaktadır. İlk olarak, işbirlikçi bir öğrenme görevi sırasında her dyad'ın prefrontal ve sol temporoparietal bölgelerinde aynı anda hemodinamik bir yanıt kaydedilir. Bu bölgelerin etkileşimli öğretim ve öğrenme9,10 , 11,12,13,14ile ilişkili olduğu belirlenmiştir. İkinci olarak, IBS ilgili her kanalda hesaplanır. FNIRS veri kayıt işlemi iki bölümden oluşur: dinlenme durumu oturumu ve işbirlikçi oturum. Dinlenme durumu oturumu 5 dakika sürer, bu süre zarfında her iki katılımcının da (bir masa (0,8 m) ile birbirinden ayrı olarak yüz yüze oturmaları) hareketsiz kalmaları ve rahatlamaları gerekir. Bu dinlenme durumu oturumu temel olarak hizmet veriyor. Daha sonra, işbirlikçi oturumda, katılımcılara tüm öğrenme materyallerini birlikte incelemeleri, anlamaları, kuralları özetlemeleri ve tüm öğrenme materyallerine hakim olunmasını sağlamaları söylenir. Burada, deney ve fNIRS veri analizinin özel adımları sunulmaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

İşe alınan tüm katılımcılar (40 dyad, yaş ortalaması 22.1 ± 1.2 yıl; 0 sağ elini kullanan; normal veya normale düzeltilmiş görme) sağlıklıydı. Deneyden önce katılımcılar bilgilendirilmiş onay verdi. Katılımcılara katılımları maddi olarak tazmin edildi. Çalışma, Doğu Çin Normal Üniversitesi İnsan Araştırmalarını Koruma Üniversitesi Komitesi (HR-0053-2021) tarafından onaylandı.

1. Verileri benimsemeden önce hazırlık adımları

  1. Ev yapımı NIRS kapakları
    1. Optode tutucu ızgara yerleştirmek için elastik yüzme kapağını benimseyin.
      NOT: Katılımcıların kafa boyutlarının farklı olduğu göz önüne alındığında, iki büyüklükte kapak kullanılır. Baş çevresi 55,4 ± 1,1 cm olan katılımcılar için küçük kapaklar, 57,9 ± 1,2 cm baş çevresi olan katılımcılar için büyük kapaklar hazırlanır.
    2. EEG elektrotlarının (inion, Cz, T3, T4, Fpz ve P5) konumunu elastik yüzme kapaklarındaki standart uluslararası 10-10 sistemine göre referans optodlar olarak tutturun (bkz. Malzeme Tablosu).
      1. İlk olarak, standart 10-10 EEG kapağını (bkz. Malzeme Tablosu)baş kalıbına yerleştirin ve elastik yüzme kapağını EEG kapağına yerleştirin. İkinci olarak, referans optodlarını (inion, Cz, T3, T4, Fpz ve P5) her kapakta tebeşirle işaretleyin. Son olarak, iki referans optodu yerleştirmek için yaklaşık 15 mm çapında iki delik kesin (örneğin, Fpz ve P5, Şekil 1).
        NOT: Özellikle, 3 x 5 optode prob seti ve 4 x 4 optode prob seti prefrontal alan (referans optod Fpz, Şekil 1B'yeyerleştirilir) ve sol temporoparietal bölgeler (referans optod P5, Şekil 1B'yeyerleştirilir) üzerine ayrı ayrı yerleştirilir.
    3. Diğer optodları yerleştirmek için delikler kesin. Doğrudan baş kalıbına iki ızgara tutuculu bir yüzme başlığı yerleştirin. Ardından, diğer optodların konumunu tebeşirle işaretleyin. Bundan sonra, ızgara tutucunun sığmasını sağlamak için geri kalan delikleri kesin.
    4. İki prob setini (örneğin, 3 x 5 ve 4 x 4) yüzme kapaklarına monte edin (bkz. Malzeme Tablosu).
      NOT: NIRS ölçüm sistemi (bkz. Malzeme Masası),bu standart prob setlerini (örneğin, 3 x 5 ve 4 x 4) 30 mm optod ayrımını sağlayan standart tutucu soketlerle birlikte sağlar.
    5. NIRS ölçüm sisteminde prob seti monitör penceresini açın ve her kişi için ayrı ayrı 3 x 5 ve 4 x 4 olarak düzenlenmiş dört prob seti seçin.
      NOT: İki kapağın prob düzenlemeleri, prob kümesi penceresindeki yapılara (yani, alıcı prob numaralarının ve ilgili yayıcının tam konumuna) karşılık gelmelidir.
  2. Deneyin hazırlanması
    1. Verileri kaydetmeden önce, NIRS sistemini en az 30 dakika çalıştırarak sabit bir çalışma sıcaklığında olduğundan emin olun.
      NOT: Kararlı çalışma sıcaklığı 5 °C ile 35 °C arasında değişmektedir.
    2. Ölçüm modunu olayla ilgili ölçüme ayarlayın. Tetikleyici alıcısının etkin olduğundan emin olun (örneğin, RS232 seri girişi).
      NOT: Deney, piyasada bulunan psikoloji yazılımında programlanmıştır (bkz. Malzeme Tablosu). Kızılötesine yakın ışığın emilimi (iki dalga boyu: 695 ve 830 nm) 10 Hz örnekleme hızı ile ölçülür.
    3. Saçları bir kenara taşımak için kullanılabilecek ışıklı fiber optik probu hazırlayın.
    4. Katılımcıların koltuklarını yüz yüze tutmak için deney ortamını iki sandalyeli bir masayla ayarlayın.

2. Katılımcılara talimat vererek verilerin benimsenmesi

  1. Katılımcıları hazırlayın
    1. NIRS ölçüm yöntemlerinin ayrıntıları da dahil olmak üzere katılımcılara talimat verin.
      NOT: Tüm katılımcılar sağlıklıydı ve katılım için finansal olarak telafi edildi. Hiçbir katılımcı deneyden yarı yolda çekilmedi. NIRS'nin lazer ışını katılımcıların gözlerine zararlı olabilir ve doğrudan bu lazer ışınlarına bakmamaları talimatı verildi.
    2. Katılımcıların birbirlerini doğrudan görebileceklerinden emin olmak için yüz yüze (bir masa dışında (0,8 m)) oturmalarını sağlar. Katılımcıların rahat oturması için sandalyeden masaya mesafeyi (yani yaklaşık 0,3 m) ayarlayın.
    3. Lazer düğmesini açın ve kapakları prob setleriyle birlikte katılımcıların kafalarına yerleştirin.
      NOT: 3 x 5 prob setleri katılımcıların alnını kaplar (alt satırın orta probu Fpz üzerine yerleştirilir); 4 x 4 prob setleri sol temporoparietal korteksi kapsar (üçüncü sıranın üçüncü probu P5'e yerleştirilir).
    4. Dört optik fiber demetini katılımcılarla veya sandalyelerle temas etmeden tutucunun kollarına gevşek bir şekilde yerleştirin.
      NOT: Burada, NIRS ölçüm sisteminde dört demet optik fiber vardır. Ayrıca, katılımcıların kapakları çıkarmak için çok ağır hissetmemelerini sağlayın.
    5. Her yay yükü probunu soketine dikkatlice iterek prob uçlarının katılımcıların kafa derisine dokunmasına izin verin.
    6. Sinyal kalibrasyonu gerçekleştirin.
      1. İlk olarak, fNIRS makinesinin prob seti monitör penceresindeki Otomatik Kazanç'ı tıklatarak sinyalin kalitesini kontrol edin. Daha sonra, bir kanalın zayıf sinyali ve yeterli sinyali, prob kümesi monitör penceresinde sırasıyla sarı ve yeşil olarak işaretlenir.
        NOT: Yetersiz sinyallere sahip bir kanal için, probun ucunun altındaki saçları bir tarafa taşımak için ışıklı fiber optik problar kullanılır.
      2. Ardından, yeterli sinyal almak için probları yuvalarına daha fazla itin. NIRS ölçüm sisteminin prob seti monitör penceresinde tüm kanallar yeşille işaretlenene kadar bu işlemi tekrarlayın, bu da sinyallerin kalitesinin erişilebilir olduğunu gösterir.
  2. Denemeyi çalıştırma
    1. Denemeyi, taban çizgisi olarak hizmet veren 5 dakikalık bir dinlenme durumuyla başlatın. Daha sonra, iki katılımcının öğrenme materyallerini birlikte öğrenmesi gerekir.
    2. Denemeden sonra, ham ışık yoğunluğu verilerini dışa aktarmak ve verileri bir metin dosyası olarak kaydetmek için Metin Dosyası Dışarı'yı tıklatın.
      NOT: NIRS ölçüm sisteminde filtre uygulanmaz.
    3. Her katılımcı için yayıcıların, alıcıların ve diğer referansların (örneğin, inion, nasion, Cz ve sol ve sağ kulaklar) konumlarını belirlemek için üç boyutlu (3D) sayısallaştırıcıyı (bkz. Malzeme Tablosu)kullanın.
      1. Ticari olarak kullanılabilen sayısal bilgi işlem platformu21'i kullanarak kayıt kanalları için MNI koordinatlarını edinin (bkz. Malzeme Tablosu). Tamamlayıcı Tablo S1, her kanalın ilgili anatomik konumlarını gösterir.
    4. Probları ve prob tutucuları etanol ile temizleyin. Kapakları hafif deterjanla yıkayın ve kapakların havasını kurumasına izin verin.

3. Veri analizi

  1. Veri ön işleme
    NOT: Önceki araştırmalar değişken ticari olmayan yazılım paketlerini benimsemiştir (örneğin, Homer222, Çözümleyici23veya nirs LAB24) sayısal bilgi işlem platformları ile (bkz. Malzeme Masası) fNIRS veri analizi üzerine ve hepsi web sitesinde mevcuttur. Burada Homer2, NIRS verilerinin ön işlemesini yapmak için kullanıldı. Ayrıca, hem geri kalanlarda toplanan verileri kaydeden FNIRS hem de işbirlikçi öğrenme aşamaları aynı ön işleme ve analiz işlem hattını paylaşır.
    1. Veri kümesini fNIRS makinesinden kopyalayın. Özgün veri oluşumunu uygun formasyona dönüştürün (yani cvs dosyasını nirs dosyasına dönüştürün).
    2. Sayısal bilgi işlem platformunda sağlanan "hmrIntensity2OD" işleviyle ham verileri optik yoğunluk (OD) verilerine dönüştürün (bkz. Malzeme Tablosu).
    3. Bozuk kanalları silin. Ardından, her kanaldaki her katılımcı için OD değerinin ortalamasını ve sırasıyla tam örnek noktaları.
      NOT: Burada 46 adet ortalama OD değeri elde edilir.
      1. Her katılımcı için standart sapmayı (SD) hesaplayın.
      2. Kullanılamaz olarak işaretleyin ve çok düşük veya yüksek OD'ye sahip kanalları (5 SD'yi aşan) her katılımcı için analizden çıkarın.
        NOT: Bu adım fNIRS veri ön işlemeden önce ve/veya sonra gerçekleştirilebilir. Bu veri analizleri işlem hattı, kötü kanallar fNIRS veri ön işlemeden önce algılanır.
    4. OD zaman verilerini Oxy-Hb, DeOxy-Hb ve değiştirilmiş Bira-Lambert Yasası25'edayalı birleşik sinyale dönüştürün.
      NOT: Referans25 diyor ki, "Tüm veri analizi adımları, daha yüksek sinyal-gürültü oranına sahip bölgesel serebral kan akışındaki değişimin bir göstergesi olan Oxy-Hb verileri üzerinde gerçekleştirilir26. Ek olarak, önceki araştırmalar ağırlıklı olarak Oxy-Hb konsantrasyonu11 , 12 , 13,14'eodaklanan öğretim ve öğrenme senaryolarında fNIRS hiper taramasını kullanmıştır."
    5. Oxy-Hb zaman serisini kanal kanal dalgacık tabanlı yöntemle hareket yapıtlarından kalibre edin.
      NOT: Özellikle, 0.1'de ayar parametresi bulunan Daubechies 5 (db5) dalgacık (Homer2 kılavuzundaki ayrıntılara bakın)27,28 hareket yapıtlarının kaldırılmasında benimsenmiştir.
    6. Yüksek frekanslı gürültüyü ve yavaş sürüklenmeyi azaltmak için kalibre edilmiş Oxy-Hb verilerine bant geçiş filtresini (yani 0,01-1 Hz) uygulayın.
    7. Sinirsel olmayan küresel bileşenleri (örneğin, kan basıncı, solunum ve kan akışı varyasyonu) çıkarmak için OxyHb sinyalinde ana bileşen analizi (PCA) yapın29.
      NOT: Zhang ve meslektaşları29 tarafından önerilen PCA analizi burada benimsenmiştir.
      1. İlk olarak, sinyali ayrıştırın.
        NOT: FNIRS sinyalinin ayrışmasının özel formülü: H = UΦVT. Burada, fNIRS verilerinin zamansal ve mekansal kalıpları iki matriste (yani, siz ve V) sunulmaktadır. U bir 2D (örnek nokta x ana bileşen) matrisidir. V aynı zamanda bir 2D (ana bileşen x ana bileşen) matrisidir. V sütunu bir ana bileşeni (PC) gösterir ve bu bilgisayarın belirli bir kanal için gücü sütunun her girişinde tahmin edilir. Her bilgisayarın göreli önemi çapraz matris Φ değeri ile temsil edilir.
      2. İkincisi, mekansal yumuşatma yapın.
        NOT: Gauss çekirdek konvolüsiyon, yerelleştirilmiş sinyalleri kaldırmak ve genel bileşeni almak için kullanılır.
      3. Üçüncüsü, sinyali yeniden oluştur.
        NOT: FNIRS verilerinin genel bileşenini hesaplamak için, düzeltilmiş uzamsal desen matrisi V* ayrışma formülüne geri takılır: HGlobal = UΦ (V*)T. Daha sonra, H Global : H Neuronal = H - H Global 'i çıkarmak için orijinal veri H kullanılarak lokalize türetilmiş nöronal sinyal elde edilebilir.
  2. Beyinler arası senkron
    NOT: İkinci şahıs sinirbiliminde beyin kavramasını ortaya çıkarmak için dalgacık dönüşüm tutarlılığı (WTC) burada benimsenmiştir. Kısaca, WTC frekans ve zamanın bir işlevi olarak iki zamanlı seriler arasındaki korelasyonu ölçar. İki kez x ve y serisinin dalgacık tutarlılığının özel formülü:
    figure-protocol-1
    T ve s zaman ve dalgacık ölçeğini ayrı ayrı belirtir, ‹·› ölçek ve zaman içinde bir yumuşatma işlemi gösterir. W, sürekli dalgacık dönüşümünü temsil eder. Daha sonra, bir 2D (zaman x frekans) WTC matrisioluşturulur 30. WTC değerini hesaplamak için çeşitli araç kutuları kullanılır. Burada Grinsted ve meslektaşları tarafından oluşturulan araç kutusu kullanıldı30.
    1. Sayısal bilgi işlem platformunun WTC işlevini benimseyin (bkz. Malzeme Tablosu).
      NOT: Burada ana dalgacığın varsayılan ayarı (yani beta ve gama parametreleri ile Genelleştirilmiş Mors Dalgası) kullanılır. Ana dalgacık, her seriyi frekans ve zaman etki alanına dönüştürür.
    2. Diğer parametrelerde varsayılan ayarı ayarlayın (örneğin, önem hesaplamasındaki yedek veri kümelerinin sayısını temsil eden MonteCarloCount).
    3. Sayısal bir bilgi işlem platformunda karşılık gelen iki kanal (iki katılımcıda aynı kanal) için WTC değerini hesaplayın (bkz. Malzeme Tablosu). Aynı prosedürü izleyerek, 46 kanaldan 46 WTC matris üretilir.
    4. İşbirlikçi öğrenmeye duyarlı olan ilgi sıklığı bandını (FOI) belirleyin.
      NOT: Burada, çok kanallı ve çok frekanslı verilerde birden fazla karşılaştırmaya bir çözüm sunan foi31'i tespit etmek için küme tabanlı bir permütasyon yaklaşımı benimsenmiştir.
      1. Her kanal birleşimi için sırasıyla dinlenme ve işbirliğine dayalı öğrenme aşamalarında WTC değerlerinin zaman ortalamasını gerçekleştirin. Ardından, bu zaman ortalamalı WTC değerleri (işbirlikçi öğrenme ve dinlenme) üzerinde tüm frekansla (frekans aralığı:0,01-1Hz 32)eşleştirilmiş örnek t-testleri yapın. Ardından, görev etkisinin önemli olduğu sıklık kutularını tanımlayın (işbirlikçi öğrenme > dinlenme, s < 0,05).
      2. Gözlemlenen kümeler ve karşılık gelen T değerleri olarak önemli frekans komşu noktaları (≥2) elde edin.
      3. 3.2.4.2 adımında 1000 kez nitelenen her küme için T değerlerini oluşturmak üzere permütle edilmiş veriler üzerinde bir dizi eşleştirilmiş örnek ttesti gerçekleştirin.
        NOT: Permütlü verileri oluşturmak için katılımcılar rastgele yeni iki üyeli çiftler oluşturmak üzere atanır. Veri kümelerinin uzunluğu her rastgele çift için boyalar arasında değiştiğinden, daha uzun veri kümesi daha kısa olan33ile aynı uzunluğa kırpılır.
      4. Özgün çiftlerden elde edilen ortalama küme tabanlı T değerlerini 1000 permütasyon T değerleriyle karşılaştırın.
        NOT: Bu formül34tarafından değerlendirilen p değerleri :
        figure-protocol-2burada S0 gözlemlenen ortalama küme t değerini gösterir, μp ve σp permütasyon değerlerinin ortalama ve standart sapması gösterir.
      5. Her dyaddaki her kanalda tanımlanan FOI'daki ortalama WTC değerleri. Ardından, WTC değerlerinin normal bir dağılımını elde etmek için WTC değerlerine fisher z dönüşümü uygulayın. Daha fazla istatistiksel analiz için IBS'yi dizine almak için bu değeri kullanın.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Şekil 1 deneysel protokolü ve prob konumunu göstermektedir. FNIRS veri kayıt işlemi iki bölümden oluşur: dinlenme durumu oturumu (5 dk) ve işbirlikçi oturum (15-20 dk). İşbirlikçi öğrenme boyalarının rahatlaması ve dinlenme durumu oturumunda hareketsiz kalması gerekir. Bundan sonra, katılımcılara öğrenme materyalini birlikte öğrenmeleri söylenir (Şekil 1A). Prefrontal ve sol temporoparietal bölgeleri ilgili prob seti tarafından kapsanır (Şek...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

İlk olarak, mevcut protokolde, işbirliğine dayalı bir öğrenme senaryosunda fNIRS hiper tarama deneyleri gerçekleştirmenin belirli adımları belirtilmiştir. İkinci olarak, işbirlikçi öğrenme boyalarında hemodinamik sinyallerin IBS'lerini değerlendiren veri analizi ardışık düzeni de sunulmaktadır. FNIRS hiper tarama deneylerinin yapılmasına ilişkin ayrıntılı operasyon, açık bilimin gelişimini teşvik edecektir. Ayrıca, analiz boru hattı burada hiper tarama araştırmalarının tekrarlanabilirliğini artırmak için sağlanmıştır. Aş...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarların açıklayacak bir şeyi yok.

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, MÜKEMMEL Doktora Öğrencileri için ECNU Akademik İnovasyon Tanıtım Programı (YBNLTS2019-025) ve Çin Ulusal Doğa Bilimleri Vakfı (31872783 ve 71942001) tarafından desteklenmektedir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
EEG kapaklarıCompumedics Neuroscan, Charlotte, ABD64 kanallı Quik-Capİki boyutta kapak seçiyoruz (yani orta ve büyük).
Prob setleri ve prob tutucu ızgaraları ile NIRS ölçüm sistemiHitachi Medical Corporation, Tokyo, JaponyaETG-7100 Optik Topografi SistemiMevcut çalışma protokolü, toplam 92 ölçüm kanalı için isteğe bağlı ikinci bir yetişkin prob seti gerektirir.
Sayısal hesaplama platformuThe MathWorks, Inc., Natick, MAMATLAB R2020aPsikofizik Araç Kutusu uzantıları (uyaran sunumu) için temel görevi görür, Homer2  (fNIRS ön işlem analizi) ve "wtc" fonksiyonu (WTC hesaplaması).
Psikoloji yazılımıpsikoloji yazılım araçları, Sharpsburg, PA, ABDE-prime 2.0fNIRS ölçüm sistemini başlatmak için E-prime uyguluyoruz ve fNIRS kayıt verileri için dinlenme aşamasını ve işbirlikçi öğrenme aşamasını işaretleyen tetikleyiciler gönderiyoruz.
Yüzme şapkalarıZoke şirketi, Şangay, Çin611503314Önce standart 10-20 EEG kapağını kafa kalıbına yerleştirdik ve yüzme kapağını EEG kapağına yerleştirdik. İkinci olarak, (inion, Cz, T3, T4, PFC ve P5) tebeşirle işaretledik.
Üç boyutlu (3 boyutlu) sayısallaştırıcıPolhemus, Colchester, VT, ABD;Üç boyutlu (3-D) sayısallaştırıcıHer katılımcı için bir Patriot 3D Sayısallaştırıcı kullanılarak optodların standart kafa yer işaretlerine göre anatomik konumları belirlendi

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. 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).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657(2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111(2020).
  12. 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).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. 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), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73(2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , BM3A-1 (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106(2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259(2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147(2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004(2016).
  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, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. 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).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004(2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. 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).
  43. 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).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011(2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881(2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Inter Brain SynchronyCollaborative LearningFNIRS HyperscanningSocial InteractionOxygenated HemoglobinWavelet TransformPrincipal Components AnalysisMotion Artifact RemovalDyad Brain ActivityNaturalistic Learning

İlgili makaleler