Please note that all translations are automatically generated.
La dinámica entre los cerebros acoplados de los individuos ha sido representada cada vez más por la sincronización intercerebral (SII) cuando se coordinan entre sí, principalmente utilizando señales de registro simultáneo de cerebros (es decir, hiperescaneo) con fNIRS. En los estudios de hiperescaneo de fNIRS, el SII se ha evaluado comúnmente a través del método de coherencia de transformada de wavelet (WTC) debido a su ventaja en la expansión de series de tiempo en el espacio de frecuencia de tiempo donde las oscilaciones se pueden ver de una manera altamente intuitiva. El SII observado se puede validar aún más a través del emparejamiento aleatorio basado en permutación del ensayo, la pareja y la condición. Aquí, se presenta un protocolo para describir cómo obtener señales cerebrales a través de la tecnología fNIRS, calcular el SII a través del método WTC y validar el SII por permutación en un estudio de hiperescaneo. Además, discutimos los problemas críticos al usar los métodos anteriores, incluida la elección de señales fNIRS, métodos de preprocesamiento de datos y parámetros opcionales de cálculos. En resumen, el uso del método WTC y la permutación es una tubería potencialmente estándar para analizar el SII en estudios de hiperescaneo fNIRS, lo que contribuye tanto a la reproducibilidad como a la confiabilidad del SII.
Este protocolo proporciona una canalización potencialmente estándar de análisis de la sincronización intercerebral en el estudio de hiperescaneo fNIRS. La principal ventaja de esta técnica es que permite calcular la ley de sincronización intercerebral que transformará el método coherente y validará las formas de sincronización intercerebular, la permutación basada en el empoderamiento de las condiciones del pecho y participa. Realice todos los análisis de datos utilizando el software MATLAB con las cajas de herramientas adecuadas.
Durante el preprocesamiento de datos, específicamente utilizando el análisis de componentes principales y el método de mejora de la señal basado en correlación, elimine el ruido fisiológico global F N I R S utilizando el filtro NPCA. Y los artefactos de movimiento de la cabeza usando el movimiento correcto HMR subrayan CBSI de Homer dos. A continuación, para calcular la sincronización intercerebral o IBS, adopte la función coherente de transformación wavelet de wavelet cruzada y la caja de herramientas coherente wavelet con parámetros predeterminados, y calcule los valores coherentes en cada momento en el punto de frecuencia para obtener una matriz de dos ejes de valores coherentes.
Para los parámetros predeterminados, utilice la wavelet madre de Morlet para transformar cada serie temporal en el dominio de tiempo y frecuencia mediante la transformación de wavelet continua. A continuación, para elegir la banda de frecuencia de interés, seleccione un promedio de los valores coherentes de la banda de frecuencias entre 0,5 y un Hertz. De acuerdo con la banda de frecuencia utilizada en la tarea de movimiento de los dedos del estudio F N I R S Hyper-scanning.
Obtenga una columna de valores coherentes para cada par. Luego, seleccione un promedio de los valores coherentes de la ventana de tiempo durante la etapa de reposo. Y para cada condición experimental, utilizando la información de la marca, obtener cinco valores coherentes para cada díada para la sesión de tarea, solo seleccionar la duración durante la cual los participantes tocaron para reproducir el estímulo auditivo, que es de aproximadamente 12 segundos para cada ensayo, lo que resulta en un total de 180 segundos para cada condición experimental.
A continuación, reste el valor coherente en reposo del valor coherente relacionado con la tarea. Dado que el valor de coherencia durante el estado de reposo se utiliza como línea de base en este experimento. A continuación, utilizando las muestras pareadas de la prueba T de permutación con la función de subrayado de malta comp subrayado T1 función de gotas de trabajo.
Compare los valores coherentes restados con cero en cada canal para cada condición experimental. A continuación, mediante la función A FDR del cuadro de herramientas de MATLAB, corrija los valores de P mediante el método de tasa de detección falsa. A continuación, utilizando la prueba T de permutación de muestras pareadas con la función de subrayado de malta comp subrayado permanente T1 de las gotas de trabajo, compare los valores de coherencia entre las diferentes condiciones de tarea en el canal donde existía el SII.
Para validar el SII, utilice la función de perm de despotricación de MATLAB para aleatorizar la etiqueta de los ensayos en la condición de coordinación del medidor para una díada en cada canal. Siga la tubería demostrada para calcular el SII y las estadísticas para la etiqueta del ensayo aleatorizado, excluyendo el análisis de sensibilidad para la banda de frecuencia de interés. Realice la permutación 1000 veces, luego trace la distribución de los valores estadísticos de Z generados dentro de la permutación de díada.
A continuación, siga la tubería para calcular el SII y las estadísticas después de aleatorizar el emparejamiento de los participantes del mismo ensayo, en la condición de coordinación del medidor. Finalmente, siga la tubería nuevamente después de aleatorizar las etiquetas de condición para los mismos miembros de una díada en el mismo ensayo. Los resultados mostraron la presencia de SII en el canal cinco en la condición de coordinación del medidor.
Mientras que no se detectó SII en las otras condiciones. En el canal cinco, el SII y la condición de coordinación del medidor fueron significativamente más altos que los valores coherentes en la condición de coordinación no métrica e independencia del medidor. El análisis de permutación mostró que el SII observado probablemente se presentó en dos individuos de una díada que intentaron sincronizarse entre sí en el tiempo emparejado, pero no en el compañero de tiempo o condición de emparejamiento aleatorio.
Asegúrese de que el SII sea específico para interacciones raras. Por lo tanto, el cálculo del SII en la tarea, la banda de frecuencia correlacionada y las condiciones de confianza mutantes y las entrevistas. Calcular el SII de todos los canales dentro del alcance simple, o a través de diferentes canales y regiones, enriquecería al socio de cálculo de IBS.
El análisis de la red Inter-Cerebro para grandes grupos de participantes en interacciones naturales beneficiará la calificación de la interacción social.
