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

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 को^{एक दूसरे से} प्रतिक्रिया प्राप्त होती है।

हाइपरस्कैनिंग एक ऐसी विधि है^{जो 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 अनुसंधान^के 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 कम^{वर्गीकरण अनुप्रयोगों में}।

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 प्रक्रियाओं^के 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 में^{गतिविधि 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।

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.

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-प्रस…

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-पि?…

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 उप…

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.