Wavelet transform coherence (WTC) er en vanlig metode for å vurdere koblingen mellom signaler som brukes i funksjonelle nær-infrarøde spektroskopi (fNIRS) hyperskanningsstudier. En verktøykasse for å vurdere retningen på signalinteraksjonen presenteres i dette arbeidet.
Til tross for den voksende kroppen av funksjonelle nær-infrarøde spektroskopi (fNIRS) hyperskanningsstudier, synes vurderingen av kobling mellom to nevrale signaler ved hjelp av wavelet transform coherence (WTC) å ignorere retningen av interaksjonen. Feltet mangler for tiden et rammeverk som gjør det mulig for forskere å avgjøre om en høy koherensverdi oppnådd ved hjelp av en WTC-funksjon reflekterer fasesynkronisering (dvs. nevral aktivering ses i begge medlemmer av dyaden samtidig), forsinket synkronisering (dvs. nevral aktivering ses i ett medlem av dyaden før det andre medlemmet), eller antifasesynkronisering (dvs. nevral aktivering økes i ett medlem av dyaden og reduseres i det andre). For å møte dette behovet foreslås en komplementær og mer sensitiv tilnærming for å analysere fasekoherensen til to nevrale signaler i dette arbeidet. Verktøykassen gjør det mulig for etterforskere å estimere koblingsretningen ved å klassifisere fasevinkelverdiene oppnådd ved bruk av tradisjonell WTC i fasesynkronisering, forsinket synkronisering og antifasesynkronisering. Verktøykassen gjør det også mulig for forskere å vurdere hvordan dynamikken i samspillet utvikler seg og endres gjennom hele oppgaven. Ved hjelp av denne nye WTC-tilnærmingen og verktøykassen vil vi fremme vår forståelse av komplekse sosiale interaksjoner gjennom deres bruk i fNIRS hyperskanningsstudier.
I de senere år har det vært et skifte i hvilke typer studier som er utført for å forstå nevrale baser av sosial atferd 1,2. Tradisjonelt har studier i sosial nevrovitenskap fokusert på nevral aktivering i en isolert hjerne under en sosialt relevant oppgave. Imidlertid tillater fremskritt innen neuroimaging-teknologi nå undersøkelse av nevral aktivering i hjernen til en eller flere individer under sosial interaksjon som det skjer i “virkelige” innstillinger3. I “virkelige” omgivelser kan individer bevege seg fritt, og mønstre for hjerneaktivering vil sannsynligvis endre seg etter hvert som informasjon utveksles og sosiale partnere mottar tilbakemelding fra hverandre4.
Hyperskanning er en metode som vurderer denne toveis informasjonsutvekslingen ved å måle hjerneaktiviteten fra to eller flere individer samtidig5. En fremvoksende forskningsgruppe har benyttet funksjonell nær-infrarød spektroskopi (fNIRS), en ikke-invasiv neuroimaging teknikk som, i forhold til andre neuroimaging teknikker, er mindre utsatt for bevegelsesartefakter6. Hyperskanning via fNIRS gjør det mulig å vurdere interhjernesynkronisering (IBS) i virkelige omgivelser mens de interaktive partnerne beveger seg fritt og naturlig. Dette er spesielt relevant for arbeid med spedbarn og små barn, som pleier å være ganske aktive. IBS har blitt rapportert å reflektere gjensidig forståelse mellom interaktive partnere, som tjener som grunnlag for effektiv sosial interaksjon og kommunikasjon og formidler delt intensjonalitet 1,7,8.
Flere metoder brukes til å evaluere IBS av to hjerner. Slike metoder inkluderer tidsseriekorrelasjoner, som krysskorrelasjon og Pearson-korrelasjonskoeffisienten 9,10 (se en gjennomgang av Scholkmann et al.10). Andre metoder innebærer å evaluere styrken på koblingen i frekvensdomenet. Slike metoder inkluderer faselåsingsverdi (PLV) og fasekoherens (se en gjennomgang av Czeszumski et al.11). En av de vanligste metodene i fNIRS-studier bruker wavelet transform coherence (WTC) – et mål på krysskorrelasjonen mellom to tidsserier som funksjon av frekvens og tid10.
WTC bruker korrelasjonsanalyser for å beregne koherens og faseforsinkelse mellom to tidsserier i tidsfrekvensdomenet. FNIRS hyperskanningsstudier har brukt WTC til å estimere IBS i mange funksjonsområder, inkludert handlingsovervåking 12, kooperativ og konkurransedyktig atferd 5,13,14,15, imitasjon 16, mor-barn-problemløsning 17 og undervisning-læringsatferd 18,19,20,21 . Vanligvis, i hyperskanningsstudier, sammenlignes koherens på tvers av hjernen, målt ved WTC, under en eksperimentell oppgave med koherens på tvers av hjerner under en kontrolloppgave. Disse funnene presenteres vanligvis med et WTC “hot plot”, som viser sammenhengen mellom de to hjernene ved hvert tidspunkt og frekvens (se figur 1).
Som foreslått av Czesumaski et al.11, har WTC blitt standard analytisk tilnærming for å analysere fNIRS hyperskanning. WTC-analyse er en fleksibel, “verktøyagnostisk” metode for datavisualisering og tolkning22. Koherenskoeffisientens varmekart, som gir en narrativ form for analyse som gjør det enkelt å identifisere perioder med synkron eller asynkron oppførsel, samt intensiteten av hjerneaktivitet under ferdigstillelse av en oppgave, er den største fordelen med WTC og gjør den til et sterkt verktøy for anvendt forskning22. WTC har en fordel i forhold til korrelasjonsteknikker. Korrelasjoner er følsomme for den hemodynamiske responsfunksjonens (HRF) form, som antas å variere mellom individer (spesielt når det gjelder alder) og mellom forskjellige hjerneområder. WTC påvirkes derimot ikke av interregionale endringer i (HRF)23. Forskere har brukt wavelet-tilnærmingen til å studere fMRI-tidsserier. Zhang et al.24 sammenlignet de ofte brukte funksjonelle tilkoblingsberegningene, inkludert Pearson-korrelasjonen, partiell korrelasjon, gjensidig informasjon og wavelet-koherenstransformasjon (WTC). De utførte klassifiseringseksperimenter ved hjelp av storskala funksjonelle tilkoblingsmønstre avledet fra hviletilstand fMRI-data og naturlig stimulus fMRI-data for videovisning. Deres funn indikerte at WTC presterte best i klassifisering (spesifisitet, følsomhet og nøyaktighet), noe som antyder at WTC er en foretrukket funksjonell tilkoblingsmetrisk for å studere funksjonelle hjernenettverk, i det minste i klassifiseringsapplikasjoner24.
Figur 1: Wavelet transform coherence (WTC). WTC viser koherens og fasevinkel mellom to tidsserier som funksjon av både tid (x-akse) og frekvens (y-akse). Koherensøkningen er avbildet av den røde fargen i grafen, og de små pilene i grafen viser fasevinkelen til de to tidsseriene. Den høyrepekende pilen representerer synkronisering i fasen. pilene som peker nedover og peker oppover representerer forsinket synkronisering; og pilen som peker mot venstre representerer antifasesynkronisering30. Denne figuren ble tilpasset fra Pan et al.19. Klikk her for å se en større versjon av denne figuren.
Nylig formulerte Hamilton25 flere begrensninger i tolkningen av koherensdata på tvers av hjerner i fNIRS hyperskanningsstudier. En av Hamiltons primære bekymringer var at koherensmålinger (f.eks. WTC) bare rapporterer effekter som symmetriske (dvs. to hjerner er korrelert, og viser det samme mønsteret av endring). Imidlertid er mange sosiale interaksjoner asymmetriske (f.eks. informasjonsflyt mellom en høyttaler og en lytter) ved at to deltakere kan spille forskjellige roller, og det er ikke klart at WTC kan fange opp denne informasjonen. Her er denne bekymringen adressert av et nytt rammeverk som muliggjør en enkel tolkning av kryssbølgekraften ved å bruke kryssbølgefasen for å oppdage retning. Dette rammeverket vil også tillate undersøkelse av hvordan dynamikken i samspillet utvikler seg og endres gjennom en oppgave.
Mens WTC og korrelasjonsmetoder vurderer funksjonell tilkobling, vurderer andre metoder effektiv tilkobling, og forsøker å trekke ut årsakspåvirkningene fra ett nevralt element over et annet. Transferentropi er et mål fra informasjonsteorien som beskriver overføringen mellom fellesavhengige prosesser26. En annen beslektet metode er Granger kausalitetsanalyse (GCA), som har blitt beskrevet som ekvivalent med overføringsentropi26.
I den eksisterende litteraturen om fNIRS hyperskanningsstudier har Granger kausalitetsanalyse (GCA) blitt mye brukt til å estimere koblingsretningen mellom fNIRS tidsseriedata oppnådd under en rekke forskjellige oppgaver, for eksempel samarbeid5, undervisning19 og imitasjon16. GCA benytter vektorautoregressive modeller for å vurdere retningen av kobling mellom tidsserier i hjernedata. Granger kausalitet er basert på prediksjon og forrang: “en variabel X sies å ‘G-årsak’ variabel Y hvis fortiden til X inneholder informasjonen som bidrar til å forutsi fremtiden til Y utover informasjon allerede i fortiden til Y“27. Følgelig analyseres G-kausaliteten i to retninger: 1) fra emne A til emne B og 2) fra emne B til emne A.
Mens GCA-analyse fungerer som en komplementær analyse som tar sikte på å avgjøre om en høy koherensverdi oppnådd ved hjelp av en WTC-funksjon reflekterer IBS eller forsinket synkronisering (det ene signalet fører det andre), tillater det ikke å bestemme om antifasesynkronisering har skjedd. I tradisjonelle neuroimaging studier, hvor bare en deltaker er skannet (dvs. “single-brain” tilnærming), betyr et antifasemønster at aktiviteten i en hjernegruppe økes mens aktiviteten i den andre hjernegruppen reduseres28. I hyperskanningslitteraturen kan tilstedeværelsen av antifasesynkronisering tyde på at nevral aktivering økes i ett individ, og samtidig reduseres nevral aktivering for det andre faget. Derfor er det behov for å gi en helhetlig modell som kan oppdage retningen. Nærmere bestemt vil denne modellen kunne oppdage antifasesynkronisering (hvor aktivitetsretningen i ett individ er motsatt partnerens) i tillegg til fasesynkronisering og forsinket synkronisering.
I et forsøk på å løse bekymringen for at WTC bare viser symmetriske effekter, der begge hjernene viser samme endringsmønster25, presenteres en ny tilnærming for å identifisere typen interaksjon ved å undersøke synkroniseringsfasen (dvs. i fase, forsinket eller antifase) ( se figur 2). For dette formål ble det utviklet en verktøykasse ved hjelp av WTC-metoden for å klassifisere de forskjellige typer interaksjoner. Interaksjonstypene klassifiseres ved å bruke relative fasedata fra kryssbølgetransformanalyse.
Figur 2: Illustrasjon av de ulike faseforholdene til enkle sinusbølger. (A) Når de to signalene, signal 1 (blå linje s) og signal 2 (oransje linjes), når sine respektive maksimums-,minimums– og nullverdier samtidig, sies det at de viser synkronisering i fase32. (B) Når ett signal når sin maksimale verdi og det andre signalet når nullverdi på samme tidspunkt, sies de å vise forsinket synkronisering (en leder med 90 °) 32,33,34. (C) Når to tidsserier skifter i motsatte retninger, noe som betyr at ett signal når maksimum og det andre når minimumsverdien på samme tidspunkt, kalles dette antifasesynkronisering28. (D-P) I alle andre faserelasjoner mellom to tidsserier leder det ene signalet det andre. I alle positive faser leder signal 2 signal 1 (f.eks. panelene E, F, M og N), mens i alle negative faser leder signal 1 signal 2 (f.eks. panelene D, G, H, O og P). Spesielt når fasens absoluttverdi er høyere, blir det mer distinkt hvilken tidsserie som leder den andre (f.eks. er ledelsen mer distinkt i panel J enn i panel I, og i panel K er ledelsen mer særegen enn i panel L). Klikk her for å se en større versjon av denne figuren.
En av de vanligste metodene som brukes i fNIRS-studier er wavelet transform coherence (WTC), som er et mål på krysskorrelasjonen mellom to tidsserier som funksjon av frekvens og tid10. WTC beregner koherens og faseforsinkelse mellom to tidsserier ved hjelp av korrelasjonsanalyser (tilleggsfil 1). FNIRS hyperskanningsstudier har brukt WTC til å estimere IBS i mange funksjonsområder, inkludert handlingsovervåking 12, kooperativ og konkurransedyktig atfer…
The authors have nothing to disclose.
Vi ønsker å anerkjenne støtten fra National Natural Science Foundation of China (nr. 62207025), humaniora og samfunnsvitenskapelig forskningsprosjekt fra utdanningsdepartementet i Kina (nr. 22YJC190017), og de grunnleggende forskningsfondene for de sentrale universitetene til Yafeng Pan.
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. |