Summary

قياس تدفق المعلومات الاتجاهية في بيانات fNIRS-hyperscanning باستخدام طريقة تماسك تحويل المويجات الجزئية

Published: September 03, 2021
doi:

Summary

يصف هذا البروتوكول تماسك التحويل الموجي الجزئي (pWTC) لحساب النمط المتخلف زمنيا للتزامن العصبي بين الأشخاص (INS) لاستنتاج الاتجاه والنمط الزمني لتدفق المعلومات أثناء التفاعل الاجتماعي. وقد أثبتت تجربتان فعالية pWTC في إزالة الالتباس في الارتباط الذاتي للإشارة على INS.

Abstract

التفاعل الاجتماعي له أهمية حيوية للبشر. في حين تم استخدام نهج المسح الضوئي المفرط على نطاق واسع لدراسة التزامن العصبي بين الأشخاص (INS) أثناء التفاعلات الاجتماعية ، فإن التحليل الطيفي الوظيفي القريب من الأشعة تحت الحمراء (fNIRS) هو أحد أكثر التقنيات شيوعا للتفاعلات الاجتماعية الطبيعية الفائقة المسح الضوئي بسبب دقته المكانية العالية نسبيا ، والتوطين التشريحي السليم ، والتسامح العالي بشكل استثنائي مع القطع الأثرية الحركية. عادة ما تحسب دراسات المسح الضوئي الفائق السابقة المستندة إلى fNIRS INS متأخرا زمنيا باستخدام تماسك تحويل المويجات (WTC) لوصف الاتجاه والنمط الزمني لتدفق المعلومات بين الأفراد. ومع ذلك ، قد يتم الخلط بين نتائج هذه الطريقة بسبب تأثير الارتباط الذاتي لإشارة fNIRS لكل فرد. ولمعالجة هذه المسألة، أدخلت طريقة تسمى اتساق تحويل المويجات الجزئي (pWTC)، تهدف إلى إزالة تأثير الارتباط الذاتي والحفاظ على الاستبانة العالية للطيف الزمني لإشارة fNIRS. في هذه الدراسة ، تم إجراء تجربة محاكاة أولا لإظهار فعالية pWTC في إزالة تأثير الارتباط الذاتي على INS. بعد ذلك ، تم تقديم إرشادات خطوة بخطوة حول تشغيل pWTC استنادا إلى مجموعة بيانات fNIRS من تجربة التفاعل الاجتماعي. بالإضافة إلى ذلك، تم إجراء مقارنة بين طريقة pWTC وطريقة مركز التجارة العالمي التقليدية وطريقة pWTC وطريقة السببية Granger (GC). أظهرت النتائج أنه يمكن استخدام pWTC لتحديد الفرق INS بين الظروف التجريبية المختلفة ونمط INS الاتجاهي والزمني بين الأفراد خلال التفاعلات الاجتماعية الطبيعية. علاوة على ذلك ، فإنه يوفر دقة زمنية وترددية أفضل من مركز التجارة العالمي التقليدي ومرونة أفضل من طريقة GC. وبالتالي ، فإن pWTC هو مرشح قوي لاستنتاج الاتجاه والنمط الزمني لتدفق المعلومات بين الأفراد خلال التفاعلات الاجتماعية الطبيعية.

Introduction

التفاعل الاجتماعي له أهمية حيوية للبشر 1,2. لفهم الآلية العصبية المعرفية ثنائية الدماغ للتفاعل الاجتماعي ، تم مؤخرا استخدام نهج المسح المفرط على نطاق واسع ، مما يدل على أن أنماط التزامن العصبي بين الأشخاص (INS) يمكن أن تميز عملية التفاعل الاجتماعيبشكل جيد 3,4,5,6,7,8,9,10,11,12 ، 13,14. من بين الدراسات الحديثة ، هناك نتيجة مثيرة للاهتمام هي أن اختلاف دور الأفراد في الصبغة قد يؤدي إلى نمط متأخر زمنيا من INS ، أي أن INS يحدث عندما يتخلف نشاط الدماغ لفرد واحد عن نشاط فرد آخر بثوان ، مثل ذلك من المستمعين إلى المتحدثين 5,9 ، من القادة إلى الأتباع4 ، من المعلمين إلى الطلاب8 ، من الأمهات إلى الأطفال13،15 ، ومن النساء إلى الرجال في زوجين رومانسيين6. الأهم من ذلك ، هناك تطابق جيد بين الفترة الفاصلة بين INS المتخلفة زمنيا وسلوكيات التفاعل الاجتماعي ، مثل بين المعلمين الذين يسألون والطلاب الذين يجيبونعلى 8 أو بين سلوكيات الأبوة والأمومة للأمهات وسلوكيات الامتثال للأطفال15. وبالتالي ، قد يعكس INS المتخلف زمنيا تدفق معلومات اتجاهي من فرد إلى آخر ، كما هو مقترح في نموذج هرمي حديث للتواصل اللفظي بين الأشخاص16.

في السابق ، تم حساب INS المتخلفة زمنيا بشكل أساسي على إشارة التحليل الطيفي الوظيفي بالأشعة تحت الحمراء القريبة (fNIRS) بسبب دقتها المكانية العالية نسبيا ، والتوطين التشريحي الصوتي ، والتسامح العالي بشكل استثنائي مع القطع الأثرية المتحركة17 عند دراسة التفاعلات الاجتماعية الطبيعية. علاوة على ذلك ، لتحديد المراسلات بدقة بين التأخر الزمني العصبي والفارق الزمني السلوكي أثناء التفاعل الاجتماعي ، من الضروري الحصول على قوة INS لكل تأخر زمني (على سبيل المثال ، من عدم وجود فارق زمني إلى فارق زمني قدره 10 ثوان). لهذا الغرض ، في السابق ، تم تطبيق إجراء تماسك تحويل المويجات (WTC) على نطاق واسع بعد تحويل إشارة الدماغ لفرد واحد إلى الأمام أو الخلف بالنسبة إلى إشارة فرد آخر 5,6,18. عند استخدام هذا الإجراء التقليدي لمركز التجارة العالمي لإشارات fNIRS ، هناك تحد محتمل لأن INS المتخلفة زمنيا المرصودة قد تكون مرتبكة بسبب تأثير الارتباط الذاتي لإشارة fNIRS لفرد 19,20,21. على سبيل المثال ، أثناء عملية التفاعل الاجتماعي الديادي ، قد تتم مزامنة إشارة المشارك A في النقطة الزمنية t مع إشارة المشارك B في نفس النقطة الزمنية. وفي الوقت نفسه ، قد تتم مزامنة إشارة المشارك A في النقطة الزمنية t مع إشارة المشارك A في نقطة زمنية لاحقة t + 1 بسبب تأثير الارتباط الذاتي. لذلك ، قد يحدث INS زائف متأخر زمنيا بين إشارة المشارك A في النقطة الزمنية t وإشارة المشارك B في النقطة الزمنية t + 1.

قدم ميهانوفيتش وزملاؤه22 أولا طريقة تسمى تماسك تحويل المويجات الجزئي (pWTC) ، ثم طبقوها في العلوم البحرية23,24. كان الغرض الأصلي من هذه الطريقة هو التحكم في الضوضاء المربكة الخارجية عند تقدير تماسك إشارتين. هنا ، لمعالجة مشكلة الارتباط التلقائي في بيانات المسح الضوئي التشعبي fNIRS ، تم توسيع طريقة pWTC لحساب INS المتخلفة زمنيا على إشارة fNIRS. على وجه التحديد ، يمكن حساب INS متأخر زمنيا (وتدفق معلومات اتجاهي) من المشارك A إلى المشارك B باستخدام المعادلة أدناه (المعادلة 1)23.

Equation 1

هنا ، من المفترض أن هناك إشارتين ، A و B ، من المشاركين A و B ، على التوالي. يسبق حدوث الإشارة B دائما حدوث الإشارة A بفارق زمني قدره n ، حيث يكون WTC (A t ، B t + n) هو مركز التجارة العالمي التقليدي المتخلف زمنيا. مركز التجارة العالمي (A t، A t+n) هو مركز التجارة العالمي المرتبط ذاتيا في المشارك A. WTC (A t، B t) هو مركز التجارة العالمي المتوافق زمنيا في النقطة الزمنية t بين المشارك A و B. * هو المشغل المقترن المعقد (الشكل 1A).

Figure 1
الشكل 1: نظرة عامة على pWTC. (أ) منطق مركز التجارة العالمي. هناك إشارتان A و B ، داخل dyad. يحدث A دائما بعد حدوث B مع تأخر n. المربع الرمادي هو نافذة موجية عند نقطة زمنية معينة t أو t + n. واستنادا إلى معادلة pWTC (الممثلة في الشكل)، يلزم حساب ثلاثة مراكز تجارية عالمية: مركز التجارة العالمي المتخلف زمنيا من At+n وBt؛ و ( مركز التجارة العالمي المرتبط ذاتيا في المشارك A من A t و At + n ؛ ومركز التجارة العالمي المتوافق مع الوقت عند النقطة الزمنية t و A t و Bt. (ب) تخطيط مجموعات مسبار optode. تم وضع CH11 في T3 ، وتم وضع CH25 في T4 وفقا للنظام الدولي 10-2027,28. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

قدم هذا البروتوكول لأول مرة تجربة محاكاة لإظهار مدى نجاح pWTC في حل تحدي الارتباط الذاتي. ثم شرح كيفية إجراء pWTC بطريقة خطوة بخطوة استنادا إلى تجربة تجريبية للتفاعلات الاجتماعية الطبيعية. هنا ، تم استخدام سياق اتصال لتقديم الطريقة. ويرجع ذلك إلى أنه في السابق ، كان يتم حساب INS المتخلفة زمنيا عادة في سياق اتصال طبيعي3،4،6،8،13،15،18. بالإضافة إلى ذلك ، أجريت أيضا مقارنة بين pWTC و WTC التقليدي والتحقق من الصحة مع اختبار السببية Granger (GC).

Protocol

تمت الموافقة على بروتوكول التجربة البشرية من قبل مجلس المراجعة المؤسسية ولجنة الأخلاقيات في مختبر الدولة الرئيسي لعلم الأعصاب المعرفي والتعلم في جامعة بكين العادية. أعطى جميع المشاركين موافقة خطية مستنيرة قبل بدء التجربة. 1. تجربة المحاكاة قم بإنشاء سلسلتين زمنيتين ?…

Representative Results

نتائج المحاكاةوأظهرت النتائج أن مركزالتجارة العالمي INS المتخلف زمنيا مع الارتباط التلقائي كان أعلى بكثير من INSWTC المتخلف زمنيا بدون ارتباط تلقائي (t(1998) = 4.696 ، p < 0.001) و INSpWTC المتخلف زمنيا (t(1998) = 5.098 ، p < 0.001). وبالإضافة إلى ذلك، لم يكن هناك فرق كبير بين…

Discussion

في دراسات المسح الضوئي المفرط ، من الضروري عادة وصف الأنماط الاتجاهية والزمنية لتدفق المعلومات بين الأفراد. استخدمت معظم دراسات المسح الضوئي المفرط fNIRS السابقة WTC25 التقليدي لاستنتاج هذه الخصائص عن طريق حساب INS المتخلفة زمنيا. ومع ذلك ، باعتبارها واحدة من السمات الجوهرية لإشا?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

تم دعم هذا العمل من قبل المؤسسة الوطنية للعلوم الطبيعية في الصين (61977008) وبرنامج المواهب الشابة من الدرجة الأولى لعشرة آلاف موهبة.

Materials

fNIRS topography system Shimadzu Corporation Shimadzu LABNIRS systen LABNIRS system contains 40 emitters and 40 detectors for fNIRS signals measurement. In this protocol we used these emitters and detectors created two customized 26-channels probe sets and attached to two caps accroding to 10-20 system. Further, LABNIRS system also contains built-in GUI softwares for data quality check, data convert and data export.
MATLAB The MathWorks, Inc. MATLAB 2019a In this protocol, several toolboxs and functions bulit in MATLAB were used:
SPM12 toolbox was used to normalize the valided MRI data through its GUI.
NIRS_SPM toolbox was used to project the MNI coordinates of the probes to the AAL template through its GUI.
Homer3 toolbox was used to remove motion artifacts through its function hmrMotionCorrectWavelet with default parameters.
Wavelet toolbox was used to compute WTC and pWTC through its function wcoherence.
MRI scanner Siemens Healthineers TRIO 3-Tesla scanner In this protocol, the MRI scanner was used to obtain MNI coordinates of each channel and optpde. Scan parameters are described in main text.
customized caps In this protocol, we first marked two nylon caps with 10-20 system. Then, we made two 26-channels customized optode probes sets. Finally, we attached probes sets to caps aligned with landmarks.

References

  1. 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).
  2. Hasson, U., Frith, C. D. Mirroring and beyond: Coupled dynamics as a generalized framework for modelling social interactions. Philosophical Transactions of the Royal Society B: Biological Sciences. 371, 20150366 (2016).
  3. Jiang, J., et al. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  4. 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).
  5. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 1-12 (2018).
  6. Long, Y., et al. Interpersonal neural synchronization during interpersonal touch underlies affiliative pair bonding between romantic couples. Cerebral Cortex. 31 (3), 1647-1659 (2021).
  7. Liu, W., et al. Shared neural representations of syntax during online dyadic communication. NeuroImage. 198, 63-72 (2019).
  8. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students’ knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  9. Stephens, G. J., Silbert, L. J., Hasson, U. Speaker-listener neural coupling underlies successful communication. Proceedings of the National Academy of Sciences of the United States of America. 107 (32), 14425-14430 (2010).
  10. Hirsch, J., et al. Interpersonal agreement and disagreement during face-to-face dialogue: An fNIRS investigation. Frontiers in Human Neuroscience. 14, 606397 (2021).
  11. Pan, Y., Cheng, X., Zhang, Z., Li, X., Hu, Y. Cooperation in lovers: An fNIRS-based hyperscanning study. Human Brain Mapping. 38 (2), 831-841 (2017).
  12. 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).
  13. Piazza, E. A., Hasenfratz, L., Hasson, U., Lew-Williams, C. Infant and Adult Brains Are Coupled to the Dynamics of Natural Communication. Psychological Science. 31 (1), 6-17 (2020).
  14. Djalovski, A., Dumas, G., Kinreich, S., Feldman, R. Human attachments shape interbrain synchrony toward efficient performance of social goals. NeuroImage. 226, 117600 (2021).
  15. Zhao, H., et al. How mother-child interactions are associated with a child’s compliance. Cerebral Cortex. 31 (9), 4398-4410 (2021).
  16. Jiang, J., Zheng, L., Lu, C. A hierarchical model for interpersonal verbal communication. Social Cognitive and Affective Neuroscience. 16 (1-2), 246-255 (2021).
  17. Yan, W., et al. Bibliometric evaluation of 2000-2019 publications on functional near-infrared spectroscopy. NeuroImage. 220, 117121 (2020).
  18. 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).
  19. Dean, R. T., Dunsmuir, W. T. M. Dangers and uses of cross-correlation in analyzing time series in perception, performance, movement, and neuroscience: The importance of constructing transfer function autoregressive models. Behavior Research Methods. 48 (2), 783-802 (2016).
  20. Barker, J. W., Rosso, A. L., Sparto, P. J., Huppert, T. J. Correction of motion artifacts and serial correlations for real-time functional near-infrared spectroscopy. Neurophotonics. 3 (3), 031410 (2016).
  21. Huppert, T. J. Commentary on the statistical properties of noise and its implication on general linear models in functional near-infrared spectroscopy. Neurophotonics. 3 (1), 010401 (2016).
  22. Mihanović, H., Orlić, M., Pasarić, Z. Diurnal thermocline oscillations driven by tidal flow around an island in the Middle Adriatic. Journal of Marine Systems. 78, 157-168 (2009).
  23. Ng, E. K. W., Chan, J. C. L. Geophysical applications of partial wavelet coherence and multiple wavelet coherence. Journal of Atmospheric and Oceanic Technology. 29 (12), 1845-1853 (2012).
  24. Ng, E. K. W., Chan, J. C. L. Interannual variations of tropical cyclone activity over the north Indian Ocean. International Journal of Climatology. 32 (6), 819-830 (2012).
  25. 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).
  26. Jurcak, V., Tsuzuki, D., Dan, I. 10/20, 10/10, and 10/5 systems revisited: Their validity as relative head-surface-based positioning systems. NeuroImage. 34 (4), 1600-1611 (2007).
  27. Homan, R. W., Herman, J., Purdy, P. Cerebral location of international 10-20 system electrode placement. Electroencephalography and Clinical Neurophysiology. 66 (4), 376-382 (1987).
  28. Koessler, L., et al. Automated cortical projection of EEG sensors: Anatomical correlation via the international 10-10 system. NeuroImage. 46 (1), 64-72 (2009).
  29. Penny, W., Friston, K., Ashburner, J., Kiebel, S., Nichols, T. . Statistical Parametric Mapping: The Analysis of Functional Brain Images. , (2007).
  30. Shalinsky, M. H., Kovelman, I., Berens, M. S., Petitto, L. A. Exploring cognitive functions in babies, children & adults with near infrared spectroscopy. Journal of Visualized Experiments: JoVE. (29), e1268 (2009).
  31. Xu, S. Y., Cheong, L. I., Zhuang, Y., Couto, T. A. P., Yuan, Z. Conducting concurrent electroencephalography and functional near-infrared spectroscopy recordings with a flanker task. Journal of Visualized Experiments: JoVE. (159), e6069 (2020).
  32. Noah, J. A., et al. fMRI validation of fNIRS measurements during a naturalistic task. Journal of Visualized Experiments: JoVE. (100), e52116 (2015).
  33. Tong, Y., Lindsey, K. P., Frederick, B. D. Partitioning of physiological noise signals in the brain with concurrent near-infrared spectroscopy and fMRI. Journal of Cerebral Blood Flow and Metabolism. 31 (12), 2352-2362 (2011).
  34. Buck, R., Miller, R. E., Caul, W. F. Sex, personality, and physiological variables in the communication of affect via facial expression. Journal of Personality and Social Psychology. 30 (4), 587-596 (1974).
  35. Walen, H. R., Lachman, M. E. Social support and strain from partner, family, and friends: Costs and benefits for men and women in adulthood. Journal of Social and Personal Relationships. 17 (1), 5-30 (2000).
  36. Chang, C., Glover, G. H. Time-frequency dynamics of resting-state brain connectivity measured with fMRI. NeuroImage. 50 (1), 81-98 (2010).
  37. Liu, H., et al. Inferring subsurface preferential flow features from a wavelet analysis of hydrological signals in the shale hills catchment. Water Resources Research. 56 (11), 0 (2020).
  38. Rhif, M., Abbes, A. B., Farah, I. R., Martínez, B., Sang, Y. Wavelet transform application for/in non-stationary time-series analysis: A review. Applied Sciences. 9 (7), 1345 (2019).
  39. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  40. Scholkmann, F., Spichtig, S., Muehlemann, T., Wolf, M. How to detect and reduce movement artifacts in near-infrared imaging using moving standard deviation and spline interpolation. Physiological Measurement. 31 (5), 649-662 (2010).
  41. Zhang, Y., Brooks, D. H., Franceschini, M. A., Boas, D. A. Eigenvector-based spatial filtering for reduction of physiological interference in diffuse optical imaging. Journal of Biomedical Optics. 10 (1), 011014 (2005).
  42. Cui, X., Bray, S., Reiss, A. L. Functional near infrared spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics. NeuroImage. 49 (4), 3039-3046 (2010).
  43. Cooper, R. J., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. , 147 (2012).
  44. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  45. Liu, Y., et al. Measuring speaker-listener neural coupling with functional near infrared spectroscopy. Scientific Reports. 7, 1-13 (2017).
  46. Li, Z., et al. Speaker-listener neural coupling reveals an adaptive mechanism for speech comprehension in a noisy environment. Cerebral Cortex. , (2021).

Play Video

Cite This Article
Zhou, S., Long, Y., Lu, C. Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method. J. Vis. Exp. (175), e62927, doi:10.3791/62927 (2021).

View Video