JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Resultados
Discussion
Declarações
Acknowledgements
Materials
Referências
Tadução automática
Neurociência

Hvordan beregne og validere inter-hjernesynkronisering i en fNIRS Hyperscanning Study

Published: September 08, 2021
doi:
10.3791/62801
, , , , , ,
1Institute of Brain and Education Innovation, School of Psychology and Cognitive Science,East China Normal University, 2Department of Musicology,Harbin Conservatory of Music, 3Department of Clinical Neuroscience,Karolinska Institutet, 4School of Psychology,Shenzhen University

Summary

Dynamikken mellom koblede hjerner av individer har i økende grad blitt representert ved inter-hjernesynkronisering (IBS) når de koordinerer med hverandre, for det meste ved hjelp av samtidige registreringssignaler fra hjerner (nemlig hyperskanning) med fNIRS. I fNIRS hyperskanningsstudier har IBS ofte blitt vurdert gjennom WTC-metoden (wavelet transform coherence) på grunn av fordelen med å utvide tidsserier til tidsfrekvensrom der svingninger kan sees på en svært intuitiv måte. Den observerte IBS kan valideres ytterligere via permutasjonsbasert tilfeldig sammenkobling av studien, partneren og tilstanden. Her presenteres en protokoll for å beskrive hvordan man får tak i hjernesignaler via fNIRS-teknologi, beregner IBS gjennom WTC-metoden og validerer IBS ved permutasjon i en hyperskanningsstudie. Videre diskuterer vi de kritiske problemene ved bruk av metodene ovenfor, inkludert valg av fNIRS-signaler, metoder for forhåndsbehandling av data og valgfrie parametere for beregninger. Oppsummert er bruk av WTC-metoden og permutasjonen en potensielt standard rørledning for å analysere IBS i fNIRS hyperskanningsstudier, noe som bidrar til både reproduserbarhet og pålitelighet av IBS.

Abstract

Dynamikken mellom koblede hjerner av individer har i økende grad blitt representert ved inter-hjernesynkronisering (IBS) når de koordinerer med hverandre, for det meste ved hjelp av samtidige registreringssignaler fra hjerner (nemlig hyperskanning) med fNIRS. I fNIRS hyperskanningsstudier har IBS ofte blitt vurdert gjennom WTC-metoden (wavelet transform coherence) på grunn av fordelen med å utvide tidsserier til tidsfrekvensrom der svingninger kan sees på en svært intuitiv måte. Den observerte IBS kan valideres ytterligere via permutasjonsbasert tilfeldig sammenkobling av studien, partneren og tilstanden. Her presenteres en protokoll for å beskrive hvordan man får tak i hjernesignaler via fNIRS-teknologi, beregner IBS gjennom WTC-metoden og validerer IBS ved permutasjon i en hyperskanningsstudie. Videre diskuterer vi de kritiske problemene ved bruk av metodene ovenfor, inkludert valg av fNIRS-signaler, metoder for forhåndsbehandling av data og valgfrie parametere for beregninger. Oppsummert er bruk av WTC-metoden og permutasjonen en potensielt standard rørledning for å analysere IBS i fNIRS hyperskanningsstudier, noe som bidrar til både reproduserbarhet og pålitelighet av IBS.

Introduction

Når folk koordinerer med andre, blir hjernen og kroppene deres en koblet enhet gjennom kontinuerlig gjensidig tilpasning. Koblingen mellom hjerner kan representeres av inter-brain synkronisering (IBS) gjennom hyperscanning tilnærming, som samtidig registrerer to eller flere individers hjernesignaler1. Faktisk har en voksende kropp av fNIRS / EEG hyperskanning studier funnet IBS i ulike samarbeidskontekster, inkludert finger tapping2, gruppe walking3, spille trommer4, gitar spille5, og synge / nynne6. fNIRS er mye brukt til forskning på IBS under sosial interaksjon, da det mindre begrenser hode / kroppsbevegelser i relativt naturlige omgivelser (sammenlignet med fMRI / EEG)7.

Artikkelen presenterer en protokoll for beregning av IBS via WTC-metode (wavelet transform coherence) i en fNIRS hyperskanningsstudie. WTC er en metode for å vurdere krysskorrelasjonen mellom to bevegelsessignaler på tidsfrekvensplanet, og kan derfor gi mer informasjon enn den tradisjonelle korrelasjonsanalysen (f.eks. Pearson-korrelasjon og krysskorrelasjon), som bare er i tidsdomenet8. I tillegg omdannes hemodynamiske signaler til waveletkomponenter, som effektivt kan fjerne lavfrekvent støy. Selv om WTC er tidkrevende, har det vært den mest brukte metoden for å beregne IBS i handlingsimitasjon9, samarbeidsvirkemåte10, verbal kommunikasjon11, beslutningstaking12og interaktiv læring13.

Artikkelen presenterer også hvordan du validerer IBS med permutasjonsbasert tilfeldig paring av studier, betingelser og deltakere. IBS i hyperskanningsstudier foreslås alltid å spore sosial interaksjon på nettet mellom enkeltpersoner, mens den også kan tolkes av andre forklaringer, for eksempel stimulanslikhet, bevegelseslikhet eller tilstandslikhet14. Permutasjonstest, også kalt randomiseringstest, kan utnyttes til å teste de ovennevnte nullhypotesene ved å oppdatere de observerte dataene15. Ved hjelp av permutasjon er det nyttig å undersøke om den identifiserte IBS er spesifikk for interaktiv atferd, alt fra modulering av IBS i dyader til mellom grupper av partnere16.

Protokollen som er beskrevet her beskriver hvordan du får tak i hjernesignaler via fNIRS-teknologi, beregner IBS gjennom WTC-metoden og validerer IBS ved permutasjonstesting i en hyperskanningsstudie. Denne studien tar sikte på å undersøke om privilegert IBS fremkalles av musikkmålere under sosial koordinering. Hjernesignalene ble registrert i frontal cortex, basert på plasseringen av IBS i et tidligere funn1. Den eksperimentelle oppgaven ble opprinnelig utviklet av Konvalinka og hennes høyskoler17, der deltakerne ble bedt om å trykke fingrene med den hørbare tilbakemeldingen fra partneren eller seg selv etter å ha lyttet til måleren eller ikke-meter stimuli.

Protocol

Protokollen som presenteres her ble godkjent av Universitetskomiteen for menneskelig forskningsbeskyttelse ved East China Normal University. 1. Forberedelse til eksperimentet Deltakere Rekrutter en gruppe studenter og uteksaminere studenter med økonomisk kompensasjon av campusannonseringen. Sørg for at deltakerne er høyrehendte og har normal eller korrigert til normal syn og hørsel. Forsikre deg om at de ikke har studert musikk eller har studert den i mindre en…

Representative Results

Resultatene viste at det var IBS på kanal 5 i målekoordineringstilstanden, mens ingen IBS eksisterte under andre forhold (dvs. meter uavhengighet, ikke-meter koordinering, ikke-meter uavhengighet; Figur 2A). På kanal 5 var IBS i målekoordineringstilstanden betydelig høyere enn sammenhengsverdiene i ikke-meter koordinerings- og meteruavhengighetstilstanden (figur 2B). Kanal 5 tilhørte omtrent venstre dorsolateral prefrontal cortex (DLPFC; Brodmann område 9…

Discussion

Denne protokollen gir en trinnvis prosedyre for å beregne og validere IBS, ved hjelp av fNIRS hyperskanning tilnærming for samtidig å samle to deltakeres hjernesignaler. Noen kritiske problemer som er involvert i fNIRS-dataforbehandling, IBS-beregning, statistikk og IBS-validering, diskuteres nedenfor.

Forhåndsbehandling av data
Det er nødvendig å forhåndsbehandle fNIRS-data i hyperskanningsstudier for å trekke ut reelle signaler fra mulig støy (dvs. bevegelsesarte…

Declarações

The authors have nothing to disclose.

Acknowledgements

Denne forskningen ble støttet av: National Natural Science Foundation of China (31872783, 31800951).

Materials

Computer Hewlett-Packard Development Company, L.P. HP S01-pF157mcn
Earphone Royal Philips Electronics, Eindhoven, The Netherlands SHE2405BK/00
EEG cap Compumedics Neuroscan, Charlotte, USA 64-channel Quik-Cap
E-Prime software Psychology Software Tools, Inc., Pittsburgh, USA E-Prime 3
fNIRS system Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System
MATLAB 2014b The MathWorks, Inc., Natick, MA MATLAB 2014b
MuseScore Musescore Company, Belgium MuseScore 3.6.2.548021803
Swimming cap Decathlon Group, Villeneuve-d'Ascq, France 1681552
DOWNLOAD MATERIALS LIST

Referências

  1. Kingsbury, L., Hong, W. A Multi-Brain Framework for Social Interaction. Trends in Neurosciences. 43 (9), 651-666 (2020).
  2. Konvalinka, I., Bauer, M., Stahlhut, C., Hansen, L. K., Roepstorff, A., Frith, C. D. Frontal alpha oscillations distinguish leaders from followers: multivariate decoding of mutually interacting brains. NeuroImage. 94, 79-88 (2014).
  3. Ikeda, S., et al. Steady Beat Sound Facilitates both Coordinated Group Walking and Inter-Subject Neural Synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  4. Duan, L., et al. Cluster imaging of multi-brain networks (CIMBN): a general framework for hyperscanning and modeling a group of interacting brains. Frontiers in Neuroscience. 9, 267 (2015).
  5. Sanger, J., Muller, V., Lindenberger, U. Intra- and interbrain synchronization and network properties when playing guitar in duets. Frontiers in Human Neuroscience. 6, 312 (2012).
  6. Muller, V., Delius, J. A. M., Lindenberger, U. Hyper-frequency network topology changes during choral singing. Frontiers in Physiology. 10, 207 (2019).
  7. Egetemeir, J., Stenneken, P., Koehler, S., Fallgatter, A. J., Herrmann, M. J. Exploring the neural basis of real-life joint action: Measuring brain activation during joint table setting with functional near-infrared spectroscopy. Frontiers in Human Neuroscience. 5, 95 (2011).
  8. 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 (5-6), 561-566 (2004).
  9. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63 (1), 212-222 (2012).
  10. 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).
  11. Jiang, J., Dai, B., Peng, D., Zhu, C., Liu, L., Lu, C. Neural synchronization during face-to-face communication. Journal of Neuroscience. 32 (45), 16064-16069 (2012).
  12. Tang, H., Mai, X., Wang, S., Zhu, C., Krueger, F., Liu, C. Interpersonal brain synchronization in the right temporo-parietal junction during face-to-face economic exchange. Social Cognitive and Affective Neuroscience. 11 (1), 23-32 (2016).
  13. 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).
  14. Konvalinka, I., Roepstorff, A. The two-brain approach: how can mutually interacting brains teach us something about social interaction. Frontiers in Human Neuroscience. 6, 215 (2012).
  15. Karlsson, A. Permutation, parametric, and bootstrap tests of hypotheses. Journal of the Royal Statistical Society Series a-Statistics in Society. 169, 171 (2006).
  16. Ayrolles, A., et al. HyPyP: a Hyperscanning python pipeline for inter-brain connectivity analysis. Social Cognitive and Affective Neuroscience. 16 (1-2), 72-83 (2021).
  17. Konvalinka, I., Vuust, P., Roepstorff, A., Frith, C. D. Follow you, follow me: continuous mutual prediction and adaptation in joint tapping. Quarterly Journal of Experimental Psychology. 63 (11), 2220-2230 (2010).
  18. Majolo, B., et al. Human friendship favours cooperation in the iterated prisoner’s dilemma. Behaviour. 143, 1383-1395 (2006).
  19. . Homer2 Available from: https://www.nitrc.org/projects/hitachi2nirs (2021)
  20. . Hitachi2nirs Available from: https://www.nitrc.org/projects/hitachi2nirs (2021)
  21. . xjview Available from: https://www.alivelearn.net/xjview/ (2021)
  22. . Groppe’s scripts in MathWork Available from: https://uk.mathworks.com/matlabcentral/profile/authors/1948879 (2021)
  23. 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).
  24. 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).
  25. Lumley, T., Diehr, P., Emerson, S., Chen, L. The importance of the normality assumption in large public health data sets. Annual Review of Public Health. 23 (1), 151-169 (2002).
  26. Benjamini, Y., Yekutieli, D. The control of the false discovery rate in multiple testing under dependency. Annals of Statistics. 29 (4), 1165-1188 (2001).
  27. Miller, B. L., Cummings, J. L. . The human frontal lobes: Functions and disorders. , (2007).
  28. vanden Bos, W., van Dijk, E., Westenberg, M., Rombouts, S. A. R. B., Crone, E. A. What motivates repayment? Neural correlates of reciprocity in the Trust Game. Social Cognitive and Affective Neuroscience. 4 (3), 294-304 (2009).
  29. Corbetta, M., Shulman, G. L. Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience. 3 (3), 201-215 (2002).
  30. Ferreri, L., Aucouturier, J. J., Muthalib, M., Bigand, E., Bugaiska, A. Music improves verbal memory encoding while decreasing prefrontal cortex activity: an fNIRS study. Frontiers in Human Neuroscience. 7, 779 (2013).
  31. Cheng, X., Li, X., Hu, Y. Synchronous brain activity during cooperative exchange depends on gender of partner: A fNIRS-based hyperscanning study. Human Brain Mapping. 36 (6), 2039-2048 (2015).
  32. Hu, Y., Hu, Y., Li, X., Pan, Y., Cheng, X. Brain-to-brain synchronization across two persons predicts mutual prosociality. Social Cognitive and Affective Neuroscience. 12 (12), 1835-1844 (2017).
  33. Delgado Reyes, L. M., Bohache, K., Wijeakumar, S., Spencer, J. P. Evaluating motion processing algorithms for use with functional near-infrared spectroscopy data from young children. Neurophotonics. 5 (2), 025008 (2018).
  34. 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), 11014 (2005).
  35. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259-270 (2012).
  36. 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 (2010).
  37. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical Engineering Online. 9 (1), (2010).
  38. Barker, J. W., Aarabi, A., Huppert, T. J. Autoregressive model based algorithm for correcting motion and serially correlated errors in fNIRS. Biomedical Optics Express. 4 (8), 1366-1379 (2013).
  39. Gagnon, L., et al. Short separation channel location impacts the performance of short channel regression in NIRS. NeuroImage. 59 (3), 2518 (2012).
  40. Di Lorenzo, R., et al. Brain responses to faces and facial expressions in 5-month-olds: An fNIRS study. Frontiers in Psychology. 10, 1240 (2019).
  41. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomed Opt Express. 9 (8), 3805-3820 (2018).
  42. Hamilton, A. Hype, hyperscanning and embodied social neuroscience. PsyArXiv. , (2020).
  43. Zhang, X., Noah, J. A., Dravida, S., Hirsch, J. Optimization of wavelet coherence analysis as a measure of neural synchrony during hyperscanning using functional near-infrared spectroscopy. Neurophotonics. 7 (1), 015010 (2020).
  44. Ikeda, S., et al. Steady beat sound facilitates both coordinated group walking and inter-subject neural synchrony. Frontiers in Human Neuroscience. 11, 147 (2017).
  45. Osaka, N., et al. How two brains make one synchronized mind in the inferior frontal cortex: fNIRS-based hyperscanning during cooperative singing. Frontiers in Psychology. 6, 1811 (2015).
  46. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  47. Hou, Y., Song, B., Hu, Y., Pan, Y., Hu, Y. The averaged inter-brain coherence between the audience and a violinist predicts the popularity of violin performance. NeuroImage. 211, 116655 (2020).
  48. Baker, J. M., et al. Sex differences in neural and behavioral signatures of cooperation revealed by fNIRS hyperscanning. Scientific Reports. 6, 26492 (2016).
  49. Kruppa, J. A., et al. Brain and motor synchrony in children and adolescents with ASD-a fNIRS hyperscanning study. Social Cognitive and Affective Neuroscience. 16 (1-2), 103-116 (2021).
  50. Liu, T., Duan, L., Dai, R., Pelowski, M., Zhu, C. Team-work, Team-brain: Exploring synchrony and team interdependence in a nine-person drumming task via multiparticipant hyperscanning and inter-brain network topology with fNIRS. NeuroImage. 237, 118147 (2021).
  51. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nature Communications. 9 (1), 2405 (2018).
  52. Li, R., Mayseless, N., Balters, S., Reiss, A. L. Dynamic inter-brain synchrony in real-life inter-personal cooperation: A functional near-infrared spectroscopy hyperscanning study. NeuroImage. 238, 118263 (2021).
  53. Boas, D. A., Dale, A. M., Franceschini, M. A. Diffuse optical imaging of brain activation: approaches to optimizing image sensitivity, resolution, and accuracy. NeuroImage. 23, 275-288 (2004).
  54. Ferrari, M., Quaresima, V. A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application. NeuroImage. 63 (2), 921-935 (2012).
  55. Mu, Y., Guo, C., Han, S. Oxytocin enhances inter-brain synchrony during social coordination in male adults. Social Cognitive and Affective Neuroscience. 11 (12), 1882-1893 (2016).
  56. Chen, J., et al. Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. 20 (1), 115-125 (2017).
  57. Regev, M., et al. Propagation of Information Along the Cortical Hierarchy as a Function of Attention While Reading and Listening to Stories. Cerebral Cortex. 29 (10), 4017-4034 (2019).

Tags

FNIRS HyperscanningInter-brain SynchronizationWavelet Transform CoherenceNPCA FilterHMR Motion CorrectionCBSIPermutation T-testFalse Discovery Rate
check_url/pt/62801?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citar este artigo
Hu, Y., Wang, Z., Song, B., Pan, Y., Cheng, X., Zhu, Y., Hu, Y. How to Calculate and Validate Inter-brain Synchronization in a fNIRS Hyperscanning Study. J. Vis. Exp. (175), e62801, doi:10.3791/62801 (2021).
Baixar citação
Reimpressões e Permissões

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image