JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Resultados
Discussion
Declarações
Acknowledgements
Materials
Referências
Tadução automática
Please note that all translations are automatically generated. Click here for the English version.
Neurociência

Hur man beräknar och validerar synkronisering mellan hjärnor i en fNIRS Hyperscanning-studie

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

Dynamiken mellan kopplade hjärnor hos individer har alltmer representerats av inter-brain synkronisering (IBS) när de samordnar med varandra, mestadels med samtidig inspelning signaler av hjärnor (nämligen hyperscanning) med fNIRS. I fNIRS hyperscanning studier, IBS har allmänt bedömts genom wavelet transform koherens (WTC) metoden på grund av dess fördel med att utöka tidsserier till tid-frekvens utrymme där svängningar kan ses på ett mycket intuitivt sätt. Den observerade IBS kan valideras ytterligare via permutationsbaserad slumpmässig parning av prövningen, partnern och tillståndet. Här presenteras ett protokoll för att beskriva hur man får hjärnsignaler via fNIRS-teknik, beräknar IBS genom WTC-metoden och validerar IBS genom permutation i en hyperscanningstudie. Vidare diskuterar vi de kritiska frågorna när vi använder ovanstående metoder, inklusive valet av fNIRS-signaler, metoder för förbearbetning av data och valfria parametrar för beräkningar. Sammanfattningsvis är användning av WTC-metoden och permutation en potentiellt standardpipeline för analys av IBS i fNIRS hyperscanning studier, vilket bidrar till både reproducerbarhet och tillförlitlighet av IBS.

Abstract

Dynamiken mellan kopplade hjärnor hos individer har alltmer representerats av inter-brain synkronisering (IBS) när de samordnar med varandra, mestadels med samtidig inspelning signaler av hjärnor (nämligen hyperscanning) med fNIRS. I fNIRS hyperscanning studier, IBS har allmänt bedömts genom wavelet transform koherens (WTC) metoden på grund av dess fördel med att utöka tidsserier till tid-frekvens utrymme där svängningar kan ses på ett mycket intuitivt sätt. Den observerade IBS kan valideras ytterligare via permutationsbaserad slumpmässig parning av prövningen, partnern och tillståndet. Här presenteras ett protokoll för att beskriva hur man får hjärnsignaler via fNIRS-teknik, beräknar IBS genom WTC-metoden och validerar IBS genom permutation i en hyperscanningstudie. Vidare diskuterar vi de kritiska frågorna när vi använder ovanstående metoder, inklusive valet av fNIRS-signaler, metoder för förbearbetning av data och valfria parametrar för beräkningar. Sammanfattningsvis är användning av WTC-metoden och permutation en potentiellt standardpipeline för analys av IBS i fNIRS hyperscanning studier, vilket bidrar till både reproducerbarhet och tillförlitlighet av IBS.

Introduction

När människor samordnar med andra blir deras hjärnor och kroppar en kopplad enhet genom kontinuerlig ömsesidig anpassning. Kopplingen mellan hjärnor kan representeras av inter-brain synkronisering (IBS) genom hyperscanningsmetoden, som samtidigt registrerar två eller flera individers hjärnsignaler1. Faktum är att en växande mängd fNIRS / EEG hyperscanning studier har funnit IBS i olika samarbetssammanhang, inklusive finger tappning2, gruppvandring3, spela trummor4,gitarrspel5, och sjunga / nynna6. fNIRS används ofta för forskning av IBS under social interaktion, eftersom det mindre begränsar huvud / kroppsrörelser i relativt naturliga miljöer (jämfört med fMRI / EEG)7.

Artikeln presenterar ett protokoll för beräkning av IBS via wavelet transform coherence (WTC) metod i en fNIRS hyperscanning studie. WTC är en metod för att bedöma korskorrelationen mellan två rörelsesignaler på tidsfrekvensplanet och kan därför ge mer information än den traditionella korrelationsanalysen (t.ex. Pearson-korrelation och korskorrelation), som endast finns i tidsdomänen8. Dessutom omvandlas hemodynamiska signaler till vågkomponenter, vilket effektivt kan ta bort lågfrekvent brus. Även om WTC är tidskrävande, har det varit den vanligaste metoden för att beräkna IBS i åtgärdsimitation9, kooperativt beteende10, verbal kommunikation11, beslutsfattande12och interaktivt lärande13.

Artikeln presenterar också hur man validerar IBS med den permutationsbaserade slumpmässiga parningen av prövningar, villkor och deltagare. IBS i hyperscanning studier föreslås alltid att spåra online social interaktion mellan individer, medan det också kan tolkas av andra förklaringar, såsom stimulans likhet, rörelse likhet, eller villkor likhet14. Permutationstest, även kallat randomiseringstest, kan utnyttjas för att testa ovanstående nollhypoteser genom att omfördela de observerade uppgifterna15. Genom att använda permutation är det användbart att undersöka om den identifierade IBS är specifik för interaktivt beteende, allt från modulering av IBS inom dyads till mellan grupper av partner16.

Protokollet som beskrivs här beskriver hur man får hjärnsignaler via fNIRS-teknik, beräknar IBS genom WTC-metoden och validerar IBS genom permutationstestning i en hyperscanningstudie. Denna studie syftar till att undersöka om privilegierad IBS framkallas av musikmätare under social samordning. Hjärnsignalerna registrerades i den främre cortexen, baserat på platsen för IBS i ett tidigare fynd1. Den experimentella uppgiften utvecklades ursprungligen av Konvalinka och hennes högskolor17, där deltagarna ombads att knacka på fingrarna med hörselfeedback från partnern eller sig själva efter att ha lyssnat på mätaren eller icke-mätarstimuli.

Protocol

Protokollet som presenteras här godkändes av university committee on Human Research Protection of East China Normal University. 1. Förberedelse för försöket Deltagare Rekrytera en grupp grund- och forskarstuderande med ekonomisk ersättning från campusannonseringen. Se till att deltagarna är högerhänta och har normal eller korrigerad till normal syn och hörsel. Se till att de inte har studerat musik eller har studerat den i mindre än 3 år tidigare.</li…

Representative Results

Resultaten visade att det fanns IBS vid kanal 5 i mätarkoordineringsvillkoret, medan det inte fanns någon IBS under andra förhållanden (dvs. mätaroberoende, icke-mätarkoordinering, icke-mätaroberoende; Figur 2A). Vid kanal 5 var IBS i mätarkoordineringsförhållandet betydligt högre än koherensvärdena i icke-mätarkoordinations- och mätaroberoendeförhållandet(figur 2B). Kanal 5 tillhörde ungefär den vänstra dorsolateral prefrontal cortex (DLPFC;…

Discussion

Detta protokoll ger en steg-för-steg-procedur för att beräkna och validera IBS, med hjälp av fNIRS hyperscanning-metoden för att samtidigt samla in två deltagares hjärnsignaler. Några kritiska frågor som är involverade i fNIRS-dataförbearbetning, IBS-beräkning, statistik och IBS-validering diskuteras nedan.

Förbearbetning av data
Det är nödvändigt att förbehandla fNIRS-data i hyperscanning studier för att extrahera verkliga signaler från möjligt brus (dv…

Declarações

The authors have nothing to disclose.

Acknowledgements

Denna forskning stöddes 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

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