Detta protokoll beskriver partiell wavelet transform koherens (pWTC) för beräkning av det tidsfördröjningsmönstret för interpersonell neural synkronisering (INS) för att härleda riktningen och det tidsmässiga mönstret för informationsflödet under social interaktion. Effektiviteten av pWTC för att avlägsna förvirringen av signalautokorrelation på INS bevisades av två experiment.
Social interaktion är av avgörande betydelse för människor. Medan hyperscanning-metoden i stor utsträckning har använts för att studera interpersonell neural synkronisering (INS) under sociala interaktioner, är funktionell nära-infraröd spektroskopi (fNIRS) en av de mest populära teknikerna för hyperskanning av naturalistiska sociala interaktioner på grund av dess relativt höga rumsliga upplösning, ljudanatomiska lokalisering och exceptionellt hög tolerans för rörelseartefakter. Tidigare fNIRS-baserade hyperscanningstudier beräknar vanligtvis en tidsfördröjning INS med hjälp av wavelet transform coherence (WTC) för att beskriva riktningen och det tidsmässiga mönstret för informationsflödet mellan individer. Resultaten av denna metod kan emellertid förväxlas av autokorrelationseffekten av fNIRS-signalen för varje individ. För att ta itu med denna fråga introducerades en metod som kallades partiell wavelet transform coherence (pWTC), som syftade till att ta bort autokorrelationseffekten och upprätthålla den höga tidsspektrumupplösningen för fNIRS-signalen. I denna studie utfördes ett simuleringsexperiment först för att visa effektiviteten av pWTC för att ta bort effekten av autokorrelation på INS. Därefter erbjöds steg-för-steg-vägledning om driften av pWTC baserat på fNIRS-datasetet från ett socialt interaktionsexperiment. Dessutom gjordes en jämförelse mellan pWTC-metoden och den traditionella WTC-metoden och den mellan pWTC-metoden och Granger-kausalitetsmetoden (GC). Resultaten visade att pWTC kunde användas för att bestämma INS-skillnaden mellan olika experimentella förhållanden och INS: s riktnings- och tidsmönster mellan individer under naturalistiska sociala interaktioner. Dessutom ger den bättre tids- och frekvensupplösning än den traditionella WTC och bättre flexibilitet än GC-metoden. Således är pWTC en stark kandidat för att härleda riktningen och det tidsmässiga mönstret för informationsflödet mellan individer under naturalistiska sociala interaktioner.
Social interaktion är av avgörande betydelse för människor 1,2. För att förstå den neurokognitiva mekanismen med dubbla hjärnor för social interaktion har hyperscanningsmetoden nyligen använts i stor utsträckning, vilket visar att mönstren för interpersonell neural synkronisering (INS) mycket väl kan karakterisera den sociala interaktionsprocessen 3,4,5,6,7,8,9,10,11,12 ,13,14. Bland de senaste studierna är ett intressant resultat att rollskillnaden hos individer i en dyad kan leda till ett tidsfördröjningsmönster av INS, dvs INS uppstår när hjärnaktiviteten hos en individ släpar efter en annan individs med sekunder, såsom den från lyssnare till talare 5,9, från ledare tillanhängare 4, från lärare till elever8, från mödrar till barn13,15 och från kvinnor till män i ett romantiskt par6. Viktigast av allt är att det finns en bra korrespondens mellan intervallet för den tidsfördröjningen INS och det för sociala interaktionsbeteenden, till exempel mellan lärare som ifrågasätter och elever som svararpå 8 eller mellan föräldrabeteenden hos mödrar och efterlevnadsbeteenden hos barn15. Således kan tidsfördröjning ins återspegla ett riktat informationsflöde från en individ till en annan, vilket föreslås i en ny hierarkisk modell för interpersonell verbal kommunikation16.
Tidigare beräknades den tidsfördröjningen INS huvudsakligen på den funktionella nära-infraröda spektroskopisignalen (fNIRS) på grund av dess relativt höga rumsliga upplösning, ljudanatomiska lokalisering och exceptionellt hög tolerans för rörelseartefakter17 när man studerade naturalistiska sociala interaktioner. För att exakt karakterisera korrespondensen mellan den neurala tidsfördröjningen och beteendemässig tidsfördröjning under social interaktion är det dessutom viktigt att erhålla INS-styrkan för varje tidsfördröjning (t.ex. från ingen tidsfördröjning till en tidsfördröjning på 10 s). För detta ändamål tillämpades tidigare proceduren för wavelet transform coherence (WTC) i stor utsträckning efter att ha flyttat hjärnsignalen för en individ framåt eller bakåt i förhållande till en annanindivids 5,6,18. När du använder detta traditionella WTC-förfarande för fNIRS-signaler finns det en potentiell utmaning eftersom den observerade tidsfördröjningen INS kan förväxlas av autokorrelationseffekten av fNIRS-signalen för en individ 19,20,21. Till exempel, under en dyadisk social interaktionsprocess, kan signalen från deltagare A vid tidpunkten t synkroniseras med deltagarens B vid samma tidpunkt. Under tiden kan signalen från deltagare A vid tidpunkten t synkroniseras med deltagarens A vid en senare tidpunkt t + 1 på grund av autokorrelationseffekten. Därför kan en falsk tidsfördröjning inträffa mellan signalen från deltagare A vid tidpunkten t och den från deltagare B vid tidpunkten t + 1.
Mihanović och hans kollegor22 introducerade först en metod som kallades partiell wavelet transform coherence (pWTC) och tillämpade den sedan i marin vetenskap23,24. Det ursprungliga syftet med denna metod var att kontrollera det exogena förvirrande bruset när man uppskattade koherensen mellan två signaler. Här, för att ta itu med autokorrelationsproblemet i fNIRS hyperscanningsdata, utvidgades pWTC-metoden för att beräkna tidsfördröjning ins på fNIRS-signalen. Exakt kan en tidsfördröjning INS (och ett riktat informationsflöde) från deltagare A till deltagare B beräknas med hjälp av ekvationen nedan (ekvation 1) 23.
Här antas det att det finns två signaler, A och B, från deltagarna A respektive B. Förekomsten av signal B föregår alltid signal A med en tidsfördröjning på n, där WTC (At, Bt + n) är den traditionella tidsfördröjningen WTC. WTC (At, At + n) är den autokorrelerade WTC i deltagare A. WTC (At, Bt) är den tidsjusterade WTC vid tidpunkten t mellan deltagare A och B. * är den komplexa konjugatoperatören (figur 1A).
Bild 1: Översikt över pWTC. (A) Logiken i pWTC. Det finns två signaler A och B, inom en dyad. Förekomsten av A följer alltid B med en fördröjning n. En grå låda är ett wavelet-fönster vid en viss tidpunkt t eller t + n. Baserat på pWTC-ekvationen (representerad i figuren) måste tre WTC beräknas: den tidsfördröjningade WTC för At + n och Bt; den autokorrelerade WTC i deltagare A av At och At + n; och den tidsjusterade WTC vid tidpunkten t, At och Bt. (B) Layouten för optodsonduppsättningar. CH11 placerades vid T3 och CH25 placerades vid T4 efter det internationella 10-20-systemet27,28. Klicka här för att se en större version av denna figur.
Detta protokoll introducerade först ett simuleringsexperiment för att visa hur väl pWTC löser autokorrelationsutmaningen. Sedan förklarade den hur man utför pWTC på ett steg-för-steg-sätt baserat på ett empiriskt experiment av naturalistiska sociala interaktioner. Här användes ett kommunikationssammanhang för att introducera metoden. Detta beror på att den tidsfördröjningade INS tidigare vanligtvis beräknades i ett naturalistiskt kommunikationssammanhang 3,4,6,8,13,15,18. Dessutom genomfördes en jämförelse mellan pWTC och den traditionella WTC och validering med Granger-kausalitetstestet (GC).
I hyperscanningstudier är det vanligtvis viktigt att beskriva riktnings- och tidsmönstren för informationsflödet mellan individer. De flesta tidigare fNIRS hyperscanning-studier har använt traditionell WTC25 för att härleda dessa egenskaper genom att beräkna den tidsfördröjningen INS. Men som en av de inneboende egenskaperna hos fNIRS-signalen20,21 kan autokorrelationseffekten förvirra den tidsfördröjningade INS. För att lös…
The authors have nothing to disclose.
Detta arbete stöddes av National Natural Science Foundation of China (61977008) och Young Top Notch Talents of Ten Thousand Talent Program.
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. |