JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Please note that all translations are automatically generated. Click here for the English version.
Neuroscience

Как рассчитать и проверить синхронизацию между мозгами в исследовании гиперсканирования fNIRS

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

Динамика между связанными мозгами людей все чаще представлена межмозговой синхронизацией (СРК), когда они координируются друг с другом, в основном с использованием одновременных записывающих сигналов мозга (а именно гиперсканирования) с fNIRS. В исследованиях гиперсканирования fNIRS IBS обычно оценивался с помощью метода когерентности вейвлет-преобразования (WTC) из-за его преимущества в расширении временных рядов во временно-частотное пространство, где колебания можно увидеть интуитивно понятным способом. Наблюдаемый СРК может быть дополнительно подтвержден с помощью случайного спаривания исследования, партнера и состояния на основе перестановок. Здесь представлен протокол, описывающий, как получить сигналы мозга с помощью технологии fNIRS, рассчитать СРК с помощью метода WTC и проверить IBS путем перестановки в исследовании гиперсканирования. Далее мы обсудим критические вопросы при использовании вышеуказанных методов, включая выбор сигналов fNIRS, методы предварительной обработки данных и необязательные параметры вычислений. Таким образом, использование метода и перестановок ЦМТ является потенциально стандартным конвейером для анализа СРК в исследованиях гиперсканирования fNIRS, способствуя как воспроизводимости, так и надежности СРК.

Abstract

Динамика между связанными мозгами людей все чаще представлена межмозговой синхронизацией (СРК), когда они координируются друг с другом, в основном с использованием одновременных записывающих сигналов мозга (а именно гиперсканирования) с fNIRS. В исследованиях гиперсканирования fNIRS IBS обычно оценивался с помощью метода когерентности вейвлет-преобразования (WTC) из-за его преимущества в расширении временных рядов во временно-частотное пространство, где колебания можно увидеть интуитивно понятным способом. Наблюдаемый СРК может быть дополнительно подтвержден с помощью случайного спаривания исследования, партнера и состояния на основе перестановок. Здесь представлен протокол, описывающий, как получить сигналы мозга с помощью технологии fNIRS, рассчитать СРК с помощью метода WTC и проверить IBS путем перестановки в исследовании гиперсканирования. Далее мы обсудим критические вопросы при использовании вышеуказанных методов, включая выбор сигналов fNIRS, методы предварительной обработки данных и необязательные параметры вычислений. Таким образом, использование метода и перестановок ЦМТ является потенциально стандартным конвейером для анализа СРК в исследованиях гиперсканирования fNIRS, способствуя как воспроизводимости, так и надежности СРК.

Introduction

Когда люди координируют свои действия с другими, их мозг и тело становятся связанной единицей посредством непрерывной взаимной адаптации. Связь между мозгами может быть представлена межмозговой синхронизацией (СРК) с помощью подхода гиперсканирования, который одновременно записывает сигналы мозга двух или более людей1. Действительно, растущее количество исследований гиперсканирования fNIRS / EEG обнаружило СРК в различных контекстах сотрудничества, включая постукивание пальцем2,групповую ходьбу3,игру на барабанах4,игру на гитаре5и пение / напев6. fNIRS широко используется для исследования СРК во время социального взаимодействия, поскольку он меньше ограничивает движения головы / тела в относительно естественных условиях (по сравнению с фМРТ / ЭЭГ)7.

В статье представлен протокол расчета IBS методом когерентности вейвлет-преобразования (WTC) в исследовании гиперсканирования fNIRS. ЦМТ является методом оценки перекрестной корреляции между двумя сигналами движения на частотно-временной плоскости и, следовательно, может дать больше информации, чем традиционный корреляционный анализ (например, корреляция Пирсона и кросс-корреляция), который находится только вовременной области 8. Кроме того, гемодинамические сигналы преобразуются в вейвлет-компоненты, которые могут эффективно удалять низкочастотные шумы. Хотя ЦМТ отнимает много времени, он является наиболее часто используемым методом расчета СРК в действии имитации9,кооперативного поведения10,вербальнойкоммуникации 11,принятиярешений 12и интерактивного обучения13.

В статье также представлено, как проверить СРК с помощью случайного парирования испытаний, условий и участников на основе перестановок. СРК в исследованиях гиперсканирования всегда предлагается для отслеживания онлайн-социального взаимодействия между людьми, в то время как он также может быть интерпретирован другими объяснениями, такими как сходство стимулов, сходство движений или сходство условий14. Тест перестановки, также называемый тестом рандомизации, может быть использован для проверки вышеупомянутых нулевых гипотез путем ресамплинга наблюдаемых данных15. Используя перестановку, полезно исследовать, является ли идентифицированный СРК специфическим для интерактивного поведения, начиная от модуляции СРК внутри диад до между группами партнеров16.

Протокол, описанный здесь, подробно описывает, как получить сигналы мозга с помощью технологии fNIRS, рассчитать IBS с помощью метода WTC и проверить IBS путем тестирования перестановок в исследовании гиперсканирования. Это исследование направлено на изучение того, вызывает ли привилегированный СРК музыкальные метры во время социальной координации. Сигналы мозга были записаны в лобной коре, основываясь на местоположении СРК в предыдущем выводе1. Экспериментальное задание было первоначально разработано Конвалинкой и ее колледжами17,в котором участников просили постукивать пальцами со слуховой обратной связью от партнера или себя после прослушивания метровых или неметровых стимулов.

Protocol

Представленный здесь протокол был одобрен Университетским комитетом по защите исследований человека Восточно-Китайского педагогического университета. 1. Подготовка к эксперименту Участников Наберите группу студентов и аспирантов с денежной компенсацией за …

Representative Results

Результаты показали, что в координационном состоянии счетчика в 5-м канале существует СРК, в то время как в других условиях СРК не существует (т.е. независимость от счетчика, неметровая координация, неметровая независимость; Рисунок 2А). В канале 5 IBS в условии координации с…

Discussion

Этот протокол обеспечивает пошаговую процедуру расчета и проверки СРК, используя подход гиперсканирования fNIRS для одновременного сбора сигналов мозга двух участников. Ниже рассматриваются некоторые критические вопросы, связанные с предварительной обработкой данных fNIRS, расчетом IBS, ?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Это исследование было поддержано: Национальным фондом естественных наук Китая (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

References

  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/62801?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
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).
Download Citation
Reprints and Permissions

View Video

✖

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

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image