JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Neuroscience

Como calcular e validar a sincronização inter-cerebral em um estudo de hiperscanagem 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

A dinâmica entre cérebros acoplado de indivíduos tem sido cada vez mais representada pela sincronização inter-cerebral (IBS) quando eles se coordenam entre si, principalmente usando sinais de gravação simultânea de cérebros (ou seja, hiperscaning) com fNIRS. Em estudos de hiperscanagem fNIRS, o IBS tem sido comumente avaliado através do método de coerência de transformação de ondas (WTC) devido à sua vantagem em expandir séries temporâneas em espaço de frequência de tempo onde as oscilações podem ser vistas de forma altamente intuitiva. O IBS observado pode ser validado ainda mais através do emparelhamento aleatório baseado em permutação do ensaio, parceiro e condição. Aqui, um protocolo é apresentado para descrever como obter sinais cerebrais através da tecnologia fNIRS, calcular o IBS através do método WTC e validar o IBS por permutação em um estudo de hiperscanagem. Além disso, discutimos as questões críticas ao usar os métodos acima, incluindo a escolha de sinais fNIRS, métodos de pré-processamento de dados e parâmetros opcionais de computação. Em resumo, o uso do método WTC e da permutação é um pipeline potencialmente padrão para a análise do IBS em estudos de hiperscanagem fNIRS, contribuindo tanto para a reprodutibilidade quanto para a confiabilidade do IBS.

Abstract

A dinâmica entre cérebros acoplado de indivíduos tem sido cada vez mais representada pela sincronização inter-cerebral (IBS) quando eles se coordenam entre si, principalmente usando sinais de gravação simultânea de cérebros (ou seja, hiperscaning) com fNIRS. Em estudos de hiperscanagem fNIRS, o IBS tem sido comumente avaliado através do método de coerência de transformação de ondas (WTC) devido à sua vantagem em expandir séries temporâneas em espaço de frequência de tempo onde as oscilações podem ser vistas de forma altamente intuitiva. O IBS observado pode ser validado ainda mais através do emparelhamento aleatório baseado em permutação do ensaio, parceiro e condição. Aqui, um protocolo é apresentado para descrever como obter sinais cerebrais através da tecnologia fNIRS, calcular o IBS através do método WTC e validar o IBS por permutação em um estudo de hiperscanagem. Além disso, discutimos as questões críticas ao usar os métodos acima, incluindo a escolha de sinais fNIRS, métodos de pré-processamento de dados e parâmetros opcionais de computação. Em resumo, o uso do método WTC e da permutação é um pipeline potencialmente padrão para a análise do IBS em estudos de hiperscanagem fNIRS, contribuindo tanto para a reprodutibilidade quanto para a confiabilidade do IBS.

Introduction

Quando as pessoas coordenam com os outros, seus cérebros e corpos se tornam uma unidade acoplado através da adaptação mútua contínua. O acoplamento entre cérebros pode ser representado pela sincronização interfencefálica (IBS) através da abordagem hiperscanante, que registra simultaneamente sinais cerebrais de dois ou mais indivíduos1. De fato, um corpo crescente de estudos de hiperscanagem fNIRS/EEG encontrou IBS em vários contextos de colaboração, incluindo toques de dedos2, caminhada em grupo3, tocar bateria4,tocar guitarra5e cantar/cantar/cantar6. FNIRS é amplamente utilizado para a pesquisa do IBS durante a interação social, pois restringe menos os movimentos cabeça/corpo em ambientes relativamente naturais (em comparação com fMRI/EEG)7.

O artigo apresenta um protocolo para o cálculo do IBS via método de coerência de transformação de ondas (WTC) em um estudo de hiperscanagem fNIRS. WTC é um método para avaliar a correlação cruzada entre dois sinais de movimento no plano de frequência de tempo e, portanto, pode dar mais informações do que a análise de correlação tradicional (por exemplo, correlação de Pearson e correlação cruzada), que está apenas no domínio do tempo8. Além disso, sinais hemodinâmicos são transformados em componentes de wavelet, que podem efetivamente remover o ruído de baixa frequência. Embora o WTC seja demorado, tem sido o método mais utilizado de cálculo do IBS na imitação de ação9, comportamento cooperativo10,comunicação verbal11,tomada de decisão12e aprendizagem interativa13.

O artigo também apresenta como validar o IBS com a análise aleatória baseada em permutação de ensaios, condições e participantes. O IBS em estudos de hiperscanagem é sempre proposto para acompanhar a interação social on-line entre os indivíduos, ao mesmo tempo em que pode ser interpretado por outras explicações, como a similaridade de estímulo, similaridade de movimento ou similaridade de condição14. O teste de permutação, também chamado de teste de randomização, pode ser aproveitado para testar as hipóteses nulas acima mencionadas através da resamplagem dos dados observados15. Por meio da permutação, é útil investigar se o IBS identificado é específico para comportamento interativo, desde a modulação do IBS dentro dos disades até entre grupos de parceiros16.

O protocolo descrito aqui detalha como obter sinais cerebrais através da tecnologia fNIRS, calcular o IBS através do método WTC e validar o IBS por meio de testes de permutação em um estudo de hiperscanagem. Este estudo tem como objetivo examinar se o IBS privilegiado é provocado por medidores musicais durante a coordenação social. Os sinais cerebrais foram registrados no córtex frontal, com base na localização do IBS em um achado anterior1. A tarefa experimental foi originalmente desenvolvida por Konvalinka e suas faculdades17, nas quais os participantes foram convidados a bater os dedos com o feedback auditivo do parceiro ou de si mesmos depois de ouvir o medidor ou estímulos não medidores.

Protocol

O protocolo aqui apresentado foi aprovado pelo Comitê Universitário de Proteção à Pesquisa Humana da Universidade Normal da China Oriental. 1. Preparação para o experimento Participantes Recrute um grupo de estudantes de graduação e pós-graduação com remuneração monetária pela publicidade do campus. Certifique-se de que os participantes são destros e têm visão e audição normais ou corrigidas. Certifique-se de que eles não estudaram música ou a…

Representative Results

Os resultados mostraram que havia IBS no canal 5 na condição de coordenação do medidor, enquanto que não existia o IBS em outras condições (ou seja, independência do medidor, coordenação não medidora, independência não medidora; Figura 2A). No canal 5, o IBS na condição de coordenação do medidor foi significativamente superior aos valores de coerência na condição de coordenação não-medidor e independência do medidor(Figura 2B). O Canal 5 …

Discussion

Este protocolo fornece um procedimento passo-a-passo para calcular e validar o IBS, usando a abordagem de hiperscanagem fNIRS para coletar simultaneamente os sinais cerebrais de dois participantes. Algumas questões críticas envolvidas no pré-processamento de dados fNIRS, cálculo do IBS, estatísticas e validação do IBS são discutidas abaixo.

Pré-processamento de dados
É necessário pré-processo de dados fNIRS em estudos de hiperscanagem para extrair sinais reais d…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Esta pesquisa foi apoiada pela Fundação Nacional de Ciência Natural da 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

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