JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

ويرد في الخطوط العريضة بروتوكول لإجراء تجارب fNIRS hyperscanning على dyads التعلم التعاوني في بيئة التعلم الطبيعية. علاوة على ذلك ، يتم تقديم خط أنابيب لتحليل Synchrony بين الدماغ (IBS) من إشارات الهيموغلوبين المؤكسي (Oxy-Hb).

Abstract

يستخدم على نطاق واسع fNIRS hyperscanning للكشف عن الأسس العصبية البيولوجية للتفاعل الاجتماعي. مع هذه التقنية، والباحثين تأهيل نشاط الدماغ المتزامنة من اثنين أو أكثر من الأفراد التفاعلية مع مؤشر جديد يسمى التزامن بين الدماغ (IBS) (أي المرحلة و / أو محاذاة السعة من الإشارات العصبية أو الديناميكا الدموية عبر الزمن). يتم تقديم بروتوكول لإجراء تجارب fNIRS hyperscanning على dyads التعلم التعاوني في بيئة التعلم الطبيعية هنا. علاوة على ذلك ، يتم شرح خط أنابيب لتحليل IBS من إشارة الهيموغلوبين المؤكسي (Oxy-Hb). وعلى وجه التحديد، تناقش جميع التصميم التجريبي، وعملية تسجيل بيانات المعايير الوطنية للإبلاغ عن بعد، وأساليب تحليل البيانات، والاتجاهات المستقبلية. وعموما، فإن تنفيذ خط أنابيب موحد ل fNIRS للرواية المفرطة هو جزء أساسي من علم الأعصاب للشخص الثاني. كما أن هذا يتماشى مع الدعوة إلى العلم المفتوح للمساعدة في استنساخ البحوث.

Introduction

في الآونة الأخيرة ، للكشف عن نشاط الدماغ المتزامن عبر dyads التفاعلية أو أعضاء مجموعة ، يستخدم الباحثون نهج hyperscanning1،2. على وجه التحديد، يتم استخدام تخطيط كهربية الدماغ (EEG)، والتصوير بالرنين المغناطيسي الوظيفي (fMRI)، والتحليل الطيفي الوظيفي القريب من الأشعة تحت الحمراء (fNIRS) لتسجيل الأنشطة العصبية والدماغ من موضوعين أو أكثر في وقت واحد3،4،5. يستخرج الباحثون مؤشرا عصبيا يستلزم اقتران الدماغ المتزامن استنادا إلى هذه التقنية ، والتي تشير إلى التزامن بين الدماغ (IBS) (أي محاذاة المرحلة و / أو السعة للإشارات العصبية أو الديناميكية الدموية عبر الزمن). وجدت مجموعة كبيرة ومتنوعة من البحوث hyperscanning IBS خلال التفاعل الاجتماعي بين أفراد متعددين (على سبيل المثال، لاعب الجمهور، المدرب المتعلم، وزعيم أتباع)6،7،8. وعلاوة على ذلك، يحمل IBS آثار محددة للتعلم الفعال والتعليم9،10،11،12،13،14. مع ارتفاع البحوث hyperscanning في سيناريوهات التعلم الطبيعي ، وإنشاء بروتوكول قياسي للتجارب hyperscanning وخطوط أنابيب تحليل البيانات في هذا المجال أمر ضروري.

وهكذا ، توفر هذه الورقة بروتوكولا لإجراء فرط فحص الأجهزة التعليمية التعاونية القائم على fNIRS وخطوط أنابيب لتحليل IBS. fNIRS هي أداة تصوير بصري ، والتي تشع الضوء القريب من الأشعة تحت الحمراء لتقييم الامتصاص الطيفي للهيموجلوبين بشكل غير مباشر ، ومن ثم يقاس نشاط الديناميكا الدموية / الأكسجين15و16و17. بالمقارنة مع fMRI، fNIRS أقل عرضة للقطع الأثرية الحركة، مما يسمح القياسات من المواضيع الذين يقومون بتجارب الحياة الحقيقية (على سبيل المثال، التقليد، والحديث، والاتصال غير اللفظي)18،7،19. بالمقارنة مع تخطيط كهربية الدماغ، يحمل fNIRS دقة مكانية أعلى، مما يسمح للباحثين بالكشف عن موقع نشاط الدماغ20. وبالتالي، فإن هذه المزايا في الاستبانة المكانية، والخدمات اللوجستية، والجدوى تؤهل fNIRS لإجراء قياس فرط القياس1. باستخدام هذه التكنولوجيا، هيئة البحوث الناشئة بالكشف عن مصطلح مؤشر كما IBS-المحاذاة العصبية من اثنين (أو أكثر) نشاط الدماغ الناس في أشكال مختلفة من البيئات الاجتماعية الطبيعية9،10،11،12،13،14. وفي تلك الدراسات، تطبق أساليب مختلفة (أي تحليل الارتباط وتحليل تماسك تحويل الموجة) لحساب هذا المؤشر؛ وفي الوقت نفسه، فإن وجود خط أنابيب قياسي بشأن هذا التحليل أمر ضروري ولكنه يفتقر إليه. ونتيجة لذلك، يتم تقديم بروتوكول لإجراء فحص مفرط قائم على fNIRS و خط أنابيب باستخدام تحليل مركز التجارة العالمي لتحديد IBS في هذا العمل

تهدف هذه الدراسة إلى تقييم IBS في dyads التعلم التعاوني باستخدام تقنية fNIRS hyperscanning. أولا، يتم تسجيل استجابة ديناميكية في وقت واحد في كل المناطق قبل الجبهية واليسارية الصداعية خلال مهمة التعلم التعاوني. وقد تم تحديد هذه المناطق على أنها مرتبطة بالتدريس التفاعلي والتعلم9و10و11و12و13و14. ثانيا، يتم حساب IBS على كل قناة المقابلة. وتتألف عملية تسجيل البيانات في مجال الإبلاغ عن العوامل غير المشروعة من جزأين: دورة حالة الراحة والدورة التعاونية. تستمر جلسة الراحة لمدة 5 دقائق ، يطلب خلالها من المشاركين (الجلوس وجها لوجه ، بصرف النظر عن بعضهم البعض عن طريق طاولة (0.8 م)) البقاء ساكنين والاسترخاء. يتم تقديم جلسة عمل حالة الراحة هذه كخط أساس. ثم، في الجلسة التعاونية، يطلب من المشاركين دراسة المواد التعليمية بأكملها معا، واستخلاص الفهم، وتلخيص القواعد، والتأكد من إتقان جميع المواد التعليمية. وهنا، تعرض الخطوات المحددة لإجراء التجربة وتحليل بيانات ال FNIRS.

Protocol

وكان جميع المشاركين المعينين (40 دياد، ومتوسط العمر 22.1 ± 1.2 سنة؛ و100 في المائة باليد اليمنى؛ والرؤية العادية أو المصححة إلى الطبيعية) أصحاء. وقبل التجربة، أعطى المشاركون موافقة مستنيرة. وعوض المشاركون ماليا عن مشاركتهم. تمت الموافقة على الدراسة من قبل اللجنة الجامعية لحماية البحوث البشرية (HR-0053-2021)، جامعة شرق الصين العادية.

1. خطوات التحضير قبل اعتماد البيانات

  1. قبعات NIRS محلية الصنع
    1. اعتماد غطاء السباحة مرنة لوضع شبكة optode حامل.
      ملاحظة: بالنظر إلى أن أحجام رأس المشاركين مختلفة، يتم استخدام حجمين من القبعات. يتم إعداد قبعات صغيرة للمشاركين مع محيط الرأس من 55.4 ± 1.1 سم، وقبعات كبيرة للمشاركين مع محيط الرأس من 57.9 ± 1.2 سم.
    2. مرساة موقع أقطاب تخطيط كهربية الدماغ (inion, Cz, T3, T4, Fpz, و P5) ك optodes المرجعية وفقا للنظام الدولي القياسي 10-10 على قبعات السباحة المرنة (انظر جدول المواد).
      1. أولا، ضع غطاء تخطيط كهربية الدماغ القياسي 10-10 (انظر جدول المواد)على قالب الرأس، ووضع غطاء السباحة المرن على غطاء تخطيط كهربية الدماغ. ثانيا، وضع علامة على البصريات المرجعية (inion، Cz، T3، T4، Fpz، وP5) مع الطباشير على كل غطاء. وأخيرا، قطع اثنين من الثقوب حوالي 15 ملم في القطر لوضع optodes مرجع اثنين (أي، Fpz و P5، الشكل 1).
        ملاحظة: على وجه التحديد، يتم وضع مجموعة مسبار 3 × 5 optode ومجموعة مسبار 4 × 4 optode بشكل منفصل فوق المنطقة الأمامية (يتم وضع البصري المرجعي في Fpz، الشكل 1B)والمناطق temporoparietal اليسرى (يتم وضع البصري المرجعي في P5، الشكل 1B).
    3. قطع الثقوب لوضع optodes أخرى. ترتيب قبعة السباحة مع اثنين من أصحاب الشبكة مباشرة على قالب الرأس. ثم، وضع علامة على موقع optodes أخرى مع الطباشير. بعد ذلك، قطع بقية الثقوب للتأكد من حامل الشبكة يناسب في.
    4. جبل مجموعتين التحقيق (أي 3 × 5 و 4 × 4) إلى قبعات السباحة (انظر جدول المواد).
      ملاحظة: يوفر نظام قياس NIRS (انظر جدول المواد)مجموعات الجس القياسية هذه (أي 3 × 5 و 4 × 4) مع مقابس حامل قياسية تضمن فصل البصريات مقاس 30 مم.
    5. افتح نافذة جهاز عرض مجموعة المسبار في نظام قياس NIRS وحدد أربع مجموعات مسبار مرتبة في 3 × 5 و 4 × 4 لكل شخص ، بشكل منفصل.
      ملاحظة: ينبغي أن تتوافق ترتيبات التحقيق بين الحدين الأقصىين مع الهياكل الموجودة في إطار مجموعة المسبار (أي الموقع الدقيق لأرقام مسبار المستقبل والمنبعث منها).
  2. إعداد التجربة
    1. قبل تسجيل البيانات، تأكد من أن نظام NIRS يحافظ على درجة حرارة تشغيل مستقرة من خلال بدء تشغيل النظام لمدة 30 دقيقة على الأقل.
      ملاحظة: تراوحت درجة حرارة التشغيل المستقرة من 5 درجات مئوية إلى 35 درجة مئوية.
    2. قم بتعيين وضع القياس إلى قياس متعلق بالحدث. تأكد من أن جهاز استقبال المشغلات نشط (أي الإدخال التسلسلي RS232).
      ملاحظة: تتم برمجة التجربة في برامج علم النفس المتاحة تجاريا (انظر جدول المواد). ويقاس امتصاص ضوء الأشعة تحت الحمراء القريبة (موجتان: 695 و830 نانومتر) بمعدل أخذ عينات قدره 10 هرتز.
    3. إعداد مسبار الألياف البصرية المضاءة، والتي يمكن استخدامها لتحريك الشعر جانبا.
    4. تعيين بيئة التجربة مع طاولة واحدة مع كرسيين للحفاظ على مقاعد المشاركين وجها لوجه.

2. اعتماد البيانات من خلال توجيه المشاركين

  1. إعداد المشاركين
    1. إرشاد المشاركين، بما في ذلك تفاصيل أساليب قياس NIRS.
      ملاحظة: كان جميع المشاركين أصحاء وتم تعويضهم ماليا عن المشاركة. ولم ينسحب أي مشارك من التجربة في منتصف الطريق. قد يكون شعاع الليزر من NIRS ضارا بعيون المشاركين ، وصدرت لهم تعليمات بعدم النظر مباشرة في أشعة الليزر تلك.
    2. اجعل المشاركين يجلسون وجها لوجه (بصرف النظر عن الطاولة (0.8 م)) للتأكد من أنهم يستطيعون رؤية بعضهم البعض مباشرة. ضبط المسافة من كرسي إلى طاولة (أي ما يقرب من 0.3 م) لجعل المشاركين يجلسون بشكل مريح.
    3. قم بتشغيل زر الليزر، وضع القبعات مع مجموعات التحقيق على رؤوس المشاركين.
      ملاحظة: تغطي مجموعات المسبار 3 × 5 جبين المشاركين (يتم وضع مسبار وسط الصف السفلي على Fpz)؛ تغطي مجموعات المسبار 4 × 4 القشرة الإيقاعية اليسرى (يتم وضع المسبار الثالث للصف الثالث على P5).
    4. ضع حزم الألياف البصرية الأربعة بشكل فضفاض على ذراعي الحامل دون الاتصال بالمشاركين أو الكراسي.
      ملاحظة: هنا، يحتوي نظام قياس NIRS على أربع حزم من الألياف البصرية. بالإضافة إلى ذلك، تأكد من أن المشاركين لا يشعرون ثقيلة جدا لسحب قبالة قبعات.
    5. دع نصائح المسبار تلمس فروة رأس المشاركين عن طريق دفع كل مسبار تحميل ربيعي بعناية إلى مقبسه.
    6. إجراء معايرة الإشارة.
      1. أولا، تحقق من جودة الإشارة بالنقر فوق "كسب تلقائي" في إطار جهاز عرض مجموعة التحقيق لآلة fNIRS. ثم، يتم وضع علامة على إشارة القناة الضعيفة والإشارة الكافية باللونين الأصفر والأخضر في إطار جهاز عرض مجموعة المسبار، على التوالي.
        ملاحظة: بالنسبة لقناة ذات إشارات غير كافية، يتم استخدام مسابير الألياف البصرية المضاءة لتحريك الشعر تحت طرف المسبار إلى جانب واحد.
      2. ثم، دفع المسابير أبعد من ذلك في مآخذ للحصول على إشارات كافية. كرر هذه العملية حتى يتم وضع علامة على جميع القنوات باللون الأخضر في إطار مراقبة مجموعة المسبار لنظام قياس NIRS ، مما يشير إلى أن جودة الإشارات يمكن الوصول إليها.
  2. تشغيل التجربة
    1. ابدأ التجربة مع حالة استراحة 5 دقائق ، والتي تعمل كخط أساس. ثم يطلب من اثنين من المشاركين المشاركة في تعلم المواد التعليمية.
    2. بعد التجربة، انقر على Text File Out لتصدير بيانات كثافة الضوء الخام وحفظ البيانات كملف نصي.
      ملاحظة: لا يتم تطبيق أية عوامل تصفية في نظام قياس NIRS.
    3. استخدم الرقمن ثلاثي الأبعاد (انظر جدول المواد)لتحديد مواقع الانبعاثات والاستقبال والمراجع الأخرى (أي الأيونات والناسيون وCz والأذنين اليسرى والأيمنة) لكل مشارك.
      1. الحصول على إحداثيات MNI لقنوات التسجيل باستخدام منصة الحوسبة الرقمية21 المتاحة تجاريا (انظر جدول المواد). ويبين الجدول التكميلي S1 المواقع التشريحية المقابلة لكل قناة.
    4. تحقيقات نظيفة وحاملي المسبار مع الإيثانول. غسل قبعات مع المنظفات خفيفة والسماح للقبعات الهواء الجاف.

3. تحليل البيانات

  1. المعالجة المسبقة للبيانات
    ملاحظة: اعتمدت الأبحاث السابقة حزم برامج متغيرة غير تجارية (على سبيل المثال، Homer222، محلل23، أو مختبر نيرس24) مع منصات الحوسبة الرقمية (انظر جدول المواد) على fNIRS تحليل البيانات ، وكلها متاحة على الموقع. هنا تم استخدام Homer2 للقيام المعالجة المسبقة للبيانات NIRS. بالإضافة إلى ذلك، تشترك بيانات تسجيل fNIRS التي تم جمعها في مراحل التعلم المتبقية والتعاونية في نفس خط المعالجة المسبقة والتحليل.
    1. نسخ مجموعة البيانات من الجهاز fNIRS. تحويل تكوين البيانات الأصلي إلى التشكيل الصحيح (أي تحويل ملف cvs إلى ملف nirs).
    2. تحويل البيانات الأولية إلى بيانات الكثافة البصرية (OD) مع وظيفة "hmrIntensity2OD" المقدمة في منصة الحوسبة الرقمية (انظر جدول المواد).
    3. حذف القنوات السيئة. ثم متوسط قيمة OD لكل مشارك على كل قناة و نقاط عينة كاملة، على التوالي.
      ملاحظة: هنا، يتم الحصول على قيم OD متوسط 46.
      1. حساب الانحراف المعياري لكل مشارك.
      2. وضع علامة غير صالحة للاستعمال وإزالة القنوات مع OD منخفضة جدا أو عالية (التي تجاوزت 5 SDs) من التحليل لكل مشارك.
        ملاحظة: يمكن تنفيذ هذه الخطوة قبل و/أو بعد معالجة بيانات fNIRS مسبقا. في خط أنابيب تحليل البيانات هذا، يتم الكشف عن القنوات السيئة قبل المعالجة المسبقة لبيانات fNIRS.
    4. تحويل البيانات الزمنية OD إلى أوكسي Hb، DeOxy-Hb، وإشارة مجتمعة على أساس تعديل قانون بير لامبرت25.
      ملاحظة: المرجع25 يقول: "يتم إجراء جميع خطوات تحليل البيانات على بيانات أوكسي Hb، وهو مؤشر على التغير في تدفق الدم الدماغي الإقليمي وجود أعلى نسبة إشارة إلى الضوضاء26. بالإضافة إلى ذلك، استخدمت البحوث السابقة fNIRS hyperscanning في سيناريوهات التدريس والتعلم تركز أساسا على تركيز أوكسي Hb11،12،13،14."
    5. معايرة سلسلة أوكسي Hb الزمنية من التحف الحركة من قبل طريقة قناة بقناة الموجة القائمة.
      ملاحظة: على وجه التحديد، وDaubechies 5 (db5) الموجي مع ضبط المعلمة في 0.1 (انظر التفاصيل في دليل هوميروس2)27،28 يتم اعتمادها في إزالة القطع الأثرية الحركة.
    6. تطبيق مرشح تمرير النطاق (أي 0.01-1 هرتز) على بيانات أوكسي Hb معايرة للحد من الضوضاء عالية التردد والانجراف البطيء.
    7. إجراء تحليل المكونات الرئيسية (PCA) على إشارة OxyHb لإزالة المكونات العالمية غير العصبية (على سبيل المثال، ضغط الدم والتنفس وتنوع تدفق الدم)29.
      ملاحظة: يتم اعتماد تحليل PCA الذي اقترحه تشانغ وزملاؤه29 هنا.
      1. أولا، تحلل الإشارة.
        ملاحظة: الصيغة المحددة لتحلل إشارة fNIRS هي: H = UΣVT. هنا، يتم عرض الأنماط الزمنية والمكانية لبيانات fNIRS في مصفوفتين (أي أنت و V). U 2D (نموذج نقطة x المكون الأساسي) مصفوفة. V هو أيضا مصفوفة 2D (المكون الرئيسي × المكون الرئيسي). يشير العمود في V إلى مكون رئيسي واحد (PC)، ويتم تقدير قوة ذلك الكمبيوتر لقناة معينة في كل إدخال للعمود. يتم تمثيل الأهمية النسبية لكل جهاز كمبيوتر من خلال قيمة المصفوفة القطرية Σ.
      2. ثانيا، إجراء التنعيم المكاني.
        ملاحظة: يتم استخدام التواء نواة الغاوسية لإزالة الإشارات المترجمة والحصول على المكون العالمي.
      3. ثالثا، إعادة بناء الإشارة.
        ملاحظة: لحساب المكون العمومي لبيانات fNIRS، يتم توصيل مصفوفة النمط المكاني الممهدة V* مرة أخرى في صيغة التحلل: HGlobal = UΣ(V*)T. ثم، يمكن الحصول على إشارة الخلايا العصبية المشتقة المترجمة باستخدام البيانات الأصلية H لطرح HGlobal : HNeuronal = H - HGlobal.
  2. تزامن بين الدماغ
    ملاحظة: للكشف عن اقتران الدماغ في علم الأعصاب للشخص الثاني ، يتم اعتماد تماسك تحويل الموجات (WTC) هنا. وباختصار، يقيس مركز التجارة العالمي العلاقة بين السلسلتين الزمنيتين كدالة للتردد والوقت. الصيغة المحددة لتماسك الموجة من السلسلتين x و y مرتين هي:
    figure-protocol-9978
    T و s تدل على مقياس الوقت والموج بشكل منفصل، ‹·› يشير إلى عملية تنعيم في الحجم والوقت. W يمثل تحويل الموجة المستمرة. ثم، يتم إنشاء مصفوفة 2D (الوقت × التردد) مركز التجارة العالمي30. يتم استخدام عدة مربعات أدوات لحساب قيمة مركز التجارة العالمي. هنا تم استخدام صندوق الأدوات التي أنشأتها Grinsted وزملاؤه30.
    1. اعتماد وظيفة مركز التجارة العالمي من منصة الحوسبة الرقمية (انظر جدول المواد).
      ملاحظة: هنا، يتم استخدام الإعداد الافتراضي للموج الأم (أي، معمم مورس Wavelet مع معلمات بيتا وغاما). تقوم الموجة الأم بتحويل كل سلسلة زمنية إلى مجال التردد والوقت.
    2. تعيين الإعداد الافتراضي على المعلمات الأخرى (أي، MonteCarloCount، الذي يمثل عدد مجموعات البيانات البديلة في حساب الأهمية).
    3. حساب قيمة مركز التجارة العالمي لقناتين مناظرتين (القناة نفسها في مشاركين اثنين) في منصة الحوسبة الرقمية (انظر جدول المواد). وبعد نفس الإجراء، يتم إنشاء 46 مصفوفة من مصفوفات مركز التجارة العالمي من 46 قناة.
    4. تحديد نطاق التردد من الاهتمام (FOI)، الذي هو حساس للتعلم التعاوني.
      ملاحظة: هنا، يتم اعتماد نهج التباديل القائم على الكتلة للكشف عن FOI31، والذي يقدم حلا لمقارنات متعددة في البيانات متعددة القنوات والترددات.
      1. أداء متوسط الوقت لقيم مركز التجارة العالمي في مرحلتي الراحة والتعلم التعاوني، على التوالي، لكل مجموعة من القنوات. ثم، إجراء عينة مقترنةt-الاختبارات جنبا إلى جنب مع التردد بأكمله (نطاق التردد: 0.01-1Hz32) على هذه القيم مركز التجارة العالمي متوسط الوقت (التعلم التعاوني مقابل الراحة). بعد ذلك، حدد صناديق التردد التي يكون تأثير المهمة فيها كبيرا (التعلم التعاوني > الراحة، ص < 0.05).
      2. الحصول على نقاط التردد المجاورة الهامة (≥2) كتجمعات الملاحظة وقيم T المطابقة.
      3. إجراء سلسلة من نماذج الاختبارات tالمقترنة على بيانات ثابتة لإنشاء قيم T لكل كتلة مؤهلة في الخطوة 3.2.4.2 ل 1000 مرة.
        ملاحظة: لتكوين بيانات ثابتة، يتم تعيين المشاركين عشوائيا لتشكيل أزواج جديدة من عضوين. كما اختلف طول مجموعات البيانات عبر dyads لكل زوج عشوائي، يتم اقتطاع مجموعة البيانات أطول إلى نفس طول أقصر واحد33.
      4. مقارنة قيم T المستندة إلى الكتلة المتوسطة من أزواج الأصلي مع قيم T من التباديل 1000.
        ملاحظة: قيم p التي تم تقييمها بواسطة هذه الصيغة34:
        figure-protocol-12327، حيث تشير S0 إلى متوسط قيمة t-cluster الملاحظة، تشير μp و σp إلى متوسط قيم التباديل والانحراف المعياري لها.
      5. متوسط قيم مركز التجارة العالمي في حرية المعلومات المحددة في كل قناة في كل dyad. ثم قم بتطبيق تحويل fisher z على قيم مركز التجارة العالمي للحصول على توزيع طبيعي لقيم مركز التجارة العالمي. استخدم هذه القيمة لفهرسة IBS لإجراء مزيد من التحليل الإحصائي.

النتائج

ويوضح الشكل 1 البروتوكول التجريبي وموقع المسبار. وتتكون عملية تسجيل البيانات fNIRS من جزأين: جلسة الراحة الدولة (5 دقائق) والدورة التعاونية (15-20 دقيقة). مطلوب dyads التعلم التعاوني للاسترخاء والحفاظ على ما زال في دورة الدولة يستريح. بعد ذلك ، يطلب من المشاركين المشاركة في تعلم الم...

Discussion

أولا، في هذا البروتوكول، يتم ذكر الخطوات المحددة لإجراء تجارب فحص مفرط fNIRS في سيناريو التعلم التعاوني. ثانيا، يتم أيضا عرض خط أنابيب تحليل البيانات الذي يقيم IBS للإشارات الديناميكية الدموية في dyads التعلم التعاوني. ومن شأن العملية التفصيلية المتعلقة بإجراء تجارب الإفراط في فحص الأجهزة ذات ...

Disclosures

وليس لدى صاحبي البلاغ ما يكشفان عنه.

Acknowledgements

ويدعم هذا العمل برنامج تعزيز الابتكار الأكاديمي ECNU لطلاب الدكتوراه الممتازين (YBNLTS2019-025) والمؤسسة الوطنية للعلوم الطبيعية في الصين (31872783 71942001).

Materials

NameCompanyCatalog NumberComments
EEG capsCompumedics Neuroscan,Charlotte,USA64-channel Quik-CapWe choose two sizes of cap(i.e.medium and large).
NIRS measurement system with probe sets and probe holder gridsHitachi Medical Corporation, Tokyo, JapanETG-7100 Optical Topography SystemThe current study protocol requires an optional second adult probe set for 92 channels of measurement in total.
Numeric computing platformThe MathWorks, Inc., Natick, MAMATLAB R2020aServes as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2  (fNIRS preprocess analysis), and "wtc" function(WTC computation).
Psychology softwarepsychology software tools,Sharpsburg, PA,USAE-prime 2.0We apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data.
Swimming capsZoke corporation,Shanghai,China611503314We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk.
Three-dimensional (3-D) digitizerPolhemus, Colchester, VT, USA;Three-dimensional (3-D) digitizerAnatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer

References

  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. 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).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
  12. 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).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
  30. 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, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
  43. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people's prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

173 fNIRS Wavelet

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved