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
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

הפרוטוקול לעריכת ניסויי סריקת יתר של fNIRS על דיאדות למידה שיתופית בסביבת למידה נטורליסטית מתואר. יתר על כן, צינור לנתח סינכרוני בין המוח (IBS) של אותות המוגלובין מחומצן (Oxy-Hb) מוצג.

Abstract

סריקת יתר של fNIRS נמצאת בשימוש נרחב כדי לזהות את היסודות הנוירוביולוגיים של אינטראקציה חברתית. עם טכניקה זו, החוקרים להסמיך את הפעילות המוחית בו זמנית של שני אנשים אינטראקטיביים או יותר עם אינדקס חדשני הנקרא סינכרוניה בין מוח (IBS) (כלומר, יישור שלב ו /או משרעת של אותות עצביים או המודינמיים לאורך זמן). פרוטוקול לעריכת ניסויי סריקת יתר של fNIRS על דיאדות למידה שיתופית בסביבת למידה נטורליסטית מוצג כאן. כמו כן, צינור של ניתוח IBS של אות המוגלובין מחומצן (Oxy-Hb) מוסבר. באופן ספציפי, התכנון הניסיוני, תהליך הקלטת הנתונים של NIRS, שיטות ניתוח נתונים וכיוונים עתידיים נדונים כולם. בסך הכל, יישום צינור היפר-סריקה מתוקננת של fNIRS הוא חלק מהותי במדעי המוח בגוף שני. כמו כן, זה עולה בקנה אחד עם הקריאה למדע פתוח כדי לסייע לשחזור של המחקר.

Introduction

לאחרונה, כדי לחשוף את הפעילות המוחית בו זמנית על פני dyads אינטראקטיבי או חברים בקבוצה, החוקרים להשתמש בגישה hyperscanning1,2. באופן ספציפי, אלקטרואנצפלוגרמה (EEG), הדמיית תהודה מגנטית תפקודית (fMRI) וספקטרוסקופיה כמעט אינפרא אדום תפקודית (fNIRS) משמשים לתיעוד הפעילות העצבית והמוחית משני נושאים או יותר בו זמנית3,4,5. חוקרים לחלץ אינדקס עצבי כרוך צימוד המוח בו זמנית המבוסס על טכניקה זו, המתייחס סינכרוניה בין המוח (IBS) (כלומר, שלב ו /או יישור משרעת של אותות עצביים או המומינמיים לאורך זמן). מגוון גדול של מחקרי היפר-סריקה מצאו IBS במהלך אינטראקציה חברתית בין אנשים מרובים (למשל, שחקן-קהל, מדריך-לומד, ומוביל-חסיד)6,7,8. יתר על כן, IBS מחזיק השלכות ספציפיות של למידה יעילה והוראה9,10,11,12,13,14. עם העלייה הגוברת של מחקר hyperscanning בתרחישי למידה נטורליסטיים, הקמת פרוטוקול סטנדרטי של ניסויי hyperscanning ואת הצינור של ניתוח נתונים בתחום זה הוא הכרחי.

לפיכך, מאמר זה מספק פרוטוקול לביצוע היפר-סריקה מבוססת fNIRS של דיאדות למידה שיתופית וצינור לניתוח IBS. fNIRS הוא כלי הדמיה אופטי, אשר מקרין אור כמעט אינפרא אדום כדי להעריך את הספיגה הספקטרלית של המוגלובין בעקיפין, ולאחר מכן פעילות המודינמית / חמצוןנמדדת 15,16,17. בהשוואה ל- fMRI, fNIRS נוטה פחות לממצאי תנועה, ומאפשר מדידות מנושאים שעושים ניסויים בחיים האמיתיים (למשל, חיקוי, דיבור ותקשורת לא מילולית)18,7,19. בהשוואה ל- EEG, fNIRS מחזיק ברזולוציה מרחבית גבוהה יותר, ומאפשר לחוקרים לזהות את מיקום הפעילות המוחית20. לכן, יתרונות אלה ברזולוציה מרחבית, לוגיסטיקה והיתכנות מסמיכים את fNIRS לבצע מדידת היפר-סריקה1. באמצעות טכנולוגיה זו, גוף מחקר מתפתח מזהה מונח אינדקס כמו IBS-היישור העצבי של שני (או יותר) פעילות המוח של אנשים בצורות שונות של הגדרות חברתיות נטורליסטיות9,10,11,12,13,14. במחקרים אלה, שיטות שונות (כלומר, ניתוח מתאם וניתוח קוהרנטיות של שינוי Wavelet (WTC) מוחלים כדי לחשב מדד זה; בינתיים, צינור סטנדרטי על ניתוח כזה הוא חיוני אבל חסר. כתוצאה מכך, מוצג בעבודה זו פרוטוקול לביצוע היפר-סריקת יתר מבוססת fNIRS וצינור המשתמש בניתוח WTC לזיהוי IBS

מחקר זה נועד להעריך IBS בדיאדות למידה שיתופית באמצעות טכניקת סריקת יתר fNIRS. ראשית, תגובה המודינמית נרשמת בו זמנית באזורים הטרמפורופריאנטליים הקדם-מצחיים והשמאליים של dyads במהלך משימת למידה משותפת. אזורים אלה זוהו כמזוהים עם הוראה אינטראקטיבית ולמידה9,10,11,12,13,14. שנית, IBS מחושב בכל ערוץ מתאים. תהליך הקלטת הנתונים של fNIRS מורכב משני חלקים: הפעלת מצב מנוחה והפעלה שיתופית. מפגש מצב המנוחה נמשך 5 דקות, שבמהלכן שני המשתתפים (יושבים פנים אל פנים, מלבד אחד את השני על ידי שולחן (0.8 מ ')) נדרשים להישאר בשקט ולהירגע. הפעלה זו של מצב מנוחה משמשת כקווי הבסיס. לאחר מכן, במפגש המשותף, נאמר למשתתפים ללמוד את כל חומרי הלמידה יחד, לעורר הבנה, לסכם את הכללים ולוודא שכל חומרי הלמידה שולטים. כאן מוצגים השלבים הספציפיים של ביצוע הניסוי וניתוח נתוני fNIRS.

Protocol

כל המשתתפים המגויסים (40 דיאדים, גיל ממוצע 22.1 ± 1.2 שנים; 100% ימניים; ראייה נורמלית או מתוקנת לנורמלית) היו בריאים. לפני הניסוי, המשתתפים נתנו הסכמה מדעת. המשתתפים קיבלו פיצוי כספי על השתתפותם. המחקר אושר על ידי הוועדה האוניברסיטאית להגנה על מחקר אנושי (HR-0053-2021), אוניברסיטת מזרח סין נורמלית.

1. צעדי הכנה לפני אימוץ נתונים

  1. כובעי NIRS תוצרת בית
    1. יש לאמץ כובע שחייה אלסטי כדי למקם את רשת מחזיק האופטודה.
      הערה: בהתחשב בכך שגודל הראש של המשתתפים שונה, נעשה שימוש בשני גדלים של כובעים. כובעים קטנים מוכנים למשתתפים עם היקף ראש של 55.4 ± 1.1 ס"מ, וכובעים גדולים מיועדים למשתתפים עם היקף ראש של 57.9 ± 1.2 ס"מ.
    2. עוגן את המיקום של אלקטרודות EEG (inion, Cz, T3, T4, Fpz, ו- P5) כאופודודות התייחסות על פי מערכת 10-10 הבינלאומית הסטנדרטית על כובעי שחייה אלסטיים (ראה טבלה של חומרים).
      1. ראשית, מניחיםאת מכסה ה- EEG הסטנדרטי 10-10 (ראה שולחן חומרים ) על תבנית הראש, ומניחים את מכסה השחייה האלסטי על מכסה ה- EEG. שנית, סמן אופטודות הפניה (inion, Cz, T3, T4, Fpz ו- P5) עם גיר בכל מכסה. לבסוף, חתכו שני חורים בקוטר של כ-15 מ"מ כדי למקם את שתי ההתייחסויות (כלומר, Fpz ו-P5, איור 1).
        הערה: באופן ספציפי, ערכת בדיקה 3 x 5 optode ו- 4 x 4 optode probe ממוקמים בנפרד מעל האזור הקדם-מצחי (optode הפניה ממוקמת באזורים Fpz, איור 1B) ואזורים טמפורופאריטלים שמאליים (optode התייחסות ממוקמת ב- P5, איור 1B).
    3. חותכים חורים כדי למקם את האופטודות האחרות. מסדרים כובע שחייה עם שני מחזיקי רשת ישירות על תבנית הראש. לאחר מכן, סמן את המיקום של optodes אחרים עם גיר. לאחר מכן, לחתוך את חורי המנוחה כדי לוודא מחזיק הרשת משתלב.
    4. הר שתי ערכות בדיקה (כלומר, 3 x 5 ו- 4 x 4) לכובעי השחייה (ראה טבלת חומרים).
      הערה: מערכת המדידה NIRS (ראה טבלת חומרים ) מספקת ערכות בדיקה סטנדרטיותאלה (כלומר, 3 x 5 ו- 4 x 4) עם שקעי מחזיק סטנדרטיים המבטיחים הפרדת אופטודה של 30 מ"מ.
    5. פתח את חלון הצג של ערכת הבדיקה במערכת המדידה NIRS ובחר ארבע ערכות בדיקה המסודרות ב- 3 x 5 ו- 4 x 4 עבור כל אדם, בנפרד.
      הערה: סידורי הבדיקה של שני הכובעים צריכים להתאים למבנים בחלון ערכת הבדיקה (כלומר, המיקום המדויק של מספרי הבדיקה של המקלט והפולט המתאים).
  2. הכנת הניסוי
    1. לפני הקלטת נתונים, ודא שמערכת NIRS שומרת על טמפרטורת הפעלה יציבה על-ידי הפעלת המערכת למשך 30 דקות לפחות.
      הערה: טמפרטורת ההפעלה היציבה נעה בין 5 °C (5 °F) ל -35 °C (5 °F).
    2. הגדר את מצב המדידה למדידה הקשורה לאירוע. ודא שמקלט הגורמים המפעילים פעיל (כלומר, הקלט הסידורי של RS232).
      הערה: הניסוי מתוכנת בתוכנת פסיכולוגיה זמינה מסחרית (ראה טבלת חומרים). ספיגת אור כמעט אינפרא אדום (שני אורכי גל: 695 ו- 830 ננומטר) נמדדת בקצב דגימה של 10 הרץ.
    3. הכן את הבדיקה סיב אופטי מואר, אשר ניתן להשתמש כדי להזיז את השיער הצידה.
    4. הגדר את סביבת הניסוי עם שולחן אחד עם שני כיסאות כדי לשמור על מושבי המשתתפים פנים אל פנים.

2. אימוץ נתונים על ידי הנחיית המשתתפים

  1. הכנת המשתתפים
    1. הנח את המשתתפים, כולל הפרטים של שיטות המדידה של NIRS.
      הערה: כל המשתתפים היו בריאים ופוצו כלכלית על השתתפותם. אף אחד מהמשתתפים לא פרש מהניסוי באמצע הדרך. קרן הלייזר של ה-NIRS עלולה להזיק לעיני המשתתפים, והם הונחו לא להסתכל ישירות לתוך קרני הלייזר הללו.
    2. גרום למשתתפים לשבת פנים אל פנים (מלבד שולחן (0.8 מ')) כדי לוודא שהם יכולים לראות זה את זה ישירות. התאם את מרחק הכיסא לשולחן (כלומר, כמעט 0.3 מ') כדי לגרום למשתתפים לשבת בנוחות.
    3. הפעל את לחצן הלייזר, והצב את הכובעים עם ערכות הבדיקה על ראשיהם של המשתתפים.
      הערה: ערכות הבדיקה 3 x 5 מכסות את המצח של המשתתפים (בדיקה אמצעית של השורה התחתונה ממוקמת על Fpz); ערכות הגשושית 4 x 4 מכסות את קליפת המוח הטמפורופרית השמאלית (הבדיקה השלישית של השורה השלישית ממוקמת על P5).
    4. שים את ארבע חבילות הסיבים האופטיים באופן רופף על זרועות המחזיק ללא מגע עם המשתתפים או הכיסאות.
      הערה: כאן, מערכת המדידה NIRS יש ארבע חבילות של סיבים אופטיים. בנוסף, ודא כי המשתתפים לא מרגישים כבדים מדי כדי למשוך את הכובעים.
    5. תן לטיפים של הבדיקה לגעת בקרקפת של המשתתפים על ידי דחיפת כל גשושית עומס קפיץ בזהירות לתוך השקע שלה.
    6. בצע כיול אותות.
      1. ראשית, בדוק את איכות האות על-ידי לחיצה על הרווח האוטומטי בחלון הצג של ערכת הבדיקה של מכונת fNIRS. לאחר מכן, האות המסכן והאות המספיק של ערוץ מסומנים בצהוב וירוק בחלון צג ערכת הבדיקה, בהתאמה.
        הערה: עבור ערוץ עם אותות לא מספיקים, בדיקות סיבים אופטיים מוארים משמשים כדי להזיז את השיער מתחת לקצה הגשושית לצד אחד.
      2. לאחר מכן, לדחוף את הבדיקות עוד יותר לתוך השקעים שלהם כדי לקבל אותות מספיקים. חזור על תהליך זה עד שכל הערוצים מסומנים בירוק בחלון הצג של ערכת הבדיקה של מערכת המדידה NIRS, המציין כי איכות האותות נגישה.
  2. תריץ את הניסוי
    1. התחל את הניסוי עם מצב מנוחה של 5 דקות, המשמש כבסיס. לאחר מכן, שני משתתפים נדרשים ללמוד במשותף את חומרי הלמידה.
    2. לאחר הניסוי, לחץ על Text File Out כדי לייצא את נתוני עוצמת האור הגולמי ולשמור את הנתונים כקובץ טקסט.
      הערה: לא מוחלים מסננים במערכת המדידה NIRS.
    3. השתמש בדיגיטייזר התלת-ממדי (3D) (ראה טבלת חומרים) כדי לקבוע את מיקומם של פולטים, מקלטים והפניות אחרות (כלומר, איון, nasion, Cz ואוזניים שמאל וימין) עבור כל משתתף.
      1. השג את קואורדינטות MNI עבור ערוצי ההקלטה באמצעות פלטפורמת המחשוב המספרית הזמינה מסחרית21 (ראה טבלת חומרים). טבלה משלימה S1 מציגה את המיקומים האנטומיים המתאימים של כל ערוץ.
    4. בדיקות נקיות ומחזיקי בדיקה עם אתנול. לשטוף את הכובעים עם חומר ניקוי עדין ולתת את הכובעים אוויר יבש.

3. ניתוח נתונים

  1. עיבוד מקדים של נתונים
    הערה: מחקרים קודמים אימצו חבילות תוכנה משתנות שאינן מסחריות (למשל, Homer222AnalyzIR,23או NIRS LAB,24) עם פלטפורמות מחשוב מספריות (ראה רשימת חומרים) על ניתוח נתונים fNIRS, וכולם זמינים באתר. כאן Homer2 שימש לביצוע עיבוד מקדים של נתוני NIRS. בנוסף, הן נתוני הקלטת fNIRS שנאספו בשאר ושלבי הלמידה השיתופית חולקים את אותו צינור עיבוד וניתוח מקדים.
    1. העתק את ערכת הנתונים ממכונת fNIRS. המר את היווצרות הנתונים המקורית להיווצרות הנכונה (כלומר, המר קובץ קורות קורות לב לקובץ nirs).
    2. המרת נתונים גולמיים לנתוני צפיפות אופטית (OD) עם הפונקציה "hmrIntensity2OD" המסופקת בפלטפורמת המחשוב המספרית (ראה טבלת חומרים).
    3. מחק את הערוצים הרעים. לאחר מכן ממוצע ערך OD עבור כל משתתף בכל ערוץ ונקודות מדגם מלא, בהתאמה.
      הערה: כאן מתקבלים 46 ערכי OD ממוצעים.
      1. חשב את סטיית התקן (SD) עבור כל משתתף.
      2. סמן כבלתי שמיש והסר את הערוצים עם OD נמוך מאוד או גבוה (אשר חרג 5 SDs) מהניתוח עבור כל משתתף.
        הערה: ניתן לבצע שלב זה לפני ו/או לאחר עיבוד קדם של נתוני fNIRS. בצבר ניתוח נתונים זה, הערוצים התת-פגומים מזוהים לפני עיבוד קדם של נתוני fNIRS.
    4. המר את נתוני זמן מנת המעודדות לאוקסי-Hb, DeOxy-Hb ואות משולב המבוסס על חוק באר-למברט25ששונה .
      הערה: התייחסות25 אומר, "כל שלבי ניתוח הנתונים מתבצעים על נתוני Oxy-Hb, המהווה אינדיקטור לשינוי בזרימת הדם המוחית האזורית שיש יחס אות לרעש גבוה יותר26. בנוסף, מחקרים קודמים השתמשו בהיפר-סריקות fNIRS בתרחישי הוראה ולמידה שהתמקדו בעיקר בריכוז אוקסיו-Hb11,12,13,14."
    5. כייל סדרת זמן Oxy-Hb מממצאי תנועה בשיטה מבוססת גל ערוץ אחר ערוץ.
      הערה: באופן ספציפי, גל Daubechies 5 (db5) עם פרמטר כוונון ב 0.1 (ראה פרטים במדריך Homer2)27,28 מאומץ בהסרת חפצי תנועה.
    6. החל את מסנן מעבר הרצועה (כלומר, 0.01-1 הרץ) על נתוני Oxy-Hb המכוילים כדי להפחית את הרעש בתדר גבוה ואת הסחף האיטי.
    7. לבצע ניתוח רכיבים עיקריים (PCA) על אות OxyHb כדי להסיר רכיבים גלובליים שאינם עצביים (למשל, לחץ דם, נשימה, וריאציה זרימת הדם)29.
      הערה: ניתוח PCA המוצע על ידי ג'אנג ועמיתיו29 מאומץ כאן.
      1. ראשית, לפרק את האות.
        הערה: הנוסחה הספציפית של פירוק אות fNIRS היא: H = UΣVT. כאן, דפוסים זמניים ומרחביים של נתוני fNIRS מוצגים בשתי מטריצות (כלומר, אתה ו- V). U היא מטריצה 2D (נקודה מדגם x רכיב ראשי). V הוא גם מטריצה 2D (רכיב ראשי x רכיב ראשי). העמודה ב- V מציינת רכיב ראשי אחד (PC), והעוצמה של מחשב זה עבור ערוץ מסוים מוערכת בכל ערך של העמודה. החשיבות היחסית של כל מחשב מיוצגת על ידי הערך של מטריצה אלכסונית Σ.
      2. שנית, נהל החלקה מרחבית.
        הערה: פיתול ליבה גאוסי משמש להסרת אותות מקומיים ולקבל את הרכיב הגלובלי.
      3. שלישית, לשחזר את האות.
        הערה: כדי לחשב את הרכיב הגלובלי של נתוני fNIRS, מטריצת התבנית המרחבית החלקה V* מחוברת בחזרה לנוסחת הפירוק: HGlobal = UΣ(V*)T. לאחר מכן, אות עצבי נגזר מקומי ניתן להשיג באמצעות נתונים מקוריים H כדי להחסיר Hגלובלי: HNeuronal = H - HGlobal.
  2. סינכרוניה בין-מוחית
    הערה: כדי לחשוף צימוד מוח במדעי המוח בגוף שני, קוהרנטיות שינוי גלים (WTC) מאומצת כאן. בקצרה, WTC מודד את המתאם בין סדרות פעמיים כפונקציה של תדירות וזמן. הנוסחה הספציפית של קוהרנטיות גל של שתי סדרות x ו- Y היא:
    figure-protocol-9377
    T ו- s מציינים את קנה המידה של הזמן והגל בנפרד, ‹·› מציין פעולת החלקה בקנה מידה ובזמן. W מייצג את התמרת הגל המתמשכת. לאחר מכן, מטריצת WTC 2D (תדר x זמן) נוצרת30. מספר ארגזי כלים משמשים לחישוב ערך WTC. כאן נעשה שימוש בארגז הכלים שנוצר על ידי Grinsted ועמיתיו30.
    1. אמץ את הפונקציה WTC של פלטפורמת המחשוב המספרית (ראה טבלת חומרים).
      הערה: כאן, הגדרת ברירת המחדל של גל האם (כלומר, גל מורס כללי עם הפרמטרים שלה בטא וגמא) משמש. גל האם ממיר כל סידרה לתחום התדרים והזמן.
    2. הגדר את הגדרת ברירת המחדל בפרמטרים האחרים (כלומר, MonteCarloCount, המייצג את מספר ערכות הנתונים הפונדקאיות בחישוב המשמעות).
    3. חשב את ערך WTC עבור שני ערוצים מתאימים (אותו ערוץ בשני משתתפים) בפלטפורמת מחשוב מספרית (ראה טבלת חומרים). בעקבות אותו הליך, 46 מטריצות WTC נוצרות מ -46 ערוצים.
    4. קבע את רצועת התדירות של העניין (FOI), הרגישה ללמידה שיתופית.
      הערה: כאן, גישה תמורות מבוסס אשכול מאומץ כדי לזהות FOI31כזה , אשר מציע פתרון השוואות מרובות בנתוני רב ערוצים ורב תדרים.
      1. בצע את ממוצע הזמן של ערכי WTC בשלבי הלמידה המנוחים והשיתופיים, בהתאמה, עבור כל שילוב ערוצים. לאחר מכן, לבצע t-בדיקות מדגםמזווג יחד עם כל התדר (טווח תדרים: 0.01-1Hz32) על ערכי WTC אלה בממוצע הזמן (למידה שיתופית לעומת מנוחה). לאחר מכן, זהה פחי תדר שבהם אפקט המשימה הוא משמעותי (למידה שיתופית > מנוחה, p < 0.05).
      2. השג נקודות שכנות בתדירות משמעותית (≥2) כאשכולות שנצפו וערכי T תואמים.
      3. ערוך סדרה של בדיקות tמדגם מזווגות על נתונים שעברו תמורות כדי ליצור את ערכי T עבור כל אשכול המוסמך בשלב 3.2.4.2 עבור 1000 פעמים.
        הערה: ליצירת נתונים שעברו תמורות, המשתתפים מוקצים באופן אקראי ליצירת זוגות חדשים של שני חברים. מכיוון שאורך ערכות הנתונים השתנה בין דיאדות עבור כל זוג אקראי, ערכת הנתונים הארוכה יותר נחתכת לאותו אורך כמו ערכת הנתונים הקצרה יותר33.
      4. השווה את ערכי T מבוססי האשכול הממוצעים מהזוגות המקוריים לערכי T של 1000 תמורות.
        הערה: ערכי p המוערכים על-ידי נוסחהזו 34:
        figure-protocol-11515כאשר S 0 מצייןערך t-cluster שנצפו, μp ו- σp מציינים את הממוצע ואת סטיית התקן של ערכי התמורות.,
      5. ערכי WTC ממוצעים ב- FOI המזוהה בכל ערוץ בכל דיאד. לאחר מכן, החל שינוי פישר z על ערכי WTC כדי לקבל התפלגות נורמלית של ערכי WTC. השתמש בערך זה כדי ליצור אינדקס ל- IBS לניתוח סטטיסטי נוסף.

תוצאות

איור 1 ממחיש את הפרוטוקול הניסיוני ואת מיקום הבדיקה. תהליך הקלטת הנתונים של fNIRS מורכב משני חלקים: הפעלת מצב מנוחה (5 דקות) והפעלה שיתופית (15-20 דקות). דיאדות הלמידה השיתופיות נדרשות להירגע ולשמור על שקט בישיבה של מצב המנוחה. לאחר מכן, נאמר למשתתפים ללמוד במשותף את חומר הלמידה (

Discussion

ראשית, בפרוטוקול הנוכחי, נאמרים השלבים הספציפיים של עריכת ניסויי היפר-סריקה של fNIRS בתרחיש למידה שיתופית. שנית, מוצג גם צינור ניתוח הנתונים המעריך את ה- IBS של אותות המודינמיים בדיאדות למידה שיתופית. המבצע המפורט על עריכת ניסויי סריקת יתר fNIRS יקדם את הפיתוח של מדע פתוח. יתר על כן, צינור הניתוח מ...

Disclosures

למחברים אין מה לחשוף.

Acknowledgements

עבודה זו נתמכת על ידי התוכנית לקידום חדשנות אקדמית ECNU לדוקטורנטים מצוינים (YBNLTS2019-025) והקרן הלאומית למדעי הטבע של סין (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

173fNIRS

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