ハイパースキャンは、個人間の関係を記述するための有望な方法であり、この研究では個人間の神経同期が見いだされる。そして最も重要な質問は、誰が誰と同期しているかを特定することです。そして、ここで提案する方法は、個人間の情報の流れの方向を特定することです。
他の方法と比較して、この方法の最も重要な利点は、神経同期から様々な交絡因子を除去することである。たとえば、すべての信号の自己相関などです。その間、すべての信号の高い空間解剖学的分解能を維持することができます。
機器からヘモグロビン濃度変更データファイルをエクスポートし、MATLAB読み取り可能な形式に送信することで、データの前処理を開始します。次に、各セッションの最初と最後の 15 秒のデータを削除して一時的な応答を回避し、MATLAB decimate 組み込み関数を使用してデータを 55.6 ヘルツから 11.1 ヘルツにダウンサンプリングします。モーションアーチファクトを補正するには、適切なフィルタリング機能を備えた離散ウェーブレット変換フィルタ法を適用します。
PCA組み込み関数を使用して、グローバルな生理学的ノイズを除去します。次に、シグナルから分散の上位80%を削除します。女性から最初の 2 秒間のデータと男性からの最後の 2 秒間のデータを削除した後、女性主導の 2 秒間の時間差の INS WTC 値を式で計算します。
同様に、男性からの最初の 2 秒間のデータと女性からの最後の 2 秒間のデータを削除した後、男性主導の 2 秒間の時間差の INS WTC 値を計算します。Nが4秒、6、8秒に等しいように、異なるタイムラグで手順を繰り返し、潜在的な676CHペアにわたって、前述の式で女性と男性主導の時間差INS WTCの強度を計算します。式を使用して、同じ方法で pWTC を使用して INS pWTC を計算します。
男性と女性の間のfNIRS信号の時間差時系列を生成し、異なるタイムラグにおける時間差WTCの値を計算します。男性のfNIRS信号の自己相関時系列を生成するには、男性からデータの最初の2秒と最後の2秒を削除します。次に、男性の 2 秒間の自己相関値を計算します。
次に、異なるタイムラグで自己相関したWTC値を評価する。同様に、男性と女性から最初の 2 秒間のデータを削除して、fNIRS 信号の時間調整された時系列を作成します。次に、2秒間の時間位置合わせWTCを計算する。
次に、異なるタイムラグでタイムアライメントされたWTC値を評価します。異なるタイムラグでのタイムアライメント WTC、時間差 WTC、および自己相関 WTC 値を pWTC の方程式に入力し、INS pWTC を生成します。第2レベルのfNIRSデータ処理では、0.7ヘルツを超える各信号の生理学的ノイズと周波数帯域を除去します。
次に、各信号の周波数帯域を0.01ヘルツ未満および0.15~0.3ヘルツ以内に除去して、非常に低い周波数変動をフィルタリングします。フィッシャー Z 変換で INS を変換し、時間次元で平均 INS を変換します。各タイムラグでの平均INSについて、周波数範囲にわたる各CHペアでペアの2つのサンプルt検定を実施します。
次に、すべての重要な周波数クラスターを特定します。互いにコミュニケーションをとったことのないダイアドの参加者のように、参加者を新しい2つのメンバーペアにランダムに割り当てることによって、ダイアディック関係を再割り当てします。クラスターベースの順列テストを実行して、結果のしきい値を設定します。
タイムラグごとにINSを再計算します。新しいサンプルで対応のあるt検定を実行し、有意な周波数クラスターを特定します。次に、合計 T 値が最大のクラスターを選択してから、手順を 1, 000 回繰り返して、最大偽陽性 T 値のヌル分布を生成します。
元のサンプルで識別された各頻度クラスターの合計T値をヌル分布と比較し、有意な統計結果を得ます。この研究ではシミュレーション解析が行われました。代表的な分析は、自己相関を有する時間時間差INS WTCが、自己相関のない時間時間差INS WTCおよび時間時間差INS pWTCよりも有意に高かったことを示している。
さらに、自己相関のない時間差INS WTCとINS pWTCとの間に有意差はなく、INSに対する自己相関効果の影響を除去する際のpWTCの効率性が示された。0.4~0.6ヘルツ以内にわずかな有意な文脈効果が観察され、男性の方が女性のそれより4秒遅れた。対照的に、INS pWTCについては、男性のセンサーおよび運動皮質活動が女性の活動に4秒遅れた場合、0.4〜0.6ヘルツ以内の有意な文脈効果のみが観察された。
女性から男性への指向性INSは、支援的な文脈よりも紛争の文脈で有意に高かった。INS pWTCの結果は、グレンジャー因果関係法で検証されました。その結果、INS GCはINS pWTCと同様のパターンを示すことが示された。
Grangerの因果関係分析によって計算された女性から男性への指向性INSは、支持的な文脈よりも紛争の文脈で有意に高かった。このメソッドを使用してニューラル同期を計算した後、他の多くのメソッドを実行することもできます。例えば、我々は、異なる社会的つながりの文脈と異なる社会的関係における社会的つながりとの間のこの方向性情報フローを比較することができる。
そしてまた、神経同期に対する異なる通信行動の寄与を理解することができる。例えば、それが言語コミュニケーションであろうと非言語コミュニケーションであろうと、神経同期においてより重要な役割を果たします。
