We willen graag de steun erkennen die is verleend door de National Natural Science Foundation of China (nr. 62207025), het Humanities and Social Sciences Research Project van het Ministerie van Onderwijs van China (nr. 22YJC190017) en de Fundamental Research Funds for the Central Universities aan Yafeng Pan.

De studie werd uitgevoerd aan de Florida Atlantic University (FAU) en werd goedgekeurd door de FAU Institutional Review Board (IRB).
1. Het gebruik van Homer3-software (Table of Materials) om de voorbewerking van de fNIRS-hyperscangegevens uit te voeren
OPMERKING: Homer3 is een MATLAB-applicatie die fNIRS-gegevens analyseert om schattingen en kaarten van hersenactiviteit te verkrijgen29. Homer3 kan worden gedownload en geïnsta...

Revolutionaire fNIRS-studies: een nieuwe benadering van neurale koppeling

Een van de meest gebruikte methoden in fNIRS-studies is wavelet transform coherence (WTC), een maat voor de kruiscorrelatie van twee tijdreeksen als functie van frequentie en tijd10. WTC berekent de coherentie en fasevertraging tussen twee tijdreeksen met behulp van correlationele analyses (Aanvullend Dossier 1). FNIRS-hyperscanningstudies hebben WTC gebruikt om IBS te schatten in vele domeinen van functioneren, waaronder actiemonitoring 12, coöperatief en...

In de afgelopen jaren heeft er een verschuiving plaatsgevonden in de soorten onderzoeken die worden uitgevoerd om de neurale basis van sociaal gedrag te begrijpen 1,2. Traditioneel hebben studies in de sociale neurowetenschappen zich gericht op neurale activering in één geïsoleerd brein tijdens een maatschappelijk relevante taak. Vooruitgang in neuroimaging-technologie maakt het nu echter mogelijk om neurale activering in de hersenen van een of meer individuen te onderzoeken tijdens sociale interactie, zoals deze plaatsvindt in "real-life" omgevingen3. In "real-life" omgevingen kunnen individuen zich vrij bewegen en zullen patronen van hersenactiviteit waarschijnlijk veranderen naarmate informatie wordt uitgewisseld en sociale partners feedback van elkaar krijgen4.
Hyperscanning is een methode die deze bidirectionele informatie-uitwisseling beoordeelt door de hersenactiviteit van twee of meer personen tegelijk te meten5. Een opkomend onderzoek heeft gebruik gemaakt van functionele nabij-infraroodspectroscopie (fNIRS), een niet-invasieve neuroimaging-techniek die, in vergelijking met andere neuroimaging-technieken, minder gevoelig is voorbewegingsartefacten 6. Hyperscanning via fNIRS maakt het mogelijk om de synchronisatie tussen de hersenen (PDS) in real-life omgevingen te beoordelen, terwijl de interactieve partners vrij en natuurlijk bewegen. Dit is met name relevant voor het werken met zuigelingen en jonge kinderen, die over het algemeen behoorlijk actief zijn. Van IBS is gemeld dat het wederzijds begrip tussen interactieve partners weerspiegelt, wat dient als basis voor effectieve sociale interactie en communicatie en gedeelde intentionaliteit bemiddelt 1,7,8.
Er worden verschillende methoden gebruikt om de PDS van twee hersenen te evalueren. Dergelijke methoden omvatten tijdreekscorrelaties, zoals kruiscorrelatie en de Pearson-correlatiecoëfficiënt 9,10 (zie een recensie van Scholkmann et al.10). Andere methoden omvatten het evalueren van de sterkte van de koppeling in het frequentiedomein. Dergelijke methoden omvatten fasevergrendelingswaarde (PLV) en fasecoherentie (zie een recensie van Czeszumski et al.11). Een van de meest gebruikte methoden in fNIRS-studies maakt gebruik van wavelet transform coherence (WTC) - een maat voor de kruiscorrelatie van twee tijdreeksen als functie van frequentie en tijd10.
WTC gebruikt correlationele analyses om de coherentie en fasevertraging tussen twee tijdreeksen in het tijd-frequentiedomein te berekenen. FNIRS-hyperscanningstudies hebben WTC gebruikt om IBS te schatten in vele domeinen van functioneren, waaronder actiemonitoring 12, coöperatief en competitief gedrag 5,13,14,15, imitatie 16, probleemoplossing tussen moeder en kind17 en onderwijsleergedrag 18,19,20,21 . Typisch, in hyperscanning-studies, wordt cross-brain coherentie, zoals gemeten door WTC, tijdens een experimentele taak vergeleken met cross-brain coherentie tijdens een controletaak. Deze bevindingen worden meestal gepresenteerd met een WTC "hot plot", die de samenhang tussen de twee hersenen op elk tijdstip en elke frequentie laat zien (zie Figuur 1).
Zoals gesuggereerd door Czesumaski et al.11, is WTC de standaard analytische benadering geworden voor het analyseren van fNIRS-hyperscanning. WTC-analyse is een flexibele, "tool-agnostische" methode voor datavisualisatie en -interpretatie22. De heatmap van de coherentiecoëfficiënt, die een narratieve vorm van analyse biedt die het mogelijk maakt om gemakkelijk perioden van synchroon of asynchroon gedrag te identificeren, evenals de intensiteit van hersenactiviteit tijdens de voltooiing van een taak, is het belangrijkste voordeel van WTC en maakt het een sterk hulpmiddel voor toegepast onderzoek22. WTC heeft een voordeel ten opzichte van correlatietechnieken. Correlaties zijn gevoelig voor de vorm van de hemodynamische responsfunctie (HRF), waarvan wordt aangenomen dat deze verschilt tussen individuen (vooral in termen van leeftijd) en tussen verschillende hersengebieden. WTC daarentegen wordt niet beïnvloed door interregionale veranderingen in de (HRF)23. Onderzoekers hebben de wavelet-benadering gebruikt om fMRI-tijdreeksen te bestuderen. Zhang et al.24 vergeleken de veelgebruikte functionele connectiviteitsmaatstaven, waaronder de Pearson-correlatie, partiële correlatie, wederzijdse informatie en waveletcoherentietransformatie (WTC). Ze voerden classificatie-experimenten uit met behulp van grootschalige functionele connectiviteitspatronen die waren afgeleid van fMRI-gegevens in rusttoestand en fMRI-gegevens met natuurlijke stimulus van videoweergave. Hun bevindingen gaven aan dat WTC het beste presteerde op het gebied van classificatie (specificiteit, gevoeligheid en nauwkeurigheid), wat impliceert dat WTC een geprefereerde functionele connectiviteitsmaatstaf is voor het bestuderen van functionele hersennetwerken, althans in classificatietoepassingen24.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65347/65347fig01.jpg"> Figuur 1: Wavelet transform coherentie (WTC). WTC toont de coherentie en fasehoek tussen twee tijdreeksen als functie van zowel tijd (x-as) als frequentie (y-as). De coherentietoename wordt weergegeven door de rode kleur in de grafiek en de kleine pijlen in de grafiek tonen de fasehoek van de twee tijdreeksen. De naar rechts wijzende pijl staat voor in-fase synchronisatie; de naar beneden wijzende en naar boven wijzende pijlen vertegenwoordigen vertraagde synchronisatie; en de naar links wijzende pijl staat voor antifasesynchronisatie30. Deze figuur is overgenomen van Pan et al.19. <a href="https://www.jove.com/files/ftp_upload/65347/65347fig01large.jpg" target="_blank">Klik hier om een grotere versie van deze figuur te bekijken.</a>
Onlangs heeft Hamilton25 verschillende beperkingen geformuleerd voor de interpretatie van cross-brain coherentiegegevens in fNIRS-hyperscanningstudies. Een van de belangrijkste zorgen van Hamilton was dat coherentiemetingen (bijv. WTC) alleen effecten rapporteren als symmetrisch (d.w.z. twee hersenen zijn gecorreleerd en vertonen hetzelfde veranderingspatroon). Veel sociale interacties zijn echter asymmetrisch (bijv. informatiestroom tussen een spreker en een luisteraar) in die zin dat twee deelnemers verschillende rollen kunnen spelen, en het is niet duidelijk of WTC deze informatie kan vastleggen. Hier wordt dit probleem aangepakt door een nieuw raamwerk dat een eenvoudige interpretatie van het vermogen van de dwarsgolfbeweging mogelijk maakt door de kruisgolffase te gebruiken om directionaliteit te detecteren. Dit kader maakt het ook mogelijk om te onderzoeken hoe de dynamiek van interacties zich ontwikkelt en verandert tijdens een taak.
Terwijl WTC- en correlatiemethoden functionele connectiviteit beoordelen, beoordelen andere methoden effectieve connectiviteit, in een poging om de causale invloeden van het ene neurale element boven het andere te extraheren. Overdrachtsentropie is een maat uit de informatietheorie die de overdracht tussen gezamenlijk afhankelijke processen beschrijft26. Een andere verwante methode is Granger causaliteitsanalyse (GCA), die is beschreven als equivalent aan overdrachtsentropie26.
In de bestaande literatuur van fNIRS-hyperscanningstudies is Granger-causaliteitsanalyse (GCA) op grote schaal gebruikt om de koppelingsdirectionaliteit te schatten tussen fNIRS-tijdreeksgegevens die zijn verkregen tijdens een verscheidenheid aan verschillende taken, zoals samenwerking5, onderwijs19 en imitatie16. GCA maakt gebruik van vector autoregressieve modellen om de directionaliteit van koppeling tussen tijdreeksen in hersengegevens te beoordelen. De causaliteit van Granger is gebaseerd op voorspelling en voorrang: "van een variabele X wordt gezegd dat deze variabele Y 'G-veroorzaakt' als het verleden van X de informatie bevat die helpt om de toekomst van Y te voorspellen bovenop informatie die al in het verleden van Y ligt"27. Dienovereenkomstig wordt de G-causaliteit in twee richtingen geanalyseerd: 1) van proefpersoon A naar proefpersoon B en 2) van proefpersoon B naar proefpersoon A.
Hoewel GCA-analyse dient als een aanvullende analyse die gericht is op het bepalen of een hoge coherentiewaarde die wordt verkregen met behulp van een WTC-functie IBS of vertraagde synchronisatie weerspiegelt (het ene signaal leidt het andere), maakt het niet mogelijk om te bepalen of antifasesynchronisatie heeft plaatsgevonden. In traditionele neuroimaging-onderzoeken, waarbij slechts één deelnemer wordt gescand (d.w.z. de "single-brain"-benadering), betekent een antifasepatroon dat de activiteit in het ene hersengebied wordt verhoogd terwijl de activiteit in het andere hersengebied wordt verminderd28. In de hyperscanning-literatuur kan de aanwezigheid van antifasesynchronisatie suggereren dat neurale activering bij de ene proefpersoon toeneemt en tegelijkertijd de neurale activering bij de andere proefpersoon afneemt. Daarom is er behoefte aan een uitgebreid model dat de directionaliteit kan detecteren. Meer specifiek zal dit model in staat zijn om antifasesynchronisatie te detecteren (waarbij de richting van activiteit in één individu tegengesteld is aan die van hun partner) naast in-fasesynchronisatie en vertraagde synchronisatie.
In een poging om tegemoet te komen aan de bezorgdheid dat WTC alleen symmetrische effecten vertoont, waarbij beide hersenen hetzelfde patroon van verandering vertonen25, wordt een nieuwe benadering gepresenteerd om het type interactie te identificeren door de fase van synchronisatie (d.w.z. in-fase, vertraagd of anti-fase) te onderzoeken (zie figuur 2). Hiertoe is een toolbox ontwikkeld die gebruik maakt van de WTC-methode om de verschillende soorten interacties te classificeren. De soorten interacties worden geclassificeerd met behulp van relatieve fasegegevens van cross-wavelet-transformatieanalyse.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65347/65347fig02.jpg"> Figuur 2: Illustratie van de verschillende faserelaties van enkelvoudige sinusgolven. (A) Wanneer de twee signalen, Signaal 1 (blauwe lijn s) en Signaal 2 (oranje lijns), hun respectievelijke maximum-, minimum- en nulwaarden op hetzelfde tijdstip bereiken, wordt gezegd dat ze in-fase synchronisatie32 vertonen. (B) Wanneer het ene signaal zijn maximale waarde bereikt en het andere signaal op hetzelfde tijdstip de nulwaarde bereikt, wordt gezegd dat ze een vertraagde synchronisatie vertonen (één leidt met 90°)32,33,34. (C) Wanneer twee tijdreeksen in tegengestelde richting verschuiven, wat betekent dat het ene signaal het maximum bereikt en het andere de minimumwaarde op hetzelfde tijdstip, wordt dit antifasesynchronisatie28 genoemd. (D-P) In alle andere faserelaties tussen twee tijdreeksen leidt het ene signaal het andere. In alle positieve fasen leidt signaal 2 signaal 1 (bijv. panelen E, F, M en N), terwijl in alle negatieve fasen signaal 1 leidend is voor signaal 2 (bijv. panelen D, G, H, O en P). Met name wanneer de absolute waarde van de fase hoger is, wordt het meer onderscheidend welke tijdreeks de andere leidt (bijv. het leiderschap is meer onderscheidend in panel J dan in panel I, en in panel K is het leiderschap meer onderscheidend dan in panel L). <a href="https://www.jove.com/files/ftp_upload/65347/65347fig02large.jpg" target="_blank">Klik hier om een grotere versie van deze figuur te bekijken.</a>

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>NIRScout&#160;&#160;</td>
			<td>NIRx Medical Technologies, LLC</td>
			<td>n.a.</td>
			<td>8 sources, 8 detectors</td>
		</tr>
		<tr>
			<td>MATLAB</td>
			<td>The Mathworks, Inc.</td>
			<td>Matlab 2022a</td>
			<td>In this protocol, several toolboxes and buit in MATLAB functions were used: HOMER3 toolbox was used to convert Intensity to OD, to remove motion artifacts through its function hmrMotionCorrectWavelet with default parameters and to convert OD to Conc. Wavelet Toolbox was used to compute WTC.</td>
		</tr>
	</tbody>
</table>

new framework for understanding cross-brain coherence in functional near-infrared spectroscopy (fnirs) hyperscanning studies

Ondanks het groeiende aantal hyperscanningstudies met functionele nabij-infraroodspectroscopie (fNIRS), lijkt de beoordeling van de koppeling tussen twee neurale signalen met behulp van wavelet-transformatiecoherentie (WTC) de directionaliteit van de interactie te negeren. Het veld mist momenteel een raamwerk dat onderzoekers in staat stelt te bepalen of een hoge coherentiewaarde die wordt verkregen met behulp van een WTC-functie een weerspiegeling is van in-fase synchronisatie (d.w.z. neurale activering wordt tegelijkertijd gezien in beide leden van de dyade), vertraagde synchronisatie (d.w.z. neurale activering wordt gezien in het ene lid van de dyade vóór het andere lid), of antifasesynchronisatie (d.w.z. neurale activering wordt verhoogd in het ene lid van de dyade en verminderd in het andere). Om aan deze behoefte tegemoet te komen, wordt in dit werk een aanvullende en gevoeligere benadering voorgesteld voor het analyseren van de fasecoherentie van twee neurale signalen. De toolbox stelt onderzoekers in staat om de koppelingsrichting te schatten door de fasehoekwaarden die zijn verkregen met behulp van traditionele WTC te classificeren in in-fase synchronisatie, vertraagde synchronisatie en anti-fase synchronisatie. De toolbox stelt onderzoekers ook in staat om te beoordelen hoe de dynamiek van interacties zich ontwikkelt en verandert gedurende de taak. Het gebruik van deze nieuwe WTC-benadering en de toolbox zal ons begrip van complexe sociale interacties vergroten door hun gebruik in fNIRS-hyperscanstudies.

In recent years, there has been a shift in the types of studies conducted to understand the neural bases of social behavior1,2. Traditionally, studies in social neuroscience have focused on neural activation in one isolated brain during a socially relevant task. However, advances in neuroimaging technology now allow for the examination of neural activation in the brains of one or more individuals during social interaction as it occurs in &#34;real-life&#34; settings3. In &#34;real-life&#34; settings, individuals are able to move freely, and patterns of brain activation are likely to change as information is exchanged and social partners receive feedback from one another4.
Hyperscanning is a method that assesses this bidirectional information exchange by measuring the brain activity from two or more individuals simultaneously5. An emerging body of research has utilized functional near-infrared spectroscopy (fNIRS), a non-invasive neuroimaging technique that, in comparison to other neuroimaging techniques, is less susceptible to motion artifacts6. Hyperscanning via fNIRS allows for the assessment of inter-brain synchronization (IBS) in real-life settings while the interactive partners move freely and naturally. This is particularly relevant for work with infants and young children, who tend to be quite active. IBS has been reported to reflect mutual understanding between interactive partners, which serves as the foundation for effective social interaction and communication and mediates shared intentionality1,7,8.
Several methods are used to evaluate the IBS of two brains. Such methods include time series correlations, such as cross-correlation and the Pearson correlation coefficient9,10 (see a review by Scholkmann et al.10). Other methods involve evaluating the strength of coupling in the frequency domain. Such methods include phase-locking value (PLV) and phase coherence (see a review by Czeszumski et al.11). One of the most common methods in fNIRS studies uses wavelet transform coherence (WTC)-a measure of the cross-correlation of two time series as a function of frequency and time10.
WTC uses correlational analyses to calculate the coherence and phase lag between two time series in the time-frequency domain. FNIRS hyperscanning studies have used WTC to estimate IBS in many domains of functioning, including action monitoring12, cooperative and competitive behaviour5,13,14,15, imitation16, mother-infant problem solving17, and teaching-learning behavior18,19,20,21. Typically, in hyperscanning studies, cross-brain coherence, as measured by WTC, during an experimental task is compared to cross-brain coherence during a control task. These findings are usually presented with a WTC &#34;hot plot&#34;, which shows the coherence across the two brains at each time point and frequency (see Figure 1).
As suggested by Czesumaski et al.11, WTC has become the standard analytical approach for analyzing fNIRS hyperscanning. WTC analysis is a flexible, &#34;tool-agnostic&#34; method for data visualization and interpretation22. The coherence coefficient heatmap, which provides a narrative form of analysis allowing for the easy identification of periods of synchronous or asynchronous behavior as well as the intensity of brain activity during the completion of a task, is the main advantage of WTC and makes it a strong tool for applied research22. WTC has an advantage over correlation techniques. Correlations are sensitive to the hemodynamic response function&#39;s (HRF) shape, which is thought to differ between individuals (particularly in terms of age) and among different brain areas. In contrast, WTC is unaffected by interregional changes in the (HRF)23. Researchers have used the wavelet approach to study fMRI time series. Zhang et al.24 compared the commonly used functional connectivity metrics, including the Pearson correlation, partial correlation, mutual information, and wavelet coherence transformation (WTC). They carried out classification experiments using large-scale functional connectivity patterns derived from resting-state fMRI data and natural-stimulus fMRI data of video viewing. Their findings indicated that WTC performed best in classification (specificity, sensitivity, and accuracy), implying that WTC is a preferable functional connectivity metric for studying functional brain networks, at least in classification applications24.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65347/65347fig01.jpg" /> 
Figure 1: Wavelet transform coherence (WTC). WTC shows the coherence and phase angle between two time series as a function of both time (x-axis) and frequency (y-axis). The coherence increase is depicted by the red color in the graph, and the small arrows in the graph show the phase angle of the two time series. The rightward-pointing arrow represents in-phase synchronization; the downward-pointing and upward-pointing arrows represent lagged synchronization; and the leftward-pointing arrow represents anti-phase synchronization30. This figure was adapted from Pan et al.19. <a href="https://www.jove.com/files/ftp_upload/65347/65347fig01large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
Recently, Hamilton25 articulated several limitations to the interpretation of cross-brain coherence data in fNIRS hyperscanning studies. One of Hamilton&#39;s primary concerns was that coherence measures (e.g., WTC) only report effects as symmetrical (i.e., two brains are correlated, showing the same pattern of change). However, many social interactions are asymmetric (e.g., information flow between a speaker and a listener) in that two participants may play different roles, and it is not clear that WTC can capture this information. Here, this concern is addressed by a new framework that allows for a straightforward interpretation of the cross-wavelet power by using the cross-wavelet phase&#160;to detect directionality. This framework will also allow examination of how the dynamics of interactions develop and change throughout a task.
While WTC and correlation methods assess functional connectivity, other methods assess effective connectivity, attempting to extract the causal influences of one neural element over another. Transfer entropy is a measure from the field of information theory that describes the transfer between jointly dependent processes26. Another related method is Granger causality analysis (GCA), which has been described as equivalent to transfer entropy26.
In the existing literature of fNIRS hyperscanning studies, Granger causality analysis (GCA) has been widely used to estimate the coupling directionality between fNIRS time series data obtained during a variety of different tasks, such as cooperation5, teaching19, and imitation16. GCA employs vector autoregressive models to assess the directionality of coupling between time series in brain data. Granger causality is based on prediction and precedence: &#34;a variable X is said to &#39;G-cause&#39; variable Y if the past of X contains the information that helps to predict the future of Y over and above information already in the past of Y&#34;27. Accordingly, the G-causality is analyzed in two directions: 1) from subject A to subject B and 2) from subject B to subject A.
While GCA analysis serves as a complementary analysis aimed at determining whether a high coherence value obtained using a WTC function reflects IBS or lagged synchronization (one signal leading the other), it does not allow for the determination of whether anti-phase synchronization has occurred. In traditional neuroimaging studies, in which only one participant is scanned (i.e., the &#34;single-brain&#34; approach), an anti-phase pattern means that the activity in one brain region is increased while the activity in the other brain region is decreased28. In the hyperscanning literature, the presence of anti-phase synchronization may suggest that neural activation is increased in one subject, and at the same time, neural activation is decreased for the other subject. Therefore, there is a need to provide a comprehensive model that can detect the directionality. More specifically, this model will be able to detect anti-phase synchronization (in which the direction of activity in one individual is opposite to that of their partner) in addition to in-phase synchronization and lagged synchronization.
In an attempt to address the concern that WTC shows only symmetrical effects, where both brains show the same pattern of change25, a new approach to identify the type of interaction by examining the phase of synchronization (i.e., in-phase, lagged, or anti-phase) is presented (see Figure 2). To this end, a toolbox using the WTC method to classify the different types of interactions was developed. The types of interactions are classified by using relative phase data from cross-wavelet transform analysis.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65347/65347fig02.jpg" /> 
Figure 2: Illustration of the different phase relationships of simple sine waves. (A) When the two signals, Signal 1 (blue lines) and Signal 2&#160;(orange lines), reach their respective maximum, minimum, and zero values at the same time point, they are said to be showing in-phase synchronization32. (B) When one signal reaches its maximum value and the other signal reaches zero value at the same time point, they are said to be showing lagged synchronization (one is leading by 90&#176;)32,33,34. (C) When two time series shift in opposite directions, meaning one signal reaches the maximum and the other reaches the minimum value at the same time point, this is referred to as anti-phase synchronization28. (D-P) In all other phase relationships between two time series, one signal is leading the other. In all positive phases, Signal 2&#160;is leading Signal 1 (e.g., panels E, F, M, and N), whereas in all negative phases, Signal 1 is leading Signal 2 (e.g., panels D, G, H, O, and P). Notably, when the absolute value of the phase is higher, it becomes more distinctive which time series is leading the other (e.g., the leadership is more distinctive in panel J than in panel I, and in panel K, the leadership is more distinctive than in panel L). <a href="https://www.jove.com/files/ftp_upload/65347/65347fig02large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>

Auteur in de schijnwerpers: nieuwe inzichten ontsluiten in fNIRS-studies - een nieuw raamwerk voor analyse van synchronie tussen de hersenen 

Nieuw raamwerk voor het begrijpen van cross-brain coherentie in functionele nabij-infraroodspectroscopie (fNIRS) hyperscanningstudies

Many fNIRS studies have focused on coherence to estimate interbrain synchrony, neglecting phase lag information in the WBC hot plot. Here, a more sensitive approach has been presented that estimates coupling directionality, classifying phase angle value as in-phase synchronization, lag phase synchronization, and anti-phase synchronization. Reanalyzing the previous findings using a new proposed framework offers a comprehensive understanding of the nature of the synchronization between participants.Differentiating in-phase synchronization and anti-phase synchronization provides a new level of clarity, enabling the precise interpretation of previous findings. This framework can be applied to various scenarios, such as studying the role of interpersonal synchronization in social behavior, communication, and decision making. Emphasizing the application of craft theory in conjunction with the developed phase toolbox for hyperscanning apneas provides a deeper understanding of the various type of directionalities observed in interaction extending beyond mere coherence.This approach enables the exploration of the information flow from one brain to another brain in hyperscanning setting.

In dit hoofdstuk worden de soorten analyses beschreven die kunnen worden uitgevoerd met de toolbox (die kan worden gedownload op https://www.ariel.ac.il/wp/sns/download/ of https://github.com/Minisharmaa/Leader-Follower-By-Phase.). Voor deze analyses werden fNIRS-gegevens gebruikt die waren verzameld met een kleine steekproef van baby-ouder-dyades. Zes paren moeder-kind-dyades werden getest met behulp van een gevalideerde gedragstaak, de free-play-taak31, die zo dicht mogelijk bij een echte baby-m...

Watch this Scientific Journal Video about Unlocking New Insights in fNIRS Studies -  A Novel Framework for Inter-Brain Synchrony Analysis at JoVE.com

Wavelet transform coherence (WTC) is een veelgebruikte methodologie voor het beoordelen van de koppeling tussen signalen die wordt gebruikt in hyperscanningstudies met functionele nabij-infraroodspectroscopie (fNIRS). In dit werk wordt een toolbox gepresenteerd voor het beoordelen van de directionaliteit van de signaalinteractie.

Despite the growing body of functional near-infrared spectroscopy (fNIRS) hyperscanning studies, the assessment of coupling between two neural signals ...

Veel fNIRS-studies hebben zich gericht op coherentie om de synchronisatie tussen de hersenen te schatten, waarbij fasevertragingsinformatie in de WBC-hot plot wordt verwaarloosd. Hier is een gevoeligere benadering gepresenteerd die de koppelingsrichtingsgevoeligheid schat, waarbij de waarde van de fasehoek wordt geclassificeerd als in-fasesynchronisatie, vertragingsfasesynchronisatie en antifasesynchronisatie. Het opnieuw analyseren van de eerdere bevindingen met behulp van een nieuw voorgesteld raamwerk biedt een uitgebreid inzicht in de aard van de synchronisatie tussen deelnemers.Het onderscheid tussen in-fase synchronisatie en anti-fase synchronisatie biedt een nieuw niveau van duidelijkheid, waardoor de precieze interpretatie van eerdere bevindingen mogelijk wordt. Dit raamwerk kan worden toegepast op verschillende scenario's, zoals het bestuderen van de rol van interpersoonlijke synchronisatie in sociaal gedrag, communicatie en besluitvorming. Door de nadruk te leggen op de toepassing van de ambachtelijke theorie in combinatie met de ontwikkelde fasegereedschapskist voor hyperscanning-apneus, wordt een dieper inzicht verkregen in de verschillende soorten richtingen die worden waargenomen in interactie die verder gaat dan louter coherentie.Deze aanpak maakt het mogelijk om de informatiestroom van het ene brein naar het andere brein in een hyperscanomgeving te verkennen.

Nieuw raamwerk voor het begrijpen van cross-brain coherentie in functionele nabij-infraroodspectroscopie (fNIRS) hyperscanningstudies

Abstract