Vorremmo riconoscere il sostegno fornito dalla Fondazione Nazionale di Scienze Naturali della Cina (n. 62207025), il Progetto di ricerca sulle scienze umane e sociali del Ministero dell'Istruzione della Cina (n. 22YJC190017) e i Fondi di ricerca fondamentale per le Università Centrali a Yafeng Pan.

Lo studio è stato condotto presso la Florida Atlantic University (FAU) ed è stato approvato dal FAU Institutional Review Board (IRB).
1. Utilizzo del software Homer3 (Table of Materials) per eseguire la pre-elaborazione dei dati di iperscansione fNIRS
NOTA: Homer3 è un'applicazione MATLAB che analizza i dati fNIRS per ottenere stime e mappe dell'attivazione cerebrale29. Homer3 può essere scaricato e installato dal seguente ...

Rivoluzionare gli studi fNIRS: un nuovo approccio all'accoppiamento neurale

Uno dei metodi più comuni utilizzati negli studi fNIRS è la coerenza della trasformata wavelet (WTC), che è una misura della correlazione incrociata di due serie temporali in funzione della frequenza e del tempo10. Il WTC calcola la coerenza e il ritardo di fase tra due serie temporali utilizzando analisi correlazionali (Supplementary File 1). Gli studi di iperscansione FNIRS hanno utilizzato il WTC per stimare l'IBS in molti domini di funzionamento, tra cui il monitoraggio del...

Negli ultimi anni, c'è stato un cambiamento nei tipi di studi condotti per comprendere le basi neurali del comportamento sociale 1,2. Tradizionalmente, gli studi di neuroscienze sociali si sono concentrati sull'attivazione neurale in un cervello isolato durante un compito socialmente rilevante. Tuttavia, i progressi nella tecnologia di neuroimaging consentono ora di esaminare l'attivazione neurale nel cervello di uno o più individui durante l'interazione sociale come avviene in contesti di "vita reale"3. In contesti di "vita reale", gli individui sono in grado di muoversi liberamente ed è probabile che i modelli di attivazione cerebrale cambino man mano che le informazioni vengono scambiate e le parti sociali ricevono feedback l'una dall'altra4.
L'iperscansione è un metodo che valuta questo scambio di informazioni bidirezionale misurando l'attività cerebrale di due o più individui contemporaneamente5. Un corpo emergente di ricerca ha utilizzato la spettroscopia funzionale nel vicino infrarosso (fNIRS), una tecnica di neuroimaging non invasiva che, rispetto ad altre tecniche di neuroimaging, è meno suscettibile agli artefatti da movimento6. L'iperscansione tramite fNIRS consente la valutazione della sincronizzazione intercerebrale (IBS) in contesti di vita reale mentre i partner interattivi si muovono liberamente e naturalmente. Ciò è particolarmente rilevante per il lavoro con neonati e bambini piccoli, che tendono ad essere piuttosto attivi. È stato riportato che l'IBS riflette la comprensione reciproca tra partner interattivi, che funge da base per un'efficace interazione sociale e comunicazione e media l'intenzionalità condivisa 1,7,8.
Diversi metodi vengono utilizzati per valutare l'IBS di due cervelli. Tali metodi includono correlazioni di serie temporali, come la correlazione incrociata e il coefficiente di correlazione di Pearson 9,10 (vedi una revisione di Scholkmann et al.10). Altri metodi prevedono la valutazione della forza dell'accoppiamento nel dominio della frequenza. Tali metodi includono il valore di blocco di fase (PLV) e la coerenza di fase (vedi una revisione di Czeszumski et al.11). Uno dei metodi più comuni negli studi fNIRS utilizza la coerenza della trasformata wavelet (WTC), una misura della correlazione incrociata di due serie temporali in funzione della frequenza e del tempo10.
Il WTC utilizza le analisi correlazionali per calcolare la coerenza e il ritardo di fase tra due serie temporali nel dominio tempo-frequenza. Gli studi di iperscansione FNIRS hanno utilizzato il WTC per stimare l'IBS in molti domini di funzionamento, tra cui il monitoraggio dell'azione 12, il comportamento cooperativo e competitivo 5,13,14,15, l'imitazione 16, la risoluzione dei problemi madre-bambino 17 e il comportamento di insegnamento-apprendimento 18,19,20,21. Tipicamente, negli studi di iperscansione, la coerenza cross-encefalica, misurata da WTC, durante un compito sperimentale viene confrontata con la coerenza cross-brain durante un compito di controllo. Questi risultati sono di solito presentati con un "hot plot" del WTC, che mostra la coerenza tra i due cervelli in ogni punto temporale e frequenza (vedi Figura 1).
Come suggerito da Czesumaski et al.11, il WTC è diventato l'approccio analitico standard per l'analisi dell'iperscansione fNIRS. L'analisi WTC è un metodo flessibile e "tool-agnostic" per la visualizzazione e l'interpretazione dei dati22. La mappa termica del coefficiente di coerenza, che fornisce una forma narrativa di analisi che consente di identificare facilmente i periodi di comportamento sincrono o asincrono, nonché l'intensità dell'attività cerebrale durante il completamento di un compito, è il principale vantaggio del WTC e lo rende un forte strumento per la ricerca applicata22. Il WTC ha un vantaggio rispetto alle tecniche di correlazione. Le correlazioni sono sensibili alla forma della funzione di risposta emodinamica (HRF), che si ritiene differisca tra gli individui (in particolare in termini di età) e tra le diverse aree cerebrali. Al contrario, il WTC non è influenzato dai cambiamenti interregionali nell'(HRF)23. I ricercatori hanno utilizzato l'approccio wavelet per studiare le serie temporali fMRI. Zhang et al.24 hanno confrontato le metriche di connettività funzionale comunemente utilizzate, tra cui la correlazione di Pearson, la correlazione parziale, l'informazione reciproca e la trasformazione della coerenza wavelet (WTC). Hanno condotto esperimenti di classificazione utilizzando modelli di connettività funzionale su larga scala derivati dai dati fMRI in stato di riposo e dai dati fMRI a stimolo naturale della visualizzazione video. I loro risultati hanno indicato che il WTC ha ottenuto i risultati migliori nella classificazione (specificità, sensibilità e accuratezza), il che implica che il WTC è una metrica di connettività funzionale preferibile per lo studio delle reti cerebrali funzionali, almenonelle applicazioni di classificazione.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65347/65347fig01.jpg"> Figura 1: Coerenza della trasformata wavelet (WTC). WTC mostra la coerenza e l'angolo di fase tra due serie temporali in funzione sia del tempo (asse x) che della frequenza (asse y). L'aumento della coerenza è rappresentato dal colore rosso nel grafico e le piccole frecce nel grafico mostrano l'angolo di fase delle due serie temporali. La freccia rivolta verso destra rappresenta la sincronizzazione in fase; Le frecce rivolte verso il basso e verso l'alto rappresentano la sincronizzazione ritardata; e la freccia rivolta a sinistra rappresenta la sincronizzazione antifase30. Questa figura è stata adattata da Pan et al.19. <a href="https://www.jove.com/files/ftp_upload/65347/65347fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
Recentemente, Hamilton25 ha articolato diverse limitazioni all'interpretazione dei dati di coerenza cross-brain negli studi di iperscansione fNIRS. Una delle principali preoccupazioni di Hamilton era che le misure di coerenza (ad esempio, il WTC) riportassero solo effetti simmetrici (cioè, due cervelli sono correlati, mostrando lo stesso modello di cambiamento). Tuttavia, molte interazioni sociali sono asimmetriche (ad esempio, il flusso di informazioni tra un oratore e un ascoltatore) in quanto due partecipanti possono svolgere ruoli diversi, e non è chiaro se il WTC possa catturare queste informazioni. In questo caso, questa preoccupazione viene affrontata da un nuovo framework che consente un'interpretazione diretta della potenza cross-wavelet utilizzando la fase cross-wavelet per rilevare la direzionalità. Questo quadro consentirà anche di esaminare come le dinamiche delle interazioni si sviluppano e cambiano nel corso di un compito.
Mentre il WTC e i metodi di correlazione valutano la connettività funzionale, altri metodi valutano la connettività effettiva, tentando di estrarre le influenze causali di un elemento neurale rispetto a un altro. L'entropia di trasferimento è una misura del campo della teoria dell'informazione che descrive il trasferimento tra processi dipendenti congiuntamente26. Un altro metodo correlato è l'analisi di causalità di Granger (GCA), che è stata descritta come equivalente all'entropiadi trasferimento 26.
Nella letteratura esistente sugli studi di iperscansione fNIRS, l'analisi di causalità di Granger (GCA) è stata ampiamente utilizzata per stimare la direzionalità di accoppiamento tra i dati delle serie temporali fNIRS ottenuti durante una varietà di compiti diversi, come la cooperazione5, l'insegnamento19 e l'imitazione16. GCA impiega modelli vettoriali autoregressivi per valutare la direzionalità dell'accoppiamento tra serie temporali nei dati cerebrali. La causalità di Granger si basa sulla predizione e sulla precedenza: "si dice che una variabile X 'causa G' della variabile Y se il passato di X contiene l'informazione che aiuta a predire il futuro di Y al di là dell'informazione già presente nel passato di Y"27. Di conseguenza, la causalità G viene analizzata in due direzioni: 1) dal soggetto A al soggetto B e 2) dal soggetto B al soggetto A.
Mentre l'analisi GCA serve come analisi complementare volta a determinare se un alto valore di coerenza ottenuto utilizzando una funzione WTC riflette IBS o sincronizzazione ritardata (un segnale che conduce l'altro), non consente di determinare se si è verificata una sincronizzazione antifase. Negli studi di neuroimaging tradizionali, in cui viene scansionato un solo partecipante (cioè l'approccio "single-brain"), un pattern anti-fase significa che l'attività in una regione del cervello è aumentata mentre l'attività nell'altra regione del cervello è diminuita28. Nella letteratura sull'iperscansione, la presenza di sincronizzazione anti-fase può suggerire che l'attivazione neurale è aumentata in un soggetto e, allo stesso tempo, l'attivazione neurale è diminuita per l'altro soggetto. Pertanto, è necessario fornire un modello completo in grado di rilevare la direzionalità. Più specificamente, questo modello sarà in grado di rilevare la sincronizzazione antifase (in cui la direzione dell'attività in un individuo è opposta a quella del partner) oltre alla sincronizzazione in fase e alla sincronizzazione ritardata.
Nel tentativo di affrontare la preoccupazione che il WTC mostri solo effetti simmetrici, in cui entrambi i cervelli mostrano lo stesso modello di cambiamento25, viene presentato un nuovo approccio per identificare il tipo di interazione esaminando la fase di sincronizzazione (cioè in fase, ritardata o antifase) (vedi Figura 2). A tal fine, è stata sviluppata una cassetta degli attrezzi che utilizza il metodo WTC per classificare i diversi tipi di interazioni. I tipi di interazioni vengono classificati utilizzando i dati di fase relativa provenienti dall'analisi della trasformata cross-wavelet.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65347/65347fig02.jpg"> Figura 2: Illustrazione delle diverse relazioni di fase di onde sinusoidali semplici. (A) Quando i due segnali, il segnale 1 (linea blu s) e il segnale 2 (linea aranciones), raggiungono i rispettivi valori massimo, minimo e zero nello stesso punto temporale, si dice che mostrano la sincronizzazione in fase32. (B) Quando un segnale raggiunge il suo valore massimo e l'altro segnale raggiunge il valore zero nello stesso punto temporale, si dice che mostrano una sincronizzazione ritardata (uno è in vantaggio di 90°)32,33,34. (C) Quando due serie temporali si spostano in direzioni opposte, il che significa che un segnale raggiunge il massimo e l'altro raggiunge il valore minimo nello stesso punto temporale, si parla di sincronizzazione antifase28. (D-P) In tutte le altre relazioni di fase tra due serie temporali, un segnale precede l'altro. In tutte le fasi positive, il segnale 2 è il segnale 1 (ad esempio, i pannelli E, F, M e N), mentre in tutte le fasi negative, il segnale 1 è il segnale 2 (ad esempio, i pannelli D, G, H, O e P). In particolare, quando il valore assoluto della fase è più alto, diventa più distintivo quale serie temporale sta guidando l'altra (ad esempio, la leadership è più distintiva nel pannello J che nel pannello I, e nel pannello K, la leadership è più distintiva che nel pannello L). <a href="https://www.jove.com/files/ftp_upload/65347/65347fig02large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</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

Nonostante il crescente numero di studi di iperscansione della spettroscopia funzionale nel vicino infrarosso (fNIRS), la valutazione dell'accoppiamento tra due segnali neurali utilizzando la coerenza della trasformata wavelet (WTC) sembra ignorare la direzionalità dell'interazione. Il campo è attualmente privo di un quadro che consenta ai ricercatori di determinare se un alto valore di coerenza ottenuto utilizzando una funzione WTC rifletta la sincronizzazione in fase (cioè, l'attivazione neurale è vista in entrambi i membri della diade allo stesso tempo), la sincronizzazione ritardata (cioè, l'attivazione neurale è vista in un membro della diade prima dell'altro membro), o sincronizzazione anti-fase (cioè, l'attivazione neurale è aumentata in un membro della diade e diminuita nell'altro). Per rispondere a questa esigenza, in questo lavoro viene proposto un approccio complementare e più sensibile per l'analisi della coerenza di fase di due segnali neurali. Il toolbox consente ai ricercatori di stimare la direzionalità dell'accoppiamento classificando i valori dell'angolo di fase ottenuti utilizzando il WTC tradizionale in sincronizzazione in fase, sincronizzazione ritardata e sincronizzazione antifase. La cassetta degli attrezzi consente inoltre ai ricercatori di valutare come le dinamiche delle interazioni si sviluppano e cambiano nel corso dell'attività. L'utilizzo di questo nuovo approccio WTC e della cassetta degli attrezzi farà progredire la nostra comprensione delle interazioni sociali complesse attraverso il loro utilizzo negli studi di iperscansione fNIRS.

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>

Autore in primo piano: Sbloccare nuove intuizioni negli studi fNIRS - Un nuovo quadro per l'analisi della sincronia intercerebrale 

Nuovo quadro per la comprensione della coerenza cross-brain negli studi di iperscansione della spettroscopia funzionale nel vicino infrarosso (fNIRS)

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 questa sezione vengono illustrati i tipi di analisi che possono essere effettuate con il toolbox (che può essere scaricato all'https://www.ariel.ac.il/wp/sns/download/ o https://github.com/Minisharmaa/Leader-Follower-By-Phase.). Per queste analisi, sono stati utilizzati i dati fNIRS raccolti con un piccolo campione di diadi bambino-genitore. Sei coppie di diadi madre-bambino sono state testate utilizzando un compito comportamentale convalidato, il compito di gioco libero31, che è il più vici...

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

La coerenza della trasformata wavelet (WTC) è una metodologia comune per valutare l'accoppiamento tra i segnali utilizzata negli studi di iperscansione della spettroscopia funzionale nel vicino infrarosso (fNIRS). In questo lavoro viene presentata una serie di strumenti per valutare la direzionalità dell'interazione del segnale.

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

Molti studi fNIRS si sono concentrati sulla coerenza per stimare la sincronia interencefalica, trascurando le informazioni sul ritardo di fase nel grafico caldo dei globuli bianchi. In questo caso, è stato presentato un approccio più sensibile che stima la direzionalità dell'accoppiamento, classificando il valore dell'angolo di fase come sincronizzazione in fase, sincronizzazione in fase di ritardo e sincronizzazione antifase. La rianalisi dei risultati precedenti utilizzando un nuovo quadro proposto offre una comprensione completa della natura della sincronizzazione tra i partecipanti.La differenziazione della sincronizzazione in fase e della sincronizzazione antifase fornisce un nuovo livello di chiarezza, consentendo l'interpretazione precisa dei risultati precedenti. Questo framework può essere applicato a vari scenari, come lo studio del ruolo della sincronizzazione interpersonale nel comportamento sociale, nella comunicazione e nel processo decisionale. Enfatizzare l'applicazione della teoria dell'artigianato in combinazione con la cassetta degli attrezzi di fase sviluppata per le apnee iperscansionali fornisce una comprensione più profonda dei vari tipi di direzionalità osservate nell'interazione, che si estende oltre la semplice coerenza.Questo approccio consente l'esplorazione del flusso di informazioni da un cervello all'altro in un contesto di iperscansione.

Nuovo quadro per la comprensione della coerenza cross-brain negli studi di iperscansione della spettroscopia funzionale nel vicino infrarosso (fNIRS)

Abstract