Vi ønsker å anerkjenne støtten fra National Natural Science Foundation of China (nr. 62207025), humaniora og samfunnsvitenskapelig forskningsprosjekt fra utdanningsdepartementet i Kina (nr. 22YJC190017), og de grunnleggende forskningsfondene for de sentrale universitetene til Yafeng Pan.

Studien ble utført ved Florida Atlantic University (FAU) og ble godkjent av FAU Institutional Review Board (IRB).
1. Bruk av Homer3-programvare (materialfortegnelse) for å utføre forhåndsbehandling av fNIRS hyperskanningsdata
MERK: Homer3 er et MATLAB-program som analyserer fNIRS-data for å få estimater og kart over hjerneaktivering29. Homer3 kan lastes ned og installeres fra følgende lenke (https://openfnirs.org/softwar...

Revolusjonerende fNIRS-studier: En ny tilnærming til nevral kobling

En av de vanligste metodene som brukes i fNIRS-studier er wavelet transform coherence (WTC), som er et mål på krysskorrelasjonen mellom to tidsserier som funksjon av frekvens og tid10. WTC beregner koherens og faseforsinkelse mellom to tidsserier ved hjelp av korrelasjonsanalyser (tilleggsfil 1). FNIRS hyperskanningsstudier har brukt WTC til å estimere IBS i mange funksjonsområder, inkludert handlingsovervåking 12, kooperativ og konkurransedyktig atfer...

I de senere år har det vært et skifte i hvilke typer studier som er utført for å forstå nevrale baser av sosial atferd 1,2. Tradisjonelt har studier i sosial nevrovitenskap fokusert på nevral aktivering i en isolert hjerne under en sosialt relevant oppgave. Imidlertid tillater fremskritt innen neuroimaging-teknologi nå undersøkelse av nevral aktivering i hjernen til en eller flere individer under sosial interaksjon som det skjer i "virkelige" innstillinger3. I "virkelige" omgivelser kan individer bevege seg fritt, og mønstre for hjerneaktivering vil sannsynligvis endre seg etter hvert som informasjon utveksles og sosiale partnere mottar tilbakemelding fra hverandre4.
Hyperskanning er en metode som vurderer denne toveis informasjonsutvekslingen ved å måle hjerneaktiviteten fra to eller flere individer samtidig5. En fremvoksende forskningsgruppe har benyttet funksjonell nær-infrarød spektroskopi (fNIRS), en ikke-invasiv neuroimaging teknikk som, i forhold til andre neuroimaging teknikker, er mindre utsatt for bevegelsesartefakter6. Hyperskanning via fNIRS gjør det mulig å vurdere interhjernesynkronisering (IBS) i virkelige omgivelser mens de interaktive partnerne beveger seg fritt og naturlig. Dette er spesielt relevant for arbeid med spedbarn og små barn, som pleier å være ganske aktive. IBS har blitt rapportert å reflektere gjensidig forståelse mellom interaktive partnere, som tjener som grunnlag for effektiv sosial interaksjon og kommunikasjon og formidler delt intensjonalitet 1,7,8.
Flere metoder brukes til å evaluere IBS av to hjerner. Slike metoder inkluderer tidsseriekorrelasjoner, som krysskorrelasjon og Pearson-korrelasjonskoeffisienten 9,10 (se en gjennomgang av Scholkmann et al.10). Andre metoder innebærer å evaluere styrken på koblingen i frekvensdomenet. Slike metoder inkluderer faselåsingsverdi (PLV) og fasekoherens (se en gjennomgang av Czeszumski et al.11). En av de vanligste metodene i fNIRS-studier bruker wavelet transform coherence (WTC) - et mål på krysskorrelasjonen mellom to tidsserier som funksjon av frekvens og tid10.
WTC bruker korrelasjonsanalyser for å beregne koherens og faseforsinkelse mellom to tidsserier i tidsfrekvensdomenet. FNIRS hyperskanningsstudier har brukt WTC til å estimere IBS i mange funksjonsområder, inkludert handlingsovervåking 12, kooperativ og konkurransedyktig atferd 5,13,14,15, imitasjon 16, mor-barn-problemløsning 17 og undervisning-læringsatferd 18,19,20,21 . Vanligvis, i hyperskanningsstudier, sammenlignes koherens på tvers av hjernen, målt ved WTC, under en eksperimentell oppgave med koherens på tvers av hjerner under en kontrolloppgave. Disse funnene presenteres vanligvis med et WTC "hot plot", som viser sammenhengen mellom de to hjernene ved hvert tidspunkt og frekvens (se figur 1).
Som foreslått av Czesumaski et al.11, har WTC blitt standard analytisk tilnærming for å analysere fNIRS hyperskanning. WTC-analyse er en fleksibel, "verktøyagnostisk" metode for datavisualisering og tolkning22. Koherenskoeffisientens varmekart, som gir en narrativ form for analyse som gjør det enkelt å identifisere perioder med synkron eller asynkron oppførsel, samt intensiteten av hjerneaktivitet under ferdigstillelse av en oppgave, er den største fordelen med WTC og gjør den til et sterkt verktøy for anvendt forskning22. WTC har en fordel i forhold til korrelasjonsteknikker. Korrelasjoner er følsomme for den hemodynamiske responsfunksjonens (HRF) form, som antas å variere mellom individer (spesielt når det gjelder alder) og mellom forskjellige hjerneområder. WTC påvirkes derimot ikke av interregionale endringer i (HRF)23. Forskere har brukt wavelet-tilnærmingen til å studere fMRI-tidsserier. Zhang et al.24 sammenlignet de ofte brukte funksjonelle tilkoblingsberegningene, inkludert Pearson-korrelasjonen, partiell korrelasjon, gjensidig informasjon og wavelet-koherenstransformasjon (WTC). De utførte klassifiseringseksperimenter ved hjelp av storskala funksjonelle tilkoblingsmønstre avledet fra hviletilstand fMRI-data og naturlig stimulus fMRI-data for videovisning. Deres funn indikerte at WTC presterte best i klassifisering (spesifisitet, følsomhet og nøyaktighet), noe som antyder at WTC er en foretrukket funksjonell tilkoblingsmetrisk for å studere funksjonelle hjernenettverk, i det minste i klassifiseringsapplikasjoner24.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65347/65347fig01.jpg"> Figur 1: Wavelet transform coherence (WTC). WTC viser koherens og fasevinkel mellom to tidsserier som funksjon av både tid (x-akse) og frekvens (y-akse). Koherensøkningen er avbildet av den røde fargen i grafen, og de små pilene i grafen viser fasevinkelen til de to tidsseriene. Den høyrepekende pilen representerer synkronisering i fasen. pilene som peker nedover og peker oppover representerer forsinket synkronisering; og pilen som peker mot venstre representerer antifasesynkronisering30. Denne figuren ble tilpasset fra Pan et al.19. <a href="https://www.jove.com/files/ftp_upload/65347/65347fig01large.jpg" target="_blank">Klikk her for å se en større versjon av denne figuren.</a>
Nylig formulerte Hamilton25 flere begrensninger i tolkningen av koherensdata på tvers av hjerner i fNIRS hyperskanningsstudier. En av Hamiltons primære bekymringer var at koherensmålinger (f.eks. WTC) bare rapporterer effekter som symmetriske (dvs. to hjerner er korrelert, og viser det samme mønsteret av endring). Imidlertid er mange sosiale interaksjoner asymmetriske (f.eks. informasjonsflyt mellom en høyttaler og en lytter) ved at to deltakere kan spille forskjellige roller, og det er ikke klart at WTC kan fange opp denne informasjonen. Her er denne bekymringen adressert av et nytt rammeverk som muliggjør en enkel tolkning av kryssbølgekraften ved å bruke kryssbølgefasen for å oppdage retning. Dette rammeverket vil også tillate undersøkelse av hvordan dynamikken i samspillet utvikler seg og endres gjennom en oppgave.
Mens WTC og korrelasjonsmetoder vurderer funksjonell tilkobling, vurderer andre metoder effektiv tilkobling, og forsøker å trekke ut årsakspåvirkningene fra ett nevralt element over et annet. Transferentropi er et mål fra informasjonsteorien som beskriver overføringen mellom fellesavhengige prosesser26. En annen beslektet metode er Granger kausalitetsanalyse (GCA), som har blitt beskrevet som ekvivalent med overføringsentropi26.
I den eksisterende litteraturen om fNIRS hyperskanningsstudier har Granger kausalitetsanalyse (GCA) blitt mye brukt til å estimere koblingsretningen mellom fNIRS tidsseriedata oppnådd under en rekke forskjellige oppgaver, for eksempel samarbeid5, undervisning19 og imitasjon16. GCA benytter vektorautoregressive modeller for å vurdere retningen av kobling mellom tidsserier i hjernedata. Granger kausalitet er basert på prediksjon og forrang: "en variabel X sies å 'G-årsak' variabel Y hvis fortiden til X inneholder informasjonen som bidrar til å forutsi fremtiden til Y utover informasjon allerede i fortiden til Y"27. Følgelig analyseres G-kausaliteten i to retninger: 1) fra emne A til emne B og 2) fra emne B til emne A.
Mens GCA-analyse fungerer som en komplementær analyse som tar sikte på å avgjøre om en høy koherensverdi oppnådd ved hjelp av en WTC-funksjon reflekterer IBS eller forsinket synkronisering (det ene signalet fører det andre), tillater det ikke å bestemme om antifasesynkronisering har skjedd. I tradisjonelle neuroimaging studier, hvor bare en deltaker er skannet (dvs. "single-brain" tilnærming), betyr et antifasemønster at aktiviteten i en hjernegruppe økes mens aktiviteten i den andre hjernegruppen reduseres28. I hyperskanningslitteraturen kan tilstedeværelsen av antifasesynkronisering tyde på at nevral aktivering økes i ett individ, og samtidig reduseres nevral aktivering for det andre faget. Derfor er det behov for å gi en helhetlig modell som kan oppdage retningen. Nærmere bestemt vil denne modellen kunne oppdage antifasesynkronisering (hvor aktivitetsretningen i ett individ er motsatt partnerens) i tillegg til fasesynkronisering og forsinket synkronisering.
I et forsøk på å løse bekymringen for at WTC bare viser symmetriske effekter, der begge hjernene viser samme endringsmønster25, presenteres en ny tilnærming for å identifisere typen interaksjon ved å undersøke synkroniseringsfasen (dvs. i fase, forsinket eller antifase) ( se figur 2). For dette formål ble det utviklet en verktøykasse ved hjelp av WTC-metoden for å klassifisere de forskjellige typer interaksjoner. Interaksjonstypene klassifiseres ved å bruke relative fasedata fra kryssbølgetransformanalyse.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65347/65347fig02.jpg"> Figur 2: Illustrasjon av de ulike faseforholdene til enkle sinusbølger. (A) Når de to signalene, signal 1 (blå linje s) og signal 2 (oransje linjes), når sine respektive maksimums-,minimums- og nullverdier samtidig, sies det at de viser synkronisering i fase32. (B) Når ett signal når sin maksimale verdi og det andre signalet når nullverdi på samme tidspunkt, sies de å vise forsinket synkronisering (en leder med 90 °) 32,33,34. (C) Når to tidsserier skifter i motsatte retninger, noe som betyr at ett signal når maksimum og det andre når minimumsverdien på samme tidspunkt, kalles dette antifasesynkronisering28. (D-P) I alle andre faserelasjoner mellom to tidsserier leder det ene signalet det andre. I alle positive faser leder signal 2 signal 1 (f.eks. panelene E, F, M og N), mens i alle negative faser leder signal 1 signal 2 (f.eks. panelene D, G, H, O og P). Spesielt når fasens absoluttverdi er høyere, blir det mer distinkt hvilken tidsserie som leder den andre (f.eks. er ledelsen mer distinkt i panel J enn i panel I, og i panel K er ledelsen mer særegen enn i panel L). <a href="https://www.jove.com/files/ftp_upload/65347/65347fig02large.jpg" target="_blank">Klikk her for å se en større versjon av denne figuren.</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

Til tross for den voksende kroppen av funksjonelle nær-infrarøde spektroskopi (fNIRS) hyperskanningsstudier, synes vurderingen av kobling mellom to nevrale signaler ved hjelp av wavelet transform coherence (WTC) å ignorere retningen av interaksjonen. Feltet mangler for tiden et rammeverk som gjør det mulig for forskere å avgjøre om en høy koherensverdi oppnådd ved hjelp av en WTC-funksjon reflekterer fasesynkronisering (dvs. nevral aktivering ses i begge medlemmer av dyaden samtidig), forsinket synkronisering (dvs. nevral aktivering ses i ett medlem av dyaden før det andre medlemmet), eller antifasesynkronisering (dvs. nevral aktivering økes i ett medlem av dyaden og reduseres i det andre). For å møte dette behovet foreslås en komplementær og mer sensitiv tilnærming for å analysere fasekoherensen til to nevrale signaler i dette arbeidet. Verktøykassen gjør det mulig for etterforskere å estimere koblingsretningen ved å klassifisere fasevinkelverdiene oppnådd ved bruk av tradisjonell WTC i fasesynkronisering, forsinket synkronisering og antifasesynkronisering. Verktøykassen gjør det også mulig for forskere å vurdere hvordan dynamikken i samspillet utvikler seg og endres gjennom hele oppgaven. Ved hjelp av denne nye WTC-tilnærmingen og verktøykassen vil vi fremme vår forståelse av komplekse sosiale interaksjoner gjennom deres bruk i fNIRS hyperskanningsstudier.

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>

Forfatter Spotlight: Lås opp ny innsikt i fNIRS-studier - Et nytt rammeverk for synkronianalyse mellom hjernen 

Nytt rammeverk for å forstå koherens på tvers av hjerner i funksjonelle nær-infrarøde spektroskopi (fNIRS) hyperskanningsstudier

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.

Denne delen viser hvilke typer analyser som kan utføres med verktøykassen (som kan lastes ned på https://www.ariel.ac.il/wp/sns/download/ eller https://github.com/Minisharmaa/Leader-Follower-By-Phase.). For disse analysene ble fNIRS-data samlet inn med et lite utvalg av spedbarn-foreldre dyader benyttet. Seks par mor-barn-dyader ble testet ved hjelp av en validert atferdsoppgave, free-play task31, som er så nær en virkelig interaksjon mellom spedbarn og mor som mulig. I forkant av forsøket b...

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) er en vanlig metode for å vurdere koblingen mellom signaler som brukes i funksjonelle nær-infrarøde spektroskopi (fNIRS) hyperskanningsstudier. En verktøykasse for å vurdere retningen på signalinteraksjonen presenteres i dette arbeidet.

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

Mange fNIRS-studier har fokusert på koherens for å estimere interbrain-synkronisering, og neglisjerer faseforsinkelsesinformasjon i WBC-hotplottet. Her har en mer sensitiv tilnærming blitt presentert som estimerer koblingsretning, klassifisering av fasevinkelverdi som fasesynkronisering, lagfasesynkronisering og antifasesynkronisering. Reanalyse av tidligere funn ved hjelp av et nytt foreslått rammeverk gir en omfattende forståelse av arten av synkroniseringen mellom deltakerne.Differensiering av fasesynkronisering og antifasesynkronisering gir et nytt nivå av klarhet, noe som muliggjør presis tolkning av tidligere funn. Dette rammeverket kan brukes på ulike scenarier, for eksempel å studere rollen som mellommenneskelig synkronisering i sosial atferd, kommunikasjon og beslutningstaking. Vektlegging av anvendelse av håndverksteori i forbindelse med den utviklede faseverktøykassen for hyperscanning apneas gir en dypere forståelse av de ulike typer retninger observert i interaksjon som strekker seg utover bare koherens.Denne tilnærmingen muliggjør utforskning av informasjonsflyten fra en hjerne til en annen hjerne i hyperskanningsinnstilling.

Nytt rammeverk for å forstå koherens på tvers av hjerner i funksjonelle nær-infrarøde spektroskopi (fNIRS) hyperskanningsstudier

Abstract