Name: measurement of the directional information flow in fnirs-hyperscanning data using the partial wavelet transform coherence method
Uploaded: 2021-09-03T14:30:00
Description: Watch this Scientific Journal Video about Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method at JoVE.com

Ce travail a été soutenu par la National Natural Science Foundation of China (61977008) et le Young Top Notch Talents of Ten Thousand Talent Program.

Le protocole d’expérimentation humaine a été approuvé par le comité d’examen institutionnel et le comité d’éthique du Laboratoire clé d’État des neurosciences cognitives et de l’apprentissage de l’Université normale de Beijing. Tous les participants ont donné leur consentement éclairé écrit avant le début de l’expérience.
1. L’expérience de simulation
<ol><li>Générez deux séries chronologiques de signaux qui sont en corrélation les uns avec les autres, av...

Dans les études d’hyperscan, il est généralement essentiel de décrire les modèles directionnels et temporels de la circulation de l’information entre les individus. La plupart des études précédentes sur l’hyperscan fNIRS ont utilisé le WTC25 traditionnel pour déduire ces caractéristiques en calculant l’INS décalé dans le temps. Cependant, comme l’une des caractéristiques intrinsèques du signal fNIRS20,21, l’effet...

L’interaction sociale est d’une importance vitale pour les êtres humains 1,2. Pour comprendre le mécanisme neurocognitif à double cerveau de l’interaction sociale, l’approche de l’hyperscan a récemment été largement utilisée, montrant que les modèles de synchronisation neuronale interpersonnelle (INS) peuvent bien caractériser le processus d’interaction sociale 3,4,5,6,7,8,9,10,11,12 ,13,14. Parmi les études récentes, une découverte intéressante est que la différence de rôle des individus dans une dyade peut conduire à un modèle de décalage temporel de l’INS, c’est-à-dire que l’INS se produit lorsque l’activité cérébrale d’un individu est inférieure de quelques secondes à celle d’un autre individu, comme celle des auditeurs aux locuteurs 5,9, des leaders aux adeptes 4, des enseignants aux élèves8, des mères aux enfants13,15, et des femmes aux hommes dans un couple romantique6. Plus important encore, il existe une bonne correspondance entre l’intervalle de l’INS décalé dans le temps et celui des comportements d’interaction sociale, comme entre les enseignants qui posent des questions et les élèves qui répondent à8 ou entre les comportements parentaux des mères et les comportements de conformité des enfants15. Ainsi, l’INS décalé dans le temps peut refléter un flux d’informations directionnel d’un individu à un autre, comme le propose un modèle hiérarchique récent pour la communication verbale interpersonnelle16.
Auparavant, l’INS décalé dans le temps était principalement calculé sur le signal de spectroscopie proche infrarouge fonctionnelle (fNIRS) en raison de sa résolution spatiale relativement élevée, de sa localisation anatomique sonore et de sa tolérance exceptionnellement élevée aux artefacts de mouvement17 lors de l’étude des interactions sociales naturalistes. De plus, pour caractériser précisément la correspondance entre le décalage temporel neuronal et le décalage temporel comportemental lors de l’interaction sociale, il est essentiel d’obtenir la force INS pour chaque décalage temporel (par exemple, de l’absence de décalage temporel à un décalage temporel de 10 s). À cette fin, auparavant, la procédure de cohérence de transformation d’ondelettes (WTC) était largement appliquée après avoir déplacé le signal cérébral d’un individu vers l’avant ou vers l’arrière par rapport à celui d’un autre individu 5,6,18. Lors de l’utilisation de cette procédure WTC traditionnelle pour les signaux fNIRS, il existe un défi potentiel car l’INS observé en retard dans le temps peut être confondu par l’effet d’autocorrélation du signal fNIRS pour un individu 19,20,21. Par exemple, au cours d’un processus d’interaction sociale dyadique, le signal du participant A au point de temps t peut être synchronisé avec celui du participant B au même point de temps. Pendant ce temps, le signal du participant A au point de temps t peut être synchronisé avec celui du participant A à un point de temps ultérieur t + 1 en raison de l’effet d’autocorrélation. Par conséquent, un faux INS décalé dans le temps peut se produire entre le signal du participant A au point de temps t et celui du participant B au point de temps t + 1.
Mihanović et ses collègues22 ont d’abord introduit une méthode appelée cohérence partielle de transformation des ondelettes (pWTC), puis l’ont appliquée aux sciences de la mer23,24. Le but initial de cette méthode était de contrôler le bruit de confusion exogène lors de l’estimation de la cohérence de deux signaux. Ici, pour résoudre le problème d’autocorrélation dans les données d’hyperscan fNIRS, la méthode pWTC a été étendue pour calculer l’INS décalé dans le temps sur le signal fNIRS. Précisément, un INS retardé dans le temps (et un flux d’informations directionnel) du participant A au participant B peut être calculé à l’aide de l’équation ci-dessous (équation 1)23.
<img alt="Equation 1" src="/files/ftp_upload/62927/62927eq01.jpg">
Ici, on suppose qu’il y a deux signaux, A et B, des participants A et B, respectivement. L’occurrence du signal B précède toujours celle du signal A avec un décalage temporel de n, où WTC (At, Bt+n) est le WTC traditionnel décalé dans le temps. WTC (At, At+n) est le WTC autocorrélé chez le participant A. WTC (At, Bt) est le WTC aligné dans le temps au point de temps t entre le participant A et B. * est l’opérateur conjugué complexe (Figure 1A).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62927/62927fig01.jpg"> Figure 1 : Vue d’ensemble de pWTC. (A) La logique du pWTC. Il y a deux signaux A et B, dans une dyade. L’occurrence de A suit toujours celle de B avec un décalage n. Une boîte grise est une fenêtre d’ondelettes à un certain point de temps t ou t + n. Sur la base de l’équation pWTC (représentée sur la figure), trois WTC doivent être calculés: le WTC décalé dans le temps de At + n et Bt; le WTC autocorrélé chez le participant A de At et At+n; et le WTC aligné dans le temps aux points de temps t, At et Bt. (B) Disposition des ensembles de sondes optode. CH11 a été placé au T3, et LE CH25 a été placé au T4 selon le système international 10-2027,28. <a href="https://www.jove.com/files/ftp_upload/62927/62927fig01large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
Ce protocole a d’abord introduit une expérience de simulation pour démontrer dans quelle mesure le pWTC résout le défi de l’autocorrélation. Ensuite, il a expliqué comment mener le pWTC de manière étape par étape basée sur une expérience empirique d’interactions sociales naturalistes. Ici, un contexte de communication a été utilisé pour introduire la méthode. En effet, auparavant, l’INS décalé dans le temps était généralement calculé dans un contexte de communication naturaliste 3,4,6,8,13,15,18. De plus, une comparaison entre le pWTC et le WTC traditionnel et une validation avec le test de causalité de Granger (GC) ont également été effectuées.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>fNIRS topography system</td>
			<td>Shimadzu Corporation</td>
			<td>Shimadzu LABNIRS systen</td>
			<td>LABNIRS system contains 40 emitters and 40 detectors for fNIRS signals measurement. In this protocol we used these emitters and detectors created two customized 26-channels probe sets and attached to two caps accroding to 10-20 system. Further, LABNIRS system also contains built-in GUI softwares for data quality check, data convert and data export.</td>
		</tr>
		<tr>
			<td>MATLAB</td>
			<td>The MathWorks, Inc.</td>
			<td>MATLAB 2019a</td>
			<td>In this protocol, several toolboxs and functions bulit in MATLAB were used: 
			SPM12 toolbox was used to normalize the valided MRI data through its GUI. 
			NIRS_SPM toolbox was used to project the MNI coordinates of the probes to the AAL template through its GUI. 
			Homer3 toolbox was used to remove motion artifacts through its function hmrMotionCorrectWavelet with default parameters. 
			Wavelet toolbox was used to compute WTC and pWTC through its function wcoherence.</td>
		</tr>
		<tr>
			<td>MRI scanner</td>
			<td>Siemens Healthineers</td>
			<td>TRIO 3-Tesla scanner</td>
			<td>In this protocol, the MRI scanner was used to obtain MNI coordinates of each channel and optpde. Scan parameters are described in main text.</td>
		</tr>
		<tr>
			<td>customized caps</td>
			<td></td>
			<td></td>
			<td>In this protocol, we first marked two nylon caps with 10-20 system. Then, we made two 26-channels customized optode probes sets. Finally, we attached probes sets to caps aligned with landmarks.</td>
		</tr>
	</tbody>
</table>

measurement of the directional information flow in fnirs-hyperscanning data using the partial wavelet transform coherence method

L’interaction sociale est d’une importance vitale pour les êtres humains. Alors que l’approche de l’hyperscan a été largement utilisée pour étudier la synchronisation neuronale interpersonnelle (INS) au cours des interactions sociales, la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS) est l’une des techniques les plus populaires pour hyperscanner les interactions sociales naturalistes en raison de sa résolution spatiale relativement élevée, de sa localisation anatomique sonore et de sa tolérance exceptionnellement élevée aux artefacts de mouvement. Les études précédentes d’hyperscan basées sur fNIRS calculent généralement un INS décalé dans le temps en utilisant la cohérence de transformation d’ondelettes (WTC) pour décrire la direction et le modèle temporel du flux d’informations entre les individus. Cependant, les résultats de cette méthode pourraient être confondus par l’effet d’autocorrélation du signal fNIRS de chaque individu. Pour résoudre ce problème, une méthode appelée cohérence de transformation partielle des ondelettes (pWTC) a été introduite, qui visait à éliminer l’effet d’autocorrélation et à maintenir la haute résolution du spectre temporel du signal fNIRS. Dans cette étude, une expérience de simulation a d’abord été réalisée pour montrer l’efficacité du pWTC dans l’élimination de l’impact de l’autocorrélation sur l’INS. Ensuite, des conseils étape par étape ont été offerts sur le fonctionnement du pWTC basé sur l’ensemble de données fNIRS d’une expérience d’interaction sociale. De plus, une comparaison entre la méthode pWTC et la méthode WTC traditionnelle et celle entre la méthode pWTC et la méthode de causalité de Granger (GC) a été établie. Les résultats ont montré que le pWTC pouvait être utilisé pour déterminer la différence INS entre différentes conditions expérimentales et le modèle directionnel et temporel de l’INS entre les individus au cours des interactions sociales naturalistes. De plus, il offre une meilleure résolution temporelle et de fréquence que le WTC traditionnel et une meilleure flexibilité que la méthode GC. Ainsi, pWTC est un candidat solide pour déduire la direction et le modèle temporel du flux d’informations entre les individus au cours des interactions sociales naturalistes.

Résultats de la simulation Les résultats ont montré que leWTC INS avec autocorrélation retardé dans le temps était significativement plus élevé que leWTC INS retardé dans le temps sans autocorrélation (t(1998) = 4,696, p < 0,001) et l’INSpWTC décalé dans le temps (t(1998) = 5,098, p < 0,001). De plus, il n’y avait pas de différence significative entre l’INSWTC sans autocorrélation décalé dans le temps et l’I...

Watch this Scientific Journal Video about Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method at JoVE.com

Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method

Ce protocole décrit la cohérence partielle de la transformation des ondelettes (pWTC) pour calculer le modèle décalé dans le temps de la synchronisation neuronale interpersonnelle (INS) afin de déduire la direction et le modèle temporel du flux d’informations au cours de l’interaction sociale. L’efficacité du pWTC dans l’élimination des confusions de l’autocorrélation du signal sur l’INS a été prouvée par deux expériences.

Mesure du flux d’informations directionnelles dans les données d’hyperscan fNIRS à l’aide de la méthode de cohérence de transformation partielle des ondelettes

Social interaction is of vital importance for human beings. While the hyperscanning approach has been extensively used to study interpersonal neural ...

L’hyperscan est une méthode prometteuse pour décrire la relation entre les individus et qui, dans cette étude, trouve une synchronisation neuronale entre les individus. Et la question la plus importante est d’identifier qui se synchronise avec qui. Et la méthode que nous proposons ici est d’identifier la direction du flux d’informations entre les individus.Par rapport à d’autres méthodes, l’avantage le plus significatif de cette méthode est d’éliminer les différents facteurs de confusion de la synchronisation neuronale. Par exemple, l’autocorrélation dans chaque signal. Et pendant ce temps, nous pouvons maintenir la haute résolution anatomique spatiale de chaque signal.Démarrez le prétraitement des données en exportant les fichiers de données des modifications de concentration d’hémoglobine de l’équipement et en transmettant les fichiers au format lisible MATLAB. Ensuite, supprimez les 15 première et dernière secondes des données pour chaque session afin d’éviter les réponses transitoires et utilisez la fonction intégrée DE DÉCIMER MATLAB pour sous-échantillonner les données de 55,6 hertz à 11,1 hertz. Pour corriger les artefacts de mouvement, appliquez la méthode de filtre de transformation d’ondelettes discrètes avec la fonction de filtrage appropriée.Utilisez la fonction intégrée PCA pour éliminer le bruit physiologique global. Ensuite, supprimez les 80 % supérieurs de la variance des signaux. Après avoir supprimé les deux premières secondes de données des femmes et les deux dernières secondes de données des hommes, calculez la valeur INS WTC de deux secondes de retard dirigée par les femmes avec l’équation.De même, après avoir supprimé les deux premières secondes de données des hommes et les deux dernières secondes des données des femmes, calculez la valeur INS WTC de deux secondes de retard dirigée par les hommes. Répétez la procédure avec différents décalages temporels, N, comme N égal à quatre, six ou huit secondes, sur les paires potentielles de 676 CH et calculez la force de l’INS WTC à retard de temps dirigé par les femmes et les hommes avec l’équation décrite précédemment. Calculez INS pWTC en utilisant pWTC de la même manière en utilisant l’équation.Générez la série chronologique des signaux fNIRS entre les hommes et les femmes et calculez les valeurs du WTC décalé dans le temps à différents décalages temporels. Générez des séries chronologiques autocorrélées de signaux fNIRS pour hommes en supprimant les deux premières secondes et les deux dernières secondes des données des hommes. Ensuite, calculez la valeur autocorlée de deux secondes pour les hommes.Ensuite, évaluez les valeurs WTC autocorlées à différents décalages temporels. De la même manière, créez une série chronologique alignée dans le temps des signaux fNIRS en supprimant les deux premières secondes de données des hommes et des femmes. Ensuite, calculez le WTC aligné sur le temps de deux secondes.Ensuite, évaluez les valeurs WTC alignées dans le temps à différents décalages temporels. Entrez les valeurs WTC alignées dans le temps, WTC décalées dans le temps et WTC autocorrelatedes à différents décalages temporels dans les équations de pWTC, générant INS pWTC. Dans le traitement des données fNIRS de deuxième niveau, supprimez le bruit physiologique et les bandes de fréquences de chaque signal supérieur à 0,7 hertz.Ensuite, retirez les bandes de fréquences de chaque signal en dessous de 0,01 hertz et entre 0,15 et 0,3 hertz pour filtrer les fluctuations de très basse fréquence. Transformez INS avec la transformation Z de Fisher, puis faites la moyenne d’INS à la dimension temporelle. Pour l’INS moyenné à chaque décalage temporel, effectuez un test t apparié de deux échantillons sur chaque paire CH dans la gamme de fréquences.Ensuite, identifiez tous les groupes de fréquences significatifs. Réaffecter les relations dyadiques en assignant au hasard les participants à de nouvelles paires de deux membres, comme les participants d’un diad qui n’avait jamais communiqué entre eux. Effectuez un test de permutation en grappe pour établir un seuil pour les résultats.Recalculez l’INS à chaque décalage temporel. Effectuez des tests t appariés dans le nouvel échantillon et identifiez les grappes de fréquences significatives. Ensuite, sélectionnez le cluster avec la plus grande valeur T additionnée avant de répéter les procédures 1 000 fois pour générer une distribution nulle des valeurs T maximales de faux positifs.Comparez la valeur T additionnée de chaque groupe de fréquences identifié dans l’échantillon d’origine avec la distribution nulle pour obtenir des résultats statistiques significatifs. Une analyse de simulation a été effectuée dans le cadre de l’étude. L’analyse représentative montre que le WTC INS avec autocorrélation retardé dans le temps était significativement plus élevé que le WTC INS décalé dans le temps sans autocorrélation et le pWTC INS décalé dans le temps.De plus, il n’y avait pas de différence significative entre l’INS WTC sans autocorrélation retardé et l’INS pWTC, ce qui indique l’efficacité du pWTC pour éliminer l’impact de l’effet d’autocorrélation sur l’INS. Un effet contextuel marginal significatif a été observé entre 0,4 et 0,6 hertz, qui des hommes a pris un retard de quatre secondes sur celui des femmes. En revanche, pour INS pWTC, seul un effet contextuel significatif dans les 0,4 à 0,6 hertz lorsque le capteur et l’activité du cortex moteur des hommes ont été retardés de quatre secondes par rapport à ceux des femmes.L’INS directionnelle des femmes aux hommes était significativement plus élevée dans les contextes de conflit que dans les contextes favorables. Les résultats de l’INS pWTC ont été validés avec la méthode de causalité de Granger. Les résultats ont montré que l’INS GC présentait un schéma similaire à celui de l’INS pWTC.L’INS directionnel calculé par l’analyse de causalité de Granger des femmes aux hommes était significativement plus élevé dans les contextes de conflit que dans les contextes favorables. Après avoir calculé la synchronisation neuronale à l’aide de cette méthode, il est également possible d’effectuer de nombreuses autres méthodes. Par exemple, nous pouvons comparer ce flux d’informations directionnelles entre différents contextes de connexion sociale et le lien social dans différentes relations sociales.Et aussi, il est possible de comprendre la contribution de différents comportements de communication à la synchronisation neuronale. Par exemple, qu’il s’agisse de communication verbale ou non verbale, cela joue un rôle plus important dans la synchronisation neuronale.

Research

JoVE Journal

Neuroscience

Using Informational Connectivity to Measure the Synchronous Emergence of fMRI Multi-voxel Information Across Time

Utilisation informationnel connectivité mesurer l&#39;émergence synchrone de l&#39;IRMf Multi-voxel information à travers les âges

It is now appreciated that condition-relevant information can be present within distributed patterns of functional magnetic resonance imaging (fMRI) brain ...

Recherche

Neurosciences

Simultaneous Evaluation of Cerebral Hemodynamics and Light Scattering Properties of the In Vivo Rat Brain Using Multispectral Diffuse Reflectance Imaging

Simultaneous Evaluation of Cerebral Hemodynamics and Light Scattering Properties of the In Vivo Rat Brain Using Multispectral Diffuse Reflectance Imaging

L&#39;évaluation simultanée de l&#39;hémodynamique cérébrale et Light Scattering Propriétés du<em&gt; In Vivo</em&gt; Cerveau de rat en utilisant multispectral Imaging Diffuse Réflectance

The simultaneous evaluation of cerebral hemodynamics and the light scattering properties of in vivo rat brain tissue is demonstrated using a conventional ...

Quadruple Immunostaining of the Olfactory Bulb for Visualization of Olfactory Sensory Axon Molecular Identity Codes

Immunomarquage quadruple de l&#39;ampoule olfactive pour la visualisation des codes d&#39;identité moléculaire des axes sensoriels olfactifs

The mouse olfactory system is often used to study mechanisms of neural circuit formation&#12288;because of its simple anatomical structure. An Olfactory ...

Ocular Kinematics Measured by In Vitro Stimulation of the Cranial Nerves in the Turtle

Ocular Kinematics Measured by In Vitro Stimulation of the Cranial Nerves in the Turtle

Cinématique oculaire mesurée In Vitro la stimulation des nerfs crâniens de la tortue

After animals are euthanized, their tissues begin to die. Turtles offer an advantage because of a longer survival time of their tissues, especially when ...

Simultaneous Recordings of Cortical Local Field Potentials, Electrocardiogram, Electromyogram, and Breathing Rhythm from a Freely Moving Rat

Enregistrements simultanés des potentiels corticaux champ Local, électrocardiogramme, électromyogramme et respiration rythmique d’un Rat librement mobile

Monitoring the physiological dynamics of the brain and peripheral tissues is necessary for addressing a number of questions about how the brain controls ...

A Volumetric Method for Quantification of Cerebral Vasospasm in a Murine Model of Subarachnoid Hemorrhage

Une méthode volumétrique pour la Quantification du vasospasme cérébral dans un modèle murin d’hémorragie sous-arachnoïdienne

Subarachnoid hemorrhage (SAH) is a subtype of hemorrhagic stroke. Cerebral vasospasm that occurs in the aftermath of the bleeding is an important factor ...

Retinal Vascular Reactivity as Assessed by Optical Coherence Tomography Angiography

Réactivité vasculaire rétinienne évaluée par l’angiographie de la tomographie de la cohérence optique

The vascular supply to the retina has been shown to dynamically adapt through vasoconstriction and vasodilation to accommodate the metabolic demands of ...

Reliable Acquisition of Electroencephalography Data during Simultaneous Electroencephalography and Functional MRI

Acquisition fiable de données d’électroencéphalographie au cours de l’électroencéphalographie simultanée et de l’IRM fonctionnelle

Simultaneous electroencephalography (EEG) and functional magnetic resonance imaging (fMRI), EEG-fMRI, combines the complementary properties of scalp EEG ...

Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study

La synchronisation inter-cerveaux dans l’apprentissage collaboratif ouvert : une étude fNIRS-Hyperscanning

fNIRS hyperscanning is widely used to detect the neurobiological underpinnings of social interaction. With this technique, researchers qualify the ...

How to Calculate and Validate Inter-brain Synchronization in a fNIRS Hyperscanning Study

Comment calculer et valider la synchronisation inter-cerveau dans une étude d’hyperscanning fNIRS

The dynamics between coupled brains of individuals have been increasingly represented by inter-brain synchronization (IBS) when they coordinate with each ...