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

Diese Arbeit wurde von der National Natural Science Foundation of China (61977008) und dem Young Top Notch Talents of Ten Thousand Talent Program unterstützt.

Das Humanexperimentprotokoll wurde vom Institutional Review Board und der Ethikkommission des State Key Laboratory of Cognitive Neuroscience and Learning an der Beijing Normal University genehmigt. Alle Teilnehmer gaben vor Beginn des Experiments eine schriftliche Einwilligung.
1. Das Simulationsexperiment
<ol><li>Erzeugen Sie zwei Zeitreihen von Signalen, die miteinander korrelieren, wobei ein Signal mit einer Zeitverzögerung von 4 s Autokorrelation aufweist. Setzen Sie den Korrelationskoe...

In Hyperscanning-Studien ist es in der Regel wichtig, die direktionalen und zeitlichen Muster des Informationsflusses zwischen Individuen zu beschreiben. Die meisten früheren fNIRS-Hyperscanning-Studien haben traditionelles WTC25 verwendet, um diese Eigenschaften durch Berechnung des zeitverzögerten INS abzuleiten. Da jedoch eines der intrinsischen Merkmale des fNIRS-Signals20,21 ist, kann der Autokorrelationseffekt das zeitverzögerte I...

Soziale Interaktion ist für den Menschen von entscheidender Bedeutung 1,2. Um den neurokognitiven Dual-Brain-Mechanismus der sozialen Interaktion zu verstehen, wurde der Hyperscanning-Ansatz in letzter Zeit ausgiebig verwendet, um zu zeigen, dass die Muster der zwischenmenschlichen neuronalen Synchronisation (INS) den sozialen Interaktionsprozess gut charakterisierenkönnen 3,4,5,6,7,8,9,10,11,12 ,13,14 Unter neueren Studien ist ein interessantes Ergebnis, dass der Rollenunterschied von Individuen in einer Dyade zu einem zeitverzögerten Muster von INS führen kann, d.h. INS tritt auf, wenn die Gehirnaktivität eines Individuums um Sekunden hinter der eines anderen Individuums zurückbleibt, wie z.B. die von Zuhörern zu Sprechern5,9, von Führern zu Anhängern 4, Von Lehrern zu Schülern8, von Müttern zu Kindern13,15 und von Frauen zu Männern in einem romantischen Paar6. Am wichtigsten ist, dass es eine gute Übereinstimmung zwischen dem Intervall des zeitverzögerten INS und dem des sozialen Interaktionsverhaltens gibt, z. B. zwischen Lehrern, die Fragen stellen, und Schülern, die8 antworten, oder zwischen dem Erziehungsverhalten von Müttern und dem Compliance-Verhalten von Kindern15. Daher können zeitverzögerte INS einen direktionalen Informationsfluss von einer Person zur anderen widerspiegeln, wie es in einem neueren hierarchischen Modell für zwischenmenschliche verbale Kommunikationvorgeschlagen wird 16.
Zuvor wurde das zeitverzögerte INS hauptsächlich auf dem funktionellen Nahinfrarot-Spektroskopie-Signal (fNIRS) berechnet, da es bei der Untersuchung naturalistischer sozialer Interaktionen relativ hohe räumliche Auflösung, anatomische Lokalisation des Schalls und außergewöhnlich hohe Toleranz von Bewegungsartefakten 17 aufweist. Um die Korrespondenz zwischen der neuronalen Zeitverzögerung und der Verhaltenszeitverzögerung während der sozialen Interaktion genau zu charakterisieren, ist es außerdem wichtig, die INS-Stärke für jede Zeitverzögerung zu erhalten (z. B. von keiner Zeitverzögerung zu einer Zeitverzögerung von 10 s). Zu diesem Zweck wurde zuvor das WTC-Verfahren (Wavelet Transform Coherence) umfassend angewendet, nachdem das Gehirnsignal eines Individuums nach vorne oder hinten relativ zu dem eines anderen Individuums 5,6,18 verschoben wurde. Bei der Verwendung dieses traditionellen WTC-Verfahrens für fNIRS-Signale besteht eine potenzielle Herausforderung, da das beobachtete zeitverzögerte INS durch den Autokorrelationseffekt des fNIRS-Signals für ein Individuum 19,20,21 verwirrt werden kann. Zum Beispiel kann während eines dyadischen sozialen Interaktionsprozesses das Signal von Teilnehmer A zum Zeitpunkt t mit dem von Teilnehmer B zum gleichen Zeitpunkt synchronisiert werden. In der Zwischenzeit kann das Signal von Teilnehmer A zum Zeitpunkt t aufgrund des Autokorrelationseffekts mit dem von Teilnehmer A zu einem späteren Zeitpunkt t+1 synchronisiert werden. Daher kann ein unechtes zeitverzögertes INS zwischen dem Signal von Teilnehmer A zum Zeitpunkt t und dem von Teilnehmer B zum Zeitpunkt t+1 auftreten.
Mihanović und seine Kollegen 22 führten zunächst eine Methode ein, die als partielle Wavelet-Transformationskohärenz (pWTC) bezeichnet wird, undwandten sie dann in der Meereswissenschaftan 23,24. Der ursprüngliche Zweck dieser Methode bestand darin, das exogene Störrauschen bei der Abschätzung der Kohärenz zweier Signale zu kontrollieren. Um das Autokorrelationsproblem in den fNIRS-Hyperscanning-Daten zu beheben, wurde die pWTC-Methode erweitert, um zeitverzögerte INS auf dem fNIRS-Signal zu berechnen. Genau genommen kann ein zeitverzögertes INS (und ein direktionaler Informationsfluss) von Teilnehmer A zu Teilnehmer B mit der folgenden Gleichung (Gleichung 1)23 berechnet werden.
<img alt="Equation 1" src="/files/ftp_upload/62927/62927eq01.jpg">
Hier wird angenommen, dass es zwei Signale, A und B, von den Teilnehmern A bzw. B gibt. Das Auftreten von Signal B geht immer dem von Signal A mit einer Zeitverzögerung von n voraus, wobei WTC (At, B t + n) das traditionelle zeitverzögerte WTC ist. WTC (A t, At+n) ist das autokorrelierte WTC in Teilnehmer A. WTC (A t, B t) ist das zeitlich ausgerichtete WTC zum Zeitpunkt t zwischen Teilnehmer A und B. * ist der komplexe konjugierte Operator (Abbildung 1A).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62927/62927fig01.jpg"> Abbildung 1: Übersicht über pWTC. (A) Die Logik des pWTC. Es gibt zwei Signale A und B innerhalb einer Dyade. Das Vorkommen von A folgt immer dem von B mit einer Verzögerung n. Eine graue Box ist ein Wavelet-Fenster zu einem bestimmten Zeitpunkt t oder t + n. Basierend auf der pWTC-Gleichung (dargestellt in der Abbildung) müssen drei WTCs berechnet werden: der zeitversetzte WTC von At+n und Bt; das autokorrelierte WTC in Teilnehmer A von At und At+n; und das zeitlich ausgerichtete WTC zum Zeitpunkt t, A t und Bt. (B) Das Layout von Optodensondensätzen. CH11 wurde auf T3 und CH25 auf T4 nach dem internationalen 10-20-System27,28 platziert. <a href="https://www.jove.com/files/ftp_upload/62927/62927fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.</a>
Dieses Protokoll führte zunächst ein Simulationsexperiment ein, um zu demonstrieren, wie gut das pWTC die Autokorrelationsherausforderung löst. Dann wurde erklärt, wie man pWTC Schritt für Schritt durchführt, basierend auf einem empirischen Experiment naturalistischer sozialer Interaktionen. Hier wurde ein Kommunikationskontext verwendet, um die Methode einzuführen. Dies liegt daran, dass zuvor das zeitverzögerte INS normalerweise in einem naturalistischen Kommunikationskontext 3,4,6,8,13,15,18 berechnet wurde. Zusätzlich wurden ein Vergleich zwischen dem pWTC und dem traditionellen WTC sowie eine Validierung mit dem Granger-Kausalitätstest (GC) durchgeführt.

<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

Soziale Interaktion ist für den Menschen von entscheidender Bedeutung. Während der Hyperscanning-Ansatz umfassend zur Untersuchung der zwischenmenschlichen neuronalen Synchronisation (INS) während sozialer Interaktionen eingesetzt wurde, ist die funktionelle Nahinfrarotspektroskopie (fNIRS) aufgrund ihrer relativ hohen räumlichen Auflösung, der anatomischen Lokalisation des Schalls und der außergewöhnlich hohen Toleranz von Bewegungsartefakten eine der beliebtesten Techniken für das Hyperscanning naturalistischer sozialer Interaktionen. Frühere fNIRS-basierte Hyperscanning-Studien berechnen in der Regel ein zeitverzögertes INS unter Verwendung der Wavelet-Transformationskohärenz (WTC), um die Richtung und das zeitliche Muster des Informationsflusses zwischen Individuen zu beschreiben. Die Ergebnisse dieser Methode könnten jedoch durch den Autokorrelationseffekt des fNIRS-Signals jedes Individuums verwirrt werden. Um dieses Problem anzugehen, wurde eine Methode namens partielle Wavelet-Transformationskohärenz (pWTC) eingeführt, die darauf abzielte, den Autokorrelationseffekt zu entfernen und die hohe zeitliche Spektrumauflösung des fNIRS-Signals aufrechtzuerhalten. In dieser Studie wurde zunächst ein Simulationsexperiment durchgeführt, um die Wirksamkeit des pWTC bei der Beseitigung der Auswirkungen der Autokorrelation auf INS zu zeigen. Dann wurde eine Schritt-für-Schritt-Anleitung zum Betrieb des pWTC basierend auf dem fNIRS-Datensatz aus einem sozialen Interaktionsexperiment angeboten. Zusätzlich wurde ein Vergleich zwischen der pWTC-Methode und der traditionellen WTC-Methode sowie der pWTC-Methode und der Granger-Kausalitätsmethode (GC) gezogen. Die Ergebnisse zeigten, dass pWTC verwendet werden konnte, um die INS-Differenz zwischen verschiedenen experimentellen Bedingungen und das gerichtete und zeitliche Muster von INS zwischen Individuen während naturalistischer sozialer Interaktionen zu bestimmen. Darüber hinaus bietet es eine bessere zeitliche und Frequenzauflösung als das traditionelle WTC und eine bessere Flexibilität als die GC-Methode. Somit ist pWTC ein starker Kandidat für die Ableitung der Richtung und des zeitlichen Musters des Informationsflusses zwischen Individuen während naturalistischer sozialer Interaktionen.

Simulationsergebnisse Die Ergebnisse zeigten, dass der zeitverzögerte INS WTC mit Autokorrelation signifikant höher war als der zeitverzögerte INSWTC ohne Autokorrelation (t(1998) = 4,696, p < 0,001) und der zeitverzögerten INSpWTC (t(1998) = 5,098, p < 0,001). Darüber hinaus gab es keinen signifikanten Unterschied zwischen zeitverzögertem INSWTC ohne Autokorrelation und INSpWTC (t(1998) = 1,573, p</em...

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

Dieses Protokoll beschreibt die partielle Wavelet-Transformationskohärenz (pWTC) zur Berechnung des zeitverzögerten Musters der zwischenmenschlichen neuronalen Synchronisation (INS), um die Richtung und das zeitliche Muster des Informationsflusses während der sozialen Interaktion abzuleiten. Die Wirksamkeit von pWTC bei der Entfernung der Störfaktoren der Signalautokorrelation auf INS wurde durch zwei Experimente bewiesen.

Messung des direktionalen Informationsflusses in fNIRS-Hyperscanning-Daten mit der Partial-Wavelet-Transformationskohärenzmethode

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

Hyperscanning ist eine vielversprechende Methode, um die Beziehung zwischen Individuen zu beschreiben und in dieser Studie findet neuronale Synchronisation zwischen Individuen. Und die wichtigste Frage ist, herauszufinden, wer sich mit wem synchronisiert. Und die Methode, die wir hier vorschlagen, besteht darin, die Richtung des Informationsflusses zwischen Individuen zu identifizieren.Im Vergleich zu anderen Methoden besteht der wichtigste Vorteil dieser Methode darin, die verschiedenen Störfaktoren aus der neuronalen Synchronisation zu entfernen. Zum Beispiel die Autokorrelation in jedem Signal. Und in der Zwischenzeit können wir die hohe räumliche anatomische Auflösung jedes Signals aufrechterhalten.Starten Sie die Datenvorverarbeitung, indem Sie die Hämoglobinkonzentrationsänderungsdatendateien aus dem Gerät exportieren und die Dateien in das MATLAB-lesbare Format übertragen. Entfernen Sie dann die erste und die letzten 15 Sekunden der Daten für jede Sitzung, um Transientenreaktionen zu vermeiden, und verwenden Sie die integrierte MATLAB-Dezimatfunktion, um die Daten von 55,6 Hertz auf 11,1 Hertz herunterzustapfen. Um Bewegungsartefakte zu korrigieren, wenden Sie die diskrete Wavelet-Transformationsfiltermethode mit der entsprechenden Filterfunktion an.Verwenden Sie die integrierte PCA-Funktion, um globales physiologisches Rauschen zu entfernen. Entfernen Sie dann die oberen 80% der Varianz aus den Signalen. Nachdem Sie die ersten zwei Sekunden der Daten von Frauen und die letzten zwei Sekunden der Daten von Männern entfernt haben, berechnen Sie den von Frauen geführten INS WTC-Wert mit zwei Sekunden Verzögerung mit der Gleichung.Berechnen Sie nach dem Entfernen der ersten zwei Sekunden der Daten von Männern und der letzten zwei Sekunden der Daten von Frauen den von Männern geführten INS WTC-Wert mit zwei Sekunden Rückstand. Wiederholen Sie den Vorgang mit unterschiedlichen Zeitverzögerungen, N, wie N entspricht vier oder sechs oder acht Sekunden, über die potenziellen 676 CH-Paare und berechnen Sie die Stärke von Frauen und Männern geführten zeitverzögerten INS WTC mit der Gleichung wie zuvor beschrieben. Berechnen Sie INS pWTC mit pWTC auf die gleiche Weise mit der Gleichung.Generieren Sie die zeitverzögerte Zeitreihe der fNIRS-Signale zwischen Männern und Frauen und berechnen Sie die Werte des zeitverzögerten WTC bei unterschiedlichen Zeitverzögerungen. Generieren Sie automatisch korrelierte Zeitreihen von fNIRS-Signalen von Männern, indem Sie die ersten zwei Sekunden und die letzten zwei Sekunden der Daten von den Männern entfernen. Berechnen Sie dann den autokorrelierten Wert von zwei Sekunden für Männer.Bewerten Sie dann die automatisch korrelierten WTC-Werte zu unterschiedlichen Zeitpunkten. Erstellen Sie auf die gleiche Weise eine zeitlich ausgerichtete Zeitreihe der fNIRS-Signale, indem Sie die ersten zwei Sekunden der Daten von den Männern und Frauen entfernen. Berechnen Sie dann den zwei Sekunden zeitlich ausgerichteten WTC.Bewerten Sie dann die zeitlich ausgerichteten WTC-Werte zu unterschiedlichen Zeitpunkten. Geben Sie die zeitlich ausgerichteten WTC-, zeitverzögerten WTC- und autokorrelierten WTC-Werte mit unterschiedlicher Zeitverzögerung in die Gleichungen von pWTC ein und generieren Sie INS pWTC. Entfernen Sie bei der fNIRS-Datenverarbeitung der zweiten Ebene physiologisches Rauschen und Frequenzbänder jedes Signals über 0,7 Hertz.Entfernen Sie dann die Frequenzbänder jedes Signals unter 0,01 Hertz und innerhalb von 0,15 bis 0,3 Hertz, um sehr geringe Frequenzschwankungen herauszufiltern. Transformieren Sie INS mit Fisher Z-Transformation und dann den Mittelwert von INS in der zeitlichen Dimension. Führen Sie für das gemittelte INS bei jeder Zeitverzögerung einen gepaarten t-Test mit zwei Stichproben an jedem CH-Paar über den Frequenzbereich durch.Identifizieren Sie dann alle signifikanten Frequenzcluster. Weisen Sie dyadische Beziehungen neu zu, indem Sie die Teilnehmer nach dem Zufallsprinzip neuen Paaren mit zwei Mitgliedern zuweisen, wie den Teilnehmern eines Diads, die noch nie miteinander kommuniziert hatten. Führen Sie einen clusterbasierten Permutationstest durch, um einen Schwellenwert für die Ergebnisse festzulegen.Berechnen Sie das INS in jeder Zeitverzögerung neu. Führen Sie gepaarte t-Tests in der neuen Probe durch und identifizieren Sie signifikante Frequenzcluster. Wählen Sie dann den Cluster mit dem größten summierten T-Wert aus, bevor Sie die Prozeduren 1.000 Mal wiederholen, um eine Nullverteilung der maximalen falsch positiven T-Werte zu generieren.Vergleichen Sie den summierten T-Wert jedes identifizierten Frequenzclusters in der ursprünglichen Stichprobe mit der Nullverteilung, um signifikante statistische Ergebnisse zu erhalten. In der Studie wurde eine Simulationsanalyse durchgeführt. Die repräsentative Analyse zeigt, dass der zeitverzögerte INS WTC mit Autokorrelation signifikant höher war als der zeitverzögerte INS WTC ohne Autokorrelation und der zeitverzögerte INS pWTC.Darüber hinaus gab es keinen signifikanten Unterschied zwischen dem zeitverzögerten INS WTC ohne Autokorrelation und INS pWTC, was auf die Effizienz von pWTC bei der Entfernung der Auswirkungen des Autokorrelationseffekts auf INS hinweist. Ein marginal signifikanter Kontexteffekt wurde innerhalb von 0,4 bis 0,6 Hertz beobachtet, wobei der von Männern um vier Sekunden hinter dem der Frauen zurückblieb. Im Gegensatz dazu wurde für INS pWTC nur ein signifikanter Kontexteffekt innerhalb von 0,4 bis 0,6 Hertz beobachtet, wenn die Sensor- und motorische Kortexaktivität von Männern um vier Sekunden hinter der von Frauen zurückblieb.Das direktionale INS von Frauen zu Männern war in den Konfliktkontexten signifikant höher als in den unterstützenden Kontexten. Die Ergebnisse von INS pWTC wurden mit der Granger-Kausalitätsmethode validiert. Die Ergebnisse zeigten, dass INS GC ein ähnliches Muster wie INS pWTC aufwies.Das durch die Granger-Kausalitätsanalyse berechnete direktionale INS von Frauen zu Männern war in den Konfliktkontexten signifikant höher als in den unterstützenden Kontexten. Nach der Berechnung der neuronalen Synchronisation mit dieser Methode ist es auch möglich, viele andere Methoden durchzuführen. Zum Beispiel können wir diesen direktionalen Informationsfluss zwischen verschiedenen sozialen Verbindungskontexten und der sozialen Verbindung in verschiedenen sozialen Beziehungen vergleichen.Und es ist auch möglich, den Beitrag verschiedener Kommunikationsverhaltensweisen zur neuronalen Synchronisation zu verstehen. Zum Beispiel, ob es verbale Kommunikation oder nonverbale Kommunikation ist, spielt eine wichtigere Rolle in der neuronalen Synchronisation.

Research

JoVE Journal

Neuroscience

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

Mit Informations Konnektivität, um das synchrone Entstehung von fMRI Multi-Voxel-Informationen Auf Zeit messen

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

Forschung

Neurowissenschaften

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

Die gleichzeitige Auswertung der zerebralen Hämodynamik und Lichtstreuungseigenschaften der<em&gt; In Vivo</em&gt; Rattenhirn Mit Multispektral Diffuse Reflectance Imaging

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

Quadruple Immunfärbung der olfaktorischen Glühbirne zur Visualisierung von olfaktorischen sensorischen Axon Molecular Identity Codes

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

Okuläre Kinematik gemessen durch In-vitro- Stimulation der Hirnnerven in die Schildkröte

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

Gleichzeitige Aufnahmen der kortikalen lokales Feld Potentiale, Elektrokardiogramm, Elektromyogramm und Atemrhythmus aus einem frei beweglichen Ratte

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

Eine Volumetrische Methode zur Quantifizierung der zerebralen Vasospasmus in einem Mausmodell der Subarachnoidalblutung

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

Retinale Vaskuläre Reaktivität nach der optischen Kohärenztomographie Angiographie

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

Zuverlässige Erfassung von Elektroenzephalographiedaten während der simultanen Elektroenzephalographie und funktionellen MRT

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

Inter-Brain Synchrony im offenen kollaborativen Lernen: Eine fNIRS-Hyperscanning-Studie

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

So berechnen und validieren Sie die Synchronisation zwischen Gehirnen in einer fNIRS-Hyperscanning-Studie

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