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

Questo lavoro è stato sostenuto dalla National Natural Science Foundation of China (61977008) e dal Young Top Notch Talents of Ten Thousand Talent Program.

Il protocollo di esperimento umano è stato approvato dall'Institutional Review Board e dal Comitato Etico dello State Key Laboratory of Cognitive Neuroscience and Learning presso l'Università Normale di Pechino. Tutti i partecipanti hanno dato il consenso informato scritto prima dell'inizio dell'esperimento.
1. L'esperimento di simulazione
<ol><li>Genera due serie temporali di segnali correlati tra loro, con un segnale che ha autocorrelazione a un ritardo di 4 s. Impostare il coefficiente ...

Negli studi di iperscansione, di solito è essenziale descrivere i modelli direzionali e temporali del flusso di informazioni tra gli individui. La maggior parte dei precedenti studi di iperscansione fNIRS hanno utilizzato il tradizionale WTC25 per dedurre queste caratteristiche calcolando l'INS time-lag. Tuttavia, come una delle caratteristiche intrinseche del segnale fNIRS20,21, l'effetto di autocorrelazione potrebbe confondere l'INS tim...

L'interazione sociale è di vitale importanza per gli esseri umani 1,2. Per comprendere il meccanismo neurocognitivo dual-cerebrale dell'interazione sociale, l'approccio di iperscansione è stato recentemente ampiamente utilizzato, dimostrando che i modelli di sincronizzazione neurale interpersonale (INS) possono ben caratterizzare il processo di interazione sociale 3,4,5,6,7,8,9,10,11,12 ,13,14. Tra gli studi recenti, una scoperta interessante è che la differenza di ruolo degli individui in una diade può portare a un modello ritardato di INS, cioè INS si verifica quando l'attività cerebrale di un individuo è in ritardo rispetto a quella di un altro individuo di secondi, come quella dagli ascoltatori agli oratori 5,9, dai leader ai seguaci4, dagli insegnanti agli studenti8, dalle madri ai bambini13,15, e dalle donne agli uomini in una coppia romantica6. Ancora più importante, c'è una buona corrispondenza tra l'intervallo dell'INS ritardato nel tempo e quello dei comportamenti di interazione sociale, come tra insegnanti che interrogano e studenti che rispondonoa 8 o tra comportamenti genitoriali delle madri e comportamenti di conformità dei bambini15. Pertanto, l'INS ritardato nel tempo può riflettere un flusso di informazioni direzionali da un individuo all'altro, come proposto in un recente modello gerarchico per la comunicazione verbale interpersonale16.
In precedenza, l'INS time-lag veniva calcolato principalmente sul segnale funzionale della spettroscopia nel vicino infrarosso (fNIRS) a causa della sua risoluzione spaziale relativamente elevata, della localizzazione anatomica del suono e della tolleranza eccezionalmente elevata degli artefatti di movimento17 quando si studiano le interazioni sociali naturalistiche. Inoltre, per caratterizzare con precisione la corrispondenza tra il time lag neurale e il time lag comportamentale durante l'interazione sociale, è essenziale ottenere la forza INS per ogni time lag (ad esempio, da nessun time lag a un time lag di 10 s). A tale scopo, in precedenza, la procedura di coerenza della trasformazione wavelet (WTC) era ampiamente applicata dopo aver spostato il segnale cerebrale di un individuo in avanti o indietro rispetto a quello di un altroindividuo 5,6,18. Quando si utilizza questa procedura WTC tradizionale per i segnali fNIRS, c'è una potenziale sfida perché l'INS time-lag osservato può essere confuso dall'effetto di autocorrelazione del segnale fNIRS per un singolo 19,20,21. Ad esempio, durante un processo di interazione sociale diadica, il segnale del partecipante A al punto temporale t può essere sincronizzato con quello del partecipante B nello stesso punto temporale. Nel frattempo, il segnale del partecipante A al punto temporale t può essere sincronizzato con quello del partecipante A in un punto temporale successivo t + 1 a causa dell'effetto di autocorrelazione. Pertanto, può verificarsi un INS spurio ritardata nel tempo tra il segnale del partecipante A al punto temporale t e quello del partecipante B al punto temporale t + 1.
Mihanović e i suoi colleghi22 hanno prima introdotto un metodo chiamato coerenza parziale della trasformata wavelet (pWTC), e poi lo hanno applicato nelle scienze marine23,24. Lo scopo originale di questo metodo era quello di controllare il rumore esogeno confondente quando si stima la coerenza di due segnali. Qui, per risolvere il problema dell'autocorrelazione nei dati di iperscansione fNIRS, il metodo pWTC è stato esteso per calcolare INS time-lag sul segnale fNIRS. Precisamente, un INS ritardato nel tempo (e un flusso di informazioni direzionali) dal partecipante A al partecipante B può essere calcolato utilizzando l'equazione seguente (Equazione 1)23.
<img alt="Equation 1" src="/files/ftp_upload/62927/62927eq01.jpg">
Qui, si presume che ci siano due segnali, A e B, dai partecipanti A e B, rispettivamente. Il verificarsi del segnale B precede sempre quello del segnale A con un time lag di n, dove wtC (At, Bt+n) è il tradizionale WTC time-lag. WTC (At, At + n) è il WTC autocorrediato nel partecipante A. WTC (At, Bt) è il WTC allineato nel tempo al punto temporale t tra il partecipante A e B. * è l'operatore coniugato complesso (Figura 1A).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62927/62927fig01.jpg"> Figura 1: Panoramica di pWTC. (A) La logica del pWTC. Ci sono due segnali A e B, all'interno di una diade. L'occorrenza di A segue sempre quella di B con un ritardo n. Una scatola grigia è una finestra wavelet in un determinato punto temporale t o t + n. Sulla base dell'equazione pWTC (rappresentata nella figura), è necessario calcolare tre WTC: il WTC ritardato nel tempo di At + n e Bt; il WTC autocorrelato nei partecipanti A di At e At+n; e il WTC allineato al tempo al timepoint t, At e Bt. B) Il layout dei set di sonde optodiche. CH11 è stato collocato a T3 e CH25 è stato posizionato a T4 seguendo il sistema internazionale 10-20 27,28. <a href="https://www.jove.com/files/ftp_upload/62927/62927fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
Questo protocollo ha introdotto per la prima volta un esperimento di simulazione per dimostrare quanto bene il pWTC risolve la sfida dell'autocorrelazione. Quindi, ha spiegato come condurre pWTC in un modo passo-passo basato su un esperimento empirico di interazioni sociali naturalistiche. Qui, un contesto di comunicazione è stato utilizzato per introdurre il metodo. Questo perché, in precedenza, l'INS time-lag veniva solitamente calcolato in un contesto di comunicazione naturalistica 3,4,6,8,13,15,18. Inoltre, è stato condotto anche un confronto tra il pWTC e il WTC tradizionale e la convalida con il test di causalità Granger (GC).

<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'interazione sociale è di vitale importanza per gli esseri umani. Mentre l'approccio di iperscansione è stato ampiamente utilizzato per studiare la sincronizzazione neurale interpersonale (INS) durante le interazioni sociali, la spettroscopia funzionale nel vicino infrarosso (fNIRS) è una delle tecniche più popolari per l'iperscansione delle interazioni sociali naturalistiche a causa della sua risoluzione spaziale relativamente elevata, della localizzazione anatomica del suono e della tolleranza eccezionalmente elevata degli artefatti di movimento. Precedenti studi di iperscansione basati su fNIRS di solito calcolano un INS ritardato nel tempo utilizzando la coerenza della trasformata wavelet (WTC) per descrivere la direzione e il modello temporale del flusso di informazioni tra gli individui. Tuttavia, i risultati di questo metodo potrebbero essere confusi dall'effetto di autocorrelazione del segnale fNIRS di ciascun individuo. Per affrontare questo problema, è stato introdotto un metodo chiamato coerenza di trasformazione wavelet parziale (pWTC), che mirava a rimuovere l'effetto di autocorrelazione e mantenere l'elevata risoluzione dello spettro temporale del segnale fNIRS. In questo studio, è stato eseguito prima un esperimento di simulazione per dimostrare l'efficacia del pWTC nel rimuovere l'impatto dell'autocorrelazione sull'INS. Quindi, è stata offerta una guida passo-passo sul funzionamento del pWTC basata sul set di dati fNIRS da un esperimento di interazione sociale. Inoltre, è stato effettuato un confronto tra il metodo pWTC e il metodo WTC tradizionale e quello tra il metodo pWTC e il metodo di causalità Granger (GC). I risultati hanno mostrato che il pWTC potrebbe essere utilizzato per determinare la differenza INS tra diverse condizioni sperimentali e il modello direzionale e temporale di INS tra gli individui durante le interazioni sociali naturalistiche. Inoltre, fornisce una migliore risoluzione temporale e di frequenza rispetto al WTC tradizionale e una migliore flessibilità rispetto al metodo GC. Pertanto, pWTC è un forte candidato per dedurre la direzione e il modello temporale del flusso di informazioni tra gli individui durante le interazioni sociali naturalistiche.

Risultati della simulazione I risultati hanno mostrato che il TIME-lag INSWTC con autocorrelazione era significativamente superiore al TIME-lag INSWTC senza autocorrelazione (t(1998) = 4.696, p < 0.001) e time-lag INSpWTC (t(1998) = 5.098, p < 0.001). Inoltre, non vi è stata alcuna differenza significativa tra INSWTC ritardato nel tempo senza autocorrelazione e INSpWTC (t (1998) = 1.573, p = 0.114, <st...

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

Questo protocollo descrive la coerenza della trasformazione wavelet parziale (pWTC) per calcolare il modello time-lag della sincronizzazione neurale interpersonale (INS) per dedurre la direzione e il modello temporale del flusso di informazioni durante l'interazione sociale. L'efficacia di pWTC nel rimuovere i confondimenti dell'autocorrelazione del segnale su INS è stata dimostrata da due esperimenti.

Misurazione del flusso di informazioni direzionali in fNIRS-Hyperscanning Data utilizzando il metodo partial Wavelet Transform Coherence

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

L'iperscansione è un metodo promettente per descrivere la relazione tra gli individui e che in questo studio trova la sincronizzazione neurale tra gli individui. E la domanda più importante è identificare chi si sta sincronizzando con chi. E il metodo che proponiamo qui è quello di identificare la direzione del flusso di informazioni tra gli individui.Rispetto ad altri metodi, il vantaggio più significativo di questo metodo è quello di rimuovere i vari fattori confondenti dalla sincronizzazione neurale. Ad esempio, l'autocorrelazione in ogni segnale. E nel frattempo, possiamo mantenere l'alta risoluzione anatomica spaziale di ogni segnale.Avviare la pre-elaborazione dei dati esportando la concentrazione di emoglobina cambia i file di dati dall'apparecchiatura e trasmettendo i file al formato leggibile MATLAB. Quindi, rimuovi il primo e gli ultimi 15 secondi dei dati per ogni sessione per evitare risposte transitorie e utilizza la funzione integrata MATLAB decimate per eseguire il downsampling dei dati da 55,6 hertz a 11,1 hertz. Per correggere gli artefatti di movimento, applicate il metodo del filtro di trasformazione wavelet discreta con la funzione di filtraggio appropriata.Utilizzare la funzione INTEGRATA PCA per rimuovere il rumore fisiologico globale. Quindi, rimuovere l'80% superiore della varianza dai segnali. Dopo aver rimosso i primi due secondi di dati dalle donne e gli ultimi due secondi di dati dagli uomini, calcola il valore INS WTC guidato da due secondi ritardati guidato dalle donne con l'equazione.Allo stesso modo, dopo aver rimosso i primi due secondi di dati dagli uomini e gli ultimi due secondi di dati dalle donne, calcolare il valore INS WTC guidato da due secondi ritardati dagli uomini. Ripeti la procedura con diversi ritardi temporali, N, come N equivale a quattro o sei o otto secondi, attraverso le potenziali coppie 676 CH e calcola la forza di donne e uomini guidati da donne e uomini time-lag INS WTC con l'equazione come descritto prima. Calcola INS pWTC usando pWTC allo stesso modo usando l'equazione.Generare la serie temporale ritardata dei segnali fNIRS tra uomini e donne e calcolare i valori del WTC time-lag in diversi intervalli di tempo. Genera serie temporali autocorrelate di segnali fNIRS maschili rimuovendo i primi due secondi e gli ultimi due secondi dei dati dagli uomini. Quindi, calcola il valore autocorrelato di due secondi per gli uomini.Quindi, valutare i valori WTC autocorrelati in diversi intervalli di tempo. Allo stesso modo, crea una serie temporale allineata nel tempo dei segnali fNIRS rimuovendo i primi due secondi di dati dagli uomini e dalle donne. Quindi, calcola i due secondi del WTC allineati al tempo.Quindi, valuta i valori WTC allineati nel tempo in diversi ritardi temporali. Inserisci i valori WTC allineati nel tempo, WTC ritardata nel tempo e WTC autocorrelazionati in diversi intervalli di tempo nelle equazioni di pWTC, generando INS pWTC. Nell'elaborazione dei dati fNIRS di secondo livello, rimuovere il rumore fisiologico e le bande di frequenza di ciascun segnale superiore a 0,7 hertz.Quindi, rimuovere le bande di frequenza di ciascun segnale al di sotto di 0,01 hertz e entro 0,15-0,3 hertz per filtrare le fluttuazioni di frequenza molto basse. Trasforma INS con la trasformazione Z di Fisher e quindi media INS alla dimensione temporale. Per l'INS medio ad ogni ritardo temporale, eseguire un t-test accoppiato a due campioni su ciascuna coppia CH in tutta la gamma di frequenze.Quindi, identificare tutti i cluster di frequenza significativi. Riassegna le relazioni diadiche assegnando casualmente i partecipanti a nuove coppie di due membri, come i partecipanti di una diade che non avevano mai comunicato tra loro. Eseguire un test di permutazione basato su cluster per stabilire una soglia per i risultati.Ricalcola l'INS in ogni intervallo di tempo. Eseguire t-test accoppiati nel nuovo campione e identificare cluster di frequenza significativi. Quindi, selezionare il cluster con il valore T sommato più grande prima di ripetere le procedure 1.000 volte per generare una distribuzione null dei valori T massimi falsi positivi.Confrontare il valore T sommato di ciascun cluster di frequenza identificato nel campione originale con la distribuzione null per ottenere risultati statistici significativi. Nello studio è stata condotta un'analisi di simulazione. L'analisi rappresentativa illustra che il WTC INS time-lag con autocorrelazione era significativamente più alto del WTC INS time-lag senza autocorrelazione e TIME-lag INS pWTC.Inoltre, non vi è stata alcuna differenza significativa tra il WTC INS ritardato nel tempo senza autocorrelazione e INS pWTC, indicando l'efficienza di pWTC nel rimuovere l'impatto dell'effetto di autocorrelazione su INS. Un effetto marginale significativo del contesto è stato osservato entro 0,4-0,6 hertz, che degli uomini è rimasto indietro rispetto a quello delle donne di quattro secondi. Al contrario, per INS pWTC, è stato osservato solo un effetto di contesto significativo entro 0,4-0,6 hertz quando il sensore e l'attività della corteccia motoria degli uomini sono rimasti indietro rispetto a quella delle donne di quattro secondi.L'INS direzionale da donna a uomo era significativamente più alto nei contesti di conflitto che nei contesti di supporto. I risultati di INS pWTC sono stati convalidati con il metodo di causalità Granger. I risultati hanno mostrato che INS GC ha mostrato un modello simile a INS pWTC.L'INS direzionale calcolato dall'analisi di causalità di Granger da donna a uomo era significativamente più alto nei contesti di conflitto rispetto ai contesti di supporto. Dopo aver calcolato la sincronizzazione neurale utilizzando questo metodo, è anche possibile condurre molti altri metodi. Ad esempio, possiamo confrontare questo flusso di informazioni direzionali tra diversi contesti di connessione sociale e la connessione sociale in diverse relazioni sociali.Inoltre, è possibile comprendere il contributo di diversi comportamenti di comunicazione alla sincronizzazione neurale. Ad esempio, che si tratti di comunicazione verbale o comunicazione non verbale gioca un ruolo più importante nella sincronizzazione neurale.

Research

JoVE Journal

Neuroscience

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

Utilizzando Informativo Connettività a misurare l&#39;emergere sincrono di fMRI Multi-voxel Informazioni Across Time

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

Ricerca

Neuroscienze

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

La valutazione simultanea di Emodinamica cerebrale e Light Scattering proprietà del<em&gt; In Vivo</em&gt; Cervello del cervello usando l&#39;imaging di riflessione diffusa multispettrale

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

Quadrupla Immunostaining della lampadina olfattiva per la visualizzazione di codici di identificazione molecolare Axon sensoriale olfattiva

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

Oculare cinematica misurata dalla stimolazione In Vitro dei nervi cranici in tartaruga

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

Registrazioni simultanee di potenziali di campo locale corticale, elettrocardiogramma, elettromiogramma e respirazione ritmo da un ratto liberamente commovente

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

Un metodo volumetrico per la quantificazione di Vasospasm cerebrale in un modello murino di emorragia subaracnoidea

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

Reattività vascolare retinica valutata dall'angiografia ottica sulla tomografia a coezione

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

Acquisizione affidabile dei dati di elettroencefalografia durante l'elettroencefalografia simultanea e la risonanza magnetica funzionale

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 in Open-Ended Collaborative Learning: uno studio 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

Come calcolare e convalidare la sincronizzazione inter-cervello in uno studio di iperscansione fNIRS

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