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

Este trabajo fue apoyado por la Fundación Nacional de Ciencias Naturales de China (61977008) y el Programa de Jóvenes Talentos de Primera Categoría de Diez Mil Talentos.

El protocolo de experimento humano fue aprobado por la Junta de Revisión Institucional y el Comité de Ética del Laboratorio Estatal Clave de Neurociencia Cognitiva y Aprendizaje de la Universidad Normal de Beijing. Todos los participantes dieron su consentimiento informado por escrito antes de que comenzara el experimento.
1. El experimento de simulación
<ol><li>Generar dos series temporales de señales que se correlacionen entre sí, con una señal que tenga autocorrelación en un desfa...

En los estudios de hiperescaneo, generalmente es esencial describir los patrones direccionales y temporales del flujo de información entre los individuos. La mayoría de los estudios previos de hiperescaneo de fNIRS han utilizado WTC25 tradicional para inferir estas características mediante el cálculo del INS con retraso en el tiempo. Sin embargo, como una de las características intrínsecas de la señal fNIRS20,21, el efecto de autoco...

La interacción social es de vital importancia para el ser humano 1,2. Para comprender el mecanismo neurocognitivo de doble cerebro de la interacción social, el enfoque de hiperescaneo se ha utilizado ampliamente recientemente, lo que demuestra que los patrones de sincronización neuronal interpersonal (INS) pueden caracterizar bien el proceso de interacción social 3,4,5,6,7,8,9,10,11,12 ,13,14. Entre estudios recientes, un hallazgo interesante es que la diferencia de papel de los individuos en una díada puede conducir a un patrón de insociado en el tiempo, es decir, el INS ocurre cuando la actividad cerebral de un individuo se queda atrás de la de otro individuo por segundos, como la de los oyentes a los oradores 5,9, de los líderes a los seguidores4, de profesores a alumnos8, de madres a hijos13,15, y de mujeres a hombres en pareja romántica6. Lo más importante es que existe una buena correspondencia entre el intervalo del INS con retraso en el tiempo y el de los comportamientos de interacción social, como entre los maestros que preguntan y los estudiantes que responden8 o entre los comportamientos de crianza de las madres y los comportamientos de cumplimiento de los niños15. Por lo tanto, el INS con retraso en el tiempo puede reflejar un flujo de información direccional de un individuo a otro, como se propone en un modelo jerárquico reciente para la comunicación verbal interpersonal16.
Anteriormente, el INS con retraso en el tiempo se calculaba principalmente sobre la señal de espectroscopia funcional de infrarrojo cercano (fNIRS) debido a su resolución espacial relativamente alta, localización anatómica de sonido y tolerancia excepcionalmente alta de artefactos de movimiento17 cuando se estudiaban las interacciones sociales naturalistas. Además, para caracterizar con precisión la correspondencia entre el desfase de tiempo neuronal y el desfase de tiempo conductual durante la interacción social, es esencial obtener la fuerza del INS para cada desfase de tiempo (por ejemplo, de no tener desfase de tiempo a un desfase de tiempo de 10 s). Para este propósito, anteriormente, el procedimiento de coherencia de transformada de onda (WTC) se aplicaba ampliamente después de desplazar la señal cerebral de un individuo hacia adelante o hacia atrás en relación con la de otro individuo 5,6,18. Cuando se utiliza este procedimiento WTC tradicional para señales fNIRS, existe un desafío potencial porque el INS con retraso observado en el tiempo puede confundirse por el efecto de autocorrelación de la señal fNIRS para un individuo 19,20,21. Por ejemplo, durante un proceso de interacción social diádica, la señal del participante A en el punto de tiempo t puede sincronizarse con la del participante B en el mismo punto de tiempo. Mientras tanto, la señal del participante A en el punto de tiempo t puede sincronizarse con la del participante A en un punto de tiempo posterior t + 1 debido al efecto de autocorrelación. Por lo tanto, puede ocurrir un INS espurio con retraso en el tiempo entre la señal del participante A en el punto de tiempo t y la del participante B en el punto de tiempo t + 1.
Mihanović y sus colegas22 introdujeron por primera vez un método denominado coherencia de transformada de wavelet parcial (pWTC), y luego lo aplicaron en ciencias marinas23,24. El propósito original de este método era controlar el ruido de confusión exógeno al estimar la coherencia de dos señales. Aquí, para abordar el problema de la autocorrelación en los datos de hiperescaneo de fNIRS, el método pWTC se amplió para calcular el INS con retraso de tiempo en la señal fNIRS. Precisamente, se puede calcular un INS con retraso en el tiempo (y un flujo de información direccional) del participante A al participante B utilizando la ecuación a continuación (Ecuación 1)23.
<img alt="Equation 1" src="/files/ftp_upload/62927/62927eq01.jpg">
Aquí, se supone que hay dos señales, A y B, de los participantes A y B, respectivamente. La ocurrencia de la señal B siempre precede a la de la señal A con un desfase temporal de n, donde WTC (At, Bt+n) es el WTC tradicional con retraso en el tiempo. WTC (At, At+n) es el WTC autocorrelacionado en el participante A. WTC (At, Bt) es el WTC alineado en el tiempo en el punto de tiempo t entre el participante A y B. * es el operador conjugado complejo (Figura 1A).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62927/62927fig01.jpg"> Figura 1: Descripción general de pWTC. (A) La lógica del pWTC. Hay dos señales A y B, dentro de una díada. La ocurrencia de A siempre sigue a la de B con un retraso n. Una caja gris es una ventana de wavelet en un cierto punto de tiempo t o t + n. Sobre la base de la ecuación pWTC (representada en la figura), se deben calcular tres WTC: el WTC desfasado en el tiempo de At + n y Bt; el WTC autocorrelacionado en el participante A de At y At+n; y el WTC alineado en el tiempo en el punto de tiempo t, At y Bt. (B) El diseño de los conjuntos de sondas optode. CH11 se colocó en T3, y CH25 se colocó en T4 siguiendo el sistema internacional 10-2027,28. <a href="https://www.jove.com/files/ftp_upload/62927/62927fig01large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
Este protocolo introdujo por primera vez un experimento de simulación para demostrar qué tan bien el pWTC resuelve el desafío de la autocorrelación. Luego, explicó cómo llevar a cabo pWTC de una manera paso a paso basada en un experimento empírico de interacciones sociales naturalistas. Aquí, se utilizó un contexto de comunicación para introducir el método. Esto se debe a que, anteriormente, el INS con retraso en el tiempo generalmente se calculaba en un contexto de comunicación naturalista 3,4,6,8,13,15,18. Además, también se realizó una comparación entre el pWTC y el WTC tradicional y la validación con la prueba de causalidad de 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

La interacción social es de vital importancia para los seres humanos. Si bien el enfoque de hiperescaneo se ha utilizado ampliamente para estudiar la sincronización neuronal interpersonal (INS) durante las interacciones sociales, la espectroscopia funcional de infrarrojo cercano (fNIRS) es una de las técnicas más populares para hiperescanear interacciones sociales naturalistas debido a su resolución espacial relativamente alta, localización anatómica de sonido y tolerancia excepcionalmente alta de artefactos de movimiento. Los estudios previos de hiperescaneo basados en fNIRS generalmente calculan un INS con retraso en el tiempo utilizando la coherencia de la transformada de wavelet (WTC) para describir la dirección y el patrón temporal del flujo de información entre individuos. Sin embargo, los resultados de este método podrían confundirse por el efecto de autocorrelación de la señal fNIRS de cada individuo. Para abordar este problema, se introdujo un método denominado coherencia de transformación de wavelet parcial (pWTC), que tenía como objetivo eliminar el efecto de autocorrelación y mantener la alta resolución de espectro temporal de la señal fNIRS. En este estudio, se realizó primero un experimento de simulación para mostrar la efectividad del pWTC en la eliminación del impacto de la autocorrelación en el INS. Luego, se ofreció orientación paso a paso sobre el funcionamiento del pWTC basado en el conjunto de datos fNIRS de un experimento de interacción social. Además, se realizó una comparación entre el método pWTC y el método WTC tradicional y entre el método pWTC y el método de causalidad de Granger (GC). Los resultados mostraron que pWTC podría usarse para determinar la diferencia insinerte entre las diferentes condiciones experimentales y el patrón direccional y temporal del INS entre los individuos durante las interacciones sociales naturalistas. Además, proporciona una mejor resolución temporal y de frecuencia que el WTC tradicional y una mejor flexibilidad que el método GC. Por lo tanto, pWTC es un fuerte candidato para inferir la dirección y el patrón temporal del flujo de información entre los individuos durante las interacciones sociales naturalistas.

Resultados de la simulación Los resultados mostraron que el INSWTC con retraso en el tiempo con autocorrelación fue significativamente mayor que el INSWTC con retraso en el tiempo sin autocorrelación (t(1998) = 4,696, p < 0,001) y el INSpWTC con retraso en el tiempo (t(1998) = 5,098, p < 0,001). Además, no hubo diferencias significativas entre el INSWTC con retraso en el tiempo sin autocorrelación y el INSpWTC (...

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

Este protocolo describe la coherencia de la transformada de wavelet parcial (pWTC) para calcular el patrón de retraso en el tiempo de la sincronización neuronal interpersonal (INS) para inferir la dirección y el patrón temporal del flujo de información durante la interacción social. La efectividad de pWTC en la eliminación de los factores de confusión de la autocorrelación de señales en INS fue probada por dos experimentos.

Medición del flujo de información direccional en datos fNIRS-Hyperscanning utilizando el método de coherencia de transformada de wavelet parcial

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

El hiperescaneo es un método prometedor para describir la relación entre individuos y que en este estudio se encuentra la sincronización neuronal entre individuos. Y la pregunta más importante es identificar quién se está sincronizando con quién. Y el método que proponemos aquí es identificar la dirección del flujo de información entre individuos.En comparación con otros métodos, la ventaja más significativa de este método es eliminar los diversos factores de confusión de la sincronización neuronal. Por ejemplo, la autocorrelación en cada señal. Y mientras tanto, podemos mantener la alta resolución anatómica espacial de cada señal.Inicie el preprocesamiento de datos exportando los archivos de datos de cambios de concentración de hemoglobina desde el equipo y transmitiendo los archivos al formato legible de MATLAB. A continuación, elimine los primeros y los últimos 15 segundos de los datos de cada sesión para evitar respuestas transitorias y utilice la función integrada de diezma de MATLAB para reducir la muestra de los datos de 55,6 hercios a 11,1 hercios. Para corregir los artefactos de movimiento, aplique el método de filtro de transformación de wavelet discreta con la función de filtrado adecuada.Utilice la función incorporada PCA para eliminar el ruido fisiológico global. Luego, elimine el 80% superior de la varianza de las señales. Después de eliminar los dos segundos iniciales de datos de las mujeres y los últimos dos segundos de los datos de los hombres, calcule el valor de INS WTC de dos segundos rezagados liderado por las mujeres con la ecuación.Del mismo modo, después de eliminar los dos segundos iniciales de datos de los hombres y los últimos dos segundos de datos de las mujeres, calcule el valor de INS WTC de dos segundos rezagados liderado por los hombres. Repita el procedimiento con diferentes desfases de tiempo, N, como N es igual a cuatro, seis u ocho segundos, en los pares potenciales de 676 CH y calcule la fuerza del INS WTC con retraso en el tiempo dirigido por mujeres y hombres con la ecuación descrita anteriormente. Calcule INS pWTC usando pWTC de la misma manera usando la ecuación.Genere la serie temporal desfasada de las señales fNIRS entre hombres y mujeres y calcule los valores del WTC con retraso en el tiempo en diferentes intervalos de tiempo. Genere series de tiempo autocorrelacionadas de señales fNIRS para hombres eliminando los primeros dos segundos y los últimos dos segundos de los datos de los hombres. Luego, calcule el valor autocorrelacionado de dos segundos para los hombres.Luego, evalúe los valores de WTC autocorrelacionados en diferentes retrasos de tiempo. De la misma manera, cree una serie de tiempo alineada en el tiempo de las señales fNIRS eliminando los primeros dos segundos de datos de los hombres y las mujeres. Luego, calcule el WTC alineado con el tiempo de dos segundos.Luego, evalúe los valores de WTC alineados en el tiempo en diferentes retrasos de tiempo. Introduzca los valores wtC alineados en el tiempo, WTC con retraso en el tiempo y WTC autorrelacionados en diferentes intervalos de tiempo en las ecuaciones de pWTC, generando INS pWTC. En el procesamiento de datos fNIRS de segundo nivel, elimine el ruido fisiológico y las bandas de frecuencia de cada señal por encima de 0,7 hercios.Luego, elimine las bandas de frecuencia de cada señal por debajo de 0.01 hertz y dentro de 0.15 a 0.3 hertz para filtrar las fluctuaciones de frecuencia muy bajas. Transforme INS con la transformación Z de Fisher y luego promedie INS en la dimensión temporal. Para el INS promediado en cada desfase temporal, realice una prueba t de dos muestras pareadas en cada par CH en todo el rango de frecuencias.Luego, identifique todos los grupos de frecuencias significativos. Reasigne las relaciones diádicas asignando aleatoriamente a los participantes a dos nuevos pares de miembros, como los participantes de un día que nunca se había comunicado entre sí. Realice una prueba de permutación basada en clústeres para establecer un umbral para los resultados.Recalcule el INS en cada desfase temporal. Realice pruebas t pareadas en la nueva muestra e identifique grupos de frecuencia significativos. A continuación, seleccione el clúster con el mayor valor de T sumado antes de repetir los procedimientos 1.000 veces para generar una distribución nula de los valores máximos de T falso positivo.Comparar el valor T sumado de cada grupo de frecuencias identificado en la muestra original con la distribución nula para obtener resultados estadísticos significativos. En el estudio se realizó un análisis de simulación. El análisis representativo ilustra que el INS WTC con retraso en el tiempo con autocorrelación fue significativamente mayor que el INS WTC con retraso en el tiempo sin autocorrelación y el INS pWTC con retraso en el tiempo.Además, no hubo diferencias significativas entre el INS WTC con retraso en el tiempo sin autocorrelación y el INS pWTC, lo que indica la eficiencia de pWTC para eliminar el impacto del efecto de autocorrelación en el INS. Se observó un efecto contextual marginal significativo dentro de 0,4 a 0,6 hercios, que de los hombres se retrasó en cuatro segundos con respecto al de las mujeres. En contraste, para INS pWTC, solo se observó un efecto de contexto significativo dentro de 0.4 a 0.6 hercios cuando la actividad del sensor y la corteza motora de los hombres se retrasó en cuatro segundos con respecto a la de las mujeres.El INS direccional de mujeres a hombres fue significativamente mayor en los contextos de conflicto que en los contextos de apoyo. Los resultados del INS pWTC fueron validados con el método de causalidad de Granger. Los resultados mostraron que inscambien GC exhibió un patrón similar al INS pWTC.El INS direccional calculado por el análisis de causalidad de Granger de mujeres a hombres fue significativamente mayor en los contextos de conflicto que en los contextos de apoyo. Después de calcular la sincronización neuronal utilizando este método, también es posible realizar muchos otros métodos. Por ejemplo, podemos comparar este flujo de información direccional entre diferentes contextos de conexión social y la conexión social en diferentes relaciones sociales.Y también, es posible comprender la contribución de diferentes comportamientos de comunicación a la sincronización neuronal. Por ejemplo, si se trata de comunicación verbal o comunicación no verbal juegan un papel más importante en la sincronización neuronal.

Research

JoVE Journal

Neuroscience

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

Usando Informativo Conectividad para Medir la Aparición síncrono de fMRI multi-voxel información a través del tiempo

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

Investigación

Neurociencias

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 evaluación simultánea de Hemodinámica cerebral y propiedades de dispersión de luz de la<em&gt; En Vivo</em&gt; Cerebro de rata utilizando multiespectral de imágenes de reflectancia difusa

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

Imunocoloración Cuádruple del Bulbo Olfativo para la Visualización de Códigos de Identidad Molecular del Axón Sensorial Olfativo

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

Cinemática ocular midiendo In Vitro la estimulación de los nervios craneales en la tortuga

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

Grabaciones simultáneas de potenciales de campo Local Cortical, Electrocardiograma, electromiograma y respirar a ritmo de una rata libremente móvil

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 método volumétrico para la cuantificación de vasoespasmo Cerebral en un modelo murino de hemorragia 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

Reactividad Vascular Retinal evaluada por Angiografía por Tomografía de Coherencia Óptica

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

Adquisición confiable de datos de electroencefalografía durante la electroencefalografía simultánea y la RMN funcional

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

Sincronización intercerebros en el aprendizaje colaborativo abierto: un estudio 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

Cómo calcular y validar la sincronización intercerebral en un estudio de hiperescaneo fNIRS

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