近年来，为理解社会行为的神经基础而进行的研究类型发生了变化 ^1,2.传统上，社会神经科学的研究集中在社会相关任务中一个孤立大脑的神经激活。然而，神经影像技术的进步现在允许在社交互动期间检查一个或多个人大脑中的神经激活，因为它发生在“现实生活”环境中³.在“现实生活”环境中，个人能够自由移动，随着信息交换和社会伙伴相互接收反馈，大脑激活的模式可能会发生变化⁴.

超扫描是一种通过同时测量两个或多个个体的大脑活动来评估这种双向信息交换的方法⁵.一项新兴的研究利用了功能性近红外光谱 （fNIRS），这是一种非侵入性神经成像技术，与其他神经成像技术相比，它不太容易受到运动伪影的影响⁶。通过fNIRS进行的超扫描允许在现实生活中评估脑间同步（IBS），同时互动伙伴可以自由自然地移动。这与婴儿和幼儿的工作尤其相关，他们往往非常活跃。据报道，IBS 反映了互动伙伴之间的相互理解，这是有效社会互动和沟通的基础，并调解了共同的意向性 ^1,7,8。

有几种方法用于评估两个大脑的IBS。这些方法包括时间序列相关性，例如互相关和皮尔逊相关系数 ^9,10（参见 Scholkmann 等人的评论 ¹⁰）。其他方法包括评估频域中的耦合强度。这些方法包括锁相值（PLV）和相干性（参见Czeszumski等人的评论¹¹）。fNIRS研究中最常见的方法之一是使用小波变换相干性（WTC），这是两个时间序列的互相关性作为频率和时间¹⁰的函数的度量。

WTC使用相关分析来计算时频域中两个时间序列之间的相干性和相位滞后。FNIRS 超扫描研究使用 WTC 来估计许多功能领域的 IBS，包括行动监测 12、合作和竞争行为⁵、^13、14、15、模仿¹⁶、母婴问题解决 17 和教学行为¹⁸、¹⁹、^20、21.通常，在超扫描研究中，将实验任务期间由WTC测量的跨脑相干性与控制任务期间的跨脑相干性进行比较。这些发现通常以WTC“热图”呈现，该图显示了每个时间点和频率下两个大脑的连贯性（见图1）。

正如 Czesumaski 等人 ¹¹ 所建议的，WTC 已成为分析 fNIRS 超扫描的标准分析方法。WTC 分析是一种灵活的、“与工具无关”的数据可视化和解释方法²².相干系数热图提供了一种叙述性的分析形式，可以轻松识别同步或异步行为的时期以及完成任务期间的大脑活动强度，这是WTC的主要优势，使其成为应用研究的有力工具²²。与相关技术相比，WTC具有优势。相关性对血流动力学反应函数 （HRF） 的形状很敏感，这被认为在个体之间（特别是在年龄方面）和不同大脑区域之间有所不同。相比之下，世贸中心不受（HRF）²³区域间变化的影响。研究人员使用小波方法研究了fMRI时间序列。Zhang等^[24 ]比较了常用的功能连通性指标，包括Pearson相关、偏相关、互信息和小波相干变换（WTC）。他们使用源自静息态fMRI数据和视频观看的自然刺激fMRI数据的大规模功能连接模式进行了分类实验。他们的研究结果表明，WTC在分类（特异性、灵敏度和准确性）方面表现最好，这意味着WTC是研究功能性脑网络的首选功能连接指标，至少在分类应用中是这样²⁴。

图 1：小波变换相干性 （WTC）。 WTC 将两个时间序列之间的相干性和相位角显示为时间（x 轴）和频率（y 轴）的函数。相干性增加用图中的红色表示，图中的小箭头表示两个时间序列的相位角。向右箭头表示同相同步;向下和向上的箭头表示滞后同步;向左箭头表示反相位同步³⁰。该图改编自 Pan et ^al.19。 请点击这里查看此图的较大版本.

最近，Hamilton²⁵ 阐明了fNIRS超扫描研究中跨脑相干数据解释的几个局限性。汉密尔顿的主要担忧之一是，连贯性测量（例如，WTC）仅将效应报告为对称（即，两个大脑是相关的，显示出相同的变化模式）。然而，许多社交互动是不对称的（例如，说话者和听众之间的信息流），因为两个参与者可能扮演不同的角色，目前尚不清楚WTC是否可以捕获这些信息。在这里，这个问题通过一个新的框架来解决，该框架允许通过使用交叉小波相位来检测方向性来直接解释交叉小波功率。该框架还将允许检查交互的动态如何在整个任务中发展和变化。

WTC和相关方法评估功能连接，而其他方法评估有效连接，试图提取一个神经元素对另一个神经元素的因果影响。传递熵是信息论领域的一种度量，它描述了共同依赖过程之间的传递²⁶.另一种相关方法是格兰杰因果关系分析（GCA），它被描述为等同于转移熵²⁶。

在现有的fNIRS超扫描研究文献中，Granger因果关系分析（GCA）已被广泛用于估计在各种不同任务中获得的fNIRS时间序列数据之间的耦合方向性，例如合作⁵、教学¹⁹和模仿¹⁶。GCA 采用向量自回归模型来评估大脑数据中时间序列之间耦合的方向性。格兰杰因果关系基于预测和优先性：“如果 X 的过去包含有助于预测 Y 未来的信息，而不是 Y 过去已经存在的信息，则称变量 X 为变量 Y’G-cause‘”²⁷。因此，从两个方向分析G因果关系：1）从受试者A到受试者B，2）从受试者B到受试者A。

虽然GCA分析是一种补充分析，旨在确定使用WTC函数获得的高相干值是否反映了IBS或滞后同步（一个信号领先另一个信号），但它无法确定是否发生了反相位同步。在传统的神经影像学研究中，只扫描一名参与者（即“单脑”方法），反相模式意味着一个大脑区域的活动增加，而另一个大脑区域的活动减少²⁸。在超扫描文献中，反相位同步的存在可能表明一个受试者的神经激活增加，同时，另一个受试者的神经激活减少。因此，需要提供一个可以检测方向性的综合模型。更具体地说，除了同相同步和滞后同步之外，该模型还能够检测反相位同步（其中一个人的活动方向与其伴侣的活动方向相反）。

为了解决WTC仅显示对称效应（两个大脑都显示出相同的变化模式）²⁵的问题，提出了一种通过检查同步相位（即同相、滞后或反相位）来识别相互作用类型的新方法（见 图2）。为此，开发了一个使用WTC方法对不同类型的相互作用进行分类的工具箱。通过使用来自交叉小波变换分析的相对相位数据对相互作用类型进行分类。

图 2：简单正弦波的不同相位关系图示。 （A） 当信号 1（蓝线 s）和信号 2（橙线s）这两个信号在同一时间点达到各自的最大值、最小值和零值时，称它们显示同相同步³²。（B） 当一个信号在同一时间点达到其最大值而另一个信号达到零值时，称它们表现出滞后同步（一个信号领先 90°）^32,33,34。（C）当两个时间序列向相反方向移动时，即一个信号在同一时间点达到最大值，另一个信号达到最小值，这称为反相位同步²⁸。（D-P）在两个时间序列之间的所有其他相位关系中，一个信号领先于另一个信号。在所有正相中，信号 2 领先信号 1（例如，面板 E、F、M 和 N），而在所有负相中，信号 1 领先信号 2（例如，面板 D、G、H、O 和 P）。值得注意的是，当阶段的绝对值较高时，哪个时间序列领先于另一个时间序列变得更加明显（例如，面板 J 中的领导力比面板 I 中的领导力更独特，而在面板 K 中，领导力比面板 L 更独特）。请点击这里查看此图的较大版本.