Özet

Межмозговая синхронность в открытом совместном обучении: исследование fNIRS-гиперсканирования

Published: July 21, 2021
doi:

Özet

Изложен протокол проведения экспериментов гиперсканирования fNIRS на диадах совместного обучения в натуралистической среде обучения. Далее представлен конвейер для анализа межмозговой синхронии (СРК) сигналов оксигенированного гемоглобина (Oxy-Hb).

Abstract

Гиперсканирование fNIRS широко используется для выявления нейробиологических основ социального взаимодействия. С помощью этого метода исследователи квалифицируют одновременную активность мозга двух или более интерактивных людей с новым индексом, называемым межмозговой синхронией (IBS) (то есть фазовым и / или амплитудным выравниванием нейрональных или гемодинамических сигналов во времени). Здесь представлен протокол проведения экспериментов по гиперсканированию fNIRS на диадах совместного обучения в натуралистической среде обучения. Далее объясняется конвейер анализа СРК сигнала оксигенированного гемоглобина (Oxy-Hb). В частности, обсуждается экспериментальный дизайн, процесс записи данных NIRS, методы анализа данных и будущие направления. В целом, внедрение стандартизированного конвейера гиперсканирования fNIRS является фундаментальной частью нейробиологии второго лица. Кроме того, это соответствует призыву к открытой науке, чтобы помочь воспроизводимости исследований.

Introduction

Недавно, чтобы выявить параллельную активность мозга через интерактивные диады или членов группы, исследователи используют подход гиперсканирования1,2. В частности, электроэнцефалограмма (ЭЭГ), функциональная магнитно-резонансная томография (фМРТ) и функциональная ближняя инфракрасная спектроскопия (фНИРС) используются для записи нейронной и мозговой активности двух или более субъектов одновременно3,4,5. Исследователи извлекают нейронный индекс, влекущий за собой параллельную связь мозга, на основе этого метода, который относится к межмозговой синхронности (IBS) (то есть выравниванию фазы и / или амплитуды нейронных или гемодинамических сигналов во времени). Большое разнообразие исследований гиперсканирования обнаружило СРК во время социального взаимодействия между несколькими людьми (например, игрок-аудитория, инструктор-ученик и лидер-последователь)6,7,8. Кроме того, СРК имеет конкретные последствия эффективного обучения и обучения9,10,11,12,13,14. С увеличением исследований гиперсканирования в натуралистических сценариях обучения необходимо установить стандартный протокол экспериментов гиперсканирования и конвейер анализа данных в этой области.

Таким образом, в данной работе представлен протокол для проведения гиперсканирования диад совместного обучения на основе fNIRS и конвейер для анализа IBS. fNIRS представляет собой оптический инструмент визуализации, который излучает ближний инфракрасный свет для оценки спектрального поглощения гемоглобина косвенно, а затем гемодинамическая / оксигенационная активность измеряется15,16,17. По сравнению с фМРТ, fNIRS менее подвержен артефактам движения, что позволяет проводить измерения у субъектов, которые проводят реальные эксперименты (например, имитацию, разговор и невербальную коммуникацию)18,7,19. По сравнению с ЭЭГ, fNIRS имеет более высокое пространственное разрешение, что позволяет исследователям обнаружить местоположение мозговой активности20. Таким образом, эти преимущества в пространственном разрешении, логистике и осуществимости квалифицируют fNIRS для проведения измерений гиперсканирования1. Используя эту технологию, новый исследовательский орган обнаруживает индексный термин как IBS – нейронное выравнивание мозговой активности двух (или более) людей – в различных формах натуралистических социальных условий9,10,11,12,13,14. В этих исследованиях для расчета этого показателя применяются различные методы (например, корреляционный анализ и анализ когерентности вейвлет-трансформ (ВТЦ)); между тем, стандартный конвейер для такого анализа необходим, но отсутствует. В результате в данной работе представлен протокол проведения гиперсканирования на основе fNIRS и конвейер с использованием анализа ЦМТ для идентификации СРК.

Это исследование направлено на оценку СРК в диадах совместного обучения с использованием метода гиперсканирования fNIRS. Во-первых, гемодинамический ответ регистрируется одновременно в префронтальной и левой височно-теменной областях каждой диады во время совместного обучения. Эти регионы были идентифицированы как связанные с интерактивным преподаванием и обучением9,10,11,12,13,14. Во-вторых, IBS рассчитывается по каждому соответствующему каналу. Процесс записи данных fNIRS состоит из двух частей: сеанс состояния покоя и сеанс совместной работы. Сеанс покоя длится 5 мин, в течение которых оба участника (сидя лицом к лицу, отдельно друг от друга столом (0,8 м)) должны оставаться неподвижными и расслабляться. Этот сеанс состояния покоя служит в качестве базового уровня. Затем, на совместной сессии, участникам говорят изучить все учебные материалы вместе, вызывая понимание, обобщая правила и следя за тем, чтобы все учебные материалы были освоены. Здесь представлены конкретные этапы проведения эксперимента и анализа данных fNIRS.

Protocol

Все набранные участники (40 диад, средний возраст 22,1 ± 1,2 года; 100% правши; нормальное или скорректированное до нормального зрения) были здоровы. Перед экспериментом участники дали информированное согласие. Участники получили финансовую компенсацию за свое участие. Исследование было одо…

Representative Results

На рисунке 1 показан экспериментальный протокол и местоположение зонда. Процесс записи данных fNIRS состоит из двух частей: сеанс состояния покоя (5 мин) и совместный сеанс (15-20 мин). Диады совместного обучения необходимы для того, чтобы расслабиться и быть неподвижным в сос?…

Discussion

Во-первых, в настоящем протоколе изложены конкретные этапы проведения экспериментов гиперсканирования fNIRS в сценарии совместного обучения. Во-вторых, также представлен конвейер анализа данных, который оценивает СРК гемодинамических сигналов в диадах совместного обучения. Детальная ?…

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Эта работа поддерживается Программой содействия академическим инновациям ECNU для отличных докторантов (YBNLTS2019-025) и Национальным фондом естественных наук Китая (31872783 и 71942001).

Materials

EEG caps Compumedics Neuroscan,Charlotte,USA 64-channel Quik-Cap We choose two sizes of cap(i.e.medium and large).
NIRS measurement system with probe sets and probe holder grids Hitachi Medical Corporation, Tokyo, Japan ETG-7100 Optical Topography System The current study protocol requires an optional second adult probe set for 92 channels of measurement in total.
Numeric computing platform The MathWorks, Inc., Natick, MA MATLAB R2020a Serves as base for Psychophysics Toolbox extensions (stimulus presentation), Homer2  (fNIRS preprocess analysis), and "wtc" function(WTC computation).
Psychology software psychology software tools,Sharpsburg, PA,USA E-prime 2.0 we apply E-prime to start the fNIRS measurement system and send triggers which marking the rest phase and collaborative learning phase for fNIRS recording data
Swimming caps Zoke corporation,Shanghai,China 611503314 We first placed the standard 10-20 EEG cap on the head mold, and placed the swimming cap on the EEG cap. Second, we marked (inion, Cz, T3, T4, PFC and P5) with chalk.
Three-dimensional (3-D) digitizer Polhemus, Colchester, VT, USA; Three-dimensional (3-D) digitizer Anatomical locations of optodes in relation to standard head landmarks were determined for each participant using a Patriot 3D Digitizer

Referanslar

  1. Babiloni, F., Astolfi, L. Social neuroscience and hyperscanning techniques: past, present and future. Neuroscience & Biobehavioral Reviews. 44, 76-93 (2014).
  2. Schilbach, L., et al. Toward a second-person neuroscience. Behavior Brain Science. 36, 393-414 (2013).
  3. Montague, P. Hyperscanning: simultaneous fMRI during linked social interactions. NeuroImage. 16, 1159-1164 (2002).
  4. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. NeuroImage. 59 (3), 2430-2437 (2012).
  5. Dikker, S., et al. Brain-to-brain synchrony tracks real-world dynamic group interactions in the classroom. Current Biology. 27 (9), 1375-1380 (2017).
  6. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  7. Pan, Y., et al. Instructor-learner brain coupling discriminates between instructional approaches and predicts learning. NeuroImage. 211, 116657 (2020).
  8. Jiang, J., et al. Leader emergence through interpersonal neural synchronization. Proceedings of the National Academy of Sciences of the United States of America. 112 (14), 4274-4279 (2015).
  9. Bevilacqua, D., et al. Brain-to-brain synchrony and learning outcomes vary by student-teacher dynamics: Evidence from a real-world classroom electroencephalography study. Journal of Cognitive Neuroscience. 31 (3), 401-411 (2019).
  10. Dikker, S., et al. Morning brain: real-world neural evidence that high school class times matter. Social Cognitive and Affective Neuroscience. 15 (11), 1193-1202 (2020).
  11. Pan, Y., Guyon, C., Borragán, G., Hu, Y., Peigneux, P. Interpersonal brain synchronization with instructor compensates for learner’s sleep deprivation in interactive learning. Biochemical Pharmacology. , 114111 (2020).
  12. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. NeuroImage. 183, 280-290 (2018).
  13. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students’ knowledge state. Human Brain Mapping. 39 (7), 3046-3057 (2018).
  14. Zheng, L., et al. Affiliative bonding between teachers and students through interpersonal synchronisation in brain activity. Social Cognitive and Affective Neuroscience. 15 (1), 97-109 (2020).
  15. Kleinschmidt, A., et al. Simultaneous recording of cerebral blood oxygenation changes during human brain activation by magnetic resonance imaging and near-infrared spectroscopy. Journal of Cerebral Blood Flow & Metabolism. 16 (5), 817-826 (1996).
  16. Strangman, G., Culver, J. P., Thompson, J. H., Boas, D. A. A quantitative comparison of simultaneous BOLD fMRI and NIRS recordings during functional brain activation. NeuroImage. 17 (2), 719-731 (2002).
  17. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. NeuroImage. 29 (2), 368-382 (2006).
  18. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. NeuroImage. 63, 212-222 (2012).
  19. Hirsch, J., Zhang, X., Noah, J. A., Ono, Y. Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage. 157, 314-330 (2017).
  20. Wilcox, T., Biondi, M. fNIRS in the developmental sciences. Wiley Interdisciplinary Reviews: Cognitive Science. 6 (3), 263-283 (2015).
  21. Ye, J. C., Tak, S., Jang, K. E., Jung, J., Jang, J. NIRS-SPM: statistical parametric mapping for nearinfrared spectroscopy. NeuroImage. 44 (2), 428-447 (2009).
  22. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied Optics. 48 (10), 280-298 (2009).
  23. Santosa, H., Zhai, X., Fishburn, F., Huppert, T. The NIRS Brain AnalyzIR toolbox. Algorithms. 11 (5), 73 (2018).
  24. Xu, Y., Graber, H. L., Barbour, R. L. nirsLAB: a computing environment for fNIRS neuroimaging data analysis. Biomedical Optics. , (2014).
  25. Cope, M., Delpy, D. T. System for long-term measurement of cerebral blood and tissue oxygenation on newborn infants by near infra-red transillumination. Medical and Biological Engineering and Computing. 26 (3), 289-294 (1988).
  26. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. Journal of Biomedical Optics. 12 (6), 062106 (2007).
  27. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiological Measurement. 33 (2), 259 (2012).
  28. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Frontiers in Neuroscience. 6, 147 (2012).
  29. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004 (2016).
  30. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics. 11, 561-566 (2004).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG-and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  32. Nozawa, T., Sasaki, Y., Sakaki, K., Yokoyama, R., Kawashima, R. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. NeuroImage. 133, 484-497 (2016).
  33. Reindl, V., Gerloff, C., Scharke, W., Konrad, K. Brain-to-brain synchrony in parent-child dyads and the relationship with emotion regulation revealed by fNIRS-based hyperscanning. NeuroImage. 178, 493-502 (2018).
  34. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B., Farmer, J. D. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 58 (1-4), 77-94 (1992).
  35. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15 (4), 870-878 (2002).
  36. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  37. Tsuzuki, D., et al. Virtual spatial registration of stand-alone fNIRS data to MNI space. NeuroImage. 34 (4), 1506-1518 (2007).
  38. Singh, A. K., Okamoto, M., Dan, H., Jurcak, V., Dan, I. Spatial registration of multi-channel multi-subject fNIRS data to MNI space without MRI. NeuroImage. 27 (4), 842-851 (2005).
  39. Noah, J. A., et al. Comparison of short-channel separation and spatial domain filtering for removal of non-neural components in functional near-infrared spectroscopy signals. Neurophotonics. 8 (1), 015004 (2021).
  40. Noah, J. A., et al. Real-time eye-to-eye contact is associated with cross-brain neural coupling in angular gyrus. Frontiers in Human Neuroscience. 14 (19), (2020).
  41. Torrence, C., Compo, G. P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society. 79 (1), 61-78 (1998).
  42. Osaka, N., Minamoto, T., Yaoi, K., Azuma, M., Osaka, M. Neural synchronization during cooperated humming: a hyperscanning study using fNIRS. Procedia-Social and Behavioral Sciences. 126, 241-243 (2014).
  43. Dommer, L., Jäger, N., Scholkmann, F., Wolf, M., Holper, L. Between-brain coherence during joint n-back task performance: a two-person functional near-infrared spectroscopy study. Behavioural Brain Research. 234 (2), 212-222 (2012).
  44. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63, 212-222 (2012).
  45. Nguyen, T., et al. The effects of interaction quality on neural synchrony during mother-child problem solving. Cortex. 124, 235-249 (2020).
  46. Seth, A. K., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35 (8), 3293-3297 (2015).
  47. Funane, T., et al. Synchronous activity of two people’s prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy. Journal of Biomedical Optics. 16 (7), 077011 (2011).
  48. Liu, T., Saito, H., Oi, M. Role of the right inferior frontal gyrus in turn-based cooperation and competition: a near-infrared spectroscopy study. Brain and Cognition. 99, 17-23 (2015).
  49. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  50. Burgess, A. P. On the interpretation of synchronization in EEG hyperscanning studies: a cautionary note. Frontiers in Human Neuroscience. 7, 881 (2013).
  51. Burgos-Robles, A., et al. Amygdala inputs to prefrontal cortex guide behavior amid conflicting cues of reward and punishment. Nature Neuroscience. 20 (6), 824-835 (2017).
  52. Mende, S., Proske, A., Narciss, S. Individual preparation for collaborative learning: Systematic review and synthesis. Educational Psychologist. , 1-25 (2020).
  53. Hamilton, A. F. D. C. Hyperscanning: Beyond the hype. Neuron. 109 (3), 404-407 (2021).
  54. Novembre, G., Iannetti, G. D. Hyperscanning alone cannot prove causality. Multibrain stimulation can. Trends in Cognitive Sciences. 25 (2), 96-99 (2021).

Play Video

Bu Makaleden Alıntı Yapın
Zhao, N., Zhu, Y., Hu, Y. Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study. J. Vis. Exp. (173), e62777, doi:10.3791/62777 (2021).

View Video