使用偏小波变换相干法测量 fNIRS-超扫描数据中的定向信息流

超扫描是描述个体之间关系的一种有前途的方法，在这项研究中发现了个体之间的神经同步。最重要的问题是确定谁在与谁同步。我们在这里提出的方法是确定个体之间信息流动的方向。

与其他方法相比，这种方法最显着的优点是从神经同步中去除各种混杂因素。例如，每个信号中的自相关。同时，我们可以保持每个信号的高空间解剖分辨率。

通过从设备导出血红蛋白浓度变化数据文件并将文件传输为 MATLAB 可读格式来开始数据预处理。然后，删除每个会话的第一个和最后 15 秒的数据以避免瞬态响应，并使用 MATLAB 抽取内置函数将数据从 55.6 赫兹下采样到 11.1 赫兹。要校正运动伪像，请使用具有适当滤波功能的离散小波变换滤波方法。

使用 PCA 内置功能消除全局生理噪声。然后，从信号中删除前 80% 的方差。在从女性那里删除前两秒的数据和从男性那里删除最后两秒的数据后，用等式计算女性主导的两秒滞后INS WTC值。

同样，在删除男性的最初两秒数据和女性的最后两秒数据后，计算男性领导的两个落后的INS WTC值。在潜在的676个CH对上重复具有不同时间滞后的过程，N（如N）等于四秒，六秒或八秒，并使用前面描述的方程计算女性和男性领导的时间滞后INS WTC的强度。使用 pWTC 以与使用等式相同的方式使用 pWTC 计算 INS pWTC。

生成男性和女性之间fNIRS信号的时间滞后时间序列，并计算不同时间滞后WTC的值。通过从男性中删除数据的前两秒和最后两秒，生成男性fNIRS信号的自相关时间序列。然后，计算男性的两秒自相关值。

然后，评估不同时间滞后处的自相关 WTC 值。同样，通过从男性和女性中删除前两秒的数据，创建 fNIRS 信号的时间对齐时间序列。然后，计算两秒的时间对齐WTC。

然后，评估不同时间滞后的时间对齐WTC值。将时间对齐的 WTC、时间滞后 WTC 和不同时间滞后自相关的 WTC 值输入到 pWTC 方程中，生成 INS pWTC。在二级fNIRS数据处理中，去除0.7赫兹以上每个信号的生理噪声和频带。

然后，去除0.01赫兹以下和0.15至0.3赫兹范围内的每个信号的频带，以滤除非常低的频率波动。使用费雪Z变换变换INS，然后在时间维度上平均INS。对于每个时间滞后处的平均INS，在整个频率范围内对每个CH对进行配对的双样本t检验。

然后，识别所有显著的频率簇。通过将参与者随机分配到新的两个成员对来重新分配二元关系，就像从未相互交流的diad的参与者一样。执行基于群集的排列测试，为结果建立阈值。

在每个时间滞后中重新计算 INS。在新样本中执行成对的 t 检验，并确定显著的频率簇。然后，选择具有最大总和 T 值的聚类，然后重复过程 1， 000 次以生成最大假阳性 T 值的空分布。

将原始样本中每个已识别频率簇的总和 T 值与空分布进行比较，以获得显著的统计结果。在研究中进行了模拟分析。代表性分析表明，具有自相关的时间滞后INS WTC明显高于无自相关和时间滞后INS pWTC的时间滞后INS WTC。

此外，无自相关的时滞INS WTC与INS pWTC之间没有显著差异，表明pWTC在消除自相关效应对INS的影响方面存在效率。在0.4至0.6赫兹内观察到边际显着的上下文效应，其中男性落后女性四秒。相比之下，对于INS pWTC，当男性的传感器和运动皮层活动落后女性4秒时，仅观察到0.4至0.6赫兹范围内的显着上下文效应。

在冲突情况下，从妇女到男子的定向移民归化方案明显高于支助性环境。采用格兰杰因果关系法验证了INS pWTC的结果。结果表明，INS GC表现出与INS pWTC相似的模式。

格兰杰因果关系分析计算出的从妇女到男子的定向INS在冲突情况下明显高于支持性环境。使用这种方法计算神经同步后，还可以进行许多其他方法。例如，我们可以比较不同社会联系语境与不同社会关系中的社会联系之间的这种定向信息流。

而且，还可以了解不同通信行为对神经同步的贡献。例如，无论是语言交流还是非语言交流在神经同步中都起着更重要的作用。