Synchronizacja neuronowa

Ten artykuł dotyczy korelacji aktywności mózgu u dwóch lub więcej osób. Aby zapoznać się z ogólną koncepcją pojedynczego układu nerwowego, zobacz Oscylacje nerwowe .

Synchronizacja neuronowa to korelacja aktywności mózgu dwóch lub więcej osób w czasie. W społecznej i afektywnej synchronizacja neuronowa odnosi się konkretnie do stopnia podobieństwa między czasoprzestrzennymi fluktuacjami neuronalnymi wielu osób. Zjawisko to reprezentuje konwergencję i sprzężenie neurokognitywnych różnych ludzi i uważa się, że jest podłożem neuronowym dla wielu form dynamiki międzyludzkiej i wspólnych doświadczeń. Niektóre badania odnoszą się również do synchronizacji neuronowej jako synchronizacji międzymózgowej, sprzężenia mózg-mózg, korelacji między podmiotami, łączności między mózgami lub sprzężenia neuronowego. W aktualnej literaturze synchronizacja neuronowa wyraźnie różni się od synchronizacji wewnątrzmózgowej - czasami nazywanej także synchronizacją neuronową - która oznacza sprzężenie aktywności w różnych regionach mózgu pojedynczej osoby.

Podejścia do synchronizacji neuronowej stanowią ważny teoretyczny i metodologiczny wkład w tę dziedzinę. Od momentu powstania badania synchronizacji neuronowej pomogły wyjaśnić mechanizmy leżące u podstaw zjawisk społecznych , w tym komunikacji, przetwarzania narracji, koordynacji i współpracy. Kładąc nacisk na społeczną dynamikę mózgu, ten obszar badań odegrał kluczową rolę w dostosowaniu neuronauki do społecznych skłonności ludzi – perspektywa, która często jest tracona w podejściu do zrozumienia mózgu na poziomie indywidualnym.

Historia

Motywacja

Kierując się pragnieniem zrozumienia społecznej natury ludzkiego mózgu , badanie synchronizacji neuronowej wywodzi się z poznania społecznego , poddziedziny psychologii , która bada, w jaki sposób rozumiemy i wchodzimy w interakcje z innymi ludźmi poprzez procesy takie jak mentalizacja lub teoria umysłu . Biorąc pod uwagę, że opiera się ona na pomiarze aktywności mózgu , synchronizacja neuronowa ma również swoje korzenie w neuronauce kognitywnej .

Pomimo rozwoju poznania społecznego i neuronauki poznawczej przed początkiem XXI wieku, badania mózgu zaniedbały procesy interpersonalne, koncentrując się głównie na neuronalnych mechanizmach zachowań jednostek. Co więcej, badania neuronaukowe, które badały kwestie społeczne, badały jedynie, w jaki sposób procesy społeczne wpływają na dynamikę neuronów w jednym mózgu. Biorąc pod uwagę, że badacze wyraźnie uznali, że interakcje międzyludzkie są fundamentalne dla ludzkiego poznania, niedostatek badań społecznych i neuronauki wielomózgowej stanowił napięcie w tej dziedzinie. W odpowiedzi na rozbieżność między złożonością interakcji społecznych a koncentracją neurobiologii kognitywnej na jednym mózgu, naukowcy wezwali do wieloosobowego, zorientowanego na interakcję podejścia do zrozumienia mózgu.

Wczesna historia

W 2002 roku amerykański neurobiolog P. Read Montague wyartykułował potrzebę zbadania aktywności neuronowej wielu osób jednocześnie. Do tego momentu Montague i jego współpracownicy napisali: „Badanie interakcji społecznych poprzez skanowanie mózgu tylko jednej osoby jest analogiczne do badania synaps podczas obserwacji neuronu presynaptycznego lub postsynaptycznego , ale nigdy obu jednocześnie”. Przeprowadzili pierwszy skan mózgu więcej niż jednej osoby za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) do jednoczesnego nagrywania dwóch osób zaangażowanych w prostą grę w oszustwo. Podczas gdy badanie to było pierwszym przykładem neuroobrazowania wielu mózgów, w 2005 roku King-Casas i inni połączyli neuroobrazowanie z ekonomiczną grą wymiany, aby przeprowadzić pierwsze badanie, w którym bezpośrednio porównano aktywność neuronów między parami badanych. Od tego czasu badania obrazowania wielu mózgów zyskały na popularności, co doprowadziło do powstania wstępnych ram synchronizacji neuronowej.

Wczesne konceptualizacje synchronizacji neuronowej, głównie z laboratorium Hassona na Uniwersytecie Princeton , były motywowane modelami sprzężenia bodźca z mózgiem. W tych modelach aspekty środowiska fizycznego emitują sygnały mechaniczne, chemiczne i elektromagnetyczne , które mózg odbiera i przetwarza na impulsy elektryczne, które kierują naszymi działaniami i pozwalają nam zrozumieć świat. Badacze przypuszczali, że synchronizacja aktywności neuronalnej między dwoma mózgami powinno wykorzystywać ten sam system, który wiąże aktywność neuronalną z bodźcami środowiskowymi. Jeśli bodźcem jest inna osoba, system percepcyjny jednego mózgu może łączyć się z zachowaniami lub emocjami drugiej osoby, powodując „zastępcze aktywacje”, które objawiają się jako zsynchronizowane reakcje neuronalne między odbiorcą a agentem. Zgodnie z teorią proces ten zachodzi również poprzez bardziej złożone, synergiczne interakcje, zwłaszcza gdy ludzie komunikują się i przekazują znaczenie.

Dalszy rozwój

W ciągu ostatnich dwóch dekad synchronizacja neuronów stała się coraz częstszym tematem badań w dziedzinie neuronauki społecznej i afektywnej, stymulując rozwój koncepcyjny i metodologiczny. Wraz z naciskiem na ekologiczne, naturalistyczne projekty eksperymentalne, skupienie się na badaniach neuronauki wielomózgowej zwiększyło zdolność naukowców do badania synchronizacji neuronowej w kontekstach społecznych. W rezultacie konceptualizacje synchronizacji neuronowej zostały rozszerzone, aby uwzględnić szerszy zakres pomysłów, chociaż często jest ona postrzegana jako korelat neuronowy dla wspólnych doświadczeń dwóch lub więcej osób. Badania obejmują obecnie różnorodne procesy społeczne, a aplikacje obejmują prostą synchronizację ruchową i naukę w klasie.

Znaczące postępy metodologiczne wynikają z ewolucji technik obrazowania wielu mózgów poza fMRI, zwłaszcza magnetoencefalografii / elektroencefalografii (MEG / EEG) i funkcjonalnej spektroskopii w bliskiej podczerwieni (fNIRS) - metod, które zapewniają bardziej społecznie interaktywne projekty eksperymentalne. Uzupełnieniem tych technologii są również kompleksowe techniki przetwarzania danych przydatne w analizach wielomózgowych, takie jak przyczynowość Grangera czy wartość blokowania fazy (PLV).

Jako stopniowo paradygmatyczne podejście w neuronauce społecznej i afektywnej, synchronizacja neuronów stanowi podstawę poszukiwań w tej dziedzinie mózgowych podstaw interakcji społecznych.

Badanie przeprowadzone w 2022 roku przez Uniwersytet w Helsinkach zmierzyło synchronizację mózgów graczy podczas kooperacyjnych gier wideo online .

Metody

Hiperskanowanie

Zobacz też: hiperskanowanie

Badanie synchronizacji neuronowej opiera się na zaawansowanych metodach neuroobrazowania , w szczególności na hiperskanowaniu. Ukuty w 2002 roku przez Montague i wsp., Hyperscanning odnosi się do metody jednoczesnego pomiaru hemodynamicznych lub neuroelektrycznych odpowiedzi dwóch lub więcej mózgów, gdy angażują się one w to samo zadanie lub bodziec. Możliwość rejestrowania zablokowanej w czasie aktywności wielu mózgów sprawia, że ​​hiperskanowanie sprzyja badaniu zmienności aktywności w różnych mózgach. Pozwala także eksperymentatorom badać różne aspekty nagrań neuronowych w scenariuszach naturalistycznych, od przetwarzania bodźców niskiego poziomu po poznanie społeczne wysokiego poziomu. Z tych powodów hiperskanowanie pomogło w systematycznym badaniu dynamiki międzyludzkiej na poziomie mózgu.

Chociaż hiperskanowanie stało się najpowszechniejszą techniką obrazowania do badania synchronizacji neuronów, naukowcy niekoniecznie muszą jednocześnie skanować mózgi. Czasami określany jako pomiar offline lub „pseudo-hiperskanowanie”; to alternatywne podejście opiera się na tych samych podstawowych założeniach, co hiperskanowanie, z wyjątkiem tego, że aktywność mózgu uczestników jest rejestrowana pojedynczo. Dane z różnych skanów izolowanych uczestników są następnie analizowane w celu porównania podobieństw funkcjonalnych podczas identycznych zadań lub bodźców.

Techniki obrazowania

Metody hiperskanowania i skanowania offline można osiągnąć za pomocą powszechnych nieinwazyjnych technik obrazowania hemodynamicznego lub neuroelektrycznego mózgu. Przegląd badań hiperskanowania synchronizacji neuronów wykazał, że najbardziej rozpowszechnionymi metodami są EEG, fNIRS i fMRI, które stanowią odpowiednio 47%, 35% i 17% badań. Każda technika oferuje unikalny wkład w zrozumienie synchronizacji neuronowej, biorąc pod uwagę ich względne zalety i ograniczenia.

EEG mierzy aktywność elektryczną mózgu przez skórę głowy. Jest szeroko stosowany do badania synchronizacji neuronowej ze względu na doskonałą rozdzielczość czasową w zakresie milisekund . Choć podatny na ruchy głowy, EEG nadal pozwala na badanie synchronizacji neuronowej poprzez naturalistyczne projekty, w których ludzie mogą wchodzić w interakcje społeczne. Wadą EEG jest stosunkowo słaba rozdzielczość przestrzenna , co utrudnia wyjaśnienie przestrzennych cech aktywacji mózgu w kontekstach społecznych.

fNIRS wykorzystuje fale bliskiej podczerwieni do pomiaru odpowiedzi mózgu zależnej od poziomu tlenu we krwi (BOLD). Jest to coraz bardziej popularna metoda obrazowania do badań synchronizacji neuronowej ze względu na jej przenośność i tolerancję ruchu , co czyni ją idealną do testowania rzeczywistych bodźców społecznych. fNIRS mierzy tylko obszary korowe mózgu , a jego rozdzielczość czasowa nie jest tak dobra jak EEG. Jednak równowaga między właściwościami przestrzennymi i czasowymi, w połączeniu ze zdolnością badanych do poruszania się i interakcji ze względną swobodą podczas skanowania, kwalifikuje fNIRS jako wszechstronną opcję do badania synchronizacji neuronowej.

fMRI wykorzystuje rezonans magnetyczny do pomiaru odpowiedzi BOLD mózgu. Główną zaletą fMRI jest precyzyjna rozdzielczość przestrzenna. fMRI pozwala naukowcom na dogłębne zbadanie procesów neurokognitywnych zachodzących w mózgach. Jednak fMRI ma niską rozdzielczość czasową, jest bardzo wrażliwy na ruch i wymaga, aby osoby badane leżały płasko w głośnym urządzeniu MRI podczas interakcji z ekranem. Czynniki te stanowią ograniczenia w badaniu synchronizacji neuronowej, która często wymaga naturalistycznych środowisk i zadań, które są reprezentatywne dla rzeczywistych kontekstów społecznych.

Analiza

Standardowym podejściem do badania synchronizacji neuronowej, zwłaszcza z danymi z naturalistycznych projektów eksperymentalnych, jest korelacja międzyosobnicza (ISC). Często ISC jest korelacją Pearsona lub solidną regresją czasoprzestrzennych wzorców aktywności nerwowej u wielu osób. W ISC reakcje mózgowe danej osoby są albo skorelowane ze średnią pozostałych badanych w analizie typu „pomiń jeden wykluczony”, albo wszystkie pary badanych są skorelowane w analizie parami. Ta metoda wykorzystuje bodźce ograniczone w czasie, aby zrozumieć, w jaki sposób aktywność mózgu uczestników odnosi się do różnych części zadania. Zamiast skupiać się na sile aktywacji w obszarach mózgu, ISC bada zmienność aktywności neuronów u różnych osób, umożliwiając naukowcom zbadanie poziomu podobieństwa lub idiosynkrazji w reakcjach mózgu ludzi. Zakłada się, że wspólna wariancja aktywności neuronów wskazuje na podobne przetwarzanie identycznych bodźców lub zadań. Podobny do ogólnego modelu liniowego , ważne jest, aby porównać wartości ISC z wartościami zerowymi, które można wyprowadzić z zapisów stanów spoczynku lub nieistotnych bodźców. Ponieważ zależy to od rozbudowanych projektów, które pozwalają na rejestrowanie aktywności w czasie, ISC szczególnie sprzyja badaniom interakcji społecznych, co czyni go potężnym podejściem do badania synchronizacji neuronowej w kontekstach społecznych. Jednak ISC zależy od reakcji opartych na bodźcach, co stwarza trudności dla naukowców zainteresowanych aktywnością w stanie spoczynku.

Niedawno zaproponowano analizę podobieństwa reprezentacji między podmiotami (IS-RSA) jako sposób na wykrycie indywidualnych różnic lub „idiosynchronii” między osobami doświadczającymi naturalistycznych bodźców eksperymentalnych. Ta analiza uwzględnia synchronizację neuronową każdego badanego z innymi badanymi i wiąże ją ze znanymi indywidualnymi miarami behawioralnymi, umożliwiając naukowcom porównanie danych mózgowych na poziomie wielu osób z cechami i zachowaniami na poziomie indywidualnym.

Najlepsze praktyki

Synchronizacja neuronowa to stosunkowo nowy obszar badań, który zapewnia różnorodne podejścia i nie istnieje żaden dominujący paradygmat gromadzenia, analizowania i interpretowania danych. Wiele decyzji, takich jak techniki obrazowania lub metody analizy, zależy od celów badaczy. Istnieją jednak pewne ogólnie przyjęte najlepsze praktyki podczas projektowania tych eksperymentów. Na przykład do uzyskania wiarygodnych i powtarzalnych map statystycznych ISC niezbędne są próbki o wielkości około 30. Ponadto, badając wspólne reakcje, naukowcy zazwyczaj preferują silny bodziec, który jest w stanie wygenerować znaczące reakcje mózgu, co pozwala naukowcom wykryć wyższy poziom synchronizacji neuronowej u uczestników. Wyjątkiem od tej preferencji jest sytuacja, gdy badacze są bardziej zainteresowani indywidualnymi różnicami, które napędzają synchronizację. W takich przypadkach badacze powinni stosować bodźce, które są wystarczająco silne, aby wywołać synchronizację neuronową, a jednocześnie wystarczająco skromne, aby utrzymać wystarczającą zmienność neuronalną, którą badacze mogą później odnieść do zmienności miar behawioralnych.

Jedna z najważniejszych kwestii związanych z prowadzeniem badań synchronizacji neuronowej dotyczy kwestii ekologicznych ważność projektu. Jako zjawisko z natury społeczne, synchronizacja neuronowa wymaga wielowymiarowych bodźców, które naśladują bogactwo świata społecznego. Co więcej, ze względu na sposób, w jaki jest mierzona - poprzez obliczanie wariancji odpowiedzi wielu mózgów na zadanie w czasie - synchronizacja neuronowa jest szczególnie podatna na rozszerzone bodźce społeczne. Projekty ekologiczne są szczególnie trudne w większości badań neuroobrazowania, ale są szczególnie ważne dla uchwycenia procesów społecznych, a także wykorzystują mocne strony i afordancje podejść do synchronizacji neuronowej.

Dowody eksperymentalne i implikacje

Komunikacja

Badanie synchronizacji neuronów za pomocą badań wielomózgowych umożliwiło wgląd we wspólne i specyficzne aspekty komunikacji międzyludzkiej. Synchronizacja neuronowa jako potencjalny mechanizm neuronowy do skutecznego przesyłania informacji między mózgami pokazała, jak czasowo i przestrzennie aktywność mózgu łączy się, gdy ludzie się komunikują. Synchronizacja podczas komunikacji występuje w wielu częstotliwościach i regionach mózgu, zwłaszcza w pasmach alfa i gamma, skroniowym połączeniu ciemieniowym i dolnych obszarach czołowych.

W przełomowym badaniu Stephens i in. zademonstrowali to połączenie międzymózgowe poprzez analizę fMRI mówców i słuchaczy. Wykorzystując przestrzenne i czasowe reakcje nerwowe mówcy do modelowania reakcji słuchacza podczas naturalnej komunikacji werbalnej, odkryli, że aktywność mózgu synchronizuje się w diadzie zarówno w sposób opóźniony, jak i przewidujący, ale ta synchronizacja nie występuje, gdy badani nie komunikują się (np. język, którego słuchacz nie rozumie). Większa synchronizacja między mózgami, zwłaszcza w predykcyjnych reakcjach antycypacyjnych, wskazywała na lepsze wyniki w pomiarach rozumienia. Opierając się na tej pracy, inne badania miały na celu określenie czynników komunikacyjnych związanych z synchronizacją neuronową. Manipulując trybem konwersacji i instrukcjami, badania wykazały, że synchronizacja neuronowa jest najsilniejsza podczas rozmów twarzą w twarz, które obejmują zachowanie na zmianę oraz multisensoryczną interakcję werbalną i niewerbalną. Dynamika struktury sieci również odgrywa rolę w synchronizacji neuronowej, tak że centralne postacie, takie jak prowadzący rozmowę, wykazują zwykle większą synchronizację neuronową niż osoby niebędące liderami z innymi partnerami dyskusji.

Synchronizację neuronową można również znaleźć w komunikacji niewerbalnej, takiej jak gesty rąk i mimika. Wczesne badanie wykazało synchronizację między uczestnikami grającymi w szarady. Używając fMRI do rejestrowania aktywności mózgu, gdy ludzie wykonywali gesty lub obserwowali gesty, naukowcy odkryli zsynchronizowane czasowe zmiany aktywności mózgu w neuronach lustrzanych i systemach mentalizujących. Inne badanie wykazało, że zachowania komunikacyjne, takie jak wspólne spojrzenie i ekspresja pozytywnego afektu, generowały synchronizację neuronową u romantycznych partnerów, ale nie u nieznajomych. Ogólnie rzecz biorąc, badania synchronizacji neuronów otaczające komunikację werbalną, wielozmysłową i niewerbalną pokazują jej potencjał jako narzędzia do badania mechanizmów leżących u podstaw komunikacji międzyludzkiej.

Przetwarzanie narracyjne

Innym celem badań nad synchronizacją neuronową jest przetwarzanie narracji. Ten kierunek badań ma pewne powiązania z badaniami synchronizacji neuronowej komunikacji, ale nadal istnieje wystarczające zainteresowanie podobieństwami i różnicami w sposobie, w jaki ludzie przetwarzają multimodalne informacje narracyjne, takie jak oglądanie filmów, słuchanie historii lub czytanie fragmentów. Co ważne, badania nad przetwarzaniem narracyjnym synchronizacji neuronowej obserwują hierarchiczne poziomy przetwarzania, które rozwijają się w czasie, zaczynając od obszarów odpowiedzialnych za niskopoziomowe przetwarzanie bodźców słuchowych lub wzrokowych. Gdy informacja semantyczna staje się bardziej widoczna w narracji, zsynchronizowane przetwarzanie przenosi się do bardziej integracyjnych sieci, takich jak dolny płat ciemieniowy lub skroniowe połączenie ciemieniowe.

Badania pokazują, że synchronizacja neuronowa wskazuje na podobieństwo w zapamiętywaniu i rozumieniu narracji przez ludzi, nawet w przypadku narracji niejednoznacznych. Jedno z badań wykazało to zjawisko za pomocą Heidera i Simmla klasyczny paradygmat, w którym proste kształty poruszają się po ekranie w sposób, który powoduje, że ludzie nasycają kształty historiami i znaczeniem społecznym. Uczestnicy, którzy interpretowali ruch kształtów w podobny sposób, wykazywali większą synchronizację neuronów w obszarach korowych mózgu. Ten związek między synchronizacją neuronów a podobieństwem w rozumieniu niezawodnie występuje w innych typach narracji, w tym w słuchaniu opowieści i swobodnym oglądaniu treści wizualnych, i utrzymuje się na różnych etapach narracji, takich jak konsumowanie opowieści, przypominanie jej i słuchanie innej osobie przypomnij sobie historię. Łącznie odkrycia te podkreślają, że synchronizacja neuronowa jest niezawodnym mechanizmem neuronowym konwergencji hierarchicznego przetwarzania narracji ludzi, co sugeruje, że synchronizacja odgrywa kluczową rolę w tym, jak, czy i dlaczego podobnie postrzegamy znaczenie świata.

Koordynacja

Dążenie do złożonych celów dla jednostek lub grup zależy od udanej koordynacji, a synchronizacja neuronowa zapewnia również wgląd w mechanizmy leżące u podstaw tych procesów. Przegląd badań nad hiperskanowaniem pokazuje, że podejścia do synchronizacji neuronowej badały koordynację poprzez szereg paradygmatów, w tym wspólną uwagę , ruchy, idee i zadania. Odkrycia te pokazują również synchronizację w różnych obszarach mózgu związanych z dzieleniem się działaniami i mentalizacją, a mianowicie w dolnych i skroniowych obszarach ciemieniowych, a także w paśmie alfa i innych częstotliwościach. Co więcej, zbieżne dowody sugerują, że modele międzymózgowe (tj. synchronizacja neuronowa) są skuteczniejsze niż modele wewnątrzmózgowe w przewidywaniu wydajności zadań wymagających koordynacji społecznej.

Zrozumienie, w jaki sposób koordynacja poprzez wspólną uwagę odnosi się do synchronizacji neuronów i jak ta zależność wpływa na wydajność, jest szczególnie interesujące dla badaczy. Badania pokazują, że nawet proste interakcje społeczne, takie jak konwergencja uwagi, mogą wywołać synchronizację. Na przykład w zadaniu, w którym jeden uczestnik musi skierować innego uczestnika do docelowej lokalizacji tylko poprzez wpatrywanie się w oczy, co wymaga, aby obaj uczestnicy ostatecznie skoordynowali ruchy gałek ocznych, naukowcy odkryli znaczną synchronizację neuronową w mentalizujących regionach wchodzących w interakcje par. Inne badania pokazują silną synchronizację neuronową podczas prostych skoordynowanych zdarzeń, takich jak naśladowanie ruchu dłoni i palców, nucenie, a nawet mruganie oczami.

Badania nad koordynacją znajdują również synchronizację neuronową w bardziej złożonych koordynacjach społecznych. Zestaw badań wykazał powszechność synchronizacji neuronowej w produkcji muzycznej, podczas gdy ludzie koordynują rytmy i ruchy. Wczesne badania wykazały, że duety gitarzystów generują większą synchronizację neuronową pasma niskich częstotliwości podczas wspólnego grania niż podczas gry solo. Ponadto osoby, które odgrywały różne role w skomplikowanym utworze muzycznym, wykazywały synchronizację między mózgami w okresach koordynacji. W innej serii badań przebadano pilotów i drugich pilotów w symulatorze lotu, stwierdzając, że synchronizacja była najsilniejsza, gdy sytuacja wymagała większej koordynacji społecznej, na przykład podczas stresujących scenariuszy lub startu i lądowania. Odkrycia te implikują synchronizację neuronową jako niezawodny korelat koordynacji społecznej, nawet gdy interakcje wymagają koordynacji różnych form i złożoności.

Współpraca

Zmierzone za pomocą zadań obejmujących interaktywne podejmowanie decyzji i gry, wyniki z terenu sugerują ścisły związek między synchronizacją neuronową a współpracą. Konteksty podejmowania decyzji i gry, które wymagają większego zaangażowania społecznego, wysokiego poziomu i ukierunkowanego na cel z innymi ludźmi, zazwyczaj bardziej sprzyjają synchronizacji neuronowej. W tej dziedzinie badacze są szczególnie zainteresowani tym, jak poziomy synchronizacji neuronowej różnią się w zależności od tego, czy ludzie współpracują, rywalizują czy bawią się sami.

Na przykład jedno badanie, w którym wykorzystano komputerową grę wideo, wykazało wysoki poziom synchronizacji neuronowej – i lepszą wydajność – u badanych, gdy grali w tej samej drużynie, ale efekt ten znikał, gdy ludzie grali przeciwko sobie lub samemu. Podobnie badacze, którzy zarządzali zadaniem polegającym na rozwiązywaniu puzzli, stwierdzili synchronizację neuronową u ludzi pracujących zespołowo, jednak synchronizacja zmniejszyła się u tych samych osób, gdy pracowali osobno lub obserwowali, jak inni rozwiązują zagadkę. Kolejne badanie wykorzystujące klasyczny dylemat więźnia gra pokazała, że ​​uczestnicy doświadczali większej synchronizacji neuronowej między sobą w warunkach wysokiego kontekstu współpracy niż w warunkach niskiego kontekstu współpracy lub podczas interakcji z komputerem. Subiektywne miary postrzeganej współpracy pośredniczyły w tym efekcie. Krytycznie rzecz biorąc, pomysł, że synchronizacja neuronowa jest solidna podczas współpracy, że bardziej interaktywne i wymagające zadania kooperacyjne wymagają większej synchronizacji neuronowej, a lepsza współpraca często wiąże się z lepszą wydajnością, jest potwierdzony w całej literaturze dotyczącej synchronizacji neuronowej.

Różnice na poziomie indywidualnym

Znaczna część literatury na temat synchronizacji neuronowej bada, w jaki sposób bodźce napędzają reakcje w wielu mózgach. Ponieważ reakcje te są często zależne od zadania, trudno jest oddzielić czynniki na poziomie stanu od czynników na poziomie jednostki (np. cech). Jednak kreatywne projekty eksperymentalne, dostęp do pewnych populacji i postęp w metodach analizy, takich jak IS-RSA, dały niedawny wgląd w to, jak różnice na poziomie indywidualnym wpływają na synchronizację neuronów.

Wykorzystując niejednoznaczną narrację społeczną, Finn i in. donoszą, że osoby z paranoją o wysokiej charakterystyce wykazywały silniejszą synchronizację neuronową między sobą w społecznie motywowanych obszarach korowych niż osoby z paranoją o niskiej charakterystyce – odkrycie, które również skaluje się, gdy bada się semantyczne i składniowe podobieństwa ich narracji. style poznawcze ludzi wpływają na poziom ich wzajemnej synchronizacji. W odpowiedzi na obejrzenie filmu Bacha-Trams et al. wykazali, że myśliciele holistyczni wykazywali między sobą większą synchronizację neuronową i przypuszczalnie rozumieli film bardziej podobnie niż myśliciele analityczni. Obie grupy wykazywały również synchronizację wewnątrzgrupową w różnych regionach mózgu.

Pomysł, że różnice na poziomie indywidualnym wpływają na synchronizację neuronów, rozciąga się również na obszary kliniczne. Niektóre badania wskazują, że osoby, które radzą sobie z zaburzeniami ze spektrum autyzmu, wykazują wyraźne i zmniejszone wzorce synchronizacji neuronowej w porównaniu z osobami bez zaburzeń ze spektrum autyzmu. Wykazano również, że kliniczne rozbieżności w synchronizacji neuronów zwiększają się wraz z nasileniem objawów.

Podejście mózg jako predyktor

Synchronizacja neuronów ma poważne implikacje dla podejścia opartego na mózgu jako predyktorze, które zachęca do wykorzystywania danych neuroobrazowania do przewidywania solidnych, uzasadnionych ekologicznie wyników behawioralnych. Podejście oparte na mózgu jako predyktorze jest skuteczne w przewidywaniu wyników w różnych dziedzinach, w tym w zakresie zdrowia i wyborów konsumenckich. Biorąc pod uwagę jej społeczny charakter, synchronizacja neuronowa może potencjalnie opierać się na modelach mózgu jako predyktora, umożliwiając przewidywanie rzeczywistych procesów społecznych. Niektórzy badacze zaczęli stosować to podejście.

W jednym badaniu członkowie ograniczonej sieci społecznościowej obejrzeli baterię krótkich filmów audiowizualnych w skanerze MRI. Stawiając hipotezę, że podobieństwo reakcji neuronalnych zależy od bliskości społecznej, naukowcy wykorzystali siłę miar synchronizacji neuronowej między uczestnikami, aby wiarygodnie przewidzieć bliskość i przyjaźń w rzeczywistych sieciach społecznościowych. Inny przykład wykorzystania synchronizacji neuronowej do przewidywania wyników obejmuje wykorzystanie neuronowych grup odniesienia, które mogą przewidywać zachowania, takie jak stronnicze stanowisko w kontrowersyjnych tematach, na poziomach powyżej szansy. Podejście to wymaga zidentyfikowania grup ludzi, którzy postrzegają świat i reagują na niego w podobny sposób, pomiaru aktywności ich mózgów i dyspozycyjnych postaw związanych z dowolnymi bodźcami będącymi przedmiotem zainteresowania, a następnie zastosowania metody klasyfikacji opartej na synchronizacji w celu przewidzenia, czy nowe osoby postrzegają świat podobnie lub inaczej w zależności od ich synchronizacji z grupą odniesienia. Łącznie odkrycia te ilustrują siłę i potencjał synchronizacji neuronowej, która może przyczynić się do modeli mózgu jako predyktora, ostatecznie określając synchronizację neuronową jako narzędzie do zrozumienia rzeczywistych wyników wykraczających poza same miary behawioralne.

Zobacz też

  1. ^ ab Schilbach      , Leonhard; Timmermans, Bert; Reddy, Vasudevi; Costall, Alan; Bente, Gary; Schlicht, Tobiasz; Vogeley, Kai (2013). „W kierunku neurobiologii drugiej osoby” . Nauki behawioralne i mózgowe . 36 (4): 393–414. CiteSeerX 10.1.1.476.2200 . doi : 10.1017/S0140525X12000660 . ISSN 1469-1825 . PMID 23883742 . S2CID 54587375 .
  2. ^ a b c d e f g     Hasson, Uri; Ghazanfar, Asif A.; Galantucci, Bruno; Garrod, Szymon; Klucze, Christian (2012-02-01). „Sprzęganie mózg-mózg: mechanizm tworzenia i udostępniania świata społecznego” . Trendy w kognitywistyce . 16 (2): 114–121. doi : 10.1016/j.tics.2011.12.007 . ISSN 1364-6613 . PMC 3269540 . PMID 22221820 .
  3. ^ a b c d e f g hi Nam , Chang; Choo, Sanghyun; Huang, Jiali; Park, Jiyoung (24.09.2020). „Synchronia neuronowa mózg-mózg podczas interakcji społecznych: systematyczny przegląd badań hiperskanujących” . Nauk Stosowanych . 10 (19): 6669. doi : 10.3390/app10196669 .
  4. ^ a b c    Montague, P. Czytaj ; Berns, Gregory S .; Cohen, Jonathan D .; McClure, Samuel M.; Pagnoni, Giuseppe; Dhamala, Mukesh; Wiest, Michael C.; Karpow, Igor; Król, Richard D.; Jabłko, Nathan; Fisher, Ronald E. (2002). „Hyperscanning: jednoczesne fMRI podczas połączonych interakcji społecznych” . Neuroobraz . 16 (4): 1159–1164. doi : 10.1006/nimg.2002.1150 . ISSN 1053-8119 . PMID 12202103 .   S2CID 15988039 .
  5. ^     Sänger, Johanna; Lindenberger, Ulman; Müller, Wiktor (2011-11-01). „Interaktywne mózgi, umysły społeczne” . Biologia komunikacyjna i integracyjna . 4 (6): 655–663. doi : 10.4161/cib.17934 . ISSN 1942-0889 . PMC 3306325 . PMID 22448303 .
  6. ^ a b     Balconi, Michela; Vanutelli, Maria E. (2017). „Współpraca i rywalizacja z metodami hiperskanowania: przegląd i przyszłe zastosowanie w domenie emocji” . Granice w neuronauce obliczeniowej . 11 : 86. doi : 10.3389/fncom.2017.00086 . ISSN 1662-5188 . PMC 5627061 . PMID 29033810 .
  7. ^     Montague, P. Czytaj; Berns, Gregory S.; Cohen, Jonathan D.; McClure, Samuel M.; Pagnoni, Giuseppe; Dhamala, Mukesh; Wiest, Michael C.; Karpow, Igor; Król, Richard D.; Jabłko, Nathan; Fisher, Ronald E. (2002). „Hyperscanning: jednoczesne fMRI podczas połączonych interakcji społecznych” . Neuroobraz . 16 (4): 1160. doi : 10.1006/nimg.2002.1150 . ISSN 1053-8119 . PMID 12202103 . S2CID 15988039 .
  8. ^      King-Casas, Brooks; Tomlin, Damon; Anen, Cedrik; Camerer, Colin F.; Kwarc, Steven R.; Montague, P. Czytaj (2005-04-01). „Poznawanie Ciebie: reputacja i zaufanie w dwuosobowej wymianie gospodarczej” . nauka . 308 (5718): 78–83. Bibcode : 2005Sci...308...78K . CiteSeerX 10.1.1.215.598 . doi : 10.1126/science.1108062 . ISSN 1095-9203 . PMID 15802598 . S2CID 8068031 .
  9. ^     Keysers, chrześcijanin; Gazzola, Valeria (2009-12-01). „Poszerzenie lustra: zastępcza aktywność dla działań, emocji i wrażeń” . Aktualna opinia w neurobiologii . Układy motoryczne • Neurologia zachowania. 19 (6): 666–671. doi : 10.1016/j.conb.2009.10.006 . ISSN 0959-4388 . PMID 19880311 . S2CID 2692907 .
  10. Bibliografia     _ Richardson, Michael; Shockley, Kevin; Ramenzoni, Verónica (2011). „Synergie interpersonalne” . Granice w psychologii . 2 : 38. doi : 10.3389/fpsyg.2011.00038 . ISSN 1664-1078 . PMC 3110940 . PMID 21716606 .
  11. ^ abcd Liu , Difei     ; Liu, Shen; Liu, Xiaoming; Zhang, Chong; Li, Aosika; Jin, Chenggong; Chen, Yijun; Wang, Hangwei; Zhang, Xiaochu (2018). „Interaktywna aktywność mózgu: przegląd i postęp w hiperskanowaniu opartym na EEG w interakcjach społecznych” . Granice w psychologii . 9 : 1862. doi : 10.3389/fpsyg.2018.01862 . ISSN 1664-1078 . PMC 6186988 . PMID 30349495 .
  12. Bibliografia     _ Dai, Rui-Na; Xiao, Xiang; Zhang, Zong; Duan, Lian; Li, Zheng; Zhu, Chao-Zhe (2017). „Niezależna analiza hiperłączy oparta na analizie komponentów na poziomie źródła dla dwuosobowych badań neurologicznych” . Journal of Biomedical Optics . 22 (2): 027004. Bibcode : 2017JBO....22b7004Z . doi : 10.1117/1.JBO.22.2.027004 . ISSN 1083-3668 . PMID 28301653 . S2CID 206440646 .
  13. ^ a b c d e f     Finn, Emily S .; Glerean, Enrico; Khojandi, Arman Y.; Nielson, Dylan; Molfese, Peter J.; Handwerker, Daniel A.; Bandettini, Peter A. (2020-07-15). „Idiosynchronia: od wspólnych odpowiedzi do różnic indywidualnych podczas naturalistycznego neuroobrazowania” . Neuroobraz . 215 : 116828. doi : 10.1016/j.neuroimage.2020.116828 . ISSN 1053-8119 . PMC 7298885 . PMID 32276065 .
  14. ^ a b     Schippers, Marleen B .; Roebroeck, Alard; Renken, Remco; Nanetti, Luca; Keysers, Christian (2010-05-18). „Mapowanie przepływu informacji z jednego mózgu do drugiego podczas komunikacji gestami” . Obrady Narodowej Akademii Nauk . 107 (20): 9388–9393. Bibcode : 2010PNAS..107.9388S . doi : 10.1073/pnas.1001791107 . ISSN 0027-8424 . PMC 2889063 . PMID 20439736 .
  15. ^     Tognoli, Emmanuelle; Lagarde, Julien; DeGuzman, Gonzalo C.; Kelso, JA Scott (2007-05-08). „Kompleks phi jako neuromarker koordynacji społecznej człowieka” . Obrady Narodowej Akademii Nauk . 104 (19): 8190–8195. doi : 10.1073/pnas.0611453104 . ISSN 0027-8424 . PMC 1859993 . PMID 17470821 .
  16. ^ „Interakcja mózgów synchronizuje się bez fizycznej obecności” . 30 sierpnia 2022 r.
  17. ^ a b c d     Babiloni, Fabio; Astolfi, Laura (2014-07-01). „Techniki neuronauki społecznej i hiperskanowania: przeszłość, teraźniejszość i przyszłość” . Recenzje neuronauki i biobehawioralne . Applied Neuroscience: modele, metody, teorie, recenzje. Wydanie specjalne Towarzystwa Neurologii Stosowanej (SAN). 44 : 76–93. doi : 10.1016/j.neubiorev.2012.07.006 . ISSN 0149-7634 . PMC 3522775 . PMID 22917915 .
  18. ^ a b c d e f g    Mu, Yan; Cerritos, Cindy; Chan, Fatima (2018-10-23). „Mechanizmy neuronowe leżące u podstaw koordynacji międzyludzkiej: przegląd badań nad hiperskanowaniem” . Kompas psychologii społecznej i osobowości . 12 (11). doi : 10.1111/spc3.12421 . ISSN 1751-9004 . S2CID 150259098 .
  19. ^ abc Dumas ,    G.; Lachat, F.; Martinerie, J.; Nadel, J.; George, N. (2011-02-01). „Od zachowań społecznych do synchronizacji mózgu: przegląd i perspektywy w hiperskanowaniu” . IRBM . NUMÉRO SPÉCIAL: LE CERVEAU DANS TOUS SES ÉTATS. 32 (1): 48–53. doi : 10.1016/j.irbm.2011.01.002 . ISSN 1959-0318 . S2CID 5856141 .
  20. ^ ab Schot     , Lotte; Hagoort, Piotr; Segaert, Katrien (2016-09-01). „Czego możemy się nauczyć z dwumózgowego podejścia do interakcji werbalnej?” . Recenzje neuronauki i biobehawioralne . 68 : 454–459. doi : 10.1016/j.neubiorev.2016.06.009 . hdl : 11858/00-001M-0000-002A-E28D-F . ISSN 0149-7634 . PMID 27311632 . S2CID 17906867 .
  21. ^     Burgess, Adrian P. (24.12.2013). „O interpretacji synchronizacji w badaniach hiperskanowania EEG: uwaga” . Granice w ludzkiej neuronauce . 7 : 881. doi : 10.3389/fnhum.2013.00881 . ISSN 1662-5161 . PMC 3870947 . PMID 24399948 .
  22. ^     Scholkmann, Feliks; Holper, Lisa; Wilk, Urszula; Wilk, Martin (2013). „Nowe metodyczne podejście w neuronauce: ocena międzyludzkiego sprzężenia mózgowego za pomocą hiperskanowania funkcjonalnego obrazowania w bliskiej podczerwieni (fNIRI)” . Granice w ludzkiej neuronauce . 7 : 813. doi : 10.3389/fnhum.2013.00813 . ISSN 1662-5161 . PMC 3841755 . PMID 24348362 .
  23. ^ a b    Hasson, Uri; Nir, Yuval; Levy, Ifat; Fuhrmann, Galit; Malach, Rafael (2004-03-12). „Międzyosobowa synchronizacja aktywności korowej podczas naturalnego widzenia” . nauka . 303 (5664): 1634-1640. Bibcode : 2004Sci...303.1634H . doi : 10.1126/science.1089506 . PMID 15016991 . S2CID 12688628 .
  24. ^     Nastase, Samuel A; Gazzola, Waleria; Hasson, Uri; Klucze, Christian (2019-08-07). „Pomiar wspólnych odpowiedzi między przedmiotami za pomocą korelacji międzyosobniczej” . Neuronauka społeczno-poznawcza i afektywna . 14 (6): 667–685. doi : 10.1093/scan/nsz037 . ISSN 1749-5016 . PMC 6688448 . PMID 31099394 .
  25. ^     Garrett, Douglas D.; Samanez-Larkin, Gregory R.; MacDonald, Stuart WS; Lindenberger, Ulman; McIntosh, Anthony R.; Grady, Cheryl L. (2013). „Zmienność sygnału mózgowego z chwili na chwilę: kolejna granica w mapowaniu ludzkiego mózgu?” . Recenzje neuronauki i biobehawioralne . 37 (4): 610–624. doi : 10.1016/j.neubiorev.2013.02.015 . ISSN 1873-7528 . PMC 3732213 . PMID 23458776 .
  26. ^     Pajula, Dżuha; Kauppi, Jukka-Pekka; Tohka, Jussi (2012-08-08). „Korelacja międzyosobnicza w fMRI: walidacja metody na podstawie analizy opartej na modelu bodźca” . PLOS JEDEN . 7 (8): e41196. Bibcode : 2012PLoSO...841196P . doi : 10.1371/journal.pone.0041196 . ISSN 1932-6203 . PMC 3414505 . PMID 22924089 .
  27. ^ ab Pajula     , Juha; Tohka, Jussi (2016). „Ile wystarczy? Wpływ wielkości próby w analizie korelacji między podmiotami fMRI” . Inteligencja obliczeniowa i neuronauka . 2016 : 2094601. doi : 10.1155/2016/2094601 . ISSN 1687-5265 . PMC 4738700 . PMID 26884746 .
  28. ^     Chen, Pin-Hao A.; Jolly, Eshin; Cheonga, Jin Hyuna; Chang, Luke J. (2020-08-01). „Analiza podobieństwa reprezentacji między podmiotami ujawnia indywidualne różnice w doświadczeniu afektywnym podczas oglądania filmów erotycznych” . Neuroobraz . 216 : 116851. doi : 10.1016/j.neuroimage.2020.116851 . ISSN 1053-8119 . PMC 7955800 . PMID 32294538 .
  29. ^     Żywopłot, Craig; Powell, Georgina; Sumner, Petroc (2018-06-01). „Paradoks niezawodności: dlaczego solidne zadania poznawcze nie dają wiarygodnych różnic indywidualnych” . Metody badania zachowania . 50 (3): 1166–1186. doi : 10.3758/s13428-017-0935-1 . ISSN 1554-3528 . PMC 5990556 . PMID 28726177 .
  30. Bibliografia    _ Kujala, Miiamaaria V. (2009-04-01). „Mózgowe podstawy interakcji społecznych człowieka: od koncepcji do obrazowania mózgu” . Recenzje fizjologiczne . 89 (2): 453–479. doi : 10.1152/physrev.00041.2007 . ISSN 0031-9333 . PMID 19342612 .
  31. ^     Stephens, Greg J.; Silbert, Lauren J.; Hasson, Uri (2010-08-10). „Połączenie neuronowe głośnik-słuchacz leży u podstaw udanej komunikacji” . Obrady Narodowej Akademii Nauk . 107 (32): 14425–14430. Bibcode : 2010PNAS..10714425S . doi : 10.1073/pnas.1008662107 . ISSN 0027-8424 . PMC 2922522 . PMID 20660768 .
  32. Bibliografia     _ Dai, Bohan; Peng, Danling; Zhu, Chaozhe; Liu, Li; Lu, Chunming (2012-11-07). „Synchronizacja neuronowa podczas komunikacji twarzą w twarz” . Journal of Neuroscience . 32 (45): 16064–16069. doi : 10.1523/JNEUROSCI.2926-12.2012 . ISSN 0270-6474 . PMC 6621612 . PMID 23136442 .
  33. Bibliografia     _ Mai, Xiaoqin; Wang Shun; Zhu, Chaozhe; Krueger, Frank; Liu, Chao (2016). „Interpersonalna synchronizacja mózgu w prawym połączeniu skroniowo-ciemieniowym podczas bezpośredniej wymiany gospodarczej” . Neuronauka społeczno-poznawcza i afektywna . 11 (1): 23–32. doi : 10.1093/skanowanie/nsv092 . ISSN 1749-5024 . PMC 4692317 . PMID 26211014 .
  34. Bibliografia     _ Chen, Chuansheng; Dai, Bohan; Shi, Guang; Ding, Guosheng; Liu, Li; Lu, Chunming (2015-04-07). „Wyłanianie się lidera poprzez interpersonalną synchronizację neuronową” . Obrady Narodowej Akademii Nauk . 112 (14): 4274–4279. Bibcode : 2015PNAS..112.4274J . doi : 10.1073/pnas.1422930112 . ISSN 0027-8424 . PMC 4394311 . PMID 25831535 .
  35. ^     Kinreich, Sivan; Djalovski, Amir; Kraus, Lior; Louzoun, Yoram; Feldman, Ruth (2017-12-06). „Synchronia mózg-mózg podczas naturalistycznych interakcji społecznych” . Raporty naukowe . 7 (1): 17060. Bibcode : 2017NatSR...717060K . doi : 10.1038/s41598-017-17339-5 . ISSN 2045-2322 . PMC 5719019 . PMID 29213107 .
  36. ^ a b     Hasson, Uri; Yang, Eunice; Vallines, Ignacio; Heeger, David J.; Rubin, Nava (2008-03-05). „Hierarchia czasowych okien receptywnych w korze mózgowej człowieka” . Journal of Neuroscience . 28 (10): 2539–2550. doi : 10.1523/JNEUROSCI.5487-07.2008 . ISSN 0270-6474 . PMC 2556707 . PMID 18322098 .
  37. ^     Lerner, Julia; Kochanie, Christopher J.; Silbert, Lauren J.; Hasson, Uri (23.02.2011). „Mapowanie topograficzne hierarchii czasowych okien receptywnych przy użyciu opowiadanej historii” . Journal of Neuroscience . 31 (8): 2906–2915. doi : 10.1523/JNEUROSCI.3684-10.2011 . ISSN 0270-6474 . PMC 3089381 . PMID 21414912 .
  38. Bibliografia    _ _ Simmel, Marianne (1944). „Eksperymentalne badanie pozornego zachowania” . Amerykański Dziennik Psychologii . 57 (2): 243–259. doi : 10.2307/1416950 . ISSN 0002-9556 . JSTOR 1416950 .
  39. Bibliografia     _ Vanderwal, Tamara; Hasson, Uri (2019-01-01). „Wspólne rozumienie narracji jest skorelowane ze wspólnymi reakcjami neuronowymi” . Neuroobraz . 184 : 161–170. doi : 10.1016/j.neuroimage.2018.09.010 . ISSN 1053-8119 . PMC 6287615 . PMID 30217543 .
  40. ^     Saalasti, Satu; Alho, Jussi; Bar, Mosze; Glerean, Enrico; Honkela, Timo; Kauppila, Minna; Sams, Mikko; Jääskeläinen, Iiro P. (2019-04-11). „Dolny płat ciemieniowy i wczesne obszary wzrokowe wspierają wywoływanie zindywidualizowanych znaczeń podczas słuchania narracji” . Mózg i zachowanie . 9 (5): e01288. doi : 10.1002/brb3.1288 . ISSN 2162-3279 . PMC 6520291 . PMID 30977309 .
  41. ^    Wilson, Stephen M.; Molnar-Szakacs, Istvan; Iacoboni, Marco (2008-01-01). „Poza wyższą korą skroniową: korelacje międzyprzedmiotowe w narracyjnym rozumieniu mowy” . Kora mózgowa . 18 (1): 230–242. doi : 10.1093/cercor/bhm049 . ISSN 1047-3211 . PMID 17504783 .
  42. Bibliografia     _ Chen, J.; Leong, YC; Norman, KA; Hasson, U. (2017-10-01). „Jak przesyłamy wspomnienia do innych mózgów: konstruowanie wspólnych reprezentacji neuronowych za pośrednictwem komunikacji” . Kora mózgowa . 27 (10): 4988–5000. doi : 10.1093/cercor/bhx202 . ISSN 1047-3211 . PMC 6057550 . PMID 28922834 .
  43. Bibliografia     _ _ Leong, Yuan Chang; Kochanie, Christopher J.; Yong, Chung H.; Norman, Kenneth A.; Hasson, Uri (2017). „Wspólne wspomnienia ujawniają wspólną strukturę aktywności neuronalnej u poszczególnych osób” . Natura Neurobiologia . 20 (1): 115–125. doi : 10.1038/nn.4450 . ISSN 1546-1726 . PMC 5191958 . PMID 27918531 .
  44. Bibliografia   _ Ruf, Maciej; Schäfer, Axel; Akdeniz, Ceren; Calhoun, Vince D.; Schmahl, chrześcijanin; Demanuele, Charmaine; Tost, Heike; Kirsch, Piotr; Meyer-Lindenberg, Andreas (21.04.2015). „Przepływ informacji między oddziałującymi ludzkimi mózgami: identyfikacja, walidacja i związek z ekspertyzami społecznymi” . Obrady Narodowej Akademii Nauk . 112 (16): 5207–5212. Bibcode : 2015PNAS..112.5207B . doi : 10.1073/pnas.1421831112 . ISSN 0027-8424 .    PMC 4413334 . PMID 25848050 .
  45. ^     Dumas, Guillaume; Nadel, Jacqueline; Soussignan, Robert; Martinerie, Jacques; Garnero, Linia (2010-08-17). „Synchronizacja między mózgami podczas interakcji społecznych” . PLOS JEDEN . 5 (8): e12166. Bibcode : 2010PLoSO...512166D . doi : 10.1371/journal.pone.0012166 . ISSN 1932-6203 . PMC 2923151 . PMID 20808907 .
  46. Bibliografia     _ Scholkmann, Feliks; Wilk, Marcin (15.10.2012). „Łączność między mózgami podczas naśladowania mierzona przez fNIRS” . Neuroobraz . 63 (1): 212–222. doi : 10.1016/j.neuroimage.2012.06.028 . ISSN 1095-9572 . PMID 22732563 . S2CID 5475091 .
  47. ^     Osaka, Naoyuki; Minamoto, Takehiro; Yaoi, Ken; Azuma, Miyuki; Shimada, Yohko Minamoto; Osaka, Mariko (2015). „Jak dwa mózgi tworzą jeden zsynchronizowany umysł w dolnej korze czołowej: hiperskanowanie oparte na fNIRS podczas wspólnego śpiewania” . Granice w psychologii . 6 : 1811. doi : 10.3389/fpsyg.2015.01811 . ISSN 1664-1078 . PMC 4659897 . PMID 26635703 .
  48. Bibliografia     _ Tanabe, Hiroki C.; Okazaki, Shuntaro; Nakagawa, Eri; Sasaki, Akihiro T.; Shimada, Koji; Sugawara, Sho K.; Takahashi, Haruka K.; Yoshihara, Kazufumi; Bosch-Bayard, Jorge; Sadato, Norihiro (2016-01-15). „Neuralne substraty wspólnej uwagi jako pamięć społeczna: hiperskanujące badanie funkcjonalnego rezonansu magnetycznego” . Neuroobraz . 125 : 401–412. doi : 10.1016/j.neuroimage.2015.09.076 . ISSN 1095-9572 . PMID 26514295 . S2CID 17214984 .
  49. ^     Lindenberger, Ulman; Li, Shu-Chen; Gruber, Walter; Müller, Wiktor (2009-03-17). „Mózgi kołyszące się na koncercie: synchronizacja fazy korowej podczas gry na gitarze” . Neuronauka BMC . 10 (1): 22. doi : 10.1186/1471-2202-10-22 . ISSN 1471-2202 . PMC 2662862 . PMID 19292892 .
  50. ^     Sänger, Johanna; Müller, Wiktor; Lindenberger, Ulman (2012). „Synchronizacja wewnątrz- i międzymózgowa oraz właściwości sieciowe podczas gry na gitarze w duetach” . Granice w ludzkiej neuronauce . 6 : 312. doi : 10.3389/fnhum.2012.00312 . ISSN 1662-5161 . PMC 3509332 . PMID 23226120 .
  51. Bibliografia    _ Toppi, J.; Borghini, G.; Vecchiato, G.; Izabela R.; Fallani, FDV; Cincotti, F.; Salinari, S.; Mattia, D.; On, B.; Caltagirone, C. (2011). „Badanie funkcjonalnej hiperłączności między parami pilotów podczas symulacji lotu: badanie hiperskanujące EEG” . Doroczna międzynarodowa konferencja IEEE Engineering in Medicine and Biology Society 2011 . 2011 : 2338–2341. doi : 10.1109/IEMBS.2011.6090654 . ISBN 978-1-4577-1589-1 . PMID 22254810 .   S2CID 4902837 .
  52. ^     Toppi, Jlenia; Borghini, Gianluca; Petti, Manuela; On, Eric J.; Giusti, Vittorio De; On, Bin; Astolfi, Laura; Babiloni, Fabio (2016-04-28). „Badanie zachowań kooperatywnych w warunkach ekologicznych: badanie EEG Hyperscanning” . PLOS JEDEN . 11 (4): e0154236. Bibcode : 2016PLoSO..1154236T . doi : 10.1371/journal.pone.0154236 . ISSN 1932-6203 . PMC 4849782 . PMID 27124558 .
  53. ^    Baldassno, Krzysztof; Chen, Janice; Zadbood, Asieh; Poduszka, Jonathan W.; Hasson, Uri; Norman, Kenneth A. (2017-08-02). „Odkrywanie struktury zdarzeń w ciągłej percepcji narracyjnej i pamięci” . neuron . 95 (3): 709–721.e5. doi : 10.1016/j.neuron.2017.06.041 . PMC 5558154 . PMID 28772125 .
  54. ^    Walencja, Ana Lucia; Froese, Tom (18.06.2020). „Co nas łączy? Międzymózgowa synchronizacja neuronów i jej implikacje dla teorii ludzkiej świadomości” . Neuronauka świadomości . 2020 (1): niaa010. doi : 10.1093/nc/niaa010 . PMC 7288734 . PMID 32547787 .
  55. Bibliografia     _ Bryant, Daniel M.; Reiss, Allan L. (2012-02-01). „Hiperskaning oparty na NIRS ujawnia zwiększoną spójność międzyludzką w górnej korze czołowej podczas współpracy” . Neuroobraz . 59 (3): 2430–2437. doi : 10.1016/j.neuroimage.2011.09.003 . ISSN 1053-8119 . PMC 3254802 . PMID 21933717 .
  56. ^     Fishburn, Frank A.; Murty, Wisznu P.; Hlutkowsky, Christina O.; MacGillivray, Caroline E.; Bemis, Lisa M.; Murphy, Meghan E.; Huppert, Theodore J.; Perlman, Susan B. (2018-09-05). „Składając nasze głowy: międzyludzka synchronizacja neuronów jako biologiczny mechanizm wspólnej intencjonalności” . Społeczna neuronauka poznawcza i afektywna . 13 (8): 841–849. doi : 10.1093/scan/nsy060 . ISSN 1749-5024 . PMC 6123517 . PMID 30060130 .
  57. Bibliografia     _ Pan, Yafeng; Shi, Xinwei; Cai, Qing; Li, Xianchun; Cheng, Xiaojun (2018). „Kontekst synchronizacji i współpracy między mózgami w interaktywnym podejmowaniu decyzji” . Psychologia biologiczna . 133 : 54–62. doi : 10.1016/j.biopsycho.2017.12.005 . ISSN 1873-6246 . PMID 29292232 . S2CID 46859640 .
  58. ^     Finn, Emily S.; Corlett, Philip R.; Chen, Gang; Bandettini, Peter A.; Constable, R. Todd (2018-05-23). „Cecha paranoi kształtuje synchronizację między podmiotami w aktywności mózgu podczas niejednoznacznej narracji społecznej” . Komunikacja natury . 9 (1): 2043. Bibcode : 2018NatCo...9.2043F . doi : 10.1038/s41467-018-04387-2 . ISSN 2041-1723 . PMC 5966466 . PMID 29795116 .
  59. ^     Bacha-Tramwaje, M .; Aleksandrow, Y.; Broman, Emilia; Glerean, E.; Kauppila, Minna; Kauttonen, J.; Ryyppö, Elisa; Sams, M.; Jääskeläinen, I. (2018). „Film dramatyczny inaczej aktywuje mózgi holistycznych i analitycznych myślicieli” . Społeczna neuronauka poznawcza i afektywna . 13 (12): 1293–1304. doi : 10.1093/skan/nsy099 . PMC 6277741 . PMID 30418656 . S2CID 53280358 .
  60. Bibliografia     _ Roine, U.; Glerean, E.; Lahnakoski, J.; Nieminen-von Wendt, T.; Tani, P.; Leppämäki, S.; Nummenmaa, L.; Jääskeläinen, IP; Carlson, S.; Rintahaka, P. (2013-01-01). „Mózgi dobrze funkcjonujących osób autystycznych nie synchronizują się z mózgami innych osób” . NeuroImage: kliniczny . 3 : 489–497. doi : 10.1016/j.nicl.2013.10.011 . ISSN 2213-1582 . PMC 3830058 . PMID 24273731 .
  61. Bibliografia     _ Kosaka, Hirotaka; Saito, Daisuke; Koike, Takahiko; Hayashi, Masamichi; Izuma, Keise; Komeda, Hidetsugu; Ishitobi, Makoto; Omori, Masao; Munesue, Toshio; Okazawa, Hidehiko (2012). „Trudne do„ dostrojenia ”: neuronowe mechanizmy żywej interakcji twarzą w twarz z wysoko funkcjonującymi zaburzeniami ze spektrum autyzmu” . Granice w ludzkiej neuronauce . 6 : 268. doi : 10.3389/fnhum.2012.00268 . ISSN 1662-5161 . PMC 3459004 . PMID 23060772 .
  62. ^     Guo, Christine C.; Nguyen, Vinh T.; Hyett, Matthew P.; Parker, Gordon B.; Breakspear, Michael J. (2015-06-26). „Brak synchronizacji: zakłócona aktywność neuronów w obwodach emocjonalnych podczas oglądania filmów w depresji melancholijnej” . Raporty naukowe . 5 (1): 11605. Bibcode : 2015NatSR...511605G . doi : 10.1038/srep11605 . ISSN 2045-2322 . PMC 4481375 . PMID 26112251 .
  63. ^     Berkman, Elliot T.; Falk, Emily B. (2013). „Beyond Brain Mapping: Używanie miar neuronowych do przewidywania wyników w świecie rzeczywistym” . Aktualne kierunki w naukach psychologicznych . 22 (1): 45–50. doi : 10.1177/0963721412469394 . ISSN 0963-7214 . PMC 3903296 . PMID 24478540 .
  64. Bibliografia     _ Kleinbaum, Adam M.; Wheatley, Thalia (2018-01-30). „Podobne reakcje neuronowe przewidują przyjaźń” . Komunikacja natury . 9 (1): 332. Bibcode : 2018NatCo...9..332P . doi : 10.1038/s41467-017-02722-7 . ISSN 2041-1723 . PMC 5790806 . PMID 29382820 .
Pobrano z „ https://en.wikipedia.org/w/index.php?title=Neural_synchrony&oldid=1138792563 ”