Ottimizzazione del preprocessing di dati fNIRS in hyperscanning: Impatto della correzione degli artefatti da movimento e fisiologici sulla stima della inter-brain synchrony.

Functional Near-Infrared Spectroscopy (fNIRS) hyperscanning is a cutting-edge methodology for investigating the neural bases of social interaction by estimating Inter-Brain Synchrony (IBS). However, the fNIRS signal is highly susceptible to contamination from motion artifacts (MAs) and systemic physiological noise (such as cardiac and respiratory activity, and Mayer waves). Since these disturbances often lie within the same hemodynamic frequency band of interest (0.01 - 0.1 Hz), they risk inducing false synchronies, thereby affecting the estimation of true neural synchronization. This thesis work aims to systematically evaluate and optimize the preprocessing pipeline of fNIRS hyperscanning data. The primary objective is to quantify and compare the impact of different motion correction and physiological regression methods on the final computation of IBS. The analysis is conducted by examining literature datasets belonging to two distinct experimental conditions: task-based paradigms (characterized by real-world social interactions and potential movement) and resting-state recordings. Multiple motion correction algorithms will be implemented and compared within the signal processing pipelines. Furthermore, the regression of systemic physiological parameters will be integrated to isolate the actual neural coupling from the subjects' global physiological synchronization, evaluating the variation of inter-brain functional connectivity metrics across the different pipelines used.

L'hyperscanning mediante Spettroscopia nel Vicino Infrarosso Funzionale (fNIRS) è una metodologia all'avanguardia per studiare le basi neurali dell'interazione sociale attraverso la stima della Inter-Brain Synchrony (IBS). Tuttavia, il segnale fNIRS è fortemente suscettibile a contaminazioni dovute agli artefatti da movimento (MA) e al rumore fisiologico sistemico (attività cardiaca, respiratoria e onde di Mayer). Poiché tali disturbi giacciono spesso nella stessa banda di frequenza d'interesse emodinamica (0.01 - 0.1 Hz), essi rischiano di indurre false sincronie, influenzando la stima della reale sincronizzazione neurale. Questo lavoro di tesi si propone di valutare sistematicamente e ottimizzare la pipeline di preprocessing di dati fNIRS in hyperscanning. L'obiettivo principale è quantificare e confrontare l'impatto di diversi metodi di correzione del movimento e di regressione fisiologica sul calcolo finale dell'IBS. L'analisi viene condotta esaminando dataset di letteratura afferenti a due diverse condizioni sperimentali: paradigmi task-based (caratterizzati da interazioni sociali reali e potenziale movimento) e registrazioni in resting state. Verranno implementati e confrontati molteplici algoritmi di motion correction all'interno delle pipeline di elaborazione del segnale. Inoltre, verrà integrata la regressione dei parametri fisiologici sistemici per isolare l'effettivo accoppiamento neurale dalla sincronizzazione fisiologica globale dei soggetti, valutando la variazione delle metriche di connettività funzionale inter-cervello al variare della pipeline utilizzata.