ERRATUM NOTICE
Important: There has been an erratum issued for this article. Read more …
Summary
目前的事件相关潜力（ERP）研究为调查宗教吟唱如何调节负面情绪提供了一种独特的方案。结果表明，晚期正电位（LPP）是对负面情绪刺激的强烈神经生理反应，可以通过重复的宗教吟唱有效调节。
Abstract
在神经心理学实验中，晚期正电位（LPP）是一个事件相关电位（ERP）组件，反映了一个人的情绪唤起水平。本研究调查了重复的宗教吟唱是否调节了对恐惧和压力刺激的情绪反应，从而导致反应较慢的LPP。招募了二十一名参与者，他们至少有一年的重复宗教诵经"阿弥陀佛"的经验。使用128通道脑电图（EEG）系统收集脑电图数据。参与者被指示在三个条件下观看从国际情感图片系统（IAPS）中选择的负面或中性图片：重复的宗教吟唱，重复的非宗教吟唱和不吟唱。结果表明，在无吟唱和非宗教吟唱条件下观看负面恐惧和压力引发的图片比观看中立图片在参与者中诱导更大的LPP。然而，这种增加的LPP在重复的宗教吟唱条件下基本上消失了。研究结果表明，重复的宗教吟唱可以有效减轻从业者对恐惧或压力情况的神经生理反应。
Introduction
晚期正电位（LPP）长期以来一直伴随着情绪唤起，并且已被可靠地用于情绪相关研究1，2。宗教习俗在东方和西方国家都很普遍。据断言，它可以减轻从业者在面对不良事件时的焦虑和压力，特别是在困难时期3。尽管如此，这在严格的实验环境中很少得到证实。
大量研究证实，情绪调节可以通过不同的策略和框架来学习4，5，6。一些研究表明，正念和冥想可以调节对情感事件的神经反应7，8。最近，研究发现冥想练习者可能会采用认知评估、抑制和分心以外的情绪调节策略8，9。来自国际情感图片系统（IAPS）的刺激可用于可靠地引发积极或消极情绪，并且在情感研究中寻找具有特定效价和唤醒水平的设计图片有标准标准10。
情绪刺激可引起大脑的早期和后期反应3，11。同樣地，佛教傳統通過初始和次要的心理過程對心靈思想進行類比分析3，12，13。早期的佛教经典《箭之经》（ Sallatha Sutta）提到，认知训练可以驯服情绪。《箭经》指出，训练有素的佛教徒和未经训练的人在面对有害事件时都会经历对疼痛的最初和负面感知13。这种不可避免的初始疼痛类似于一个人被箭击中，如 Sallatha Sutta中所述。早期知觉疼痛与一个人看到高度负面图片时的早期处理阶段相同。早期神经处理通常引发N1分量。未经训练的人在经历了最初的，不可避免的痛苦感觉后，可能会产生过度的情绪，例如担心，焦虑和压力。根据 Sallatha Sutta的说法，这种迟来的负面情绪或心理痛苦就像被第二支箭击中一样。事件相关电位（ERP）实验可以捕获当前设计的早期和后期心理过程，假设N1和LPP可以对应于上面提到的两个箭头。
在这个协议中，选择重复诵经"阿弥陀佛"（Sanskit：Amitābha）这个名字，以测试当个人处于恐惧或压力的情况下，宗教诵经的潜在效果。这种宗教诵经是中国佛教徒中最受有宗教倾向的个人的实践之一，也是东亚净土佛教的核心实践14。据推测，重复的宗教吟唱会降低大脑对刺激的反应，即由恐惧或压力图片引起的LPP。收集脑电图和心电图（ECG）数据，以评估参与者在不同条件下的神经生理反应。
Protocol
这项ERP研究已获香港大学机构评审委员会批准。在参与这项研究之前，所有参与者都签署了书面知情同意书。
1. 实验设计
- 招募参与者
- 招募具有至少1年（约200-3，000小时）诵经"阿弥陀佛"名称的参与者。
注：在本研究中，选择了21名年龄在40-52岁之间的人类受试者;11人为男性。
- 招募具有至少1年（约200-3，000小时）诵经"阿弥陀佛"名称的参与者。
- 宗教吟唱与非宗教吟唱
- 诵念"阿弥陀佛"的名字40秒。前20秒有阿弥陀佛的形象，接下来的20秒有IAPS图像。
- 在纯净学校观看阿弥陀佛的形象时，只吟诵"阿弥陀佛"名字的四个字符14。
- 诵念圣诞老人的名字（非宗教吟唱条件）40秒。前20秒在查看圣诞老人的图像时，接下来的20秒使用IAPS图像。
- 只唱四个字符的圣诞老人的名字，想象圣诞老人。
- 静音 40 秒。前 20 秒使用空白图像进行控制，接下来 20 秒使用 IAPS 图像。
注意：没有吟唱。
- 诵念"阿弥陀佛"的名字40秒。前20秒有阿弥陀佛的形象，接下来的20秒有IAPS图像。
- 脑电图记录系统
- 使用由放大器、流浆箱、脑电图帽和两台台式计算机组成的 128 通道脑电图系统记录脑电图数据（请参见 材料表）。
- 刺激呈现系统
- 使用刺激演示软件（请参见 材料表）在台式计算机上显示来自IAPS的中性图片和负片图片。
- 心电图记录系统
- 使用生理数据记录系统记录心电图数据（见 材料表）。
2. 情感调制实验
注意：该实验有两个因素，采用2 x 3设计：第一个因素是图片类型：中性和消极性（恐惧和压力引起）。第二个因素是诵经类型：诵经"阿弥陀佛"，诵经"圣诞老人"，没有诵经（静音视图）。
- 使用块设计，因为它可以更有效地引发与情感相关的组件15。
注意：有六个条件，序列在参与者之间随机和平衡（图1）。六个条件如下：在观看负面图片时进行宗教吟唱（AmiNeg）;在观看中性图片时进行宗教吟唱（AmiNeu）;观看负面图片时没有吟唱（PasNeg）;在观看中性图片时没有吟唱（PasNeu）;在观看负面图片时进行非宗教吟唱（SanNeg）;和在观看中立图片时的非宗教吟唱（SanNeu）。
图 1：实验过程。 有六个伪随机条件，每个参与者接受一个伪随机序列。每个条件在两个单独的会话中重复六次。此图改编自参考文献3。 请点击此处查看此图的放大版本。
- 显示每张图片约 1.8-2.2 秒，间刺激间隔 （ISI） 为 0.4-0.6 秒。
注意：每个会话中有10张相同类型（中性或负片）的图片。 - 每次训练后留出20秒的休息时间，以抵消下一节唱诵或观看图片的潜在残余影响。
- 在距离参与者眼睛75厘米的CRT显示器上显示图片，视角为15°（垂直）和21°（水平）。
- 要求参与者仔细观察图片。
- 为参与者提供简短的练习运行，以使他们能够熟悉每种情况。使用视频监视器确保参与者不会入睡。
- 在40分钟的实验中给参与者10分钟的休息时间。
3. 脑电图和心电图数据收集
注意：在进行实验之前，要求每个参与者彻底洗头和头皮，不要使用护发素或其他任何可能增加系统阻抗的东西。通过两个独立的系统同时收集脑电图和心电图数据。
- 告知每个参与者实验程序，即在不同的唱诵条件下观看有效图片。
- 将采样率设置为1，000 Hz，并尽可能或根据系统要求将每个电极的阻抗保持在30 kΩ以下。
- 收集生理数据，包括使用生理数据记录系统采集心电图数据（见 材料表）。
4. 脑电图数据分析
- 使用EEGLAB处理和分析脑电图数据（见 材料表）， 补充文件1-2，一个开源软件16，按照以下步骤操作。
- 使用EEGLAB功能"pop_resample"将数据从1，000 Hz重新采样到250 Hz，以保持合理的数据文件大小。单击 "工具">更改采样率"。
- 使用 EEGLAB 函数"pop_eegfiltnew"使用具有 0.1-100 Hz 通带的有限脉冲响应 （FIR） 滤波器对数据进行滤波。单击 "工具">"基本 FIR 筛选器">筛选数据（新建，默认）"。
- 使用具有47-53 Hz阻带的非线性无限脉冲响应（IIR）滤波器再次滤波数据，以降低交流电噪声。单击" 工具">筛选数据>选择"陷波"（Notch） 筛选数据而不是通带。
- 目视检查数据，以消除眼睛和肌肉运动产生的强烈伪影。单击"打印>通道数据"（滚动）。
- 再次目视检查数据中是否有任何通道产生的一致噪声，并注意到不良通道。
- 使用球面插值重建不良通道。单击 "工具">插值电极>从数据通道中选择"。
- 使用开源算法"runica"运行独立组件分析（ICA）16。单击" 工具">运行 ICA"。
- 卸下与眼球运动、眨眼、肌肉运动和线条噪音相对应的独立组件 （IC）。单击 工具>使用 ICA 拒绝数据>按地图拒绝组件。
- 使用剩余的IC重建数据。单击 "工具">"删除组件"。
- 使用30 Hz低通滤波器过滤数据。单击 "工具">"基本 FIR 筛选器">筛选数据（新建，默认）"。
- 通过提取和平均每个条件的时间锁定纪元来获取 ERP 数据，时间窗口为 -200 到 0 ms 作为基线，0 到 800 ms 作为 ERP。单击 "工具">提取纪元" 。
- 使用左右桅杆通道的平均值重新引用 ERP 数据。单击 "工具">"重新引用"。
- 对所有参与者的数据集重复上述步骤，并在统计分析软件中使用 t检验或重复测量方差分析比较条件之间的差异（参见 材料表）。
- 基于已建立的理论8，17和当前数据定义N1和LPP的时间窗3。
注意：在这项工作中，N1被定义为100-150毫秒，而LPP被定义为刺激开始的300-600毫秒;LPP在中央顶叶区域最为突出（图2）。 - 在三个条件下使用配对 t检验查找N1分量处的中性与负图像差异（图3）。
- 在三种条件下使用配对 t检验，找出LPP分量的中性与负图像差异（图4）。
- 通过对相关通道求平均值来表示区域，从而对 N1 和 LPP 分量执行感兴趣区域 （ROI） 分析。
注意：要选择ROI，对所有三个条件的纪元进行平均，以计算中性图片和负片在特定时间窗口内差异显着的通道（例如，对于N1或LPP）。 - 在统计分析软件中使用重复测量方差分析和事后统计，分别比较N1和LPP处的差异。
注意：使用事后分析（Bonferroni 校正），如果模型显著，则分别确定两个条件之间的显著差异。显著性阈值设置为 p < 0.05。
5. ERP源分析
- 按照以下步骤使用SPM19开源软件（参见材料表）执行ERP源分析18。
- 通过基于地标的共同配准，将脑电图帽传感器坐标系链接到标准结构 MRI 图像（蒙特利尔神经研究所 （MNI） 坐标）的坐标系。在 SPM 中，单击" 批处理> SPM > M/EEG >源重建>头模型规范"。
- 执行正向计算以计算每个偶极子对施加在EEG传感器上的皮质网格的影响。在同一批处理编辑器下，单击 SPM > M/EEG > 源重建>源反转。
注意：这些结果被放置在G矩阵（n x m）中，其中 n 是传感器的数量（EEG空间维度）， m 是网格顶点的数量（源空间维度）。源模型为 X = GS，其中 X 是表示每个条件的 ERP 数据的 n x k 矩阵， k 是时间点数， S 是指示 ERP 源的 m x k 矩阵。 - 在第三步（在众多可用算法中）使用贪婪搜索的多稀疏先验算法（因为S是未知的）来执行逆重构，因为它比其他方法更可靠20。在"源反转"窗口中为"反转"类型选择"MSP （GS）"。
- 在 SPM 中使用常规线性建模确定条件之间的差异。将显著性水平设置为 p < 0.05。在 "批处理编辑器"下，单击 "SPM >统计信息>因子设计规范"。
6. 心电图数据和行为评估分析
- 使用生理和数据处理软件处理和分析心电图数据（见 材料表）。计算每个条件的平均分数。在 EEGLAB 中，单击" 工具">"FMRIB 工具">检测 QRS 事件21。
注：与ERP幅度分析类似，使用统计软件通过重复测量方差分析进一步分析数据。如果模型显著，则执行事后分析以分别确定两个条件之间的显著差异。显著性水平设置为 p < 0.05。 - 要求参与者以1-9的等级对诵念受试者的名字（阿弥陀佛，圣诞老人等）的有效性进行评分，其中1被认为是最弱的，9被认为是最强的。
Representative Results
行为结果
参与者诵经信念结果显示，"阿弥陀佛"的平均得分为8.16±0.96，"圣诞老人"的平均得分为3.26±2.56，空白控制条件的平均得分为1.95±2.09（补充表 1）。
企业资源规划结果
Pz（顶叶）的代表性通道表明，诵经条件对中性和负性图片的早期（N1）和晚期（LPP）处理有不同的影响。它分别显示了N1和LPP的时间窗口（图2）。
早期知觉阶段
ERP结果显示，在三种唱诵条件下观看负片时，N1增加（图3）。它表明，负图像比中性图像诱导更强的中枢大脑活动，并且在三种情况下增加是可比的。
情绪/认知阶段晚期
ERP表明，在非宗教吟唱和无吟唱条件下，LPP有所增加。然而，当参与者吟诵阿弥陀佛的名字时，由负面图片引起的LPP几乎看不见（图4）。
感兴趣区域 （ROI） 分析
将这三个条件结合起来，以估计通常在N1和LPP组分处激活的区域。使用统计软件进行重复测量方差分析，以计算吟唱条件之间N1和LPP组分的差异（图5）。
左边的三列显示了三种诵经条件的N1分量的差异：静音观看条件，非宗教诵经条件和宗教诵经条件。N1分量的差异在三个条件下是相似的。右边的三列显示了三个唱诵条件下 LPP 分量的差异。这表明，LPP成分在宗教吟唱条件下的差异比在非宗教唱诵条件和静音观看条件下要小得多。
源分析
应用源分析根据LPP结果提取潜在的大脑映射（图6）。结果表明，与中性图片相比，负片在非宗教诵经条件和无诵经条件下诱导更多的顶叶激活。相比之下，这种负面的图片诱导的激活在宗教吟唱条件下基本上消失了。
生理结果：心率
在非宗教吟唱条件下，阴性和中性图片之间的心率（HR）发生了显着变化。在无吟唱条件下也发现了类似的趋势。然而，在宗教诵经条件下没有发现这样的HR差异（图7）。
图2：一个代表性通道（Pz）在六种吟唱条件下显示了不同的ERP。 六个条件是（1）观看中立图片时的宗教吟唱（AmiNeu）;（2）在观看负面图片时进行宗教吟唱（AmiNeg）;（3）在观看中性图片时进行非宗教诵经（SanNeu）;（4）在观看负面图片时进行非宗教吟唱（SanNeg）;（5）观看中性图片时不得吟唱（PasNeu）;和（6）在观看负面图片时没有吟唱（PasNeg）。通道Pz位于头皮的中顶叶区域。请点击此处查看此图的放大版本。
图 3：在三个吟唱条件下演示 N1 组件的 ERP 结果。N1 分量的二维贴图，用于每种图片类型的三个条件。在最后一列中，具有显着差异的通道（p <0.05）用点显示;颜色较深的点表示更大的显著性（即，较小的 p 值）。请点击此处查看此图的放大版本。
图 4：在三个吟唱条件下演示 LPP 组件的 ERP 结果。 每种图片类型的三个条件的晚期正电位（LPP）分量的二维图。在最后一列中，具有显着差异（p < 0.05）的信道用点显示;颜色较深的点表示更大的显著性（即，较小的 p 值）。 请点击此处查看此图的放大版本。
图 5：感兴趣区域 （ROI） 分析。 感兴趣区域（ROI）分析了早期成分N1和晚期成分（晚期正电位（LPP））的负面与中性图像诱导的大脑反应之间的差异。 请点击此处查看此图的放大版本。
图6：三种条件下晚期正电位（LPP）成分的来源分析。 突出显示的区域表示在消极和中性条件下大脑活动较高。请点击此处查看此图的放大版本。
图7：三种唱诵条件下的心跳间隔。 每种图片类型/唱诵组合下的心电图的心电图间搏间隔（RRs）以及相应的 p 值。阿弥：阿弥陀佛诵经条件，桑：圣诞老人诵经条件，Pas：被动观看条件，Neu：中性图片，否定：负面图片。 请点击此处查看此图的放大版本。
补充表 1：对诵经对象（阿弥陀佛，圣诞老人）功效的信仰进行评级。 它使用1-9的等级，其中1表示最不信念，9表示最强的信念。 请点击此处下载此表格。
补充文件 1：脑电图数据批量预处理代码。 它删除不良通道，将数据重新采样至 250 Hz，然后过滤数据。 请点击此处下载此文件。
补充文件 2：ERP数据修复代码。 它修复了带有嘈杂尖峰的不良时代。 请点击此处下载此文件。
Discussion
这项研究的独特之处在于应用了一种神经科学方法来探索广泛宗教实践（即重复的宗教吟唱）背后的神经机制。鉴于其突出的效果，这种方法可以为治疗师或临床医生提供新的干预措施，以治疗处理情绪问题和患有焦虑和压力的客户。与以前的研究一起，在未来的研究中应考虑更广泛的情绪调节研究7，8，9，22。
关于唱诵的ERP研究很少，因为很难构建结合唱诵和其他认知事件的实验。这项研究展示了一种可行的方案，用于调查诵经/祈祷的情感效应，这在现实世界中相当流行。以前的功能性MRI（fMRI）研究发现，祈祷会招募社会认知领域23。一项静息状态的 fMRI 研究表明，吟诵"OM"会减少前扣带、岛叶和眶额叶皮质的输出24。另一项脑电图研究发现，"OM"冥想增加了三角波，诱导了放松和深度睡眠的体验25。然而，这些方法无法精确地调查宗教诵经后与事件相关的具体变化。
研究人员应该控制语言处理和熟悉度的混杂因素，以成功地研究重复宗教吟唱的潜在影响。随着参与者的广泛练习和日常诵念"阿弥陀佛"这个名字（汉字：
;粤语发音：o1-nei4-to4-fat6），我们用了"圣诞老人"这个名字（汉字：; 
粤语发音：sing3-daan3-lou5-jan4）作为控制条件，因为当地人熟悉圣诞老人。在中文中，两个名称都包含四个字符，从而控制了语言的相似性。关于熟悉度，圣诞老人在香港也很受欢迎，因为它是一个部分西化的城市。此外，圣诞老人在香港也是一个有点积极的数字，那里有官方的圣诞节假期。然而，这种对熟悉程度的控制是部分的，因为很难完全匹配对阿弥陀佛的名字的理解。
当前研究中的一个关键步骤是准备引起恐惧或压力的图片。由于宗教吟唱在威胁事件发生时可能效果更好，因此从IAPS图像池中选择适当的刺激26至关重要。建议对潜在参与者进行采访，并选择合适的照片，以避免过多的恐惧或厌恶。高度负面的图片可以防止参与者故意回避他们的注意力;同时，引起恐惧和压力的刺激应该使参与者能够体验到足够的威胁。另一个关键问题是研究的块设计。EEG / ERP信号足够敏感和动态，可以跟踪每个事件。但是，实现具有20-30秒观看周期的块设计会更合适，因为心脏功能或情绪的模式可能不会在秒27的量级上改变。另一方面，60秒的块可能太长，神经反应可能在ERP研究中习以为常。
EEG数据处理阶段需要在每个步骤中进行备份，因为每个步骤都会更改数据并记录在这些步骤中所做的更改。这可用于跟踪更改，并使其更容易在批处理过程中查找错误。提高数据质量也至关重要，因此需要原始数据清理和识别不良IC的经验。在统计分析中，对大平均值进行了比较，并应用了方差分析。我们警告说，这个具有固定效应模型的统计数据容易受到随机效应的影响28。混合效应模型可以调整以控制无关因素29，线性假设可能会影响从ERP数据中得出的推论30。
有几个限制值得注意。一个局限性是，目前的研究只招募了一组实践纯净佛教的参与者。招募一个没有任何宗教吟唱经验的对照组进行比较，可以帮助确定宗教吟唱的影响是否由信仰或熟悉程度介导。通常，随机对照试验会更有说服力地检查情绪调节对宗教吟唱的影响31。然而，很难保证任何参与者会完全愿意反复诵念"阿弥陀佛"。此外，LPP还受到其他因素的影响，例如情绪声音或积极的启动32，33。因此，需要更好地控制的实验来更清楚地描绘宗教吟唱效果背后的基本神经机制。
总而言之，以前的研究表明，人脑对神经可塑性和状态的快速改变是主观的34，35;通过充分的练习和意图，大脑可以重塑自己，并对通常可怕的刺激做出不同的反应。本研究为在当代背景下处理情绪困扰的有效应对策略的发展提供了见解。按照这一协议，研究人员应该检查宗教吟唱或其他传统习俗的影响，以确定帮助人们改善情感痛苦的可行方法。
Disclosures
作者声明他们没有相互竞争的经济利益。
Acknowledgments
该研究得到了香港大学和NSFC.61841704的小型基金项目的支持。
Materials
| Name | Company | Catalog Number | Comments |
| E-Prime 2.0 | Psychology Software Tools | stimulus presentation, behavior data collection | |
| EEGLAB | Swartz Center for Computational Neuroscience | EEG analysis software | |
| HydroCel GSN 128 channels | Electrical Geodesics, Inc. (EGI) | EEG cap | |
| LabChart | ADInstruments | physiological data (including ECG) acquisition software | |
| Matlab R2011a | MathWorks | EEGLAB and SPM are based on Matlab; statistical analysis tool for EEG and physiological data | |
| Netstation | Electrical Geodesics, Inc. (EGI) | EEG acquisition software | |
| PowerLab 8/35 | ADInstruments | PL3508 | physiological data (including ECG) acquisition hardware |
| SPM | Wellcome Trust Centre for Neuroimaging | EEG source analysis software | |
| FMRIB | University of Oxford Centre for Functional MRI of the Brain (FMRIB) | Plug-in for EEGLAB to process ECG data | |
| SPSS | IBM | statistical analysis tool for behavior and EEG ROI data | |
| iMac 27" | Apple | running the Netstation software | |
| Windows PC | HP | running the E-Prime 2.0 software | |
| Windows PC | Dell | running the LabChart software |
References
- Kennedy, H., Montreuil, T. C. The late positive potential as a reliable neural marker of cognitive reappraisal in children and youth: A brief review of the research literature. Frontiers in Psychology. 11, 608522 (2020).
- Yu, Q., Kitayama, S. Does facial action modulate neural responses of emotion? An examination with the late positive potential (LPP). Emotion. 21 (2), 442-446 (2021).
- Gao, J. L., et al. Repetitive religious chanting modulates the late-stage brain response to fear and stress-provoking pictures. Frontiers in Psychology. 7, 2055 (2017).
- Barkus, E. Effects of working memory training on emotion regulation: Transdiagnostic review. PsyCh Journal. 9 (2), 258-279 (2020).
- Denny, B. T. Getting better over time: A framework for examining the impact of emotion regulation training. Emotion. 20 (1), 110-114 (2020).
- Champe, J., Okech, J. E. A., Rubel, D. J. Emotion regulation: Processes, strategies, and applications to group work training and supervision. Journal for Specialists in Group Work. 38 (4), 349-368 (2013).
- Sobolewski, A., Holt, E., Kublik, E., Wrobel, A. Impact of meditation on emotional processing-A visual ERP study. Neuroscience Research. 71 (1), 44-48 (2011).
- Katyal, S., Hajcak, G., Flora, T., Bartlett, A., Goldin, P. Event-related potential and behavioural differences in affective self-referential processing in long-term meditators versus controls. Cognitive Affective & Behavioral Neuroscience. 20 (2), 326-339 (2020).
- Uusberg, H., Uusberg, A., Talpsep, T., Paaver, M. Mechanisms of mindfulness: The dynamics of affective adaptation during open monitoring. Biological Psychology. 118, 94-106 (2016).
- Bradley, M. M., Lang, P. J. Handbook of emotion elicitation and assessment. Series in affective science. Coan, J. A., Allen, J. B. 483, Oxford University Press. 483-488 (2007).
- Gao, J. L., et al. Repetitive religious chanting invokes positive emotional schema to counterbalance fear: A multi-modal functional and structural MRI study. Frontiers in Behavioral Neuroscience. 14, 548856 (2020).
- Somaratne, G. A. The Jhana-cittas: The methods of swapping existential planes via samatha. Journal Of The Postgraduate Institute Of Pali And Buddhist Studies. 2, 1-21 (2017).
- Bhikkhu, T. Sallatha Sutta: The arrow (SN 36.6), Translated from the pali. Access to Insight Legacy Edition. , (2013).
- Halkias, G. Luminous bliss : a religious history of Pure Land literature in Tibet : with an annotated English translation and critical analysis of the Orgyan-gling gold manuscript of the short Sukhāvatīvȳuha-sūtra. , University of Hawaiʻi Press. (2013).
- Stewart, J. L., et al. Attentional bias to negative emotion as a function of approach and withdrawal anger styles: An ERP investigation. International Journal of Psychophysiology. 76 (1), 9-18 (2010).
- Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
- Ito, T. A., Larsen, J. T., Smith, N. K., Cacioppo, J. T. Negative information weighs more heavily on the brain: The negativity bias in evaluative categorizations. Journal of Personality and Social Psychology. 75 (4), 887-900 (1998).
- Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25 (2008).
- Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. Statistical Parametric Mapping: The Analysis of Functional BrainIimages: The Analysis of Functional Brain Images. , Academic Press. (2011).
- Friston, K., et al. Multiple sparse priors for the M/EEG inverse problem. NeuroImage. 39 (3), 1104-1120 (2008).
- Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).
- Nakamura, H., Tawatsuji, Y., Fang, S. Y., Matsui, T. Explanation of emotion regulation mechanism of mindfulness using a brain function model. Neural Networks. 138, 198-214 (2021).
- Schjoedt, U., Stdkilde-Jorgensen, H., Geertz, A. W., Roepstorff, A. Highly religious participants recruit areas of social cognition in personal prayer. Social Cognitive and Affective Neuroscience. 4 (2), 199-207 (2009).
- Rao, N. P., et al. Directional brain networks underlying OM chanting. Asian Journal of Psychiatry. 37, 20-25 (2018).
- Harne, B. P., Bobade, Y., Dhekekar, R. S., Hiwale, A. SVM classification of EEG signal to analyze the effect of OM Mantra meditation on the brain. 2019 Ieee 16th India Council International Conference (Ieee Indicon 2019). , (2019).
- Coan, J. A., Allen, J. J. B. Handbook of Emotion Elicitation and Assessment. , Oxford University Press. (2007).
- Meseguer, V., et al. Mapping the apetitive and aversive systems with emotional pictures using a Block-design fMRI procedure. Psicothema. 19 (3), 483-488 (2007).
- Luck, S. J., Gaspelin, N. How to get statistically significant effects in any ERP experiment (and why you shouldn't). Psychophysiology. 54 (1), 146-157 (2017).
- Meteyard, L., Davies, R. A. I. Best practice guidance for linear mixed-effects models in psychological science. Journal of Memory and Language. 112, 104092 (2020).
- Tremblay, A., Newman, A. J. Modeling nonlinear relationships in ERP data using mixed-effects regression with R examples. Psychophysiology. 52 (1), 124-139 (2015).
- Wu, B. W. Y., Gao, J. L., Leung, H. K., Sik, H. H. A randomized controlled trial of Awareness Training Program (ATP), a group-based mahayana buddhist intervention. Mindfulness. 10 (7), 1280-1293 (2019).
- Brown, D. R., Cavanagh, J. F. The sound and the fury: Late positive potential is sensitive to sound affect. Psychophysiology. 54 (12), 1812-1825 (2017).
- Hill, L. D., Starratt, V. G., Fernandez, M., Tartar, J. L. Positive affective priming decreases the middle late positive potential response to negative images. Brain and Behavior. 9 (1), 01198 (2019).
- Belzung, C., Wigmore, P. Current Topics in Behavioral Neurosciences,1 online resource. , Springer Berlin Heidelberg. Berlin Heidelberg. (2013).
- Denes, G. Neural Plasticity Across The Lifespan: How The Brain Can Change. , CRC Press, an imprint of the Taylor & Francis Group. (2016).
Tags
神经科学，第177期，Erratum
Formal Correction: Erratum: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting
Posted by JoVE Editors on 03/25/2022.
Citeable Link.
An erratum was issued for: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting. The Authors section was updated.
The authors section was updated from:
Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie W. Y. Wu1
1Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University
To:
Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie Wai Yan Wu1
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University
