使用功能性近红外光谱技术研究分段式瑜伽体式练习期间前额叶皮层活动的静息态功能连接与神经影像

摘要

本研究采用功能性近红外光谱技术（fNIRS）测量27名成年人在进行23分钟区块设计的瑜伽体式序列期间前额叶皮层的活动。在练习前后均记录了静息态功能连接。研究结果突显了fNIRS在基于运动的研究中的有效性，并为瑜伽体式的影响提供了神经科学层面的见解。

摘要

本研究旨在利用功能性近红外光谱（fNIRS）移动神经成像技术，检测瑜伽体式（身体姿势）练习前、练习中及练习后前额叶皮层（PFC）活动的变化。共有27名健康成年人参与了一项采用区组设计的23分钟瑜伽体式训练。在训练序列前后，参与者分别完成了两次各6分钟、无任务的静息状态。使用置于颅骨额区的fNIRS设备持续记录PFC活动。训练内容包括一种对照姿势与三种主动姿势交替进行。每种主动姿势保持30秒，随后进行25至30秒的对照姿势间隔，整个序列重复8次。该区组设计共产生25次对照姿势间隔和每种主动姿势各24次重复。分析过程包括对原始fNIRS数据进行预处理，以计算氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）浓度，校正运动伪影，并采用经Bonferroni校正的方差分析（ANOVA）进行统计评估。连接性分析考察了前额叶皮层内的半球间和半球内相关性。总之，本研究展示了fNIRS在真实世界、基于运动情境中的应用价值，并为瑜伽体式的神经效应提供了科学见解。

引言

瑜伽是一种古老的印度实践，通过结合体位法（asana）、呼吸练习（pranayama）、冥想以及伦理原则，促进整体身心健康的全面发展。近年来，随着越来越多的科学研究支持，瑜伽作为心理健康状况的辅助干预手段日益受到认可。大量研究表明，规律的瑜伽练习能显著减轻焦虑、抑郁和压力症状，同时改善情绪、情绪调节能力以及整体心理韧性^1,2,3。荟萃分析和随机对照试验进一步证实了瑜伽作为抑郁症和创伤后应激障碍辅助治疗的有效性，相关证据还表明其可提升生活质量与认知功能^4,5,6,7,8。

尽管已有令人鼓舞的证据支持，但基于运动的瑜伽练习（尤其是身体姿势（asana））背后的神经机制仍不清楚^9,10。这一知识空白阻碍了将瑜伽整合到神经认知干预模型中的努力。本研究的目的是实时探讨与瑜伽体式练习相关的大脑活动，从而促进对基于运动的冥想练习如何影响皮层功能的机制性理解。

为实现这一目标，我们采用了功能性近红外光谱技术（fNIRS），这是一种无创、便携的神经影像技术，可测量大脑皮层的血流动力学反应¹¹。选择fNIRS的依据在于其能够在接近自然状态的直立运动过程中监测脑活动——而传统的成像方法（如fMRI或PET）要求受试者处于静止状态并置身于人工环境中，无法实现此类研究¹²。与这些方法相比，fNIRS具有多项优势：它无噪音、对运动干扰具有耐受性，并支持在真实环境中研究生态效度高的任务¹³。因此，该技术已被广泛应用于运动学习、认知负荷、婴儿发育、步态与平衡以及正念训练等领域的研究，能够可靠地揭示静态和动态条件下前额叶皮层的活动特征^{14,15,16,17,18}。fNIRS在自然情境下的应用，尤其是在运动过程中的使用，为研究具身认知以及整合性健康干预的神经基础开辟了新的途径。

然而，很少有研究将该技术专门应用于瑜伽体式，更少有研究在一次完整的课程时间过程中——从练习前、练习中到练习后——使用具有人群代表性的样本进行考察。为解决这一问题，本研究采用基于区组设计的实验方案，利用功能性近红外光谱技术（fNIRS）检测在结构化瑜伽体式序列练习前、练习中和练习后的皮层活动及静息态功能连接。研究在自然情境下开展，纳入了27名来自墨西哥的以西班牙语为母语的参与者，从而填补了关于瑜伽对西班牙语拉丁人群影响研究的重要空白。参与者年龄介于18至65岁之间，包括男性和女性，瑜伽练习经验范围广泛，从完全初学者到拥有长达15年规律练习经验的练习者均有代表。所有参与者均报告无严重心理或生理疾病，能够顺利完成23分钟的瑜伽课程。患有严重精神疾病或影响活动能力的躯体疾病者被排除在外。尽管未对高血压或糖尿病等特定医学病症进行筛查，但在课程开始前已明确告知参与者，若感到身体不适或不适，可随时中止练习。事先约定，任何未完成的课程数据将不纳入分析。

在最初的30名参与者中，无人因瑜伽练习期间不适而退出。然而，由于可能由硬件干扰或技术软件故障导致的信号噪声过大，其中3人被排除在最终分析之外。本研究通过纳入人口学上多样化且具代表性的样本，并实现可耐受运动的实时成像，提高了研究结果的生态效度和可推广性。对于希望探究基于运动的冥想实践神经动态的研究人员和临床医生而言，该方法在认知神经科学、康复科学以及整合心理健康研究的应用中可能尤为相关。

方案

实验操作遵循《赫尔辛基宣言》进行，并由圣路易斯波托西自治大学科技创新与应用协调委员会（CIACYT）伦理委员会机构审查委员会[CIACYT-CEI-003]审核并批准。所有参与者均签署了知情同意书。

1. 受试者招募与人口统计学特征

1. 通过口口相传以及 Facebook 和 Instagram 等社交媒体平台招募参与者。向潜在参与者说明研究目的、参与要求，以及他们有权在任何时间无惩罚地退出研究。
2. 通过面对面访谈收集参与者自报的人口统计学信息，包括年龄、体重、身高、生理性别、教育程度和瑜伽体式练习经验（表 1）。为每位参与者分配一个唯一的编号代码以确保匿名性，并将其信息记录在加密的电子表格文件中。
3. 纳入年龄在 18 至 65 岁之间、具有不同水平瑜伽体式经验的参与者。排除患有神经系统或精神疾病，或因身体限制而无法完成瑜伽动作的个体。本研究纳入了年龄介于 18 至 65 岁、瑜伽体式经验水平各异的参与者，同时排除了已知患有神经系统或精神疾病，以及存在可能妨碍其安全完成瑜伽姿势的身体限制的个体。目前，该方案未包含针对被排除人群的调整版本，但探索此类适应性调整是未来研究的一个重要方向。
4. 确保所有操作均符合机构伦理准则，并遵循《赫尔辛基宣言》的规定。所有参与者均需签署知情同意书。告知参与者他们不会获得任何经济补偿，且可在任何时候终止实验。

2. 实验步骤

1. 使用便携式 fNIRS 设备进行数据采集。该设备采用 760 nm 和 850 nm 双波长，提供连续波近红外光，用于评估氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）浓度的变化。系统支持最多 27 个通道，采样频率为 50 Hz，可在自然任务期间可靠检测皮层激活。
   1. 根据制造商提供的双侧前额叶皮层（PFC）布局，将光源（S）和探测器（D）安装至帽具的固定位点，完成 fNIRS 装置的准备（见图1）。确保光源与探测器（S-D）间距为 3.0 cm，以优化皮层信号的检测。
   2. 此外，增设两个短间距通道（1.0 cm），用于校正并回归去除表层血流动力学信号（如头皮血流），这些信号可能干扰皮层测量结果。使用短间距通道是一种经过验证的方法，可通过分离皮层血流动力学响应与颅外污染来提高信号特异性¹⁹。
2. 本研究选择四种瑜伽体式，均为哈他瑜伽各种流派中普遍练习的基础姿势。这些体式构成广为人知的拜日式（Surya Namaskar）序列的核心部分，该序列在全球范围内被广泛练习，并于每年6月21日国际瑜伽日举行活动时被集体实践²⁰。这些体式的选择不仅因其在不同瑜伽传统中的可及性和标准化程度，还旨在专门研究倒置体式（头部低于心脏的姿势）和后弯动作对大脑活动的影响——这两类体式常被推荐用于治疗抑郁症和情绪障碍的瑜伽干预方案中^21,22。
3. 以 PowerPoint 格式设计实验过程中的演示内容，作为参与者的视觉与听觉引导。确保每张幻灯片显示一个体式的照片及其名称，名称使用参与者的母语（西班牙语）书写，并在括号中注明原始梵文名称：体式 A（Tadasana）、体式 B（Uttanasana）、体式 C（Adho Mukha Svanasana）和体式 D（Urdhva Mukha Svanasana）。
4. 以随机顺序自动循环播放体式 B、C 和 D 的图像，每 30 秒切换一次，同时实验人员同步大声报出体式名称，以强化提示信号。
5. 对主动练习的体式进行随机排列，确保基线体式穿插于每个主动体式之间。该安排可提供平衡的序列，同时保持可变的刺激间间隔，以减少潜在的练习效应和习惯化效应。
6. 为便于数据管理与一致性，统一所有视觉材料（包括图像和字体）的大小与样式，确保所有参与者使用相同标准。使用高分辨率适当调整瑜伽体式图像的尺寸，并清晰标注其西班牙语名称及传统梵文名称。
7. 在开始实验前，确保每位参与者能够清晰阅读和观看演示提示：
   Tadasana — 山式（基线体式）：直立站立的中性姿势。
   Uttanasana — 前屈式（主动体式）：从髋部向前折叠，头部低于心脏。
   Adho Mukha Svanasana — 下犬式（主动体式）：呈倒V形，双手双脚着地，臀部抬高。
   Urdhva Mukha Svanasana — 上犬式（主动体式）：胸部抬起呈后弯姿势，目光向上。
8. 准备实验区域，铺设瑜伽垫，安装墙面固定式瑜伽绳系统（见材料表），并在参与者正前方设置演示屏幕——距离应足够近以确保体式清晰可见，又足够远以避免妨碍动作。该装置布局见图2。开始实验前，确认屏幕的可视性与可读性。
9. 校准 fNIRS 系统，确保所有组件（包括帽具、光极和记录软件）均已充满电、功能正常，并与数据采集系统兼容。校准过程中，依据国际 10-20 系统准确定位光极在参与者头皮上的位置，确保前额区域解剖定位的一致性。根据个体头型和发量调整帽具与光极固定装置，以最小化光衰减和运动伪影。使用系统的信号质量界面（例如信噪比和头皮耦合指数）验证每个通道是否达到推荐阈值。
   注：此步骤对于确保可靠的、可重复的血流动力学测量至关重要，可最大限度减少因传感器接触不良或信号丢失导致的数据损失或误读^16,23,24,25。
10. 让参与者坐在椅子上，双脚平放于地面，双手自然置于腿上，背部轻靠椅背。口头确认参与者已舒适就座后再继续下一步操作。
11. 使用三维数字化仪（一种用于捕捉头皮上光极空间位置的光学追踪设备）记录帽具的放置位置。该过程生成蒙特利尔神经学研究所（MNI）坐标，可用于识别并标准化每个测量通道所对应的解剖脑区。
    注：精确的数字化可确保参与者间的一致性，并实现 fNIRS 数据向皮层结构的精确定位映射，为组水平分析提供基础。
12. 使用下颌带固定光极帽，并用竹签轻轻分开头发，手动调整每个光极位置，确保其与头皮直接接触（图3A）。图3B 显示头发遮挡光极的情况，而 图3C 展示使用竹签成功清除障碍后的状态。利用采集软件中的 DAQ 值模块评估信号质量。始终通过询问参与者是否有疼痛或不适感来确认其舒适度，并根据需要调整光极位置，在不牺牲舒适性的前提下优化信号清晰度。
    注：根据测量过程中的经验观察，此步骤可能耗时长达 30 分钟，具体时间取决于参与者的发质。头发浓密、深色或卷曲的个体通常需要更多时间和调整以确保光极与头皮的良好接触。在这些情况下，发现使用外科绷带固定 fNIRS 帽具可有效维持光极位置的稳定。部分参与者因头发使用发胶而带来额外挑战，该产品会干扰光极的附着。通过反复尝试发现，将头发扎成紧实的马尾或使用发夹固定比依赖任何类型的定型产品更为有效。这些调整显著提升了信号质量和数据可靠性。

3. 静息态、瑜伽体式区组设计及测量实践

注意：如图4所示，每个动态姿势（B、C、D）均保持30秒，并与作为基线条件的姿势A交替进行，姿势A保持25-30秒。该基线用于提供生理参考，以分离并比较其他姿势所对应的特定脑部活动。为减轻疲劳并确保研究关注体式本身而非用力程度，参与者在每个姿势中均使用Kurunta绳索进行支撑，这是一种源自治疗性Iyengar瑜伽的方法，可使姿势保持无紧张状态。此外，在体式序列开始前和结束后均记录了6分钟的静息态测量数据，期间参与者闭眼静坐，以获取练习前后的脑功能连接情况。

1. 使用蓝牙将 fNIRS 帽连接至软件，以在瑜伽体式练习前后的静息状态及整个练习过程中监测实时信号采集。
2. 当受试者坐在椅子上并确保 fNIRS 帽固定稳妥后，进行体式前的静息状态测量。指导受试者双脚平放于地面，双手置于大腿上，闭眼静坐 6 分钟，期间保持静止。以 25 Hz 采集 fNIRS 数据。
   1. 为尽量减少身体活动，并确保测量反映的是静息状态而非睡眠状态，应告知受试者在静息期间不要抬高眉毛或抓挠面部。同时要求其避免入睡，并在静息状态结束后询问其是否入睡，以再次确认。
3. 完成第一次静息状态测量后，移开椅子，让受试者站立，并确认信号仍清晰可读。指导受试者跟随并执行预设的自动播放范式指令演示。
4. 在演示过程中向受试者提供口头指导，并在每张幻灯片切换时手动记录预设的体式标记 A、B、C 和 D。这些标记对应瑜伽序列中的特定阶段，用于对 fNIRS 数据进行分段分析：A 表示基线体式（Tadasana），B、C 和 D 分别代表后续的主动体式（Uttanasana、Adho Mukha Svanasana 和 Urdhva Mukha Svanasana），如图 4所示。这些标记通过采集软件（OxySoft, Artinis Medical Systems）中的事件标注功能，在每一体式幻灯片出现且受试者进入相应体式时手动记录。这种手动事件标记方法已在 fNIRS 研究中被广泛使用并得到验证，有助于进行刺激锁定的血流动力学反应分析^23,24,25。
5. 测量结束后，通过比对人工标记的时间戳与自动演示的时间戳，核查测量过程中使用的标记是否正确，以确保数据标注的准确性。
6. 确认 fNIRS 帽仍稳固佩戴且信号清晰后，让受试者坐回椅子上进行体式后的静息状态测量。指导受试者双脚平放于地面，双手置于大腿上，闭眼静坐 6 分钟，期间保持静止。以 25 Hz 采集 fNIRS 数据。
7. 体式结束后可能需要 2–5 分钟时间，确保 fNIRS 设备在无信号干扰的情况下正确校准，然后再进行体式后的静息状态测量。向受试者提供与体式前静息状态测量相同的指导，以尽量减少身体活动，并确保测量反映的是静息状态而非睡眠状态。

4. 瑜伽体式期间血流动力学响应函数的 fNIRS 数据分析

注意：功能性近红外光谱成像（fNIRS）通过两个主要参数测量皮层血流动力学变化：氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）。这些生物标志物是神经活动通过神经血管耦合机制介导的血管反应指标。神经元激活增强会导致氧气消耗速率增加，但这一过程会被区域脑血流量的显著升高所过度补偿，通常表现为HbO浓度上升，同时HbR浓度下降。在本研究中，采用多通道fNIRS系统同步记录这两个参数，以量化瑜伽体式练习期间的血流动力学反应。测量平均HbO值可提供一种稳健且可靠的激活指标，尤其适用于基于运动的任务，因为其对噪声和模型假设的敏感性低于模型推导的β系数²⁶。然而，尽管HbO因其更高的信噪比常被优先使用，纳入HbR的分析对于增强数据的生理学解释至关重要。HbR信号通过揭示大脑的代谢反应和氧气摄取动态，对HbO提供补充信息²⁷。同时分析HbO和HbR有助于避免过度简化，并增强所观察到的神经活动模式的有效性²⁸。

1. 为评估瑜伽体式期间的血流动力学响应函数（HRF），首先将原始的近红外光谱功能成像（fNIRS）数据转换为光密度（O.D.），并使用 HOMER 3 工具箱（RRID:SCR_009586）进行处理。根据公式²⁹，利用修正的比尔-朗伯定律（MBLL）计算 HbO 和 HbR 浓度的变化。
   
   MBLL 考虑了生物组织的光散射特性，将光吸收变化（ΔA）与发色团浓度变化（Δμ_a）相关联，从而能够从测得的光强中量化血红蛋白动态。其中，r_sd 表示光源与探测器之间的距离，DPF 为差分路径长度因子。该线性近似方法可用于估算氧合与脱氧血红蛋白的相对浓度变化。采用短通道回归法以最小化表层血管活动的影响，更有效地分离皮层信号。
2. 在 MATLAB 中分析数据。对每位参与者、每个通道和每种条件计算区组平均值，以保持一致性。首先进行质量控制，排除存在显著光密度波动、信噪比（SNR）过低或光源-探测器距离过大的数据。使用 hmrR_PruneChannels 函数，并设置有效范围为 1 × 10^-7 至 1 × 10⁷，SNR 阈值为 2，光源-探测器距离范围为 0.45 mm 至 45 mm。
3. 使用 hmrR_MotionArtifactByChannel 函数检测每个通道的运动伪影。若信号幅值超过 0.5（AMPthresh），或在 1 秒时间窗口（tMotion）内标准差增加超过 15 倍（SDthresh），则标记该段数据。排除所有被标记的片段，每个片段持续时间为 1 秒（tMask）。
4. 应用广义线性模型（GLM），时间窗设定为刺激开始前 2 秒至刺激开始后 23 秒。GLM 是一种统计方法，通过将观测数据的变化建模为一个或多个已知变量（预测因子）与误差项的组合，来解释数据变异。该模型可估计每个预测因子对观测结果的贡献程度，使研究人员能够在控制噪声的同时分离出感兴趣效应。在此背景下，使用 GLM 将短间距（SS）回归量应用于长间距（LS）通道，以减少系统性生理噪声，更准确地分离脑活动，用于血流动力学响应函数（HRF）的估计^{19,30,31,32,33,34}。
5. 采用普通最小二乘法求解 GLM。为进一步处理运动伪影，将参与者的静息态数据（30–210 秒）作为回归量，应用正则化嵌入式典型相关分析（TCCA）³⁵。随后，对每个通道、每种条件及每位参与者估计 HRF，确保获得信噪比提升后的可靠神经响应估计。
6. 使用 Origin 软件进行单因素重复测量方差分析。通过比较基础体式 A（Tadasana，山式），即一种促进身体对齐与稳定的中立站立姿势；体式 B（Uttanasana，站立前屈式），一种头部低于心脏的站立体前屈，归类为倒立体式；体式 C（Adho Mukha Svanasana，下犬式），一种常见的半倒立体式，可拉长脊柱并激活上半身；以及体式 D（Urdhva Mukha Svanasana，上犬式），即一种背部伸展动作，可打开胸腔并增强后侧链肌群，评估长通道中平均 HbO 值的差异。
7. 评估体式 B、C 和 D 之间的差异。使用 Shapiro-Wilk 检验检查数据是否符合正态分布。对多重检验进行 Bonferroni 校正后的事后两两比较，显著性阈值设为 p < 0.05。使用 Cohen's d 计算 HbO 响应中显著差异的效应量^36,37。

5. 静息态功能连接的fNIRS数据分析

1. 为了分析静息态功能连接性（rsFC），针对每位参与者分别评估其大脑半球内（同侧半球）和半球间（跨半球）的功能连接性。该分析基于时间序列之间的统计依赖性，反映脑区之间的共激活情况。
   注意：测量静息态功能连接性有助于理解大脑在无外界刺激条件下的内在功能组织，现已被广泛认为是识别细微神经改变以及功能或功能障碍生物标志物的有力工具。既往研究表明，在重度抑郁症患者中，rsFC模式已被提出作为预测抗抑郁治疗反应的生物标志物³⁸，这凸显了静息态分析在捕捉特质样神经特征方面的价值。通过评估同侧半球和跨半球连接性，该方法能够更全面地理解大脑的功能整合与偏侧化特征，尤其适用于瑜伽等可能调节这些静息态网络的干预措施^38,39。
2. 选择6分钟的静息态数据段进行分析，该时长处于通常接受的5–10分钟范围内，且通常在5分钟后即可获得足够稳定的静息态功能连接信号^26,27,28,35。利用静息态测量期间相较于主动体式（asanas）更低的噪声水平，以更准确地评估氧合血红蛋白（HbO）、脱氧血红蛋白（HbR）和总血红蛋白（HbT）的浓度变化^34,40,41。
3. 首先识别并校正数据中的运动伪影。校正后，对时间序列应用带通滤波（0.009–0.08 Hz），以提取功能连接相关的频率范围，随后依据修正的布格-比尔-朗伯定律（modified Bouguer-Beer-Lambert law）将滤波后的信号转换为血红蛋白浓度，用于后续分析^40,42,43。重点关注无运动伪影的时间点（使用MotionArtifactByChannel函数），以保持半球间连接性分析的完整性⁴⁴。
4. 为消除所有通道中普遍存在的自发性波动影响，应用短距离通道（SSC）信号回归方法。首先计算所有短距离通道的平均时间进程，然后采用Tikhonov正则化方法将SSC信号从测得的fNIRS时间序列中回归去除⁴²。
5. 利用处理后的残差时间序列，通过计算所有通道对之间的皮尔逊相关系数构建功能连接矩阵。
6. 对于同侧半球连接性，分别计算左半球内和右半球内通道之间的平均相关系数；对于跨半球连接性，则计算每个通道与其对侧对应通道之间的平均相关系数³⁹。
7. 在进行统计分析时，先将皮尔逊相关系数（r值）转换为Fisher z分数，再进行Wilcoxon-Mann-Whitney检验。采用错误发现率（FDR）方法对多重比较进行校正。
   注意：本研究中使用的代码和数据已在Zenodo⁴⁵公开提供，网址为 https://zenodo.org/records/11098997，DOI: 10.5281/zenodo.11098996。

结果

对激活通道的初步分析显示，对照姿势A与姿势B和C之间存在显著差异（图5A-B）。随后使用Origin(Pro) 2018版软件包对各通道估计的血流动力学响应函数（HRF）的平均HbO值进行单因素重复测量方差分析，以评估其统计学差异。正态性假设通过Shapiro-Wilk检验进行评估。

使用多通道功能性近红外光谱（fNIRS）时，由于需要从多个通道收集数据，因此必须进行大量统计检验。这自然会增加I类错误的发生概率，即由于比较次数较多，至少一个真实的零假设可能被错误地拒绝⁴⁶。为解决此问题，本研究采用Bonferroni校正进行事后成对比较，以校正多重比较，显著性阈值设定为 p < 0.05。Bonferroni校正根据所进行的检验次数调整显著性阈值，以控制整体错误率（FWER）。尽管Bonferroni方法以过于保守著称，可能导致II类错误率升高或遗漏真实效应，但在本研究中是合适的。我们的主要关注点是避免...

讨论

本研究采用功能性近红外光谱成像（fNIRS）评估在结构化瑜伽体式练习过程中前额皮层（PFC）的活动，重点阐述了真实世界神经影像研究中的关键方法学考量及技术进展。关键实验方案要素包括fNIRS探头的精确定位，采用最佳源-探测器间距（3.0 cm）以及确保探头与头皮之间的良好耦合，以保障信号采集的准确性。采用随机区组设计，交替进行主动体式（B、C、D）与基础体式（A），并借助瑜伽绳提供支撑，以减少受试者疲劳并确保数据采集的一致性。通过使用短间距通道（1.0 cm间距）降低浅层血流动力学干扰，从而提高测量精度。为分离神经信号并减轻在基于运动的研究中常见的运动伪影，采用了广义线性模型（GLM）和时域典型相关分析（TCCA）滤波方法。

对传感器位置和信号质量的实时监测使得能够立即进行调整，以防止因头发或耦合不良导致的信号衰减。尽管采取了这些预防措施，仍存在残余的运动伪影，凸显了信号校正算法和硬件进一步改进的必要性。

该方法的主要局限性在于其对运动伪影的敏感性，尽管采用了TCCA滤波和短分离通道回归，仍导致了数据的变异性。可采用其他替代方...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
3-D 数字化仪	Artinis Medical	DGT-456	用于放置帽电极和区域定位
Brite MKII fNIRS 设备	Artinis Medical	BR-MK2	用于前额叶皮层数据采集的便携式 fNIRS 仪器
Harmony 瑜伽垫 3/16” (5mm) 厚 68" (173cm)	Jade	HAR368	练习体式的稳定表面
HOMER 3 软件	波士顿大学神经光子学中心（开源）	Homer v1.54	用于 fNIRS 数据预处理
Origin(Pro) 软件	OriginLab	ORG-2023	数据的统计分析
Oxysoft 软件	Artinis Medical	OXY-001	实时信号采集
Piola 棉质 12mm 绳索	Tarpsupplies	N/A	壁挂式瑜伽绳系统的组成部分
PowerPoint 演示文稿设置	Microsoft	N/A	用于教学视觉展示
不锈钢挂钩	Homheal	liuxi-050	壁挂式瑜伽绳系统的组成部分
壁挂式瑜伽绳系统	定制	N/A	辅助完成瑜伽体位