通过静息态脑电图描述阿尔法波在运动诱导的神经变化中的作用

Summary

该协议旨在使用脑电图-深度学习集成来解码高特质焦虑个体有氧运动诱导的前额叶 α 波段神经振荡重编程。开发的预测模型（81.82% 准确率）将 α 振荡确定为运动介导的焦虑缓解的核心机制，推进了情绪障碍的精准神经调控靶点。

Abstract

运动干预在治疗情绪失调方面显示出独特的潜力，但其神经调控目标的模糊性阻碍了精确运动处方的制定。本研究调查了 40 名高特质焦虑大学生的特质焦虑作为一种代表性情绪障碍，他们被随机分配到运动干预组（40 分钟中等强度有氧运动，n = 20）或非运动对照组（40 分钟安静阅读，n = 20），然后收集静息脑电图数据。通过将运动后静息态脑电图（EEG）与深度学习算法相结合，我们开发了一种α波段时频预测模型，以系统地解码运动诱导的前额叶皮层神经振荡重编程机制。深度学习模型在识别运动诱导的α波段功率谱熵改变方面表现出优越的分类效率（准确率83.33%，F1得分0.83，Kappa系数0.67）。这项研究率先通过神经振荡重塑确定前额叶 Alpha 兴奋性重新平衡，作为运动介导的缓解焦虑的核心机制。

Introduction

在当代社会，生活节奏的加快和生活压力的加重，导致情绪失调的患病率大幅上升。在情绪失调的各种表现中，焦虑作为一种普遍的亚型，对个人构成了巨大的挑战。长期以来，药物疗法一直被认为是治疗情绪失调，尤其是焦虑症的基本方法。然而，研究表明，大约 30% 的情绪失调患者对一线药物没有反应。此外，长期使用这些药物可能会引起各种风险，例如代谢紊乱和认知障碍¹。心理干预虽然通过循证框架解决病因，但受到需要大量时间、精力和财力的治疗持续时间延长以及治疗效果延迟的限制 ^2,3。

近年来，运动干预在治疗情绪失调方面显示出显著的优势。大量研究表明，运动有可能通过促进内源性神经递质释放和诱导突触变化来自然增强情绪状态并缓解焦虑和抑郁⁴。例如，对受过运动训练的小鼠的研究表明，它们的缺氧负担减轻了 52%，并且观察到认知功能显着增强⁵。特质焦虑代表了一个人在不同情况下经历焦虑的相对稳定和持久的倾向⁶，是理解情绪失调潜在机制的关键因素。它是慢性焦虑症的核心特征，研究它可以为这种情绪失调的病理生理学提供有价值的见解。通过了解特质焦虑，我们可....

Protocol

本研究获得武汉体育大学（2023016）机构研究伦理委员会的批准。

1. 研究参与者

1. 从某高校自愿招收550名非体育类专业学生。进行样品选择的预筛选。为此，使用中国修订后的状态-特质焦虑量表⁴¹ ，如 表 1 所示。
2. 将特质焦虑分量表得分为 55 分或更高的个体分类为具有高度特质焦虑的个体，并选择他们进行脑电图实验。使用该清单的特质焦虑子量表作为关键评估工具，遵循先前 ERP 研究⁴² 的既定标准。55 分的截止分数是基于先前的研究，确保了对具有高度特质焦虑的参与者进行一致且有效的分类方法。
3. 进一步评估焦虑评分高于 55 的个人的身体活动水平。参与者还被要求满足与前一周身体活动模式相关的三个特定纳入标准。
   1. 确保参与者进行高强度体育活动少于 3 天（每次训练每天持续 ≥ 20 分钟）。
      注意：高强度的体力活动会对身体和大脑产生重大影响，可能改变神经可塑性和神经递质水平。通过限制高强度活动天数，研究人员可以最大限度地减少这种剧烈运动对所研究关系的混杂影响。
   2. 确保所有强度的运动总天数每周少于 5 天，总运动量小于 600 MET-min/周。这将确保参与者的整体运动负荷在一定范....

Results

脑电图数据处理和统计分析

原始脑电图数据以事件发生为中心分为 2 个 s 周期，与时频分析的标准做法一致，以捕获瞬态神经动力学，同时最大限度地减少边缘伪影。每个时期都使用具有 3 个周期的复杂 Morlet 小波进行连续小波变换 （CWT），该小波优化了时间和频率分辨率，以检测 θ 到 gamma 波段中的振荡活动。

图 2 的左侧面板表示练习组，右侧面板表示控制组。（1）数据处理质量：两种光谱都表现出平滑的曲线和特征性的神经生理学“1/f”衰减模式（低频时的高功率随频率呈指数下降）。高度重叠的轨迹表明有效的数据预处理（例如，去噪、滤波）和高基线数据质量，在频域中具有良好的.......

Discussion

在心理健康研究领域，了解对高度特质焦虑个体进行干预的潜在神经机制至关重要。本研究的明确目的是通过利用人工智能模型探索与此类个体运动干预相关的神经生物标志物。先进的深度神经网络（包括 EEGNet 等模型）的采用彻底改变了脑电图 （EEG） 信号处理，能够以前所未有的精度精确分析和解码大脑活动^47,48。因此，本研究使用深度学习模型对运动干预的脑电图数据进行分类，旨在识别高特质焦虑的神经生物标志物，并探讨干预对这些标志物的影响。将高特质焦虑的参与者分为实验组和对照组;比较了运动和阅读之间的大脑电活动。研究结果非常重要。具体来说，前额叶区域，尤其是其α波活动，在分类任务中表现出了显着的准确性。这一发现强烈表明，前额叶α波可能在运动干预对高特质焦虑的调节作用中发挥关键作用。

在探索情绪识别背后的神经机制时，特别是在焦虑的背景下，前额叶α波活动（8-12 Hz）成为一个关键因素。这种特定的神经振荡模式与个体.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
脑amp SN	脑产品	AMP12081737 标准	脑电图（EEG）信号的获取
Eprime Professional	心理学软件工具	2.0.10.92	心理学实验软件
运动周期600	情绪健身有限公司及KG连	F-EF-MC-650	自行车航力计
DCU（深度计算单元）	海贡	海贡Z100L	模型分析
蟒	Python 软件基础	Python 3.8	模型分析