使用小波熵来证明正念练习如何增加不规则脑与心脏活动之间的协调
May 10th, 2017
该手稿描述了如何使用小波熵指数来分析高密度脑电图（EEG）和心电图（ECG）数据。我们表明，在基于正念的减压实践中，脑和心脏活动的不规则性变得更加协调。
该 EEG 实验的总体目标是使用小波熵指数来分析高密度 EEG 和 ECG 数据。我们表明，在基于正念的减压练习中，大脑和心脏活动的不规则性变得更加协调。这种方法可以帮助回答神经科学和心理学中关于如何测量和比较正念练习过程中心灵和心灵的混乱活动的问题。
这种方法的独特之处在于使用小波熵分析创建一个公共指数来测量大脑和心脏的混沌活动，以便有效地分析和比较它们之间的关系。各种宗教和精神传统认为身体和心灵在某种程度上是协调的。然而，科学家们一直在努力证明这一点，因为他们找不到一个共同的指标来比较两者。
这种方法还可以深入了解正念和其他心理训练如何调节大脑和心脏活动的工作机制。当我们发现小波熵对不同心理状态下的作用敏感时，我们首先想到了使用小波熵来探索大脑和心脏之间的相关性。除了 Junling 和 Jicong，我实验室的 Hang Kin 将协助演示这些程序。
他也将成为我们在演示期间的主题。首先护送参与者到一个安静的脑电图或 EEG 房间。要进行记录，请收集一个 128 通道 EEG 系统，该系统由 EEG 帽、放大器、流浆箱和台式计算机组成。
接下来，使用酒精棉签清洁参与者的面部区域和乳突。用卷尺测量参与者的头围，然后选择合适尺寸的帽子。从鼻部到鼻部进行一次测量，然后对耳朵顶部和头皮进行另一次测量。
用软笔标记顶点，即两只耳朵之间中距离的 nasion 和 inion 之间的中间距离的点。接下来，根据 10-5 电极系统设置电极位置。放置帽的位置，使 Cz 电极位于顶点上方，Nz 电极位于鼻孔处，Lz 电极位于离子处，RM 电极位于右侧乳突处，LM 电极位于左侧乳突处。
使用钝点注射器用凝胶填充电极支架。然后，将 ECG 电极放置在左侧和右侧锁骨下窝。将每个电极的阻抗保持在 20 kΩ 以下。
通过调整电极位置来降低阻抗，以增加与头皮的接触，并在必要时添加更多凝胶。接下来，在基于正念的减压 （MBSR） 课程开始时记录 EEG 数据。让参与者进行简短的身体扫描，让他们在吸气和呼气时注意自己的呼吸，从而放松整个身体。
最后，让每个参与者在脑电图数据收集期间进行 10 分钟的 MBSR 正念呼吸和 10 分钟的正常休息，以生成具有两个条件的 MBSR 前训练数据集。然后在两个月后重复这个脑电图程序，以生成具有两个条件的 MBSR 后训练数据集。首先打开 EEG 软件并加载数据集，然后选择 工具 和 更改采样率 对数据进行重新采样。
然后，依次选择 Tools （工具）、Filter the data （过滤数据） 和 Basic FIR filter（基本 FIR 滤波器），以使用 Finite Impulse Response（有限脉冲响应）滤波器进行 0.5 至 100 赫兹通带的带通过滤。要减少电源交流电引起的噪声，请选择工具、过滤数据和短非线性 IIR 滤波器，以使用短非线性无限脉冲响应滤波器进行陷波滤波，阻带为 47 至 53 赫兹。接下来，在 EEG 软件中选择 Plot and Channel data 以直观地滚动和检查 EEG 信号。
然后，在坏片段上单击并拖动鼠标，以突出显示和删除包含明显肌肉噪声和任何其他奇怪事件的脑电图片段。在删除任何错误的段后，确定是否存在任何错误的通道。使用 Spherical Interpolation 方法通过选择 Tools （工具） 和 Interpolate channel （插值通道） 来重建每个坏通道。
接下来，选择 Tools 和 Run ICA 对数据执行 Independent Component Analysis。然后，通过依次选择 Tools （工具）、Reject data using ICA （使用 ICA 拒绝数据）、Reject components by map（按地图拒绝组件）、Tools （工具） 和 Remove components （删除组件），直观地识别出好的组件，并丢弃眼球运动和眨眼、肌肉运动和其他可能的噪声的组件。最后，选择 工具 和 重新引用 在进一步分析之前将数据重新引用到所有通道的平均值。
然后，使用此处看到的公式计算小波系数，定义相对能量，并计算小波熵。在脑电图数据的频谱分析中，与正常休息相比，MBSR 正念呼吸期间 alpha 和 beta 增强，delta 波减少。此外，来源分析表明，受 MBSR 正念训练影响的主要大脑区域位于左枕回、右侧楔前叶、颞中回和左梭形。
最后，在 MBSR 正念呼吸期间，大脑和心脏的熵呈显著相关，但在正常休息期间则不然。一旦掌握，如果执行得当，该程序可以在一周内完成。当您尝试此程序时，值得注意的是，所有正确的传感步骤对于实现预期结果都是必不可少的。
按照这个程序，我们可以了解其他心理训练和练习，如诵经、祈祷、瑜伽、太极拳和类似的冥想练习，是否可以改善身心的夹带。看完这个视频，你应该对在正念冥想中如何使用小波熵来测量和探索大脑和心脏的电活动之间的关系有了很好的了解。
概述
本手稿描述了使用小波熵指数分析高密度脑电图（EEG）和心电图（ECG）数据的方法。研究表明，在正念减压实践过程中，大脑和心脏活动的不规则性变得更加协调。
关键研究组成部分
科学领域
- 神经科学
- 心理学
- 电生理学
背景
- 正念练习被认为能够协调身心。
- 之前的研究缺乏比较大脑和心脏活动的共同指标。
- 小波熵对不同的心理状态敏感。
- 本研究旨在探索正念过程中大脑和心脏之间的关联。
研究目的
- 使用小波熵分析EEG和ECG数据。
- 研究正念过程中大脑和心脏活动的协调性。
- 提供正念如何调节大脑和心脏活动的洞见。
使用的方法
- 128通道EEG系统设置和参与者准备。
- 在正念减压（MBSR）实践过程中记录EEG数据。
- 数据处理，包括滤波、伪影拒绝和独立成分分析（ICA）。
- 计算小波系数和熵用于分析。
主要结果
- MBSR期间增强的alpha和beta波，减少的delta波。
- 正念过程中大脑和心脏熵之间的显著相关性。
- 受影响的主要大脑区域包括左枕叶回和右前楔叶。
- 该方法可以应用于其他心理训练实践。
结论
- 小波熵有效地测量大脑-心脏协调性。
- 正念练习增强了大脑和心脏活动之间的关系。
- 未来的研究可以使用这种方法探索其他冥想练习。
常见问题
Executive Industry Relevance
Establishing objective biomarkers for mind-body coordination addresses a critical gap in neuropsychiatric target validation, where subjective endpoints limit predictive confidence in CNS drug development. This methodology provides a quantitative, electrophysiology-based framework to assess mechanistic engagement of mindfulness-modulated pathways, supporting de-risking of neuropsychiatric indications. By enabling cross-modal correlation analysis between neural and autonomic outputs, it enhances translational continuity from early discovery to preclinical validation.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses linking neural activity to autonomic regulation through a common entropy-based index.
- Operational Value: Provides a reproducible metric for functional target validation in mind-brain-body axis research.
- Predictive Value: Supports portfolio triage by quantifying mechanistic de-risking of CNS-modulating compounds via coordinated brain-heart biomarkers.
Screening & Assay Development
- Assay Readiness: Generates standardized, quantitative wavelet entropy outputs from synchronized EEG and ECG recordings for assay validation.
- Scalability: Supports high-density electrophysiological screening platforms requiring cross-system signal comparison.
- Reproducibility: Enables consistent biomarker measurement across experimental conditions, reducing variability in downstream screening.
Translational & Preclinical Research
- Disease Relevance: Applicable to stress-related disorders where brain-heart dysregulation is a pathophysiological hallmark.
- Translational Continuity: Bridges discovery-phase mechanistic insights with preclinical validation through objective neurocardiac coupling metrics.
- Risk-Adjusted Decisions: Informs go/no-go criteria by quantifying target engagement in autonomic neural circuits.
Pipeline & Workflow Integration
The method integrates into discovery workflows by providing a mechanistic readout for early target validation, progressing through assay development to preclinical evaluation of CNS-active compounds influencing autonomic regulation.
- Discovery Biology: Facilitates hypothesis testing of mind-brain-heart pathway modulation using entropy as a shared biomarker.
- Screening: Delivers assay-ready, quantitative outputs enabling comparison of compound effects on neural-cardiac coordination.
- Analytics: Generates correlational data between EEG and ECG entropy to assess multi-system target engagement.
- Translational Research: Supports preclinical continuity by validating neurocardiac biomarkers in disease-relevant models.
- Enterprise Reuse: Establishes a reusable electrophysiological platform for CNS and psychosomatic indication research.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing mechanistic ambiguity in brain-body axis modulation.
- Operational Value: Ensures standardization and reproducibility of neurophysiological assessments across sites and studies.
- Strategic Value: Improves go/no-go decision quality by providing objective, quantifiable biomarkers of target engagement.
- Portfolio Impact: Enables risk-adjusted prioritization of CNS candidates based on demonstrated autonomic neural modulation.
Implementation Considerations
- Requires expertise in electrophysiology, signal processing, and wavelet analysis for accurate entropy calculation.
- Dependent on high-density EEG and ECG acquisition systems with precise electrode placement and impedance control.
- Necessitates standardized preprocessing pipelines including filtering, artifact rejection, and ICA for clean signal isolation.
- Involves cross-functional collaboration between neuroscience, cardiology, and data science teams for interpretation.
- Limited to lab-based settings due to equipment complexity; not suited for high-throughput or clinical deployment without adaptation.
