May 10th, 2017
Questo manuale descrive come utilizzare l'indice di entropia wavelet per analizzare dati elettroencefalografici ad alta densità (EEG) e elettrocardiografia (ECG). Mostriamo che l'irregolarità delle attività cerebrali e cardiache è diventata più coordinata durante la pratica di riduzione dello stress basato sulla mentalità.
L'obiettivo generale di questo esperimento EEG è quello di utilizzare l'indice di entropia wavelet per analizzare i dati EEG ed ECG ad alta densità. Dimostriamo che l'irregolarità delle attività cerebrali e cardiache è diventata più coordinata durante la pratica di riduzione dello stress basata sulla consapevolezza. Questo metodo può aiutare a rispondere alle domande delle neuroscienze e della psicologia su come misurare e confrontare le attività caotiche della mente e del cuore durante la pratica della consapevolezza.
L'unicità di questo metodo è la creazione di un indice comune utilizzando l'analisi dell'entropia wavelet per misurare le attività caotiche del cervello e del cuore in modo che la loro relazione possa essere efficacemente analizzata e confrontata. Una varietà di tradizioni religiose e spirituali crede che il corpo e la mente siano in qualche modo coordinati. Tuttavia, gli scienziati hanno faticato a dimostrarlo perché non riescono a trovare un indice comune per confrontare i due.
Questo metodo può anche fornire informazioni sul meccanismo di funzionamento di come la consapevolezza e altri allenamenti mentali possono modulare le attività del cervello e del cuore. Abbiamo avuto l'idea di utilizzare l'entropia wavelet per esplorare la correlazione tra cervello e cuore quando abbiamo scoperto che l'entropia wavelet è sensibile alle azioni sulle diverse condizioni mentali. Oltre a Junling e Jicong, Hang Kin, del mio laboratorio, assisterà con la dimostrazione di queste procedure.
Sarà anche il nostro soggetto durante le manifestazioni. Inizia accompagnando il partecipante in una stanza tranquilla per l'elettroencefalografia, o EEG. Per condurre la registrazione, raccogliere un sistema EEG a 128 canali composto da un cappuccio EEG, un amplificatore, una cassa d'afflusso e un computer desktop.
Successivamente, utilizzare tamponi imbevuti di alcol per pulire l'area del viso e la mastoide del partecipante. Misura la circonferenza della testa del partecipante con un metro a nastro, quindi scegli un berretto di dimensioni adeguate. Prendi una misurazione dal nasione all'inione e un'altra misurazione sulla parte superiore delle orecchie e sul cuoio capelluto.
Segna il vertice, il punto a metà distanza tra la nasi e l'inione a metà distanza tra le due orecchie, con un pennarello morbido. Quindi, impostare le posizioni degli elettrodi in base al sistema a 10-5 elettrodi. Posizionare il cappuccio in modo tale che l'elettrodo Cz sia sopra il vertice, l'elettrodo Nz sia alla nasione, l'elettrodo Lz sia all'inione, l'elettrodo RM sia alla mastoide destra e l'elettrodo LM sia alla mastoidea sinistra.
Riempire i portaelettrodi con gel utilizzando una siringa a punta smussata. Quindi, posizionare gli elettrodi ECG sia nella fossa infraclavicolare sinistra che in quella destra. Mantenere l'impedenza al di sotto di 20 kiloohm per ogni elettrodo.
Ridurre l'impedenza regolando il posizionamento dell'elettrodo per aumentare il contatto con il cuoio capelluto e aggiungere altro gel se necessario. Successivamente, registra i dati EEG all'inizio del corso di riduzione dello stress basato sulla consapevolezza, o MBSR. Chiedi al partecipante di eseguire una breve scansione del corpo per rilassare tutto il corpo chiedendogli di prestare attenzione al proprio respiro mentre inspira ed espira.
Infine, chiedi a ciascun partecipante di eseguire 10 minuti di respirazione consapevole MBSR e 10 minuti di riposo normale durante la raccolta dei dati EEG per generare un set di dati di allenamento pre-MBSR con due condizioni. Quindi ripetere questa procedura EEG dopo due mesi per generare un set di dati di addestramento post-MBSR con due condizioni. Per iniziare, aprire il software EEG e caricare il set di dati, quindi selezionare Strumenti e Modifica frequenza di campionamento per ricampionare i dati.
Selezionare quindi Strumenti, Filtra i dati e Filtro FIR di base per utilizzare il filtro Risposta all'impulso finito per il filtraggio passa-banda con una banda passante da 0,5 a 100 hertz. Per ridurre il rumore dovuto alla corrente alternata di rete, selezionare Strumenti, Filtra i dati e Filtro IIR non lineare corto per utilizzare il filtro breve non lineare Risposta all'impulso infinito per il filtraggio notch con una banda di arresto da 47 a 53 hertz. Quindi, selezionare Traccia e Canale dati all'interno del software EEG per scorrere visivamente e ispezionare il segnale EEG.
Quindi, fai clic con il pulsante sinistro del mouse e trascina il mouse sui segmenti danneggiati per evidenziare ed eliminare i segmenti EEG che contengono evidente rumore muscolare e altri eventi strani. Dopo l'eliminazione di segmenti danneggiati, determinare se sono presenti canali danneggiati. Ricostruite ogni canale danneggiato utilizzando il metodo di interpolazione sferica selezionando Strumenti e Interpola canale.
Quindi, selezionare Strumenti ed Esegui ICA per eseguire un'analisi dei componenti indipendenti sui dati. Quindi, identificare visivamente i componenti validi ed eliminare i componenti del movimento degli occhi e del battito delle palpebre, i movimenti muscolari e i componenti di altri possibili disturbi selezionando Strumenti, Rifiuta dati utilizzando ICA, seguito da Rifiuta componenti per mappa, quindi Strumenti e Rimuovi componenti. Infine, selezionare Strumenti e Rifai riferimento per rifare riferimento ai dati alla media di tutti i canali prima di un'ulteriore analisi.
Quindi, utilizzare la formula vista qui per calcolare i coefficienti wavelet, per definire l'energia relativa e calcolare l'entropia wavelet. Nell'analisi dello spettro dei dati EEG, rispetto al riposo normale, c'erano un aumento delle onde alfa e beta e una riduzione delle onde delta durante la respirazione consapevole MBSR. Inoltre, l'analisi delle fonti mostra che le principali regioni cerebrali interessate dall'allenamento alla mindfulness MBSR erano nel giro occipitale sinistro, nel precuneo destro, nel giro temporale medio e nel fusiforme sinistro.
Infine, le entropie del cervello e del cuore erano significativamente correlate durante la respirazione consapevole MBSR, ma non durante il normale riposo. Una volta padroneggiata, la procedura può essere eseguita in una settimana se viene eseguita correttamente. Quando si tenta questa procedura, vale la pena notare che tutti i passaggi di rilevamento appropriati sono essenziali per ottenere i risultati attesi.
Seguendo questa procedura, possiamo scoprire se altri allenamenti e pratiche mentali, come il canto, la preghiera, lo yoga, il tai chi e simili esercizi contemplativi, possono migliorare il trascinamento del corpo e della mente. Dopo aver visto questo video, dovresti avere una buona comprensione di come utilizzare l'entropia wavelet per misurare ed esplorare la relazione tra le attività elettriche del cervello e del cuore durante le meditazioni di consapevolezza.
Questo manoscritto descrive l'uso dell'indice di entropia wavelet per analizzare i dati dell'elettroencefalografia (EEG) ad alta densità e dell'elettrocardiografia (ECG). Lo studio dimostra che l'irregolarità delle attività cerebrali e cardiache diventa più coordinata durante la pratica di riduzione dello stress basata sulla mindfulness.
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.
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.