Wavelet Entropy gebruiken om te demonstreren hoe Mindfulness Practice verhoogt de coördinatie tussen onregelmatige cerebrale en cardiale activiteiten
May 10th, 2017
Dit manuscript beschrijft hoe u de wavelet entropy index gebruikt om elektrodenfalografie (EEG) en elektrocardiografie (ECG) data te analyseren. We tonen aan dat de onregelmatigheid van cerebrale en cardiale activiteiten meer gecoördineerd is tijdens de mindfulness-based stress reduction praktijk.
Het algemene doel van dit EEG-experiment is om de wavelet-entropie-index te gebruiken om high-density EEG- en ECG-gegevens te analyseren. We laten zien dat de onregelmatigheid van cerebrale en hartactiviteiten meer gecoördineerd werd tijdens mindfulness-gebaseerde stressreductiepraktijk. Deze methode kan helpen om de vragen in neurowetenschappen en psychologie te beantwoorden over hoe men de chaotische activiteiten van geest en hart kan meten en vergelijken tijdens de praktijk van mindfulness.
De uniciteit van deze methode is de creatie van een gemeenschappelijke index met behulp van wavelet-entropie-analyse om chaotische hersen- en hartactiviteiten te meten, zodat hun relatie effectief kan worden geanalyseerd en vergeleken. Een verscheidenheid aan religieuze en spirituele tradities gelooft dat het lichaam en de geest op de een of andere manier gecoördineerd zijn. Echter, wetenschappers hebben moeite gedaan om dit te bewijzen omdat ze geen gemeenschappelijke index kunnen vinden om de twee te vergelijken.
Deze methode kan ook inzicht geven in het werkingsmechanisme van hoe mindfulness en andere mentale trainingen de activiteiten van de hersenen en het hart kunnen moduleren. We hadden voor het eerst het idee om wavelet-entropie te gebruiken om de correlatie tussen de hersenen en het hart te verkennen toen we ontdekten dat wavelet-entropie gevoelig is voor de acties op de verschillende mentale toestanden. Naast Junling en Jicong, zal Hang Kin, van mijn laboratorium, assisteren met de demonstratie van deze procedures.
Hij zal ook ons onderwerp zijn tijdens de demonstraties. Begin met het begeleiden van de deelnemer naar een rustige elektro-encefalografie, of EEG, kamer. Om de opname uit te voeren, verzamel een 128-kanaals EEG-systeem bestaande uit een EEG-kap, versterker, headbox en desktopcomputer.
Gebruik vervolgens alcoholwatten om het gezichtsgebied en de mastoïde van de deelnemer te reinigen. Meet de omtrek van het hoofd van de deelnemer met meetlint en kies vervolgens een geschikte maat kap. Neem een meting van de nasium naar de inion en een andere meting over de bovenkant van de oren en over de hoofdhuid.
Markeer de vertex, het punt op halve afstand tussen de nasium en inion op halve afstand tussen de twee oren, met een zachte markeringsstift. Stel vervolgens de elektrodepositie in volgens het 10-5 elektrodensysteem. Plaats de kap zodanig dat de Cz-elektrode boven de vertex ligt, de Nz-elektrode op de nasium, de Lz-elektrode op de inion, de RM-elektrode op de rechter mastoïde en de LM-elektrode op de linker mastoïde.
Vul de elektrodehouders met gel met behulp van een stomp puntige spuit. Plaats vervolgens de ECG-elektroden bij zowel de linker als rechter infraclaviculaire fossae. Houd de impedantie onder de 20 kiloohm voor elke elektrode.
Verminder de impedantie door de elektrodeplaatsing aan te passen om meer contact met de hoofdhuid te maken en voeg indien nodig meer gel toe. Neem vervolgens EEG-gegevens op aan het begin van de mindfulness-gebaseerde stressreductie, of MBSR, cursus. Laat de deelnemer een korte lichaamsscan uitvoeren om het hele lichaam te ontspannen door hen te vragen aandacht te besteden aan zijn of haar ademhaling tijdens het inademen en uitademen.
Laat ten slotte elke deelnemer 10 minuten MBSR-mindful ademhaling uitvoeren en 10 minuten normale rust tijdens het verzamelen van EEG-gegevens om een pre-MBSR-trainingsdataset met twee voorwaarden te genereren. Herhaal vervolgens deze EEG-procedure na twee maanden om een post-MBSR-trainingsdataset met twee voorwaarden te genereren. Begin met het openen van de EEG-software en het laden van de dataset en selecteer vervolgens Tools en Sampling rate wijzigen om de gegevens opnieuw te bemonsteren.
Selecteer vervolgens Tools, Filter de gegevens en Basis FIR-filter om de Finite Impulse Response-filter te gebruiken voor bandpass-filtering met een doorlaatband van 0,5 tot 100 hertz. Om ruis als gevolg van de wisselstroom van het lichtnet te verminderen, selecteer Tools, Filter de gegevens en Korte niet-lineaire IIR-filter om de korte niet-lineaire Infinite Impulse Response-filter te gebruiken voor notch-filtering met een stopband van 47 tot 53 hertz. Selecteer vervolgens Plot en Kanaalgegevens binnen de EEG-software om visueel door het EEG-signaal te scrollen en te inspecteren.
Vervolgens, klik met de linkermuisknop en sleep de muis over slechte segmenten om EEG-segmenten die duidelijke spierruis en andere vreemde gebeurtenissen bevatten te markeren en te verwijderen. Bepaal na het verwijderen van slechte segmenten of er slechte kanalen zijn. Reconstrueer elk slecht kanaal met behulp van de sferische interpolatiemethode door Tools en Kanaal interpoleren te selecteren.
Selecteer vervolgens Tools en ICA uitvoeren om een onafhankelijke componentenanalyse op de gegevens uit te voeren. Identificeer vervolgens visueel goede componenten en verwerp componenten van oogbeweging en knipperen, spierbewegingen en componenten van andere mogelijke ruis door Tools te selecteren, Gegevens afwijzen met behulp van ICA, gevolgd door Componenten afwijzen per kaart, dan Tools en Componenten verwijderen. Selecteer ten slotte Tools en Opnieuw referentie voor het opnieuw referentieën van de gegevens naar het gemiddelde van alle kanalen vóór verdere analyse.
Gebruik vervolgens de formule die hier te zien is om de waveletcoëfficiënten te berekenen, om relatieve energie te definiëren en wavelet-entropie te berekenen. In de spectrumanalyse van EEG-gegevens, vergeleken met normale rust, waren er versterkte alfa- en bèta- en verminderde deltagolven tijdens MBSR-mindful ademhaling. Verder toont bronanalyse aan dat de belangrijkste hersengebieden die werden beïnvloed door de MBSR-mindfulnesstraining zich in de linker occipitale gyrus, rechter precuneus, middelste temporale gyrus en linker fusiforme bevinden.
Ten slotte waren de entropiën van de hersenen en het hart significant gecorreleerd tijdens MBSR-mindful ademhaling maar niet tijdens normale rust. Eenmaal beheerst, kan de procedure in één week worden uitgevoerd als deze goed wordt uitgevoerd. Wanneer u deze procedure probeert, is het de moeite waard om op te merken dat alle juiste sensorische stappen essentieel zijn om de verwachte resultaten te bereiken.
Volgend op deze procedure kunnen we
Overzicht
Dit manuscript beschrijft het gebruik van de wavelet-entropie-index om high-density elektro-encefalografie (EEG) en elektrocardiografie (ECG) gegevens te analyseren. De studie toont aan dat de onregelmatigheid van cerebrale en hartactiviteiten meer gecoördineerd wordt tijdens mindfulness-gebaseerde stressreductie oefeningen.
Belangrijkste Studie Componenten
Wetenschapsgebied
- Neurowetenschappen
- Psychologie
- Elektrofysiologie
Achtergrond
- Mindfulness-praktijken worden geacht lichaam en geest te coördineren.
- Vorige studies misten een gemeenschappelijke index om hersen- en hartactiviteiten te vergelijken.
- Wavelet-entropie is gevoelig voor verschillende mentale toestanden.
- Deze studie heeft tot doel de correlatie tussen hersenen en hart tijdens mindfulness te verkennen.
Doel van de Studie
- EEG en ECG gegevens analyseren met behulp van wavelet-entropie.
- De coördinatie van cerebrale en hartactiviteiten tijdens mindfulness onderzoeken.
- Inzichten verschaffen in hoe mindfulness hersen- en hartactiviteiten moduleert.
Gebruikte Methoden
- 128-kanaals EEG-systeemopstelling en voorbereiding van de deelnemers.
- Opnemen van EEG-gegevens tijdens mindfulness-gebaseerde stressreductie (MBSR) oefeningen.
- Gegevensverwerking inclusief filtering, artefactverwerping en Independent Component Analysis (ICA).
- Berekening van wavelet-coëfficiënten en entropie voor analyse.
Belangrijkste Resultaten
- Verbeterde alpha- en beta-golven, verminderde delta-golven tijdens MBSR.
- Significante correlatie van hersen- en hartentropieën tijdens mindfulness.
- Belangrijke beïnvloede hersengebieden omvatten de linker occipitale gyrus en rechter precuneus.
- De methodologie kan worden toegepast op andere mentale trainingspraktijken.
Conclusies
- Wavelet-entropie meet effectief de coördinatie tussen hersenen en hart.
- Mindfulness-praktijken versterken de relatie tussen hersen- en hartactiviteiten.
- Toekomstige studies kunnen andere contemplatieve oefeningen onderzoeken met behulp van deze methode.
Veelgestelde Vragen
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.
