10 maja 2017
Ten manuskrypt opisuje, jak używać wskaźnika entropii falkowej do analizy danych elektroencefalografii (EEG) i elektrokardiografii (EKG) o dużej gęstości. Pokazujemy, że nieregularność czynności mózgowych i sercowych stała się bardziej skoordynowana podczas praktyki redukcji stresu opartej na uważności.
Ogólnym celem tego eksperymentu EEG jest wykorzystanie wskaźnika entropii falkowej do analizy danych wysokiej gęstości EEG i ECG. Wykazujemy, że nieregularność aktywności mózgowej i serca stała się bardziej skoordynowana podczas praktyki redukcji stresu opartej na uważności. Metoda ta może pomóc w odpowiedzi na pytania z zakresu neuronauki i psychologii dotyczące sposobów pomiaru i porównywania chaotycznej aktywności umysłu i serca podczas praktyki uważności.
Wyjątkowość tej metody polega na stworzeniu wspólnego indeksu z wykorzystaniem analizy entropii falkowej do pomiaru chaotycznej aktywności mózgu i serca, co pozwala na efektywną analizę i porównanie ich wzajemnych relacji. Różne tradycje religijne i duchowe zakładają, że ciało i umysł są w pewien sposób skoordynowane. Naukowcy mieli jednak trudności z udowodnieniem tej tezy ze względu na brak wspólnego indeksu umożliwiającego porównanie obu tych obszarów.
Ta metoda może również dostarczyć wglądu w mechanizm działania tego, jak uważność oraz inne treningi mentalne mogą modulować aktywność mózgu i serca. Pomysł wykorzystania entropii falkowej do zbadania korelacji między mózgiem a sercem pojawił się u nas, gdy odkryliśmy, że entropia falkowa jest wrażliwa na działania w różnych stanach mentalnych. Oprócz Junlinga i Jiconga, w demonstracji tych procedur pomagać będzie Hang Kin z mojego laboratorium.
Będzie on również naszym obiektem badawczym podczas demonstracji. Rozpocznij od odprowadzenia uczestnika do cichego pomieszczenia do elektroencefalografii (EEG). Aby przeprowadzić pomiar, przygotuj 128-kanałowy system EEG składający się z czepka EEG, wzmacniacza, modułu sterującego (headbox) oraz komputera stacjonarnego.
Następnie należy użyć gazików nasączonych alkoholem, aby oczyścić obszar twarzy oraz wyrostek sutkowaty uczestnika. Za pomocą centymetra krawieckiego zmierz obwód głowy uczestnika, a następnie wybierz czepek o odpowiednim rozmiarze. Wykonaj jeden pomiar od nasion do inion oraz drugi pomiar nad małżowinami usznymi wzdłuż skóry głowy.
Zaznaczyć vertex, punkt znajdujący się w połowie odległości między nasion a inion oraz w połowie odległości między uszami, za pomocą miękkiego pisaka. Następnie ustawić pozycje elektrod zgodnie z systemem 10-5. Umieścić czepek w taki sposób, aby elektroda Cz znajdowała się nad vertex, elektroda Nz na nasion, elektroda Lz na inion, elektroda RM na prawym wyrostku sutkowatym, a elektroda LM na lewym wyrostku sutkowatym.
Wypełnij uchwyty elektrod żelem za pomocą strzykawki z tępą igłą. Następnie umieść elektrody EKG w lewym i prawym dołku nadobojczykowym. Utrzymaj impedancję poniżej 20 kiloohm dla każdej elektrody.
Zmniejsz impedancję, dostosowując rozmieszczenie elektrod w celu zwiększenia kontaktu z powłoką skórną głowy, i w razie potrzeby dodaj więcej żelu. Następnie zarejestruj dane EEG na początku kursu redukcji stresu opartego na uważności (MBSR). Poproś uczestnika o wykonanie krótkiego skanowania ciała w celu rozluźnienia całego organizmu, prosząc go o skupienie uwagi na oddechu podczas wdychania i wydychania powietrza.
Na koniec poleć każdemu uczestnikowi wykonanie 10 minut uważnego oddychania MBSR oraz 10 minut zwykłego odpoczynku podczas zbierania danych EEG, aby stworzyć zbiór danych przed treningiem MBSR z dwoma warunkami. Następnie powtórz tę procedurę EEG po dwóch miesiącach, aby stworzyć zbiór danych po treningu MBSR z dwoma warunkami. Rozpocznij od otwarcia oprogramowania EEG i załadowania zbioru danych, a następnie wybierz Tools i Change sampling rate, aby zmienić częstotliwość próbkowania danych.
Następnie wybierz Narzędzia (Tools), Filtrowanie danych (Filter the data) oraz Podstawowy filtr FIR (Basic FIR filter), aby zastosować filtr z skończoną odpowiedzią impulsową do filtrowania pasmowozaporowego z pasmem przepustowym od 0,5 do 100 Hz. Aby zredukować szumy wynikające z przemiennego prądu sieciowego, wybierz Narzędzia (Tools), Filtrowanie danych (Filter the data) oraz Krótki nieliniowy filtr IIR (Short non-linear IIR filter), aby zastosować krótki nieliniowy filtr z nieskończoną odpowiedzią impulsową do filtrowania notch z pasmem stopowym od 47 do 53 Hz. Następnie w oprogramowaniu EEG wybierz Wykres (Plot) oraz Dane kanałów (Channel data), aby wizualnie przejrzeć i przeanalizować sygnał EEG.
Następnie należy kliknąć lewym przyciskiem myszy i przeciągnąć kursor nad błędne segmenty, aby zaznaczyć i usunąć fragmenty EEG zawierające wyraźne zakłócenia mięśniowe oraz wszelkie inne nietypowe zdarzenia. Po usunięciu wszystkich błędnych segmentów należy określić, czy występują kanały z błędami. Każdy taki kanał należy zrekonstruować metodą interpolacji sferycznej, wybierając opcję Tools, a następnie Interpolate channel.
Następnie wybierz Tools oraz Run ICA, aby przeprowadzić analizę niezależnych komponentów (ICA) danych. Następnie zidentyfikuj wizualnie odpowiednie komponenty i odrzuć komponenty odpowiadające ruchom i mruganiu oczu, ruchom mięśni oraz komponenty innych możliwych zakłóceń, wybierając Tools, Reject data using ICA, a następnie Reject components by map, a potem Tools i Remove components. Na koniec wybierz Tools oraz Re-reference, aby przeprowadzić ponowne odniesienie danych do średniej ze wszystkich kanałów przed dalszą analizą.
Następnie należy użyć przedstawionego tutaj wzoru do obliczenia współczynników falkowych, zdefiniowania energii względnej oraz obliczenia entropii falkowej. W analizie widma danych EEG, w porównaniu do stanu normalnego spoczynku, podczas uważnego oddychania w ramach MBSR zaobserwowano zwiększenie fal alfa i beta oraz zmniejszenie fal delta. Co więcej, analiza źródeł wykazuje, że główne obszary mózgu objęte treningiem uważności MBSR znajdowały się w lewym zakręcie potylicznym, prawym przedklinie, zakręcie skroniowym środkowym oraz lewym zakręcie wrzecionowatym.
Wreszcie, entropie mózgu i serca były istotnie skorelowane podczas uważnego oddychania w ramach MBSR, ale nie podczas zwykłego odpoczynku. Po opanowaniu techniki procedura ta może zostać wykonana w ciągu jednego tygodnia, pod warunkiem prawidłowego przeprowadzenia. Podczas próby wykonania tej procedury warto zauważyć, że wszystkie odpowiednie kroki pomiarowe są niezbędne do uzyskania oczekiwanych rezultatów.
Stosując tę procedurę, możemy sprawdzić, czy inne treningi i praktyki mentalne, takie jak chanting, modlitwa, joga, tai chi i podobne ćwiczenia kontemplacyjne, mogą poprawić synchronizację ciała i umysłu. Po obejrzeniu tego filmu powinni Państwo posiadać dogłębną wiedzę na temat tego, jak wykorzystać entropię falkową do pomiaru i badania relacji między aktywnością elektryczną mózgu i serca podczas medytacji uważności.
Niniejszy artykuł opisuje zastosowanie wskaźnika entropii falkowej do analizy danych z wysokogęstościowej elektroencefalografii (EEG) oraz elektrokardiografii (EKG). Badanie wykazuje, że nieregularność aktywności mózgowej i serca staje się bardziej skoordynowana podczas praktyki redukcji stresu opartej na uważności.
Ustanowienie obiektywnych biomarkerów koordynacji ciała i umysłu pozwala wypełnić krytyczną lukę w walidacji celów neuropsychiatrycznych, w której subiektywne punkty końcowe ograniczają pewność prognostyczną w rozwoju leków oddziałujących na OUN. Niniejsza metodologia dostarcza ilościowych ram opartych na elektrofizjologii w celu oceny mechanistycznego zaangażowania ścieżek modulowanych przez uważność, co wspiera redukcję ryzyka w przypadku wskazań neuropsychiatrycznych. Poprzez umożliwienie analizy korelacji między-modalnej między sygnałami neuronalnymi a autonomicznymi, zwiększa ona ciągłość translacyjną od wczesnych etapów odkrywania do walidacji przedklinicznej.
Metoda ta integruje się z procesami odkrywania leków, zapewniając mechanistyczny odczyt dla wczesnej walidacji celu, przechodząc przez etap opracowywania testów aż po przedkliniczną ocenę związków aktywnych w OUN, wpływających na regulację autonomiczną.