Методическая статья

Связность в состоянии покоя и нейровизуализация активности префронтальной коры во время практики асан йоги с блочным дизайном с использованием fNIRS

DOI:

10.3791/68400

⸱

24 июня 2025 г.

 ,  ,  , 
1Coordinación para la Innovación y la Aplicación de la Ciencia y la Tecnología, Universidad Autónoma de San Luis Potosí, 2Faculty of Science, Universidad Autónoma de San Luis Potosí

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

В этом исследовании использовалась функциональная спектроскопия в ближнем инфракрасном диапазоне (fNIRS) для измерения активности префронтальной коры во время 23-минутной последовательности асан йоги с 27 взрослыми. Подключение в состоянии покоя было зафиксировано до и после тренировки. Полученные данные подчеркивают эффективность fNIRS в исследованиях, основанных на движении, и дают неврологические представления о влиянии асан йоги.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Это исследование было направлено на использование технологии функциональной ближней инфракрасной спектроскопии (fNIRS) мобильной нейровизуализации для изучения изменений активности префронтальной коры (ПФК) до, во время и после асан йоги (физических поз йоги). В общей сложности 27 здоровых взрослых людей приняли участие в 23-минутном сеансе асаны йоги с использованием блочного дизайна. До и после последовательности участники выполнили два 6-минутных состояния покоя, не зависящих от задачи. Активность ПФК непрерывно регистрировалась с помощью инструмента fNIRS, расположенного в лобной области черепа. Сеанс включал в себя контрольную позу, чередующуюся с тремя активными позами. Каждая активная поза удерживалась в течение 30 с, за которой следовал интервал контрольной позы 25-30 с, и повторялась восемь раз. Такая блочная конструкция привела к 25 контрольным интервалам позы и 24 повторениям каждой активной позы. Анализ включал предварительную обработку исходных данных fNIRS для расчета концентраций оксигемоглобина (HbO) и дезоксигемоглобина (HbR), коррекцию артефактов движения и статистическую оценку с использованием ANOVA с поправками Бонферрони. В анализе связности изучались межполушарные и внутриполушарные корреляции в префронтальной коре. В заключение, это исследование демонстрирует полезность fNIRS в реальном мире, основанном на движении, и дает неврологические представления о влиянии асан йоги.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Йога — это древняя индийская практика, которая объединяет физические позы (асаны), дыхательные упражнения (пранаяму), медитацию и этические принципы для содействия целостному физическому и психическому благополучию. В последние годы йога все чаще признается в качестве дополнительного вмешательства при психических заболеваниях, что подтверждается растущим объемом научных исследований. Многочисленные исследования показали, что регулярные занятия йогой могут значительно уменьшить симптомы тревоги, депрессии и стресса, одновременно улучшая настроение, эмоциональную регуляцию и общую психологическую устойчивость 1,2,3. Мета-анализы и рандомизированные контролируемые исследования еще раз подтвердили эффективность йоги в качестве дополнительной терапии депрессии и посттравматического стрессового расстройства, а также свидетельствуют об улучшении качества жизни и когнитивныхфункций.

Несмотря на эту многообещающую доказательную базу, нейронные механизмы, лежащие в основе практик йоги, основанных на движении, в частности физические позы (асаны), остаются плохо изученными 9,10. Этот пробел в знаниях препятствует усилиям по интеграции йоги в нейрокогнитивные модели вмешательства. Целью настоящего исследования является изучение активности мозга, связанной с практикой асан йоги в режиме реального времени, тем самым способствуя механистическому пониманию того, как созерцательные практики, основанные на движении, влияют на функцию коры головного мозга.

Для этого мы использовали функциональную ближнюю инфракрасную спектроскопию (fNIRS), неинвазивный, портативный метод нейровизуализации, который измеряет гемодинамические реакции в коре головного мозга11. Обоснование использования fNIRS коренится в его способности отслеживать активность мозга во время естественного, вертикального движения — подход, невозможный при использовании обычных методов визуализации, таких как фМРТ или ПЭТ, которые требуют от участников оставаться неподвижными вискусственных условиях. По сравнению с этими альтернативами, fNIRS имеет несколько преимуществ: он бесшумен, устойчив к движению и позволяет изучать экологически обоснованные задачи в реальныхусловиях. Следовательно, он широко используется в исследованиях моторного обучения, когнитивной нагрузки, развития младенцев, походки и равновесия, а также практик осознанности, обеспечивая надежное понимание активности префронтальной коры как в статических, так и в динамических условиях 14,15,16,17,18. Его применение в натуралистических условиях, особенно во время движения, открыло новые возможности для изучения воплощенного познания и нейронных субстратов интегративных вмешательств в здоровье.

Тем не менее, лишь немногие исследования применяли эту технику конкретно к асанам йоги, и еще меньше исследований делали это на протяжении всей временной дуги сеанса – от до и во время и после практики – с репрезентативной выборкой. Чтобы решить эту проблему, в текущем исследовании использовался протокол блочного дизайна с использованием fNIRS для изучения активности коры головного мозга и связности в состоянии покоя до, во время и после структурированной последовательности асан йоги. Исследование проводилось в натуралистической обстановке и включало 27 испаноговорящих участников из Мексики, тем самым устраняя значительный пробел в литературе о влиянии йоги на латино-испаноязычное население. Возраст участников варьировался от 18 до 65 лет, среди них были как мужчины, так и женщины с широким опытом йоги, от новичков до практикующих до 15 лет регулярной практики. Все участники сообщили об отсутствии серьезных психологических или физиологических состояний, которые помешали бы им завершить 23-минутное занятие йогой. Лица с тяжелыми психическими расстройствами или физическими состояниями, ограничивающими подвижность, были исключены. Несмотря на то, что участники не проходили скрининг на конкретные медицинские патологии, такие как гипертония или диабет, перед сеансом было четко объяснено, что они могут остановиться в любое время, если почувствуют себя плохо или некомфортно. Заранее была достигнута договоренность о том, что любые неполные сессии будут исключены из анализа.

Из первоначальных 30 участников никто не снялся из-за дискомфорта во время занятий йогой. Тем не менее, три из них были исключены из окончательного анализа из-за чрезмерного шума сигнала, вероятно, вызванного помехами оборудования или технической неисправностью программного обеспечения. Включая демографически разнообразную и репрезентативную выборку и позволяя получать изображения в режиме реального времени, это исследование повышает как экологическую обоснованность, так и обобщаемость результатов. Исследователи и клиницисты, стремящиеся исследовать нейронную динамику созерцательных практик, основанных на движении, могут найти этот метод особенно актуальным для приложений в когнитивной нейронауке, реабилитационной науке и интегративных исследованиях психического здоровья.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Экспериментальные процедуры проводились в соответствии с Хельсинкской декларацией, рассмотренной и одобренной Координационным советом по инновациям и применению науки и технологии (CIACYT), Комитетом по этике Автономного университета Сан-Луис-Потоси Институциональным наблюдательным советом [CIACYT-CEI-003]. Все участники дали подписанное информированное согласие.

1. Набор участников и демография

  1. Набирайте участников с помощью сарафанного радио и социальных сетей, включая Facebook и Instagram. Проинформировать потенциальных участников о целях исследования, требованиях и их праве отказаться от участия в любое время без штрафных санкций.
  2. Соберите демографическую информацию, о которой сообщили сами пациенты, включая возраст, вес, рост, биологический пол, образование и опыт занятий йогой, с помощью личных интервью (Таблица 1). Назначьте каждому участнику уникальный пронумерованный код для анонимности и запишите его информацию в зашифрованный файл электронной таблицы.
  3. Включите участников в возрасте от 18 до 65 лет с разным уровнем опыта выполнения асан йоги. Исключите людей с неврологическими или психическими заболеваниями или тех, кто не может выполнять позы йоги из-за физических ограничений. В это исследование были включены участники в возрасте от 18 до 65 лет с различным уровнем опыта выполнения асан йоги, при этом были исключены лица с известными неврологическими или психиатрическими заболеваниями, а также люди с физическими ограничениями, которые не позволяют им безопасно выполнять позы йоги. В настоящее время протокол не включает вариации для исключенных участников, хотя изучение таких адаптаций представляет собой ценное направление для будущих исследований.
  4. Обеспечить, чтобы все процедуры соответствовали этическим принципам учреждения и соответствовали Хельсинкской декларации. Все участники предоставляют подписанное информированное согласие. Сообщите участникам, что они не получат никакой финансовой компенсации и что они могут прекратить эксперимент в любое время.

2. Методика проведения эксперимента

  1. Используйте портативное устройство fNIRS для сбора данных. Прибор работает с двумя длинами волн 760 нм и 850 нм, обеспечивая непрерывное излучение ближнего инфракрасного диапазона для оценки изменений концентраций оксигенированного (HbO) и дезоксигенированного (HbR) гемоглобина. Система поддерживает до 27 каналов и записывает с частотой дискретизации 50 Гц, что позволяет надежно обнаруживать активацию коры головного мозга во время выполнения натуралистических задач.
    1. Подготовьте установку fNIRS, расположив источники света (S) и детекторы (D) в держателях колпачков в соответствии с расположением двусторонней префронтальной коры (PFC), предоставленным производителем (см. рис. 1). Обеспечьте расстояние между источником и детектором (S-D) на расстоянии 3,0 см для оптимизации обнаружения коркового сигнала.
    2. Кроме того, включите два канала с коротким разделением (1,0 см) для учета и регрессии поверхностных гемодинамических сигналов, таких как кровоток кожи головы головы, которые могут искажать корковые измерения. Использование каналов короткого разделения является валидированным методом повышения специфичности сигнала путем изоляции гемодинамических реакций коры головного мозга от внемозгового загрязнения19.
  2. Выберите четыре асаны йоги для этого исследования, которые являются основополагающими позами, обычно практикуемыми во всех стилях хатха-йоги. Они составляют ядро широко известной последовательности Сурья Намаскар (Приветствие Солнцу), которая признана во всем мире и практикуется ежегодно 21 июня во время Международного дня йоги20. Эти позы были намеренно выбраны не только из-за их доступности и стандартизации в традициях йоги, но и для того, чтобы позволить провести конкретное исследование влияния инверсий (поз, при которых голова находится ниже сердца) и разгибания спины на мозговую активность – две физические формы, часто рекомендуемые в протоколах терапевтической йоги при депрессии и расстройствахнастроения.
  3. Оформите презентацию во время эксперимента в формате PowerPoint, который также является визуальным и звуковым руководством для участников. Убедитесь, что на каждом слайде изображена фотография и название одной позы, написанное на родном языке участника (испанском) с оригинальным санскритским названием в скобках: Поза А (Тадасана), Поза Б (Уттанасана), Поза С (Адхо Мукха Шванасана) и Поза D (Урдхва Мукха Шванасана).
  4. Циклически повторяйте изображение поз B, C и D автоматически каждые 30 с в случайном порядке, в то время как экспериментатор одновременно выкрикивает название позы вслух, чтобы подкрепить сигнал.
  5. Организуйте активные асаны в произвольном порядке, следя за тем, чтобы базовая поза была перемежающейся между каждой из них. Такое расположение обеспечивает сбалансированную последовательность при сохранении переменного интервала между стимулами для снижения потенциальных эффектов практики и привыкания.
  6. Для управления данными и обеспечения согласованности стандартизируйте все визуальные материалы, включая изображения и шрифты, по размеру и стилю для всех участников. Увеличивайте размеры изображений поз йоги в соответствии с высоким разрешением и четкими надписями как на их исконно испанских названиях, так и на традиционном санскрите.
  7. Прежде чем начать, убедитесь, что каждый участник может прочитать и четко увидеть подсказку к презентации. Активные асаны и базовые асаны, которые должны быть выполнены, описаны ниже:
    Тадасана - Поза горы (базовая поза): Прямая и нейтральная поза стоя.
    Уттанасана - Наклон вперед (активная поза): Сгибание вперед от бедер с головой ниже сердца.
    Адхо Мукха Шванасана - Собака мордой вниз (активная поза): Перевернутая V-образная позиция, с руками и ногами на земле и поднятыми бедрами.
    Урдхва Мукха Шванасана - Собака, обращенная вверх (активная поза): Грудь поднята в спине с взглядом, направленным вверх.
  8. Подготовьте экспериментальную зону, установив коврик для йоги, настенную систему канатов для йоги (см. Таблицу материалов) и презентационный экран, расположенный перед участником достаточно близко для четкой видимости поз, но достаточно далеко, чтобы не мешать движению. Схема показана на рисунке 2. Перед началом сеанса убедитесь в видимости и удобочитаемости экрана.
  9. Откалибруйте систему fNIRS, убедившись, что все компоненты, включая конденсатор, оптические приборы и программное обеспечение для записи, полностью заряжены, функциональны и совместимы с системой сбора данных. Для калибровки точно расположите оптоды на коже головы участника по международной системе 10-20, обеспечив последовательное анатомическое нацеливание на префронтальные области. Отрегулируйте кепку и держатели оптодов в соответствии с индивидуальной формой головы и густотой волос, сводя к минимуму затухание света и артефакты движения. Используйте интерфейс качества сигнала системы (например, отношение сигнал/шум и индекс связи скальпа), чтобы убедиться, что каждый канал соответствует рекомендуемым пороговым значениям.
    ПРИМЕЧАНИЕ: Этот процесс необходим для обеспечения надежных и воспроизводимых гемодинамических измерений и минимизации потери данных или неправильной интерпретации из-за плохого контакта с датчиком или выпадения сигнала 16,23,24,25.
  10. Когда участник сидит на стуле, убедитесь, что его ступни стоят на земле, руки мягко лежат на коленях, а спина слегка поддерживается стулом. Устно подтвердите, что участник удобно сидит, прежде чем продолжить.
  11. Используйте 3-D дигитайзер, оптическое устройство слежения, предназначенное для захвата пространственного расположения оптодов на коже головы, чтобы зафиксировать расположение шапки. Этот процесс генерирует координаты Монреальского неврологического института (MNI), используя их для идентификации и стандартизации анатомических областей мозга, лежащих в основе каждого измерительного канала.
    ПРИМЕЧАНИЕ: Точная оцифровка обеспечивает согласованность между участниками и позволяет точно сопоставлять данные fNIRS с корковыми структурами для анализа на уровне группы.
  12. Закрепите шапочку оптода с помощью ремешка для подбородка и вручную отрегулируйте каждую оптоду, аккуратно разделив волосы бамбуковой палочкой, чтобы обеспечить прямой контакт с кожей головы (Рисунок 3A). На рисунке 3B показаны волосы, препятствующие оптоде, а на рисунке 3C показано успешное устранение препятствия с помощью бамбуковой палочки. Используйте модуль «Значение сбора данных» в программном обеспечении для сбора данных для оценки качества сигнала. Всегда подтверждайте комфорт участника, спрашивая, есть ли у него боль или дискомфорт, и при необходимости регулируйте положение оптода, чтобы оптимизировать четкость сигнала без ущерба для комфорта.
    ПРИМЕЧАНИЕ: Основываясь на эмпирических наблюдениях в процессе измерения, этот шаг может занять до 30 минут, в зависимости от типа волос участника. Людям с густыми, темными или вьющимися волосами часто требуется дополнительное время и адаптация для обеспечения правильного контакта оптода с кожей головы. В этих случаях было установлено, что закрепление колпачка fNIRS с помощью хирургической повязки эффективно для поддержания стабильного размещения оптода. Участники, которые приехали с гелем в волосах, столкнулись с дополнительными проблемами, так как продукт препятствовал адгезии оптодов. Методом проб и ошибок мы заметили, что создание тугого хвоста или использование шпилек для удержания волос на месте было более эффективным, чем использование любого типа фиксатора для волос. Эти корректировки значительно улучшили качество сигнала и надежность данных.

3. Состояние покоя, дизайн блоков асан йоги и практика измерений

Примечание: Как показано на рисунке 4, каждая из динамических поз (B, C, D) удерживалась в течение 30 с и чередовалась с позой A в качестве исходного условия, удерживаемого в течение 25-30 с. Этот исходный уровень послужил физиологическим ориентиром для выделения и сравнения активности мозга, специфичной для других поз. Чтобы свести к минимуму усталость и убедиться, что исследование сосредоточено на форме, а не на нагрузке, участникам поддерживали в каждой позе с помощью веревок Курунта, метода из терапевтической йоги Айенгара, который позволяет удерживать позы без напряжения. Кроме того, измерения состояния покоя регистрировались в течение 6 минут как до, так и после последовательности асан, во время которой участники сидели с закрытыми глазами, чтобы зафиксировать связь мозга до и после практики.

  1. Подключите колпачок fNIRS к программному обеспечению с помощью Bluetooth для мониторинга получения сигнала в режиме реального времени как до и после отдыха, так и во время практики асан йоги.
  2. Надежно удерживая колпачок fNIRS, пока участники сидят на стуле, выполните измерение состояния покоя перед асаной. Попросите участников расслабиться, положив ноги на землю, положив руки на колени, и сидеть неподвижно с закрытыми глазами в течение 6 минут. Сбор данных fNIRS с частотой 25 Гц.
    1. Чтобы обеспечить минимальное движение и убедиться, что измерения относятся к состоянию покоя, а не к состоянию сна, сообщите участникам, чтобы они не поднимали брови и не чесали лицо во время состояния покоя. Кроме того, попросите их избегать засыпания и перепроверьте, произошло ли это, спросив их, заснули ли они после завершения состояния покоя.
  3. После завершения первого состояния покоя уберите стул и попросите участников встать и убедиться, что все еще есть четкий сигнал. Проинструктируйте участников следовать и выполнять заранее запрограммированную презентацию с инструкциями парадигмы по мере ее автоматического продвижения.
  4. Предоставляйте устные указания участникам во время презентации и вручную записывайте заранее определенные маркеры позы, помеченные буквами A, B, C и D, при каждом переходе между слайдами. Эти маркеры соответствуют конкретным фазам последовательности занятий йогой и были использованы для сегментации данных fNIRS для анализа: A указывает на исходную позу (Тадасана), в то время как B, C и D представляют последующие активные позы (Уттанасана, Адхо Мукха Шванасана и Урдхва Мукха Шванасана, соответственно), как показано на рисунке 4. Маркеры записывались вручную с помощью функции аннотации событий в программном обеспечении для сбора данных (OxySoft, Artinis Medical Systems) в момент представления каждого слайда позы и перехода участника в позу. Эта ручная маркировка событий широко использовалась и была валидирована в исследованиях fNIRS для облегчения анализа гемодинамических реакций с блокировкой стимулов 23,24,25.
  5. После измерения убедитесь, что в процессе измерения использовались правильные маркеры, сопоставив отмеченные вручную временные метки с метками времени автоматического представления для обеспечения точной маркировки данных.
  6. Убедитесь, что колпачок fNIRS по-прежнему надежно закреплен на месте и сигнал все еще четкий, попросите участников сесть на стул для измерения состояния покоя после асаны. Попросите участников расслабиться, положив ноги на землю, положив руки на колени, и сидеть неподвижно с закрытыми глазами в течение 6 минут. Сбор данных fNIRS с частотой 25 Гц.
  7. Может потребоваться 2-5 минут после асаны, чтобы убедиться, что настройка fNIRS правильно откалибрована без помех сигнала, прежде чем переходить в состояние покоя после асаны. Предоставьте участникам те же инструкции, что и при измерении состояния перед отдыхом, чтобы обеспечить минимальное движение и убедиться, что измерения относятся к состоянию покоя, а не к состоянию сна.

4. Анализ данных fNIRS функции гемодинамического ответа во время асаны йоги

Функциональная спектроскопия в ближнем инфракрасном диапазоне (fNIRS) измеряет изменения в корковой гемодинамике по двум основным параметрам: оксигенированный гемоглобин (HbO) и дезоксигенированный гемоглобин (HbR). Эти биомаркеры являются сосудистыми коррелятами нервной активности, опосредованными принципом нейроваскулярной связи. Повышенная активация нейронов приводит к увеличению потребления кислорода, что компенсируется повышенным региональным мозговым кровотоком, что обычно приводит к одновременному увеличению HbO и снижению HbR. В данном исследовании оба параметра регистрировались с использованием многоканальной системы fNIRS для количественной оценки гемодинамических реакций во время практики асан йоги. Измерение средних значений HbO обеспечивает устойчивый и надежный индикатор активации, особенно во время выполнения задач, связанных с движением, поскольку он менее чувствителен к шуму и моделируемым предположениям, чем полученные с помощью модели бета-коэффициенты 26. Однако, несмотря на то, что HbO часто имеет приоритет из-за более высокого соотношения сигнал/шум, включение HbR имеет решающее значение для улучшения физиологической интерпретации данных. Сигналы HbR дополняют HbO, давая представление о метаболической реакции мозга и динамике экстракции кислорода27. Одновременный анализ HbO и HbR помогает избежать чрезмерного упрощения и усиливает валидность наблюдаемых нейронных паттернов 28.

  1. Чтобы оценить функцию гемодинамического отклика (HRF) во время асаны йоги, начните с преобразования необработанных данных функциональной спектроскопии ближнего инфракрасного диапазона (fNIRS) в оптическую плотность (O.D.) и обработайте их с помощью набора инструментов HOMER 3 (RRID:SCR_009586). Используйте модифицированный закон Бера-Ламберта (MBLL) для расчета изменений концентраций HbO и HbR в соответствии с уравнением 29.
    figure-protocol-1
    MBLL учитывает свойства рассеяния биологической ткани и связывает изменения поглощения света (ΔA) с изменениями концентрации хромофора (Δμa), что позволяет количественно оценить динамику гемоглобина по измеренной интенсивности света. rsd обозначает расстояние от источника до детектора, а DPF — коэффициент дифференциальной длины трассы. Эта линейная аппроксимация позволяет оценить изменения относительных концентраций оксигенированного и дезоксигенированного гемоглобина. Включите регрессию короткого канала, чтобы свести к минимуму влияние поверхностной сосудистой активности и лучше изолировать корковые сигналы.
  2. Анализируйте данные в MATLAB. Рассчитывайте средние значения по блокам для каждого участника, канала и условия, чтобы обеспечить согласованность. Начните контроль качества с исключения показаний со значительными колебаниями оптической плотности, низким отношением сигнал/шум (SNR) или большими расстояниями между источником и детектором. Используйте функцию hmrR_PruneChannels и установите такие параметры, как допустимый диапазон от 1 x 10-7 до 1 x 107, порог SNR 2 и расстояние от источника до детектора от 0,45 мм до 45 мм.
  3. Обнаруживайте артефакты движения для каждого канала с помощью функции hmrR_MotionArtifactByChannel. Сегменты помечаются, если амплитуда сигнала превышает 0,5 (AMPthresh) или если стандартное отклонение увеличивается более чем в 15 раз (SDthresh) в течение временного окна в 1 секунду (tMotion). Исключите помеченные сегменты, каждый из которых длится 1 с (tMask).
  4. Примените общую линейную модель (ОЛМ) с временным окном, охватывающим период от 2 с до 23 с после начала стимула. GLM — это статистический метод, используемый для объяснения вариаций в наборе наблюдаемых данных путем моделирования их как комбинации одной или нескольких известных переменных (предикторов) и члена ошибки. Он оценивает, какой вклад вносит каждый предиктор в наблюдаемый результат, что позволяет исследователям изолировать интересующие эффекты с учетом шума. В этом контексте используйте GLM для применения короткопромежуточных (SS) регрессоров к длиннопромежуточным (LS) каналам для снижения системного физиологического шума и более точной изоляции активности мозга для оценки функции гемодинамического ответа (HRF) 19,30,31,32,33,34.
  5. Решите GLM с помощью метода наименьших квадратов. Для дальнейшей работы с артефактами движения примените регуляризованный встроенный канонический корреляционный анализ (TCCA) с данными о состоянии покоя участников (30-210 с) в качестве регрессора35. После этого оцените HRF для каждого канала, состояния и участника, обеспечив надежную оценку нейронного отклика с улучшенным соотношением сигнал/шум.
  6. Используйте Origin для выполнения односторонних повторных измерений ANOVA. Оцените различия в средних значениях HbO в длинных каналах, сравнив исходную позу А (Тадасана), нейтральную позу стоя, способствующую выравниванию и устойчивости, с позой В (Уттанасана), сгибание вперед стоя, при котором голова расположена ниже сердца, классифицируя это как инверсию; поза С (Адхо Мукха Шванасана), широко известная как Собака мордой вниз, полуперевернутая поза, которая удлиняет позвоночник и активизирует верхнюю часть тела; и поза D (Урдхва Мукха Шванасана), или Собака мордой вверх, разгибание спины, которое раскрывает грудную клетку и укрепляет заднюю цепь.
  7. Оцените различия между позами B, C и D. Проверьте нормальное распределение данных с помощью теста Шапиро-Уилка. Выполняйте постфактумные попарные сравнения с поправками Бонферрони для нескольких тестов, используя пороговое значение p, равное <0,05 для значимости. Рассчитайте величины эффектов для значимых различий в ответе HbO с помощью метода Коэна d36,37.

5. Анализ данных fNIRS функциональной связности в состоянии покоя

  1. Чтобы проанализировать функциональную связность в состоянии покоя (rsFC), оцените связность в каждом полушарии (внутриполушарие) и между полушариями (межполушарие) для каждого участника. Основывайте это на статистической зависимости между временными рядами, отражающей совместную активацию областей мозга.
    Измерение rsFC дает представление о внутренней функциональной организации мозга в отсутствие внешних стимулов и все чаще признается в качестве ценного инструмента для выявления тонких нейронных изменений и биомаркеров функции или дисфункции. Предыдущие исследования показали, что паттерны rsFC были предложены в качестве прогностических биомаркеров ответа на лечение антидепрессантами у пациентов с большим депрессивнымрасстройством38, что подчеркивает полезность анализа состояния покоя для захвата нейронных сигнатур, подобных признакам. Оценивая как внутриполушарные, так и межполушарные связи, этот подход позволяет получить более полное представление о функциональной интеграции и латерализации мозга, особенно в контексте таких вмешательств, как йога, которые могут модулироватьэти сети состояния покоя.
  2. Выберите для анализа 6-минутный период покоя, так как он находится в общепринятом диапазоне 5-10 минут, при этом достаточный rsFC обычно достигается через 5 минут 26,27,28,35. Воспользуйтесь преимуществами сниженного уровня шума во время измерений в состоянии покоя по сравнению с активными асанами для оценки концентраций HbO, HbR и HbT 34,40,41.
  3. Начните с выявления и исправления артефактов движения в данных. После коррекции примените полосовой фильтр (0,009-0,08 Гц) к временному ряду, чтобы изолировать диапазон частот функциональной связности, затем преобразуйте отфильтрованные сигналы в концентрации гемоглобина, используя модифицированный закон Бугера-Беера-Ламберта для дальнейшего анализа 40,42,43. Сосредоточьтесь на временных точках, свободных от артефактов движения (с помощью функции MotionArtifactByChannel) для сохранения целостности межполушарных связей44.
  4. Чтобы учесть спонтанные флуктуации, общие для всех каналов, примените регрессию сигнала короткого сепарации канала (SSC). Начните с вычисления среднего временного хода по всем SSC, затем регрессируйте сигнал SSC по измеренному временному ряду fNIRS, используя метод регуляризации Тихонова42.
  5. Используйте полученные остаточные временные ряды для построения матриц связности путем вычисления корреляций Пирсона между всеми парами каналов.
  6. Для внутриполушарной связности рассчитайте средние коэффициенты корреляции между каналами в левом полушарии и в правом полушарии отдельно. Для межполушарной связности вычислите средние корреляции между каждым каналом и его контралатеральным аналогом39.
  7. При выполнении статистического анализа преобразуйте значения r Пирсона в z-оценки Фишера перед проведением тестов Вилкоксона-Манна-Уитни. Корректируйте множественные сравнения с использованием метода коэффициента ложных обнаружений (FDR).
    ПРИМЕЧАНИЕ: Код и данные, которые были использованы в этом исследовании, находятся в открытом доступе в Zenodo45 по адресу https://zenodo.org/records/11098997 с DOI: 10.5281/zenodo.11098996.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Предварительный анализ активных каналов выявил значимые различия между контрольной позой А и позами В и С (рис. 5А-В). Затем были проведены односторонние повторные измерения ANOVA для оценки статистических различий в средних значениях HbO оцененной функции гемодинамического ответа (HRF) по каналам с использованием программного пакета Origin(Pro), версия 2018. Предположение о нормальности оценивалось с помощью теста Шапиро-Уилка.

П...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

В этом исследовании использовалась fNIRS для оценки активности PFC во время структурированной практики асан йоги, подчеркивая ключевые методологические соображения и достижения в области нейровизуализации в реальном мире. Важнейшие элементы протокола включали точное размещение оптодов fNIRS с оптимальным расстоянием между источником и детектором (3,0 см) и надлежащую связь оптода и скальпа для обеспечения точного захвата сигнала. Рандомизированный блочный дизайн, чередующий активные позы...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

М. Гудрик является владельцем студии йоги Karmuka Yoga. У остальных авторов нет конфликта интересов, о котором можно было бы заявить.

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Авторы искренне благодарят CONAHCYT за финансовую поддержку, которая включала стипендию для ведущего автора и финансирование приобретения оборудования fNIRS. Авторы также выражают искреннюю признательность добровольцам, чье участие сыграло решающую роль в успехе данного исследования. М. Гудрик выражает благодарность за поддержку со стороны CONAHCYT через стипендию No. CVU 1241565. Э. Гевара выражает признательность за поддержку со стороны проекта CONAHCYT Frontier Science 20884.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
3-D дигитайзерАртинис МедикалДГТ-456Используется для размещения кепок и картографирования регионов
Устройство Brite MKII fNIRSАртинис МедикалБР-МК2Портативный прибор fNIRS для передачи данных PFC
Коврик для йоги Harmony 3/16" (5 мм) толщиной 68 дюймов (173 см)НефритХАР368Устойчивая поверхность для занятий асанами
Программное обеспечение HOMER 3Центр нейрофотоники Бостонского университета (открытый исходный код)Гомер v1.54Для предварительной обработки данных fNIRS
Программное обеспечение Origin(Pro)Лаборатория OriginLabОРГ-2023Статистический анализ данных
Программное обеспечение OxysoftАртинис МедикалОКСИ-001Сбор сигналов в режиме реального времени
Веревки Piola Cotton 12 ммБрезентовые поставкиН/ДВходит в состав настенной веревочной системы для йоги
Настройка презентации PowerPointМайкрософтН/ДДля учебных визуальных материалов
Крючок из нержавеющей сталиХомхеалЛЮСИ-050Входит в состав настенной веревочной системы для йоги
Настенная веревочная система для йогиИзготовление на заказН/ДВспомогательное средство для поз йоги

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Cramer, H., et al. Yoga for anxiety: A systematic review and meta-analysis of randomized controlled trials. Depress Anxiety. 35 (9), 830-843 (2018).
  2. Pascoe, M. C., et al. Psychobiological Mechanisms Underlying the Mental Health Benefits of Yoga-Based Interventions: a Narrative Review. Compr Psychoneuroendocrinol. 6, 100037(2021).
  3. Nugent, N. R., et al. Benefits of Yoga on IL-6: Findings from a Randomized Controlled Trial of Yoga for Depression. Behav Med. 47 (1), 21-30 (2021).
  4. Dutta, A., et al. A Comprehensive Review of Yoga Research in 2020. J Integr Complement Med. 28 (2), 114-123 (2022).
  5. Wang, F., Szabo, A. Effects of yoga on stress among healthy adults: A systematic review. Altern Ther Health Med. 26 (4), AT6214(2020).
  6. Zaccari, B., et al. Yoga for veterans with PTSD: Cognitive functioning, mental health, and salivary cortisol. Psychol Trauma. 12 (8), 913-917 (2020).
  7. Cartwright, T., Mason, H., Porter, A., Pilkington, K. Yoga practice in the UK: A cross-sectional survey of motivation, health benefits and behaviours. BMJ Open. 10, e031848(2020).
  8. Streeter, C. C., et al. Thalamic Gamma Aminobutyric Acid Level Changes in Major Depressive Disorder after a 12-Week Iyengar Yoga and Coherent Breathing Intervention. J Altern Complement Med. 26 (3), 190-197 (2020).
  9. Gothe, N. P., McAuley, E. Yoga and Cognition: A Meta-Analysis of Chronic and Acute Effects. Psychosom Med. 77 (7), 784-797 (2015).
  10. Sullivan, M. B., et al. Yoga therapy and polyvagal theory: The convergence of traditional wisdom and contemporary neuroscience for self-regulation and resilience. Front Hum Neurosci. 12, 67(2018).
  11. Boas, D. A., Elwell, C. E., Ferrari, M., Taga, G. Twenty years of functional near-infrared spectroscopy: introduction for the special issue. Neuroimage. 85 Pt 1, 1-5 (2014).
  12. Pinti, P., et al. The present and future use of functional near-infrared spectroscopy (fNIRS) for cognitive neuroscience. Ann N Y Acad Sci. 1464, 5-29 (2020).
  13. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85 Pt 1, 181-191 (2014).
  14. Zhang, Y., Zhu, C. Assessing Brain Networks by Resting-State Dynamic Functional Connectivity: An fNIRS-EEG Study. Front Neurosci. 13, 1430(2020).
  15. Tsow, F., Kumar, A., Hosseini, S. H., Bowden, A. A low-cost, wearable, do-it-yourself functional near-infrared spectroscopy (DIY-fNIRS) headband. HardwareX. 10, e00204(2021).
  16. Tak, S., Ye, J. C. Statistical analysis of fNIRS data: A comprehensive review. NeuroImage. 85 Pt 1, 72-91 (2014).
  17. Mateus, V., Osório, A., Miguel, H. O., Cruz, S., Sampaio, A. Maternal sensitivity and infant neural response to touch: an fNIRS study. Soc Cogn Affect Neurosci. 16 (12), 1256-1263 (2021).
  18. Gao, C., et al. Characteristics of frontal activity relevant to cognitive function in bipolar depression: an fNIRS study. Biomed Opt Express. 13 (3), 1551-1563 (2022).
  19. Gagnon, L., Yücel, M. A., Boas, D. A., Cooper, R. J. Further improvement in reducing superficial contamination in NIRS using double short separation measurements. Neuroimage. 85 Pt 1, 127-135 (2014).
  20. Manjunath, N. The transformative impact of the International Day of Yoga. Int J Yoga. 16 (1), 1-4 (2023).
  21. Iyengar, B. K. S. The Light on Yoga. , Schocken. (1979).
  22. Timothy, B., McCall, M. D. Yoga as Medicine. Vol 1, Bantam. (2007).
  23. Takizawa, R., et al. Neuroimaging-aided differential diagnosis of the depressive state. Neuroimage. 85 Pt 1, 498-507 (2014).
  24. Herold, F., et al. Functional near-infrared spectroscopy in movement science: a systematic review on cortical activity in postural and walking tasks. Neurophotonics. 4 (4), 041403(2017).
  25. Scholkmann, F., Boss, J., Wolf, M. An Efficient Algorithm for Automatic Peak Detection in Noisy Periodic and Quasi-Periodic Signals. Algorithms. 5 (4), 588-603 (2012).
  26. Huppert, T., Barker, J., Schmidt, B., Walls, S., Ghuman, A. Comparison of group-level, source localized activity for simultaneous functional near-infrared spectroscopy-magnetoencephalography and simultaneous fNIRS-fMRI during parametric median nerve stimulation. Neurophotonics. 4 (1), 015001(2017).
  27. Dravida, S., Noah, J. A., Zhang, X., Hirsch, J. Comparison of oxyhemoglobin and deoxyhemoglobin signal reliability with and without global mean removal for digit manipulation motor tasks. Neurophotonics. 5 (1), 011006(2017).
  28. Cui, X., Bray, S., Bryant, D. M., Glover, G. H., Reiss, A. L. A quantitative comparison of NIRS and fMRI across multiple cognitive tasks. Neuroimage. 54 (4), 2808-2821 (2011).
  29. Stute, K., et al. The fNIRS glossary project: a consensus-based resource for functional near-infrared spectroscopy terminology. Neurophotonics. 12 (2), 027801(2025).
  30. Abdalmalak, A., et al. Effects of Systemic Physiology on Mapping Resting-State Networks Using Functional Near-Infrared Spectroscopy. Front Neurosci. 16, 803297(2022).
  31. Gagnon, L., et al. Improved recovery of the hemodynamic response in diffuse optical imaging using short optode separations and state-space modeling. Neuroimage. 56 (3), 1362-1371 (2011).
  32. Gagnon, L., et al. Short separation channel location impacts the performance of short channel regression in NIRS. Neuroimage. 59 (3), 2518-2528 (2012).
  33. Saager, R. B., Berger, A. J. Direct characterization and removal of interfering absorption trends in two-layer turbid media. J Opt Soc Am A Opt Image Sci Vis. 22 (9), 1874-1882 (2005).
  34. Santosa, H., Zhai, X., Fishburn, F., Sparto, P. J., Huppert, T. J. Quantitative comparison of correction techniques for removing systemic physiological signal in functional near-infrared spectroscopy studies. Neurophotonics. 7 (3), 035009(2020).
  35. von Lühmann, A., Li, X., Müller, K. R., Boas, D. A., Yücel, M. A. Improved physiological noise regression in fNIRS: A multimodal extension of the General Linear Model using temporally embedded Canonical Correlation Analysis. Neuroimage. 208, 116472(2020).
  36. Cohen, J. Statistical power analysis for the behavioural sciences. , Lawrence Earlbaum Associates. Hillside, NJ, USA. (1988).
  37. Morris, S. B., DeShon, R. P. Combining effect size estimates in meta-analysis with repeated measures and independent-groups designs. Psychol Methods. 7 (1), 105-125 (2002).
  38. Martens, M. A. G., Filippini, N., Harmer, C. J., Godlewska, B. R. Resting state functional connectivity patterns as biomarkers of treatment response to escitalopram in patients with major depressive disorder. Psychopharmacology (Berl). 239 (11), 3447-3460 (2022).
  39. De Bruyn, N., et al. Functional network connectivity is altered in patients with upper limb somatosensory impairments in the acute phase post stroke: A cross-sectional study. PLoS One. 13 (10), e0205693(2018).
  40. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: A review of time-series analysis methods for near-infrared spectroscopy of the brain. Appl Opt. 48 (10), D280-D298 (2009).
  41. Huppert, T. J., Hoge, R. D., Diamond, S. G., Franceschini, M. A., Boas, D. A. A temporal comparison of BOLD, ASL, and NIRS hemodynamic responses to motor stimuli in adult humans. Neuroimage. 29 (2), 368-382 (2006).
  42. Mesquita, R. C., Franceschini, M. A., Boas, D. A. Resting state functional connectivity of the whole head with near-infrared spectroscopy. Biomed Opt Express. 1 (1), 324-336 (2010).
  43. Zhang, T., et al. Altered complexity in resting-state fNIRS signal in autism: A multiscale entropy approach. Physiol Meas. 42 (8), (2021).
  44. Selb, J., et al. Effect of motion artifacts and their correction on near-infrared spectroscopy oscillation data: a study in healthy subjects and stroke patients. J Biomed Opt. 20 (5), 56011(2015).
  45. Goodrick, M., Guevara, E. ZENODO: Yoga Asana Increases Pre-Frontal Cortex Activity and Reduces Resting State Functional Connectivity. Complement Med Res. , 1-10 (2024).
  46. Yücel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  47. Singh, B., et al. Effectiveness of physical activity interventions for improving depression, anxiety and distress: An overview of systematic reviews. Br J Sports Med. 57 (18), 1203-1209 (2023).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

Functional Near Infrared SpectroscopyfNIRS NeuroimagingOxyhemoglobin ConcentrationHemodynamic ResponseCognitive WorkloadDefault Mode Network

Похожие статьи