Yöntem makalesi

fNIRS Kullanarak Blok Tasarımlı Yoga Asana Uygulaması Sırasında Prefrontal Korteks Aktivitesinin Dinlenme Durumu Bağlantısı ve Nörogörüntülemesi

DOI:

10.3791/68400

⸱

24 Haziran 2025

 ,  ,  , 
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

Bu makalede

Özet

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

Bu çalışma, 27 yetişkinle 23 dakikalık bir blok tasarımlı yoga asana dizisi sırasında prefrontal korteks aktivitesini ölçmek için fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) kullandı. Dinlenme durumu bağlantısı antrenmandan önce ve sonra kaydedildi. Bulgular, fNIRS'in hareket temelli araştırmalardaki etkinliğini vurgulamakta ve yoga asanalarının etkileri hakkında nörolojik bilgiler sağlamaktadır.

Özet

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

Bu çalışma, yoga asana (fiziksel yoga duruşları) öncesinde, sırasında ve sonrasında prefrontal korteks (PFC) aktivitesindeki değişiklikleri incelemek için fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) mobil nörogörüntüleme teknolojisini kullanmayı amaçladı. Toplam 27 sağlıklı yetişkin, blok tasarımı kullanılarak 23 dakikalık bir yoga asana seansına katıldı. Diziden önce ve sonra, katılımcılar 6 dakikalık iki görevden bağımsız dinlenme durumunu tamamladılar. PFC aktivitesi, kafatasının ön bölgesine yerleştirilen fNIRS cihazı kullanılarak sürekli olarak kaydedildi. Oturum, üç aktif duruşla dönüşümlü olarak bir kontrol duruşu içeriyordu. Her aktif duruş 30 saniye boyunca tutuldu, ardından 25-30 saniye kontrol duruş aralığı izledi ve sekiz kez tekrarlandı. Bu blok tasarımı, 25 kontrol duruş aralığı ve her aktif duruşun 24 tekrarı ile sonuçlandı. Analiz, oksihemoglobin (HbO) ve deoksihemoglobin (HbR) konsantrasyonlarını hesaplamak için ham fNIRS verilerinin ön işlenmesini, hareket artefaktı düzeltmesini ve Bonferroni düzeltmeleri ile ANOVA kullanılarak istatistiksel değerlendirmeyi içeriyordu. Bağlanabilirlik analizleri, prefrontal korteksteki interhemisferik ve intrahemisferik korelasyonları inceledi. Sonuç olarak, bu çalışma fNIRS'in gerçek dünyada, harekete dayalı bağlamlarda faydasını göstermekte ve yoga asanasının etkilerine ilişkin nörolojik bilgiler sağlamaktadır.

Giriş

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

Yoga, bütünsel fiziksel ve zihinsel sağlığı teşvik etmek için fiziksel duruşları (asana), nefes egzersizlerini (pranayama), meditasyonu ve etik ilkeleri bütünleştiren eski bir Hint uygulamasıdır. Son yıllarda, yoga, giderek artan sayıda bilimsel araştırma tarafından desteklenen, zihinsel sağlık koşulları için tamamlayıcı bir müdahale olarak giderek daha fazla kabul görmeye başladı. Çok sayıda çalışma, düzenli yoga uygulamasının anksiyete, depresyon ve stres semptomlarını önemli ölçüde azaltabildiğini ve ruh halini, duygusal düzenlemeyi ve genel psikolojik dayanıklılığı artırabildiğini göstermiştir 1,2,3. Meta-analizler ve randomize kontrollü çalışmalar, yoganın depresyon ve travma sonrası stres bozukluğu için ek bir tedavi olarak etkinliğini daha da doğrulamıştır ve kanıtlar ayrıca yaşam kalitesinin ve bilişsel işlevin arttığını göstermektedir 4,5,6,7,8.

Bu umut verici kanıt tabanına rağmen, harekete dayalı yoga uygulamalarının altında yatan sinirsel mekanizmalar, özellikle fiziksel duruşlar (asana), tam olarak anlaşılamamıştır 9,10. Bilgideki bu boşluk, yogayı nörobilişsel müdahale modellerine entegre etme çabalarını engelledi. Bu çalışmanın amacı, yoga asana pratiği ile ilişkili beyin aktivitesini gerçek zamanlı olarak araştırmak ve böylece harekete dayalı tefekkür uygulamalarının kortikal işlevi nasıl etkilediğine dair mekanik bir anlayışa katkıda bulunmaktır.

Bunu başarmak için, serebral korteks11'deki hemodinamik tepkileri ölçen non-invaziv, taşınabilir bir nörogörüntüleme tekniği olan fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) kullandık. fNIRS'i kullanmanın mantığı, doğal, dik hareket sırasında beyin aktivitesini izleme yeteneğine dayanmaktadır - katılımcıların yapay ortamlarda hareketsiz kalmasını gerektiren fMRI veya PET gibi geleneksel görüntüleme yöntemleriyle mümkün olmayan bir yaklaşımdır12. Bu alternatiflerle karşılaştırıldığında, fNIRS çeşitli avantajlar sunar: sessizdir, harekete dayanıklıdır ve gerçek dünya ortamlarında ekolojik olarak geçerli görevlerin incelenmesine izin verir13. Sonuç olarak, motor öğrenme, bilişsel iş yükü, bebek gelişimi, yürüyüş ve denge ve farkındalık uygulamaları çalışmalarında yaygın olarak kullanılmakta ve hem statik hem de dinamik koşullar sırasında prefrontal korteks aktivitesi hakkında güvenilir bilgiler üretmektedir 14,15,16,17,18. Natüralist ortamlarda, özellikle hareket sırasında uygulanması, somutlaşmış bilişi ve bütünleştirici sağlık müdahalelerinin nöral substratlarını incelemek için yeni yollar açmıştır.

Bununla birlikte, az sayıda çalışma bu tekniği özellikle yoga asana'ya uygulamıştır ve daha da azı, popülasyonu temsil eden bir örneklemle bir oturumun tam zamansal yayı boyunca - uygulama öncesinden uygulama sonrasına kadar - yapmıştır. Bunu ele almak için, mevcut çalışma, yapılandırılmış bir yoga asana dizisi öncesinde, sırasında ve sonrasında kortikal aktiviteyi ve dinlenme durumu bağlantısını incelemek için fNIRS kullanan bir blok tasarım protokolü kullandı. Çalışma natüralist bir ortamda gerçekleştirildi ve Meksika'dan 27 anadili İspanyolca konuşan katılımcıyı içeriyordu, böylece Latince-İspanyolca konuşan popülasyonlarda yoganın etkileri ile ilgili literatürde önemli bir boşluğu ele aldı. Katılımcıların yaşları 18 ile 65 arasında değişiyordu ve yeni başlayanlardan 15 yıla kadar düzenli uygulama yapan uygulayıcılara kadar geniş bir yoga deneyimine sahip hem erkek hem de kadın bireyleri içeriyordu. Tüm katılımcılar, 23 dakikalık yoga seansını tamamlamalarını engelleyecek ciddi psikolojik veya fizyolojik durumlar bildirmedi. Ağır psikiyatrik bozukluğu olan veya hareket kabiliyetini kısıtlayan fiziksel durumu olan bireyler çalışma dışı bırakıldı. Katılımcılar hipertansiyon veya diyabet gibi belirli tıbbi patolojiler için taranmazken, oturumdan önce kendilerini iyi hissetmemeleri veya rahatsız olmaları durumunda herhangi bir zamanda durabilecekleri açıkça açıklandı. Tamamlanmamış oturumların analizden çıkarılacağı önceden kararlaştırıldı.

Orijinal 30 katılımcıdan hiç kimse yoga pratiği sırasında rahatsızlık nedeniyle çekilmedi. Bununla birlikte, muhtemelen donanım paraziti veya teknik yazılım arızasından kaynaklanan aşırı sinyal gürültüsü nedeniyle üçü nihai analizden çıkarıldı. Bu çalışma, demografik olarak çeşitli ve temsili bir örneklem içererek ve gerçek zamanlı, harekete dayanıklı görüntülemeye izin vererek, bulguların hem ekolojik geçerliliğini hem de genelleştirilebilirliğini artırmaktadır. Hareket temelli tefekkür uygulamalarının nöral dinamiklerini araştırmak isteyen araştırmacılar ve klinisyenler, bu yöntemi özellikle bilişsel sinirbilim, rehabilitasyon bilimi ve bütünleştirici ruh sağlığı araştırmalarındaki uygulamalar için uygun bulabilirler.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

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

Deneysel prosedürler Helsinki Bildirgesi'ne uygun olarak gerçekleştirilmiş, Coordinación para la Innovación y la Aplicación de la Ciencia y la Tecnología (CIACYT), Universidad Autónoma de San Luis Potosí Etik Komitesi Kurumsal İnceleme Kurulu [CIACYT-CEI-003] tarafından gözden geçirilmiş ve onaylanmıştır. Tüm katılımcılar imzalı bilgilendirilmiş onam verdi.

1. Katılımcı alımı ve demografisi

  1. Facebook ve Instagram dahil olmak üzere ağızdan ağza ve sosyal medya platformları aracılığıyla katılımcıları işe alın. Potansiyel katılımcıları çalışma hedefleri, gereksinimleri ve herhangi bir zamanda ceza ödemeden çekilme hakları hakkında bilgilendirin.
  2. Yüz yüze görüşmelerle yaş, kilo, boy, biyolojik cinsiyet, eğitim ve yoga deneyimi dahil olmak üzere kendi kendine bildirilen demografik bilgileri toplayın (Tablo 1). Anonimlik için her katılımcıya benzersiz bir numaralı kod atayın ve bilgilerini şifreli bir elektronik tablo dosyasına kaydedin.
  3. Farklı seviyelerde yoga asana deneyimine sahip 18-65 yaş arası katılımcıları dahil edin. Nörolojik veya psikiyatrik rahatsızlıkları olan veya fiziksel kısıtlamalar nedeniyle yoga pozları yapamayan bireyleri hariç tutun. Bu çalışma, 18 ila 65 yaşları arasında, farklı düzeylerde yoga asana deneyimine sahip katılımcıları içerirken, bilinen nörolojik veya psikiyatrik rahatsızlıkları olan bireylerin yanı sıra, yoga duruşlarını güvenli bir şekilde gerçekleştirmelerini engelleyecek fiziksel kısıtlamaları olan kişileri hariç tuttu. Şu anda, protokol dışlanan katılımcılar için varyasyonlar içermemektedir, ancak bu tür uyarlamaları araştırmak gelecekteki araştırmalar için değerli bir yönü temsil etmektedir.
  4. Tüm prosedürlerin kurumsal etik kurallara uygun olduğundan ve Helsinki Bildirgesi'ne uygun olduğundan emin olun. Tüm katılımcılar imzalı bilgilendirilmiş onam verir. Katılımcılara herhangi bir maddi tazminat almayacaklarını ve deneyi istedikleri zaman sonlandırabileceklerini bildirin.

2. Deneysel prosedür

  1. Veri toplamak için taşınabilir fNIRS cihazını kullanın. Cihaz, 760 nm ve 850 nm'lik çift dalga boylarıyla çalışır ve oksijenli (HbO) ve oksijensiz (HbR) hemoglobin konsantrasyonlarındaki değişikliklerin değerlendirilmesi için sürekli dalga yakın kızılötesi ışık sağlar. Sistem, 27 adede kadar kanalı destekler ve 50 Hz'lik bir örnekleme hızında kayıt yapar, bu da doğal görevler sırasında kortikal aktivasyonun güvenilir bir şekilde algılanmasını sağlar.
    1. Işık kaynaklarını (S) ve dedektörleri (D) üretici tarafından sağlanan bilateral prefrontal korteks (PFC) düzenine göre kapak tutucularına yerleştirerek fNIRS kurulumunu hazırlayın (bkz. Şekil 1). Kortikal sinyal algılamayı optimize etmek için 3.0 cm'lik bir kaynak-dedektör (SD) ayrımı sağlayın.
    2. Ek olarak, kortikal ölçümleri karıştırabilecek kafa derisi kan akışı gibi yüzeysel hemodinamik sinyalleri hesaba katmak ve geriletmek için iki kısa ayırma kanalı (1.0 cm) ekleyin. Kısa ayırma kanallarının kullanımı, ekstraserebral kontaminasyondan kortikal hemodinamik yanıtları izole ederek sinyal özgüllüğünü iyileştirmek için doğrulanmış bir yöntemdir19.
  2. Bu çalışma için, Hatha Yoga'nın tüm stillerinde yaygın olarak uygulanan temel duruşlar olan dört yoga asanası seçin. Her yıl 21 Haziran'da Uluslararası Yoga20 Günü'nde dünya çapında tanınan ve uygulanan, yaygın olarak bilinen Surya Namaskar (Güneşi Selamlama) dizisinin çekirdeğini oluştururlar. Bu pozlar, yalnızca yoga gelenekleri arasında erişilebilirlikleri ve standardizasyonları için değil, aynı zamanda inversiyonların (başın kalbin altında olduğu duruşlar) ve sırt uzantılarının beyin aktivitesi üzerindeki etkilerinin özel olarak araştırılmasına izin vermek için kasıtlı olarak seçilmiştir - depresyon ve duygudurum bozuklukları için terapötik yoga protokollerinde sıklıkla önerilen iki fiziksel form21,22.
  3. Deney sırasındaki sunumu, katılımcılar için görsel ve işitsel bir rehber olan PowerPoint formatında tasarlayın. Her slaytta, katılımcının ana dilinde (İspanyolca) yazılmış ve orijinal Sanskritçe adı parantez içinde olacak şekilde yazılmış bir duruşun fotoğrafını ve adını gösterdiğinden emin olun: Duruş A (Tadasana), Duruş B (Uttanasana), Duruş C (Adho Mukha Svanasana) ve Duruş D (Urdhva Mukha Svanasana).
  4. Sunumu B, C ve D duruşlarının görüntüleri arasında her 30 saniyede bir rastgele sırayla otomatik olarak değiştirirken, deneyci aynı anda ipucunu güçlendirmek için duruşun adını yüksek sesle çağırdı.
  5. Aktif asanaları rastgele düzenleyin ve temel duruşun her biri arasına serpiştirildiğinden emin olun. Bu düzenleme, potansiyel uygulama ve alışkanlık etkilerini azaltmak için değişken bir uyaranlar arası aralığı korurken dengeli bir dizi sağlar.
  6. Veri yönetimi ve tutarlılığı için, resimler ve yazı tipleri de dahil olmak üzere tüm görsel materyalleri katılımcılar arasında boyut ve stil olarak standart hale getirin. Yoga duruşlarının görüntülerini yüksek çözünürlükle uygun şekilde boyutlandırın ve hem yerel İspanyolca isimlerinde hem de geleneksel Sanskritçelerinde net etiketler.
  7. Başlamadan önce her katılımcının sunum istemini net bir şekilde okuyabildiğinden ve görebildiğinden emin olun. Yapılacak aktif asanalar ve bazal asanalar aşağıda açıklanmıştır:
    Tadasana - Dağ Duruşu (Temel Duruş): Ayakta duran, dik duran, nötr bir duruş.
    Uttanasana - Öne Eğilme (Aktif Duruş): Baş kalbin altında olacak şekilde kalçalardan öne doğru bir katlama.
    Adho Mukha Svanasana - Aşağı Bakan Köpek (Aktif Duruş): Eller ve ayaklar yerde ve kalçalar yüksekte olacak şekilde ters V pozisyonu.
    Urdhva Mukha Svanasana - Yukarı Bakan Köpek (Aktif Duruş): Göğüs, bakışlar yukarı doğru hareket ettirilerek sırt uzantısında kaldırılır.
  8. Bir yoga matı, duvara monte bir yoga ip sistemi (Malzeme Tablosuna bakınız) ve katılımcının önüne, duruşların net bir şekilde görülebilmesi için yeterince yakın, ancak hareketi engellemekten kaçınacak kadar uzak bir sunum ekranı kurarak deney alanını hazırlayın. Kurulum Şekil 2'de gösterilmiştir. Oturuma başlamadan önce ekranın görünürlüğünü ve okunabilirliğini onaylayın.
  9. Kapak, optotlar ve kayıt yazılımı dahil olmak üzere tüm bileşenlerin tam olarak şarj edilmiş, işlevsel ve veri toplama sistemiyle uyumlu olduğundan emin olarak fNIRS sistemini kalibre edin. Kalibre etmek için, optodları uluslararası 10-20 sistemine göre katılımcının kafa derisine doğru bir şekilde yerleştirin ve prefrontal bölgelerin tutarlı anatomik hedeflemesini sağlayın. Kapağı ve optode tutucuları, bireysel kafa şekillerine ve saç yoğunluğuna uyacak şekilde ayarlayarak ışık zayıflamasını ve hareket artefaktlarını en aza indirin. Her kanalın önerilen eşikleri karşıladığını doğrulamak için sistemin sinyal kalitesi arayüzünü (örn. sinyal-gürültü oranı ve kafa derisi bağlantı indeksi) kullanın.
    NOT: Bu işlem, güvenilir ve tekrarlanabilir hemodinamik ölçümler sağlamak ve zayıf sensör teması veya sinyal kesintisi nedeniyle veri kaybını veya yanlış yorumlamayı en aza indirmek için gereklidir 16,23,24,25.
  10. Katılımcı bir sandalyede otururken, ayaklarının yere düz bastığından, ellerinin kucağında nazikçe durduğundan ve sırtlarının sandalye tarafından hafifçe desteklendiğinden emin olun. Devam etmeden önce katılımcının rahatça oturduğunu sözlü olarak onaylayın.
  11. Kapak yerleşimini kaydetmek için kafa derisindeki optodların uzamsal konumunu yakalamak için tasarlanmış bir optik izleme cihazı olan 3 boyutlu bir sayısallaştırıcı kullanın. Bu süreç, Montreal Nöroloji Enstitüsü (MNI) koordinatlarını oluşturur ve bunları her bir ölçüm kanalının altında yatan anatomik beyin bölgelerini tanımlamak ve standartlaştırmak için kullanır.
    NOT: Doğru sayısallaştırma, katılımcılar arasında tutarlılık sağlar ve fNIRS verilerinin grup düzeyinde analiz için kortikal yapılar üzerine hassas bir şekilde eşlenmesini sağlar.
  12. Çene kayışını kullanarak optode kapağını sabitleyin ve doğrudan kafa derisi temasını sağlamak için saçı bir bambu çubukla nazikçe ayırarak her bir optodu manuel olarak ayarlayın (Şekil 3A). Şekil 3B , optodu tıkayan saçı gösterirken, Şekil 3C , bir bambu çubuk kullanılarak tıkanıklığın başarılı bir şekilde çıkarılmasını göstermektedir. Sinyal kalitesini değerlendirmek için edinim yazılımındaki DAQ değer modülünü kullanın. Herhangi bir ağrı veya rahatsızlık olup olmadığını sorarak her zaman katılımcının rahatlığını onaylayın ve konfordan ödün vermeden sinyal netliğini optimize etmek için optode konumlarını gerektiği gibi ayarlayın.
    NOT: Ölçüm işlemi sırasındaki ampirik gözlemlere dayanarak, bu adım katılımcının saç tipine bağlı olarak 30 dakika kadar sürebilir. Kalın, koyu veya kıvırcık saçlı kişiler, uygun optod-kafa derisi temasını sağlamak için genellikle ek zaman ve ayarlamalar gerektirir. Bu durumlarda, fNIRS kapağının cerrahi bir bandajla sabitlenmesinin, stabil optod yerleşiminin korunmasında etkili olduğu bulunmuştur. Saçlarına jel ile gelen katılımcılar, ürün optode yapışmasını engellediği için daha fazla zorluk yaşadılar. Deneme yanılma yoluyla, sıkı bir at kuyruğu oluşturmanın veya saçı yerinde tutmak için saç tokası kullanmanın, herhangi bir saç sabitleyiciye güvenmekten daha etkili olduğunu gözlemledik. Bu ayarlamalar, sinyal kalitesini ve veri güvenilirliğini önemli ölçüde iyileştirdi.

3. Dinlenme durumu, yoga asana blok tasarımı ve ölçüm uygulaması

NOT: Şekil 4'te gösterildiği gibi, dinamik duruşların her biri (B, C, D) 30 saniye boyunca tutuldu ve temel koşul olarak Duruş A ile 25-30 saniye boyunca tutuldu. Bu taban çizgisi, diğer pozlara özgü beyin aktivitesini izole etmek ve karşılaştırmak için fizyolojik bir referans noktası olarak hizmet etti. Yorgunluğu en aza indirmek ve çalışmanın efordan ziyade forma odaklanmasını sağlamak için, katılımcılar, terapötik Iyengar Yoga'dan zorlanmadan duruşları tutmaya izin veren bir yöntem olan Kurunta ipleri kullanılarak her duruşta desteklendi. Ek olarak, dinlenme durumu ölçümleri, asana dizisinden önce ve sonra 6 dakika boyunca kaydedildi, bu sırada katılımcılar, uygulama öncesi ve sonrası beyin bağlantısını yakalamak için gözleri kapalı olarak oturdu.

  1. Hem dinlenme öncesi hem de dinlenme sonrası durumlarda ve ayrıca yoga asana pratiği boyunca gerçek zamanlı sinyal alımını izlemek için fNIRS kapağını Bluetooth kullanarak yazılıma bağlayın.
  2. Katılımcılar bir sandalyede otururken fNIRS kapağı güvenli bir şekilde yerinde tutulurken, asana öncesi dinlenme durumu ölçümünü gerçekleştirin. Katılımcılara ayakları yerde, elleri kucaklarında olacak şekilde rahatlamalarını ve 6 dakika boyunca gözleri kapalı olarak hareketsiz oturmalarını söyleyin. fNIRS verilerini 25 Hz'de toplayın.
    1. Minimum hareketi sağlamak ve ölçümlerin uyku durumunda değil dinlenme durumunda olduğundan emin olmak için, katılımcıları dinlenme durumu sırasında kaşlarını kaldırmamaları veya yüzlerini kaşımamaları konusunda bilgilendirin. Ayrıca, uykuya dalmaktan kaçınmalarını isteyin ve dinlenme durumunu tamamladıktan sonra uykuya dalıp dalmadıklarını sorarak bunun olup olmadığını iki kez kontrol edin.
  3. İlk dinlenme durumunu tamamladıktan sonra, sandalyeyi çıkarın ve katılımcıların ayağa kalkmasını sağlayın ve hala net bir sinyal olduğundan emin olun. Katılımcılara, otomatik olarak ilerlerken paradigma talimatlarıyla önceden programlanmış sunumu takip etmeleri ve gerçekleştirmeleri talimatını verin.
  4. Sunum sırasında katılımcılara sözlü rehberlik sağlayın ve her slayt geçişi sırasında A, B, C ve D etiketli önceden belirlenmiş duruş işaretlerini manuel olarak kaydedin. Bu belirteçler, yoga dizisinin belirli aşamalarına karşılık gelir ve analiz için fNIRS verilerini bölümlere ayırmak için kullanılmıştır: A, temel duruşu (Tadasana) gösterirken, B, C ve D, sonraki aktif duruşları (Uttanasana, Adho Mukha Svanasana ve Urdhva Mukha Svanasana, sırasıyla), Şekil 4'te belirtildiği gibi. İşaretleyiciler, her bir duruş slaytının sunulduğu ve katılımcının duruşa geçtiği anda, çekim yazılımındaki (OxySoft, Artinis Medical Systems) olay açıklama özelliği kullanılarak manuel olarak kaydedildi. Bu manuel olay işaretlemesi, hemodinamik yanıtların uyaran kilitli analizini kolaylaştırmak için fNIRS çalışmalarında yaygın olarak kullanılmış ve doğrulanmıştır 23,24,25.
  5. Ölçümden sonra, doğru veri etiketlemesini sağlamak için manuel olarak işaretlenen zaman damgalarını otomatik sunum zaman damgalarıyla eşleştirerek ölçüm işlemi sırasında doğru işaretlerin kullanıldığını gözden geçirin.
  6. fNIRS kapağının hala güvenli bir şekilde yerinde tutulduğundan ve sinyalin hala net olduğundan emin olun, katılımcıların asana sonrası dinlenme durumu ölçümünü gerçekleştirmek için bir sandalyeye oturmasını sağlayın. Katılımcılara ayakları yerde, elleri kucaklarında olacak şekilde rahatlamalarını ve 6 dakika boyunca gözleri kapalı olarak hareketsiz oturmalarını söyleyin. fNIRS verilerini 25 Hz'de toplayın.
  7. Asana sonrası dinlenme durumunu gerçekleştirmeden önce fNIRS kurulumunun sinyal paraziti olmadan doğru şekilde kalibre edildiğinden emin olmak asana sonrası 2-5 dakika sürebilir. Minimum hareketi sağlamak için katılımcılara dinlenme öncesi durum ölçümünde olduğu gibi aynı talimatı verin ve ölçümlerin uyku durumunda değil dinlenme durumunda olduğundan emin olun.

4. Yoga Asana sırasında hemodinamik yanıt fonksiyonunun fNIRS veri analizi

NOT: Fonksiyonel yakın kızılötesi spektroskopisi (fNIRS), kortikal hemodinamikteki değişiklikleri iki ana parametre aracılığıyla ölçer: oksijenli hemoglobin (HbO) ve oksijeni giderilmiş hemoglobin (HbR). Bu biyobelirteçler, nörovasküler eşleşme prensibinin aracılık ettiği nöral aktivitenin vasküler korelasyonlarıdır. Artan nöronal aktivasyon, yüksek bölgesel serebral kan akışı ile aşırı telafi edilen oksijen tüketim oranının artmasına neden olur, tipik olarak HbO'da eşzamanlı bir artış ve HbR'de bir azalma ile sonuçlanır. Bu çalışmada, yoga asana uygulaması sırasında hemodinamik yanıtları ölçmek için her iki parametre de çok kanallı bir fNIRS sistemi kullanılarak kaydedildi. Ortalama HbO değerlerinin ölçülmesi, modelden türetilen beta katsayılarına 26 göre gürültüye ve modelleme varsayımlarına karşı daha az hassas olduğundan, özellikle harekete dayalı görevler sırasında sağlam ve güvenilir bir aktivasyon göstergesi sağlar. Bununla birlikte, daha yüksek sinyal-gürültü oranı nedeniyle HbO'ya genellikle öncelik verilirken, HbR'nin dahil edilmesi, verilerin fizyolojik yorumunu geliştirmek için kritik öneme sahiptir. HbR sinyalleri, beynin metabolik tepkisi ve oksijen ekstraksiyon dinamikleri hakkında bilgi vererek HbO'yu tamamlar27. Hem HbO hem de HbR'nin eşzamanlı analizi, aşırı basitleştirmeyi önlemeye yardımcı olur ve gözlemlenen nöral modellerin geçerliliğini güçlendirir 28.

  1. Yoga asanası sırasında hemodinamik yanıt fonksiyonunu (HRF) değerlendirmek için, ham fonksiyonel yakın kızılötesi spektroskopisi (fNIRS) verilerini optik yoğunluğa (OD) dönüştürerek başlayın ve HOMER 3 araç kutusunu (RRID: SCR_009586) kullanarak işleyin. Denklem 29'a göre HbO ve HbR konsantrasyonlarındaki değişiklikleri hesaplamak için değiştirilmiş Beer-Lambert yasasını (MBLL) kullanın.
    figure-protocol-1
    MBLL, biyolojik dokunun saçılma özelliklerini açıklar ve ışık absorpsiyonundaki (ΔA) değişiklikleri kromofor konsantrasyonundaki (Δμa) değişikliklerle ilişkilendirerek, ölçülen ışık yoğunluğundan hemoglobin dinamiklerinin ölçülmesine izin verir. rsd , kaynak-dedektör mesafesini belirtir ve DPF , diferansiyel yol uzunluğu faktörüdür. Bu doğrusal yaklaşım, oksijenli ve oksijensiz hemoglobindeki nispi konsantrasyon değişikliklerinin tahmin edilmesini sağlar. Yüzeysel vasküler aktivitenin etkisini en aza indirmek ve kortikal sinyalleri daha iyi izole etmek için kısa kanal regresyonunu dahil edin.
  2. Verileri MATLAB'da analiz edin. Tutarlılığı korumak için her katılımcı, kanal ve koşul için blok ortalamalarını hesaplayın. Önemli optik yoğunluk dalgalanmaları, düşük sinyal-gürültü oranları (SNR) veya büyük kaynak-dedektör mesafeleri olan okumaları hariç tutarak kalite kontrolüne başlayın. hmrR_PruneChannels işlevini kullanın ve 1 x 10-7 ila 1 x 107 arasında geçerli bir aralık, 2 SNR eşiği ve 0.45 mm ila 45 mm arasında bir kaynak-dedektör mesafesi gibi parametreleri ayarlayın.
  3. hmrR_MotionArtifactByChannel işleviyle her kanal için hareket artefaktlarını tespit edin. Sinyal genliği 0,5'i (AMPthresh) aşarsa veya standart sapma 15 s'lik bir zaman penceresi (tMotion) içinde 1 kattan (SDthresh) fazla artarsa segmentleri işaretleyin. Her biri 1 saniye süren bayraklı segmentleri hariç tutun (tMask).
  4. Uyaran başlangıcından 2 saniye öncesinden 23 saniye sonrasına kadar uzanan bir zaman penceresine sahip bir Genel Doğrusal Model (GLM) uygulayın. GLM, bir veya daha fazla bilinen değişkenin (öngörücüler) ve bir hata teriminin bir kombinasyonu olarak modelleyerek gözlemlenen bir veri kümesindeki varyasyonu açıklamak için kullanılan istatistiksel bir yöntemdir. Her bir tahmincinin gözlemlenen sonuca ne kadar katkıda bulunduğunu tahmin ederek, araştırmacıların gürültüyü hesaba katarken ilginin etkilerini izole etmelerine olanak tanır. Bu bağlamda, sistemik fizyolojik gürültüyü azaltmak ve hemodinamik yanıt fonksiyonu (HRF) tahmini için beyin aktivitesini daha doğru bir şekilde izole etmek için uzun açıklıklı (LS) kanallara kısa açıklıklı (SS) regresörler uygulamak için GLM'yi kullanın 19,30,31,32,33,34.
  5. Sıradan en küçük kareler kullanarak GLM'yi çözün. Hareket artefaktlarını daha fazla ele almak için, katılımcıların dinlenme durumu verileriyle (30-210 sn) regresör35 olarak düzenli gömülü Kanonik Korelasyon Analizi (TCCA) uygulayın. Bundan sonra, her kanal, koşul ve katılımcı için HRF'leri tahmin edin ve gelişmiş bir sinyal-gürültü oranı ile güvenilir sinirsel yanıt tahminleri sağlayın.
  6. Tek yönlü tekrarlanan ölçümler ANOVA gerçekleştirmek için Origin'i kullanın. Hizalama ve stabiliteyi destekleyen nötr bir ayakta durma duruşu olan temel duruş A'yı (Tadasana), başın kalbin altında konumlandırıldığı öne doğru bir kıvrım olan duruş B (Uttanasana) ile karşılaştırarak uzun kanallardaki ortalama HbO değerlerindeki farklılıkları değerlendirin, bunu bir inversiyon olarak sınıflandırın; duruş C (Adho Mukha Svanasana), yaygın olarak Aşağı Bakan Köpek olarak bilinir, omurgayı uzatan ve üst gövdeyi harekete geçiren yarı ters bir poz; ve duruş D (Urdhva Mukha Svanasana) veya Yukarı Bakan Köpek, göğsü açan ve arka zinciri güçlendiren bir sırt uzantısı.
  7. Shapiro-Wilk testini kullanarak normal veri dağılımını kontrol edin. Anlamlılık için <0,05'lik bir p değeri eşiği kullanarak, çoklu testler için Bonferroni düzeltmeleriyle post-hoc ikili karşılaştırmalar yapın. Cohen'in d 36,37'sini kullanarak HbO yanıtındaki önemli farklılıklar için etki boyutlarını hesaplayın.

5. Dinlenme durumu fonksiyonel bağlantısının fNIRS veri analizi

  1. Dinlenme durumu fonksiyonel bağlantısını (rsFC) analiz etmek için, her katılımcı için her yarım küre içindeki (intrahemisferik) ve yarım küreler arasındaki (interhemisferik) bağlantıyı değerlendirin. Bunu, beyin bölgelerinin birlikte aktivasyonunu yansıtan zaman serileri arasındaki istatistiksel bağımlılığa dayandırın.
    NOT: rsFC'nin ölçülmesi, dış uyaranların yokluğunda beynin içsel işlevsel organizasyonu hakkında bilgi sağlar ve ince nöral değişiklikleri ve işlev veya işlev bozukluğunun biyobelirteçlerini tanımlamak için giderek daha değerli bir araç olarak kabul edilmektedir. Önceki araştırmalar, rsFC modellerinin, majör depresif bozukluğu olan hastalarda antidepresan tedavi yanıtının öngörücü biyobelirteçleri olarak önerildiğini göstermiştir38 ve bu da dinlenme durumu analizinin özellik benzeri nöral imzaları yakalamadaki faydasının altını çizmektedir. Bu yaklaşım, hem intra hem de interhemisferik bağlantıyı değerlendirerek, özellikle bu dinlenme durumu ağlarını modüle edebilen yoga gibi müdahaleler bağlamında, beynin işlevsel entegrasyonu ve lateralizasyonunun daha kapsamlı bir şekilde anlaşılmasını sağlar38,39.
  2. Analiz için 6 dakikalık bir dinlenme durumu periyodu seçin, çünkü bu, yaygın olarak kabul edilen 5-10 dakika aralığındadır ve tipik olarak 5 dakika sonra yeterli rsFC elde edilir 26,27,28,35. HbO, HbR ve HbT konsantrasyonlarını değerlendirmek için aktif asanalara kıyasla dinlenme durumu ölçümleri sırasında azaltılmış gürültü seviyelerinden yararlanın 34,40,41.
  3. Verilerdeki hareket artefaktlarını belirleyerek ve düzelterek başlayın. Düzeltildikten sonra, fonksiyonel bağlantı frekans aralığını izole etmek için zaman serisine bir bant geçiren filtre (0.009-0.08 Hz) uygulayın, ardından daha fazla analiz için modifiye edilmiş Bouguer-Beer-Lambert yasasını kullanarak filtrelenmiş sinyalleri hemoglobin konsantrasyonlarına dönüştürün 40,42,43. Yarım küreler arası bağlantının bütünlüğünü korumak için hareket yapaylıklarından arınmış zaman noktalarına odaklanın (MotionArtifactByChannel işlevini kullanarak)44.
  4. Tüm kanallarda yaygın olan spontan dalgalanmaları hesaba katmak için kısa ayırma kanalı (SSC) sinyal regresyonu uygulayın. Tüm SSC'lerde ortalama zaman seyrini hesaplayarak başlayın, ardından Tikhonov düzenleme yöntemini42 kullanarak ölçülen fNIRS zaman serisinden SSC sinyalini geri çekin.
  5. Tüm kanal çiftleri arasındaki Pearson korelasyonlarını hesaplayarak bağlantı matrisleri oluşturmak için elde edilen artık zaman serisini kullanın.
  6. İntrahemisferik bağlantı için, sol yarımküre içindeki ve sağ yarımküre içindeki kanallar arasındaki ortalama korelasyon katsayılarını ayrı ayrı hesaplayın. Yarımküreler arası bağlantı için, her kanal ile kontralateral muadili39 arasındaki ortalama korelasyonları hesaplayın.
  7. İstatistiksel analiz yaparken, Wilcoxon-Mann-Whitney testlerini gerçekleştirmeden önce Pearson'ın r değerlerini Fisher z-skorlarına dönüştürün. Yanlış keşif oranı (FDR) yöntemini kullanarak birden çok karşılaştırma için doğru.
    NOT: Bu çalışmada kullanılan kod ve veriler Zenodo45 at https://zenodo.org/records/11098997 DOI: 10.5281/zenodo.11098996'da açık olarak mevcuttur.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

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

Aktif kanalların ön analizi, kontrol duruşu A ile B ve C duruşları arasında önemli farklılıklar olduğunu ortaya koydu (Şekil 5A-B). Daha sonra, Origin (Pro), Sürüm 2018 yazılım paketi kullanılarak kanallar arasında tahmini hemodinamik yanıt fonksiyonunun (HRF) ortalama HbO değerlerindeki istatistiksel farklılıkları değerlendirmek için tek yönlü tekrarlanan ölçümler ANOVA gerçekleştirildi. Normallik varsayımı Shapiro-Wilk testi kullanılarak değerlendirildi.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

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

Bu çalışma, yapılandırılmış bir yoga asana uygulaması sırasında PFC aktivitesini değerlendirmek için fNIRS'yi kullandı ve gerçek dünyadaki nörogörüntülemedeki temel metodolojik hususları ve ilerlemeleri vurguladı. Kritik protokol öğeleri, doğru sinyal alımını sağlamak için optimum kaynak-dedektör aralığı (3,0 cm) ve uygun optod-kafa derisi bağlantısı ile hassas fNIRS optode yerleşimini içeriyordu. Aktif duruşlar (B, C, D) ve yoga iplerinden destek alan temel duruş (A) arasında değişen ra...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

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

M. Goodrick, bir yoga stüdyosu olan Karmuka Yoga'nın sahibidir. Yazarların geri kalanının beyan edecek herhangi bir çıkar çatışması yoktur.

Teşekkürler

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

Yazarlar, baş yazar için bir burs ve fNIRS ekipmanının satın alınması için finansman da dahil olmak üzere mali destekleri için CONAHCYT'e içtenlikle teşekkür eder. Yazarlar ayrıca, katılımları bu araştırmanın başarısı için çok önemli olan gönüllülere yürekten takdirlerini ifade ederler. M. Goodrick, CONAHCYT'den burs No. aracılığıyla destek aldığını kabul eder. CVU 1241565. E. Guevara, CONAHCYT Frontier Science projesi 20884'ten destek aldığını kabul ediyor.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
3 Boyutlu SayısallaştırıcıArtinis MedikalDGT-456Kapak yerleştirme ve bölge haritalama için kullanılır
Brite MKII fNIRS CihazıArtinis MedikalBR-MK2 SerisiPFC verileri için taşınabilir fNIRS cihazı
Harmony yoga matı 3/16" (5mm) kalınlık 68" (173cm)YeşimHAR368 SerisiAsana uygulamak için sabit yüzey
HOMER 3 YazılımıBoston Üniversitesi Nörofotonik Merkezi (Açık Kaynak)Homeros v1.54fNIRS veri ön işleme için
Origin(Pro) YazılımıKöken LaboratuvarıORG-2023Verilerin istatistiksel analizi
Oxysoft YazılımıArtinis MedikalOXY-001Gerçek zamanlı sinyal toplama
Piola Pamuk 12mm İplerTente malzemeleriYOKDuvara monte yoga ipi sisteminin bir parçası
PowerPoint Sunum KurulumuMicrosoftYOKEğitici görseller için
Paslanmaz Çelik KancaHomheal Hakkındaliuxi-050Duvara monte yoga ipi sisteminin bir parçası
Duvara monte yoga ipi sistemiÖzel yapımYOKYoga duruşları için yardım

Kaynaklar

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

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Resting State ConnectivityPrefrontal Cortex ActivityFunctional Near Infrared SpectroscopyfNIRS NeuroimagingYoga Asana PracticeBlock DesignOxyhemoglobin ConcentrationHemodynamic ResponseCognitive WorkloadDefault Mode Network

İlgili makaleler