वेवेलेट एन्ट्रॉपी का उपयोग करने के लिए प्रदर्शन करें कि माइंडफुलनेस प्रैरीयर अनियमित सेरेब्रल और कार्डिएक एक्टिविटीज़ के बीच समन्वय को बढ़ाता है

Behavior
 

Summary

यह पांडुलिपि बताता है कि उच्च घनत्व इलेक्ट्रोएन्सेफलाोग्राफी (ईईजी) और इलेक्ट्रोकार्डियोग्राफी (ईसीजी) डेटा का विश्लेषण करने के लिए तरंगिका एन्ट्रापी सूचकांक का उपयोग कैसे करें। हम यह दिखाते हैं कि मस्तिष्क-आधारित तनाव में कमी के अभ्यास के दौरान मस्तिष्क और हृदय गतिविधियों की अनियमितता अधिक समन्वित हो गई।

Cite this Article

Copy Citation | Download Citations

Sik, H. H., Gao, J., Fan, J., Wu, B. W., Leung, H. K., Hung, Y. S. Using Wavelet Entropy to Demonstrate how Mindfulness Practice Increases Coordination between Irregular Cerebral and Cardiac Activities. J. Vis. Exp. (123), e55455, doi:10.3791/55455 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

पूर्व और पश्चिम दोनों में, पारंपरिक शिक्षाओं का कहना है कि मन और हृदय किसी तरह के निकट संबंध है, विशेष रूप से आध्यात्मिक अभ्यास के दौरान। इस निष्कर्ष से साबित करने में एक कठिनाई यह है कि मस्तिष्क और हृदय की गतिविधियों के स्वरूप काफी अलग हैं। इस पत्र में, हम एक पद्धति का प्रस्ताव करते हैं जो तरलिका एंटरपीपी का उपयोग इलेक्ट्रोएन्सेफलोग्राम (ईईजी) और इलेक्ट्रोकार्डियोग्राम (ईसीजी) दोनों डेटा के अराजक स्तर को मापने के लिए करती है और बताती हैं कि इसका उपयोग विभिन्न प्रयोगात्मक स्थितियों के तहत मन और हृदय के बीच संभावित समन्वय के लिए कैसे किया जा सकता है। । इसके अलावा, सांख्यिकीय पैरामैट्रिक मैपिंग (एसपीएम) का इस्तेमाल मस्तिष्क क्षेत्रों की पहचान करने के लिए किया गया था जिसमें प्रायोगिक शर्तों से ईईजी तरंगिका एन्ट्रापी सबसे अधिक प्रभावित हुई थी। एक उदाहरण के रूप में, ईईजी और ईसीजी को 8 सप्ताह के मानक मानसिकता आधारित तनाव न्यूनीकरण (एमबीएसआर) प्रशिक्षण पाठ्यक्रम (प्रीटेस्ट) की शुरुआत में और सी के बाद दो अलग-अलग स्थितियों (सामान्य आराम और सांस की सांस लेने) के तहत दर्ज किया गया था।हमारा (पोस्ट टेस्ट) प्रस्तावित विधि का प्रयोग करते हुए, परिणामों से लगातार पता चला कि मस्तिष्क ईईजी की तरंगिका एन्ट्रापी ने एमबीएसआर के ध्यान में रखते हुए साँस लेने की स्थिति में कमी की, जबकि बंद आंखों के आराम वाले राज्य के दौरान तुलना की गई। इसी तरह, एमबीएसआर के ध्यान में रखते हुए साँस लेने में हार्ट्रेट की एक कम तरंगिका एंट्रोपी मिली थी। हालांकि, एमबीएसआर के दौरान तरंगिका के एन्ट्रापोपा में कोई अंतर नहीं था। सभी सहभागियों में सामान्य आराम के दौरान मस्तिष्क तरंगों के एन्ट्रोपी और दिल के बीच की एंट्रोपी के बीच कोई संबंध नहीं देखा गया था, जबकि एमबीएसआर के मन में सांस लेने के दौरान एक महत्वपूर्ण सहसंबंध देखा गया था। इसके अतिरिक्त, मस्तिष्क के मध्य क्षेत्रों में सबसे अच्छी तरह से सहसंबद्ध मस्तिष्क क्षेत्रों स्थित थे। यह अध्ययन सबूतों की स्थापना के लिए एक पद्धति प्रदान करता है कि दिमाग की प्रथा ( अर्थात्, सावधानीपूर्वक श्वास) मन और हृदय की गतिविधियों के बीच समन्वय बढ़ा सकती है।

Introduction

तंत्रिका विज्ञान और 1 चिकित्सा में प्रगति के साथ, हम मानसिक और शारीरिक बीमारियों पर ध्यान केंद्रित करने और ध्यान के गैर-औषधीय लाभों को समझने के लिए एक बेहतर स्थिति में हैं। कई अध्ययनों से पता चला है कि मनोविज्ञान आधारित तनाव न्यूनीकरण (एमबीएसआर) एक प्रकार की मानसिक अभ्यास के रूप में प्रशिक्षण सक्रिय रूप से मन और शरीर 2 में अनावश्यक तनाव को कम कर सकता है। ध्यान के अभ्यास के दौरान, शरीर और दिमाग में अधिक बलवान हो सकते हैं। इन मुद्दों ने शैक्षिक समुदाय और आम जनता दोनों के हित को आकर्षित किया है और हमने प्रभाव का आकलन करने के लिए विभिन्न परिस्थितियों में मन और शरीर (या अधिक विशेष रूप से, मस्तिष्क और हृदय के बीच) के बीच संभावित समन्वय का पता लगाने के लिए एक पद्धति को डिजाइन करने के लिए प्रेरित किया है एमबीएसआर प्रशिक्षण और अभ्यास का

इलेक्ट्रोएन्सेफालोग्राम (ईईजी) की अनियमितता को आमतौर पर पारंपरिक ईईजी स्पेक्ट्रम विश्लेषण में शोर माना जाता है, खक्योंकि इसमें उपयोगी जानकारी हो सकती है और सिग्नल एन्ट्रापी द्वारा मापा जा सकता है। ईईजी एन्ट्रपी का उपयोग मिर्गी, अल्जाइमर रोग और संज्ञाहरण जैसे नैदानिक ​​स्थितियों के सूचक के रूप में किया गया है, और कुछ सबूत बताते हैं कि ईईजी की एंटरपीपी पारंपरिक ईईजी स्पेक्ट्रम विश्लेषण 3 , 4 की तुलना में मस्तिष्क के राज्यों की निगरानी के लिए एक अधिक संवेदनशील उपाय हो सकती है। एक प्रणाली के अराजक अवस्था का वर्णन करने के लिए एंट्रोपी लंबे समय तक ऊष्मप्रौढ में इस्तेमाल किया जाता है। ईईजी द्वारा मापा मस्तिष्क की तरंगें क्रमशः और अराजकता 5 के बीच संचालित मस्तिष्क नेटवर्क के कारण उनकी गतिशील गतिविधि के लिए जाने जाते हैं। विभिन्न प्रकार के एन्ट्रॉपीज़ में, तरंगिका एंटरपीपी विभिन्न अवलोकन के तराजू के तहत ऊर्जा के एन्ट्रापी की गणना करने के लिए एक विधि प्रदान करती है, जो विभिन्न स्तरों में अत्यधिक विविध सुविधाओं के साथ ईईजी संकेतों का विश्लेषण करने के लिए उपयुक्त है। पूरी तरह से यादृच्छिक सिग्नल के लिए, विभिन्न रिज़ॉल्यूशन स्तरों पर रिश्तेदार ऊर्जा होगीवही, और एन्ट्रापी इसकी अधिकतम तक पहुंच जाएगा। इसलिए, तरंगिका एन्ट्रापी ईईजी में अराजक गतिविधियों के एक उपाय के रूप में कार्य करती है और इसका उपयोग अलग-अलग दिमाग के राज्यों के अंतर के लिए एक सूचक के रूप में किया जा सकता है।

पूर्व इलेक्ट्रोकार्डियोग्राम (ईसीजी) के अध्ययनों ने पूर्व-ध्यान राज्यों की तुलना में हार्ट्रेट परिवर्तनशीलता में ध्यान-संबंधित परिवर्तनों के सातत्य के प्रमाण प्रदान किए हैं। हार्टबीट स्वायत्त (सहानुभूति और पैरासिम्पेथेटिक) तंत्रिका तंत्र द्वारा नियंत्रित है। ऑटोनोमिक टोन को नाड़ीग्रन्थि के बीच परस्पर क्रियाओं द्वारा नियंत्रित किया जाता है; चीन-एरिक्यूलर नोड; योनस नसों; और उच्च क्रम वाले मस्तिष्क संरचनाएं, जैसे कि मेरुबुला ओब्लागेटा, इंसाइला, और लिम्बिक सिस्टम। ये ढांचे एक पदानुक्रमित प्रणाली का निर्माण करते हैं, और इसकी गैररेखीय गतिविधि को एन्ट्रापी 8 के माध्यम से मापा जा सकता है। उदाहरण के लिए, उच्च क्रम के मस्तिष्क संरचनाओं में तंत्रिका फटने हार्ट्रेट ताल 9 को प्रभावित कर सकता है।नैदानिक ​​परिस्थितियों में, मस्तिष्क संबंधी विकार जैसे मिरगी से होने वाली बरामदियां हृदय ताल 10 को बाधित करती हैं न्यूरोकार्डियोलॉजी अनुसंधान हृदय और मस्तिष्क के बीच एक करीबी परस्पर क्रिया का सुझाव देता है 11

मस्तिष्क और हृदय के संकेतों के बीच सहयोग की जांच करने में एक कठिनाई यह है कि वे संकेत सामग्री और समय-स्तर में काफी भिन्न हैं। इसलिए, एक प्रमुख चुनौती एक सामान्य उपाय की पहचान करना है जो न केवल मस्तिष्क और हृदय के संकेतों दोनों के लिए लागू है, बल्कि मन-शरीर समन्वय के संदर्भ में भी अर्थपूर्ण है। इस पत्र में, हम ईजीई और दिल की धड़कन के संकेतों के बीच संबंधों को लेकर मस्तिष्क और हृदय की गतिविधियों में अनियमितताओं के बीच संभावित समन्वय का पता लगाने के लिए तरंगिका एंटरपीपी का उपयोग करने का प्रस्ताव देते हैं, जो तब एमबीएसआर प्रयोग के माध्यम से मूल्यांकन किया जा सकता है।

चूंकि एमबीएसआर में शरीर और मन दोनों में दिमाग की प्रथा शामिल है, इसलिए हम इस पर ध्यान देते हैं कि एमबीएसआर का ध्यान सांस लेने वाली पीआरकार्य केवल मस्तिष्क गतिविधि न केवल प्रभावित हो सकता है, बल्कि दिल की धड़कन को भी प्रभावित कर सकता है पिछला अध्ययन मुख्य रूप से मस्तिष्क प्रशिक्षण और / या मस्तिष्क या हृदय पर अलग-अलग अभ्यासों के आधार पर और अलग-अलग पहलुओं के आधार पर जांच करता है; इन दोनों निकट से संबंधित प्रणालियों में एक साथ परिवर्तन बड़े पैमाने पर बेरोज़गार हैं। मसलन प्रशिक्षण 12 के बाद ही कुछ अध्ययनों से शरीर और मन के बेहतर समन्वय की सूचना मिली। प्रस्तावित कार्यप्रणाली, प्रतिनिधि के परिणाम और पिछले अध्ययन 13 का उपयोग करते हुए दिखाया गया कि एमबीएसआर मानसिक दक्षता उनके अराजक गतिविधियों के संदर्भ में शरीर और मन के समन्वय में वृद्धि कर सकती है, जो केंद्रीय और परिधीय पर दिमाग की प्रशिक्षण के प्रभाव में नई अंतर्दृष्टि प्रदान कर सकता है तंत्रिका तंत्र

Protocol

इस शोध अध्ययन को हांगकांग इंस्टीट्यूशनल रिव्यू बोर्ड विश्वविद्यालय द्वारा अनुमोदित किया गया था। इस अध्ययन में भाग लेने से पहले सभी प्रतिभागियों ने अपनी लिखित सूचित सहमति प्रदान की।

1. प्रायोगिक डिजाइन

तालिका एक
तालिका 1. एमबीएसआर कोर्स अवलोकन। प्रतिभागियों द्वारा लिया गया 8 सप्ताह का एमबीएसआर प्रशिक्षण पाठ्यक्रम।

  1. भर्ती प्रतिभागियों
    नोट: स्थानीय एमबीएसआर पाठ्यक्रम से ग्यारह स्वस्थ वयस्क (पांच महिलाएं) इस ईईजी अध्ययन में भाग लेते थे और 28 - 52 वर्षीय थे। बेक डिप्रेशन इन्वेंटरी के आधार पर अवसाद के साथ सहभागी को अध्ययन से बाहर रखा गया था। पाठ्यक्रम मानक MBSR प्रशिक्षण ( तालिका 1 ) का पालन किया, और प्रतिभागियों को प्रशिक्षण संरचना के लिए प्रतिबद्ध था।
  2. ईईजी रिकॉर्डिंग प्रणाली
    1. एक 128-चैनल ईईजी एस का उपयोग करके एक शांत कमरे में ईईजी रिकॉर्डिंग का संचालन करेंएक ईईजी कैप, एम्पलीफायर, हेडबॉक्स, और डेस्कटॉप कम्प्यूटर से मिलते हुए सिस्टम।

2. ईईजी और ईसीजी डेटा अधिग्रहण

नोट: ईईजी डेटा संग्रह पहले 14 वर्णित विधि के समान एक मानक प्रक्रिया का पालन करता है। प्रयोगात्मक साइट पर आने से पहले प्रत्येक प्रतिभागी को अपने बाल और स्कैल्प को साफ करने के लिए कहें। प्रतिभागी को प्रयोगात्मक प्रक्रियाओं के बारे में सूचित करें, मुख्य रूप से वह सामान्यतः 10 मिनट के लिए आराम करेंगे और ईईजी और ईसीजी उपकरणों के साथ दर्ज होने के दौरान 10 मिनट के लिए सावधानीपूर्वक साँस लेना चाहिए।

  1. शराब स्नैब के साथ प्रतिभागी की चेहरे का क्षेत्र और मस्तूल साफ करें।
  2. मापने वाली टेप का उपयोग करना, प्रतिभागी के सिर परिधि को मापना और फिर उचित आकार की टोपी का चयन करना। कान की चोटी के ऊपर और खोपड़ी पर आयन से एक माप लें और एक माप लें। शीर्ष को चिह्नित करें (अंक के बीच मध्य दूरी पर एक अंकन एकडी कंगन और दो कान के मध्य दूरी) एक नरम मार्कर पेन के साथ।
  3. 10-5 इलेक्ट्रोड सिस्टम 15 के अनुसार इलेक्ट्रोड स्थिति निर्धारित करें सीपी इलेक्ट्रोड शीर्ष के ऊपर है इस तरह की टोपी को स्थिति में रखें, एनजे इलेक्ट्रोड नेशन पर है, एलजे इलेक्ट्रोड आयन पर है, आरएम इलेक्ट्रोड सही मास्टॉयड पर है, और एलएम इलेक्ट्रोड बाईं मस्तूल पर है ।
    1. ईसीजी इलेक्ट्रोड को बाएं और दाएं इन्फ्राक्लेविक्युलर फोसाई में रखें।
    2. इलेक्ट्रोन धारकों को जेल के साथ एक कुंद-बिंदु सिरिंज का उपयोग करके भरें।
    3. प्रत्येक इलेक्ट्रोड के लिए 20 kance के तहत प्रतिबाधा रखें। खोपड़ी के संपर्क में वृद्धि करने के लिए इलेक्ट्रोड प्लेसमेंट समायोजित करके प्रतिबाधा कम करें; यदि आवश्यक हो तो अधिक जेल जोड़ें
    4. Chinstrap कस और भागीदार पूछने के लिए अभी भी रहने के लिए
    5. ईईजी डिवाइस की नमूना दर 1,000 हर्ट्ज पर सेट करें मूल संदर्भ बिंदु के रूप में बाईं मस्तूल का उपयोग करें।
  4. रिकॉर्ड ईईजी डेटा (चरण 1.2।1) एमबीएसआर पाठ्यक्रम की शुरुआत में (2 सप्ताह के भीतर)।
    1. पूरे शरीर को आराम करने के लिए प्रतिभागी एक संक्षिप्त शरीर स्कैन करते हैं सहभागिता में श्वास लेने और सांस लेने के दौरान उसकी श्वास पर ध्यान दें। प्रत्येक भागीदार ईईजी डेटा संग्रह के दौरान 10 मिनट का एमबीएसआर सचेत साँस लेने (एमबीएसआर मनोविज्ञान की स्थिति) और 10 मिनट सामान्य आराम (नियंत्रण की स्थिति) करते हैं। यह दो शर्तों के साथ पूर्व-एमबीएसआर प्रशिक्षण डाटासेट उत्पन्न करता है।
      नोट: प्रतिभागियों के बीच सावधानीपूर्वक श्वास और सामान्य आराम का अनुक्रम प्रतिबाधा।
  5. प्रतिभागियों को एमबीएसआर कोर्स पूरा करने के बारे में 1 महीने के बाद ईईजी डेटा रिकॉर्ड करें।
    1. प्रत्येक सहभागी को ईईजी डेटा संग्रह के दौरान 10 मिनट की सावधानीपूर्वक श्वास और 10 मिनट सामान्य आराम करने के लिए कहें। यह दो शर्तों के साथ एक पोस्ट एमबीएसआर प्रशिक्षण डेटासेट उत्पन्न करता है।

3. ईईजी और ईसीजी डेटा विश्लेषण

नोट: पहले चार चरण हैंडेटा प्रीप्रोसेटिंग के लिए, और बाकी चरण तरंग एंटरपी कंप्यूटिंग और सहसंबंध विश्लेषण के लिए हैं यहां, ईईजीएलएल नामक एक ओपन सोर्स सॉफ़्टवेयर ईईजी विश्लेषण के लिए इस्तेमाल किया गया था, लेकिन यह संचालन विभिन्न सॉफ्टवेयर में समान होना चाहिए। निम्नलिखित में, ईजीएलएल पर आधारित ऑपरेशन एक उदाहरण के रूप में प्रदान किए जाएंगे। विवरण के लिए ईईजीएल मैनुअल देखें (https://sccn.ucsd.edu/wiki/EEGLAB_Wiki#EEGLAB_Tutorial)

  1. उपकरण> परिवर्तन नमूना दर का चयन करके 250 हर्ट्ज में डेटा को फिर से तैयार करने के लिए ईईजी सॉफ़्टवेयर का उपयोग करें। टूल्स> फ़िल्टर डेटा> बेसिक एफआईआर फिल्टर का चयन करके 0.5 - 100 हर्ट्ज़ पासबैंक के साथ बैंड-पास फ़िल्टरिंग के लिए परिमित इंपल्स रिस्पांस (एफआईआर) फिल्टर का उपयोग करें।
    1. देश-विशिष्ट वर्तमान में बारी वाले साधनों के कारण शोर को कम करने के लिए, टूल का चयन करके 47-53 हर्ट्ज स्टॉपबैंड के साथ लघु, गैर-रेखीय, अनंत इंपल्स रिस्पांस (आईआईआर) फ़िल्टर का उपयोग करें> डेटा फ़िल्टर करें> लघु गैर-रैखिकआईआईआर फ़िल्टर यह अनावश्यक शोर को हटाने के दौरान स्पेक्ट्रम विश्लेषण में सभी प्रासंगिक आवृत्तियों को शामिल करता है।
  2. ईईजी सॉफ़्टवेयर का उपयोग करके नेत्रहीन स्क्रॉल करें और प्लॉट> चैनल डेटा (स्क्रॉल) का चयन करके ईईजी सिग्नल का निरीक्षण करें।
    1. ईईजी खंडों को पहचानें और हटाएं जिनमें स्पष्ट मांसपेशियों के शोर और किसी भी अन्य अजीब घटनाएं हैं ईग सॉफ़्टवेयर का उपयोग करके खण्ड-क्लिक करें और उनको हाइलाइट करने के लिए खराब सेगमेंट पर माउस को खींचें और तब "हटाएं" या "अस्वीकार करें"
      नोट: निगलने या चेहरे की अभिव्यक्ति जैसे मस्तिष्क की गतिविधियों में अक्सर असंतत और अनियमित संकेत उत्पन्न होते हैं। अजीब घटनाएं आम तौर पर सिर या शरीर के आंदोलनों के कारण होती हैं, जो अक्सर ईईजी संकेत के महत्वपूर्ण बदलावों (कम आवृत्तियों पर) की ओर ले जाती हैं।
    2. निर्धारित करें कि क्या कोई बुरा चैनल है। टूल> इंटरपोलेट चैनल का चयन करके गोलाकार प्रक्षेप विधि का उपयोग करके प्रत्येक खराब चैनल को फिर से बनाएं
  3. ईईजी सॉफ़्टवेयर का प्रयोग इन में करेंउपकरण> आईसीए चलाने के आधार पर डेटा पर निर्भर घटक विश्लेषण 17 (आईसीए) एक अनुभवी ईईजी ऑपरेटर को आंखों के आंदोलन के घटकों को पहचानने और निकालने के लिए, टूल का चयन करके> आईसीए का उपयोग करके डेटा को नकारें> मानचित्र के द्वारा घटकों को अस्वीकार करें; उपकरण> घटक निकालें ईईजी सॉफ़्टवेयर बनाए गए घटकों का स्वचालित रूप से डेटा का पुनर्निर्माण करेगा।
  4. टूल्स> पुनः-संदर्भ का चयन करके आगे विश्लेषण से पहले सभी चैनलों के औसत पर डेटा को पुनः संदर्भित करने के लिए ईईजी सॉफ़्टवेयर का उपयोग करें
  5. स्पेक्ट्रम विश्लेषण
    1. ईईजी सॉफ़्टवेयर कमांड लाइन फंक्शन "स्पेक्ट्रोपो" का इस्तेमाल ईईजी के स्पेक्ट्रा को वेल्च की शक्ति वर्णक्रमीय घनत्व अनुमान 18 का उपयोग करने के लिए करें और डेल्टा (1-4 हर्ट्ज), थीटा (4-8 हर्ट्ज), अल्फा 8 - 12 हर्ट्ज), बीटा (12 - 30 हर्ट्ज), और गामा (30 - 80 हर्ट्ज) लहरें।
    2. रिश्तेदार पो की गणना करेंप्रत्येक प्रकार की लहर 18 ( अर्थात कुल स्पेक्ट्रम शक्ति के सापेक्ष संबंधित आवृत्ति बैंड में शक्ति का अनुपात)।
  6. सांख्यिकीय पैरामैट्रिक मैपिंग (एसपीएम) दृष्टिकोण का उपयोग करके ईईजी स्रोत विश्लेषण करना
    1. स्लैप इलेक्ट्रोड के ईईजी संकेतों को 3 डी मस्तिष्क स्रोत संकेतों में बदलने के लिए न्यूनतम आदर्श अनुमान 1 का उपयोग करें।
      नोट: यहां मूल चैनल संख्या 122 थी, और इसे त्रि-आयामी मस्तिष्क मॉडल में वितरित 8,196 चैनलों में बदल दिया गया था। महत्व का स्तर p = 0.01 पर निर्धारित किया गया था। कृपया एसपीएम मैनुअल (www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf) में स्रोत विश्लेषण देखें।
  7. प्रत्येक ईईजी चैनल (साथ ही अनुमानित त्रि-आयामी मस्तिष्क स्रोत संकेत के लिए) निम्न कार्यविधि का उपयोग करके तरंगिका एंटरपीपी की गणना करें:
    1. एक संकेत दिया समीकरण 1 ,तरंगिका गुणांक के रूप में गणना समीकरण 2 , कहा पे समीकरण 3 हायर तरंगिका परिवार का एक आदमिक आधार है और समीकरण 4 अपघटन के स्तर का प्रतिनिधित्व करता है (इस अध्ययन में एन = 10)
    2. सापेक्ष ऊर्जा को इस रूप में परिभाषित करें समीकरण 5 , साथ में समीकरण 6
    3. तरंगिका एन्ट्रापी के रूप में गणना करें समीकरण 7 । प्रत्येक प्रतिभागी के लिए ईईवी तरंगिका एन्ट्रपी प्राप्त करने के लिए सभी चैनलों के लिए तरंगिका एन्ट्रापी औसत।
  8. ईसीजी लहर चोटियों की संख्या और चोटियों के बीच का अंतराल शामिल है, जो दिल की धड़कन सिग्नल प्राप्त करने के लिए ईसीजी डेटा पर एक चोटी विश्लेषण करने के लिए सॉफ्टवेयर पैकेज का उपयोग करें।
    नोट: मान लें किसामान्य आराम और सांस लेने के दोनों सालों में 60-100 धड़कनों / मिनट का एक सामान्य हार्ट्रेट, 10 मिनट की अवधि के लिए दिल की धड़कन की संख्या N अपेक्षाकृत छोटा होना चाहिए, 600 < N <1,000 को संतुष्ट करना चाहिए।
    1. दिल की धड़कन संकेत से विश्वसनीय तरंगिका एन्ट्रापी प्राप्त करने के लिए, 500 अंक की स्लाइडिंग खिड़की का उपयोग करें और चरण 3 के विस्तार से ईईजी के लिए उसी प्रक्रिया का उपयोग करते हुए तरंगिका एन्ट्रॉपीज़ की एक श्रृंखला की गणना करने के लिए 10 अंक की एक चरण वृद्धि। अंतिम तरंगिका एन्ट्रपी के रूप में मतलब मान का उपयोग करें।
  9. ईसीजी की तरंगिका एन्ट्रापी के बीच और ईएजी की हर स्कैल्प के किसी भी सांख्यिकीय सॉफ़्टवेयर का उपयोग करके मस्तिष्क और हृदय के संबंधों का विश्लेषण करें जिसमें पियरसन सहसंबंध समारोह है।
    1. सहसंबंध के लिए एक सांख्यिकीय खोपड़ी मानचित्र बनाने के लिए ईईजी सॉफ़्टवेयर कमांड लाइन फ़ंक्शन "टॉपॉपलॉट" का उपयोग करें। दिल की दर एन्ट्रापी के साथ एक रैखिक सहसंबंध ग्राफ बनाएं और केवल उन ची की औसत ईईपी एन्ट्रापोपीएनएनल्स, जो हार्टेट एन्ट्रापी के साथ काफी सम्बंधित हैं (प्रतिनिधि परिणाम अनुभाग देखें)।

Representative Results

स्पेक्ट्रम विश्लेषण

सामान्य आराम की तुलना में ईईजी डेटा के स्पेक्ट्रम विश्लेषण में, एमबीएसआर के प्रति जागरूक श्वास के दौरान बढ़ी अल्फा (8-12 हर्ट्ज) और बीटा (12 - 30 हर्ट्ज) और कम डेल्टा (1-4 हर्ट्ज) तरंग थे। अल्फा तरंगों की वृद्धि वैश्विक रूप से महत्वपूर्ण थी, विशेष रूप से ललाट और ओसीसीपटल लोब में, जबकि बीटा तरंगों की वृद्धि मुख्यतः ललाट पालि में थी। मध्य-पार्श्विक क्षेत्रों ( चित्रा 1 ) में डेल्टा तरंगों की कमी हुई। हालांकि, हमें प्री- और पोस्ट-एमबीएसआर प्रशिक्षण के बीच महत्वपूर्ण बदलाव नहीं मिला।

आकृति 1
चित्रा 1। एमबीएसआर सावधान सांस और सामान्य विश्राम की स्थिति का स्पेक्ट्रम विश्लेषण। स्पेक्ट्रम विश्लेषण से पता चलता है कि एमबीएसआर अभ्यास मस्तिष्क की गतिविधियों को बदल सकता है, जैसा कि अलग-अलग संकेत हैईईजी के स्पेक्ट्रम मूल स्रोत: संदर्भ 13 इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

चित्रा 2 चित्रा 2 ब्याज की परिभाषित क्षेत्र दिखाता है: ओसीसीपिपल लोब (चैनल N19 - 21, N41 - 46, N67 - 72, N96 - 100, और N119), मध्यम ललाट लोब (चैनल N53 - 61 और N79 - 83), और मध्यम पार्श्विका लोब (चैनल N48 - 50, N64 - 66, और N74 - 76)। तालिका 2 में प्रत्येक स्पेक्ट्रम की शक्ति और एमबीएसआर के अंतर्गत एंटरपी को सचेत करना और सामान्य आराम की स्थिति को दर्शाता है, साथ ही ब्याज के प्रत्येक क्षेत्र के लिए दो स्थितियों में अंतर के टी -टेस्ट के पी -वेल के साथ। हमने पूर्व और पोस्ट-एमबीएसआर प्रशिक्षण ईईजी डेटा को जोड़ दिया क्योंकि दो चरणों में कोई अंतर नहीं था।


चित्रा 2. ब्याज की परिभाषित क्षेत्र। ईईजी चैनलों के परिभाषित क्षेत्रों, जो मध्यम ललाट लोब, मध्यम पार्श्विका लोब, और ओसीसिपिटल लोब का प्रतिनिधित्व करते हैं। इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

</ Tr>
डेल्टा थीटा अल्फा बीटा गामा Entropy
मध्य फ्रंटल लोब MBSR 18.96 ± 3.10 22.2 9 ± 5.86 30.90 ± 7.76 0.12 ± 43.77 -467.25 ± 79.48 0.753 ± 0.060
आराम 22.40 ± 6.56 22.76 ± 5.98 26.91 ± 7.14 -7.11 ± 42.27 -44 9 .76 ± 102.92 0.785 ± 0.066
पी-मूल्य 0.0243 0.6555 0.0085 0.0114 0.4419 0.0084
पश्चकपाल पालि MBSR 15.39 ± 3.30 17.91 ± 6.53 33.38 ± 6.50 -8.03 ± 40.72 -466.23 ± 61.46 0.71 9 ± 0.048
आराम 19.82 ± 6.32 20.38 ± 8.11 29.73 ± 5.30 -11.62 ± 40.22 -439.03 ± 102.81 0.763 ± 0.055
पी-मूल्य 0.0134 0.1213 0.0125 0.0796 0.8936 0.0098
पेरिएटल लोब MBSR 17.95 ± 3.60 19.46 ± 6.54 32.84 ± 6.68 2.68 ± 38.23 -487.72 ± 104.13 0.738 ± 0.072
आराम 21.24 ± 6.37 21.16 ± 8.00 29.79 ± 6.60 -1.27 ± 34.42 -490.01 ± 123.83 0.764 ± 0.075
पी-मूल्य 0.0157 0.0963 0.0177 0.1507 0.2878 0.0368

तालिका 2. मस्तिष्क क्षेत्रों में स्पेक्ट्रम और एन्ट्रॉपी। एमबीएसआर सांस लेने और सामान्य आराम की स्थितितीन पूर्वनिर्धारित ब्याज क्षेत्र (आरओआई) के बीच तुलना कर रहे हैं

वेवेलेट एंट्रापी विश्लेषण

ईईजी की तरंगिका एंट्रोपी का विश्लेषण एमबीएसआर के दौरान ईईजी एंट्रोपी को सामान्य आराम की तुलना में सांस लेने के दौरान पूर्व और पोस्ट-एमबीएसआर प्रशिक्षण दोनों के लिए घट गया। क्योंकि दो चरणों के बीच कोई महत्वपूर्ण अंतर नहीं था, वे एक औसत नक्शा ( चित्रा 3 की तीसरी पंक्ति में दिखाए गए) का निर्माण करने के लिए विलय कर दिया गया था। कमी हुई एन्ट्रापी वाले मुख्य क्षेत्रों ललाट पालि और पिरैटल-ओसीसीपिपल लोब में थे।

चित्र तीन
चित्रा 3. वेवेलेट एंट्रापी विश्लेषण बाकी 1 और एमबीएसआर 1 पूर्व-एमबीएसआर प्रशिक्षण को निरूपित करता है, जबकि बाकी 2 और एमबीएसआर 2 एमबीएसआर प्रशिक्षण के बाद निगेटिव होते हैं। वेवेलेट एंट्रोपी विश्लेषण से पता चलता है कि MBSR अभ्यास की अनियमितता को कम कर सकता हैमस्तिष्क की इलेक्ट्रॉनिक गतिविधियों मूल स्रोत: संदर्भ 13 इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

वेवेट एंट्रोपी का स्रोत विश्लेषण

ईईजी संकेतों का स्रोत विश्लेषण स्कॉलप ईईजी को कॉर्टिकल सतह 20 पर इलेक्ट्रिकल गतिविधियों में स्थानांतरित करके स्थानिक संकल्प को सुधार सकता है। विश्लेषण से पता चलता है कि एमबीएसआर की दक्षता प्रशिक्षण से प्रभावित प्रमुख मस्तिष्क क्षेत्रों में बाएं-मध्यम ओसीसीपिपल लोब, प्रथिनेस, बेहतर टेम्पोरल लोब और बाएं फिस्किफॉर्म ( चित्रा 4 ) शामिल थे। तालिका 3 में , स्रोत विश्लेषण से प्राप्त चार रचनात्मक लेबल्स के लिए, हम दो अलग-अलग राज्यों के एमआरपीएसआर मस्तिष्क की स्थिति के अंतर में टी -टेस्ट परिणाम प्रदान करते हैंबनाम सामान्य आराम

चित्रा 4
चित्रा 4. स्रोत विश्लेषण स्रोत विश्लेषण से पता चलता है कि एमबीएसआर के दिमाग से साँस लेने की स्थिति के दौरान विभिन्न मस्तिष्क क्षेत्रों (लाल रंग में प्रकाश डाले गए) की प्रविष्टियां कम होती हैं। इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

शारीरिक लेबल voxels एक्स, वाई, जेड टी मूल्य
मध्य अस्थायी गैयरस एल 1,728 -44 -60 16 3.77
सटी्यूनस आर 1,324 2 -56 28 3.63
ओसीसीपटल एल 749 -2 -102-12 3.61
फ्यूसिफ़ॉर्म एल 142 -102 3.51

तालिका 3. स्रोत विश्लेषण रिपोर्ट एमएबीएसआर के बीच एंट्रोपी में महत्वपूर्ण मतभेद वाले मनोवैज्ञानिक मस्तिष्क के क्षेत्रों, सावधानीपूर्वक श्वास और सामान्य आराम की स्थिति। एल, मस्तिष्क की बाईं ओर। आर, मस्तिष्क के सही पक्ष ( पी <0.001, टी -टेस्ट, uncorrected)।

हार्ट रेट वेवेलेट एंट्रोपी

विश्लेषण ने औसत हृदय गति में कोई महत्वपूर्ण अंतर नहीं दिखाया, लेकिन एमबीएसआर के ध्यान में रखते हुए श्वास के दौरान हार्टेट एन्ट्रापी कम थी, पूर्व और पोस्ट एमबीएसआर प्रशिक्षण ( तालिका 4 ) दोनों।

Rest1 MBSR1 Rest2 MBSR2
हार्ट रेट (प्रति मिनट की धड़कन) 68.2 ± 9.5 67.7 ± 9.3 71.8 ± 8.1 70.7 ± 8.4
हार्ट रेट वेवेलेट एंट्रोपी 0.8 9 ± 0.05 0.79 ± 0.11 * 0.8 9 ± 0.07 0.80 ± 0.12 #

टेबल 4. हार्टट्रेट और हार्टट्रेट वेवेलेट एमट एमएसआर की मनोदशात्मक श्वास और सामान्य विश्राम की स्थिति। दोनों स्थितियों की तुलना पूर्व और पोस्ट-एमबीएसआर प्रशिक्षण दोनों में की जाती है। * शेष 1 और एमबीएसआर 1 के बीच महत्वपूर्ण अंतर ( पी <0.05)। # बाकी 2 और एमबीएसआर 2 के बीच महत्वपूर्ण अंतर ( पी <0.05)

सह - संबंधदिल और मस्तिष्क क्रियाएँ के बीच

मस्तिष्क और हृदय के बीच संभावित संबंध को देखते हुए, हमने पूरे मस्तिष्क ईईजी एन्ट्रापी ( अर्थात एक एकल विषय के लिए सभी ईईजी चैनलों पर ईईजी प्रवेश की औसत) और एमबीएसआर के दौरान हार्टट्रेट एन्ट्रापोरी के बीच के संबंधों का सख्ती और सामान्य आराम करने वाले राज्यों के बीच के संबंधों का विश्लेषण किया । मस्तिष्क और हृदय की प्रविष्टि एमबीएसआर के ध्यान में रखते हुए साँस लेने में काफी सहसंबंधित थी लेकिन सामान्य आराम के दौरान नहीं। जैसा कि चित्रा 5 के ऊपरी हिस्से में दिखाया गया है, प्रत्येक चैनल में ईईजी के एन्ट्रापी और हृदय एंट्रोपी के बीच के संबंध का महत्व मस्तिष्क के मध्य भाग में सबसे प्रमुख है। निचली भूखंड मध्य क्षेत्रों में ईईजी एन्ट्रापी के बीच के संबंधों को दर्शाता है (उन बिंदीदार चैनलों की औसत जो कि हार्ट्रेट एंटरपीपी से काफी सम्बंधित है) और हृदय एंट्रोपी।


चित्रा 5. हार्ट और मस्तिष्क की इलेक्ट्रॉनिक क्रियाकलापों की वेवेलेट एंट्रोपिज के बीच संबंध। मस्तिष्क गतिविधि की तरंगिका एन्ट्राप्रोपी मध्य क्षेत्र में महत्वपूर्ण चैनलों का औसत है, जैसा ऊपरी-सही आंकड़ा में दिखाया गया है। हृदय की तरंगिका एन्ट्रापी हार्टएट अंतराल पर आधारित होती है। सहसंबंध (निचला पैनल) पूर्व और पोस्ट-एमबीएसआर प्रशिक्षण परिणामों के लिए सभी विषयों पर गणना की जाती है। मूल स्रोत: संदर्भ 13 इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

Discussion

यह ईईजी अध्ययन ठोस सबूत प्रदान करता है कि, सामान्य आराम की तुलना में, एमबीएसआर ध्यान में रखकर श्वास ललाट और ओसीसीपोलल लब्बों में अल्फा तरंगों को बढ़ाता है। यह ध्यान के दौरान वृद्धि हुई अल्फा तरंगों की अधिकांश रिपोर्टों के अनुरूप है, विशेषकर शुरुआती 21 में । अल्फा लहरें आमतौर पर किसी विशिष्ट कार्य से उत्तेजना और सतर्कता और स्वतंत्रता की स्थिति का संकेत देती हैं। ऐसी मानसिक स्थिति ध्यान के उद्देश्यों में से एक है; यही है, मन को साफ और तेज रखते हुए, फैंसी की उड़ानों से या नींद से गिरने से मुक्त। MBSR अभ्यास के दौरान बढ़ाया अल्फा लहर सिंक्रनाइज़ेशन, मन और शरीर 22 के बीच समन्वय को बढ़ा सकता है।

मस्तिष्क में बड़ी संख्या में न्यूरॉन्स की इलेक्ट्रॉनिक गतिविधियां एक गैर-रेखाीय पदानुक्रमित प्रणाली बनाती हैं, और इसकी अनियमितता एंट्रोपी 8 द्वारा अच्छी तरह से मापा जा सकता है। हमने पाया कि एमबीएसआर अभ्यास के दौरान, मस्तिष्क इलेक्ट्रिक की अनियमितताओलिक गतिविधियों को खोपड़ी ईईजी के एक बड़े हिस्से में, विशेष रूप से ललाट पोल और द्विपक्षीय ओसीसीपटल मस्तिष्क क्षेत्रों में कमी हुई। तरंगिका एंटरपीपी के आगे स्रोत विश्लेषण से पता चला है कि एमसीएसआर अभ्यास के दौरान ओसीसीपेटल और अनुसूचित गतिविधियों की अनियमितता कम हो गई थी। इसमें शामिल अन्य क्षेत्रों में सही-मध्य छेद और बेहतर लौकिक पालि शामिल हैं। यह एक अन्य अध्ययन के अनुरूप है, जो इंगित करता है कि एमबीएसआर प्रशिक्षण 23 के बाद ग्रेजेंट्स में बढ़ जाती है। उन्नत ध्यान चिकित्सक आमतौर पर नॉन-ट्रैफ़ी आंख आंदोलन के दौरान उच्चतर पायरेटो-ओसीसीपेटल ईईजी गामा लहरें 1 । एमबीएसआर प्रशिक्षण की एक महत्वपूर्ण विशेषता यह है कि मन / मस्तिष्क की जानकारी प्रवाह के गैर-मंडल होना चाहिए। इससे मस्तिष्क गतिविधियों की अनियमितता कम हो सकती है। क्योंकि मस्तिष्क में एक मुख्य सूचना स्रोत दृश्य प्रांतस्था है, यह संभव है कि विजुअल-संबंधी मस्तिष्क क्षेत्रों एमबीएसआर अभ्यास से अधिक प्रभावित होते हैं क्योंकि अन्य रेजीओएनएस। इससे मन को अप्रासंगिक जानकारी के प्रति कम संवेदनशील बनने के लिए और सावधानीपूर्वक श्वास पर अधिक ध्यान देने के लिए सक्षम हो जाता है।

वेवेलेट एन्ट्रोपी विश्लेषण सामान्य आराम की स्थिति की तुलना में सावधानीपूर्वक श्वास के दौरान दिल की हड्डी का कम अनियमितता दिखाता है, जिसका मतलब है कि पैरासिमिलेटीशियल और सहानुभूति वाले टन के बीच अपेक्षाकृत अविश्वसनीय बातचीत के कारण स्वायत्त तंत्रिका तंत्र का अधिक परिशोधित संतुलन। मन को साँस लेने से हृदय को प्रभावित भी हो सकता है क्योंकि फेफड़े के संवेदी उपभेदों मध्य मस्तिष्क में कार्डियक योनल मोटर न्यूरॉन्स को अवरोधक अनुमान भेजती हैं, जो वागस तंत्रिका 24 के माध्यम से दिल की गति को रोकती हैं। मस्तिष्क 25 में कार्डियोपैतिकर इंटरैक्शन को मस्तिष्क और लिम्बिक प्रणाली द्वारा मध्यस्थता है। केंद्रीय तंत्रिका तंत्र और हृदय गतिविधि के बीच संबंध को देखते हुए, यह सुबोधनीय है कि, मन, एमबीएसआर या अन्य ध्यान प्रथाओं को प्रशिक्षण देने से अन्य शरीर के कार्यों पर भी प्रभाव पड़ सकता है, जैसे किबैररफ्लेक्स संवेदनशीलता को रिसेट करना, फेफड़ों में गैस एक्सचेंज दक्षता में सुधार करना, और स्वायत्त तंत्रिका तंत्र को संतुलित करना 26

कई पूर्वी परंपराओं में मन-शरीर कनेक्शन पर जोर दिया गया है। इस संबंध में, हमारे अध्ययन में एन्ट्रापी के संदर्भ में पहला उद्देश्य प्रमाण प्रदान किया गया है। एमबीएसआर अभ्यास के दौरान मस्तिष्क और हृदय की गतिविधियों की अनियमितता अधिक समन्वित हो गई, और द्विपक्षीय सोमशोसेनरी क्षेत्रों में समन्वय सबसे बड़ा था। यह क्षेत्र सीधे शरीर के संवेदी इनपुट और आंदोलन के प्रभारी है, और इस वृद्धि समन्वय का मतलब है एमबीएसआर अभ्यास के दौरान अधिक से अधिक जागरूकता। माइंडफुलेंस ट्रेनिंग एक कार्यात्मक एमआरआई अध्ययन में viscerosomatic क्षेत्रों की गतिविधियों को बढ़ाने के लिए पाया गया, जो ईईजी 27 से बेहतर स्थानिक संकल्प है। हमारे परिणाम बताते हैं कि एमबीएसआर अभ्यास के दौरान मस्तिष्क और हृदय हृदय में अधिक विचलित हो सकते हैं, सिस्टम में अनावश्यक एंट्रोपी को बेचने अप क्लास = "xref"> 28 चूंकि दिल की धड़कन को स्वायत्त तंत्रिका तंत्र द्वारा विनियमित किया जाता है, जिसमें स्वायत्त स्वर को नाड़ीग्रन्थि के बीच परस्पर क्रियाओं द्वारा नियंत्रित किया जाता है; चीन-ऑरिकुलर नोड; योनस नसों; और उच्च क्रम वाले मस्तिष्क संरचनाएं, जैसे कि मेरुंला ओब्गोटाटा, इन्सुला, और लिम्बिक सिस्टम, एमबीएसआर अभ्यास के दौरान स्वायत्त और केंद्रीय तंत्रिका तंत्र अधिक समन्वित हो सकते हैं।

हमारे अध्ययन जैसे एक महत्वपूर्ण कदम ईईजी और ईसीजी की अनियमितता को मापने के लिए सही एन्ट्रापी सूचकांक चुनना है। रेणु माधवी एट अल के विपरीत, जिन्होंने लगभग 2 एंट्रोपी का इस्तेमाल किया, हमने विभिन्न तराजू में ऊर्जा के बीच की जटिलता पर ध्यान केंद्रित करने के लिए तरंगिका एंटरपीपी का उपयोग करना चुना है। क्योंकि मस्तिष्क की इलेक्ट्रॉनिक गतिविधियां एक बड़ी संख्या में न्यूरॉन्स से उत्पन्न होती हैं जिनकी अलग-अलग तराजू और स्पेक्ट्रम में अलग-अलग विशेषताएं हैं, तरंगिका एनोट्रो ईईजी की अनियमितता को मापने के लिए अधिक उपयुक्त होनी चाहिए> 30 इसी तरह, तात्कालिक हृदय गति में भी विभिन्न समय के तराजू के अंतर्गत अलग-अलग विशेषताएं हैं, इसलिए ईसीजी 31 को तरंगिका एंटरपी को लागू करना उचित है। इसके अलावा, शैनन की एन्ट्रापी और अनुमानित एन्ट्रोपी नमूना आवृत्ति के प्रति संवेदनशील हैं, और अनुमानित एन्ट्रापी को बड़ी मात्रा में गणना की आवश्यकता होती है जो डेटा की लंबाई के साथ तेजी से वृद्धि करते हैं, यह स्रोत स्थान में गणना के अलावा।

वर्तमान अध्ययन की कई सीमाएं ध्यान देने योग्य हैं सबसे पहले, स्कैल्प ईईजी का स्थानिक संकल्प अपेक्षाकृत खराब है, इसके उच्च अस्थायी संकल्प के बावजूद। इसका समाधान करने के लिए, हमारे अध्ययन में स्रोत विश्लेषण लागू किया गया था। ईईजी स्रोत पुनर्निर्माण एक गंभीर समस्या है, और एक वैकल्पिक दृष्टिकोण पिछले कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) के अध्ययन से है, जो पुनर्निर्माण सटीकता 32 , 33 में सुधार करने में मदद कर सकता है। एक और सीमा टी हैटोपी मस्तिष्क और दिल की गतिविधियों के बीच समन्वय विषयों के बीच मूल्यांकन किया गया था; भीतर-विषय समन्वय भविष्य के अध्ययनों के लिए छोड़ दिया जाता है। इसके अतिरिक्त, ईसीजी की एंटरपीपी सीधे ईसीजी सिग्नल से नहीं ली जाती है, बल्कि हृदय अंतराल से, क्योंकि ईसीजी के आयाम इलेक्ट्रोड स्थिति और त्वचा प्रतिबाधा से बहुत प्रभावित हो सकते हैं और इस प्रकार विषयों के बीच तुलनीय नहीं है।

पूर्व अध्ययनों ने आमतौर पर ईईजी संकेत के स्पेक्ट्रम विश्लेषण किया, ईईजी में शोर के रूप में अनियमितता को खारिज कर दिया। इसके विपरीत, हम दिमागी राज्य के प्रतिबिंब के रूप में मस्तिष्क की अराजक इलेक्ट्रॉनिक गतिविधियों को मापने के लिए अधिक संवेदनशील सूचकांक के रूप में तरंगिका एन्ट्रापी का उपयोग करने का प्रस्ताव करते हैं। प्रस्तावित पद्धति पारंपरिक धारणा के उद्देश्यपूर्ण प्रमाण प्रदान करती है कि मन और हृदय ध्यान के दौरान अधिक समन्वित होते हैं।

क्योंकि तरंगिका एन्ट्रापी ध्यान स्थिति पर काफी संवेदनशीलता की निगरानी कर सकती है, इसका प्रयोग मानसिक ट्रेनी में किया जा सकता हैएनजी फ़ील्ड, जैसे कि सर्जरी के दौरान संज्ञाहरण के स्तर को मापने के लिए नैदानिक ​​अभ्यास में एन्ट्रापी का उपयोग किया जाता है। तरंगिका एंटरपीपी के समान एक इंडेक्स का उपयोग करना, वायरलेस ईईजी डिवाइस का उपयोग किसी व्यक्ति की दैनिक ध्यान अभ्यास या शैक्षिक उद्देश्यों के लिए अन्य मानसिक प्रशिक्षण की निगरानी के लिए किया जा सकता है। बहरहाल, क्योंकि एक वायरलेस ईईजी आम तौर पर केवल माथे में चैनलों को स्थिरता से मापता है, हमें यह पता लगाने की जरूरत है कि इन चैनलों को मन की स्थिति पर नजर रखने के लिए पर्याप्त संवेदनशील है या नहीं।

इस प्रक्रिया के महत्वपूर्ण कदमों में बेहतर संकेत गुणवत्ता और कम शोर के लिए प्रत्येक इलेक्ट्रोड के लिए त्वचा की प्रतिबाधा कम रखना शामिल है; उचित और ठीक से एमबीएसआर प्रशिक्षण आयोजित करना; प्रयोग से पहले एक अच्छा, गैर-थका हुआ मानसिक स्थिति सुनिश्चित करना, ध्यान के लिए महान ऊर्जा की आवश्यकता होती है; उचित एन्ट्रापी सूचकांक (तरंगिका एन्ट्रापी) को चुनना; और ईईजी डेटा के एसपीएम स्रोत विश्लेषण से परिचित होने के नाते।

Disclosures

लेखकों ने घोषणा की कि उनके पास कोई प्रतिस्पर्धात्मक वित्तीय हित नहीं है

Acknowledgements

इस अध्ययन को हांगकांग विश्वविद्यालय में एसपीएफ़-20120 9 7176152 फंड द्वारा समर्थित किया गया था। पाठ्यक्रम को पढ़ाने और एमबीएसआर प्रतिभागियों को भर्ती करने के लिए हम डॉ हेलेन मा का धन्यवाद करते हैं।

Materials

Name Company Catalog Number Comments
Synamps 2/RT 128-channel EEG/EP/ERP Compumedics NeuroScan Model 8050 Amplifiers and
EEG acquisition
Quik-CapEEG 128 electrodes Compumedics NeuroScan EEG caps
Quik-Gel Compumedics NeuroScan conductive electrode gel
EEGLAB Swartz Center for Computational Neuroscience EEG analysis software
Matlab R2011a MathWorks EEGLAB is based on Matlab
SPM Wellcome Trust Centre for Neuroimaging EEG source analysis software

DOWNLOAD MATERIALS LIST

References

  1. Ferrarelli, F., et al. Experienced mindfulness meditators exhibit higher parietal-occipital EEG gamma activity during NREM sleep. Plos One. 8, (8), e73417 (2013).
  2. Grossman, P., Niemann, L., Schmidt, S., Walach, H. Mindfulness-based stress reduction and health benefits: a meta-analysis. J. Psychosom. Res. 57, (1), 35-43 (2004).
  3. Abasolo, D., et al. Analysis of regularity in the EEG background activity of Alzheimer's disease patients with approximate entropy. Clin. Neurophysiol. 116, (8), 1826-1834 (2005).
  4. An approach to absence epileptic seizures detection using approximate entropy. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Giannakakis, G., et al. Conference proceedings 413-416 (2013).
  5. Kitzbichler, M. G., Smith, M. L., Christensen, S. R., Bullmore, E. T. Broadband criticality of human brain network synchronization. Plos Comput. Biol. 5, (3), e1000314 (2009).
  6. Quiroga, R. Q., Rosso, O. A., Basar, E., Schurmann, M. Wavelet entropy in event-related potentials: a new method shows ordering of EEG oscillations. Biol. Cybern. 84, (4), 291-299 (2001).
  7. Peng, C. K., et al. Exaggerated heart rate oscillations during two meditation techniques. International J. Cardiology. 70, (2), 101-107 (1999).
  8. Vadigepalli, R., Doyle, F. J., Schwaber , J. S. Analysis and neuronal modeling of the nonlinear characteristics of a local cardiac reflex in the rat. Neural Comput. 13, (10), 2239-2271 (2001).
  9. Pokrovskii, V. M. Integration of the heart rhythmogenesis levels: heart rhythm generator in the brain. J. Integr. Neurosci. 4, (2), 161-168 (2005).
  10. Wolber, T., Namdar, M., Duru, F. Heart obeys the brain: seizure ceases cardiac rhythm. PACE. 33, (8), e72-e75 (2010).
  11. van der Wall, E. E., van Gilst, W. H. Neurocardiology: close interaction between heart and brain. Neth. Heart J. 21, (2), 51-52 (2013).
  12. Tang, Y. Y., et al. Central and autonomic nervous system interaction is altered by short-term meditation. Proc. Natl. Acad. Sci. USA. 106, (22), 8865-8870 (2009).
  13. Gao, J. L., et al. Entrainment of chaotic activities in brain and heart during MBSR mindfulness training. Neurosci. Lett. 616, 218-223 (2016).
  14. Slotnick, S. D. High density event-related potential data acquisition in cognitive neuroscience. J. Vis. Exp. (38), (2010).
  15. Jurcak, V., Tsuzuki, D., Dan, I. 10/20, 10/10, and 10/5 systems revisited: their validity as relative head-surface-based positioning systems. Neuroimage. 34, (4), 1600-1611 (2007).
  16. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Methods. 134, (1), 9-21 (2004).
  17. Hyvarinen, A., Oja, E. Independent component analysis: algorithms and applications. Neural Netw. 13, (4-5), 411-430 (2000).
  18. Welch, P. D. The use of fast Fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms. IEEE Transactions on Audio and Electroacoustics. 15, (2), 70-73 (1967).
  19. Hamalainen, M. S., Ilmoniemi, R. J. Interpreting magnetic-fields of the brain: minimum norm estimates. Med. Biol. Eng. Comput. 32, (1), 35-42 (1994).
  20. Lee, T. M., et al. Distinct neural activity associated with focused-attention meditation and loving-kindness meditation. Plos One. 7, (8), e40054 (2012).
  21. Kim, D. K., Rhee, J. H., Kang, S. W. Reorganization of the brain and heart rhythm during autogenic meditation. Front. Integr. Neurosci. 7, 109 (2014).
  22. Hebert, R., Lehmann, D., Tan, G., Travis, F., Arenander, A. Enhanced EEG alpha time-domain phase synchrony during transcendental meditation: implications for cortical integration theory. Signal Process. 85, (11), 2213-2232 (2005).
  23. Kurth, F., Luders, E., Wu, B., Black, D. S. Brain gray matter changes associated with mindfulness meditation in older adults: an exploratory pilot study using voxel-based morphometry. Neuro. 1, (1), 23-26 (2014).
  24. West, J. B., West, J. B. Pulmonary pathophysiology--the essentials. 5th edn, Williams & Wilkins. (1998).
  25. Clark, M. T., et al. Breath-by-breath analysis of cardiorespiratory interaction for quantifying developmental maturity in premature infants. J. Appl. Physiol. 112, (5), 859-867 (2012).
  26. Phongsuphapa, S., Pongsupap, Y., Chandanamattha, P., Lursinsap, C. Changes in heart rate variability during concentration meditation. Int. J. of Cardiol. 130, (3), 481-484 (2008).
  27. Farb, N. A. S., et al. Attending to the present: mindfulness meditation reveals distinct neural modes of self-reference. Soc. Cogn. Affect. Neur. 2, (4), 313-322 (2007).
  28. Fingelkurts, A. A., Fingelkurts, A. A., Neves, C. E. H. Natural world physical, brain operational, and mind phenomenal space-time. Phys. Life Rev. 7, (2), 195-249 (2010).
  29. Renu Madhavi, C., Ananth, A. G. Estimation of approximate entropy of heart rate variability of healthy subjects and investigation of the effect of meditation on it. International Conference on Signal Acquisition and Processing: ICSAP 2010, Proceedings. 304-306 (2010).
  30. Ocak, H. Automatic detection of epileptic seizures in EEG using discrete wavelet transform and approximate entropy. Expert Syst. Appl. 36, (2), 2027-2036 (2009).
  31. Alcaraz, R., Rieta, J. J. Application of wavelet entropy to predict atrial fibrillation progression from the surface ECG. Comput. Math Method M. (2012).
  32. Sun, D. L., Lee, T. M. C., Wang, Z. X., Chan, C. C. H. Unfolding the spatial and temporal neural processing of making dishonest choices. Plos One. 11, (4), (2016).
  33. Sun, D. L., Lee, T. M. C., Chan, C. C. H. Unfolding the spatial and temporal neural processing of lying about face familiarity. Cereb. Cortex. 25, (4), 927-936 (2015).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics