ウェーブレットエントロピーを使用して心理学の練習が不規則な大脳と心臓活動の間の調整をどのように増加させるかを実証する

この調査研究は、香港大学機関審査委員会（The University of Hong Kong Institutional Review Board）によって承認された。すべての参加者は、この研究に参加する前に書面によるインフォームドコンセントを提供した。 1.実験デザイン 表1. MBSRコース概要。参加者が取った8週間のMBSRトレーニングコース。 参加者を募集する。 注：地元のMBSRコースの健常成人11名（女性5名）がこの脳波研究に参加し、28〜52歳でした。 Beck Depression Inventoryに基づくうつ病のある参加者は、この研究から除外された。コースは標準的なMBSRトレーニング（ 表1 ）に従い、参加者はトレーニング構造にコミットする必要がありました。 EEG記録システム。 128チャンネルのEEGを使用して静かな部屋で脳波記録を行うEEGキャップ、アンプ、ヘッドボックス、およびデスクトップコンピュータで構成されています。 2. EEGおよびECGデータ収集注：EEGデータ収集は、前述の方法と同様の標準的な手順14に従った。試験場に来る前に、各参加者に髪と頭皮を洗ってもらうよう依頼してください。参加者に実験手技について知らせてください。主に、10分間正常に休息し、脳波およびECG装置で記録されている間に10分間心地よい呼吸を行います。 顔面部分とアルコールスワブで参加者の乳房をきれいにする。 測定テープを使用して、参加者の頭囲を測定し、適切なサイズの帽子を選ぶ。ネイションからイオンへの1回の測定と、耳の上と頭皮上の別の測定を行います。頂点にマークを付ける。2つの耳の間の中間の距離）には、柔らかいマーカーペンが付いています。 10-5電極システムに従って電極の位置を設定します15 。 Cz電極が頂点の上にあり、Nz電極がネイションにあり、Lz電極がインオンにあり、RM電極が右乳房にあり、LM電極が左乳房にあるようにキャップを配置する。 左右の鎖骨下窩にECG電極を置く。 ブラントポイントシリンジを用いて電極ホルダーにゲルを充填する。 各電極のインピーダンスは20kΩ以下にしてください。電極の配置を調整してインピーダンスを下げ、頭皮との接触を増やします。必要に応じてゲルを追加してください。 顎掛けを締めて、参加者に依然として依頼を依頼してください。 EEGデバイスのサンプリングレートを1,000 Hzに設定します。元の基準点として左乳房を使用してください。 EEGデータを記録する（ステップ1.2。1）MBSRコース開始時（2週間以内）。 参加者に身体全体をリラックスさせるために簡単な身体スキャンを実行させる。呼吸して呼吸している間に、参加者に呼吸に注意を払わせる。 EEGデータ収集中に各参加者にMBSR心肺蘇生（MBSR mindfulness condition）10分および正常な休息（制御状態）10分を実施させる。これにより、2つの条件で事前MBSRトレーニングデータセットが生成されます。 注：参加者の間で、気分の良い呼吸と正常な休息の順序を相殺してください。 参加者がMBSRコースを修了してから約1ヶ月後に再び脳波データを記録する。 EEGデータ収集中に、10分の気分の良い呼吸と10分間の通常の休息を行うよう各参加者に依頼する。これにより、2つの条件でMBSR後のトレーニングデータセットが生成されます。 3. EEGおよびECGデータ分析注：最初の4つのステップは次のとおりです。残りのステップは、ウェーブレットエントロピー計算および相関分析のためのものである。ここでは、EEG分析にオープンソースソフトウェアEEGLAB 16を使用しましたが、操作はさまざまなソフトウェア間で似ています。以下では、EEGLABに基づいた操作を例として示します。詳細については、EEGLABのマニュアルを参照してください（https://sccn.ucsd.edu/wiki/EEGLAB_Wiki#EEGLAB_Tutorial）。 Tools> Change sampling rateを選択して、EEGソフトウェアを使用して250 Hzでデータをリサンプリングします。ツール>データのフィルタ>基本FIRフィルタを選択して、0.5〜100 Hzの通過帯域でのバンドパスフィルタリングに有限インパルス応答（FIR）フィルタを使用します。 国特有の主電源の交流によるノイズを低減するには、ツール>データのフィルタ>短非線形フィルタを選択して、47〜53 Hzの阻止域を持つノッチフィルタリングのための短い非線形、無限インパルス応答（IIR）IIRフィルター。不要なノイズを除去しながらスペクトル解析の関連するすべての周波数をカバーします。 プロット>チャンネルデータ（スクロール）を選択すると、脳波信号を視覚的にスクロールして検査するために、脳波ソフトウェアを使用します。 明白な筋肉騒音および他の奇妙な事象を含む脳波セグメントを特定し、削除する。マウスを左クリックし、悪いセグメント上にマウスをドラッグして強調表示し、EEGソフトウェアを使用してセグメントを「削除」または「拒否」します。 注：嚥下や表情などの筋肉活動は、不連続で不規則な信号を生成することがあります。奇妙な事象は、頭部または身体の動きによって引き起こされることが多く、これはしばしば脳波信号の（低周波数での）大きなシフトにつながる。 不良チャネルがあるかどうかを判断します。 Tools> Interpolate channelを選択して、球形補間法を使用して各不良チャネルを再構成します。 Inを実行するにはEEGソフトウェアを使用しますツール> ICAの実行を選択して、データに依存するコンポーネント分析17 （ICA）を実行します。ツール> ICAを使用してデータを拒否>地図でコンポーネントを拒否を選択することで、経験豊富なEEGオペレータが目の動き、瞬き、筋肉の動き、および他の可能性のあるノイズのコンポーネントを視覚的に特定して破棄します。ツール>コンポーネントを削除します。 EEGソフトウェアは、保持されたコンポーネントを使用してデータを自動的に再構成します。 さらに分析する前に、EEGソフトウェアを使用して、すべてのチャンネルの平均にデータを参照して、Tools> Re-referenceを選択します。 スペクトル分析。 Welchのパワースペクトル密度推定18を使用してEEGソフトウェアコマンドライン機能「spectopo」を使用してEEGのスペクトルを計算し、デルタ（1~4Hz）、シータ（4~8Hz）、アルファベータ（12-30Hz）、およびガンマ（30-80Hz）の各波を使用する。 相対的なPoを計算する各タイプの波18の比（ すなわち 、全スペクトルパワーに対するそれぞれの周波数バンドにおけるパワーの割合）を決定する。 統計的パラメトリックマッピング（SPM）アプローチを使用してEEGソース分析を実行します。 頭皮電極の脳波信号を3D脳源信号に変換するために、最小ノルム評価19を使用する。 注：元のチャンネル番号は122で、3次元の脳モデルに分布している8,196チャンネルに変換されました。有意水準はp = 0.01に設定した。 SPMマニュアル（www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf）のソース分析を参照してください。 次の手順を使用して、各脳波チャネル（推定された3次元脳波信号の場合と同様に）のウェーブレットエントロピーを計算します。 与えられた信号 、ウェーブレット係数を 、どこで Haarウェーブレット系列の正規直交基底であり、 分解レベル（この研究ではN = 10）を表す。 相対エネルギーを 、と 。 ウェーブレットエントロピーを次のように計算する 。各参加者のEEGウェーブレットエントロピーを得るために、すべてのチャネルの平均ウェーブレットエントロピー。 ソフトウェアパッケージを使用してECGデータのピーク解析を実行し、ECG波ピークの数とピーク間の間隔で構成される心拍信号を取得します。 注：仮定する正常な休息状態および気持ち良い呼吸状態の両方において60-100拍/分の正常な心臓拍動である場合、10分の持続時間の心拍事例Nの数は600 < N <1,000を比較的小さくしなければならない。 心拍信号から信頼できるウェーブレットエントロピーを得るには、セクション3.7で詳述したEEGと同じ手順を使用して一連のウェーブレットエントロピーを計算するために、500ポイントのスライディングウィンドウと10ポイントのステップ増分を使用します。ウェーブレットエントロピーの最終値として平均値を使用します。 ピアソン相関関数を有する任意の統計ソフトウェアを使用して、頭皮の各チャネルにおけるECGのウェーブレットエントロピーとEEGのウェーブレットエントロピーとの間の被験者にわたる脳相関および心臓相関を分析する。 EEGソフトウェアのコマンドライン機能 "topoplot"を使用して、相関の統計的な頭皮マップを構築します。心拍数エントロピーとそれらのチャの平均EEGエントロピーとの線形相関グラフをプロットする心拍数のエントロピーと有意に相関しています（代表結果セクションを参照）。