Dikkatlilik Uygulamasının Düzensiz Beyin ve Kardiyak Aktiviteler Arasındaki Koordinasyonu Arttırdığını Göstermek için Wavelet Entropisini Kullanma
Summary
Bu el yazısı, yüksek yoğunluklu elektroensefalografi (EEG) ve elektrokardiyografi (EKG) verilerini analiz etmek için dalgacık entropi indeksinin nasıl kullanılacağını anlatmaktadır. Beynin ve kalp hareketlerinin usulsüzlüğünün dikkatlilik temelli stres azaltma uygulamasında daha uyumlu hale geldiğini göstermektedir.
Abstract
Hem doğuda hem de Batıda, geleneksel öğretiler, zihin ve kalbin, özellikle de manevi pratikte yakından ilişkili olduğunu söylüyor. Bunu objektif olarak ispatlamanın bir zorluğu, beyin ve kalp faaliyetlerinin doğalarının oldukça farklı olmasıdır. Bu yazıda hem elektroensefalografi (EEG) hem de elektrokardiyogram (EKG) verilerinin kaotik seviyelerini ölçmek için dalgacık entropisini kullanan bir metodoloji önermekteyiz ve bunun farklı deneysel koşullar altında zihin ve kalp arasındaki potansiyel koordinasyonu araştırmak için nasıl kullanılabileceğini göstereceğiz . Ayrıca, EEG dalgacık entropisinin deneysel koşullardan en fazla etkilenen beyin bölgelerini belirlemek için İstatistiksel Parametrik Eşleştirme (SPM) kullanılmıştır. Bir örnek olarak, EEG ve EKG, 8 haftalık bir Dikkate Alınmış Gerilme Azaltma (MBSR) eğitim dersinin (ön test) başında ve iki hafta boyunca, iki farklı koşulda (normal dinlenme ve dikkatli soluma) kaydedildi.Bizimki (posttest). Önerilen yöntemi kullanarak, sonuçlar sürekli olarak beyin EEG'sinin dalgacık entropisinin MBSR dikkatli nefes alma durumunda kapalı göz dinlenme halindeyken azaldığını gösterdi. Benzer şekilde, MBSR dikkatli soluma sırasında kalp atımının daha düşük bir dalgacık entropisi bulundu. Bununla birlikte, ön test ve sontest arasında MBSR dikkatli soluma sırasında dalgacık entropisinde herhangi bir fark bulunmamıştır. MBSR dikkatli soluma sırasında önemli bir korelasyon gözlenirken, beyin dalgaları entropisi ve normal dinlenme sırasındaki kalp hızı entropisi arasında hiçbir korelasyon gözlemlenmemiştir. Ayrıca, en iyi korelasyona sahip beyin bölgeleri beynin merkez bölgelerinde yerleşmiştir. Bu çalışma, akıl yürütme uygulamasının ( yani, dikkatli nefes alma) zihin ve kalp faaliyetleri arasındaki koordinasyonu artırabileceğine dair kanıtların oluşturulması için bir metodoloji sunmaktadır.
Introduction
Sinirbilim ve tıptaki gelişmelerle 1 , zihinsel ve bedensel hastalıklarda farkındalığın ve meditasyonun farmakolojik olmayan faydalarını anlamak için daha iyi bir konumdayız. Birçok çalışma, Zihin ve vücuttaki gereksiz stresleri zihinsel egzersiz programı olarak Dikkat Edilir tabanlı Stres Azaltma (MBSR) eğitiminin aktif olarak azaltabileceğini göstermiştir. Meditasyon uygulaması sırasında, beden ve zihin daha fazla sürüklenebilir. Bu konular hem akademik çevrenin hem de genel halkın ilgisini çekti ve bizi zihin ve beden arasındaki (veya daha özel olarak beyin ve kalp arasındaki) koordinasyonu farklı koşullar altında araştırmak için bir yöntem tasarlamamıza yol açtı. MBSR eğitim ve uygulama.
Elektroensefalogramların düzensizliği (EEG), konvansiyonel EEG spektrum analizinde genellikle gürültü olarak kabul edilir, bYararlı bilgiler içerebilir ve sinyal entropisi ile ölçülebilir. EEG entropisi, epilepsi, Alzheimer hastalığı ve anestezi gibi klinik durumların bir indeksi olarak kullanılmıştır ve bazı kanıtlar, EEG entropisinin beyin durumlarını izlemek için geleneksel EEG spektrumu analizinden 3 , 4 daha hassas bir önlem olduğunu düşündürmektedir. Entropi, sistemin kaotik halini tanımlamak için termodinamikte uzun zamandır kullanılmaktadır. EEG tarafından ölçülen beyin dalgaları, düzen ve kaos 5 arasında çalışan beyin ağları nedeniyle dinamik aktiviteleri ile bilinir. Çeşitli entropiler arasında dalgacık entropisi, farklı ölçeklerde çok çeşitli özelliklere sahip EEG sinyallerini analiz etmek için çok uygun olan farklı gözlem ölçekleri altındaki enerjilerin entropisini hesaplamak için bir yöntem sunar. Tamamen rasgele bir sinyal için, farklı çözünürlük seviyelerinde göreli enerjilerAynıdır ve entropi maksimuma ulaşacaktır. Dolayısıyla, dalgacık entropisi EEG'deki kaotik aktivitelerin bir ölçüsüdür ve farklı zihin durumlarını ayırt etmede bir endeks olarak kullanılabilir 6 .
Daha önceki elektrokardiyografi (EKG) çalışmaları, meditasyon öncesi meditasyon durumlarıyla karşılaştırıldığında kalp hızı değişkenliğinde meditasyonla ilgili değişikliklerin tutarlı bir kanıtını sağlamıştır 7 . Kalp atışı, otonomik (sempatik ve parasempatik) sinir sistemi tarafından düzenlenir. Otonomik ton, gangliyon arasındaki etkileşimlerle modüle edilir; Çin kulak burun düğümü; Vagus sinirleri; Ve medulla oblongata, insula ve limbik sistem gibi daha üst düzey beyin yapıları. Bu yapılar hiyerarşik bir sistem oluşturur ve doğrusal olmayan aktivitesi entropi 8 yoluyla ölçülebilir. Örneğin, üst düzey beyin yapılarındaki sinir patlamaları kalp atış hızı ritmini etkileyebilir 9 .Klinik koşullarda epileptik nöbetler gibi beyin bozuklukları kalp ritmini bozar 10 . Nörokardiyoloji araştırması aynı zamanda kalp ve beyin arasında yakın bir etkileşim olduğunu göstermektedir 11 .
Beyin ve kalp sinyalleri arasındaki ilişkiyi incelemekteki bir zorluk, sinyal içeriği ve zaman ölçeğinde oldukça farklı olduklarıdır. Bu nedenle, önemli bir zorluk, hem beyin hem de kalp sinyalleri için geçerli olmakla kalmayıp aynı zamanda zihin-beden koordinasyonu bağlamında yorumlama için anlamlı olan ortak bir önlemi tanımlamaktır. Bu yazıda EEG ve kalp atışı sinyallerinin entropilerini ilişkilendirerek beyin ve kalp aktivitelerinde meydana gelen düzensizlikler arasındaki muhtemel eşgüdümün saptanması için dalgacık entropisinin kullanılmasını önermekteyiz ve daha sonra bir MBSR deneyi yoluyla değerlendirilebilir.
MBSR, hem bedende hem de zihinde dikkatlilik pratiğini içerdiğinden, MBSR dikkatli nefes alma prActice sadece beyin aktivitesini değil aynı zamanda kalp atışını da etkileyebilir. Önceki çalışmalar ağırlıklı olarak dikkatlilik eğitiminin ve / veya uygulamanın beyn veya kalp üzerindeki etkisini ayrı ayrı ve farklı yönlere dayalı olarak araştırmış; Birbirine yakın olan bu iki sistemdeki eşzamanlı değişiklikler büyük oranda keşfedilmemiş durumda. Dikkat çekme eğitiminden sonra sadece birkaç çalışma beden ve zihin için daha iyi koordinasyon bildirdi. Önerilen metodolojiyi kullanarak temsilci sonuçları ve daha önceki bir çalışma 13 , MBSR dikkatlilik eğitimi, zihin eğitiminin etkilerini merkezi ve çevresel etkilere yeni bir bakış açısı sağlayacak şekilde kaotik faaliyetler açısından vücut ve zihin koordinasyonunu artırabileceğini göstermiştir Sinir sistemleri.
Protocol
Representative Results
Discussion
Bu EEG çalışması, normal dinlenme durumuna kıyasla, MBSR dikkatli solunumun frontal ve oksipital loblardaki alfa dalgalarını geliştirdiğine dair somut kanıtlar sağlar. Bu, meditasyon sırasında artan alfa dalgaları, özellikle yeni başlayanlar 21'de çıkan raporların çoğuyla aynı çizgide. Alfa dalgaları genellikle uyarılma ve uyanıklık durumunu ve belirli bir görevden özgürlüğü gösterir. Böyle bir zihinsel hal meditasyonun amaçlarından biridir; Yani aklı temiz ve keskindir, fantezi uçuşlar ya da uykuya dalmaktan kurtarır. MBSR uygulaması sırasında geliştirilmiş alfa dalga senkronizmi ayrıca zihin ve beden 22 arasındaki koordinasyonu artırabilir.
Beyindeki çok sayıda nöronun elektronik aktiviteleri doğrusal olmayan hiyerarşik bir sistem oluşturur ve düzensizliği entropi 8 ile iyi ölçülebilir. MBSR uygulaması sırasında, beyin elektrıklarının usulsüzlüğüKafa derisi EEG'nin büyük bir bölümünde, özellikle de frontal kutup ve bilateral oksipital beyin bölgelerinde azaldı. Dalgacık entropisinin daha kaynak analizi, MBSR uygulaması sırasında oksipital ve precuneus aktivitelerinin düzensizliğinin azaldığını göstermiştir. Diğer alanlar arasında sağ orta singulat ve üst temporal lob yer alır. Bu, MBSR eğitiminden sonra precuneus'da gri maddenin arttığını gösteren bir başka çalışmayla uyumludur 23 . İleri meditasyon pratisyenleri genellikle hızlı göz hareketi uykusu 1 sırasında paryeto-oksipital EEG gama dalgalarına sahiptirler. MBSR eğitiminin önemli bir özelliği zihin / beyin bilgi akışının yargı dışı olmasıdır. Bu, potansiyel olarak beyin faaliyetlerinin usulsüzlüğünü azaltabilir. Beyindeki ana bilgi kaynağı görsel korteks olduğu için, görsel-ilişkili beyin bölgelerinin MBSR uygulamasından diğer bölgelere göre daha fazla etkilenmesi akla yatkındırns. Bu, zihnin ilgisiz bilgilere daha az duyarlı olmasını ve dikkatli solunum için daha fazla dikkat etmesini sağlar.
Dalgacık entropisi analizi, normal dinlenme durumuna kıyasla dikkatli nefes alma sırasında kalp hızı düzensizliğinin daha az olduğunu gösterdi; bu, parasempatik ve sempatik tonlar arasındaki karşılıklı değişmeyen etkileşimlere bağlı olarak otonom sinir sisteminin daha rafine edilmiş bir dengesini ifade eder. Dikkatli nefes alma kalp atışını da etkileyebilir, çünkü akciğer duyu alıcıları mid-beyindeki kardiyak vagal motor nöronlarına, vagus siniri 24 yoluyla kalp atışını inhibe eden önleyici projeksiyonlar gönderir. Kardiorespiratuvar etkileşime beynin beyin sapı ve limbik sistemi aracılık eder 25 . Merkezi sinir sistemi ile kardiyak aktivite arasındaki bağlantı göz önüne alındığında, zihin eğitimi ile MBSR'nin veya diğer meditasyon uygulamalarının diğer vücut işlevlerini etkileyebileceği akla yatkındırBarorefleks duyarlılığını sıfırlama, akciğerlerdeki gaz alışverişi verimliliğini geliştirme ve otonom sinir sistemini dengeleme 26 .
Akıl-beden bağlantısı pek çok Doğu geleneğinde vurgulanmaktadır. Bu bağlamda, çalışma, entropi açısından ilk objektif kanıtı temin etmektedir. MBSR uygulaması sırasında beyin ve kalp hareketlerinin usulsüzlükleri daha uyumlu hale getirildi ve koordinasyon, bilateral somatosensor bölgelerde en büyüktü. Bu bölge, doğrudan vücudun duyusal girdisi ve hareketinden sorumludur ve bu artan eşgüdüm, MBSR uygulaması sırasında daha fazla beden farkındalığı anlamına gelmektedir. Dikkat çekme eğitiminin, EEG 27'den daha iyi mekansal çözünürlüğe sahip fonksiyonel bir MR çalışmasında viscerosomatik alanların aktivitelerini arttırdığı bulunmuştur. Bulgularımız, MBSR uygulaması sırasında beynin ve kalbin daha fazla sürüklenebileceğini ve sistemde gereksiz entropinin boşaltılabileceğini göstermektedir <s Up class = "xref"> 28. Kalp atışı otonom sinir sistemi tarafından düzenlendiğinden, otonomik tonun ganglion arasındaki etkileşimler tarafından modüle edildiği; Çin kulak burun düğümü; Vagus sinirleri; Ve medulla oblongata, insula ve limbik sistem gibi daha üst düzey beyin yapıları, otonomik ve merkezi sinir sistemleri, MBSR uygulaması sırasında daha koordineli hale gelebilir.
Bizimki gibi bir çalışmada önemli bir adım, EEG ve EKG düzensizliğini ölçmek için doğru entropi endeksini seçmektir. Yaklaşık entropiyi 29 kullanan Renu Madhavi ve arkadaşlarının aksine, dalgacık entropisini, farklı ölçeklerdeki enerjiler arasındaki karmaşıklığa odaklanmak için kullanmaya karar verdik. Beyin elektronik faaliyetleri, farklı ölçeklerde ve spektrumlarda farklı özelliklere sahip çok sayıda nörondan kaynaklandığından, dalgacık entropisi EEG düzensizliğini ölçmek için daha uygun olmalıdır> 30. Benzer şekilde, anlık kalp hızı ayrıca farklı zaman ölçekleri altında farklı özelliklere sahiptir, bu nedenle dalgacık entropisini EKG 31'e uygulamak mantıklıdır. Dahası, Shannon'un entropisi ve yaklaşık girişi, örnekleme frekansına duyarlıdır ve yaklaşık girdap, veri alanıyla hesaplama işlemine ek olarak veri uzunluğuyla katlanarak artan büyük hesaplama süreleri gerektirir.
Mevcut çalışmanın bazı sınırlamaları kayda değerdir. İlk olarak, saç derisi EEG'sinin uzamsal çözünürlüğü, yüksek zamansal çözünürlüğüne rağmen nispeten zayıftır. Bu konuyu çözmek için çalışmamızda kaynak analizi yapılmıştır. EEG kaynaklı rekonstrüksiyon kötü niyetli bir sorundur ve alternatif bir yaklaşım, daha önceki fonksiyonel Manyetik Rezonans Görüntüleme (fMRI) çalışmalarından uzaysal önceliğe sahip olmak ve yeniden yapılanma doğruluğunu iyileştirmek için yardımcı olabilir 32,33. Başka bir sınırlama da tŞapka beyin ve kalp faaliyetleri arasındaki koordinasyon denekler arasında değerlendirildi; Konunun iç koordinasyonu gelecek çalışmalara bırakılmıştır. Ek olarak, EKG entropisi direkt olarak EKG sinyalinden değil, kalp atış aralığından türetilir, çünkü EKG amplitüdü elektrot konumu ve cilt empedansından büyük ölçüde etkilenebilir ve bu nedenle denekler arasında karşılaştırılabilir değildir.
Daha önceki çalışmalar genellikle EEG'deki düzensizliği gürültü olarak gören EEG sinyalinin bir spektrum analizi gerçekleştirmiştir. Bunun aksine, zekanın devletin bir yansıması olarak beyindeki kaotik elektronik aktiviteleri ölçmek için dalgacık entropisini daha hassas bir indeks olarak kullanmamızı öneriyoruz. Önerilen metodoloji, akıl ve kalbin meditasyon sırasında daha koordine edildiği geleneksel varsayımının nesnel kanıtı sağlar.
Dalgacık entropisi, meditasyon durumunu oldukça hassas bir şekilde izleyebildiğinden zihinsel muayenehanede kullanılabilirAmeliyat sırasında anestezi düzeyini ölçmek için klinik uygulamada entropi kullanıldığı gibi, Dalgacık entropisine benzer bir indeks kullanarak kablosuz EEG cihazları, kişinin günlük meditasyon uygulamasını veya eğitim amaçlı diğer zihinsel eğitimleri rahatça izlemek için kullanılabilir. Bununla birlikte, kablosuz bir EEG alnındaki kanalları ancak stabil olarak ölçebildiğinden, bu kanalların zihin durumunu izleyecek kadar hassas olup olmadığını araştırmamız gerekir.
Bu prosedürün kritik adımları, daha iyi sinyal kalitesi ve daha az ses için her bir elektrot için deri empedansının düşük tutulmasını; MBSR eğitimini uygun ve düzgün bir şekilde yürütmek; Meditasyonun büyük enerji gerektirmesi nedeniyle, deneyden önce yorulmadan iyi bir zihinsel durum sağlanması; Uygun entropi endeksinin seçilmesi (dalgacık entropisi); Ve EEG verilerinin SPM kaynak analizine aşina olmak.
Disclosures
The authors have nothing to disclose.
Acknowledgements
Bu çalışma, The University of Hong Kong'daki SPF-201209176152 fonu tarafından desteklendi. Dersi öğretmek ve MBSR katılımcılarını işe almak için Dr. Helen Ma'ya teşekkür ediyoruz.
Materials
| 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 |
References
- Ferrarelli, F., et al. Experienced mindfulness meditators exhibit higher parietal-occipital EEG gamma activity during NREM sleep. Plos One. 8 (8), e73417 (2013).
- 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).
- 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).
- Giannakakis, G., et al. An approach to absence epileptic seizures detection using approximate entropy. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , 413-416 (2013).
- 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).
- 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).
- Peng, C. K., et al. Exaggerated heart rate oscillations during two meditation techniques. International J. Cardiology. 70 (2), 101-107 (1999).
- 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).
- Pokrovskii, V. M. Integration of the heart rhythmogenesis levels: heart rhythm generator in the brain. J. Integr. Neurosci. 4 (2), 161-168 (2005).
- Wolber, T., Namdar, M., Duru, F. Heart obeys the brain: seizure ceases cardiac rhythm. PACE. 33 (8), e72-e75 (2010).
- van der Wall, E. E., van Gilst, W. H. Neurocardiology: close interaction between heart and brain. Neth. Heart J. 21 (2), 51-52 (2013).
- 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).
- Gao, J. L., et al. Entrainment of chaotic activities in brain and heart during MBSR mindfulness training. Neurosci. Lett. 616, 218-223 (2016).
- Slotnick, S. D. High density event-related potential data acquisition in cognitive neuroscience. J. Vis. Exp. (38), (2010).
- 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).
- 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).
- Hyvarinen, A., Oja, E. Independent component analysis: algorithms and applications. Neural Netw. 13 (4-5), 411-430 (2000).
- 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).
- Hamalainen, M. S., Ilmoniemi, R. J. Interpreting magnetic-fields of the brain: minimum norm estimates. Med. Biol. Eng. Comput. 32 (1), 35-42 (1994).
- Lee, T. M., et al. Distinct neural activity associated with focused-attention meditation and loving-kindness meditation. Plos One. 7 (8), e40054 (2012).
- 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).
- 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).
- 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).
- West, J. B., West, J. B. . Pulmonary pathophysiology–the essentials. , (1998).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ocak, H. Automatic detection of epileptic seizures in EEG using discrete wavelet transform and approximate entropy. Expert Syst. Appl. 36 (2), 2027-2036 (2009).
- Alcaraz, R., Rieta, J. J. Application of wavelet entropy to predict atrial fibrillation progression from the surface ECG. Comput. Math Method M. , (2012).
- 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).
- 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).
