Summary

Utiliser l'entropie des ondelettes pour démontrer comment la pratique consciente augmente la coordination entre les activités cérébrales et cardiaques irrégulières

Published: May 10, 2017
doi:

Summary

Ce manuscrit décrit comment utiliser l'indice d'entropie des ondelettes pour analyser les données d'électrodéphalographie à haute densité (EEG) et d'électrocardiographie (ECG). Nous montrons que l'irrégularité des activités cérébrales et cardiaques est de plus en plus coordonnée lors de la pratique de réduction du stress axée sur la conscience.

Abstract

Dans l'Orient et l'Ouest, les enseignements traditionnels disent que l'esprit et le cœur sont étroitement liés, en particulier dans la pratique spirituelle. Une difficulté à prouver cela objectivement est que les natures des activités du cerveau et du cœur sont tout à fait différentes. Dans cet article, nous proposons une méthodologie qui utilise l'entropie des ondelettes pour mesurer les niveaux chaotiques des données d'électroencéphalogramme (EEG) et électrocardiogramme (ECG) et montre comment cela peut être utilisé pour explorer la coordination potentielle entre l'esprit et le cœur dans différentes conditions expérimentales . Par ailleurs, la cartographie statistique paramétrique (SPM) a été utilisée pour identifier les régions du cerveau dans lesquelles l'entropie des ondelettes EEG était la plus touchée par les conditions expérimentales. À titre d'illustration, l'EEG et l'ECG ont été enregistrés dans deux conditions différentes (repos normal et respiration consciente) au début d'un cours de formation de réduction de stress Mindfulness (MBSR) de 8 semaines (prétest) et après le cOurse (posttest). En utilisant la méthode proposée, les résultats ont constamment montré que l'entropie des ondelettes de l'EEG du cerveau a diminué pendant l'état de respiration mentale du MBSR par rapport à celle pendant l'état de repos des yeux fermés. De même, une entropie d'ondelettes inférieure a été trouvée pendant la respiration mentale de MBSR. Cependant, aucune différence dans l'entropie des ondelettes pendant la respiration mentale de MBSR n'a été trouvée entre le prétest et le posttest. Aucune corrélation n'a été observée entre l'entropie des ondes cérébrales et l'entropie du myocarde pendant le repos normal chez tous les participants, alors qu'une corrélation significative a été observée lors de la respiration mentale de MBSR. De plus, les régions cérébrales les plus bien corrélées étaient situées dans les zones centrales du cerveau. Cette étude fournit une méthodologie pour l'établissement de preuves que la pratique consciente ( c'est-à-dire la respiration consciente) peut augmenter la coordination entre les activités de l'esprit et du cœur.

Introduction

Avec les progrès des neurosciences et de la médecine 1 , nous sommes en meilleure position pour comprendre les avantages non pharmacologiques de l'attention et de la méditation sur les maladies mentales et physiques. De nombreuses études ont montré que la formation de réduction du stress à base de Mindfulness (MBSR) comme une sorte d'exercice mental peut réduire activement le stress inutile dans l'esprit et le corps 2 . Pendant la pratique de la méditation, le corps et l'esprit peuvent devenir plus entraînés. Ces questions ont attiré l'intérêt de la communauté universitaire et du grand public et nous ont motivé à concevoir une méthodologie pour explorer une coordination possible entre l'esprit et le corps (ou plus précisément, entre le cerveau et le cœur) dans différentes conditions pour évaluer l'effet De la formation et de la pratique MBSR.

L'irrégularité des électroencéphalogrammes (EEG) est généralement considérée comme un bruit dans l'analyse du spectre EEG classique, bU il peut contenir des informations utiles et peut être mesuré par entropie de signal. L'entropie de l'EEG a été utilisée comme indice de conditions cliniques telles que l'épilepsie, la maladie d'Alzheimer et l'anesthésie, et certaines données suggèrent que l'entropie de l'EEG peut être une mesure plus sensible pour le suivi des états du cerveau que l'analyse du spectre EEG traditionnel 3 , 4 . Entropy a longtemps été utilisé dans la thermodynamique comme un indice pour décrire l'état chaotique d'un système. Les ondes cérébrales mesurées par EEG sont connues pour leur activité dynamique en raison de réseaux cérébrales fonctionnant entre l'ordre et le chaos 5 . Parmi les différents types d'entropies, l'entropie des ondelettes offre une méthode pour calculer l'entropie des énergies sous différentes échelles d'observation, ce qui convient parfaitement à l'analyse des signaux EEG avec des caractéristiques très variées à différentes échelles. Pour un signal complètement aléatoire, les énergies relatives aux différents niveaux de résolution seront lesMême, et l'entropie atteindra son maximum. Par conséquent, l'entropie des ondelettes sert de mesure des activités chaotiques dans l'EEG et peut être utilisée comme indice pour différencier différents états mentaux 6 .

Les études antérieures d'électrocardiogramme (ECG) ont fourni des preuves cohérentes des changements liés à la méditation dans la variabilité du cœur sur les états de pré-méditation 7 . Le rythme cardiaque est régulé par le système nerveux autonome (y compris sympathique et parasympathique). Le ton autonome est modulé par les interactions entre le ganglion; Nœud sino-auriculaire; Nerfs vagus; Et les structures cérébrales d'ordre supérieur, telles que la médulla oblongata, l'insula et le système limbique. Ces structures forment un système hiérarchique, et son activité non linéaire peut être mesurée par entropie 8 . Par exemple, les rafales neuronales dans les structures cérébrales d'ordre supérieur peuvent influencer le rythme musculaire 9 .Dans les conditions cliniques, les troubles du cerveau tels que les crises épileptiques perturbent le rythme cardiaque 10 . La recherche en neurocardiologie suggère également une interaction étroite entre le cœur et le cerveau 11 .

Une difficulté à examiner l'association entre les signaux du cerveau et du cœur est qu'ils sont très différents dans le contenu du signal et l'échelle de temps. Par conséquent, un défi majeur est d'identifier une mesure commune qui ne s'applique pas seulement aux signaux du cerveau et du cœur, mais aussi à l'interprétation dans le contexte de la coordination esprit-corps. Dans cet article, nous proposons l'utilisation de l'entropie des ondelettes pour détecter une éventuelle coordination entre les irrégularités dans les activités du cerveau et du cœur en corrélant les entropies des signaux EEG et des battements cardiaques qui peuvent ensuite être évalués au moyen d'une expérience MBSR.

Parce que le MBSR implique la pratique de la conscience dans le corps et l'esprit, nous émettons l'hypothèse que la respiration mentale de MBSR prL'impact peut affecter non seulement l'activité cérébrale, mais aussi le rythme cardiaque. Des études antérieures ont principalement étudié l'effet de la formation et / ou de la pratique consciente sur le cerveau ou le cœur séparément et en fonction de différents aspects; Les changements simultanés dans ces deux systèmes étroitement liés restent largement inexplorés. Seules quelques études ont rapporté une meilleure coordination du corps et de l'esprit après la formation à l'attention 12 . À l'aide de la méthodologie proposée, les résultats représentatifs et une étude précédente 13 ont montré que la formation de conscience de MBSR peut accroître la coordination du corps et de l'esprit en fonction de leurs activités chaotiques, ce qui peut offrir un nouvel aperçu des effets de la formation consciente sur le centre et la périphérie Systèmes nerveux.

Protocol

Cette étude de recherche a été approuvée par le Conseil d'examen institutionnel de l'Université de Hong Kong. Tous les participants ont fourni leur consentement écrit en connaissance de cause avant de participer à cette étude. 1. Conception expérimentale Tableau 1. Vue d'ensemble du cours MBSR. Le cours de formation MBSR de 8 semaines suivi par les participants. Recruter les participants. NOTE: Onze adultes en bonne santé (cinq femmes) d'un cours MBSR local ont participé à cette étude EEG et avaient 28 à 52 ans. Les participants à la dépression basés sur l'inventaire Beck Depression ont été exclus de l'étude. Le cours a suivi la formation MBSR standard ( tableau 1 ), et les participants ont dû s'engager dans la structure de formation. Système d'enregistrement EEG. Effectuer un enregistrement EEG dans une pièce tranquille à l'aide d'un EEG de 128 canauxYstem consistant en un bouchon EEG, un amplificateur, une tête de tête et un ordinateur de bureau. 2. Acquisition de données EEG et ECG NOTE: La collecte de données EEG a suivi une procédure standard similaire à la méthode décrite précédemment 14 . Demandez à chaque participant de laver ses cheveux et le cuir chevelu propre avant de venir sur le site expérimental. Informez le participant sur les procédures expérimentales, principalement qu'il / elle reposera normalement pendant 10 min et effectuera une respiration consciente pendant encore 10 minutes tout en étant enregistré avec des appareils EEG et ECG. Nettoyez la zone du visage et la mastoïde du participant avec des écouvillons d'alcool. À l'aide d'un ruban à mesurer, mesurez la circonférence de la tête du participant et choisissez un cap de taille appropriée. Prenez une mesure de la nasion à l'inion et une autre mesure dans le haut des oreilles et sur le cuir chevelu. Marquez le sommet (le point à mi-distance entre le nasion et leDion et distance moyenne entre les deux oreilles) avec un marqueur doux. Réglez les positions des électrodes selon les systèmes d'électrodes 10-5 15 . Placez le capuchon de telle sorte que l'électrode Cz soit au-dessus du sommet, l'électrode Nz se trouve à la nasion, l'électrode Lz est à l'inion, l'électrode RM se trouve à la mastoïde droite et l'électrode LM se trouve à la mastoïde gauche . Placez les électrodes ECG aux deux fosses infraclaviculaires gauche et droit. Remplissez les supports d'électrode avec du gel en utilisant une seringue à point émoussé. Gardez l'impédance inférieure à 20 kΩ pour chaque électrode. Réduire l'impédance en ajustant le placement de l'électrode pour augmenter le contact avec le cuir chevelu; Ajoutez plus de gel si nécessaire. Serrez le chinstrap et demandez au participant de rester immobile. Réglez la fréquence d'échantillonnage du dispositif EEG à 1000 Hz. Utilisez le mastoïde gauche comme point de référence d'origine. Enregistrez les données EEG (étape 1.2.1) au début du cours MBSR (dans les 2 semaines). Demandez au participant de réaliser un bref examen du corps pour détendre le corps entier. Demandez au participant de faire attention à son souffle en respirant et en respirant. Chaque participant effectue-t-il 10 minutes de respiration mentale de MBSR (état de conscience de MBSR) et 10 minutes de repos normal (condition de contrôle) lors de la collecte de données EEG. Cela génère un ensemble de données de formation pré-MBSR avec deux conditions. REMARQUE: contrebalancer la séquence de la respiration consciente et le repos normal parmi les participants. Enregistrez les données EEG à nouveau environ 1 mois après que les participants ont terminé le cours MBSR. Demandez à chaque participant d'effectuer 10 minutes de respiration consciente et 10 minutes de repos normal pendant la collecte de données EEG. Cela génère un ensemble de données de formation post-MBSR avec deux conditions. 3. EEG et ECG Data Analysis NOTE: Les quatre premières étapes sontPour le prétraitement des données, et les étapes restantes sont pour le calcul de l'entropie des ondelettes et l'analyse de corrélation. Ici, un logiciel open source nommé EEGLAB 16 a été utilisé pour l'analyse EEG, mais les opérations devraient être similaires dans différents logiciels. Dans ce qui suit, les opérations basées sur EEGLAB seront fournies à titre d'exemple. Reportez-vous au manuel EEGLAB pour plus de détails (https://sccn.ucsd.edu/wiki/EEGLAB_Wiki#EEGLAB_Tutorial). Utilisez le logiciel EEG pour rééchantillonner les données à 250 Hz en sélectionnant Outils> Modifier la fréquence d'échantillonnage. Utilisez le filtre de réponse aux impulsions finies (FIR) pour le filtrage passe-bande avec un bande passante de 0,5 à 100 Hz en sélectionnant Outils> Filtrer les données> filtre FIR de base. Pour réduire le bruit en raison du courant alternatif du secteur qui est spécifique au pays, utilisez le filtre de réponse impulsionnelle Infinite Impulse (IIR) court et non linéaire pour le filtrage d'entailles avec une bande de stop de 47 à 53 Hz en sélectionnant Outils> Filtrer les données> Courte non linéaireFiltre IIR. Cela couvre toutes les fréquences pertinentes dans l'analyse du spectre tout en éliminant le bruit inutile. Utilisez le logiciel EEG pour parcourir et inspecter visuellement le signal EEG en sélectionnant Tracer> Données du canal (défilement). Identifiez et supprimez des segments EEG qui contiennent du bruit musculaire évident et tout autre événement étrange. Cliquez avec le bouton gauche de la souris et faites glisser la souris sur de mauvais segments pour les mettre en surbrillance, puis "supprimer" ou "rejeter" les segments à l'aide du logiciel EEG. NOTE: Les activités musculaires telles que la déglutition ou l'expression du visage génèrent généralement des signaux discontinus et irréguliers. Les événements étranges sont généralement causés par des mouvements de la tête ou du corps, ce qui entraîne souvent des changements significatifs (à basses fréquences) du signal EEG. Déterminez s'il y a un mauvais canal. Reconstruisez chaque canal incorrect en utilisant la méthode d'interpolation sphérique en sélectionnant Outils> Interpoler le canal. Utilisez le logiciel EEG pour effectuer In InDépendant de Component Analysis 17 (ICA) sur les données en sélectionnant Outils> Exécuter ICA. Demandez à un opérateur EEG expérimenté d'identifier et de jeter visuellement les composants des mouvements oculaires, des mouvements musculaires et des composants d'autres bruits possibles en sélectionnant Outils> Rejeter les données en utilisant ICA> Rejeter les composants par carte; Outils> Supprimer les composants. Le logiciel EEG reconstituera les données automatiquement en utilisant les composants retenus. Utilisez le logiciel EEG pour réélectionner les données à la moyenne de tous les canaux avant une analyse plus approfondie en sélectionnant Outils> Ré-référencer. Analyse du spectre. Utilisez la fonction de ligne de commande du logiciel EEG "spectopo" pour calculer les spectres d'EEG en utilisant l'estimation de densité spectrale de puissance de Welch 18 et obtenir les puissances de journal (dB) de delta (1 – 4 Hz), theta (4 – 8 Hz), alpha ( 8 – 12 Hz), bêta (12 – 30 Hz) et gamma (30 – 80 Hz). Calculez le pourcentage relatifDe chaque type d'onde 18 ( c'est-à-dire la proportion de puissance dans la bande de fréquence respective par rapport à la puissance totale du spectre). Effectuez une analyse de source EEG en utilisant l'approche Statistical Parametric Mapping (SPM). Utilisez l'estimation de la norme minimale 19 pour transformer les signaux EEG des électrodes du cuir chevelu en signaux de source de cerveau 3D. REMARQUE: ici, le numéro de canal original était de 122, et il a été transformé en 8 196 canaux répartis dans le modèle de cerveau tridimensionnel. Le niveau de signification a été fixé à p = 0,01. Veuillez vous référer à l'analyse source dans le manuel SPM (www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf). Calculer l'entropie des ondelettes pour chaque canal EEG (ainsi que pour le signal source tridimensionnel estimé) en utilisant la procédure suivante: Étant donné un signal ,Calculer les coefficients d'ondelettes comme , où Est une base orthonormée de la famille d'ondelettes Haar et Représente les niveaux de décomposition ( N = 10 dans cette étude). Définissez l'énergie relative comme , avec . Calculez l'entropie des ondelettes comme . Moyenne de l'entropie des ondelettes pour tous les canaux pour obtenir l'entropie des ondelettes EEG pour chaque participant. Utilisez le logiciel pour effectuer une analyse de pointe sur les données ECG pour obtenir le signal de battement de coeur, qui se compose du nombre de pics d'onde ECG et de l'intervalle entre les pics. REMARQUE: en supposantUn entourage normal de 60-100 battements / min dans le repos normal et les états de respiration consciencieux, le nombre de cas de battement de coeur N pour une durée de 10 min devrait être relativement faible, ce qui correspond à 600 < N <1 000. Pour obtenir une entropie d'ondelette fiable à partir du signal de battement de coeur, utilisez une fenêtre coulissante de 500 points et un incrément de 10 points pour calculer une série d'entropies d'ondelettes selon la même procédure que pour EEG, élaboré dans la section 3.7. Utilisez la valeur moyenne comme entropie de l'ondelette finale. Analyser la corrélation du cerveau et du cœur entre les sujets entre l'entropie d'ondelettes de l'ECG et celle de l'EEG à chaque canal du cuir chevelu en utilisant tout logiciel statistique ayant une fonction de corrélation de Pearson. Utilisez la fonction de ligne de commande du logiciel EEG "topoplot" pour construire une carte scalp statistique pour la corrélation. Tracer un graphique de corrélation linéaire avec l'entropie de la fréquence cardiaque et l'entropie EEG moyenne de seulement les chaNnels qui sont significativement corrélés avec l'entropie du cœur (voir la section Résultats représentatifs).

Representative Results

Analyse du spectre Dans l'analyse du spectre des données EEG, par rapport au repos normal, des ondes alpha améliorées (8 – 12 Hz) et bêta (12 – 30 Hz) et à delta réduite (1 – 4 Hz) pendant la respiration mentale de MBSR. L'augmentation des ondes alpha était globalement significative, surtout dans les lobes frontal et occipital, alors que l'augmentation des ondes bêta était principalement dans le lobe frontal. La diminution des ondes delta a été observée dans les zones pariétales centrales ( figure 1 ). Cependant, nous n'avons pas trouvé de changement significatif entre la formation pré et post-MBSR. Figure 1. Analyse du spectre de la respiration mentale du MBSR et des conditions normales de repos. L'analyse du spectre montre que la pratique du MBSR peut modifier les activités du cerveau, comme l'indiquent les différentsSpectres d'EEG. Source originale: référence 13 . Cliquez ici pour voir une version plus grande de ce chiffre. La figure 2 illustre la région d'intérêt définie: le lobe occipital (canaux N19 – 21, N41 – 46, N67 – 72, N96 – 100 et N119), le lobe frontal moyen (canaux N53 – 61 et N79 – 83) et Le lobe pariétal moyen (canaux N48 – 50, N64 – 66 et N74 – 76). Le tableau 2 montre la puissance de chaque spectre et l'entropie sous la respiration mentale de MBSR et les conditions de repos normales, ainsi que la valeur p du test t de la différence entre les deux conditions pour chaque région d'intérêt. Nous avons combiné les données EEG de formation pré et post-MBSR car il n'y avait aucune différence entre les deux étapes. <p class="jove_content" fo:keep-together.within-page="1"> Figure 2. Région d'intérêt définie. Les zones définies des canaux EEG qui représentent le lobe frontal moyen, le lobe pariétal moyen et le lobe occipital. Cliquez ici pour voir une version plus grande de ce chiffre. Delta Theta Alpha Bêta Gamma Entropie Lobe Frontal moyen MBSR 18,96 ± 3,10 22,29 ± 5,86 30,90 ± 7,76 0,12 ± 43,77 -467,25 ± 79,48 0,753 ± 0,060 </ Tr> Du repos 22,40 ± 6,56 22,76 ± 5,98 26,91 ± 7,14 -7,11 ± 42,27 -449,76 ± 102,92 0,785 ± 0,066 Valeur p 0,0243 0.6555 0,0085 0,0114 0,4419 0,0084 Lobe occipital MBSR 15,39 ± 3,30 17,91 ± 6,53 33,38 ± 6,50 -8,03 ± 40,72 -466,23 ± 61,46 0,719 ± 0,048 Du repos 19,82 ± 6,32 20,38 ± 8,11 29,73 ± 5,30 -11,62 ± 40,22 -439,03 ± 102,81 0,763 ± 0,055 Valeur p 0,0134 0.1213 </tD> 0,0125 0,0796 0.8936 0,0098 Lobe pariétal 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 Du repos 21,24 ± 6,37 21,16 ± 8,00 29,79 ± 6,60 -1,27 ± 34,42 -490,01 ± 123,83 0,764 ± 0,075 Valeur p 0,0157 0,0963 0,0177 0.1507 0,2878 0,0368 Tableau 2. Spectrum et entropie à travers les zones cérébrales. MBSR respiration consciente et conditions de repos normalesSont comparés parmi les trois Régions d'intérêt prédéfinies (ROI). Analyse d'entropie des ondelettes L'analyse de l'entropie des ondelettes de l'EEG a montré une diminution de l'entropie EEG pendant la respiration mentale du MBSR par rapport au repos normal, tant pour la formation pré et post-MBSR. Comme il n'y avait pas de différence significative entre les deux étapes, elles ont été fusionnées pour produire une carte moyenne (montrée dans la troisième rangée de la figure 3 ). Les principaux domaines ayant une entropie diminuée se situaient au lobe frontal et au lobe pariétal-occipital. Figure 3. Analyse d'entropie des ondelettes. Le Reste 1 et le MBSR 1 désignent une formation pré-MBSR, tandis que Rest 2 et MBSR 2 désignent une formation post-MBSR. L'analyse de l'entropie des ondelettes montre que la pratique du MBSR peut réduire l'irrégularité deActivités électroniques du cerveau. Source originale: référence 13 . Cliquez ici pour voir une version plus grande de ce chiffre. Analyse de la source de l'entétropie des ondelettes L'analyse source des signaux EEG peut améliorer la résolution spatiale en déconvénant l'EEG du cuir chevelu en activités électriques sur la surface corticale 20 . L'analyse montre que les principales régions cérébrales touchées par la formation de conscience de MBSR étaient dans le lobe occipital gauche-moyen, le précondeur, le lobe temporal supérieur et le fusiforme gauche ( figure 4 ). Dans le tableau 3 , pour les quatre étiquettes anatomiques obtenues à partir de l'analyse source, nous fournissons des résultats de test t pour la différence dans les entropies de deux états différents, état de conscience de MBSRContre le repos normal. Figure 4. Analyse des sources. L'analyse de la source montre que les entropies de différentes régions du cerveau (soulignées en rouge) diminuent pendant l'état de respiration mentale de MBSR. Cliquez ici pour voir une version plus grande de ce chiffre. Étiquette anatomique Voxels X, y, z T-value Gyrus temporaire moyen L 1,728 -44 -60 16 3.77 Precuneus R 1 424 2 -56 28 3.63 L occipital 749 -2 -102 -12 3,61 Fusiforme L 142 -102 3,51 Tableau 3. Rapport d'analyse Source. Régions anatomiques du cerveau avec des différences significatives d'entropie entre la respiration mentale de MBSR et les conditions de repos normales. L, le côté gauche du cerveau. R, le côté droit du cerveau ( p <0,001, t- test, non corrigé). Heart Rate Wavelet Entropy L'analyse n'a révélé aucune différence significative dans le tourelle moyenne, mais l'entropie du cœur était plus faible pendant la respiration mentale de MBSR, à la fois en pré et post-MBSR ( tableau 4 ). Reste1 MBSR1 Rest2 MBSR2 Fréquence cardiaque (battements par minute) 68,2 ± 9,5 67,7 ± 9,3 71,8 ± 8,1 70,7 ± 8,4 Heart Rate Wavelet Entropy 0,89 ± 0,05 0,79 ± 0,11 * 0,89 ± 0,07 0,80 ± 0,12 # Tableau 4. Entropie de l'entorse de Heartrate et Heartrate de la respiration mentale du MBSR et des conditions de repos normales. Les deux conditions sont comparées lors de la formation pré et post-MBSR. * Différence significative ( p <0,05) entre Rest 1 et MBSR 1. #Dérification significative ( p <0,05) entre Rest 2 et MBSR 2. CorrélationEntre les activités du cœur et du cerveau Compte tenu de la connexion potentielle entre le cerveau et le cœur, nous avons analysé la corrélation entre l'entropie EEG à cerveau entier ( c.-à-d. La moyenne des entropies EEG sur tous les canaux EEG pour un seul sujet) et l'entropie du cœur pendant la respiration mentale du MBSR et les états de repos normaux . Les entropies du cerveau et du cœur ont été significativement corrélées pendant la respiration mentale de MBSR mais pas pendant le repos normal. Comme le montre la partie supérieure de la figure 5 , la signification de la corrélation entre l'entropie de l'EEG dans chaque canal et l'entropie du cœur est la plus importante dans la partie centrale du cerveau. Le graphique inférieur montre la corrélation entre l'entropie EEG dans les régions centrales (moyenne des canaux ponctuels qui sont significativement corrélés avec l'entropie du cœur) et l'entropie du cœur. <p class="jove_content" fo:keep-together.within-page="1"> Figure 5. Corrélation entre les Entropies Wavelet des Activités Electroniques du Cœur et du Cerveau. L'entropie des ondelettes de l'activité cérébrale est la moyenne des canaux significatifs dans la région centrale, comme le montre la figure en haut à droite. L'entropie d'ondelettes du cœur est basée sur l'intervalle entres entourage. La corrélation (panneau inférieur) est calculée sur tous les sujets pour les résultats de formation pré et post-MBSR. Source originale: référence 13 . Cliquez ici pour voir une version plus grande de ce chiffre.

Discussion

Cette étude EEG fournit des preuves concrètes que, par rapport au repos normal, la respiration mentale de MBSR améliore les ondes alpha dans les lobes frontal et occipital. Cela correspond à la majorité des rapports sur l'augmentation des ondes alpha pendant la méditation, en particulier chez les débutants 21 . Les ondes alpha signifient généralement un état d'excitation et de vigilance et d'absence de tâche spécifique. Un tel état mental est l'un des objectifs de la méditation; C'est-à-dire garder l'esprit propre et net, sans aucun fil de fantaisie ou de s'endormir. La synchrone améliorée de l'onde alpha pendant la pratique du MBSR peut également améliorer la coordination entre l'esprit et le corps 22 .

Les activités électroniques du grand nombre de neurones dans le cerveau forment un système hiérarchique non linéaire, et son irrégularité peut être bien mesurée par l'entropie 8 . Nous avons constaté que pendant la pratique du MBSR, l'irrégularité du cerveau électroniqueLes activités onic ont diminué dans une grande partie de l'EEG du cuir chevelu, en particulier dans les régions du pôle frontal et du cerveau occipital bilatéral. Une autre analyse de source de l'entropie des ondelettes a montré que l'irrégularité des activités occipitales et précurées était réduite pendant la pratique du MBSR. Les autres domaines impliqués comprennent le cingule moyen droit et le lobe temporal supérieur. Ceci est conforme à une autre étude qui indique que la matière grise augmente dans le pré-unune après la formation au MBSR 23 . Les praticiens avancés de la méditation ont généralement des ondes gamma paroéto-occipitales plus élevées lors du sommeil sans mouvement rapide des yeux 1 . Une caractéristique importante de la formation MBSR est de ne pas juger le flux d'information esprit / cerveau. Cela pourrait potentiellement réduire l'irrégularité des activités cérébrales. Étant donné qu'une source d'information principale dans le cerveau est le cortex visuel, il est plausible que les régions cérébrales liées au visage soient plus affectées par la pratique du MBSR que d'autres régimesNs. Cela permet à l'esprit de devenir moins réactif à l'information non pertinente et d'accorder plus d'attention à la respiration consciente.

L'analyse de l'entropie des ondelettes a montré moins d'irrégularité du cœur pendant la respiration mentale par rapport à l'état de repos normal, ce qui implique un équilibre plus raffiné du système nerveux autonome en raison d'interactions relativement inébranlables entre les sons parasympathiques et sympathiques. La respiration mentale peut également affecter le cœur car les afférents sensoriels pulmonaires envoient des projections inhibitrices aux neurones moteurs vagaux cardiaques au milieu du cerveau, ce qui inhibe le toucher musculaire par le nerf vague 24 . L'interaction cardiorespiratoire est médiée par le système du cerveau et du système limbique dans le cerveau 25 . Compte tenu de la connexion entre le système nerveux central et l'activité cardiaque, il est plausible que, en formant l'esprit, le MBSR ou d'autres pratiques de méditation puissent également influencer d'autres fonctions du corps, telles queRéinitialiser la sensibilité barorreflexes, améliorer l'efficacité de l'échange gazeux dans les poumons et équilibrer le système nerveux autonome 26 .

La connexion esprit-corps est soulignée dans de nombreuses traditions orientales. À cet égard, notre étude fournit la première preuve objective en termes d'entropie. Les irrégularités des activités cérébrales et cardiaques sont devenues plus coordonnées pendant la pratique du MBSR, et la coordination a été la plus importante dans les régions somatosensoriques bilatérales. Cette région est directement responsable de l'entrée et du mouvement sensoriels du corps, et cette coordination accrue implique une plus grande conscience corporelle lors de la pratique MBSR. On a constaté que la formation approfondie augmentait les activités des zones viscéromatiques dans une étude fonctionnelle d'IRM, qui avait une meilleure résolution spatiale que l'EEG 27 . Nos résultats suggèrent que le cerveau et le cœur peuvent devenir plus entraînés lors de la pratique MBSR, en déchargeant l'entropie inutile dans le système <s Up class = "xref"> 28. Parce que le rythme cardiaque est régulé par le système nerveux autonome, dans lequel le ton autonome est modulé par les interactions entre le ganglion; Nœud sino-auriculaire; Nerfs vagus; Et les structures cérébrales d'ordre supérieur, telles que la medulla oblongata, l'insula et le système limbique, les systèmes autonome et nerveux central peuvent bien se coordonner davantage lors de la pratique du MBSR.

Une étape importante dans une étude comme la nôtre est de choisir l'indice d'entropie correct pour mesurer l'irrégularité de l'EEG et de l'ECG. Contrairement à Renu Madhavi et al ., Qui ont utilisé l'entropie approximative 29 , nous avons choisi d'utiliser l'entropie des ondelettes pour nous concentrer sur la complexité des énergies à différentes échelles. Parce que les activités électroniques du cerveau proviennent d'un grand nombre de neurones qui ont des caractéristiques différentes dans différentes échelles et spectres, l'entropie des ondelettes devrait être plus adaptée à la mesure de l'irrégularité de l'EEG> 30. De même, le toucher instantané a également des caractéristiques différentes dans des échelles de temps différentes, il est donc raisonnable d'appliquer l'entropie des ondelettes à ECG 31 . En outre, l'entropie de Shannon et l'entropie approximative sont sensibles à la fréquence d'échantillonnage, et l'entropie approximative nécessite de grands temps de calcul qui augmentent de façon exponentielle avec la longueur de données, ce qui, en plus du calcul dans l'espace source.

Il convient de noter plusieurs limites de l'étude en cours. Tout d'abord, la résolution spatiale de l'EEG du cuir chevelu est relativement médiocre malgré sa haute résolution temporelle. Pour remédier à cela, l'analyse des sources a été appliquée dans notre étude. La reconstruction de la source d'EEG est un problème posé, et une autre approche consiste à avoir des prieurs spatiaux des études antérieures fonctionnelles d'imagerie par résonance magnétique (IRMF), ce qui peut aider à améliorer la précision de la reconstruction 32 , 33 . Une autre limitation est tLa coordination entre le cerveau et les activités cardiaques a été évaluée entre les sujets; La coordination intra-sujet est laissée à des études futures. En outre, l'entropie de l'ECG n'est pas dérivée directement du signal ECG, mais plutôt de l'intervalle du heartrate, car l'amplitude de l'ECG peut être fortement influencée par la position de l'électrode et l'impédance de la peau et n'est donc pas comparable entre les sujets.

Des études antérieures réalisaient habituellement une analyse de spectre du signal EEG, rejetant l'irrégularité dans l'EEG en tant que bruit. En revanche, nous proposons d'utiliser l'entropie des ondelettes comme un indice plus sensible pour mesurer les activités électroniques chaotiques du cerveau en tant que reflet de l'état mental. La méthodologie proposée fournit une preuve objective de l'hypothèse traditionnelle selon laquelle l'esprit et le cœur sont plus coordonnés pendant la méditation.

Étant donné que l'entropie des ondelettes peut surveiller l'état de la méditation assez sensiblement, elle peut être utilisée dans le traitement mentalNg, tout comme l'entropie est utilisée dans la pratique clinique pour mesurer le niveau d'anesthésie pendant la chirurgie. À l'aide d'un indice similaire à l'entropie des ondelettes, les appareils EEG sans fil peuvent être utilisés pour surveiller de manière appropriée la pratique quotidienne de méditation d'un individu ou une autre formation mentale à des fins éducatives. Néanmoins, comme un EEG sans fil ne mesure généralement que les canaux du front, il faut explorer si ces canaux sont assez sensibles pour surveiller l'état d'esprit.

Les étapes essentielles de cette procédure comprennent le maintien de l'impédance de la peau pour chaque électrode faible pour une meilleure qualité du signal et moins de bruit; La formation appropriée et appropriée de MBSR; Assurer un état mental bon et non fatigué avant l'expérience, car la méditation nécessite une grande énergie; Choisir l'indice d'entropie approprié (entropie des ondelettes); Et être familier avec l'analyse par source SPM des données EEG.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Cette étude a été soutenue par le fonds SPF-201209176152 à l'Université de Hong Kong. Nous remercions la Dre Helen Ma d'avoir enseigné le cours et de recruter des participants MBSR.

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

  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. 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).
  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. , (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).

Play Video

Cite This Article
Sik, H. H., Gao, J., Fan, J., Wu, B. W. Y., 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).

View Video