[論文レビュー] Mining the Mind: Linear Discriminant Analysis of MEG source reconstruction time series supports dynamic changes in deep brain regions during meditation sessions

Daniela Calvetti, Brian P. Johnson+4 more|arXiv (Cornell University)|Jan 29, 2021

Functional Brain Connectivity Studies参考文献 107被引用数 9

ひとこと要約

本研究では、MEEG源再構築時系列に線形判別分析（LDA）を適用し、瞑想中の動的脳活動変化を同定した。深部脳構造、特に核側縁体、尾状体、被殻、線条体、扁桃体、島皮質、cingulate cortex が、静止状態とは区別可能な周波数帯（θ、α、β、γ）における状態特異的スペクトル変化を示しており、瞑想状態におけるそれらの役割を裏付けるものである。

ABSTRACT

Meditation practices have been claimed to have a positive effect on the regulation of mood and emotion for quite some time by practitioners, and in recent times there has been a sustained effort to provide a more precise description of the changes induced by meditation on human brain. Longitudinal studies have reported morphological changes in cortical thickness and volume in selected brain regions due to meditation practice, which is interpreted as evidence for effectiveness of it beyond the subjective self reporting. Evidence based on real time monitoring of meditating brain by functional imaging modalities such as MEG or EEG remains a challenge. In this article we consider MEG data collected during meditation sessions of experienced Buddhist monks practicing focused attention (Samatha) and open monitoring (Vipassana) meditation, contrasted by resting state with eyes closed. The MEG data is first mapped to time series of brain activity averaged over brain regions corresponding to a standard Destrieux brain atlas, and further by bootstrapping and spectral analysis to data matrices representing a random sample of power spectral densities over bandwidths corresponding to $\alpha$, $\beta$, $\gamma$, and $ heta$ bands in the spectral range. We demonstrate using linear discriminant analysis (LDA) that the samples corresponding to different meditative or resting states contain enough fingerprints of the brain state to allow a separation between different states, and we identify the brain regions that appear to contribute to the separation. Our findings suggest that cingulate cortex, insular cortex and some of the internal structures, most notably accumbens, caudate and putamen nuclei, thalamus and amygdalae stand out as separating regions, which seems to correlate well with earlier findings based on longitudinal studies.

研究の動機と目的

• MEEGデータを用いて瞑想中の動的脳活動変化を定量的に評価すること。
• 集中注意（フォーカスド・アテンション）と開放的モニタリング（オープン・モニタリング）の瞑想状態と静止状態との間に顕著な活動差を示す脳領域を同定すること。
• データ駆動型解析を用いて、深部脳構造におけるスペクトルパワーの変化が、瞑想状態を信頼性高く区別できるかどうかを検証すること。
• 得られた知見を、瞑想に起因する脳変化を示す先行の縦断的神経画像研究と結びつけること。

提案手法

• 熟練した仏教僧侶が静止状態、集中注意（サマタ）、開放的モニタリング（ヴィパサナー）瞑想状態で記録したMEEGデータを、アーティファクト除去のため独立成分分析（ICA）を用いて前処理した。
• 脳領域をDestrieuxアトラスで定義し、階層ベイズ的手法を用いてMEEGの逆問題を解き、時間分解能のある源活動を推定した。
• ブートストラップ法を用いたパワースペクトル密度推定を、θ、α、β、γ周波数帯で実施した。
• スペクトルパワー行列に基づいて脳状態を分類するため、線形判別分析（LDA）を適用し、最も判別能の高い脳領域を同定した。
• 被験者および状態ごとにアノテートされたデータセットを生成し、被験者間およびセッション間の一貫性分析を可能にした。
• 判別荷重が最も高い脳領域を特定することで、結果を解釈し、状態分離に寄与する脳領域の寄与度を評価した。

実験結果

リサーチクエスチョン

• RQ1 MEEGから得られる脳領域のスペクトルパワーパターンは、瞑想状態と静止状態を信頼性高く区別できるか？
• RQ2 どの深部脳構造が瞑想中に最も顕著なスペクトル活動の動的変化を示すか？
• RQ3 LDAを用いた瞑想状態分類は、個々の被験者および複数の瞑想セッションにわたって一貫性を示すか？
• RQ4 同定された脳領域は、感情調節、注意、報酬系の神経解剖学的知見とどの程度整合するか？

主な発見

• 核側縁体、尾状体、被殻、線条体、扁桃体は、すべての周波数帯（θ、α、β、γ）において、状態分離に最も寄与する部位として一貫して顕在した。
• 島皮質およびcingulate cortexは、静止状態と比較して瞑想中に顕著なスペクトル活動差を示す主要な皮質領域として同定された。
• LDAは、瞑想状態と静止状態の分離を信頼性高く達成しており、同一被験者の複数セッションにおいても一貫した結果が得られた。
• これらの知見は、長期的な瞑想実践による構造的および機能的変化が報告されている縦断的研究と整合的である。
• 尾状体および被殻の関与は、それらが目的指向行動や習慣学習に果たす役割を裏付けるものであり、サマタおよびヴィパサナー瞑想の認知的要請と整合的である。
• 左扁桃体が全周波数帯で一貫して活性化していることは、不安およびストレスの低下と相関しており、瞑想中の感情調節におけるその役割を支持する。