探秘心智：MEG源重建时间序列的线性判别分析支持冥想过程中深脑区域的动态变化

长期以来，修行者声称冥想练习对情绪与情感调节具有积极作用，而近来人们持续努力以更精确地描述冥想诱发的人脑变化。纵向研究已报道因冥想练习所致特定脑区的皮质厚度与体积的形态学变化，这被解释为超越主观自我报告的有效性的证据。基于MEG或EEG等功能成像模态对冥想中大脑进行实时监测的证据仍具挑战性。本文中，我们考虑在经验丰富的佛教僧人进行专注觉知(Samatha)与开放觉察(Vipassana)冥想期间收集的MEG数据，并以闭眼静息态作为对照。MEG数据首先被映射到对应于标准Destrieux脑图谱的脑区平均脑活动时间序列，进而通过自助法与频谱分析得到表示在频谱范围内对应于$\alpha$、$\beta$、$\gamma$与$\theta$频带功率谱密度随机采样的数据矩阵。我们利用线性判别分析(LDA)证明，对应于不同冥想或静息态的样本包含足够的大脑状态指纹，从而允许不同状态间的分离，并识别出似乎对分离有贡献的脑区。我们的发现表明，扣带回皮层、岛叶皮层及若干内部结构（最显著的是伏隔核、尾状核与壳核、丘脑及杏仁核）作为分离区域脱颖而出，这似乎与基于纵向研究的早期发现良好吻合。