基于32通道脑电图技术的咒语诵念神经机制数据集：为冥想研究提供新资源

《IEEE Data Descriptions》：Descriptor: Mantra Chanting 32-Channel EEG Dataset(MC32C-EEG)

本刊推荐一项关于咒语诵念神经机制的数据集研究。为解决冥想研究中高密度脑电图(EEG)数据缺乏的问题，研究人员利用Emotiv Flex 32通道系统采集了11名经验诵念者在静息态和"Om"咒语诵念状态下的脑电信号。该数据集包含原始和预处理数据，为研究冥想相关神经活动、脑机接口(BCI)开发和算法基准测试提供了重要资源，显著促进了神经科学和认知科学领域的发展。

　　

随着冥想练习在全球范围内的普及，科学界对冥想神经机制的研究兴趣日益浓厚。咒语诵念作为一种古老的冥想实践，已被证实具有减轻压力、改善认知功能和促进整体健康的作用。然而，当前冥想研究领域面临着一个重要挑战：缺乏高质量、高密度的脑电图(EEG)数据集，特别是针对经验诵念者的专业数据。这种数据匮乏严重制约了我们对咒语诵念神经机制的深入理解。

为解决这一难题，来自高哈蒂大学的研究团队在《IEEE Data Descriptions》上发表了首个专门针对咒语诵念的32通道脑电图数据集。该研究团队采用严谨的实验设计，使用Emotiv Flex 32通道脑电图系统，采集了11名具有至少三年诵念经验的成年人的神经活动数据。这项研究的创新之处在于其采用了被试内设计，同时记录了每位参与者在静息状态和咒语诵念状态下的脑电信号，为直接比较两种状态下的大脑活动差异提供了独特视角。

关键技术方法包括：使用32通道Emotiv Flex系统按照国际10-20系统放置电极，采样频率为128赫兹；实验设计包含2分钟静息态和3分钟"Om"咒语诵念两种条件；采用MATLAB和Python进行数据预处理，包括0.5-45赫兹带通滤波和基于独立成分分析(ICA)的伪迹去除；数据集包含来自当地冥想团体的11名健康成年女性的原始和处理后数据。

数据采集与质量控制

研究人员建立了严格的数据采集标准，所有实验均在隔音、温控的实验室内进行，电极阻抗始终保持在10千欧以下。这种严格的质量控制确保了数据的高可靠性，为后续分析奠定了坚实基础。数据集采用分层结构组织，包含原始脑电图数据和预处理后数据，方便研究人员根据需求选择适当的分析起点。

信号预处理与伪迹去除

研究团队采用了先进的信号处理流程，使用MNE-Python工具包进行独立成分分析(ICA)。这种方法能够有效识别和去除眼动、肌电等生理伪迹，显著提高信号质量。通过比较处理前后的数据，可以明显观察到伪迹去除效果，为后续的神经振荡分析和脑网络研究提供清洁数据。

数据集特色与创新价值

该数据集最显著的特点是同时提供原始和处理后两个版本的数据，这为方法学比较和算法开发提供了独特机会。研究人员可以基于原始数据开发新的预处理流程，或直接使用清洁数据进行高级分析。此外，数据集还包含详细的元数据和通道位置信息，确保研究结果的可重复性和可比性。

研究结论与意义

这项研究建立的咒语诵念脑电图数据集填补了冥想神经科学研究领域的重要空白。通过提供高质量、标准化的32通道脑电图数据，该资源为多学科研究提供了宝贵平台。从神经科学角度，数据集支持对咒语诵念神经机制的深入探索，特别是前额叶和中央区alpha和theta振荡变化的研究。从方法学角度，数据集为脑电图预处理算法和分类方法的基准测试提供了标准。

该数据集的发布将显著促进多个领域的研究进展。在临床医学方面，有助于开发基于冥想的神经调节疗法；在心理学领域，为冥想促进心理健康的机制研究提供神经证据；在工程技术方面，推动脑机接口(BCI)和神经工程的发展。更重要的是，这种开放科学的方法有助于建立可重复的研究标准，推动整个领域的健康发展。

未来研究方向包括利用该数据集进行脑网络连接分析、机器学习分类模型开发以及跨文化冥想研究比较。随着更多研究团队使用这一资源，我们有望更深入地理解咒语诵念如何影响大脑功能，从而为心理健康干预和认知增强提供新的科学依据。