Characterizing brain mechanisms underlying Neurofeedback and Meditation through whole-brain computational modeling and artificial intelligence

dc.contributor
Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
dc.contributor.author
De Filippi, Eleonora
dc.date.accessioned
2022-12-09T13:19:31Z
dc.date.available
2022-12-09T13:19:31Z
dc.date.issued
2022-11-23
dc.identifier.uri
http://hdl.handle.net/10803/687224
dc.description.abstract
En las últimas décadas, un cambio de paradigma en el estudio y el tratamiento de los trastornos cerebrales ha hecho que se preste más atención a nuevas intervenciones terapéuticas. En esta línea, las técnicas de autorregulación, como el Neurofeedback y la meditación, han encontrado amplias aplicaciones para varios trastornos cerebrales debido a sus efectos sobre el comportamiento y la neuroplasticidad cerebral. Sin embargo, los mecanismos cerebrales que subyacen a ambas intervenciones están aún por dilucidar. En esta tesis, utilizamos el modelado computacional de todo el cerebro y el aprendizaje automático para comparar los datos de neuroimagen de los sujetos que se sometieron al entrenamiento de Neurofeedback y los controles, y de los meditadores experimentados frente a los sujetos que no habían practicado la meditación. Nuestros resultados sugieren que los mecanismos cerebrales que subyacen a estas técnicas de autorregulación comparten algunos puntos en común, ya que ambos conducen a cambios localizados en la propagación de la información entre las redes a gran escala implicadas en el procesamiento de la recompensa, el aprendizaje implícito, los procesos autorreferenciales y la conciencia interoceptiva. Además, contribuimos a la investigación en el campo del EEG-Neurofeedback proporcionando un enfoque metodológico para un protocolo personalizado basado en el EEG dirigido a estados emocionales complejos.
ca
dc.description.abstract
Over the last decades, a paradigm shift in the study and treatment of brain disorders has led to increased attention toward novel therapeutic interventions. In this line, self-regulation techniques, such as Neurofeedback and meditation, have found wide applications for several brain disorders due to their effects on behavior and brain neuroplasticity. However, the brain mechanisms underpinning both interventions have still to be elucidated. In this thesis, we used whole-brain computational modeling and machine-learning to compare neuroimaging data from subjects who underwent Neurofeedback training and controls, and from experienced meditators versus subjects naive to meditation practice. Our results suggest that the brain mechanisms behind these self-regulation techniques share some commonalities, both leading to localized changes in information propagation between large-scale networks involved in reward processing, implicit learning, self-referential processes, and interoceptive awareness. Furthermore, we contributed to research in the field of EEG-Neurofeedback by providing a methodological approach for a personalized EEG-based protocol targeting complex emotional states.
ca
dc.format.extent
126 p.
ca
dc.language.iso
eng
ca
dc.publisher
Universitat Pompeu Fabra
dc.rights.license
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/4.0/
ca
dc.rights.uri
http://creativecommons.org/licenses/by/4.0/
*
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Neurofeedback
ca
dc.subject
Meditación
ca
dc.subject
Técnicas de autorregulación
ca
dc.subject
Neurociencia computacional
ca
dc.subject
fMRI
ca
dc.subject
EEG
ca
dc.subject
Conectividad efectiva
ca
dc.subject
Modelado de todo el cerebro
ca
dc.subject
Aprendizaje automático
ca
dc.subject
Selección de características
ca
dc.subject
Mecanismos cerebrales
ca
dc.subject
Meditation
ca
dc.subject
Self-regulation techniques
ca
dc.subject
Computational neuroscience
ca
dc.subject
Effective connectivity
ca
dc.subject
Wholebrain modelling
ca
dc.subject
Machine learning
ca
dc.subject
Feature selection
ca
dc.subject
Brain mechanisms
ca
dc.title
Characterizing brain mechanisms underlying Neurofeedback and Meditation through whole-brain computational modeling and artificial intelligence
ca
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
62
ca
dc.contributor.authoremail
eleonora.difilippi@upf.edu
ca
dc.contributor.director
Deco, Gustavo
dc.contributor.director
Sanchez Fibla, Marti
dc.embargo.terms
cap
ca
dc.rights.accessLevel
info:eu-repo/semantics/openAccess
dc.description.degree
Programa de doctorat en Tecnologies de la Informació i les Comunicacions


Documents

tedf.pdf

21.12Mb PDF

Aquest element apareix en la col·lecció o col·leccions següent(s)