Resumen
- Hubo problemas con la calidad de los datos debido a diferentes montajes y pasos de preprocesamiento que aumentaron la variabilidad.
- La clasificación de aprendizaje automático fue muy precisa del 97% en la discriminación previa a la meditación y la meditación final, lo que indica una diferencia entre los espectros de EEG para estas condiciones.
- Hubo una relación entre el tiempo de meditación y la probabilidad de clasificación de meditación final, con D2S2 más rápido para inducir el estado de meditación final que D3S2.
- Hubo diferencias en las bandas de potencia del EEG, con cada técnica de meditación induciendo diferentes patrones de cambios en las bandas de potencia.
Resumen
- Hubo diferencias en las bandas de potencia del EEG, con cada técnica de meditación induciendo diferentes patrones de cambios en las bandas de potencia.
- Sin filtros
- Paso de banda de 0.1 a 60 Hz
- Paso de banda de 0.5 a 80 Hz Se aplicaron previamente 3 tipos diferentes de filtrado
- La clasificación de aprendizaje automático fue muy precisa del 97% en la discriminación previa a la meditación y la meditación final, lo que indica una diferencia entre los espectros de EEG para estas condiciones.
- Hubo una relación entre el tiempo de meditación y la probabilidad de clasificación de meditación final, con D2S2 más rápido para inducir el estado de meditación final que D3S2.
- Hubo diferencias en las bandas de potencia del EEG, con cada técnica de meditación induciendo diferentes patrones de cambios en las bandas de potencia.