Functional neuroanatomy of meditation: A review and meta-analysis of 78 functional neuroimaging investigations

Auteurs : Kieran C. R. Fox, Matthew L. Dixon, Savannah Nijeboer, Manesh Girn, James L. Floman, Michael Lifshitz, Melissa Ellamil, Peter Sedlmeier, Kalina Christoff

arXiv: 1603.06342v1 - DOI (q-bio.NC)

Résumé : Meditation is a family of mental practices that encompasses a wide array of techniques employing distinctive mental strategies. We systematically reviewed 78 functional neuroimaging (fMRI and PET) studies of meditation, and used activation likelihood estimation to meta-analyze 257 peak foci from 31 experiments involving 527 participants. We found reliably dissociable patterns of brain activation and deactivation for four common styles of meditation (focused attention, mantra recitation, open monitoring, and compassion/loving-kindness), and suggestive differences for three others (visualization, sense-withdrawal, and non-dual awareness practices). Overall, dissociable activation patterns are congruent with the psychological and behavioral aims of each practice. Some brain areas are recruited consistently across multiple techniques - including insula, pre/supplementary motor cortices, dorsal anterior cingulate cortex, and frontopolar cortex - but convergence is the exception rather than the rule. A preliminary effect-size meta-analysis found medium effects for both activations (d = .59) and deactivations (d = -.74), suggesting potential practical significance. Our meta-analysis supports the neurophysiological dissociability of meditation practices, but also raises many methodological concerns and suggests avenues for future research.

Soumis à arXiv le 21 Mar. 2016

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.