Dr. Mohammad Doostizadeh دکتر محمد دوستی زاده Journal of New Achievements in Electrical,Computer and Technology نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری Brain Dynamics and EEG-Based Closed-Loop Neurofeedback Systems in Meditation دینامیک مغزی و سامانه های نوروفیدبک حلقه بسته در مدیتیشن مبتنی بر EEG FA hajar danesh Department of Electrical and Biomedical Engineering, Faculty of Engineering and Technology Shahid Ashrafi Esfahani University, Isfahan, Iran هاجر دانش گروه برق و مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران Mohammad Masoud Namazi Department of Electrical and Biomedical Engineering, Faculty of Engineering and Technology Shahid Ashrafi Esfahani University, Isfahan, Iran محمد مسعود نمازی گروه برق و مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران Faezeh Heydari Student Scientific Association, Department of Electrical and Biomedical Engineering, Faculty of Engineering and Technology Shahid Ashrafi Esfahani University, Isfahan, Iran فائزه حیدری 2انجمن علمی دانشجویی، گروه برق و مهندسی پزشکی ، دانشکده فنی و مهندسی، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران Sahar Mirzarazi Student Scientific Association, Department of Electrical and Biomedical Engineering, Faculty of Engineering and Technology Shahid Ashrafi Esfahani University, Isfahan, Iran سحر میرزارضی 2انجمن علمی دانشجویی، گروه برق و مهندسی پزشکی ، دانشکده فنی و مهندسی، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران Abstract: Electroencephalography (EEG)-based neurofeedback in meditation is evolving from approaches focused on regulating individual frequency-band metrics toward multidimensional analysis and closed-loop systems. This article critically examines the neurophysiological and engineering dimensions of this field, with a focus on neural oscillatory dynamics, nonlinear metrics, functional connectivity, and the challenges of online signal processing. Evidence suggests that meditation-related EEG changes are not limited to fixed patterns in the alpha and theta bands; rather, they are influenced by the type of meditation protocol, including focused attention and open monitoring, the individual’s level of experience, and the aperiodic component of the power spectrum characterized by a (1/f) structure. From a system engineering perspective, a limited number of EEG channels, motion artifacts, and end-to-end feedback-loop latency are among the key challenges affecting real-time neurofeedback performance. Although adaptive architectures and integration with virtual reality (VR) offer the potential to create more interactive environments, target engagement does not necessarily translate into meaningful improvements in clinical outcomes. In this regard, controlled trials using sham feedback are important for distinguishing the specific effects of neurofeedback from nonspecific intervention effects. Overall, advancing this field requires the development of low-latency, self-regulating systems, standardization of signal-processing protocols, and clinical validation emphasizing the durability of effects and long-term behavioral outcomes نوروفیدبک مبتنی بر الکتروانسفالوگرافی (EEG) در حوزه مدیتیشن، از رویکردهای مبتنی بر تنظیم شاخص های منفرد فرکانسی به سوی سامانه های تحلیل چندبعدی و حلقه بسته در حال تحول است. این مقاله با رویکردی انتقادی، ابعاد عصب فیزیولوژیک و مهندسی این حوزه را با تمرکز بر دینامیک نوسانات عصبی، شاخص های غیرخطی، اتصال عملکردی و چالش های پردازش برخط بررسی می کند. شواهد نشان می دهند که تغییرات EEG مرتبط با مدیتیشن به الگوهای ثابت در باندهای آلفا و تتا محدود نیستند، بلکه تحت تأثیر نوع پروتکل مدیتیشن، از جمله توجه متمرکز و پایش باز، میزان تجربه فرد و مؤلفه غیرنوسانی طیف توان با ساختار (1/f) قرار دارند. از منظر مهندسی سامانه، محدودیت تعداد کانال ها، آرتیفکت های حرکتی و تأخیر کل حلقه بازخورد، از جمله چالش های مؤثر بر عملکرد بلادرنگ نوروفیدبک هستند. اگرچه معماری های تطبیقی و ادغام با واقعیت مجازی (VR) ظرفیت ایجاد محیط های تعاملی تر را فراهم می کنند، درگیری هدف عصبی (Target Engagement) لزوماً به بهبود معنادار پیامدهای بالینی منجر نمی شود. در این راستا، کارآزمایی های کنترل شده با بازخورد ساختگی (Sham) برای تفکیک اثرات اختصاصی نوروفیدبک از اثرات غیراختصاصی مداخله اهمیت دارند. در مجموع، توسعه این حوزه مستلزم طراحی سامانه های کم تأخیر و خودتنظیم، استانداردسازی پروتکل های پردازش سیگنال و اعتبارسنجی بالینی با تأکید بر پایداری اثرات و پیامدهای رفتاری در بلندمدت است. https://jnaect.ir/downloadfilepdf/2199548