به گزارش خبرنگار استانی ایسکانیوز از اصفهان؛ در میان فناوریهای مختلف مطالعهٔ مغز، الکتروانسفالوگرافی (EEG) جایگاه ویژهای دارد. این روش با ثبت فعالیتهای الکتریکی مغز از طریق الکترودهایی که روی پوست سر قرار میگیرند، امکان مشاهده و تحلیل فرایندهای عصبی را بهصورت غیرتهاجمی و در زمان واقعی فراهم میکند. هرچند سیگنالهای EEG بسیار ضعیف و مستعد آلودگی به نویز و آرتیفکت هستند، اما با پیشرفت روشهای پردازش سیگنال، یادگیری ماشین و هوش مصنوعی، این دادهها به منبعی ارزشمند برای مطالعهٔ عملکرد مغز تبدیل شدهاند.
امروزه تحلیل سیگنالهای مغزی تنها به تشخیص بیماریهای عصبی محدود نمیشود. توسعهٔ فناوریهای نوینی مانند رابط مغز و کامپیوتر (Brain-Computer Interface) این امکان را فراهم کرده است که افراد بتوانند تنها از طریق فعالیت مغزی با رایانهها، پروتزهای هوشمند، ویلچرهای الکتریکی و سایر سامانههای الکترونیکی ارتباط برقرار کنند. از سوی دیگر، روشهایی مانند نوروفیدبک تلاش میکنند با استفاده از بازخورد لحظهای فعالیت مغز، به بهبود عملکرد شناختی، افزایش تمرکز، کاهش استرس و حتی توانبخشی بیماران عصبی کمک کنند.
همگرایی علوم اعصاب، مهندسی پزشکی، پردازش سیگنال و هوش مصنوعی، افقهای تازهای را پیش روی پژوهشگران گشوده است؛ افقهایی که در آن مرز میان انسان و فناوری روزبهروز کمرنگتر میشود و امکان تعامل مستقیمتر با مغز بیش از هر زمان دیگری در دسترس قرار میگیرد.
در گفتوگو با آقای رضا انتشاری نجفآبادی؛ عضو هیئت علمی دانشگاه آزاد اسلامی اصفهان تلاش شده است تا از مبانی ثبت و تحلیل سیگنالهای EEG آغاز شود و سپس به کاربردهای پیشرفتهٔ این فناوری در حوزههای رابط مغز و کامپیوتر، نوروفیدبک، توانبخشی عصبی و چشماندازهای آیندهٔ پژوهش در این زمینه پرداخته گردد.
سیگنال EEG دقیقاً چیست و چه رازهایی از مغز را فاش میکند؟
سیگنال EEG ثبت فعالیت الکتریکی مغز از طریق نصب الکترودهای سطحی بر روی سر و بهصورت غیرتهاجمی است. مغز از میلیاردها نورون تشکیل شده است. وقتی نورونها با یکدیگر ارتباط برقرار میکنند، جریانهای الکتریکی کوچکی ایجاد میشود. EEG مجموع فعالیتهای الکتریکی همزمان نورونهای قشر مغز را اندازهگیری میکند. برای درک بهتر، مغز مانند یک استادیوم فوتبال است که هزاران نفر در آن فریاد میزنند و EEG مانند یک میکروفون در سقف استادیوم است که صدای محیط را ضبط میکند.
فرایند ثبت سیگنالهای EEG چطور انجام میشود و الکترودها چه نقشی در این میان دارند؟
ثبت EEG یک فرایند غیرتهاجمی است. الکترودها روی پوست سر طبق استاندارد جهانی (سیستم ۱۰-۲۰) چیده میشوند. فعالیت داخل مغز بر پایهٔ جریانهای یونی است، اما دستگاههای ثبت سیگنال با جریان الکترونی کار میکنند. الکترودها این دو دنیای متفاوت را به هم متصل میکنند. آنها تنها تغییرات ولتاژ ناشی از فعالیت مغزی را دریافت کرده و به دستگاه ثبت منتقل میکنند.
یکی از چالشهای همیشگی در ثبت EEG، وجود نویزها و آرتیفکتها است. مهمترین منابع این مزاحمها کداماند؟
آرتیفکت به مؤلفههای ناخواستهای گفته میشود که همراه سیگنال زیستی ثبت میشوند. دو دستهٔ اصلی وجود دارد: آرتیفکتهای فیزیولوژیک (از بدن فرد) که شامل آرتیفکتهای چشمی (بزرگترین منبع نویز)، عضلانی، قلبی و تنفسی هستند و آرتیفکتهای غیرفیزیولوژیک (از محیط یا تجهیزات) که شامل نویز شبکهٔ برق (۵۰ هرتز)، تغییرات امپدانس، حرکات کابلها و تداخل سایر دستگاهها میشود.
امواج مغزی مانند دلتا، تتا، آلفا و بتا چه تفاوتهایی دارند و هرکدام در چه شرایطی دیده میشوند؟
امواج مغزی بر اساس فرکانس دستهبندی میشوند. هرچه فرکانس بالاتر باشد، مغز در حالت هوشیاری و پردازش فعالتر است. امواج دلتا (۰/۵ تا ۴ هرتز) کندترین و قدرتمندترین امواج هستند که در خواب عمیق دیده میشوند و نقش بازسازی و ترمیم فیزیکی دارند. امواج تتا (۴ تا ۸ هرتز) با خواب سبک، مدیتیشن و خیالپردازی مرتبط هستند. امواج آلفا (۸ تا ۱۲ هرتز) در حالت آرامش و چشمبسته ظاهر میشوند و «حالت پل» بین هوشیاری و آرامش هستند. امواج بتا (۱۲ تا ۳۰ هرتز) وضعیت غالب در طول روز هستند؛ هوشیاری کامل، تمرکز و حل مسئله. امواج گاما (بیش از ۳۰ هرتز) سریعترین امواج هستند و در اوج تمرکز، یادگیری سریع و یکپارچهسازی اطلاعات نقش دارند.
چرا در پردازش سیگنالهای EEG از فیلترها و روشهای پیشپردازش استفاده میشود؟
استفاده از فیلترینگ و پیشپردازش برای EEG یک ضرورت مطلق است. بدون این مراحل، تحلیل دادههای مغزی عملاً غیرممکن یا بهشدت گمراهکننده خواهد بود. چهار دلیل اصلی دارد: اول، نسبت بسیار پایین سیگنال به نویز (سیگنال مغزی در حد میکروولت است، نویزها صدها برابر قویترند). دوم، جلوگیری از تفسیرهای غلط که آرتیفکتها شباهت فریبندهای به فعالیتهای مغزی دارند و میتوانند باعث تشخیصهای پزشکی اشتباه شوند. سوم، استانداردسازی برای مقایسه و تحلیل. چهارم، آمادهسازی برای مدلهای هوش مصنوعی که به الگوهای ثابت حساس هستند.
چه فرقی بین EEG و روشهایی مانند fMRI یا MEG وجود دارد؟ هرکدام چه نوع اطلاعاتی ارائه میدهند؟
EEG فعالیت الکتریکی مغز را در لحظه ثبت میکند (دقت زمانی عالی در حد میلیثانیه) اما دقت مکانی ضعیفی دارد، چون سیگنال باید از جمجمه عبور کند. fMRI تغییرات جریان خون را ثبت میکند، از لحاظ مکانی فوقالعاده دقیق است (میلیمتر) اما بسیار کند است (ثانیه) و نمیتواند سرعت پردازش فکر را نشان دهد. MEG میدانهای مغناطیسی ناشی از فعالیت نورونها را اندازهگیری میکند و هم دقت زمانی خوب و هم دقت مکانی بهتر از EEG دارد، اما دستگاههای بسیار گرانقیمتی است و به اتاقهای ایزولهٔ فوق پیشرفته نیاز دارد.
رابط مغز و کامپیوتر یا BCI یعنی چه و اصلاً چرا چنین سیستمهایی ساخته شدهاند؟
BCI یک سیستم ارتباطی مستقیم بین فعالیتهای الکتریکی مغز و یک دستگاه خارجی مانند کامپیوتر یا ابزارهای مکانیکی است. به زبان ساده، مغز میتواند بدون نیاز به اعصاب محیطی و عضلات، مستقیماً با جهان خارج ارتباط برقرار کند. هدف اصلی BCI بازیابی توانمندیهای از دسترفته است: کمک به افراد دچار فلج کامل، ضایعات نخاعی یا ALS برای کنترل بازوهای رباتیک، ویلچرهای هوشمند و پروتزهای پیشرفته؛ همچنین ارتباط با بیماران سندروم قفلشدگی و توانبخشی پس از سکتهٔ مغزی.
یک سیستم BCI از چه بخشهایی تشکیل شده و سیگنال مغزی چطور به فرمان برای دستگاه تبدیل میشود؟
یک سیستم BCI از چهار مرحلهٔ اصلی تشکیل شده است: جمعآوری سیگنال (ثبت سیگنالهای مغزی از طریق الکترودها)، پیشپردازش (حذف نویزها و تقویت سیگنال خام و تبدیل آنالوگ به دیجیتال)، استخراج ویژگی و طبقهبندی (کامپیوتر الگوهای خاص را شناسایی و به فرمان عملیاتی تبدیل میکند) و بازخورد حسی (فرد از اقدامی که در دنیای خارج انجام میدهد بازخورد دریافت میکند).
امروزه BCI در حوزهٔ پزشکی و توانبخشی چه کاربردهایی دارد؟
مهمترین کاربردها عبارتند از: بازیابی حرکت در معلولیتهای حرکتی (کنترل اسکلتهای بیرونی، پروتزهای رباتیک و ویلچرهای هوشمند)، سیستمهای ارتباطی برای بیماران سندروم قفلشدگی (تایپ مغزی و تبدیل تصورات دستنویس به متن)، مدیریت و درمان بیماریهای عصبی (کنترل صرع با سیستمهای حلقهٔ بسته و درمان افسردگی مقاوم و وسواس از طریق تحریک عمقی مغز)، توانبخشی پس از سکتهٔ مغزی (کمک به بازسازی مسیرهای عصبی) و مدیریت درد مزمن.
به نظر شما بزرگترین مانع سر راه استفاده از EEG در سیستمهای BCI چیست؟
بزرگترین چالش «نسبت سیگنال به نویز پایین» است که از چندین عامل ناشی میشود. اول، آرتیفکتهای غیرمغزی که چندین برابر قویتر از سیگنال واقعی مغز هستند (آرتیفکت عضلانی، پلکزدن و حرکت چشم، تداخل خطوط برق). دوم، پدیدهٔ هدایت حجمی که باعث میشود سیگنال در سطح پوست پخش شود و BCI نتواند منبع دقیق سیگنال را تشخیص دهد (وضوح فضایی پایین). سوم، ناپایداری سیگنال به دلیل خستگی، تغییرات فیزیولوژیک و تغییر در تماس الکترود با پوست. چهارم، نیاز به کالیبراسیون طولانی و خستهکننده که کاربر باید بارها یک حرکت را تصور کند تا سیستم الگوی مغزی او را یاد بگیرد.
نوروفیدبک یعنی چه و چه ارتباطی با تحلیل سیگنالهای EEG دارد؟
نوروفیدبک نوعی تمرین مغزی است که در آن فرد یاد میگیرد فعالیتهای مغزی خود را در لحظه تغییر دهد. در نوروفیدبک، سیگنال EEG فرد بهصورت لحظهای ثبت و پردازش میشود. کامپیوتر ویژگیهایی مانند توان امواج آلفا یا بتا را استخراج کرده و به یک فرم قابلفهم برای مغز (مانند پیشرفت در بازی ویدئویی یا تغییر تُن صدا) تبدیل میکند. EEG در اینجا نقش آینه را بازی میکند که وضعیت درونی مغز را به فرد نشان میدهد تا او بتواند کنترل آن را به دست بگیرد.
در یک جلسهٔ نوروفیدبک معمولاً چه مراحلی طی میشود و بازخورد چطور به فرد داده میشود؟
ابتدا الکترودها روی پوست سر طبق استانداردهای بینالمللی قرار میگیرند. چند دقیقه خط پایه (فعالیت مغزی در حالت استراحت) ثبت میشود. هدف جلسه تعیین میشود (مثلاً افزایش تمرکز). سپس بیمار وارد یک بازی یا تمرین میشود. وقتی الگوی مغزی مطلوب ایجاد شود، بازی پیشرفت میکند و اگر الگو نامطلوب باشد، بازی متوقف میشود. جلسه معمولاً ۲۰ تا ۴۵ دقیقه طول میکشد. مغز به تدریج یاد میگیرد که برای دریافت پاداش، آن الگوی الکتریکی خاص را تولید کند و این تکرار باعث ایجاد مسیرهای عصبی جدید و پایدار میشود.
نوروفیدبک بیشتر در چه حوزههایی مانند بهبود تمرکز، کاهش استرس یا بهبود عملکرد شناختی استفاده میشود؟
نوروفیدبک در حوزههای مختلفی کاربرد دارد: بهبود تمرکز و توجه (اصلیترین کاربرد آن در درمان ADHD است)، کاهش استرس و اضطراب (با آموزش افزایش امواج آلفا)، بهبود عملکرد شناختی (در ورزشکاران حرفهای و مدیران برای افزایش حافظهٔ کاری، خلاقیت و سرعت واکنش)، درمانهای بالینی (مدیریت صرع، درمان بیخوابی و کاهش دردهای مزمن)، توانبخشی عصبی (بعد از سکتهٔ مغزی و آسیبهای مغزی)، و برخی اختلالات روانپزشکی (افسردگی، وسواس و PTSD). بهطورکلی نوروفیدبک بیشتر در دو دسته دیده میشود: بالینی و توانبخشی (ADHD، اضطراب، خواب، درد، سکته، صرع) و ارتقای عملکرد (تمرکز، آرامش، عملکرد شناختی، عملکرد ورزشی).
چه عواملی تعیین میکنند که جلسات نوروفیدبک چقدر موفق باشند؟
موفقیت در این مسیر به عوامل متعددی وابسته است: ویژگیهای فردی مراجعهکننده (شدت مشکل، انگیزه و همکاری، سن و وضعیت سلامت عمومی)، ویژگیهای پروتکل نوروفیدبک (انتخاب پروتکل مناسب، نحوهٔ تنظیم پارامترها، تعداد و مدتزمان جلسات، کیفیت تجهیزات)، مهارت و تجربهٔ اپراتور (دانش بالینی، توانایی تفسیر EEG و مهارت ارتباطی)، محیط انجام نوروفیدبک (آرام و بدون حواسپرتی، راحتی فیزیکی) و ترکیب با درمانهای دیگر (نوروفیدبک اغلب زمانی بیشترین اثربخشی را دارد که بهعنوان یک درمان کمکی در کنار سایر روشهای درمانی استفاده شود).
آیندهٔ پژوهش در زمینهٔ تحلیل سیگنالهای مغزی و فناوریهایی مانند BCI و نوروفیدبک را چطور میبینید؟
آیندهٔ این حوزه بسیار روشن است. مهمترین جهتگیریها عبارتند از: کوچکسازی و پوشیدنی شدن دستگاهها (حرکت به سمت گجتهای بیسیم)، تحریک مغزی ترکیبی (سیستمهای حلقهٔ بسته که هم سیگنال را میخوانند و هم با تحریک الکتریکی پاسخ مغز را اصلاح میکنند)، BCIهای غیرتهاجمی با دقت بالا (توسعهٔ الکترودهای جدید با وضوح نزدیک به روشهای تهاجمی)، هوش مصنوعی برای جداسازی نویز (الگوریتمهای یادگیری عمیق برای تفکیک دقیقتر نویز از سیگنال اصلی)، نوروپروتزهای پیشرفته، BCIهای دوطرفه (هم خواندن و هم نوشتن اطلاعات به مغز)، نوروفیدبک در خانه و ادغام با واقعیت مجازی و افزوده.
خبرنگار: عسل غلامی
انتهای خبر/
نظر شما