العوامل الاصطناعية هي إشارات غير مرغوب فيها لا يصدرها الدماغ، والتي يمكن أن تشوه التفسير البصري لتخطيط كهربية الدماغ وتفسد التحليلات الخوارزمية التي تدير واجهات الدماغ والحاسوب أو مراقبة الحالة العقلية.
سواء كنت تقرأ مخطط كهربية الدماغ الخام بحثًا عن علامات الصرع أو تغذي البيانات في مسار التعلم الآلي، فإن العوامل الاصطناعية غير المكتشفة يمكن أن تظهر في شكل موجات مرضية أو تؤدي إلى تباين يقلل من أداء النموذج.
يرشدك هذا الدليل الميداني العملي عبر الفئتين الواسعتين للعوامل الاصطناعية في تخطيط كهربية الدماغ، ويشرح كيفية التعرف على توقيعاتها المميزة في المجال الزمني، ويعرض خطوات التنظيف اليدوي التي تظل أساسية قبل أي معالجة حسابية.
الفئتان الأساسيتان للمشغولات الاصطناعية (Artifacts) في تخطيط أمواج الدماغ (EEG)
ينشأ كل تذبذب غير مرغوب فيه في تسجيل EEG من أحد مصدرين. المشغولات الاصطناعية المرتبطة بالشخص المفحوص، أو الفسيولوجية، يولدها جسم المشارك نفسه. وتشمل هذه رمشات العين، وتوتر العضلات، ونبضات القلب، ونشاط الغدد العرقية، وكلها تنتج مجالات كهربائية تلتقطها مساري فروة الرأس جنبًا إلى جنب مع النشاط الدماغي الحقيقي.
أما المشغولات الاصطناعية التقنية، أو غير الفسيولوجية، فتنبع من معدات التسجيل والبيئة المحيطة. وتندرج المساري الرخوة، وتأرجح الكابلات، وتشبع المضخم، وتداخل التيار الكهربائي الرئيسي ضمن هذه المجموعة الثانية.
يعد التمييز بين هاتين الفئتين أول مهارة يجب إتقانها لأن استراتيجيات الوقاية والإزالة تختلف اختلافًا جوهريًا. فالاندفاع العضلي الناتج عن شد الفك يتطلب تدخلاً مختلفًا عن الطنين الدوري بتردد 60 هرتز الذي يدخل عبر كابل ضعيف التدريع.
كيفية التعرف على المشغولات الاصطناعية المرتبطة بالشخص المفحوص
رمشات العين
تعمل العين كبطارية كهربائية صغيرة؛ حيث تحمل القرنية شحنة موجبة بالنسبة للشبكية، مما يشكل ثنائي القطب القرني الشبكي. وعندما يرمش المشارك، يتحرك الجفن عبر هذا القطب الثنائي ويسحب المجال الموجب إلى أعلى، مما يؤدي إلى توليد انحراف كبير في الجهد الموجب عند المساري الجبهية الأقرب إلى العينين.
في المخطط الزمني، تظهر الرمشة كموجة بطيئة ذات سعة عالية تصل إلى أقصاها عند القنوات الجبهية القطبية مثل Fp1 وFp2، ثم تخبو بحدة كلما نظرت نحو التفرعات المركزية أو الخلفية. ونظرًا لأن شكل الموجة نمطي للغاية، يمكن للعين المدربة اكتشافها على الفور تقريبًا.
حركات العين والارتفاعات الحادة الرمشية (Saccadic Spikes)
عندما تتحرك العينان جانبيًا دون رمش، يدور ثنائي القطب القرني الشبكي بدلاً من أن يُغطى. ينتج عن هذا إزاحة شبيهة بالدرج في إشارة تخطيط كهربية العين التي قد تتسرب إلى قنوات EEG المجاورة.
بالإضافة إلى ذلك، فإن الانقباض السريع للعضلات خارج مقلة العين أثناء حركة العين الرمشية السريعة (saccade) يُنشئ عابرًا كهربائيًا قصيرًا وحادًا يُعرف بجهد الارتفاع الرمشي. وعلى المخطط الخام، يمكن أن تبدو هذه الارتفاعات الحادة شبيهة بشكل مضلل بالنشاط الصرعي. وتقتصر عادةً على المساري الجبهية والصدغية وتتزامن مع تغير في اتجاه النظر.
إن التعرف عليها يمنع الانطباع السريري الخاطئ ويتجنب الرفض غير الضروري للبيانات العصبية السليمة. ويساعد قصر مدة الارتفاع الحاد، وارتباطه بحركة العين الأفقية أو الرأسية، وافتقاره إلى موجة بطيئة تابعة في تمييزه عن التفريغ القشري الحقيقي.
نشاط العضلات
تعد عضلات فروة الرأس والوجه والرقبة مولدات غزيرة للضوضاء الكهربائية عالية التردد. فعندما يشد المشارك على فكه، أو يعقد حاجبيه، أو حتى يحتفظ بتوتر في الرقبة، تنطلق جهود فعل الوحدات الحركية بشكل غير متزامن وتتراكم في نمط تداخل غير منتظم ومدبب.
في المجال الزمني، يبدو المشغول العضلي وكأنه اندفاع سريع لانحرافات حادة منخفضة السعة تعلو إشارة EEG، وغالبًا ما تكون أكثر بروزًا فوق المساري الصدغية أو الجبهية. ويقع محتواها الترددي بشكل رئيسي فوق 20 هرتز، متغلغلًا بعمق في نطاقي بيتا وغاما حيث توجد العديد من القياسات الإدراكية، مما يجعلها مزعجة بشكل خاص لمراقبة الحالة العقلية وتطبيقات واجهة الدماغ والحاسوب.
يمكن أن تساعد تجهيزات EEG عالية الكثافة ذات المساري المتقاربة في تحديد موضع المصدر العضلي، ولكن خط الدفاع الأول هو توجيه المشارك إلى الاسترخاء وتوفير دعم بدني للرأس.
العرق والإزاحات الجلدية الكهربائية
تؤدي التغيرات في موصلية الجلد الناتجة عن نشاط الغدد العرقية إلى تغيير الواجهة بين المسرى والجلد. وينتج عن ذلك انحراف بطيء وسلس للغاية في جهد خط الأساس، غالبًا ما يقل عن 1 هرتز، ويمكن أن يتنقل عبر عدة ثوانٍ.
لا يظهر هذا المشغول الاصطناعي كارتفاع حاد أو طنين إيقاعي، بل كتموج لطيف شبيه بالموجة لكامل المخطط. وهو أكثر شيوعًا أثناء التسجيلات الطويلة، أو في البيئات الدافئة، أو مع المشاركين القلقين. ويمكن التحكم في هذا العامل المشوش منخفض التردد عن طريق الحفاظ على درجة حرارة غرفة مستقرة وضمان اتصال جيد للمساري.
إشارات القلب
المجال الكهربائي للقلب قوي بما يكفي للوصول إلى فروة الرأس، خاصة عندما تكون معاوقات المساري عالية أو عندما يوضع مسرى مرجعي بالقرب من وعاء دموي فوق الخشاء أو شحمة الأذن.
ويظهر المشغول الاصطناعي الناتج عن تخطيط كهربية القلب كمركب QRS حاد ومنتظم يتكرر مع معدل ضربات القلب—تقريبًا مرة واحدة في الثانية. وغالبًا ما يتسرب إلى العديد من القنوات في وقت واحد مع فارق زمني متسق، ويمكن للمصنفات المدربة على سمات المشغولات الاصطناعية واسعة النطاق اكتشافه جنبًا إلى جنب مع الملوثات الأخرى.
إذا كان شكل موجة القلب مرئيًا ولكنه ليس طاغيًا، فيمكن غالبًا طرحه عن طريق تسجيل قناة مخصصة لتخطيط كهربية القلب (ECG)؛ وإلا فقد تحتاج المقاطع المتأثرة إلى الرفض اليدوي.
المشغول الاصطناعي | البصمة |
|---|---|
رمش العين | موجة جبهية بطيئة |
حركة العين | إزاحة شبيهة بالدرج |
العضلات | ارتفاعات حادة عالية التردد |
العرق | انحراف بطيء في خط الأساس |
القلب | مركب QRS حاد |
التعرف على المشغولات الاصطناعية التقنية في المخطط
طفرات المساري (Electrode Pops) والارتفاعات الحادة المرتبطة بالحركة
يؤدي التغير المفاجئ في المعاوقة الناتج عن جفاف جسر الجل، أو جذب الكابل، أو تحرك المسرى إلى حدوث عابر مفاجئ وشديد الانحدار يُطلق عليه غالبًا الطفرة (pop). ويندرج هذا تحت فئة "الانقطاعات العامة" المصممة لخوارزميات آلية مثل ADJUST لتمييزها.
في المجال الزمني، تبدو طفرة المسرى عادةً كارتفاع حاد معزول ذي سعة قصوى قد يؤدي إلى تشبع المضخم، مما يجعل الإشارة مستقيمة تمامًا للحظة قبل حدوث تعافٍ بطيء. وعلى عكس الارتفاع الحيوي، فإنه لا يكون محاطًا بنشاط فسيولوجي مستمر ويظهر عادةً على قناة واحدة، مما يسهل التعرف عليه أثناء الفحص البصري.
وقد وثقت دراسة EEG لحديثي الولادة أجراها Hagmann et al. بشكل مماثل تداخلات حركة متكررة غيرت المخطط المدمج للسعة، مؤكدة أن حتى الاضطرابات البدنية الوجيزة تُحدث تلوثًا قابلاً للقياس.
تداخل التيار الكهربائي الرئيسي
يؤدي الاقتران السعوي للإمداد الكهربائي في نظام التسجيل إلى حدوث "طنين" إيقاعي مستمر عند تردد التيار الرئيسي—50 هرتز في أوروبا ومعظم أنحاء العالم، و60 هرتز في أمريكا الشمالية.
في مخطط EEG الخام، يظهر هذا التداخل كموجة جيبية سميكة متراكبة على كل قناة، وغالبًا بسعة متسقة. وحتى القدر الضئيل من ضوضاء الخط الكهربائي يمكن أن يحجب الإيقاعات المخية منخفضة الجهد، ويشير وجودها إلى مشكلة في معاوقة المسرى، أو التدريع، أو التأريض.
وهو دائمًا مشغول تقني وليس تذبذبًا عصبيًا، وتردده الثابت يجعل من السهل التعرف عليه بالعين المجردة أو باستخدام مخطط طيفي بسيط.
المساري الرخوة وحركة الكابلات
عندما لا يكون المسرى متصلاً بإحكام بفروة الرأس أو يتأرجح كابله في منتصف التسجيل، فإن الاضطراب الميكانيكي يُدخل تقلبات غير منتظمة منخفضة التردد. يمكن أن تبدو هذه مثل انحراف بطيء وغير منتظم أو اندفاع لموجات غير منتظمة عالية السعة على قناة واحدة.
إن الطبيعة المتفرقة واقتصار هذا المشغول على مسرى واحد يميزه فورًا عن الأحداث الفسيولوجية واسعة النطاق مثل الرمش أو توتر العضلات. ويوفر تدوين مثل هذه اللحظات في الوقت الفعلي جهدًا كبيرًا لاحقًا عن طريق تضييق نطاق البحث عن مقاطع البيانات التالفة.
منع المشغولات الاصطناعية وتوثيقها أثناء التسجيل
تبدأ استراتيجية إدارة المشغولات الاصطناعية الأكثر فاعلية قبل وقت طويل من حفظ نقطة البيانات الأولى.
فالمشارك المسترخي ينتج مشغولات عضلية وحركية للعين أقل بكثير. لذلك، خذ وقتك لشرح الجلسة، وتوفير مقعد مريح مع دعم للرأس، ومنح العينين نقطة تثبيت مستقرة لتقليل الرمش التلقائي وحركات العين الرمشية. هذه الخطوات أساسية للغاية لدرجة أنه نادرًا ما يتم توضيحها بالتفصيل في الأوراق البحثية، ومع ذلك فإن كل دراسة تقدم بيانات نظيفة تعتمد عليها ضمنيًا.
ويعد تثبيت المساري خط الدفاع التالي. فالإعداد الدقيق للجلد، واستخدام كمية كافية من الجل الموصل، والتوجيه الحذر للكابلات يقلل من التقاط الضوضاء البيئية والطفرات الناتجة عن الحركة.
وقد وجدت دراسة EEG للرضع المذكورة سابقًا أن التداخلات الكهربائية والحركية حدثت بتكرار متماثل، مما يؤكد أنه لا توجد بيئة تسجيل محصنة بطبيعتها ضد المشكلات التقنية. إن فحص المعاوقات قبل الجلسة وبعدها وتثبيت الكابلات في الملابس أو الكرسي يزيل جزءًا كبيرًا من المشغولات التي يمكن تفاديها.
أخيرًا، احتفظ بسجل مستمر للمشغولات المرئية أثناء التسجيل. دوّن وقت أي حركة كبيرة، أو سعال، أو تعديل للمسرى. هذا النوع من التدوين اليدوي يماثل وضع العلامات الخبير المستخدم لتدريب المصنفات الآلية، حيث يضع المقيمون البشريون علامات على المقاطع لتكون بمثابة الحقيقة الأرضية (ground truth) لخوارزميات التعلم الآلي.
إن طابعًا زمنيًا بسيطًا مكتوبًا بخط اليد أو علامة حدث في برنامج التسجيل يحول التخمين إلى توثيق قابل للتكرار.
الرفض والاستيفاء اليدوي: التنظيف قبل المعالجة الحاسوبية
الفحص البصري للمخطط المستمر
قبل إسناد إزالة المشغولات الاصطناعية إلى أي خوارزمية معالجة إشارات، مرر عبر البيانات الخام واستخدم بصمات أشكال الموجات الموضحة أعلاه لتحديد الفترات الملوثة.
يوصى غالبًا بالبحث عن الموجة البطيئة الجبهية المميزة للرمش، أو الأزيز عالي التردد لنشاط العضلات، أو الارتفاع المعزول لطفرة المسرى، أو الموجة الجيبية المستمرة لضوضاء التيار الرئيسي. تدرب هذه الخطوة عينك على تمييز المشغولات الاصطناعية عن النشاط الدماغي الحقيقي وتمنع الرفض التلقائي للأحداث العصبية النادرة ذات السعة العالية التي قد تشبه المشغولات ظاهريًا.
موجة جبهية بطيئة: تشير إلى رمش العين
أزيز عالي التردد: يشير إلى نشاط العضلات
ارتفاع حاد معزول ذو سعة قصوى: يشير إلى طفرة في المسرى
موجة جيبية مستمرة: تشير إلى تداخل التيار الرئيسي
تحديد المقاطع الزمنية السيئة واستبعادها
بمجرد تحديد فترة من البيانات المليئة بالمشغولات، حددها للاستبعاد. قد يتضمن ذلك تسجيل أوقات البدء والانتهاء أو استخدام أدوات التحديد المضمنة في برنامج تحليل EEG.
وتعد الإزالة اليدوية للمقاطع الأكثر تلوثًا هي المعيار الذي بنيت عليه حتى أحدث الطرق الآلية المتطورة. ففي العمل الذي أنتج خوارزمية ADJUST، على سبيل المثال، صنف الخبراء يدويًا 640 مكونًا لإنشاء مجموعة تدريب، ثم تم قياس أداء المصنف مقابل هذه الحقيقة الأرضية المحددة يدويًا.
إن إزالة أسوأ المشغولات الاصطناعية يدويًا يقلل العبء على الخوارزميات اللاحقة ويمنعها من نشر الضوضاء إلى القنوات المجاورة أثناء خطوات التصفية المكانية.
استيفاء القناة المشوشة باستمرار
عندما يكون أحد المساري غير موثوق طوال فترة التسجيل بسبب تلامس رخو، أو جفاف الجل، أو عدم استقرار ميكانيكي، فإن إزالة تلك القناة وإعادة بناء بياناتها من المساري النظيفة المجاورة يحافظ على أبعاد البيانات الإجمالية.
يستخدم الاستيفاء توزيع الجهد المكاني عبر فروة الرأس لتقدير ما كانت القناة السيئة ستسجله، مما يستبدل المشغول الاصطناعي بإشارة محايدة ومعقولة بشكل فعال. وتحافظ هذه الخطوة على سلامة مجموعة البيانات من أجل التحليلات الطبوغرافية وتتجنب فقدان البيانات الذي قد ينجم عن التخلص من القناة بالكامل.
لماذا يظل التنظيف اليدوي ضروريًا
حتى أكثر المصنفات الآلية تطورًا تستفيد من مجموعة بيانات تم تنظيفها مسبقًا من المشغولات الكبيرة. وتوضح نتائج دراسة حديثي الولادة بأن المشغولات شغلت 12% من وقت التسجيل وأثرت على التفسير السريري مدى سهولة تشويه الاستنتاجات بسبب التلوث غير المزال.
لذلك، يضمن الفحص اليدوي التخلص من أكبر المشغولات وأكثرها وضوحًا قبل أن تدخل البيانات في مسار حاسوبي فعال، حيث قد تهيمن بخلاف ذلك على التباين وتضلل عملية التحليل إلى مكونات. كما أنه يبني دراية وثيقة بمجموعة البيانات لا يمكن لأي خوارزمية أن تضاهيها.
كيف تدعم الإزالة الآلية العمل اليدوي
تحليل المكونات المستقلة كأداة تفكيك
بمجرد إزالة أسوأ المقاطع يدويًا، يمكن لـ ICA تفكيك إشارات EEG المتبقية إلى مكونات مصدرية مستقلة إحصائيًا. وتفك هذه التقنية مزيج إشارات الدماغ والمشغولات التي التقطتها مساري فروة الرأس، فاصلةً حركات العين، والرمش، ونشاط العضلات إلى مكونات منفصلة بناءً على أنماطها المكانية والزمانية الفريدة.
ويمكن بعد ذلك تحديد وطرح المكون ذي الإسقاط الجبهي وشكل الموجة الذي يطابق إشارة الرمش بدقة، مما يترك بقية البيانات سليمة من الناحية الفسيولوجية العصبية. وتكمن قوة ICA في قدرته على التعامل مع مصادر مشغولات متعددة تحدث في وقت واحد، وهي مهمة يفرط التصحيح القائم على الانحدار الأبسط في معالجتها أو يعجز عن معالجتها بالقدر الكافي في كثير من الأحيان.
موثوقية المصنفات الحديثة
وصلت الطرق الآلية الآن إلى مستوى أداء يطابق بدقة التقييم البشري الخبير.
وقد حقق أحد المصنفات الخطية المستقلة عن المفحوص، والمدرب على ست سمات مستمدة من المجالات الترددية والمكانية والزمانية، متوسط خطأ تربيعي أقل من 10% على مجموعة بيانات زمن الاستجابة، وهو ما يقع ضمن نطاق الاختلاف بين خبيرين بشريين.
علاوة على ذلك، اتفقت خوارزمية ADJUST، التي تجمع بين سمات نوعية مكانية وزمانية للمشغولات الاصطناعية، مع التحديد اليدوي للخبراء في 95.2% من تباين البيانات عند اختبارها على مجموعة بيانات مستقلة تمامًا، وأدت إزالتها للمكونات المتأثرة بالمشغولات إلى إعادة بناء نظيفة للجهود المرتبطة بالحدث.
وصنف نهج مختلف يستخدم النماذج ذاتية الانحدار مدمجة مع آلة المتجهات الداعمة عدة أنواع من المشغولات الناتجة عن المفحوصين عبر الأفراد بدقة بلغت حوالي 94%.
وبالنسبة لمشغولات العين على وجه التحديد، فإن خوارزمية أدرجت معلومات متتبع العين لتحديد المكونات ذات الصلة بموضوعية عملت بفعالية تقارب ضعف فعالية الخبراء البشريين الذين اضطروا إلى الاعتماد على طبوغرافيا المكونات وحدها، محققة مساحة تحت منحنى خاصية تشغيل المستقبل أكبر من 0.99.
هذه الأرقام لا تلغي دور التنظيف اليدوي، ولكنها تثبت أن المجال يمتلك الآن مساعدين حاسوبيين موثوقين يمكنهم التعامل مع عمليات التحديد المتكررة وذات الحجم الكبير التي كانت تجري بالكامل يدويًا في السابق.
الموازنة بين إزالة المشغولات والحفاظ على الإشارة
يمكن أن يؤدي الرفض المفرط للمشغولات الاصطناعية عن غير قصد إلى تجريد المعلومات العصبية الحقيقية. ففي نموذج واجهة الدماغ والحاسوب القائم على التخيل الحركي، وجد الباحثون أنه بإمكانهم بأمان إزالة ما يصل إلى 60% من أكثر مكونات ICA احتواءً على المشغولات مع الحفاظ في الوقت نفسه على المعلومات التمييزية التي استخدمها نظام BCI لفك تشفير نية المستخدم.
تؤكد هذه النتيجة على المبدأ الحاسم القائل بأنه ليس كل مكون يحمل بعض تباين المشغولات الاصطناعية خاليًا من الإشارة العصبية. وتظل المراجعة اليدوية للمكونات التي اختارها المصنف الآلي مستحسنة للتأكد من أن عتبة الرفض لا تتجاوز إلى نطاق النشاط الدماغي المفيد.
التعرف الآلي على المشغولات الاصطناعية في EEG باستخدام الشبكات العصبية الالتفافية
تطورت المقاربات الآلية للتعرف على المشغولات الاصطناعية في EEG بشكل كبير، مما يوفر مكملاً لتقنيات التعرف اليدوي الموضحة أعلاه. وركز أحد خطوط البحث على الشبكات العصبية الالتفافية التي يمكنها اكتشاف المشغولات وتصنيفها دون الحاجة إلى استخراج السمات على يد خبراء أو المعالجة المسبقة للإشارة الخام.
اقترحت دراسة أجراها باحثون يفحصون بيانات EEG متعددة القنوات مستمرة بنية CNN للكشف الثنائي عن مشغولات EEG، ثم وسعوها لتصنيف أنواع متعددة من المشغولات. ويشير المؤلفون إلى أن شبكتهم المحسّنة حققت دقة تصنيف بلغت 94.17% في المتوسط عبر 17 مريضًا و9 فئات من المشغولات. ومقارنة بالبنية الأصلية القائمة على CNN، قدمت النسخة المحسّنة معلمات أقل بمقدار 4.2 مرة وعمليات حسابية أقل بمقدار 2.7 مرة، إلى جانب دقة أعلى بنسبة 17.5%. كما قيّم الباحثون نموذجهم على مجموعة بيانات جُمعت في مختبرهم باستخدام headset من طراز Emotiv Epoc X مزودة بـ 14 قناة، حيث حققت دقة بلغت 93.5% في اكتشاف مشغولات رمش العين.
ولاحظت الدراسة أن النماذج المقترحة لا تتطلب معرفة متخصصة لاستخراج السمات أو المعالجة المسبقة لبيانات EEG، وأن البنية فعالة بما يكفي لتكون قابلة للتنفيذ على الأجهزة المحمولة. يشير هذا إلى إمكانية الكشف عن المشغولات الاصطناعية في الوقت الفعلي في البيئات العملية محدودة الموارد.
ما لم تثبته هذه المجموعة من الأبحاث بعد هو كيفية أداء مثل هذه المصنفات الآلية عبر النطاق الكامل لأنواع المشغولات التي تتم مواجهتها في تسجيلات العالم الحقيقي، أو كيفية مقارنتها بالفحص اليدوي في مجموعات سكانية وبيئات تسجيل متنوعة. وتشير النتائج إلى أن التحديد الآلي والفعال لمشغولات EEG الاصطناعية أمر ممكن، ولكن إجراء المزيد من التحقق عبر ظروف أوسع يظل مجالاً مفتوحًا للبحث.
لماذا يحدد الوعي بالمشغولات الاصطناعية جودة البيانات
تؤثر المشغولات الاصطناعية بشكل مباشر على كل من التفسير البصري والقياسات الكمية. وسواء كان الهدف هو التشخيص السريري، أو اكتشافًا في علم الأعصاب، أو تطبيقًا لعافية المستهلك، فإن الطريق إلى نتائج موثوقة يمر عبر الفهم الواضح لمصادر المشغولات، وكيف تبدو في المخطط الخام، والعملية المنضبطة لمنعها وتوثيقها وإزالتها يدويًا.
يمكن للأتمتة المعتمدة على ICA تسريع سير عمل التنظيف، لكنها تعمل بأكبر قدر من الفعالية على البيانات التي تم فحصها بالفعل بواسطة عين بشرية مدربة. قد لا يبدو معدل تلوث بنسبة 12% مرتفعًا، ولكن عندما يمكن لهذا الجزء أن يغير قرارًا طبيًا أو يحجب مؤشرًا حيويًا إدراكيًا دقيقًا، يصبح الاستثمار في إدارة المشغولات الاصطناعية أمرًا لا ينفصل عن النزاهة العلمية للتسجيل.
المراجع
Plöchl, M., Ossandón, J. P., & König, P. (2012). Combining EEG and eye tracking: identification, characterization, and correction of eye movement artifacts in electroencephalographic data. Frontiers in human neuroscience, 6, 278. https://doi.org/10.3389/fnhum.2012.00278
Mognon, A., Jovicich, J., Bruzzone, L., & Buiatti, M. (2011). ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology, 48(2), 229-240. https://doi.org/10.1111/j.1469-8986.2010.01061.x
Hagmann, C. F., Robertson, N. J., & Azzopardi, D. (2006). Artifacts on electroencephalograms may influence the amplitude-integrated EEG classification: a qualitative analysis in neonatal encephalopathy. Pediatrics, 118(6), 2552–2554. https://doi.org/10.1542/peds.2006-2519
Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30
Lawhern, V., Hairston, W. D., McDowell, K., Westerfield, M., & Robbins, K. (2012). Detection and classification of subject-generated artifacts in EEG signals using autoregressive models. Journal of neuroscience methods, 208(2), 181-189. https://doi.org/10.1016/j.jneumeth.2012.05.017
الأسئلة الشائعة
ما هما الفئتان الرئيسيتان للمشغولات الاصطناعية في EEG، وكيف تختلفان؟
تنقسم مشغولات EEG الاصطناعية إلى فئتين: المشغولات المرتبطة بالشخص المفحوص (الفسيولوجية) التي يولدها جسم المشارك—مثل رمشات العين، وتوتر العضلات، ونبضات القلب، والعرق—والمشغولات التقنية (غير الفسيولوجية) الناشئة عن المعدات أو البيئة، مثل المساري الرخوة، وتأرجح الكابلات، وتداخل التيار الكهربائي الرئيسي. هذا التمييز مهم لأن كل فئة تتطلب استراتيجيات وقاية وإزالة مختلفة؛ على سبيل المثال، يتطلب اندفاع العضلات تدخلاً مختلفًا عن طنين الخط الكهربائي بتردد 60 هرتز.
كيف يمكنك التعرف على مشغول رمش العين في مخطط EEG؟
يظهر رمش العين كموجة بطيئة موجبة وكبيرة تكون في أشد حالاتها فوق المساري الجبهية مثل Fp1 وFp2، وتتلاشى بسرعة نحو القنوات المركزية أو الخلفية. ونظرًا لأن القرنية تحمل شحنة موجبة بالنسبة للشبكية، فإن حركة الجفن عبر هذا القطب الثنائي تُحدث انحرافًا نمطيًا عالي السعة يسهل اكتشافه بالتدريب.
لماذا يمكن أن يمثل نشاط العضلات مشكلة خاصة لواجهات الدماغ والحاسوب؟
تنتج المشغولات العضلية الناتجة عن شد الفك أو قطب الجبين أو توتر الرقبة تداخلاً حادًا وعالي التردد غالبًا ما يتداخل مع نطاقات موجات الدماغ بيتا وغاما حيث تعمل القياسات الإدراكية ومراقبة الحالة العقلية. يمكن لهذا التلوث أن يفسد التحليلات الخوارزمية ويقلل من أداء نماذج واجهة الدماغ والحاسوب، مما يجعله أحد أكثر المشغولات الفسيولوجية المسببة للإزعاج في إدارتها.
كيف يبدو مشغول تداخل التيار الرئيسي، وما أسبابه؟
يظهر تداخل التيار الرئيسي على هيئة "طنين" مستمر وإيقاعي لموجة جيبية متراكبة على كل قنوات EEG، وعادة ما يكون بتردد 50 أو 60 هرتز اعتمادًا على الإمداد الكهربائي للمنطقة. وينشأ عن الاقتران السعوي لمصدر الطاقة في نظام التسجيل بسبب ضعف معاوقة المسرى، أو عدم كفاية التدريع، أو مشكلات التأريض، وهو بوضوح مشغول تقني وليس إشارة عصبية.
لماذا يعد التدوين اليدوي للمشغولات أثناء التسجيل أمرًا مهمًا؟
يساعد الاحتفاظ بسجل مستمر للحركات الكبيرة أو السعال أو تعديلات المساري أثناء الجلسة في تضييق نطاق مقاطع البيانات التالفة لاحقًا ويحول التخمين إلى توثيق قابل للتكرار. كما يعكس هذا التدوين اليدوي عملية التصنيف الخبيرة المستخدمة لتدريب المصنفات الآلية، مما يوفر حقيقة أرضية تعزز موثوقية كل من التنظيف اليدوي والحاسوبي.
ما هو الغرض من استيفاء قناة EEG مشوشة باستمرار؟
عندما يكون أحد المساري غير موثوق به طوال فترة التسجيل بسبب ضعف التلامس أو جفاف الجل، فإن الاستيفاء يعيد بناء بيانات تلك القناة من المساري النظيفة المجاورة باستخدام توزيع الجهد المكاني عبر فروة الرأس. يحافظ هذا على الأبعاد الإجمالية لمجموعة البيانات من أجل التحليلات الطبوغرافية، متجنبًا فقدان البيانات الذي قد يحدث إذا تم التخلص من القناة بأكملها.
كيف يساعد تحليل المكونات المستقلة (ICA) في إزالة المشغولات؟
يحلل ICA إشارات EEG المختلطة إلى مكونات مصدرية مستقلة إحصائيًا، فاصلةً رمشات العين ونشاط العضلات والمشغولات الأخرى بناءً على أنماطها المكانية والزمانية الفريدة. بمجرد تحديد مكون المشغول الاصطناعي—مثل مكون ذي إسقاط جبهي يطابق الرمشة—يمكن طرحه، مما يترك الإشارات العصبية الأساسية سليمة إلى حد كبير ويتعامل مع مصادر مشغولات متعددة متزامنة بشكل أكثر فعالية من طرق الانحدار البسيطة.
ما هو خطر الإفراط في إزالة المشغولات آليًا؟
يمكن أن يؤدي الرفض المفرط عن غير قصد إلى تجريد المعلومات العصبية الحقيقية، حيث تحمل بعض المكونات كلاً من تباين المشغولات والنشاط الدماغي المفيد. وحتى لو قامت المصنفات الآلية بوضع علامات على العديد من المكونات، فإن المراجعة اليدوية للمكونات المراد إزالتها تظل مستحسنة لضمان عدم إقصاء عتبة الرفض للإشارات الضرورية لفك تشفير نية المستخدم أو اكتشاف المؤشرات الحيوية الإدراكية.
لماذا يؤثر الوعي بالمشغولات الاصطناعية بشكل مباشر على النزاهة العلمية لتسجيل EEG؟
يمكن أن تتقمص المشغولات الاصطناعية أشكال موجات مرضية أو تُدخل تباينًا يشوه كلاً من التفسير البصري والتحليلات الكمية، مما قد يغير التصنيفات السريرية أو يحجب إشارات إدراكية دقيقة. وتعد العملية المنضبطة لمنع المشغولات وتوثيقها وتنظيفها يدويًا أمرًا أساسيًا قبل أي معالجة حاسوبية، مما يضمن أن الاستنتاجات المستخلصة من البيانات موثوقة وغير ملوثة بالتداخلات.
تُعد Emotiv شركة رائدة في تقنيات الأعصاب، تساعد على تطوير أبحاث علم الأعصاب من خلال أدوات EEG وبيانات الدماغ سهلة الوصول.
إخلاء مسؤولية طبي: المعلومات المقدمة على هذا الموقع هي لأغراض تعليمية وإعلامية فقط ولا يُقصد بها أن تكون نصيحة طبية أو صحية. قد يحتوي هذا المحتوى على أخطاء ولا ينبغي الاعتماد عليه لاتخاذ قرارات صحية أو طبية أو نمط حياة تغير مجرى الحياة. احرص دائمًا على استشارة طبيبك أو أي مقدم رعاية صحية مؤهل آخر بشأن أي أسئلة قد تكون لديك بخصوص أي حالة طبية أو علاج.
كريستيان بورغوس
