توفر بيانات تخطيط كهربية الدماغ (EEG) سجلاً حساساً للوقت للنشاط الكهربائي الذي يتم قياسه من فروة الرأس. وتعتمد قيمتها ليس فقط على التسجيل نفسه، بل أيضاً على الاقتناء الدقيق، والمعالجة الشفافة، والتخزين المناسب، والتفسير المسؤول.
ما هي بيانات تخطيط كهربية الدماغ (EEG)؟
بيانات EEG هي سجل رقمي لفروق الجهد الكهربائي التي تقيسها أقطاب كهربائية موضوعة على فروة الرأس أو بالقرب منها. يتميز تخطيط كهربية الدماغ بأنه غير جراحي ويوفر دقة زمنية عالية، مما يتيح للباحثين والأطباء فحص التغيرات في نشاط الدماغ على مدار أجزاء من الألف من الثانية. وتُحفظ الإشارة الناتجة عادةً في شكل سلسلة زمنية مستمرة واحدة أو أكثر، حيث تمثل كل قناة قياساً بالنسبة إلى مرجع معين.
تعكس الإشارة مزيجاً من المصادر؛ إذ يساهم النشاط العصبي في التسجيل، ولكن يمكن أن تظهر أيضاً في المخطط شوائب (مصنوعات) ناتجة عن حركات العين، أو تقلصات العضلات، أو حركة الأقطاب، أو التداخل البيئي، أو التغيرات في جودة التلامس.
لهذا السبب، فإن بيانات EEG ليست قراءة مباشرة لعملية دماغية مفردة، بل هي ملاحظة تتطلب سياقاً، وفحوصات جودة، ومنهجية تحليلية صريحة ومحددة.
يؤثر كل من عدد القنوات، ومعدل أخذ العينات، والمرجع، ومواقع الأقطاب، وعلامات الأحداث، ومعلومات المشاركين في كيفية تفسير البيانات. ومن الناحية العملية، يكون التسجيل أكثر فائدة عندما تؤخذ الإشارة بعين الاعتبار جنباً إلى جنب مع المهمة، والحالة، والتوقيت، والظروف التي جُمعت فيها.
كيف تُولّد خلايا الدماغ إشارة EEG
إن انحرافات الجهد التي يرصدها قطب EEG لا تنشأ من جهود الفعل الحادة ذات مبدأ "الكل أو لا شيء" التي تستخدمها الخلايا العصبية للتواصل بعيد المدى، بل تنشأ من جهود ما بعد المشبك التدرجية الأبطأ التي تنتشر عبر التغصنات الشجرية للخلايا الهرمية القشرية.
عندما ينشط الآلاف من هذه الخلايا العصبية في تزامن تقريبي، تتجمع تياراتها الدقيقة خارج الخلوية عبر الوسط الموصِل للدماغ، والسائل الدماغي الشوكي، والجمجمة، وفروة الرأس، وهي عملية تسمى التوصيل الحجمي. والجهد الذي يصل أخيراً إلى مستشعر التسجيل هو انعكاس مشوش ولكنه حقيقي لذلك التزامن العصبي واسع النطاق.
كيف تعمل عملية اكتساب بيانات EEG
أثناء الاكتساب، ترصد الأقطاب تقلبات صغيرة في الجهد ويقوم نظام التسجيل بتحويلها إلى عينات رقمية. يسجل النظام عادةً قنوات متعددة في وقت واحد، بينما يوفر المرجع والتأريض السياق الكهربائي اللازم لحساب قيم القنوات. ويحدد معدل أخذ العينات مدى تكرار قياس الإشارة، وبالتالي التغيرات التي يمكن تمثيلها بدقة وموثوقية.
قبل التسجيل، يضع الفنيون أو الباحثون الأقطاب وفقاً لـ تركيب قنوات (montage) محدد ويتحققون من جودة التلامس. ويصف إطار وضع أقطاب EEG نهجاً موحداً يدعم المقارنة عبر الجلسات والمختبرات المختلفة. ويمكن إضافة علامات الأحداث عند ظهور محفز، أو استجابة مشارك، أو حدوث واقعة سريرية، مما يُنشئ خطاً زمنياً يمكن محاذاته لاحقاً مع الإشارات المسجلة.
يتشكل الاكتساب أيضاً وفقاً للبروتوكول؛ حيث تستخدم تسجيلات حالة الراحة، ودراسات النوم، والمهام المعرفية، ومراقبة النوبات فترات زمنية، وتعليمات، ومستشعرات مساعدة مختلفة. وبالتالي، فإن مجموعة البيانات الكاملة تتضمن ما هو أكثر من مجرد مسارات الجهد الكهربائي: فقد تحتوي على تسميات القنوات، ومواقع الأقطاب، وإعدادات الجهاز، ورموز الأحداث، والتعليقات التوضيحية، وسجل للانقطاعات أو الظروف غير المعتادة.
أفضل الممارسات لجمع بيانات EEG
يبدأ الجمع الجيد ببروتوكول يحدد سؤال البحث، ومدة التسجيل، وتكوين القنوات، ومعدل أخذ العينات، والمرجع، وإجراء وسم الأحداث قبل اختبار المشاركين. يقلل الاتساق من التباين غير المرغوب فيه بين الجلسات ويجعل المقارنات اللاحقة أكثر موثوقية ودقة. ويجب أن يصف البروتوكول أيضاً ما يحدث عندما تكون إحدى القنوات مشوشة، أو يتحرك المشارك، أو يتم تفويت علامة حدث ما.
يُعد الإعداد المادي أمراً بالغ الأهمية أيضاً لأن جودة الإشارة يمكن أن تتدهور بسبب الحركة العادية وضعف تلامس الأقطاب. ولهذا السبب يقوم المشغلون عادةً بفحص المعاوقة أو مؤشرات التلامس المماثلة، وشرح المهمة بوضوح، وتسجيل التغيرات ذات الصلة في حالة المشارك. لا تزيل هذه الخطوات كل شائبة، لكنها تجعل تحديد مصدرها أسهل وتمنع الخلط بين المشكلات التي يمكن تفاديها وبين النتائج العصبية الحقيقية.
يمكن لقائمة مراجعة قصيرة لعملية الجمع أن تبقي التفاصيل التشغيلية واضحة دون أن تحل محل الحكم العلمي:
تأكيد تسميات القنوات، ومواقع الأقطاب، والمرجع، والتأريض.
تسجيل إعدادات أخذ العينات، وإعدادات المرشحات، وتكوين الجهاز.
وسم المحفزات، والاستجابات، وفترات التوقف المؤقت، والأحداث ذات الصلة السريرية بشكل متسق.
توثيق الانقطاعات، والحركة، وتغييرات الأقطاب، وحالات المشاركين غير المعتادة.
بعد الجمع، يجب أن تقترن قائمة المراجعة بفحص التسجيل الأولي وبياناته الوصفية. تتيح سجلات الاكتساب الواضحة للمحللين التمييز بين سمة الإشارة الحقيقية وبين التغير الناتج عن الأجهزة، أو الإعداد، أو انحراف البروتوكول.
الأقطاب الرطبة مقابل الجافة وجودة تلامس الجلد
تبدأ جميع تسجيلات EEG بمستشعر مادي يوضع على الجلد، ويندرج هذا المستشعر تحت واحدة من عائلتين رئيسيتين.
تستخدم الأقطاب الرطبة هلاماً (gel) أو معجوناً موصلاً لسد الفجوة بين المعدن وفروة الرأس، مما يقلل المعاوقة. وتستغني الأقطاب الجافة عن الهلام، معتمدة على مواد متطورة وتضخيم أولي مدمج للحفاظ على دقة الإشارة.
تكون بعض الأقطاب نشطة، مما يعني أنها تحتوي على دوائر لتحويل المعاوقة مباشرة في موقع التسجيل؛ وتفتقر الأقطاب الخاملة إلى هذه الإلكترونيات المدمجة. وبغض النظر عن النوع، فإن جودة نقطة التلامس بين القطب وفروة الرأس تحدد مقدار الإشارة البيولوجية المتبقية قبل أن تصل إلى مضخم الإشارة.
يؤدي التلامس الضعيف إلى استقطاب الضوضاء البيئية وشوائب الحركة التي قد تطغى على نشاط الدماغ الضعيف. وقد أوضح وينكلر وزملاؤه هذا التحدي بجلاء عندما تناولوا المشكلة الشائعة لمكونات المصدر الاصطناعية من خلال بناء مصنف مستقل عن الشخص الخاضع للاختبار لمكونات تحليل المكونات المستقلة (ICA).
إن مجرد وجود هذا الجهد يؤكد أن التلوث بالشوائب يمثل مشكلة مستمرة في تسجيلات EEG، وأن التطبيق الأولي للأقطاب — تنظيف الجلد، ووضع المستشعر بشكل صحيح، والتحقق من استقرار الاتصال — هو الخطوة الأولى والأكثر مباشرة لتخفيف عبء الشوائب الذي يتعين على المعالجة اللاحقة التعامل معه.
تصميم تركيب القنوات والنظام القياسي 10–20
نظراً لأن جهود فروة الرأس ليس لها تسمية مكانية متأصلة، فقد اعتمد المجال شبكة إحداثيات منذ فترة طويلة. يحدد نظام 10–20 الدولي مواقع الأقطاب بشكل نسبي بين أربع معالم تشريحية: القطب الأنفي (nasion - جسر الأنف)، والقطب القذالي (inion - النتوء العظمي في الجزء الخلفي من الرأس)، والنقاط أمام الأذنين اليمنى واليسرى أمام الأذنين مباشرة. يعني هذا التوحيد القياسي أن القناة المسماة "Cz" تشير إلى نفس موقع قمة الرأس المركزية في كل مختبر، مما يجعل مجموعات البيانات قابلة للمقارنة مباشرة.
ويعتمد تركيب القنوات (montage) — المعرّف بأنه تحديد كيفية قياس جهد كل قطب بالنسبة إلى مرجع وكيفية عرض هذه الاشتقاقات ثنائية القطب أو المرجعية أو تخزينها — على هذا التوزيع المادي. تُعد دراسة أرنو ديلورم دليلاً قوياً على أهمية دقة معلومات تركيب القنوات في المراحل اللاحقة، حيث وجدت أن استيفاء القنوات المعطوبة (bad-channel interpolation)، وهي إحدى خطوات المعالجة المسبقة القليلة التي حسّنت باستمرار القوة الإحصائية للجهود المرتبطة بالحدث، تعتمد على معرفة الجيران المكانيين الدقيقين لكل قطب. وبدون خريطة قنوات صحيحة، لا يمكن لهذا الاستيفاء أن يعمل بشكل موثوق.
ثم يضيف أن مصنف الشوائب قد صُمم ليتوافق مع البيانات التي تستخدم تكوينات قنوات مختلفة، مما يؤكد أن السمات المكانية للمصنف تفترض وجود ترتيب موثق جيداً. وبالتالي، يصبح تركيب القنوات الموحد والمثبت بدقة هو الدعامة غير المرئية التي تدعم كلاً من التفسير البشري وإعادة الاستخدام الخوارزمي.
اختيار المرجع المتصل (Online Reference) وتوثيقه
يسجل كل مضخم EEG فرق الجهد بين نقطتين. وأثناء التسجيل المباشر، تكون إحدى هاتين النقطتين قطباً مرجعياً مادياً يتعامل معه الجهاز كخط أساس ثابت.
تشمل الخيارات الشائعة قمة الرأس (Cz)، أو شحمتي الأذن الموصلتين معاً أو نتوءات الخشاء، أو متوسط جميع قنوات فروة الرأس. ونظراً لأن ملف البيانات الأولية يخزن قيم الجهد بالنسبة إلى ذلك المرجع الأصلي، فإن هذا الاختيار يترك بصمة دائمة على الأرقام، حتى لو قام الباحث لاحقاً بإعادة إسناد الإشارة رياضياً إلى نقطة مشتركة أخرى.
في دراسة ديلورم المذكورة سابقاً، والتي اختبرت مسارات المعالجة المسبقة الآلية على ثلاث مجموعات عامة لبيانات EEG، وجد أن طرق إعادة الإسناد المرجعي والإزالة المتقدمة لخط الأساس كانت ضارة بشكل ملحوظ بالأداء، مما قلل من نسبة القنوات التي أظهرت تأثيراً تجريبياً كبيراً.
لا تعني هذه النتيجة أنه لا ينبغي إعادة الإسناد المرجعي أبداً، ولكنها تعني ضرورة تسجيل المرجع المتصل الأولي في ترويسة الملف. فمن خلال تلك الملاحظة فقط يمكن للمحلل في المستقبل أن يفهم خط الأساس الذي طُرح في الأصل وأن يقيّم ما إذا كان أي تحويل لاحق قد يشوه استجابة الدماغ الحقيقية.
التحويل التناظري الرقمي ومعدل أخذ العينات
يتم تحويل الجهد المستمر المتدفق من كل قطب إلى سلسلة من الأرقام المنفصلة بواسطة محول تناظري إلى رقمي (ADC). يحدد المعدل الذي يأخذ به المحول العينات الدقة الزمنية للسلسلة الزمنية الناتجة.
على سبيل المثال، يعني معدل أخذ عينات يبلغ 500 هرتز أنه يتم التقاط الحالة الكهربائية للدماغ مرة كل 2 ميلي ثانية. ووفقاً لنظرية نايكويست، فإن أعلى تردد يمكن تمثيله بدقة في الإشارة الرقمية يقل عن نصف معدل أخذ العينات، وبالتالي يمكن لتسجيل بمعدل 500 هرتز استعادة ترددات تصل إلى أقل بقليل من 250 هرتز. ويعمل EEG من الفئة البحثية عادةً بين 250 هرتز و1000 هرتز، اعتماداً على نطاقات التردد محل الاهتمام.
ما يجعل معدل أخذ العينات مهماً بشكل خاص كبيانات وصفية هو أنه يفرض قيوداً بصمت على الخيارات التحليلية التي يتم اتخاذها في مراحل لاحقة. وقد درس فراشيني وزملاؤه هذا التأثير المتتالي تحديداً من خلال اختبار كيف يؤدي طول الحقبة الزمنية (epoch length) — وهي النافذة الزمنية للبيانات المستخرجة لتحليل الاتصالية — إلى تغيير النتائج.
باستخدام EEG لحالة الراحة من بالغين أصحاء، أظهرت الدراسة أن قيم كل من مؤشر تأخر الطور المتوسط وارتباط غلاف السعة انخفضت مع زيادة طول الحقب الزمنية، ولم تستقر إلا بعد حوالي 12 ثانية و6 ثوانٍ على التوالي. بل إن طوبولوجيا شبكات النظرية البيانية المعاد بناؤها من البيانات تباينت مع مدة الحقبة، على الرغم من أن معلمات شجرة الامتداد الدنيا على مستوى المصدر أثبتت أنها أكثر قوة.
الخلاصة الأساسية لتوثيق البيانات الأولية هي أن عدد العينات في الثانية يضع حداً أدنى مطلقاً لكيفية تقسيم التوقيت. وإذا تم تسجيل معدل أخذ العينات بشكل غير صحيح، فإن كل علامة حدث لاحقة، وحد للحقبة، وتقدير للاتصالية يرث هذا الخطأ. لذلك، فإن تدوين معدل ADC الدقيق في ترويسة الملف هو جزء لا غنى عنه من التنظيم الإداري للبيانات.
صيغ تخزين البيانات القياسية: EDF وBrainVision
بمجرد تحويلها إلى الصيغة الرقمية، يجب أن تستقر السلسلة الزمنية وبياناتها الوصفية المصاحبة في صيغة ملف يمكن للبرامج الأخرى والمختبرات الأخرى فتحها دون غموض.
تسود صيغتان مفتوحتان في هذا المجال. الأولى هي صيغة البيانات الأوروبية (EDF)، وهي حاوية مدمجة ومعتمدة على نطاق واسع في أبحاث النوم والأوساط السريرية وتخزن قنوات متعددة إلى جانب ترويسة تحدد معدل أخذ العينات وتسميات القنوات والأبعاد المادية.
أما صيغة BrainVision، التي طورتها شركة Brain Products، فتوزع نفس المعلومات عبر ثلاثة ملفات مرتبطة: ترويسة نصية (vhdr.) تسرد أسماء القنوات ومعدل أخذ العينات والمرجع الأصلي؛ وملف علامات (vmrk.) يسجل رموز الأحداث وزمن انتقالها؛ وملف بيانات ثنائي (eeg.) يحتوي على عينات الجهد الأولي.
تتضح قيمة هذه الصيغ القياسية جلياً عند مشاركة مجموعات البيانات الضخمة مع العامة. على سبيل المثال، في دراسة أُجريت عام 2019، أطلق باحثون مجموعة بيانات متعددة النماذج لـ واجهة الدماغ والحاسوب (BCI) تغطي التخيل الحركي، والجهود المرتبطة بالحدث، والجهود البصرية المثارة الثابتة من 54 مشاركاً. وتوزيع مثل هذا المورد باستخدام نصوص تحليلية مفتوحة المصدر سيكون بلا معنى إذا كانت البيانات مغلقة داخل صيغة احتكارية.
سواء أُرشفت الملفات في النهاية بصيغة EDF أو BrainVision، فإن هذا الاختيار يضمن قدرة أي باحث على تنزيل التسجيل وإعادة إنتاج النتائج، مما يربط المسار الأولي بسلسلة قابلية إعادة الإنتاج للمجتمع بأكمله.
السمة | EDF | BrainVision |
|---|---|---|
بنية الملف | حاوية مفردة | ثلاثة ملفات مرتبطة |
معلومات الترويسة | داخل الملف | ملف نصي vhdr. |
علامات الأحداث | ليست منفصلة | ملف vmrk. |
البيانات الأولية | في نفس الملف | ملف ثنائي eeg. |
التنظيم الإداري الأساسي: خرائط القنوات والبيانات الوصفية لأخذ العينات
لا يصبح ملف EEG الأولي قابلاً للاستخدام علمياً إلا عندما يحمل وصفاً كاملاً ودقيقاً لبنيته المكانية والزمنية. وهذا يعني أن كل قناة يجب أن يكون لها تسمية قياسية (مثل Fz وC3 وO2 وما إلى ذلك) إلى جانب إحداثياتها ثلاثية الأبعاد على فروة الرأس. تتيح تلك الإحداثيات إجراء أي تحليل لاحق يتضمن علاقات مكانية، مثل استيفاء قناة معطوبة بناءً على جيرانها أو إسقاط الإشارة على نموذج المصدر القشري.
اعتمدت دراسة فراشيني وزملائه على السمات المكانية والطيفية والزمنية لتصنيف مكونات ICA على أنها نشاط دماغي أو شوائب؛ وتصبح الطوبولوجيا المكانية لمكون ما عديمة الفائدة دون معرفة الموقع المادي لكل قطب ساهم فيه.
وبالمثل، وجد ديلورم أن استيفاء القنوات المعطوبة، والذي يستخدم القيم من الأقطاب المجاورة، كان أحد التصحيحات القليلة التي حافظت على التأثيرات التجريبية بشكل موثوق. ولا يمكن لبرنامج الاستيفاء إجراء هذا التخمين المكاني إلا إذا كانت خريطة قنوات مجموعة البيانات صحيحة.
يجب أن تخزن ترويسة الملف أيضاً معدل أخذ العينات الدقيق، وتاريخ التسجيل، وتسميات واضحة لا لبس فيها لأي قنوات مساعدة مثل مخطط كهربية العين (لحركات العين) أو مخطط كهربية العضلات (للنشاط العضلي). وحتى لو بقيت تلك القنوات دون استخدام أثناء استكشاف البيانات الأولي، فإن وجودها يجب أن يكون شفافاً. إن عدم التطابق بين معدل أخذ العينات المخزن وساعة ADC الفعلية يمكن أن يشوه التوقيت بشكل لا رجعة فيه، مما يجعل من المستحيل محاذاته مع علامات المحفزات لاحقاً.
بيانات EEG في البيئات السريرية مقابل البيئات البحثية
تشترك التسجيلات السريرية والبحثية في المبادئ الأساسية ولكنها تخدم أغراضاً فورية مختلفة؛ حيث يتم الحصول على EEG السريري لدعم تقييم المرضى، أو مراقبتهم، أو تشخيصهم بموجب إجراءات مهنية ومؤسسية معتمدة. أما EEG البحثي فيُجمع عادةً لاختبار فرضية محددة، أو المقارنة بين الظروف، أو تطوير طريقة تحليلية، وذلك وفق بروتوكولات وتوثيق مخصصين للدراسة.
يولي العمل السريري تركيزاً قوياً للمراجعة في الوقت المناسب، والتركيبات ذات المعنى السريري، والتفسير المعتمد، والسجل الدائم ضمن نظام الرعاية المعمول به. بينما يركز البحث بشكل أكبر على الظروف المضبوطة، والنتائج المحددة مسبقاً، وإمكانية إعادة الإنتاج، والتعامل الشفاف مع الاستثناءات. والنتيجة البحثية لا تُعد تلقائياً نتيجة سريرية، كما أن الملاحظة السريرية لا تُعد مقياساً بحثياً معتمداً بشكل تلقائي.
يؤثر هذا التمييز أيضاً على حوكمة البيانات؛ فقد تخضع البيانات السريرية لالتزامات السجلات الطبية ومتطلبات الرعاية المباشرة، في حين تتشكل مجموعات البيانات البحثية وفقاً لصيغ الموافقة المستنيرة، والمراجعة المؤسسية، وخطط مشاركة البيانات، ونقاط النهاية للدراسة. وفي كلا السياقين، يلزم التفسير الخبير والتوثيق الدقيق لأن أنماط EEG تعتمد على السياق بدلاً من الاعتماد على قيم رقمية معزولة.
الاعتبارات المتعلقة بالخصوصية والأخلاقيات لبيانات EEG
يمكن ربط تسجيلات EEG بشخص معين من خلال المعرّفات، أو معلومات الجلسة، أو السياق السريري، أو مجموعات من البيانات الوصفية. وحتى عندما يصعب تفسير شكل الموجة نفسه خارج نطاق المتخصصين، يجب التعامل معها كبيانات حساسة لأشخاص عندما تكون متصلة بمشارك يمكن التعرف على هويته. ويجب أن يكون الجمع وإعادة الاستخدام متوافقين مع البروتوكول المعتمد ومتطلبات الخصوصية المعمول بها.
يجب أن توضح الموافقة المستنيرة الغرض من التسجيل، وأنواع التحليلات المتوقعة، ومدة التخزين، والمشاركة المحتملة، وما إذا كانت الاستخدامات المستقبلية مسموحاً بها. ويجب على الباحثين تجنب الإيحاء بأن EEG يمكنه الكشف عن أكثر مما صُممت الدراسة لقياسه. ويكتسب التواصل الواضح أهمية خاصة عندما يفترض المشاركون أن التسجيل البحثي يقدم تشخيصاً أو تقييماً فردياً.
وتستمر الممارسة الأخلاقية بعد جمع البيانات؛ إذ يساعد إخفاء الهوية، والوصول المقيد، وحدود الاحتفاظ، ومسارات التدقيق، والنشر الدقيق للبيانات الوصفية في تقليل المخاطر، ولكن لا توجد طريقة تقضي عليها تماماً. ويجب الإبلاغ عن النتائج دون المبالغة في معناها التنبؤي أو التشخيصي، كما يجب التعامل مع التصنيفات الآلية كمخرجات تحليلية تتطلب التحقق المناسب بدلاً من اعتبارها أحكاماً لا تقبل الشك حول شخص ما.
لماذا تضع جودة التسجيل الأولي الأساس لتحليل موثوق لبيانات EEG
إن جلسة EEG الواحدة هي اللحظة التي يتم فيها التقاط البنية الكهربائية للدماغ بشكل دائم، والتعقيد في ذلك المسار الأولي يعكس بالفعل الشبكات العصبية الموجودة تحت فروة الرأس. وتحمل الدراسات القائمة على علم الأعصاب والمبرزة هنا رسالة موحدة: تكمن الإشارة محل الاهتمام في البيانات الأولية نفسها، شريطة التعامل مع خطوة الاكتساب بعناية. تحدد جودة تلامس الأقطاب، ورسم خرائط القنوات بدقة، والمراجع الموثقة ومعدلات أخذ العينات، وصيغ التخزين المفتوحة ما إذا كانت تلك الإشارة ستظل متاحة عبر المختبرات وعلى مر السنين.
وأخيراً، فإن تقليل التدخل غالباً ما يتفوق على المعالجة المكثفة؛ حيث احتفظ الباحثون الذين تركوا البيانات الأولية دون مساس إلى حد كبير باستجابات الدماغ الحقيقية بشكل أفضل من أولئك الذين طبقوا تصحيحات عنيفة. يمثل التسجيل الدقيق، والبيانات الوصفية الصادقة، والحد الأدنى من التدخل انضباطاً يحافظ على سلامة الإشارة العلمية.
لذا فإن كل تحليل موثوق لا يبدأ بخوارزميات معقدة، بل بالفعل البسيط المتمثل في التقاط مسار دقيق وموثق جيداً.
إدارة الشوائب وتحسين جودة الإشارة في بيانات EEG
تصنيف فعال للشوائب قائم على الشبكات العصبية الالتفافية (CNN)
يظل التلوث بالشوائب تحدياً رئيسياً في تحليل بيانات EEG، ويمكن للتعرف الآلي عليها تسهيل المعالجة المسبقة. اقترحت إحدى الدراسات بنية لتصنيف الشوائب قائمة على CNN لا تتطلب استخراجاً يدوياً للسمات. صمم الباحثون خمسة نماذج لشبكات عصبية التفافية وقاموا بتحسينها لتحقيق كفاءة المعلمات والحوسبة.
حقق أفضل نموذج أداءً دقة تصنيف بلغت 94.17% عبر 17 مشاركاً وتسع فئات من الشوائب. وعند اختباره على مجموعة بيانات منفصلة جُمعت باستخدام headset طراز Emotiv Epoc X مكونة من 14 قناة، رصد النموذج شوائب طرفات العين بدقة 93.5%، مما يشير إلى أن الشبكات خفيفة الوزن والمتوافقة مع الأجهزة المحمولة يمكنها تحديد الملوثات الشائعة بشكل موثوق في التسجيلات متعددة القنوات المستمرة.
مجموعة بيانات EEG عامة لشوائب الحركة
تُعد أجهزة EEG القابلة للارتداء عرضة بشكل خاص لشوائب الحركة، ومع ذلك فإن مجموعات البيانات المفتوحة التي ترصد هذه الاضطرابات نادرة. ولمعالجة هذه الفجوة، أصدر الباحثون مجموعة بيانات EEG لشوائب الحركة مسجلة باستخدام headset طراز Emotiv Epoc X وبرنامج EmotivPRO.
أجرى مشارك سليم واحد سلسلة من حركات الجزء العلوي من الجسم، والجزء السفلي، وحركات الجسم بالكامل — بما في ذلك طرفات العين، وهز الرأس، والتحدث، والمشي، والجلوس — بينما تم تخزين 14 قناة من EEG وتسع إشارات لمستشعرات الحركة. يقدم المؤلفون البيانات بصيغتي CSV وMATLAB، مما ينشئ مورداً لاختبار خوارزميات إزالة التشويش في ظل ظروف حركة واقعية.
استخراج الإيقاعات الجماعية من EEG متعدد القنوات
بالإضافة إلى إزالة الشوائب، فإن تحسين نسبة الإشارة إلى الضوضاء لإيقاع دماغي شائع عبر قنوات متعددة يمكن أن يزيد من دقة التحليلات اللاحقة. قارنت دراسة استخدمت headset طراز Emotiv Epoc X بين تحليل المكونات الرئيسية (PCA) وطريقة استخراج الإيقاع الجماعي المستندة إلى التواء كوسامبي-هيلبرت (KHT).
يأخذ نهج KHT في الاعتبار تأخر الطور بين القنوات ويركز على نطاق تردد محدد. وفي التسجيلات مع إغلاق العينين وأثناء شاشة وميضية بتردد 15 هرتز، حقق نهج KHT نسبة إشارة إلى ضوضاء أعلى للإشارة الجماعية مقارنة بـ PCA، لا سيما عند إدخال تحولات زمنية عشوائية عبر القنوات. وتشير النتيجة إلى قيمة الطرق المتزامنة مع الطور لعزل النشاط التذبذبي المشترك في بيانات EEG الاستهلاكية.
توضح هذه الدراسات معاً اتجاهات عملية للتعامل مع الشوائب وتعزيز جودة الإشارة في بيانات EEG. وهي توضح أن نماذج التعلم العميق الفعالة يمكنها تصنيف الملوثات الشائعة، وأن مجموعات البيانات المصممة لهذا الغرض يمكن أن تدعم تطوير الخوارزميات للتسجيلات التي تشوبها الحركة، وأن معالجة الإشارات المراعية للطور يمكن أن تعزز الإيقاعات الجماعية. يستند العمل إلى عينات صغيرة وظروف محكومة، لذا ينبغي تفسير معدلات الدقة والتحسينات المبلغ عنها على أنها مشجعة ولكن لا يمكن تعميمها بعد على جميع الفئات أو بيئات التسجيل.
المراجع
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
Delorme, A. (2023). EEG is better left alone. Scientific reports, 13(1), 2372. https://doi.org/10.1038/s41598-023-27528-0
Fraschini, M., Demuru, M., Crobe, A., Marrosu, F., Stam, C. J., & Hillebrand, A. (2016). The effect of epoch length on estimated EEG functional connectivity and brain network organisation. Journal of neural engineering, 13(3), 036015.
Lee, M. H., Kwon, O. Y., Kim, Y. J., Kim, H. K., Lee, Y. E., Williamson, J., ... & Lee, S. W. (2019). EEG dataset and OpenBMI toolbox for three BCI paradigms: An investigation into BCI illiteracy. GigaScience, 8(5), giz002. https://doi.org/10.1093/gigascience/giz002
الأسئلة الشائعة
ما الذي يرصده تسجيل EEG تحديداً، ولماذا يُعتبر انعكاساً لنشاط الدماغ؟
يرصد تسجيل EEG التقلبات الطفيفة في الجهد على فروة الرأس والتي تنشأ عن النشاط المتزامن لمجموعات كبيرة من الخلايا العصبية القشرية. وتأتي هذه التقلبات بشكل أساسي من جهود ما بعد المشبك التدرجية في الخلايا الهرمية، والتي تتجمع عبر التوصيل الحجمي، مما يُنشئ قياساً مشوشاً ولكنه حقيقي للتزامن العصبي واسع النطاق.
لماذا تنشأ إشارات EEG من جهود ما بعد المشبك وليس من جهود الفعل؟
جهود الفعل هي أحداث قصيرة تخضع لقاعدة "الكل أو لا شيء" وتساهم بشكل ضئيل في جهد فروة الرأس، في حين تنتشر جهود ما بعد المشبك التدرجية الأبطأ عبر التغصنات الشجرية وتتجمع عبر آلاف الخلايا العصبية. ينتج عن هذا التجمع انحرافات جهد يمكن رصدها على فروة الرأس، مما يجعل جهود ما بعد المشبك المصدر الرئيسي لإشارة EEG.
ما الفرق بين الأقطاب الرطبة والجافة، وكيف تؤثر جودة تلامس القطب على التسجيل؟
تستخدم الأقطاب الرطبة هلاماً موصلاً لتقليل المعاوقة وتحسين نقل الإشارة، بينما تعتمد الأقطاب الجافة على مواد متطورة وتضخيم مدمج للحفاظ على الدقة دون هلام. تُعد جودة الواجهة بين القطب والجلد أمراً بالغ الأهمية لأن ضعف التلامس يؤدي إلى تداخل الضوضاء البيئية وشوائب الحركة التي يمكن أن تطغى على إشارة الدماغ الضعيفة.
كيف يوحّد نظام 10–20 الدولي وضع الأقطاب، ولماذا يُعد مهماً؟
يحدد نظام 10–20 مواقع الأقطاب بشكل نسبي بين أربعة معالم تشريحية — القطب الأنفي، والقطب القذالي، والنقاط أمام الأذنين اليمنى واليسرى — بحيث تشير القناة المسماة "Cz" إلى نفس الموقع في كل مختبر. يضمن هذا التوحيد إمكانية مقارنة مجموعات البيانات بشكل مباشر ويتيح تحليلات مكانية دقيقة، مثل استيفاء القنوات المعطوبة.
لماذا يُعد توثيق القطب المرجعي المتصل المستخدم أثناء تسجيل EEG أمراً ضرورياً؟
يخزن ملف البيانات الأولية قيم الجهد بالنسبة إلى المرجع المتصل، وبالتالي فإن اختيار المرجع (مثل Cz، أو شحمتي الأذن الموصلتين، أو المتوسط) يترك بصمة دائمة على الأرقام، حتى لو تمت إعادة الإسناد المرجعي لاحقاً. وبدون توثيق المرجع الأصلي، لا يمكن للمحلل المستقبلي فهم خط الأساس المطروح أو تقييم ما إذا كانت التحويلات اللاحقة تشوه استجابات الدماغ الحقيقية.
ما الدور الذي يلعبه معدل أخذ العينات في تسجيلات EEG، وكيف تنطبق نظرية نايكويست؟
يحدد معدل أخذ العينات الدقة الزمنية للإشارة الرقمية، وتنص نظرية نايكويست على أن أعلى تردد يمكن تمثيله بأمانة يقل عن نصف معدل أخذ العينات. على سبيل المثال، يمكن لمعدل أخذ عينات يبلغ 500 هرتز استعادة ترددات تصل إلى ما دون 250 هرتز بقليل، ويعمل EEG من الفئة البحثية عادةً بين 250 و1000 هرتز. ويُعد معدل أخذ العينات الدقيق أمراً بالغ الأهمية لأنه يحدد جميع التحليلات اللاحقة المتعلقة بالتوقيت.
ما هما الصيغتان المفتوحتان الرائدتان لبيانات EEG، وماذا تخزنان؟
صيغة البيانات الأوروبية (EDF) هي حاوية مدمجة تخزن قنوات متعددة مع ترويسة تحدد معدل أخذ العينات وتسميات القنوات والأبعاد المادية. وتوزع صيغة BrainVision المعلومات عبر ثلاثة ملفات مرتبطة: ترويسة (vhdr.)، وملف علامات (vmrk.)، وملف بيانات ثنائي (eeg.)، وتضمن جميعها المشاركة غير المبهمة وقابلية إعادة الإنتاج.
لماذا يُعد وجود خريطة قنوات كاملة وإحداثيات مكانية أمراً ضرورياً لملف EEG الأولي؟
تتيح خريطة القنوات ذات التسميات القياسية والإحداثيات ثلاثية الأبعاد إجراء أي تحليل مكاني، مثل استيفاء القنوات المعطوبة من القنوات المجاورة أو إسقاط الإشارات على نماذج المصدر القشري. على سبيل المثال، تعتمد مصنفات الشوائب على الطوبولوجيا المكانية، ويتطلب الاستيفاء معرفة المواقع الدقيقة للأقطاب؛ وبدون ذلك، تفشل مثل هذه التحليلات.
ما هي البيانات الوصفية الأساسية التي يجب تسجيلها في ترويسة ملف EEG، ولماذا؟
يجب أن تتضمن الترويسة معدل أخذ العينات الدقيق، وتاريخ التسجيل، وتسميات القنوات مع الإحداثيات ثلاثية الأبعاد، وتسميات لا لبس فيها للقنوات المساعدة مثل EOG أو EMG. وتعد هذه المعلومات بالغة الأهمية لأن معدل أخذ العينات غير الصحيح يمكن أن يشوه التوقيت بشكل لا رجعة فيه، كما أن خريطة القنوات الصحيحة ضرورية للاستيفاء المكاني ونمذجة المصدر.
لماذا يُعد تخطيط كهربية الدماغ (EEG) مفيداً للأبحاث؟
يوفر EEG معلومات زمنية دقيقة للغاية، مما يجعله مفيداً لدراسة الاستجابات المرتبطة بالأحداث، والإيقاعات المستمرة، والنوم، والانتباه، والمعالجة الحسية، وغيرها من الظواهر الحساسة للوقت. ويبقى تفسيره معتمداً على التصميم التجريبي وجودة الإشارة.
ما هي شوائب EEG الشائعة؟
تشمل الشوائب الشائعة طرفات العين، وحركات العين، والنشاط العضلي، وحركة الأقطاب، وضعف التلامس، وحركة الكابلات، والتداخل الكهربائي. وقد تؤثر على قناة واحدة أو عدة قنوات ويمكن أن تتداخل مع ترددات ذات أهمية علمية.
ما هي المعالجة المسبقة في تحليل EEG؟
المعالجة المسبقة هي المجموعة الموثقة من العمليات المستخدمة لإعداد التسجيلات للتحليل. ويمكن أن تشمل التصفية (الترشيح)، وإعادة الإسناد المرجعي، والتعامل مع القنوات المعطوبة، وتحديد الشوائب، وتقسيم الحقب الزمنية، وتصحيح خط الأساس، ومراقبة الجودة.
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




