تحليل الأنماط التجريبية

لماذا تقاوم إشارات تخطيط كهربائية الدماغ (EEG) أدوات معالجة الإشارات التقليدية

تكمن المشكلة الأساسية في تطبيق طرق معالجة الإشارات الكلاسيكية على تخطيط كهربائية الدماغ (EEG) في مشكلة هيكلية. إذ يقوم تحليل فورييه بتفكيك الإشارة إلى مكتبة ثابتة من موجات الجيب وجيب التمام، وهو نهج يعمل بسلاسة عندما لا يغير العمل الأساسي سلوكه الإحصائي بمرور الوقت.

ولا يفي تخطيط كهربائية الدماغ (EEG) بهذا الشرط. إذ يبدو النشاط الدماغي للشخص أثناء الراحة الهادئة مختلفاً إحصائياً عن نشاط الشخص نفسه أثناء موجة من الانتباه المركّز أو، في بيئة سريرية، أثناء نوبة صرع. وتستشهد الأبحاث بهذه السمة غير المستقرة كمبرر أولي للتحول إلى طريقة التفكيك المودي التجريبي (EMD) بدلاً من الأدوات المعتمدة على التردد والمصممة للإشارات المستقرة.

والنتيجة العملية هي أن الطريقة التي تفترض الاستقرار يمكن أن تشوه أو تشوه تمثيل الأحداث العصبية العابرة، حيث تتعامل مع طفرة وجيزة كما لو كانت منتشرة بالتساوي عبر نافذة زمنية أطول. وبالنسبة لتطبيقات مثل تشخيص الصرع، حيث يحمل توقيت وشكل الطفرة وزناً تشخيصياً، فإن هذا النوع من التشويه يمثل قصوراً حقيقياً.

والحل المقترح من طريقة التفكيك المودي التجريبي (EMD) هو تجنب افتراض الأساس الثابت تماماً والسماح للتفكيك بالتكيف مع أي شكل تتخذه الإشارة بالفعل.

ماذا يفعل التفكيك المودي التجريبي وما هي آلية عمله

يعمل التفكيك المودي التجريبي (EMD) من خلال عملية متكررة تسمى الغربلة. وتحدد الخوارزمية القمم والقيعان المحلية للإشارة، وتربطها في أغلفة علوية وسفلية، وتطرح متوسط تلك الأغلفة من الإشارة الأصلية.

وتتكرر هذه الخطوة حتى يستوفي المكون الناتج شرطين:

1. أن تكون أغلفتها العلوية والسفلية متناظرة حول الصفر

2. أن يظل متوسطها قريباً من الصفر عبر الجزء بأكمله.

وبمجرد أن يستوفي المكون هذه الشروط، يتم تصنيفه على أنه وظيفة مودي جوهرية (IMFs)، ويتم طرحه من الإشارة الأصلية حتى تتمكن العملية من استخراج المكون التالي.

والنتيجة هي حزمة من وظائف IMFs المرتبة من أسرع التذبذبات إلى أبطئها، تليها نزعة متبقية نهائية تلتقط أي انحراف بطيء متبقٍ. ونظراً لأن كل وظيفة IMF يتم استخراجها مباشرة من الشكل المحلي للبيانات بدلاً من مطابقتها مع شكل موجة محدد مسبقاً، يمكن للتفكيك المودي التجريبي (EMD)، من الناحية النظرية، تمثيل الديناميكيات غير المنتظمة والمتغيرة دون الحاجة إلى قيام المحلل باختيار أساس مسبقاً.

كيف يلتقط التفكيك المودي التجريبي (EMD) الأحداث العابرة مثل طفرات النوبات

تحمل الأحداث العابرة في تخطيط كهربائية الدماغ (EEG)، أو طفرات الصرع، أو الهبات القصيرة المرتبطة بمهمة معرفية، أهمية سريرية وعصبية فائقة، ولكنها غالباً ما تكون مدفونة تحت نشاط الدماغ الخلفي أو الضوضاء الملوثة. وهذا هو السيناريو المحدّد الذي يُفترض أن يقدم فيه تفكيك EMD المحلي والتكيفي ميزة تفوق الطرق ذات الأساس الثابت.

وقد اختبرت دراسة أجراها سافي الدين وآخرون ذلك مباشرة من خلال محاكاة إشارات شبيهة بطفرات الصرع وتلويثها بآثار عضلية حقيقية بكثافات مختلفة، ثم مقارنة أربع طرق للتصحيح:

1. EMD

2. تحليل المكونات المستقلة (ICA)

3. تحليل الارتباط القانوني (CCA)

4. تحويل المويجة

عندما كان التلوث شديداً، تفوق تفكيك EMD على البدائل الثلاثة الأخرى. ومع ذلك، لم تكن هذه الميزة مطلقة. فعندما كانت الإشارة أقل ضوضاء وكانت الطفرات تأتي من مصدر قشري واحد، أنتج تحليل CCA وتحليل ICA نتائج أفضل. وعندما نشأت الطفرات من مصدرين متميزين، كان تفكيك EMD أو تحليل ICA يعمل بشكل أفضل في ظل الضوضاء الشديدة، بينما كان أداء تحويل المويجة أفضل في ظل الضوضاء الخفيفة.

بمعنى آخر، اعتمدت أفضل أداة لإزالة الآثار على كل من مستوى الضوضاء وتكوين المصدر الأساسي، وكان تفوق تفكيك EMD أقوى على وجه التحديد في حالة التلوث الشديد.

وفي الوقت نفسه، انتقلت الدراسات البحثية التي أجراها رياض وآخرون وشفيع Alam وآخرون من تصحيح الآثار إلى التصنيف، باستخدام وظائف IMFs كمصدر للميزات للكشف عن النوبات والصرع.

واستخرج فريق رياض العزوم الزمنية، أي المقاييس الإحصائية مثل التباين، والالتواء، والتفرطح، إلى جانب الميزات الطيفية مثل المركز الطيفي والالتواء الطيفي، من كل وظيفة IMF. وتمت تغذية هذه الميزات في آلة ناقل الدعم، وهو مصنف قياسي للتعلم الخاضع للإشراف، وأنتج التصنيف الناتج لمرضى الصرع وأجزاء النوبات ما وصفه المؤلفون بنتائج جيدة تمت مقارنتها بشكل إيجابي مع طرق استخراج الميزات المعترف بها الأخرى.

وذهب فريق Alam إلى أبعد من ذلك باستخدام عزوم إحصائية ذات ترتيب أعلى تم حسابها ضمن نطاق EMD، وتغذيتها في شبكة عصبية اصطناعية. وعبر العديد من مهام التصنيف، بما في ذلك التمييز بين نشاط النوبات والنشاط الخالي من النوبات، سجلت الطريقة دقة وحساسية ونوعية تصل إلى 100 بالمائة، بينما كانت تعمل بشكل أسرع من تقنيات تحليل الوقت والتردد المماثلة.

وبالنظر إليها مجتمعة، تشير هذه الدراسات إلى أن تفكيك EMD يمكن أن يساعد في عزل نشاط الصرع العابر، ولكن أداءه حساس لمستوى الضوضاء وهندسة المصدر ومجموعة البيانات التي يتم اختباره عليها بدلاً من أن يكون ميزة ثابتة ومضمونة.

التحديات الشائعة في التفكيك المودي التجريبي

يتميز تفكيك EMD بالمرونة، ولكن هذه المرونة تخلق خيارات منهجية يمكن أن تؤثر على الاستنتاجات العلمية. فالاضطرابات الصغيرة في الإشارة قد تغير القيم المتطرفة، وبالتالي تغير الأغلفة والأنماط المستخرجة. ويمكن للضوضاء، والترشيح، والتسجيلات القصيرة، والحدود الحادة أن تجعل التفكيك أقل استقراراً.

وتساعد عمليات التحقق الشائعة في كشف هذه الصعوبات بدلاً من إخفائها. وهي تشمل:

• قياس خطأ إعادة البناء بعد جمع وظائف IMFs والمتبقي.

• اختبار الحساسية لمعالجة النقاط النهائية وعتبات الغربلة.

• مقارنة التفكيك عبر الأجزاء المتكررة أو مجموعات الضوضاء.

• فحص ما إذا كان المكون الذي تمت إزالته يحتوي على نشاط عصبي معقول.

ولا تلغي عمليات التحقق هذه الغموض، ولكنها تجعله مرئياً. وقد يتطلب خلط الأنماط خياراً جماعياً، في حين أن محتوى التردد العالي الزائد قد يشير إلى تلوث بدلاً من نمط عصبي مفيد. وفي جميع الحالات، يجب أن يوضح التحليل القرارات التي أنتجت التمثيل النهائي.

والتحدي الآخر هو التواصل. فمؤشر IMF هو تسمية خوارزمية، وليس تشخيصاً أو حزمة موجات EEG محددة عالمياً. وهناك حاجة إلى أشكال واضحة، وسجلات للمعلمات، ولغة حذرة عندما تنتقل النتائج من معالجة الإشارات الاستكشافية إلى التفسير الطبي الحيوي.

خلط الأنماط: نقطة الضعف الرئيسية لتفكيك EMD الأساسي

إن أوضح نقطة ضعف هيكلية في تفكيك EMD الأساسي هي ظاهرة تسمى خلط الأنماط. وتحدث بطريقتين مترابطتين. فإما أن ينتهي الأمر بالتذبذبات التي تعمل على مقاييس زمنية مختلفة تماماً محاصرة داخل نفس وظيفة IMF، أو أن يتجزأ مكون إيقاعي متماسك واحد ويتشتت عبر عدة وظائف IMFs بدلاً من البقاء محتوياً في وظيفة واحدة. وتجعل كلتا النسختين من المشكلة من الصعب الثقة في أن وظيفة IMF تتوافق مع عملية فسيولوجية حقيقية وفردية.

الخطر العملي هو خطر تفسيري. فإذا افترض الباحث أن وظيفة IMF معينة تمثل، على سبيل المثال، نشاطاً في حزمة ترددية محددة، ولكن تلك الوظيفة تحتوي في الواقع على مزيج من الآثار العضلية ونشاط طفرة متبقٍ بسبب خلط الأنماط، فإن أي استنتاج يتم استخلاصه من وظيفة IMF تلك يصبح غير موثوق به.

التفكيك المودي التجريبي الجماعي الكامل

التفكيك المودي التجريبي الجماعي الكامل، والذي يُطلق عليه عادةً CEEMD، هو امتداد مدعوم بالضوضاء لتفكيك EMD. ويضيف هذا التفكيك إدراكاً مدروساً ومتحكماً به للضوضاء إلى الإشارة، ويفكك المجموعة الناتجة، ويقيس متوسط الأنماط المقابلة. والهدف من ذلك هو جعل التفكيك أكثر استقراراً عندما يكون من الصعب فصل المقاييس التذبذبية المتقاربة.

كيف يحسن CEEMD من تفكيك EMD القياسي

يمكن أن يعاني تفكيك EMD القياسي من خلط الأنماط، حيث تظهر التذبذبات ذات المقاييس المختلفة في وظيفة IMF واحدة أو تنتشر مقاييس مماثلة عبر عدة وظائف IMFs. ويعالج CEEMD عدم الاستقرار هذا إحصائياً بدلاً من تغيير فكرة غربلة الغلاف الأساسية. ويمكن أن يقلل التفكيك المتكرر وحساب المتوسط من تأثير إدراك الضوضاء الفردي، ولكن النتيجة لا تزال تعتمد على تصميم المجموعة، وسعة الضوضاء، وعدد المحاولات، وتفاصيل التنفيذ.

وهذه الطريقة ليست متفوقة تلقائياً لكل مجموعة بيانات. فهي تزيد من التكلفة الحسابية ويمكن أن تحتفظ بالضوضاء المتبقية أو تقدم حساسية للحدود إذا تم اختيار معلماتها بشكل سيئ. وبالنسبة لتخطيط كهربائية الدماغ (EEG)، يجب أن تفحص المقارنات جودة إعادة البناء، والاستقرار عبر المحاولات، والحفاظ على الأحداث العابرة، وما إذا كانت الأنماط الناتجة تظل قابلة للتفسير لسؤال البحث المطروح.

ما هي تطبيقات تخطيط كهربائية الدماغ (EEG) التي اختبرت تفكيك EMD حتى الآن

تم تطبيق تفكيك EMD بشكل شائع في ثلاث فئات واسعة.

يمثل استخراج الميزات للتصنيف أكبر حالة استخدام. على سبيل المثال، استخدمت دراسة قادها Ning Zhuang تفكيك EMD للتعرف على المشاعر، واستخراج ميزات متعددة الأبعاد من وظائف IMFs، بما في ذلك الفارق الأول للسلاسل الزمنية، والفارق الأول للمرحلة، والطاقة المقيسة، ثم اختبارها على قاعدة بيانات المشاعر العامة DEAP. ووجدت الدراسة أن مكون IMF1 عالي التردد كان له تأثير كبير على التمييز بين الحالات العاطفية، وتفوق النهج العام على طرق المقارنة بما في ذلك البعد الكسري، واعتلاج العينة، وتحويل المويجة المنفصل.

وتم تمثيل إزالة الآثار في دراسات مثل تلك التي أجراها سافي الدين وآخرون، حيث أدت طريقة التفكيك الحتمي المعتمد على الغلاف لتفكيك EMD إلى إزالة الآثار العضلية من تخطيط كهربائية الدماغ الصرعي المحاكى بشكل أكثر فعالية من طرق ICA أو CCA أو الطرق القائمة على المويجة، وتحديداً في ظل ظروف التلوث الشديد.

وأخيراً، يمكن رؤية التحليل متعدد القنوات وواجهات الدماغ والحاسوب (BCI) في الأبحاث المنشورة في Journal of Circuits, Systems and Computers، حيث تم تطبيق تفكيك EMD بشكل منفصل على كل قناة في تسجيل تخطيط كهربائية الدماغ (EEG) متعدد القنوات، وتم تجميع وظائف IMFs الناتجة وفقاً للتشابه الطيفي لتحديد المكونات التي ارتبطت بمحفز خارجي.

وقد أتاح إعادة بناء الإشارة من المكونات المرتبطة بالمحفز فقط للباحثين تحديد متى كان الخاضع للتجربة ينتبه لمحفز معين، وهي قدرة ذات صلة مباشرة بـ أنظمة BCI التي تعتمد على التمييز بين الإشارات العصبية المقصودة والضوضاء الخلفية.

برنامج تعليمي للتفكيك المودي التجريبي للمبتدئين

يمكن للمبتدئ أن يفكر في تفكيك EMD على أنه تقشير متكرر لأسرع تذبذب مرئي بعيداً عن شكل موجي معقد. ولا تبدأ الخوارزمية بقائمة من الحزم الترددية. بدلاً من ذلك، فإنها تلاحظ أين ترتفع الإشارة وتنخفض، وتقدر خط الوسط المحلي، وتزيل خط الوسط هذا من التذبذب المرشح.

وتبدأ تمرينات التعلم المنطقية بإشارة اصطناعية قصيرة ونظيفة تحتوي على تذبذبين ونزعة بطيئة. والنتيجة المتوقعة ليست فصلاً مثالياً في كل حالة، بل هي مجموعة من المكونات التي يعيد مجموعها تقريباً إنتاج المدخلات. وغالباً ما يكون رسم الإشارة الأصلية، وكل وظيفة IMF، والمتبقي على محور زمني مشترك أكثر فائدة من فحص المخرجات الرقمية وحدها.

وبالنسبة لتسجيل تخطيط كهربائية الدماغ (EEG)، تتضمن سير العمل أيضاً قرارات تسبق التفكيك:

• تحديد القنوات والأجزاء

• التحقق من معلومات أخذ العينات

• تحديد الفترات السيئة

• توثيق المعالجة المسبقة

ويمكن أن يساعد دليل تفكيك التردد العام في تحديد موقع تفكيك EMD بين فورييه والمويجة وطرق الوقت والتردد ذات الصلة. ولا تحول هذه الخيارات تفكيك EMD إلى اختبار سريري؛ بل تحدد الظروف التي يمكن بموجبها تقييم مخرجاته.

التفكيك المودي التجريبي باستخدام بايثون (Python): دليل تفصيلي لكتابة الكود

تقبل تطبيقات بايثون عادةً مصفوفة أحادية البعد وتعيد مجموعة من وظائف IMFs، متبوعة أحياناً بـ residual أو من خلال عملية متبقية منفصلة. ويقوم سير العمل الأساسي بتحميل إشارة، وتأكيد ترتيب أخذ العينات وحالة القيمة المفقودة، وتشغيل التفكيك، ورسم المكونات. ويسجل التحليل القابل لإعادة الإنتاج أيضاً إصدار المكتبة والمعلمات التي تتحكم في الغربلة وسلوك المجموعة.

مكتبات بايثون الشهيرة لتفكيك EMD

توفر العديد من حزم بايثون العلمية تفكيك EMD أو الخوارزميات ذات الصلة، ولكن واجهات برمجة التطبيقات (APIs) والافتراضات الخاصة بها تختلف. ويكشف بعضها عن تفكيك EMD القياسي، والمتغيرات الجماعية، وعتبات التوقف، وخيارات شريحة الإدخال، ومساعدي التصور؛ بينما يتطلب البعض الآخر تجميعاً يدوياً أكبر. وتتمثل مهمة الترميز المركزية ليس فقط في استدعاء وظيفة، بل في التحقق مما تعنيه المكونات المعادة وما إذا كان مجموعها يعيد بناء المدخلات.

ونمط الكود الزائف البسيط هو:

signal = load_signal()
check_sampling_and_missing_values(signal)
imfs, residue = decompose(signal)
reconstruction = imfs.sum(axis=0) + residue
plot_components(signal, imfs, residue)

signal = load_signal()
check_sampling_and_missing_values(signal)
imfs, residue = decompose(signal)
reconstruction = imfs.sum(axis=0) + residue
plot_components(signal, imfs, residue)

signal = load_signal()
check_sampling_and_missing_values(signal)
imfs, residue = decompose(signal)
reconstruction = imfs.sum(axis=0) + residue
plot_components(signal, imfs, residue)

signal = load_signal()
check_sampling_and_missing_values(signal)
imfs, residue = decompose(signal)
reconstruction = imfs.sum(axis=0) + residue
plot_components(signal, imfs, residue)

signal = load_signal()
check_sampling_and_missing_values(signal)
imfs, residue = decompose(signal)
reconstruction = imfs.sum(axis=0) + residue
plot_components(signal, imfs, residue)

والكود تخطيطي عن قصد لأن أسماء الوظائف والقيم المعادة تختلف عبر الحزم. ويجب أن يتضمن التحقق خطأً في إعادة البناء، ورسوماً بيانية للقيم المتطرفة والحدود، وفحوصات الحساسية تحت تغييرات معقولة في المعلمات.

وبالنسبة لتخطيط كهربائية الدماغ (EEG)، تهم أبعاد البيانات أيضاً: فقد يتطلب التسجيل متعدد القنوات سير عمل خاص بكل قناة أو طريقة متعددة المتغيرات على وجه الخصوص بدلاً من دمج جميع القنوات بصمت في مصفوفة واحدة.

تطبيق التفكيك المودي التجريبي على إشارات تخطيط كهربائية الدماغ (EEG)

يعد تخطيط كهربائية الدماغ (EEG) بيئة طبيعية للتفكيك المودي التجريبي لأن تغيرات الجهد يمكن أن تحتوي على إيقاعات متداخلة، وأحداث عابرة، ونشاط غير مستقر. وقد يتم تطبيق تفكيك EMD على قنوات فردية أو أجزاء محددة لفحص كيفية تطور التذبذبات المحلية. وقد يتعلق السؤال العلمي ذو الصلة بالبنية الزمنية، أو فصل الآثار، أو التغيرات المرتبطة بالحدث، أو الميزات لنموذج إحصائي لاحق.

وقبل التفكيك، تحتاج جودة الإشارة وسياق التسجيل إلى الاهتمام. إذ يمكن أن يؤثر موضع الإلكترود، ومخطط المرجع، ومعدل أخذ العينات، والترشيح، والعينات المفقودة، والآثار المحددة على القيم المتطرفة المحلية.

وعلاوة على ذلك، لا ينبغي تعيين تسميات فسيولوجية لوظائف IMFs الناتجة بناءً على ترتيبها فقط. فقد تشمل المكونات السريعة ضوضاء العضلات أو الأدوات، وقد تحتوي المكونات الأبطأ على انحراف بالإضافة إلى النشاط الهادف.

ويكون التفسير أقوى عندما يقارن الإشارات المعاد بناؤها، ويحتفظ بمسار تدقيق واضح للمكونات المستبعدة، ويختبر ما إذا كانت النتائج تستمر عبر القنوات والمشاركين وخيارات التحليل.

التفكيك المودي التجريبي مقابل تحويل المويجة

يدعم كل من تفكيك EMD وتحويل المويجة تحليل الوقت والتردد، لكنهما ينظمان بنية الإشارة بشكل مختلف. إذ يشتق تفكيك EMD الأنماط من القيم المتطرفة المحلية في البيانات المرصودة، بينما يقارن تحليل المويجة الإشارة مع عائلة محددة من وظائف الأساس المقيسة والمزاحة. أحدهما يتكيف مع البيانات؛ والآخر يوفر نظام إحداثيات متعدد المقاييس محدد مسبقاً.

ويصبح التمييز أكثر وضوحاً عند مقارنة الأولويات التحليلية:

ولا توجد طريقة تفضل عالمياً على الأخرى. إذ يمكن أن يقدم تفكيك EMD تفكيكاً بديهياً للتذبذبات المتغيرة، بينما يمكن أن توفر المويجات إطاراً متسقاً لمقارنة الإشارات عندما يكون الأساس والمقاييس مناسبة علمياً.

ويجب أن يتبع الاختيار السؤال المطروح، والأحداث العابرة المتوقعة، والحاجة إلى قابلية إعادة الإنتاج، واستراتيجية التحقق بدلاً من الادعاء العام بأن إحدى الطرق أكثر تقدماً.

ما يكتسبه تحليل إشارات الدماغ من التفكيك الموجه بالبيانات

نادراً ما يستقر نشاط الدماغ لفترة كافية لتلتقط أدوات التردد الكلاسيكية أكثر لحظاتها تعبيراً، ولهذا السبب حظيت الطريقة التي تتيح للإشارات تحديد لبنات البناء الخاصة بها باهتمام حقيقي.

ويتجاوز التفكيك المودي التجريبي الحاجة إلى قوالب رياضية ثابتة، مما يؤدي إلى نتائج أثبتت فائدتها لعزل طفرات النوبات تحت الضوضاء الشديدة واستخراج ميزات هادفة للتعرف على المشاعر. ويخلق هذا التحول نحو التحليل التكيفي مساراً لالتقاط الأحداث العصبية العابرة التي قد تتشوه أو تفوت لولا ذلك. والنتيجة العملية، كما تظهر عبر الدراسات، هي أداة يمكن أن تساعد في التصنيف وإزالة الآثار عندما تتماشى الظروف لصالحها.

المراجع

1. Safieddine, D., Kachenoura, A., Albera, L., Birot, G., Karfoul, A., Pasnicu, A., ... & Merlet, I. (2012). Removal of muscle artifact from EEG data: comparison between stochastic (ICA and CCA) and deterministic (EMD and wavelet-based) approaches. EURASIP Journal on Advances in Signal Processing, 2012(1), 127. https://doi.org/10.1186/1687-6180-2012-127

2. Riaz, F., Hassan, A., Rehman, S., Niazi, I. K., & Dremstrup, K. (2015). EMD-based temporal and spectral features for the classification of EEG signals using supervised learning. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 24(1), 28-35. https://doi.org/10.1109/TNSRE.2015.2441835

3. Alam, S. S., & Bhuiyan, M. I. H. (2013). Detection of seizure and epilepsy using higher order statistics in the EMD domain. IEEE journal of biomedical and health informatics, 17(2), 312-318. https://doi.org/10.1109/JBHI.2012.2237409

4. Zhuang, N., Zeng, Y., Tong, L., Zhang, C., Zhang, H., & Yan, B. (2017). Emotion recognition from EEG signals using multidimensional information in EMD domain. BioMed research international, 2017(1), 8317357. https://doi.org/10.1155/2017/8317357

5. Rutkowski, T. M., Mandic, D. P., Cichocki, A., & Przybyszewski, A. W. (2010). EMD approach to multichannel EEG data—the amplitude and phase components clustering analysis. Journal of Circuits, Systems, and Computers, 19(01), 215-229. https://doi.org/10.1142/S0218126610006037

الأسئلة الشائعة

ما هو التفكيك المودي التجريبي (EMD) ولماذا هو مفيد لتخطيط كهربائية الدماغ (EEG)؟

تفكيك EMD هو طريقة تكيفية لمعالجة الإشارات تعمل على تفكيك شكل موجي إلى مكونات تذبذبية تسمى وظائف مودي جوهرية دون افتراض أن الإشارة مستقرة. وهو مفيد لتخطيط كهربائية الدماغ (EEG) لأن نشاط الدماغ يتغير باستمرار ويحتوي على أحداث عابرة، وهو ما تجد الأدوات التقليدية ذات الأساس الثابت صعوبة في تمثيله بدقة.

كيف تعمل عملية الغربلة في تفكيك EMD؟

تحدد عملية الغربلة بشكل متكرر القمم والقيعان المحلية للإشارة، وتبني أغلفة علوية وسفلية، وتطرح متوسطها من الإشارة. وتتكرر هذه الخطوة حتى يحتوي المكون المتبقي على أغلفة متناظرة ومتوسط يقرب من الصفر، وعند هذه النقطة يصبح وظيفة مودي جوهرية.

ما هي وظائف المودي الجوهرية (IMFs)؟

وظائف IMFs هي لبنات البناء الموجهة بالبيانات والتي ينتجها تفكيك EMD، وهي مرتبة من أسرع التذبذبات إلى أبطئها. ونظراً لأنه يتم استخراجها مباشرة من الشكل المحلي للإشارة بدلاً من مطابقتها مع شكل موجة مسبق الضبط، يمكنها التقاط الديناميكيات العصبية غير المنتظمة والمتغيرة.

لماذا يعد خلط الأنماط مشكلة في تفكيك EMD؟

يحدث خلط الأنماط عندما تصبح التذبذبات ذات المقاييس الزمنية المختلفة محاصرة في نفس وظيفة IMF أو عندما ينقسم إيقاع واحد عبر وظائف IMFs متعددة. وهذا الغموض يجعل من الصعب الثقة في أن وظيفة IMF تمثل عملية فسيولوجية واحدة، مما قد يمزج الضوضاء أو الآثار مع النشاط الدماغي الحقيقي.

كيف يتعامل تفكيك EMD مع الأحداث العابرة مثل طفرات النوبات؟

يعزل تفكيك EMD الطفرات الوجيزة عن طريق استخراجها إلى وظائف IMFs عالية التردد، حيث يتم فصل النشاط الخلفي. وتحت التلوث العضلي الشديد، تفوق تفكيك EMD على طرق إزالة الآثار الأخرى، على الرغم من تضاؤل ميزته مع الإشارات الأنظف أو تكوينات المصدر المختلفة.

هل يمكن لتفكيك EMD أن يحل محل الطرق التقليدية مثل تحويل فورييه لجميع تحليلات تخطيط كهربائية الدماغ (EEG)؟

لا يعد تفكيك EMD بديلاً عالمياً؛ بل هو الأكثر قيمة للإشارات غير المستقرة والعابرة حيث تقصر طرق فورييه ذات الأساس الثابت. ومع ذلك، تختلف موثوقيته باختلاف مستويات الضوضاء ولم يتم إثباتها بعد عبر جميع ظروف تسجيل تخطيط كهربائية الدماغ (EEG).

هل يتطلب تفكيك EMD افتراض أن الإشارة مستقرة؟

لا، لا يفترض تفكيك EMD الاستقرار، وهي ميزة رئيسية مقارنة بتحليل فورييه الكلاسيكي لتخطيط كهربائية الدماغ (EEG). ويتكيف التفكيك مباشرة مع الطابع الإحصائي المتغير للبيانات، مما يسمح له بتتبع ديناميكيات الدماغ المتغيرة والأحداث الوجيزة دون تكييف مسبق.

هل يمكن لتفكيك EMD تحليل تخطيط كهربائية الدماغ (EEG) متعدد القنوات مباشرة؟

يتم تطبيق تفكيك EMD الأساسي عادةً على الإشارات أحادية البعد. ويتطلب التحليل متعدد القنوات استراتيجية مدروسة لكل قناة أو استراتيجية متعددة المتغيرات، لأن مجرد دمج القنوات يمكن أن يحجب المعنى المكاني والزمني.