প্রতিটি ইলেক্ট্রোএনসেফালোগ্রাম বা ইইজি (EEG), একই মূল ধারণার ওপর ভিত্তি করে কাজ করে: মস্তিষ্কের ভেতরে তৈরি হওয়া বৈদ্যুতিক কার্যকলাপ কলা (tissue), খুলি এবং মাথার ত্বকের মধ্য দিয়ে বাইরের দিকে প্রবাহিত হয়, যেখানে মাথার উপরিভাগে স্থাপন করা সেন্সরগুলোর সাহায্যে এটি সনাক্ত করা যায়। সেই রিডিংয়ের নির্ভুলতা মূলত আপনি কতগুলো সেন্সর ব্যবহার করছেন এবং সেগুলো কোথায় স্থাপন করছেন তার ওপর অনেকাংশে নির্ভর করে।
১০-৫ ইলেকট্রোড সিস্টেমটি গাণিতিক সূক্ষ্মতার সাথে সেই স্থাপনের প্রশ্নের উত্তর দেওয়ার জন্য তৈরি হয়েছে, যা গবেষক এবং চিকিৎসকদের ৩০০টিরও বেশি সম্ভাব্য রেকর্ডিং সাইটসহ একটি মানসম্মত মানচিত্র প্রদান করে। এটি ১৯৫০-এর দশক থেকে প্রচলিত প্রাথমিক ১০-২০ সিস্টেমে ব্যবহৃত ২১টি অবস্থানের তুলনায় একটি নাটকীয় বৃদ্ধি, যা ক্লিনিকাল ইইজি-র মূল ভিত্তি হিসেবে কাজ করে আসছে।
১০-৫ সিস্টেম বলতে কী বোঝায়?
১০-৫ সিস্টেমটি হচ্ছে ইলেকট্রোড স্থাপনের মানদণ্ডের ক্ষেত্রে ক্রমান্বয়ে উদ্ভাবিত ব্যবস্থার তৃতীয় এবং সবচেয়ে পরিমার্জিত পর্যায়। এটি মূলত শুরু হয়েছিল ১০-২০ সিস্টেম দিয়ে, যা এমন একটি পরিকল্পনা ছিল যেখানে মাথার বিভিন্ন আকৃতি এবং বিভিন্ন গবেষণাগারে ইলেকট্রোডের অবস্থান যেন একই রকম থাকে সেজন্য মাথাকে পরিমাপকৃত শতাংশের ভিত্তিতে নির্দিষ্ট কিছু দূরত্বে বিভক্ত করা হয়েছিল।
যেহেতু EEG গবেষণার জন্য আরও সূক্ষ্ম বিবরণের প্রয়োজন দেখা দেয়, বিশেষ করে পার্শ্ববর্তী মস্তিষ্কের অঞ্চলগুলির মধ্যে পার্থক্য চিহ্নিত করার মতো কাজগুলোর জন্য, তখন ১০-১০ সিস্টেমের আবির্ভাব ঘটে। এটি মূল ১০-২০ অবস্থানের মধ্যবর্তী স্থানে বিন্দু যুক্ত করে ইলেকট্রোডের সংখ্যা দ্বিগুণ করে প্রায় ৭৪টি স্থানে উন্নীত করে।
১০-৫ সিস্টেমটি একই অর্ধেক করার যুক্তিকে আরও এক ধাপ এগিয়ে নিয়ে যায়। এটি ১০-১০ ব্যবধানগুলোকে পুনরায় উপবিভক্ত করে, যার ফলে মাথার ত্বকে ৩০০টিরও বেশি নামযুক্ত অবস্থান তৈরি হয়।
এর মূল ভাবনাটি হলো, মস্তিষ্কের বিদ্যুৎ প্রবাহকে এলোমেলোভাবে এবং অনেক দূরে দূরে অবস্থানকারী পয়েন্ট থেকে সংগ্রহ করার পরিবর্তে, আপনি সম্পূর্ণ মাথার পৃষ্ঠ জুড়ে একটি ঘন ও সমানভাবে বিস্তৃত গ্রিড তৈরি করবেন। এটি ১০-২০ বা ১০-১০ সিস্টেমকে প্রতিস্থাপন করে না, বরং সেগুলির প্রসার ঘটায়।
১০-৫ EEG সিস্টেমের শারীরবৃত্তীয় ল্যান্ডমার্ক এবং স্থানাঙ্কিত গণিত
চারটি ল্যান্ডমার্ক বা মানদণ্ড এই পুরো সিস্টেমটিকে ধরে রাখে:
নেজিয়ন (Nasion) নাকের সেতুতে অবস্থিত, যেখানে কপাল অনুনাসিক অস্থির সাথে মিশেছে।
ইনিয়ন (Inion) হলো একটি ছোট হাড়ের অংশ যা মাথার খুলির গোড়ায়, মাথার পেছনে অনুভব করা যায়।
বাম এবং ডান প্রিঅরিকুলার (Preauricular) পয়েন্টগুলো প্রতিটি কানের ঠিক সামনে, গালের হাড়ের উপরের ছোট গর্তের মতো জায়গায় থাকে।
এই চারটি পয়েন্ট কার্যত প্রতিটি মানুষের মাথার খুলিতেই অনুভব করা সম্ভব, আর এই কারণেই এগুলিকে সম্পূর্ণ পরিমাপ ব্যবস্থার জ্যামিতিক ভিত্তি হিসেবে বেছে নেওয়া হয়েছিল।
এই ল্যান্ডমার্কগুলো থেকে, টেকনিশিয়ানরা কিছু নির্দিষ্ট স্ট্যান্ডার্ড পরিমাপ নেন:
স্যাজিটাল আর্ক (Sagittal arc): মাথার উপরিভাগ দিয়ে নেজিয়ন থেকে ইনিয়ন পর্যন্ত পরিমাপ করে
করোনাল আর্ক (Coronal arc): মাথার মাঝখান বরাবর বাম এবং ডান প্রিঅরিকুলার পয়েন্টের মধ্যে দিয়ে যায়
মাথার পরিধি: অনুভূমিকভাবে চারটি প্রধান ল্যান্ডমার্কেরই চারপাশ দিয়ে ঘুরে আসে
ইলেকট্রোড স্থাপনের জন্য প্রতিটি আর্ক বা অনুবৃত্তকে শতাংশ-ভিত্তিক অংশে ভাগ করা হয়
এই নির্দিষ্ট পরিমাপগুলো নিশ্চিত করে যে গ্রিডটি যেকোনো মাথার আকৃতির সাথে খাপ খাইয়ে নিতে পারে
একবার এই আর্কগুলো পরিমাপ করা হয়ে গেলে, সহজ বিভাজনের মাধ্যমে নামের ভেতরের যৌক্তিকতা প্রকাশ পায়। ১০-২০ সিস্টেম প্রতিটি আর্কের মোট দৈর্ঘ্যের শতাংশ পরিমাপ অনুযায়ী অংশগুলোকে সাধারণত ১০% এবং ২০% ধাপে ভাগ করে, যার কারণে এই সিস্টেমটি নাম পেয়েছে। এটি ক্লাসিক্যাল ২১-ইলেকট্রোডের লেআউট তৈরি করে যা এখনও অনেক সাধারণ ক্লিনিকাল রেকর্ডিংয়ে ব্যবহৃত হয়। ১০-১০ সিস্টেম সেই শতাংশের প্রতিটি ব্যবধানকে কেটে অর্ধেক করে ফেলে, যার ফলে রেজোলিউশন প্রায় দ্বিগুণ হয়ে যায় এবং মোট ইলেকট্রোডের সংখ্যা আনুমানিক ৭৪-এ পৌঁছায়।
১০-৫ সিস্টেমটি এই অর্ধেক করার প্রক্রিয়াটিকে আরও একবার পুনরাবৃত্তি করে এবং ১০-১০ ব্যবধানগুলোকে আবারও বিভক্ত করে। এর ফলাফল হলো ৩০০টিরও বেশি অবস্থান বিশিষ্ট একটি গ্রিড, যা একজন গড় প্রাপ্তবয়স্ক মানুষের মাথায় আনুমানিক ২ থেকে ৩ সেন্টিমিটার দূরে দূরে স্থাপন করা হয়।
নামকরণের নিয়ম নিজেই প্রতিটি ইলেকট্রোডের লেবেলে সরাসরি অবস্থানের তথ্য প্রকাশ করে। অক্ষরগুলো মস্তিষ্কের নির্দিষ্ট ভাগের সাথে সম্পর্কিত: Fp ফ্রন্টোপোলার (Frontopolar) জন্য, F ফ্রন্টাল (Frontal) জন্য, C সেন্ট্রাল (Central) জন্য, T টেম্পোরাল (Temporal) জন্য, P প্যারাইটাল (Parietal) জন্য এবং O অক্সিপিটাল (Occipital) এর জন্য। সংখ্যাসমূহ, এবং সেই সাথে আরও ঘন ১০-৫ নামকরণের পদ্ধতিতে ব্যবহৃত বিভিন্ন সাবস্ক্রিপ্ট বা প্রাইম চিহ্ন নির্দেশ করে যে আর্কের দূরত্বের ভগ্নাংশ হিসেবে সেই অবস্থানটি মধ্যরেখা থেকে কতটা দূরে রয়েছে।
ছোট সংখ্যা সংবলিত একটি ইলেকট্রোডের অবস্থান মাথার কেন্দ্রের কাছাকাছি থাকে, আর বড় সংখ্যাগুলো নিয়ে যায় কান ও রগের কাছাকাছি। এর অর্থ হলো, একবার আপনি যদি নামকরণের পেছনের যুক্তিটি বুঝতে পারেন, তবে কোনো চিত্র ছাড়াই একটি ইলেকট্রোডের নাম দেখেই আপনি প্রায় নিখুঁতভাবে বুঝতে পারবেন সেটি মাথার চাঁদির ঠিক কোথায় স্থাপন করা হয়েছে।
উন্নত বা স্পেশিয়াল স্যাম্পলিং: কেন বেশি ঘনত্ব ভালো
মস্তিষ্কের বিদ্যুৎ প্রবাহ যখন মাথার ত্বকে পৌঁছায়, তখন এটি বিভিন্ন মাত্রার অনেকগুলো পরস্পর ওভারল্যাপ করা স্পেশিয়াল প্যাটার্ন দ্বারা গঠিত কোনো সিগন্যালের মতো আচরণ করে।
কিছু প্যাটার্ন বেশ চওড়া এবং মসৃণ হয়, যা মাথার বড় অংশ জুড়ে আলতোভাবে ছড়িয়ে পড়ে। অন্যান্য প্যাটার্নগুলো অনেক বেশি সংকুচিত হয়, যা মাথার ত্বকের এক ছোট অংশ থেকে অন্য অংশে দ্রুত পরিবর্তিত হয়।
কোনো অংশ বাদ না দিয়ে সম্পূর্ণ চিত্রটি ধারণ করার জন্য, সেন্সরগুলোকে একে অপরের যথেষ্ট কাছাকাছি স্থাপন করা প্রয়োজন যাতে এই অতি ক্ষুদ্র স্পেশিয়াল প্যাটার্নগুলোকেও শনাক্ত করা যায়। সেন্সরগুলো যদি খুব বেশি দূরে দূরে থাকে, তবে অত্যন্ত সূক্ষ্ম বিবরণগুলো সম্পূর্ণভাবে বাদ পড়ে যায় অথবা আরও খারাপ পরিস্থিতিতে, বিষয়টিকে ভুলভাবে ব্যাখ্যা করা হতে পারে। সিগন্যাল প্রসেসিংয়ের ক্ষেত্রে এই সাধারণ স্যাম্পলিং সমস্যাটিকে নাইকুইস্ট মানদণ্ড (Nyquist criterion) বলা হয়ে থাকে এবং ইলেকট্রোডের ঘনত্ব কেন গুরুত্বপূর্ণ এটিই তার মূল কারণ।
সাধারণ ১০-২০ পরিমাপের মাধ্যমে ইলেকট্রোডগুলোকে একজন গড় প্রাপ্তবয়স্ক মানুষের মাথায় প্রায় ৬ থেকে ৭ সেন্টিমিটার দূরে দূরে স্থাপন করা হয়। এই ব্যবধানটি এতটাই চওড়া যে তা ভেতরের ইলেকট্রিক্যাল ফিল্ডের আরও সূক্ষ্ম স্পেশিয়াল প্যাটার্নগুলোকে অস্পষ্ট করে দিতে পারে বা পুরোপুরি বাদ দিয়ে দিতে পারে। ১০-৫ সিস্টেমের ২ থেকে ৩ সেন্টিমিটার ব্যবধানের স্যাম্পলিং অত্যন্ত সূক্ষ্ম প্যাটার্নগুলো শনাক্ত করার জন্য প্রয়োজনীয় প্রয়োজনীয়তার অনেক কাছাকাছি নিয়ে যায়, যা মাথার ত্বক থেকে নেওয়া রেকর্ডিংয়ের ক্ষেত্রে স্পেশিয়াল নাইকুইস্ট সীমার (Spatial Nyquist limit) খুবই কাছাকাছি।
কাছাকাছি ব্যবধান রাখার সুবিধার প্রত্যক্ষ প্রমাণ পাওয়া যায় রবিনসন এবং অন্যান্যদের গবেষণায় (Robinson et al. study) যেখানে গবেষকদের ভাষায় “সুপার-নাইকুইস্ট ডেনসিটি (SND)” বিন্যাসকে স্বাভাবিক “নাইকুইস্ট ডেনসিটি (ND)” বিন্যাসের সাথে তুলনা করা হয়েছে।
অক্সিপিটোটেম্পোরাল অঞ্চলের (মস্তিষ্কের পেছনের এবং পাশের অংশ যা দৃষ্টিশক্তি প্রক্রিয়াকরণের সাথে যুক্ত) উপর মাত্র ১৪ মিলিমিটার ব্যবধানে থাকা ১২৮টি ইলেকট্রোড ব্যবহার করে গবেষকেরা অংশগ্রহণকারী ব্যক্তিদের ফ্লিকারিং চেকারবোর্ড দেখানোর সময় তাদের EEG রেকর্ড করেছিলেন। এই চেকারবোর্ডগুলো এমনভাবে তৈরি করা হয়েছিল যা মস্তিষ্কে একটি স্পষ্ট ও পর্যবেক্ষণযোগ্য প্রতিক্রিয়া তৈরি করে। তারা যখন সম্পূর্ণ উচ্চ-ঘনত্বের বিন্যাসকে একই ইলেকট্রোডের কম ঘনত্বের সাবসেটগুলোর সাথে তুলনা করেন, তখন ঘন বিন্যাসটি ক্রমাগতভাবে কম ঘন বিন্যাসের চেয়ে ভালো কার্যক্ষমতা প্রদর্শন করে।
গবেষকেরা জানান যে, “SND EEG ভিজ্যুয়াল কর্টেক্স থেকে আরও বেশি নিউরাল তথ্য সংগ্রহ করতে পেরেছে,” এবং ফ্লিকারিং উদ্দীপনাগুলো “ND বিন্যাসের তুলনায় SND-এর মাধ্যমে সময় এবং ফ্রিকোয়েন্সি উভয় ক্ষেত্রেই আরও নিখুঁতভাবে শ্রেণীবদ্ধ করা সম্ভব হয়েছে।” ঘন রেকর্ডিংগুলো কম ঘন রেকর্ডিংয়ের তুলনায় প্রাইমারি ভিজ্যুয়াল কর্টেক্সের কার্যকারিতার একটি কম্পিউটেশনাল মডেলের সাথে অনেক বেশি সামঞ্জস্যপূর্ণ ছিল।
এই অনুসন্ধানটি সম্পূর্ণ মাথার তুলনায় মস্তিষ্কের একটি নির্দিষ্ট অঞ্চলের মধ্যে সীমাবদ্ধ ছিল, তবে এটি প্রমাণ করে যে কাছাকাছি দূরত্বের ইলেকট্রোড স্থাপন তাত্ত্বিকভাবে কর্টিকাল অ্যাক্টিভিটির এমন সব স্পেশিয়াল এবং টেম্পোরাল বৈশিষ্ট্যগুলো ধারণ করতে পারে যা দূরবর্তী ইলেকট্রোড বসানোর মাধ্যমে কেবল সমাধান করা সম্ভব নয়।
উৎস সনাক্তকরণ নির্ভর করে সেন্সরের ঘনত্ব এবং কাভারেজের উপর
ঘনভাবে সংকেত রেকর্ড করা চ্যালেঞ্জের অর্ধেক অংশ মাত্র। চিকিৎসক এবং গবেষকরা প্রায়ই মাথার ত্বকের রেকর্ডিং থেকে উল্টো প্রক্রিয়ায় গিয়ে মস্তিষ্কের ঠিক কোন অঞ্চল থেকে সিগন্যালটি তৈরি হয়েছে তা অনুধাবন করতে চান, যাকে উৎস সনাক্তকরণ (Source localization) বলা হয়। উল্টোমুখো কাজ করার এই সমস্যাটি গাণিতিকভাবে বেশ জটিল এবং এর নির্ভুলতা সরাসরি নির্ভর করে কত বেশি পরিমাণ উপরিভাগের ডাটা ইনপুট হিসেবে পাওয়া যাচ্ছে তার উপর।
একটি সিমুলেশন-ভিত্তিক গবেষণা নির্দিষ্টভাবে এই প্রশ্নের উপর জোর দিয়েছিল যে কীভাবে সেন্সরের ঘনত্ব এবং মাথার কাভারেজ উৎস সনাক্তকরণের নির্ভুলতাকে প্রভাবিত করে। সিমুলেটেড ডেটা এবং আসল এপিলেপটিফর্ম (epileptiform) EEG রেকর্ডিং (যার মানে মৃগীরোগ সংক্রান্ত বৈদ্যুতিক নির্গমনের সাথে সম্পর্কিত মস্তিষ্কের কার্যকলাপের ধরন) ব্যবহার করে গবেষকরা বিভিন্ন উৎসের গভীরতা জুড়ে বেশ কয়েকটি সাধারণ বিপরীত মডেলিং পদ্ধতি পরীক্ষা করে নির্ধারণ করেছিলেন।
ফলাফলটি ছিল অত্যন্ত স্পষ্ট ও প্রত্যক্ষ: “উচ্চ সেন্সর ঘনত্ব উৎস সনাক্তকরণের নির্ভুলতাকে বহুগুণ বাড়িয়ে তোলে।”
একই গুরুত্বের সাথে গবেষণায় দেখা গেছে যে, কাভারেজও ঘনত্বের মতোই স্বাধীন একটি প্রভাব ফেলেছিল। কানের কাছে, রগের কাছে এবং মাথার খুলির নিচের অংশের মতো ইনফেরিওর সারফেস (মাথার নিচের অংশ) এর ওপর ইলেকট্রোডের স্যাম্পলিং বৃদ্ধি করা হলে তা “সকল গভীরতার উৎস অনুমানের নির্ভুলতা উন্নত করে,” কেবল সেই নিচের অংশের কাছাকাছি থাকা কোনো উৎসের জন্যই নয়।
গবেষণার সার্বিক সিদ্ধান্ত উভয় ফলাফলকে একসাথে সমর্থন করে: “সবচেয়ে নির্ভুল উৎস সনাক্তকরণ তখনই পাওয়া যায় যখন মাথার উপরের এবং নিচের দুটি উপরিভাগ থেকেই ঘন স্যাম্পলিং সংগ্রহ করা হয়।”
এটি অত্যন্ত তাৎপর্যপূর্ণ একটি বিষয় কারণ স্ট্যান্ডার্ড ১০-২০ ক্যাপগুলো মূলত মাথার উপরিভাগের কাভারেজের দিকে দৃষ্টি দেয়, যার ফলে মাথার নিচের অংশের দিকে খুব কম ইলেকট্রোড থাকে। একটি সম্পূর্ণ ১০-৫ বিন্যাস প্রাকৃতিকভাবেই এই দুটি প্রয়োজনীয়তাই একসাথে পূরণ করতে পারে, কারণ এর স্থানাঙ্ক ব্যবস্থা ইলেকট্রোডের ব্যাপ্তি নিচের অংশ পর্যন্ত বাড়িয়ে দেয় এবং একই সাথে সূক্ষ্ম উৎস সনাক্তকরণের জন্য প্রয়োজনীয় ঘনত্ব বজায় রাখে।
উচ্চ-ঘনত্ব EEG-এর প্রয়োগসমূহ
সাধারণভাবে বলতে গেলে, উচ্চ-ঘনত্বের বিন্যাসের ব্যবহার গবেষণাগার ও রোগীর বিছানা উভয়ের ক্ষেত্রেই পর্যবেক্ষণ ক্ষমতাকে অনেক বাড়িয়ে দিয়েছে। বৈদ্যুতিক তরঙ্গের বিস্তারের সুনির্দিষ্ট ব্যবধান মূল্যায়নের সুবিধা দিয়ে এই সিস্টেমগুলো গবেষকদের নিউরাল ফায়ারিং প্যাটার্নের দ্রুত পরিবর্তনগুলো বুঝতে সহায়তা করে, যা জ্ঞানীয় দক্ষতা বা কগনিশনকে সংজ্ঞায়িত করে।
নিউরোলজিকাল গবেষণা এবং রোগ নির্ণয়
নিউরোসায়েন্সের ক্ষেত্রে, সূক্ষ্মতা অর্জনের তাগিদই প্রায়শ পদ্ধতিটি ঠিক করে দেয়। উচ্চ-ঘনত্বের বিন্যাস জ্ঞানীয় কাজের সময় ঘটা সূক্ষ্ম টপোগ্রাফিকাল পরিবর্তনগুলো সনাক্ত করতে সাহায্য করে, যা গবেষকদের প্রমাণ দেয় যে কীভাবে নির্দিষ্ট উদ্দীপনা পরিস্থিতিতে নিউরাল নেটওয়ার্কগুলো গঠিত হয়।
এই বিন্যাসগুলো কার্যকরভাবে বৈদ্যুতিক পথগুলোকে মানচিত্রে রূপ দেয়, যা এমন কিছু মডেল তৈরিতে সাহায্য করে যা ব্যাখ্যা করে কীভাবে মস্তিষ্কের দূরবর্তী অঞ্চলগুলো সিঙ্ক্রোনাইজড অসিলেশনের মাধ্যমে একে অপরের সাথে সমন্বয় করে।
ব্রেইন-কম্পিউটার ইন্টারফেস (BCIs)
BCI এর প্রয়োগের জন্য নির্দেশক-চালিত চিন্তার ধরনসমূহের ধারাবাহিক এবং স্থিতিশীল সনাক্তকরণ প্রয়োজন। সেন্সরের সংখ্যা বাড়িয়ে BCI নির্মাতারা মস্তিষ্কের সাধারণ গোলযোগ থেকে মোটর-সংক্রান্ত নির্দিষ্ট সংকেতের উপাদানগুলোকে আলাদা করতে পারেন।
সংকেত আলাদা করার এই সূক্ষ্মতা বাহ্যিক প্রোস্থেটিক ডিভাইস এবং ডিজিটাল যোগাযোগ মাধ্যমগুলোর নিয়ন্ত্রণযোগ্যতা ও নির্ভুলতা বাড়ায়, কারণ সিস্টেমটি তখন অনেক ছোট এবং আরও পুঙ্খানুপুঙ্খ মোটরের ইচ্ছার সংকেতগুলো অনুধাবন করতে পারে।
উচ্চ-ঘনত্ব বিশিষ্ট EEG ক্যাপের মাধ্যমে ক্লিনিকাল ব্যবহার এবং পর্যবেক্ষণ
ক্লিনিকাল ক্ষেত্রে, উন্নততর নির্ভুলতার সাথে খিঁচুনির ফোকাসগুলো নির্ণয়ের জন্য উচ্চ-ঘনত্বের ক্যাপ ব্যবহার করা হয়। কিছু ক্ষেত্রে, চিকিৎসকদের অবশ্যই বৈদ্যুতিক অবস্থার স্থায়িত্ব মূল্যায়ন করতে হয় যার বিশদ বিবরণ রেফারেন্সিয়াল মন্টেজ EEG নির্দেশিকায় উল্লেখ রয়েছে।
একটি সুবিন্যস্ত উচ্চ-ঘনত্বের ক্যাপ এই রেফারেন্সিয়াল সংকেতগুলোর অত্যন্ত সূক্ষ্ম ব্যাখ্যা দেয়, যা চিকিৎসকদের ফোকাল এপিলেপসি বা কগনিটিভ ডিসঅর্ডারে ভোগা রোগীদের অস্বাভাবিক কার্যকলাপের সঠিক উৎস নির্ধারণ করতে সাহায্য করে।
নিউরোসায়েন্স গবেষণায় উচ্চ-ঘনত্ব বিশিষ্ট EEG ডিভাইসের তুলনামূলক বিশ্লেষণ
কোনো গবেষণা পরিচালনার ক্ষেত্রে প্রায়শই এটি মূল্যায়ন করা প্রয়োজন হয় যে কোন স্যাম্পলিং ঘনত্ব ডেটা সংগ্রহের জটিলতা এবং প্রয়োজনীয় বৈজ্ঞানিক নির্ভুলতার মধ্যে সেরা সমন্বয় অফার করবে। নিম্নলিখিত সারণীতে সাধারণ পরীক্ষামূলক বিন্যাসের ওপর ভিত্তি করে ইলেকট্রোড স্যাম্পলিং ঘনত্বের বেশ কিছু মৌলিক পার্থক্য তুলে ধরা হলো।
সিস্টেমের ধরণ | ইলেকট্রোড সংখ্যা | সাধারণ স্পেশিয়াল রেজোলিউশন | কোন কাজের জন্য সেরা ব্যবহারযোগ্য |
|---|---|---|---|
১০-২০ স্ট্যান্ডার্ড | ২১-৩২ | ৬-৮ সেমি | নিয়মিত পর্যবেক্ষণ |
মিড-রেঞ্জ | ৬৪-১২৮ | ৩-৪ সেমি | ক্লিনিকাল স্ক্রীনিং |
সম্পূর্ণ হাই-ডেনসিটি | ২৫৬+ | \< ২ সেমি | উৎস সনাক্তকরণ গবেষণা |
এই তুলনাটি প্রকাশ করে কেন গবেষকেরা যারা স্পেশিয়াল ডিটেইলড বিষয়গুলোকে প্রাধান্য দিয়ে থাকেন তারা জটিল উৎস সনাক্তকরণ গবেষণার জন্য সাধারণত সম্পূর্ণ উচ্চ-ঘনত্বের বিন্যাসের প্রতি আকৃষ্ট হন। সেন্সরগুলোর মধ্যকার ব্যবধান কমিয়ে আনার মাধ্যমে ডাটাগুলো উন্নত গাণিতিক মডেলের সাথে কাজের উপযোগী হয়ে ওঠে, যা কর্টিকাল উৎসগুলির আরও পুঙ্খানুপুঙ্খ পার্থক্য স্পষ্ট করতে সাহায্য করে যা অন্যথায় কম রেজোলিউশনের রেকর্ডিংয়ে একে অপরের ওপর উপরিপাতিত হতে পারত।
উচ্চ-ঘনত্বের EEG কি সাবকর্টিক্যাল অ্যাক্টিভিটি সনাক্ত করতে পারে?
ঘন EEG বিন্যাস সম্পর্কে সর্বাধিক আলোচিত দাবিগুলির একটি হলো এগুলো মস্তিষ্কের অত্যন্ত গভীরে থাকা সাবকর্টিক্যাল কাঠামোর সংকেতগুলো গ্রহণ করতে পারে কিনা, যেখানে ঐতিহ্যগতভাবে ধারণা করা হতো সাধারণ EEG-এর খুব একটা সংবেদনশীলতা নেই। অতএব, একটি ২০১৯ সালের গবেষণা সরাসরি এই প্রশ্নটি যাচাইয়ের লক্ষ্যে উচ্চ-ঘনত্বের স্কাল্প EEG-এর সাথে সেন্ট্রোমিডিয়াল থ্যালামাস এবং নিউক্লিয়াস অ্যাকম্বেন্সে ইমপ্ল্যান্ট করা গভীর মস্তিষ্কের উদ্দীপনা ইলেকট্রোড থেকে সংগৃহীত ইন্ট্রাক্রানিয়াল রেকর্ডিংয়ের তুলনা করে, যা মস্তিষ্কের বৃহত্তর নেটওয়ার্ক জুড়ে সমন্বয়ের কাজে ব্যবহৃত দুটি কাঠামো।
যেহেতু এই গবেষণায় ইন্ট্রাক্রানিয়াল ইলেকট্রোডগুলো সাময়িকভাবে বাইরে রাখা হয়েছিল, অর্থাৎ স্থায়ী ইন্টারনাল স্টিমুলেটরের সাথে যুক্ত করার পূর্বে পরীক্ষার সুবিধা ছিল, তাই গবেষকরা এই গভীর ইন্ট্রাক্রানিয়াল অবস্থান থেকে রেকর্ডিংয়ের পাশাপাশি ২৫৬-চ্যানেল বিশিষ্ট উচ্চ-ঘনত্বের স্কাল্প EEG একই সময়ে চালাতে পেরেছিলেন চোখ বন্ধ করে বিশ্রামেরত তিনজন রোগীর ওপর। অতঃপর তারা মাথার ত্বকের ডাটায় উৎস পুনর্গঠন পদ্ধতি ব্যবহার করেন এবং ফলাফল সংকেতগুলোকে আসল ইন্ট্রাক্রানিয়াল রেকর্ডিংয়ের সাথে তুলনা করেন।
ফলাফলগুলো ইন্ট্রাক্রানিয়াল এবং EEG উৎস থেকে প্রাপ্ত পুনর্গঠিত আলফা তরঙ্গের মধ্যে একটি মিথস্ক্রিয়া দেখিয়েছে, যা আলফা বিন্যাসের মস্তিষ্কের ছন্দের ধীর উত্থান-পতনের সাথে জড়িত। বিশেষভাবে লক্ষণীয় যে, “সবচেয়ে বেশি সামঞ্জস্য লক্ষ্য করা গেছে আসল পরিমাপকৃত স্থানের একদম কাছাকাছি থাকা উৎস সংকেতগুলোর ক্ষেত্রে,” যার অর্থ মাথার ত্বক-ভিত্তিক অনুমানটি গভীরতা এবং অবস্থানের দিক থেকে প্রকৃত ইন্ট্রাক্রানিয়াল ইলেকট্রোড বিন্যাসের সাথে অত্যন্ত সামঞ্জস্যপূর্ণ ছিল। গবেষকেরা এই সিদ্ধান্ত প্রকাশ করেন যে এটি স্কাল্প EEG প্রকৃতপক্ষে সাবকর্টিক্যাল সংকেত অনুধাবন করতে পারে এমন প্রমাণ দেয়।
যাইহোক, এটিকে অবশ্যই একটি সাধারণ পরীক্ষা হিসেবে গণ্য করা উচিত যা মাত্র তিনজন রোগীর ওপর একটি শান্ত অবস্থায় পরিচালিত হয়েছিল। এটি এই ধারণাকে সমর্থন করে যে উচ্চ-ঘনত্বের সোর্স ইমেজিং কর্টিকাল সারফেস ছাড়িয়ে সংবেদনশীলতা বাড়াতে সক্ষম, তবে এটি সমগ্র জনসংখ্যা বা বিভিন্ন সাধারণের ক্ষেত্রে কতটা নির্ভরযোগ্য বা বারবার সম্ভব তা এখনো চূড়ান্তভাবে নির্ধারণ করেনি।
এপিলেপটিফর্ম ডিসচার্জ ম্যাপিংয়ের ক্ষেত্রে ডেন্স অ্যারের ব্যবহার
১০-৫ সিস্টেমের ক্লিনিকাল গুরুত্ব মৃগীরোগ মূল্যায়নের ক্ষেত্রে আরও সুস্পষ্ট হয়, যেখানে অস্বাভাবিক বৈদ্যুতিক তরঙ্গের সঠিক উৎপত্তিস্থল সনাক্ত করা সার্জিক্যাল চিকিৎসার চিকিৎসার সিদ্ধান্ত গ্রহণে প্রভাব ফেলে। ওপরের সিমুলেশন-ভিত্তিক উৎস সনাক্তকরণ গবেষণায় এর সিমুলেশন ফলাফলগুলোকে প্রকৃত এপিলেপটিফর্ম EEG ডাটায় সম্প্রসারিত করে এপিলেপটিফর্ম EEG এর উৎস সনাক্তকরণে সেন্সর ঘনত্ব এবং পরিব্যাপ্তির প্রভাব বিশদভাবে পরীক্ষা করা হয়েছে।
যেহেতু গবেষণার সামগ্রিক সিদ্ধান্তটি ছিল যে সেন্সরের উচ্চ ঘনত্ব এবং মাথার নিচের অংশের পরিব্যাপ্তি উভয়ই অনন্যভাবে আমাদের উৎস নির্ধারণের নির্ভুলতাকে অনেক বাড়িয়ে দেয় এবং এও প্রমাণিত হয়েছিল যে এটি শুধু অনুমিত সিমুলেশন উপাত্তেই নয়, বরং বাস্তব এপিলেপটিফর্ম রেকর্ডিংয়ের ক্ষেত্রেও পুরোপুরি সত্য; যা মূলত ১০-৫ সিস্টেমের ক্লিনিকাল ব্যবহারের ক্ষেত্রে একটি সরাসরি প্রামাণ্য সেতু তৈরি করে।
সার্জারির পূর্বে এপিলেপসি বা মৃগীরোগের মূল্যায়নের ক্ষেত্রে, এর চমৎকার ব্যবহার হচ্ছে ইরিটেটিভ জোন তথা মস্তিষ্কের কর্টেক্সের যে অঞ্চলটি খিঁচুনির মধ্যবর্তী সময়ে অস্বাভাবিক ডিসচার্জ তৈরি করে, তা নিখুঁতভাবে চিহ্নিত করার কাজটিকে আরও সহজ করা। এটি ক্লিনিকাল এবং গবেষণা মহলে ব্যাপকভাবে আলোচিত একটি বড় কারণ হিসেবে বিবেচিত হয় যা এপিলেপসি কেন্দ্রগুলোতে ১০-৫ বা পরিমিত ঘনত্বের EEG মন্টেজ ব্যবহারের যৌক্তিকতা প্রমাণ করে।
উচ্চ-ঘনত্ব EEG-এর ভবিষ্যৎ
উচ্চ-ঘনত্ব রেকর্ডিং প্রযুক্তির ভবিষ্যৎ সম্ভবত ইলেকট্রোড উপাদানগুলোর আরও ক্ষুদ্রকরণের ওপর গুরুত্ব দেবে। হার্ডওয়্যারগুলো আরও হালকা ও সুবহ হয়ে ওঠার পর, গবেষকদের জন্য সাধারণ বা গতিশীল অবস্থায় উচ্চ রেজোলিউশনের ডাটা রেকর্ড করা অনেক সহজ হয়ে উঠবে। এই বহনযোগ্যতা ঐতিহ্যবাহী ভারী ইলেকট্রোড সেটআপের কোনো জটিলতা ছাড়াই ব্যবহারকারীকে স্বাচ্ছন্দ্যে চলাচলের সুযোগ দেবে যার ফলে গবেষণাগারের বাইরে বাস্তব পরিস্থিতিতে মানুষের আচরণ পর্যবেক্ষণ করা যাবে।
পাশাপাশি, রিয়েল-টাইম মেশিন লার্নিং অ্যালগরিদমের সংযোজন র ডাটা বা কাঁচা উপাত্ত প্রক্রিয়াকরণের উপায়কে আমূল বদলে দেবে। দীর্ঘ সময় পর বিশ্লেষণের ওপর নির্ভর না করে, আধুনিক সিস্টেমগুলো খুব কম বিলম্বের সাথে চলমান অবস্থায় নিউরাল কার্যকলাপকে বোঝার মতো করে তৈরি করা হচ্ছে। এই চমৎকার প্রযুক্তি নিউরো রিহ্যাবিলিটেশন প্রোটোকল এবং অ্যাডাপ্টিভ BCI তৈরির ক্ষেত্রে দ্রুত কার্যকারিতা প্রদর্শন করবে যার মাধ্যমে রেকর্ডকৃত নির্দিষ্ট ব্যক্তির বৈদ্যুতিক বৈশিষ্ট্যের ওপর ভিত্তি করে সিস্টেম নিজে থেকেই সিগন্যাল প্রসেসিংয়ের পরিবর্তন সাধন করতে পারবে।
সর্বশেষে, ড্রাই-ইলেকট্রোড প্রযুক্তির বিকাশ যা কম ইমপেডেন্স বজায় রাখে, এই সিস্টেমগুলোতে বৈপ্লবিক পরিবর্তন নিয়ে আসবে। পরিবাহী জেলের ব্যবহার দূর করার মাধ্যমে, উচ্চ-ঘনত্বের ক্যাপ স্থাপনের সময় ঘণ্টার ব্যবধান থেকে কয়েক মিনিটে নেমে আসবে, যা দীর্ঘমেয়াদী পর্যবেক্ষণের প্রতিবন্ধকতাকেও অনেকটাই কমিয়ে দেবে।
সহজে ব্যবহারযোগ্য হার্ডওয়্যারের দিকে এই পরিবর্তন ক্লিনিকাল রোগ নির্ণয় ও দীর্ঘমেয়াদী কগনিটিভ গবেষণা উভয় ক্ষেত্রেই ডেন্স-অ্যারে ব্রেইন ইমেজিং-কে অত্যন্ত সাধারণ রূপ দেবে, যা মানুষের নিউরাল সংযোগ এবং ইন্টারকানেক্টিভিটি সম্পর্কে আমাদের বোঝাপড়াকে সম্পূর্ণ নতুন রূপ ও ভিত্তি এনে দেবে।
উপসংহার
১০-৫ সিস্টেম পরিমাপযোগ্য শারীরবৃত্তীয় ল্যান্ডমার্কের ভিত্তিতে তৈরি একটি আদর্শ স্থানাঙ্ক ফ্রেমওয়ার্ক প্রদান করে, যা পরিচিত ১০-২০ এবং ১০-১০ সিস্টেমকে ৩০০টিরও বেশি ইলেকট্রোড অবস্থান বিশিষ্ট একটি গ্রিডে পরিণত করে যা মূলত ২ থেকে ৩ সেন্টিমিটার দূরে দূরে বসানো থাকে। এই চমৎকার ঘনত্ব মাথার স্কাল্প থেকে সংগৃহীত EEG রেকর্ডিং পরিমাপকে স্পেশিয়াল রেজোলিউশনের প্রয়োজনীয়তার অনেক কাছে নিয়ে যায়, যা মস্তিষ্কের উপরিভাগ জুড়ে অত্যন্ত সূক্ষ্ম ইলেকট্রিক্যাল প্যাটার্নগুলো রেকর্ড করার মূল ভিত্তি, যা মূলত সাধারণ নিউরোসায়েন্স এবং সিগন্যাল প্রসেসিং তত্ত্ব দ্বারা অনুপ্রাণিত।
আলোচিত প্রামাণ্য বিষয়গুলো নির্দেশ করে যে স্পেশিয়াল ঘনত্ব এবং মাথার নিচের অংশের পরিব্যাপ্তি উভয়ের সমন্বয় সিমুলেটেড ও প্রকৃত এপিলেপটিফর্ম ডাটা উভয় ক্ষেত্রেই উৎস সনাক্তকরণের নির্ভুলতাকে ব্যাপকভাবে বৃদ্ধি করে। উৎস পুনর্গঠন ব্যবস্থার সাথে হাই-ডেনসিটি বা উচ্চ-ঘনত্ব সম্পন্ন অ্যারের ব্যবহার মস্তিষ্কের গভীর কাঠামো থেকে সংগৃহীত সাবকর্টিক্যাল কার্যকলাপের সাথে সম্পৃক্ততার দিক নির্দেশ করেছে। ভিজ্যুয়াল কর্টেক্সের ওপর অত্যন্ত বেশি মাত্রার ঘন রেকর্ডিংগুলো একই অ্যারে বা বিন্যাসের স্বাভাবিক ঘনত্বের সাবসেটগুলোর তুলনায় অনেক বেশি কার্যকর নিউরাল তথ্য ধারণ করতে পেরেছে।
একত্রে, এই সমস্ত প্রমাণসমূহ এপিলেপটিফর্ম ডিসচার্জ ম্যাপিং এবং অত্যন্ত সূক্ষ্ম কগনিটিভ নিউরোইমেজিংয়ের কাজে ১০-৫ সিস্টেম ব্যবহারের যৌক্তিকতা ও কার্যকারিতাকে জোরালোভাবে সমর্থন এবং প্রতিষ্ঠা করে।
তথ্যসূত্র
Robinson, A. K., Venkatesh, P., Boring, M. J., Tarr, M. J., Grover, P., & Behrmann, M. (2017). Very high density EEG elucidates spatiotemporal aspects of early visual processing. Scientific reports, 7(1), 16248. https://doi.org/10.1038/s41598-017-16377-3
Song, J., Davey, C., Poulsen, C., Luu, P., Turovets, S., Anderson, E., ... & Tucker, D. (2015). EEG source localization: Sensor density and head surface coverage. Journal of neuroscience methods, 256, 9-21. https://doi.org/10.1016/j.jneumeth.2015.08.015
Seeber, M., Cantonas, L. M., Hoevels, M., Sesia, T., Visser-Vandewalle, V., & Michel, C. M. (2019). Subcortical electrophysiological activity is detectable with high-density EEG source imaging. Nature communications, 10(1), 753. https://doi.org/10.1038/s41467-019-08725-w
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
১০-৫ EEG সিস্টেম কি?
১০-৫ সিস্টেম হলো একটি মানসম্মত ইলেকট্রোড বসানোর গ্রিড যা মাথার স্কাল্পকে ৩০০টিরও বেশি নামযুক্ত অবস্থানে বিভক্ত করে, যেখানে প্রতিটি ৩ থেকে ৪ সেন্টিমিটার দূরে দূরে বসানো থাকে। মস্তিষ্কের বৈদ্যুতিক কার্যকলাপ সংগ্রহে আরও ঘন ডাটা পাওয়ার উদ্দেশ্যে এটি পুরনো ১০-২০ এবং ১০-১০ সিস্টেমের প্রসারিত অংশ হিসেবে ব্যবহৃত হয়।
১০-৫ সিস্টেম কীভাবে ১০-২০ সিস্টেমের ওপর ভিত্তি করে তৈরি হয়েছে?
১০-২০ সিস্টেমটি মাথাকে ২১টি নির্দিষ্ট অবস্থানে ভাগ করার জন্য শতাংশের ওপর ভিত্তি করেছিল। ১০-১০ সিস্টেমটি সেই ব্যবধানকে অর্ধেক করেছে, এবং ১০-৫ সিস্টেমটি সেই ব্যবধানকেও পুনরায় অর্ধেক করেছে যার ফলে মূল ল্যান্ডমার্কের ওপর ভিত্তি করেই একটি অত্যন্ত সূক্ষ্ম গ্রিড তৈরি হয়েছে।
কোন কোন শারীরবৃত্তীয় ল্যান্ডমার্ক ইলেকট্রোড স্থাপনে সাহায্য করে?
চারটি সুস্পষ্ট বিন্দু—নাকের ওপর নেজিয়ন, মাথার খুলির একদম পেছনে ইনিয়ন, এবং বাম ও ডান কানের ঠিক সামনের অংশ মূল ভিত্তি হিসেবে কাজ করে। প্রতিটি ইলেকট্রোডের অবস্থান এই সমস্ত ল্যান্ডমার্কগুলোর ব্যবধান হিসাব করে নির্ধারণ করা হয়।
EEG-এর জন্য ইলেকট্রোডের ঘন ব্যবধান কেন গুরুত্বপূর্ণ?
মস্তিষ্কের বৈদ্যুতিক প্রবাহের ধরণ সামান্য জায়গায়ও পরিবর্তিত হতে পারে এবং যদি ইলেকট্রোডগুলোর মধ্যে যথেষ্ট ফাঁক থাকে তবে নাইকুইস্ট স্যাম্পলিং মানদণ্ডের জটিলতায় সূক্ষ্ম তথ্যগুলো বাদ পড়ে যায়। ঘন ব্যবধানে ইলেকট্রোড স্থাপন এই অত্যন্ত ক্ষুদ্র স্পেশিয়াল পরিবর্তনগুলোকে খুব নিখুঁতভাবে ধরতে পারে।
১০-৫ সিস্টেমটি কীভাবে সোর্স লোকালাইজেশন উন্নত করে?
সোর্স লোকালাইজেশন মস্তিষ্কের ভেতরের সঠিক উৎপত্তিস্থল নির্ধারণ করে এবং এর সামগ্রিক নির্ভুলতা নির্ভর করে কত বেশি সেন্সর ব্যবহার করা হচ্ছে তার ওপর। কানের কাছে ও নিচের অংশে বেশি ইলেকট্রোড থাকার কারণে উচ্চ স্যাম্পলিং গভীরতম উৎস অনুমানেও সাহায্য করে।
ডেন্স-অ্যারে EEG কি মস্তিষ্কের গভীরে থাকা সংকেতগুলো সনাক্ত করতে পারে?
একটি ছোট গবেষণায় মাথার ত্বকের ও মস্তিষ্কের গভীরের ইলেকট্রোড থেকে একই সাথে রেকর্ড করে দুটি সিগন্যালের মধ্যে চমৎকার মিল পাওয়া গেছে। এটি প্রমাণ করে স্কাল্প EEG মানুষের সাবকর্টিক্যাল সংকেত বুঝতে পারে, যদিও বৃহৎ প্রমাণে আরও বিস্তারিত গবেষণার প্রয়োজন রয়েছে।
ইলেকট্রোডের ঘনত্ব বাড়ালেই কি রেকর্ডিং মান সবসময় উন্নত হয়?
ঘনত্ব বাড়লে আপনি স্পেশিয়াল মডেলিংয়ের জন্য অনেক বেশি ডাটা পাবেন ঠিকই, তবে এটি ডাটাপ্রসেসিং এবং ইমপেডেন্সের জটিলতাও বৃদ্ধি করে; সার্বিক গুণমান নির্ভর করে সেটআপ কত নিখুঁতভাবে বসানো হয়েছে তার ওপরে।
উচ্চ-ঘনত্বের ক্যাপ ব্যবহারের ক্ষেত্রে জটিলতাগুলো কী কী?
সবচেয়ে বড় জটিলতা হলো বড় এই সেটআপ মাথায় পরিধান করতে বেশ সময় লাগে এবং শত শত চ্যানেল থেকে প্রাপ্ত ডাটা নিরবচ্ছিন্নভাবে বিশ্লেষণ করতে শক্তিশালী কম্পিউটিং ব্যবস্থাপনার প্রয়োজন হয়।
Emotiv একটি নিউরোটেকনোলজি শীর্ষস্থানীয় প্রতিষ্ঠান, যা সহজলভ্য EEG এবং ব্রেন ডেটা টুলের মাধ্যমে স্নায়ুবিজ্ঞান গবেষণার অগ্রগতিতে সহায়তা করে।
ক্রিশ্চিয়ান বারগোস
