আর্টিফ্যাক্ট (Artifacts) হলো অবাঞ্ছিত সংকেত যা মস্তিষ্ক দ্বারা তৈরি হয় না, যা একটি ইলেক্ট্রোএনসেফালোগ্রামের (EEG) ভিজ্যুয়াল ব্যাখ্যাকে বিকৃত করতে পারে এবং ব্রেন-কম্পিউটার ইন্টারফেস বা মানসিক অবস্থা পর্যবেক্ষণের অ্যালগরিদমিক বিশ্লেষণকে নষ্ট করতে পারে।
আপনি মৃগী রোগের লক্ষণের জন্য একটি কাঁচা ইইজি (EEG) ট্রেস পড়ছেন বা কোনও মেশিন-লার্নিং পাইপলাইনে ডেটা ফিড করছেন না কেন, শনাক্ত না হওয়া আর্টিফ্যাক্টগুলো প্যাথলজিক্যাল ওয়েভফর্ম হিসেবে ছদ্মবেশ ধারণ করতে পারে অথবা এমন ভিন্নতা তৈরি করতে পারে যা মডেলের কার্যকারিতা হ্রাস করে।
এই ব্যবহারিক ফিল্ড গাইডটি আপনাকে ইইজি আর্টিফ্যাক্টের দুটি বিস্তৃত বিভাগের মধ্য দিয়ে নিয়ে যাবে, কীভাবে তাদের স্বতন্ত্র টাইম-ডোমেন সিগনেচারগুলো চিনতে হয় তা ব্যাখ্যা করবে এবং যে কোনও কম্পিউটেশনাল প্রক্রিয়াকরণের আগে অত্যন্ত প্রয়োজনীয় ম্যানুয়াল ক্লিনিংয়ের পদক্ষেপগুলো বিশদভাবে তুলে ধরবে।
EEG আর্টিফ্যাক্ট বা হেলাফেলার দুটি মৌলিক বিভাগ
একটি EEG রেকর্ডিংয়ের প্রতিটি অনাকাঙ্ক্ষিত ওঠানামা দুটি উৎসের যেকোনো একটি থেকে উৎপন্ন হয়। বিষয়-সম্পর্কিত বা শারীরবৃত্তীয় (physiological) আর্টিফ্যাক্টগুলো অংশগ্রহণকারীর নিজস্ব শরীর দ্বারা তৈরি হয়। এগুলোর মধ্যে চোখের পলক ফেলা, পেশীর টান, হার্টবিট এবং ঘাম গ্রন্থির কার্যকলাপ অন্তর্ভুক্ত রয়েছে, যার সবগুলোই এমন বৈদ্যুতিক ক্ষেত্র তৈরি করে যা স্কাল্পের ইলেকট্রোডগুলো প্রকৃত মস্তিষ্কের কার্যকলাপের পাশাপাশি গ্রহণ করে।
প্রযুক্তিগত বা অ-শারীরবৃত্তীয় (non-physiological) আর্টিফ্যাক্টগুলো রেকর্ডিং সরঞ্জাম এবং পরিবেশ থেকে উৎপন্ন হয়। আলগা ইলেকট্রোড, তারের দুলুনি, অ্যাম্প্লিফায়ারের স্যাচুরেশন এবং মেইনস বৈদ্যুতিক হস্তক্ষেপ এই দ্বিতীয় গ্রুপের মধ্যে পড়ে।
এই দুটি বিভাগের মধ্যে পার্থক্য করা প্রথম শেখার মতো দক্ষতা, কারণ এগুলো প্রতিরোধ এবং অপসারণের কৌশলগুলো মৌলিকভাবে ভিন্ন। একটি শক্ত করা চোয়াল থেকে পেশীর কম্পনের জন্য যে ধরণের হস্তক্ষেপের প্রয়োজন, একটি দুর্বল শিল্ডযুক্ত তারের মধ্য দিয়ে প্রবেশ করা পর্যায়বৃত্ত ৬০-হার্টজের গুঞ্জনের জন্য তার চেয়ে ভিন্ন হস্তক্ষেপের প্রয়োজন হয়।
কীভাবে বিষয়-সম্পর্কিত আর্টিফ্যাক্ট সনাক্ত করবেন
চোখের পলক
চোখ একটি ছোট বৈদ্যুতিক ব্যাটারির মতো আচরণ করে। কর্নিয়া রেটিনার তুলনায় একটি ধনাত্মক চার্জ বহন করে, যা একটি corneo‑retinal dipole গঠন করে। যখন একজন অংশগ্রহণকারী চোখের পলক ফেলেন, তখন চোখের পাতা এই ডাইপোলের উপর দিয়ে ঘোরে এবং ধনাত্মক ক্ষেত্রটিকে উপরের দিকে টেনে নিয়ে যায়, যা চোখের সবচেয়ে কাছের ফ্রন্টাল ইলেকট্রোডগুলোতে একটি বড়, ধনাত্মক ভোল্টেজ বিচ্যুতি তৈরি করে।
টাইম-ডোমেন ট্রেসে, চোখের পলক একটি উচ্চ-বিস্তার বিশিষ্ট, ধীর তরঙ্গ হিসাবে প্রদর্শিত হয় যা Fp1 এবং Fp2 এর মতো ফ্রন্টোপোলার চ্যানেলগুলোতে সর্বোচ্চ সীমায় পৌঁছায়, তারপর আপনি যখন সেন্ট্রাল বা পোস্টেরিয়র ডেরিভেশনের দিকে তাকান তখন তা তীব্রভাবে হ্রাস পায়। যেহেতু এই তরঙ্গরূপটি অত্যন্ত স্টেরিওটাইপড, তাই একটি প্রশিক্ষিত চোখ এটিকে প্রায় সাথে সাথেই চিহ্নিত করতে পারে।
চোখের নড়াচড়া এবং স্যাক্যাডিক স্পাইক
যখন চোখের পলক না ফেলে চোখগুলো পাশাপাশি ঘোরে, তখন কর্নিও-রেটিনাল ডাইপোলটি আবৃত হওয়ার পরিবর্তে আবর্তিত হয়। এটি ইলেক্ট্রো-অকুলোগ্রাম সিগন্যালে একটি ধাপের মতো পরিবর্তন তৈরি করে যা সংলগ্ন EEG চ্যানেলগুলোতে ছড়িয়ে পড়তে পারে।
এছাড়াও, একটি স্যাক্যাডের সময় এক্সট্রাওকুলার পেশীগুলোর দ্রুত সংকোচনের ফলে একটি সংক্ষিপ্ত, তীব্র বৈদ্যুতিক ট্রানজিয়েন্ট তৈরি হয় যা স্যাক্যাডিক স্পাইক পটেনশিয়াল নামে পরিচিত। একটি র ট্রেসে, এই স্পাইকগুলো বিভ্রান্তিকরভাবে এপিলেপটিফর্ম অ্যাক্টিভিটির মতো দেখতে হতে পারে। এগুলো সাধারণত ফ্রন্টাল এবং টেম্পোরাল ইলেকট্রোডগুলোর মধ্যে সীমাবদ্ধ থাকে এবং দৃষ্টি পরিবর্তনের সাথে মিলে যায়।
এগুলোকে চিনতে পারলে একটি ভুল ক্লিনিকাল ধারণা তৈরি হওয়া থেকে রক্ষা পাওয়া যায় এবং অন্যথায় পরিষ্কার নিউরাল ডেটা অপ্রয়োজনীয়ভাবে বাতিল করা এড়ানো যায়। স্পাইকের সংক্ষিপ্ততা, অনুভূমিক বা উল্লম্ব চোখের নড়াচড়ার সাথে এর সম্পর্ক এবং এর পরে ধীর তরঙ্গ না থাকা এটিকে একটি প্রকৃত কর্টিকাল ডিসচার্জ থেকে আলাদা করতে সাহায্য করে।
পেশীর কার্যকলাপ
মাথার ত্বক, মুখ এবং ঘাড়ের পেশীগুলো উচ্চ-ফ্রিকোয়েন্সি বিশিষ্ট বৈদ্যুতিক শব্দের উর্বর উৎপাদক। যখন একজন অংশগ্রহণকারী তার চোয়াল শক্ত করেন, কপাল কুঁচকান বা এমনকি ঘাড়ে উত্তেজনা ধরে রাখেন, তখন মোটর ইউনিট অ্যাকশন পটেনশিয়ালগুলো অসমলয়ভাবে ফায়ার হয় এবং একটি স্পাইকি, অনিয়মিত হস্তক্ষেপের ধরণে পরিণত হয়।
টাইম ডোমেনে, পেশীর আর্টিফ্যাক্ট দেখতে EEG-এর উপর চড়ে থাকা তীব্র, নিম্ন-বিস্তার বিচ্যুতির একটি দ্রুত বিস্ফোরণের মতো লাগে, যা প্রায়শই টেম্পোরাল বা ফ্রন্টাল ইলেকট্রোডের উপর সবচেয়ে বেশি স্পষ্ট হয়। এর ফ্রিকোয়েন্সি মূলত ২০ Hz-এর উপরে থাকে, যা বিটা এবং গামা ব্যান্ডের গভীরে পড়ে যেখানে অনেক জ্ঞানীয় পরিমাপের অবস্থান রয়েছে, যা এটিকে মানসিক অবস্থা পর্যবেক্ষণ এবং brain‑computer interface applications-এর জন্য বিশেষভাবে সমস্যাযুক্ত করে তোলে।
পরস্পরের কাছাকাছি থাকা ইলেকট্রোড সহ High‑density EEG setups পেশীর উৎস স্থানীয়করণ করতে সাহায্য করতে পারে, তবে প্রতিরোধের প্রথম উপায় হলো অংশগ্রহণকারীকে শিথিল হতে বলা এবং মাথার জন্য শারীরিক সহায়তা প্রদান করা।
ঘাম এবং ইলেকট্রোডার্মাল শিফট
ঘাম গ্রন্থির ক্রিয়াকলাপের কারণে ত্বকের পরিবাহিতার পরিবর্তন ইলেকট্রোড-ত্বকের ইন্টারফেসকে পরিবর্তন করে। এটি বেসলাইন ভোল্টেজের একটি খুব ধীর, মসৃণ প্রবাহ প্রবর্তন করে, যা প্রায়শই ১ Hz-এর নিচে থাকে, যা কয়েক সেকেন্ড জুড়ে ঘুরে বেড়াতে পারে।
এই আর্টিফ্যাক্টটি কোনো স্পাইক বা ছন্দময় গুঞ্জন হিসাবে প্রদর্শিত হয় না বরং পুরো ট্রেসের একটি মৃদু, তরঙ্গের মতো ঘূর্ণন হিসাবে দেখা দেয়। এটি দীর্ঘ রেকর্ডিংয়ের সময়, উষ্ণ পরিবেশে বা চিন্তিত অংশগ্রহণকারীদের ক্ষেত্রে সবচেয়ে বেশি সাধারণ। ঘরের তাপমাত্রা স্থিতিশীল রেখে এবং ইলেকট্রোডের ভালো যোগাযোগ নিশ্চিত করে এই নিম্ন-ফ্রিকোয়েন্সি বিভ্রান্তিটি পরিচালনা করা যেতে পারে।
কার্ডিয়াক সংকেত
হৃদপিণ্ডের বৈদ্যুতিক ক্ষেত্র মাথার ত্বকে পৌঁছানোর জন্য যথেষ্ট শক্তিশালী, বিশেষ করে যখন ইলেকট্রোডের ইম্পিডেন্স বেশি থাকে বা যখন একটি reference electrode ম্যাস্টয়েড বা কানের লতির উপর রক্তনালীর কাছে থাকে।
এর ফলে প্রাপ্ত ইলেক্ট্রোকার্ডিওগ্রাম আর্টিফ্যাক্টটি হৃদস্পন্দনের হারে পুনরাবৃত্তি হওয়া একটি নিয়মিত, তীব্র QRS-কমপ্লেক্স হিসাবে প্রদর্শিত হয়—মোটামুটি প্রতি সেকেন্ডে একবার। এটি প্রায়শই একটি সামঞ্জস্যপূর্ণ টাইমিং অফসেট সহ একসাথে অনেক চ্যানেলে ছড়িয়ে পড়ে এবং ব্রড-স্পেকট্রাম আর্টিফ্যাক্ট বৈশিষ্ট্যগুলোর উপর প্রশিক্ষিত ক্লাসিফায়ারগুলো অন্যান্য দূষকগুলোর সাথে এটি সনাক্ত করতে পারে।
যদি কার্ডিয়াক তরঙ্গরূপটি দৃশ্যমান হয় কিন্তু অপ্রতিরোধ্য না হয়, তবে এটি প্রায়শই একটি ডেডিকেটেড ECG চ্যানেল রেকর্ড করে বিয়োগ করা যেতে পারে; অন্যথায়, ক্ষতিগ্রস্ত অংশগুলো ম্যানুয়ালি বাতিল করার প্রয়োজন হতে পারে।
আর্টিফ্যাক্ট | স্বাক্ষর |
|---|---|
চোখের পলক | ফ্রন্টাল ধীর তরঙ্গ |
চোখের নড়াচড়া | ধাপের মতো স্থানান্তর |
পেশী | উচ্চ-ফ্রিকোয়েন্সি স্পাইক |
ঘাম | ধীর বেসলাইন প্রবাহ |
কার্ডিয়াক | তীব্র QRS কমপ্লেক্স |
ট্রেসে প্রযুক্তিগত আর্টিফ্যাক্টগুলো সনাক্ত করা
ইলেকট্রোড পপ এবং নড়াচড়া-সংক্রান্ত স্পাইক
শুকিয়ে যাওয়া জেল ব্রিজ, টান লাগা ক্যাবল বা স্থানান্তরিত ইলেকট্রোডের কারণে ইম্পিডেন্সে আকস্মিক পরিবর্তনের ফলে একটি খাড়া ট্রানজিয়েন্ট তৈরি হয় যাকে প্রায়শই পপ বলা হয়। এটি "জেনেরিক ডিসকন্টিনিউটিজ" বিভাগের অধীনে পড়ে যা সনাক্ত করার জন্য ADJUST-এর মতো স্বয়ংক্রিয় অ্যালগরিদমগুলো ডিজাইন করা হয়েছে।
টাইম ডোমেনে, একটি ইলেকট্রোড পপ সাধারণত চরম বিস্তারের একটি বিচ্ছিন্ন স্পাইকের মতো দেখায় যা অ্যাম্প্লিফায়ারকে স্যাচুরেট করতে পারে এবং একটি ধীর পুনরুদ্ধারের আগে কিছুক্ষণের জন্য সংকেতটিকে ফ্ল্যাট-লাইন করে দেয়। জৈবিক স্পাইকের বিপরীতে, এটি চলমান শারীরবৃত্তীয় কার্যকলাপ দ্বারা পরিবেষ্টিত থাকে না এবং সাধারণত একটি একক চ্যানেলে প্রদর্শিত হয়, যার ফলে ভিজ্যুয়াল পরিদর্শনের সময় এটিকে সনাক্ত করা সহজ হয়।
Hagmann et al. দ্বারা একটি neonatal EEG গবেষণায় একইভাবে ঘন ঘন নড়াচড়ার হস্তক্ষেপ রেকর্ড করা হয়েছে যা বিস্তার-সমন্বিত ট্রেসকে পরিবর্তিত করেছে, এবং জোর দিয়েছে যে সামান্য শারীরিক ব্যাঘাতও পরিমাপযোগ্য দূষণ তৈরি করে।
মেইনস হস্তক্ষেপ
রেকর্ডিং সেটআপের মধ্যে বিদ্যুৎ সরবরাহের ক্যাপাসিটিভ কাপলিং মেইনস ফ্রিকোয়েন্সিতে একটি অবিচ্ছিন্ন, ছন্দময় "গুঞ্জন" তৈরি করে—ইউরোপ এবং বিশ্বের বেশিরভাগ অংশে এটি ৫০ Hz, উত্তর আমেরিকায় ৬০ Hz।
একটি র EEG ট্রেসে, এই হস্তক্ষেপটি প্রতিটি চ্যানেলের উপর আরোপিত একটি ঘন সাইন-তরঙ্গ হিসাবে উপস্থিত হয়, প্রায়শই একটি সামঞ্জস্যপূর্ণ বিস্তারের সাথে। এমনকি সামান্য পরিমাণ লাইন নয়েজও কম-ভোল্টেজের সেরিব্রাল ছন্দগুলোকে মুখোশাবৃত করতে পারে, এবং এর উপস্থিতি ইলেকট্রোড ইম্পিডেন্স, শিল্ডিং বা গ্রাউন্ডিংয়ের সমস্যা নির্দেশ করে।
এটি সর্বদা একটি প্রযুক্তিগত আর্টিফ্যাক্ট, কোনো নিউরাল দোলন নয়, এবং এর নির্দিষ্ট ফ্রিকোয়েন্সি এটিকে খালি চোখে বা একটি সাধারণ spectral plot দিয়ে সনাক্ত করা সহজ করে তোলে।
আলগা ইলেকট্রোড এবং তারের নড়াচড়া
যখন একটি ইলেকট্রোড মাথার ত্বকের সাথে নিরাপদে সংযুক্ত থাকে না বা রেকর্ডিংয়ের মাঝে এর ক্যাবল দোলে, তখন যান্ত্রিক ব্যাঘাত অনিয়মিত নিম্ন-ফ্রিকোয়েন্সি ওঠানামা প্রবর্তন করে। এগুলো দেখতে ধীর, অনিয়মিত প্রবাহ বা একটি একক চ্যানেলে উচ্চ-বিস্তার বিশিষ্ট অনিয়মিত তরঙ্গের বিস্ফোরণের মতো হতে পারে।
এর বিক্ষিপ্ত প্রকৃতি এবং একটিমাত্র ইলেকট্রোডের মধ্যে সীমাবদ্ধ থাকা এই আর্টিফ্যাক্টটিকে চোখের পলক বা পেশীর টানের মতো বিস্তৃত শারীরবৃত্তীয় ঘটনা থেকে অবিলম্বে আলাদা করে। রিয়েল টাইমে এই ধরণের মুহূর্তগুলোকে টীকা দিয়ে রাখলে পরবর্তীতে খারাপ ডেটা অংশগুলোর সন্ধান সহজ করে অনেক প্রচেষ্টা বাঁচানো যায়।
রেকর্ডিংয়ের সময় আর্টিফ্যাক্ট প্রতিরোধ এবং নথিবদ্ধ করা
সবচেয়ে কার্যকর আর্টিফ্যাক্ট পরিচালনা কৌশল প্রথম ডেটা পয়েন্টটি সংরক্ষণ করার অনেক আগে শুরু হয়।
একজন শিথিল অংশগ্রহণকারী নাটকীয়ভাবে কম পেশী এবং চোখের নড়াচড়ার আর্টিফ্যাক্ট তৈরি করেন। অতএব, সেশনটি ব্যাখ্যা করার জন্য সময় নিন, মাথা সমর্থনের সুবিধা সহ একটি আরামদায়ক চেয়ার সরবরাহ করুন এবং চোখের স্বতঃস্ফূর্ত পলক এবং স্যাক্যাড কমাতে চোখকে একটি স্থিতিশীল ফিক্সেশন পয়েন্ট দিন। এই পদক্ষেপগুলো এতই মৌলিক যে এগুলো গবেষণা পত্রে খুব কমই বিস্তারিত লেখা হয়, তবুও পরিষ্কার ডেটা রিপোর্ট করা প্রতিটি গবেষণাই পরোক্ষভাবে এগুলোর উপর নির্ভর করে।
ইলেকট্রোড স্থাপন হলো প্রতিরক্ষার পরবর্তী স্তর। নিখুঁতভাবে ত্বক প্রস্তুত করা, পর্যাপ্ত পরিবাহী জেল ব্যবহার এবং সতর্ক ক্যাবল রাউটিং পরিবেশগত নয়েজ গ্রহণ এবং নড়াচড়া-সংক্রান্ত পপ উভয়ই কমিয়ে দেয়।
পূর্বোক্ত শিশু EEG গবেষণায় দেখা গেছে যে বৈদ্যুতিক এবং নড়াচড়ার হস্তক্ষেপগুলো একই ফ্রিকোয়েন্সিতে ঘটেছে, যা নিশ্চিত করে যে কোনো রেকর্ডিং পরিবেশই প্রযুক্তিগত সমস্যা থেকে পুরোপুরি মুক্ত নয়। সেশনের আগে এবং পরে ইম্পিডেন্স পরীক্ষা করা এবং জামাকাপড় বা চেয়ারে ক্যাবলগুলো সুরক্ষিত করা প্রতিরোধযোগ্য আর্টিফ্যাক্টগুলোর একটি বড় অংশ দূর করে।
অবশেষে, রেকর্ডিংয়ের সময় দৃশ্যমান আর্টিফ্যাক্টগুলোর একটি চলমান লগ রাখুন। যেকোনো বড় নড়াচড়া, কাশি বা ইলেকট্রোড সমন্বয়ের সময় নোট করুন। এই ধরণের ম্যানুয়াল টীকা স্বয়ংক্রিয় ক্লাসিফায়ারগুলোকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহৃত বিশেষজ্ঞ লেবেলিংয়ের প্রতিফলন ঘটায়, যেখানে মানব মূল্যায়নকারীরা মেশিন-লার্নিং অ্যালগরিদমের জন্য গ্রাউন্ড ট্রুথ হিসাবে কাজ করার জন্য অংশগুলোকে চিহ্নিত করে।
একটি সহজ হাতে লেখা টাইমস্ট্যাম্প বা অ্যাকুইজিশন সফটওয়্যারে একটি ইভেন্ট মার্কার অনুমানকে পুনরুৎপাদনযোগ্য নথিপত্রে রূপান্তর করে।
ম্যানুয়াল বর্জন এবং ইন্টারপোলেশন: গণনার আগে পরিষ্কার করা
অবিচ্ছিন্ন ট্রেসের ভিজ্যুয়াল পরিদর্শন
যেকোনো signal processing অ্যালগরিদমের উপর আর্টিফ্যাক্ট অপসারণের দায়িত্ব দেওয়ার আগে, র ডেটা স্ক্রোল করুন এবং দূষিত অংশগুলো সনাক্ত করতে উপরে বর্ণিত তরঙ্গরূপ স্বাক্ষরগুলো ব্যবহার করুন।
চোখের পলকের বৈশিষ্ট্যযুক্ত ফ্রন্টাল ধীর তরঙ্গ, পেশীর কার্যকলাপের উচ্চ-ফ্রিকোয়েন্সি শিস, একটি পপের বিচ্ছিন্ন স্পাইক বা মেইনস নয়েজের অবিরাম সাইন-তরঙ্গ খোঁজার পরামর্শ দেওয়া হয়। এই পদক্ষেপটি প্রকৃত মস্তিষ্কের কার্যকলাপ থেকে আর্টিফ্যাক্টগুলোকে আলাদা করতে আপনার চোখকে অভ্যস্ত করে এবং বিরল, উচ্চ-বিস্তার সম্পন্ন নিউরাল ঘটনাগুলোর স্বয়ংক্রিয় বর্জন প্রতিরোধ করে যা আপাতদৃষ্টিতে আর্টিফ্যাক্টের মতো দেখতে হতে পারে।
ফ্রন্টাল ধীর তরঙ্গ: চোখের পলক নির্দেশ করে
উচ্চ-ফ্রিকোয়েন্সি শিস: পেশীর কার্যকলাপ নির্দেশ করে
চরম বিস্তারের বিচ্ছিন্ন স্পাইক: একটি ইলেকট্রোড পপ নির্দেশ করে
অবিরাম সাইন-তরঙ্গ: মেইনস হস্তক্ষেপ নির্দেশ করে
খারাপ সময়ের অংশগুলো চিহ্নিত করা এবং বাদ দেওয়া
একবার আপনি আর্টিহ্যাক্ট-ভরা ডেটার অংশ সনাক্ত করলে, সেটিকে বর্জনের জন্য চিহ্নিত করুন। এর মধ্যে শুরু এবং শেষের সময় লগ করা বা EEG analysis software-এ বিল্ট-ইন মার্কিং টুল ব্যবহার করা অন্তর্ভুক্ত থাকতে পারে।
সবচেয়ে বেশি দূষিত অংশগুলো ম্যানুয়ালি অপসারণ করা হলো এমন একটি মানদণ্ড যার উপর ভিত্তি করে এমনকি অত্যাধুনিক স্বয়ংক্রিয় পদ্ধতিগুলো তৈরি করা হয়েছে। উদাহরণস্বরূপ, যে কাজটি ADJUST অ্যালগরিদম তৈরি করেছিল, সেখানে বিশেষজ্ঞরা একটি প্রশিক্ষণ সেট তৈরি করতে ম্যানুয়ালি 640 টি উপাদান লেবেল করেছিলেন এবং তারপরে এই ম্যানুয়ালি সংজ্ঞায়িত গ্রাউন্ড ট্রুথের বিপরীতে ক্লাসিফায়ারের পারফরম্যান্স পরিমাপ করা হয়েছিল।
হাত দিয়ে সবচেয়ে মারাত্মক আর্টিফ্যাক্টগুলো সরিয়ে ফেলা পরবর্তী অ্যালগরিদমগুলোর উপর চাপ কমায় এবং স্থানিক ফিল্টারিং পদক্ষেপের সময় সেগুলোকে প্রতিবেশী চ্যানেলগুলোতে নয়েজ ছড়ানো থেকে বাধা দেয়।
একটি ক্রমাগত কোলাহলপূর্ণ চ্যানেল ইন্টারপোলেট করা
আলগা যোগাযোগ, শুকনো জেল বা যান্ত্রিক অস্থিতিশীলতার কারণে যখন একটি একক ইলেকট্রোড পুরো রেকর্ডিংয়ের জন্য অবিশ্বসনীয় হয়, তখন সেই চ্যানেলটি সরিয়ে ফেলা এবং প্রতিবেশী পরিষ্কার ইলেকট্রোডগুলো থেকে এর ডেটা পুনর্গঠন করা সামগ্রিক ডেটার ডাইমেনশনালিটি রক্ষা করে।
ইন্টারপোলেশন খারাপ চ্যানেলটি কী রেকর্ড করতে পারত তা অনুমান করতে মাথার ত্বক জুড়ে স্থানিক ভোল্টেজ বিতরণ ব্যবহার করে, যা কার্যকরভাবে আর্টিফ্যাক্টটিকে একটি প্রশংসনীয়, নিরপেক্ষ সংকেত দ্বারা প্রতিস্থাপন করে। এই পদক্ষেপটি টপোগ্রাফিক বিশ্লেষণের জন্য ডেটাসেট অক্ষত রাখে এবং চ্যানেলটি সম্পূর্ণরূপে বাতিল করার ফলে যে ডেটা ক্ষতি হতো তা এড়ায়।
কেন ম্যানুয়াল ক্লিনিং অপরিহার্য রয়ে গেছে
এমনকি সবচেয়ে পরিশীলিত স্বয়ংক্রিয় ক্লাসিফায়ারগুলোও এমন একটি ডেটাসেট থেকে উপকৃত হয় যা থেকে স্থূল আর্টিফ্যাক্টগুলো আগে থেকেই পরিষ্কার করা হয়েছে। নবজাতকের গবেষণার এই অনুসন্ধান যে আর্টিফ্যাক্টগুলো রেকর্ডিং সময়ের 12% দখল করেছিল এবং ক্লিনিকাল ব্যাখ্যাকে প্রভাবিত করেছিল তা ব্যাখ্যা করে যে কীভাবে অপসারণ না করা দূষণ সহজেই সিদ্ধান্তে বিকৃতি ঘটাতে পারে।
অতএব, ম্যানুয়াল পরিদর্শন নিশ্চিত করে যে ডেটা একটি effective computational pipeline-এ প্রবেশ করার আগে সবচেয়ে বড় এবং সবচেয়ে স্পষ্ট আর্টিফ্যাক্টগুলো চলে গেছে, যেখানে অন্যথায় তারা ভিন্নতার উপর আধিপত্য বিস্তার করতে পারে এবং বিশ্লেষণকে বিভ্রান্ত করতে পারে। এটি ডেটাসেটের সাথে একটি নিবিড় পরিচিতিও তৈরি করে যা কোনো অ্যালগরিদম পুনরুৎপাদন করতে পারে না।
কীভাবে স্বয়ংক্রিয় অপসারণ ম্যানুয়াল কাজকে সমর্থন করে
একটি ব্যবচ্ছেদ সরঞ্জাম হিসাবে ইন্ডিপেনডেন্ট কম্পোনেন্ট অ্যানালাইসিস
একবার সবচেয়ে খারাপ অংশগুলো ম্যানুয়ালি অপসারণ করা হলে, ICA অবশিষ্ট EEG-কে পরিসংখ্যানগতভাবে স্বাধীন উৎস উপাদানে পচিয়ে দিতে পারে। এই প্রযুক্তিটি মাথার ত্বকের ইলেকট্রোড দ্বারা সংগৃহীত মস্তিষ্ক এবং আর্টিফ্যাক্ট সংকেতগুলোর মিশ্রণকে আলাদা করে, চোখের নড়াচড়া, চোখের পলক এবং পেশীর ক্রিয়াকলাপকে তাদের অনন্য স্থানিক এবং সাময়িক প্যাটার্নের ভিত্তিতে পৃথক উপাদানে বিভক্ত করে।
একটি ফ্রন্টাল প্রজেকশন বিশিষ্ট উপাদান এবং চোখের পলক ফেলার সংকেতের সাথে ঘনিষ্ঠভাবে মিলে যাওয়া একটি তরঙ্গরূপকে তখন চিহ্নিত করে বিয়োগ করা যেতে পারে, যা বাকি ডেটাকে শারীরবৃত্তীয়ভাবে অক্ষত রাখে। ICA-এর শক্তি একই সাথে ঘটা একাধিক আর্টিফ্যাক্ট উৎস পরিচালনা করার ক্ষমতার মধ্যে নিহিত, এমন একটি কাজ যা সহজ রিগ্রেশন-ভিত্তিক সংশোধন প্রায়শই প্রয়োজনের চেয়ে বেশি বা কম সংশোধন করে ফেলে।
আধুনিক ক্লাসিফায়ারের নির্ভরযোগ্যতা
স্বয়ংক্রিয় পদ্ধতিগুলো এখন পারফরম্যান্সের এমন একটি স্তরে পৌঁছেছে যা বিশেষজ্ঞ মানুষের বিচারের সাথে ঘনিষ্ঠভাবে মেলে।
একটি subject‑independent linear classifier, যা ফ্রিকোয়েন্সি, স্পেশাল এবং টেম্পোরাল ডোমেন থেকে নেওয়া ছয়টি বৈশিষ্ট্যের উপর প্রশিক্ষিত, একটি প্রতিক্রিয়া-সময় ডেটাসেটে 10%-এর নিচে গড় স্কয়ার্ড এরর অর্জন করেছে, যা দুজন মানব বিশেষজ্ঞের মধ্যকার মতবিরোধের সীমার মধ্যেই পড়ে।
তদ্ব্যতীত, ADJUST অ্যালগরিদম, যা স্থানিক এবং সাময়িক আর্টিফ্যাক্ট-নির্দিষ্ট বৈশিষ্ট্যগুলোকে একত্রিত করে, একটি সম্পূর্ণ স্বাধীন ডেটাসেটে পরীক্ষা করার সময় ম্যানুয়াল বিশেষজ্ঞ লেবেলিংয়ের সাথে ডেটা বিচ্যুতির 95.2% ক্ষেত্রে একমত হয়েছে, এবং এর আর্টিফ্যাক্ট উপাদানগুলোর অপসারণ ঘটনা-সম্পর্কিত পটেনশিয়ালের একটি পরিষ্কার পুনর্গঠনের দিকে পরিচালিত করেছে।
সাপোর্ট ভেক্টর মেশিনের সাথে সংযুক্ত অটোরেগ্রেসিভ মডেল ব্যবহার করে একটি ভিন্ন পদ্ধতি প্রায় 94% নির্ভুলতার সাথে ব্যক্তিদের মধ্যে বেশ কয়েক ধরণের বিষয়-উত্পাদিত আর্টিফ্যাক্টকে শ্রেণীবদ্ধ করেছে।
বিশেষ করে চোখের আর্টিফ্যাক্টের জন্য, প্রাসঙ্গিক উপাদানগুলোকে উদ্দেশ্যমূলকভাবে সনাক্ত করতে আই-ট্র্যাকার তথ্যকে অন্তর্ভুক্ত করে এমন একটি অ্যালগরিদম কেবল উপাদান টপোগ্রাফির উপর নির্ভর করতে বাধ্য হওয়া মানব বিশেষজ্ঞদের চেয়ে প্রায় দ্বিগুণ কার্যকরভাবে কাজ করেছে, যা 0.99-এর বেশি রিসিভার অপারেটিং ক্যারেক্টারিস্টিক এরিয়া আন্ডার দ্য কার্ভ অর্জন করেছে।
এই সংখ্যাগুলো ম্যানুয়াল ক্লিনিংকে প্রতিস্থাপন করে না তবে এটি প্রমাণ করে যে এই ক্ষেত্রে এখন নির্ভরযোগ্য কম্পিউটেশনাল সহকারী রয়েছে যা একসময় সম্পূর্ণরূপে হাত দিয়ে করা পুনরাবৃত্তিমূলক, উচ্চ-পরিমাণের সনাক্তকরণের কাজটি পরিচালনা করতে পারে।
আর্টিফ্যাক্ট অপসারণ এবং সংকেত সংরক্ষণের ভারসাম্য রক্ষা করা
আগ্রাসী উপায়ে আর্টিফ্যাক্ট প্রত্যাখ্যান অসাবধানতাবশত প্রকৃত নিউরাল তথ্য কেড়ে নিতে পারে। একটি মোটর ইমেজরি ব্রেন-কম্পিউটার ইন্টারফেস প্যারাডাইমে, গবেষকরা দেখেছেন যে তারা BCI সিস্টেম ব্যবহারকারীর অভিপ্রায় ডিকোড করতে ব্যবহৃত বৈষম্যমূলক তথ্য সংরক্ষণ করার পাশাপাশি সবচেয়ে বেশি আর্টিফ্যাক্ট বহনকারী ICA উপাদানগুলোর 60% পর্যন্ত নিরাপদে অপসারণ করতে পারেন।
এই অনুসন্ধানটি এই গুরুত্বপূর্ণ নীতিটিকে আন্ডারলাইন করে যে কিছু আর্টিফ্যাক্ট বহনকারী প্রতিটি উপাদানই নিউরাল সংকেত বর্জিত নয়। স্বয়ংক্রিয় ক্লাসিফায়ার দ্বারা নির্বাচিত উপাদানগুলোর ম্যানুয়াল পর্যালোচনা করার পরামর্শ দেওয়া হয় যাতে নিশ্চিত করা যায় যে বর্জনের সীমাটি দরকারী মস্তিষ্কের কার্যকলাপের এলাকায় প্রবেশ না করে।
কেন আর্টিফ্যাক্ট সচেতনতা ডেটার গুণমান নির্ধারণ করে
আর্টিফ্যাক্টগুলো সরাসরি ভিজ্যুয়াল ব্যাখ্যা এবং পরিমাণগত পরিমাপ উভয়কেই প্রভাবিত করে। লক্ষ্যটি একটি ক্লিনিকাল রোগ নির্ণয়, একটি neuroscience আবিষ্কার, নাকি একটি consumer wellness application যা-ই হোক না কেন, নির্ভরযোগ্য ফলাফলের পথটি আর্টিফ্যাক্টগুলো কোথা থেকে আসে, র ট্রেসে সেগুলোকে কেমন দেখায় এবং সেগুলো প্রতিরোধ, নথিবদ্ধ এবং ম্যানুয়ালি পরিষ্কার করার সুশৃঙ্খল প্রক্রিয়ার স্পষ্ট বোঝার মধ্য দিয়ে যায়।
ICA-ভিত্তিক অটোমেশন ক্লিনিং ওয়ার্কফ্লোকে ত্বরান্বিত করতে পারে, তবে এটি এমন ডেটার উপর সবচেয়ে কার্যকরভাবে কাজ করে যা ইতিমধ্যেই একজন প্রশিক্ষিত মানুষের চোখ দ্বারা পরিদর্শন করা হয়েছে। একটি 12% দূষণের হার শুনতে বেশি নাও লাগতে পারে, তবে যখন সেই ভগ্নাংশটি একটি চিকিৎসা সিদ্ধান্তকে পরিবর্তন করতে পারে বা একটি সূক্ষ্ম cognitive biomarker অস্পষ্ট করতে পারে, তখন আর্টিফ্যাক্ট পরিচালনায় বিনিয়োগ রেকর্ডিংয়ের বৈজ্ঞানিক সততার সাথে অবিচ্ছেদ্য হয়ে ওঠে।
তথ্যসূত্র
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
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
EEG আর্টিফ্যাক্টের দুটি প্রধান বিভাগ কী কী এবং তারা কীভাবে আলাদা?
EEG আর্টিফ্যাক্টগুলো দুটি বিভাগের অধীনে পড়ে: অংশগ্রহণকারীর শরীর দ্বারা উত্পাদিত বিষয়-সম্পর্কিত (শারীরবৃত্তীয়) আর্টিফ্যাক্ট—যেমন চোখের পলক, পেশীর টান, হার্টবিট এবং ঘাম—এবং সরঞ্জাম বা পরিবেশ থেকে উদ্ভূত প্রযুক্তিগত (অ-শারীরবৃত্তীয়) আর্টিফ্যাক্ট, যেমন আলগা ইলেকট্রোড, ক্যাবল সোয়ে এবং মেইনস হস্তক্ষেপ। এই পার্থক্যটি গুরুত্বপূর্ণ কারণ প্রতিটি বিভাগের জন্য বিভিন্ন প্রতিরোধ এবং অপসারণ কৌশল প্রয়োজন; উদাহরণস্বরূপ, পেশীর কম্পনের জন্য একটি ভিন্ন হস্তক্ষেপ প্রয়োজন যা একটি 60-Hz লাইন গুঞ্জনের চেয়ে আলাদা।
কীভাবে আপনি একটি EEG ট্রেসে চোখের পলক ফেলার আর্টিফ্যাক্ট সনাক্ত করতে পারেন?
চোখের পলক একটি বড়, ধনাত্মক, ধীর তরঙ্গ হিসাবে প্রদর্শিত হয় যা Fp1 এবং Fp2 এর মতো ফ্রন্টাল ইলেকট্রোডগুলোর উপর সবচেয়ে শক্তিশালী হয় এবং এটি সেন্ট্রাল বা পোস্টেরিয়র চ্যানেলগুলোর দিকে দ্রুত ম্লান হয়ে যায়। যেহেতু কর্নিয়া রেটিনার তুলনায় একটি ধনাত্মক চার্জ বহন করে, তাই এই ডাইপোলের উপর দিয়ে চোখের পাতার ঘূর্ণন একটি স্টেরিওটাইপড, উচ্চ-বিস্তার সম্পন্ন বিচ্যুতি তৈরি করে যা প্রশিক্ষণের মাধ্যমে সহজেই চিহ্নিত করা যায়।
ব্রেন-কম্পিউটার ইন্টারফেসের জন্য পেশীর ক্রিয়াকলাপ কেন বিশেষ করে সমস্যাযুক্ত হতে পারে?
চোয়াল শক্ত করা, কপাল কুঁচকানো বা ঘাড়ের টান থেকে পেশীর আর্টিফ্যাক্টগুলো উচ্চ-ফ্রিকোয়েন্সি বিশিষ্ট, স্পাইকি হস্তক্ষেপ তৈরি করে যা প্রায়শই বিটা এবং গামা ব্রেনওয়েভ ব্যান্ডের সাথে ওভারল্যাপ করে যেখানে জ্ঞানীয় পরিমাপ এবং মানসিক অবস্থা পর্যবেক্ষণ কাজ করে। এই দূষণটি অ্যালগরিদমিক বিশ্লেষণগুলোকে নষ্ট করতে পারে এবং ব্রেন-কম্পিউটার ইন্টারফেস মডেলগুলোর কার্যকারিতা হ্রাস করতে পারে, যা এটিকে পরিচালনার জন্য সবচেয়ে ঝামেলার শারীরবৃত্তীয় আর্টিফ্যাক্টগুলোর একটি করে তোলে।
একটি মেইনস হস্তক্ষেপ আর্টিফ্যাক্ট কেমন দেখতে এবং এর কারণ কী?
মেইনস হস্তক্ষেপ প্রতিটি EEG চ্যানেলে আরোপিত একটি অবিচ্ছিন্ন, ছন্দময় সাইন-তরঙ্গ "গুঞ্জন" হিসাবে প্রদর্শিত হয়, যা সাধারণত অঞ্চলের বিদ্যুৎ সরবরাহের উপর নির্ভর করে ৫০ বা ৬০ Hz-এ হয়। এটি দুর্বল ইলেকট্রোড ইম্পিডেন্স, অপর্যাপ্ত শিল্ডিং বা গ্রাউন্ডিং সমস্যার কারণে রেকর্ডিং সেটআপে শক্তির উৎসের ক্যাপাসিটিভ কাপলিং থেকে উদ্ভূত হয় এবং এটি স্পষ্টতই একটি প্রযুক্তিগত আর্টিফ্যাক্ট, কোনো নিউরাল সংকেত নয়।
একটি রেকর্ডিংয়ের সময় আর্টিফ্যাক্টগুলোর ম্যানুয়াল টীকা কেন গুরুত্বপূর্ণ?
সেশনের সময় স্থূল নড়াচড়া, কাশি বা ইলেকট্রোড সামঞ্জস্যের একটি চলমান লগ রাখা পরবর্তীতে খারাপ ডেটা অংশগুলোকে সংকুচিত করতে সাহায্য করে এবং অনুমানকে পুনরুৎপাদনযোগ্য নথিপত্রে রূপান্তর করে। এই ম্যানুয়াল টীকাটি স্বয়ংক্রিয় ক্লাসিফায়ারগুলোকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহৃত বিশেষজ্ঞ লেবেলিংয়েরও প্রতিফলন ঘটায়, যা একটি গ্রাউন্ড ট্রুথ প্রদান করে যা ম্যানুয়াল এবং কম্পিউটেশনাল ক্লিনিং উভয়ের নির্ভরযোগ্যতা উন্নত করে।
একটি ক্রমাগত কোলাহলপূর্ণ EEG চ্যানেল ইন্টারপোলেট করার উদ্দেশ্য কী?
আলগা যোগাযোগ বা শুকনো জেলের কারণে পুরো রেকর্ডিং জুড়ে যখন একটি একক ইলেকট্রোড অবিশ্বাস্য হয়, তখন ইন্টারপোলেশন মাথার ত্বক জুড়ে স্থানিক ভোল্টেজ বিতরণ ব্যবহার করে প্রতিবেশী পরিষ্কার ইলেকট্রোডগুলো থেকে সেই চ্যানেলের ডেটা পুনর্গঠন করে। এটি টপোগ্রাফিক বিশ্লেষণের জন্য ডেটাসেটের সামগ্রিক ডাইমেনশনালিটি রক্ষা করে, পুরো চ্যানেলটি বাতিল করা হলে যে ডেটা ক্ষতি হতো তা এড়ায়।
ইন্ডিপেনডেন্ট কম্পোনেন্ট অ্যানালাইসিস (ICA) কীভাবে আর্টিফ্যাক্ট অপসারণে সাহায্য করে?
ICA মিশ্রিত EEG সংকেতগুলোকে পরিসংখ্যানগতভাবে স্বাধীন উৎস উপাদানে বিভক্ত করে, চোখের পলক, পেশীর ক্রিয়াকলাপ এবং অন্যান্য আর্টিফ্যাক্টগুলোকে তাদের অনন্য স্থানিক এবং সাময়িক প্যাটার্নের ভিত্তিতে পৃথক করে। একবার চিহ্নিত হয়ে গেলে, একটি আর্টিফ্যাক্ট উপাদান—যেমন চোখের পলকের সাথে মিলে যাওয়া একটি ফ্রন্টাল প্রজেকশন সহ উপাদান—বিয়োগ করা যেতে পারে, যা অন্তর্নিহিত নিউরাল সংকেতগুলোকে মূলত অক্ষত রাখে এবং সাধারণ রিগ্রেশন পদ্ধতির চেয়ে আরও কার্যকরভাবে একসাথে ঘটা একাধিক আর্টিফ্যাক্ট উৎস পরিচালনা করে।
স্বয়ংক্রিয় আর্টিফ্যাক্ট অপসারণের ক্ষেত্রে খুব বেশি আগ্রাসী হওয়ার ঝুঁকি কী?
আগ্রাসী প্রত্যাখ্যান অসাবধানতাবশত প্রকৃত নিউরাল তথ্য কেড়ে নিতে পারে, যেহেতু কিছু উপাদান আর্টিফ্যাক্ট বিচ্যুতি এবং দরকারী মস্তিষ্কের কার্যকলাপ উভয়ই বহন করে। এমনকি যদি স্বয়ংক্রিয় ক্লাসিফায়ারগুলো অনেক উপাদান চিহ্নিত করে, তবুও কোন উপাদানগুলো অপসারণ করতে হবে তার ম্যানুয়াল পর্যালোচনা করার পরামর্শ দেওয়া হয় যাতে নিশ্চিত করা যায় যে প্রত্যাখ্যানের সীমা ব্যবহারকারীর অভিপ্রায় ডিকোড করার জন্য বা জ্ঞানীয় বায়োমার্কার সনাক্তকরণের জন্য প্রয়োজনীয় সংকেত দূর করে না দেয়।
কেন আর্টিফ্যাক্ট সচেতনতা সরাসরি একটি EEG রেকর্ডিংয়ের বৈজ্ঞানিক সততাকে প্রভাবিত করে?
আর্টিফ্যাক্টগুলো প্যাথলজিকাল তরঙ্গরূপ হিসাবে ছদ্মবেশ ধারণ করতে পারে বা এমন বিচ্যুতি প্রবর্তন করতে পারে যা ভিজ্যুয়াল ব্যাখ্যা এবং পরিমাণগত বিশ্লেষণ উভয়কেই বিকৃত করে, যা সম্ভাব্যভাবে ক্লিনিকাল শ্রেণীবিভাগকে পরিবর্তন করে বা সূক্ষ্ম জ্ঞানীয় সংকেতগুলোকে অস্পষ্ট করে। যেকোনো কম্পিউটেশনাল প্রক্রিয়াকরণের আগে আর্টিফ্যাক্টগুলো প্রতিরোধ, নথিবদ্ধ এবং ম্যানুয়ালি পরিষ্কার করার একটি সুশৃঙ্খল প্রক্রিয়া অপরিহার্য, যা নিশ্চিত করে যে ডেটা থেকে নেওয়া সিদ্ধান্তগুলো নির্ভরযোগ্য এবং দূষণ দ্বারা বিকৃত নয়।
Emotiv একটি নিউরোটেকনোলজি শীর্ষস্থানীয় প্রতিষ্ঠান, যা সহজলভ্য EEG এবং ব্রেন ডেটা টুলের মাধ্যমে স্নায়ুবিজ্ঞান গবেষণার অগ্রগতিতে সহায়তা করে।
ক্রিশ্চিয়ান বার্গোস
