معناداری آماری: اندازه (های) نمونه و توان آماری

۲ چالش اصلی در تحقیقات EEG

مهول نایاک

به‌روزرسانی در

۱۱ بهمن ۱۴۰۱

معناداری آماری: اندازه (های) نمونه و توان آماری

۲ چالش اصلی در تحقیقات EEG

مهول نایاک

به‌روزرسانی در

۱۱ بهمن ۱۴۰۱

معناداری آماری: اندازه (های) نمونه و توان آماری

۲ چالش اصلی در تحقیقات EEG

مهول نایاک

به‌روزرسانی در

۱۱ بهمن ۱۴۰۱

چالش‌ها در پژوهش و تحلیل مدرن EEG کدامند؟

در سال ۱۹۲۵، هانس برگر، روان‌پزشک آلمانی، اولین نوار مغزی یا الکتروانسفالوگرام (EEG) انسان را ثبت کرد. از آن زمان، فناوری در واسط‌های مغز و رایانه و محاسبات روند رو به بهبودی داشته است.

این مطلب به بررسی دو چالش اصلی در پژوهش‌های EEG می‌پردازد که عبارتند از:

  1. پیچیدگی لجستیکی پژوهش‌های دانشگاهی و سنتی EEG، و

  2. نوآوری در سخت‌افزار EEG.

پیچیدگی لجستیکی پژوهش‌های دانشگاهی و سنتی EEG

جامعه‌های آماری محدود، فاقد بودجه کافی و دارای محدودیت‌های منطقه‌ای

بیایید ابتدا پژوهش‌های الکتروانسفالوگرام (EEG) را درک کنیم. پژوهش‌های EEG و روش‌شناسی پژوهش در علوم اعصاب شناختی شامل ثبت فعالیت الکتریکی مغز انسان با استفاده از الکترودهای غیرتهاجمی است که به طور هدفمند روی سطح سر فرد قرار می‌گیرند. با استفاده از طرح‌های آزمایشی که شامل مواجهه با محرک‌های مختلف است، می‌توان تغییرات سیگنال‌های مغزی را تحلیل و داده‌ها را استخراج کرد.

جدول ۱ نمای کلی از انواع مطالعات و فعالیت‌های انجام‌شده با فناوری EEG را ارائه می‌دهد. همچنین می‌توانید این راهنمای مقدماتی برای الکتروانسفالوگرافی EEG را مطالعه فرمایید.

جدول ۱: انواع مطالعات الکتروانسفالوگرام (EEG) (برگرفته از (ویلیامز و همکاران، ۲۰۲۰)

واسط‌های مغز و رایانه (BCI)

این مطالعات تعاملات انسان و رایانه را بررسی و توانمند می‌سازند، مانند کنترل بازوی مکانیکی یا ویلچر یا ایجاد امکان ارتباط در بیماران دارای معلولیت.

بالینی

این مطالعات از EEG برای کاربردهای تشخیصی و درمانی استفاده می‌کنند؛ از جمله تشخیص حملات صرع یا استفاده از نوروفیدبک در درمان شناختی.

پژوهش‌های آزمایشی

این مطالعات داده‌های الکتروگرام را برای پاسخ به یک سوال یا فرضیه علوم اعصاب محاسباتی جمع‌آوری می‌کنند.

اگرچه EEG به عنوان یک ابزار پژوهشی موثر به طور گسترده پذیرفته شده است، اما لجستیک آن می‌تواند چالش‌برانگیز باشد. بیشتر سازمان‌های تأمین‌کننده بودجه، برای پژوهش‌های بالینی، کاربردی یا انتقالی بودجه ارائه می‌دهند. با این حال، بودجه کمتری برای پژوهش‌های آزمایشی پایه وجود دارد. بودجه کمتر می‌تواند دشواری لجستیکی جذب شرکت‌کنندگان و انجام پژوهش‌های آزمایشی معتبر را تشدید کند که در نتیجه منجر به حجم نمونه کوچک می‌شود. این نمونه‌های کوچک به طور در دسترس از یک منطقه جغرافیایی محدود انتخاب می‌شوند.

این پدیده به عنوان مسئله WEIRD شناخته می‌شود و به افراد غربی، تحصیل‌کرده، صنعتی، ثروتمند و دموکرات اشاره دارد که بخش عمده‌ای از نمونه‌های پژوهشی معمول را تشکیل می‌دهند. این گروه‌های نمونه چندان فراگیر نیستند زیرا بیشتر این افراد از محیط‌های دانشگاهی می‌آیند. این جمعیت آماری دموگرافیک WEIRD منعکس‌کننده تنوع دنیای واقعی یا ویژگی‌های شناختی و عاطفی منحصربه‌فردی که به ما هویت انسانی می‌بخشد، نیست.

در مجموع، این وضعیت اهمیت عملی و قابلیت تعمیم آزمایش‌ها را محدود می‌کند. به همین دلیل، تعمیم یافته‌های این مطالعات به بینش‌های نوین درباره کل شناخت انسان (مانند بار ذهنی، حل مسئله و غیره) دشوار است.

نوآوری‌ها در سخت‌افزار EEG

تجهیزات با گرید پژوهشی، قابل حمل و کم‌هزینه در سطح جهانی

دستگاه‌های EEG

در چند سال گذشته، پژوهشگران با استفاده از دستگاه‌های قابل حمل/پرتابل EEG مرزهای سنتی پژوهش‌های علوم اعصاب را شکسته‌اند. واسط‌های مغز و رایانه (BCI)، واسط‌های مغز و ماشین (BMI) یا واسط‌های انسان و رایانه (HCI) دقیقاً همین کار را انجام می‌دهند. آنها از سیگنال‌های EEG برای مشخص کردن و شناسایی حالت‌های شناختی یا عاطفی استفاده می‌کنند. BCI به سرعت در حال توسعه است تا روش تعامل انسان با محیط خود را متحول کند. این امر به دلیل پیشرفت در مینیاتوری‌سازی سخت‌افزار و بهبود الگوریتم‌های پردازش داده‌ها شکل گرفته است. این سیستم‌ها انسان را قادر می‌سازند تا خود را از طریق نوروفیدبک بهبود بخشد و افراد را تشویق می‌کند تا بدون مداخله فیزیکی با محیط اطراف خود تعامل داشته باشند.

آینده دستگاه‌های EEG

در حداقل یک دهه گذشته، روند کلی در سخت‌افزار EEG کوچک‌تر، بی‌سیم، پرتابل و کم‌هزینه‌تر کردن این ابزارها بوده است.

شکل ۱: هدست EPOC متعلق به Emotiv

شکل ۲: هدست EPOC Flex متعلق به Emotiv

با این حال، انتقال آنچه زمانی به یک آزمایشگاه گران‌قیمت و اختصاصی نیاز داشت به یک سیستم قابل حمل و کم‌هزینه، بدون دغدغه نبوده است. برخی از دانشمندان نگرانی‌هایی در مورد اعتبار، کیفیت یا کاربردی بودن هدست‌های EEG داشته‌اند. برای بررسی این موضوع، پژوهشگران مطالعات اعتبارسنجی بسیاری انجام داده‌اند که کاربرد علمی این سیستم‌ها را نشان می‌دهد.

هزینه پایین و قابل حمل بودن هدست‌های EEG همچنین دامنه وسیعی از سوالات پژوهشی را باز کرده است که اکنون می‌توانند در شرایط واقعی (in-situ) پاسخ داده شوند. این بدان معناست که امواج مغزی فرد را می‌توان در موقعیت‌های دنیای واقعی اندازه‌گیری کرد، در حالی که سخت‌افزارهای قدیمی تحرک بسیار کمی دارند. در روانشناسی حرکت یا ورزش، این یک تغییر شگرف و بزرگ است.

یک گروه پژوهشی را تصور کنید که زمان واکنش را در مجموعه مشخصی از دانشجویان ورزشکار بررسی می‌کند. آنها می‌پرسند آیا دروازه‌بانان فوتبال زمان واکنش سریع‌تری نسبت به سایر هم‌تیمی‌های خود در برابر توپ دارند؟ در پارادایم پژوهشی قدیمی، این افراد باید به آزمایشگاه می‌آمدند، سیم‌کشی می‌شدند، وظیفه‌ای را روی یک صفحه فیزیکی انجام می‌دادند و با دکمه‌های سخت‌افزاری یا فشردن کلیدها گزارش می‌دادند. با تجهیزات جدیدتر EEG، همین سوال اکنون می‌تواند در حین حضور واقعی در زمین فوتبال بررسی و اندازه‌گیری شود.

به طور کلی، این نوآوری‌ها در سخت‌افزار EEG برنامه‌های کاربردی عملی را در خارج از آزمایشگاه ایجاد کرده‌اند. به این ترتیب، آنها ظرفیت و دامنه پژوهش‌های علوم اعصاب را افزایش داده‌اند.

ملاقات با نوآوری – ملاقات با Emotiv

در چند سال گذشته پیشرفت‌های هیجان‌انگیزی در یادگیری عمیق و سایر تحلیل‌های یادگیری ماشین رخ داده است. به همین دلیل، برای بهره‌برداری از ارزش این برنامه‌ها، به یک مجموعه داده بزرگ، معتبر و باکیفیت (n=1000+) نیاز است. با توجه به الزامات پردازش سیگنال، طبقه‌بندی، اعتبارسنجی و ارزیابی عملکرد در پژوهش‌های EEG، این حوزه در صورت استفاده از این رویکردهای هوش مصنوعی سود بسیار زیادی می‌برد. برای غلبه بر ماهیت تکراری پژوهش‌های تجربی فعلی در علوم اعصاب، به کلان‌داده (Big Data) نیاز است، به ویژه در بخش‌های پیچیده‌تر بیماری‌های نورودژنراتیو و واسط‌های مغز و رایانه. تا پیش از این، آن داده‌ها در دسترس نبوده‌اند.

دو رویکرد برای افزایش جمعیت نمونه بالقوه و در نتیجه
داده‌های جمع‌آوری شده وجود دارد:

  1. توسعه سخت‌افزار EEG با گرید پژوهشی، با کیفیت مناسب، پرتابل و کم‌هزینه که بتواند در سطح جهانی مورد استفاده قرار گیرد.

  2. بهبود روش‌های جمع‌آوری داده، اعتبارسنجی و روش‌های تحلیل خودکار.

حل چالش‌ها، رشد همراه با تغییرات. انتخاب شما Emotiv

مروری بر نوآوری‌های EEG شرکت Emotiv در یک دهه گذشته

استفاده از دستگاه‌های EEG در پژوهش‌های علوم اعصاب و محیط‌های بالینی همچنان رو به افزایش است (به شکل ۳ مراجعه کنید). در یک دهه گذشته، Emotiv تجهیزات EEG با گرید پژوهشی، بی‌سیم، قابل حمل و با کاربری آسان را همراه با کنترل‌های کیفی توسعه داده است که برای هر کسی در هر کجای دنیا قابل دسترسی است تا به این چالش‌ها پاسخ دهد.

شکل ۳ – تعداد مقالات منتشر شده حاوی کلمه "EEG" (از ۱۹۴۰ تا ۲۰۲۱) از طریق چارچوب اطلاعات علوم اعصاب

تکامل سخت‌افزار

علاوه بر این، سخت‌افزار EEG از الکترودهای مرطوب به الکترودهای خشک تکامل یافته است. نصب الکترودهای مرطوب زمان‌بر است، استفاده از آنها ناخوشایند است و تحرک را محدود می‌کنند. هدست‌های دارای الکترودهای خشک یا هیبریدی به سرعت کار می‌کنند، قابل حمل هستند و هزینه ساخت و کاربری بسیار کمتری دارند. این پیشرفت‌های تکنولوژیک ما را به دستاوردهای بزرگ در پژوهش‌های عصبی نزدیک‌تر می‌کنند، اما هنوز کاملاً به مقصد نرسیده‌ایم.

تضمین نمونه‌های آماری متنوع

Emotiv می‌تواند به شما کمک کند تا تنوع مطالعات خود را افزایش دهید. خط تولید سری EPOC هدست‌های EEG متعلق به Emotiv بیش از یک دهه است که وجود دارد و توسط موسسات تحقیقاتی در سراسر جهان به طور مستقل اعتبارسنجی شده است. آنها در برنامه‌های مختلفی از جمله کنترل اعضای مصنوعی رباتیک و ویلچر، احراز هویت بیومتریک کاربر در سیستم‌های امنیتی و تشخیص حالت‌های ذهنی شناختی و عاطفی استفاده شده‌اند.

پتانسیل Emotiv برای استفاده جهانی و موانع مالی اندک آن، پژوهش را برای کسانی که منابع محدودی دارند تسهیل می‌کند. برای نمونه، پارامشواران و تیاگاراجان از تجهیزات EEG برند Emotiv در محیط‌های روستایی و شهری هند استفاده کردند تا تفاوت‌ها در الگوهای ثبت‌شده EEG مرتبط با وضعیت اقتصادی-اجتماعی، مواجهه با فناوری و تجربه سفر را نشان دهند.

چالش‌ها در پژوهش و تحلیل مدرن EEG کدامند؟

در سال ۱۹۲۵، هانس برگر، روان‌پزشک آلمانی، اولین نوار مغزی یا الکتروانسفالوگرام (EEG) انسان را ثبت کرد. از آن زمان، فناوری در واسط‌های مغز و رایانه و محاسبات روند رو به بهبودی داشته است.

این مطلب به بررسی دو چالش اصلی در پژوهش‌های EEG می‌پردازد که عبارتند از:

  1. پیچیدگی لجستیکی پژوهش‌های دانشگاهی و سنتی EEG، و

  2. نوآوری در سخت‌افزار EEG.

پیچیدگی لجستیکی پژوهش‌های دانشگاهی و سنتی EEG

جامعه‌های آماری محدود، فاقد بودجه کافی و دارای محدودیت‌های منطقه‌ای

بیایید ابتدا پژوهش‌های الکتروانسفالوگرام (EEG) را درک کنیم. پژوهش‌های EEG و روش‌شناسی پژوهش در علوم اعصاب شناختی شامل ثبت فعالیت الکتریکی مغز انسان با استفاده از الکترودهای غیرتهاجمی است که به طور هدفمند روی سطح سر فرد قرار می‌گیرند. با استفاده از طرح‌های آزمایشی که شامل مواجهه با محرک‌های مختلف است، می‌توان تغییرات سیگنال‌های مغزی را تحلیل و داده‌ها را استخراج کرد.

جدول ۱ نمای کلی از انواع مطالعات و فعالیت‌های انجام‌شده با فناوری EEG را ارائه می‌دهد. همچنین می‌توانید این راهنمای مقدماتی برای الکتروانسفالوگرافی EEG را مطالعه فرمایید.

جدول ۱: انواع مطالعات الکتروانسفالوگرام (EEG) (برگرفته از (ویلیامز و همکاران، ۲۰۲۰)

واسط‌های مغز و رایانه (BCI)

این مطالعات تعاملات انسان و رایانه را بررسی و توانمند می‌سازند، مانند کنترل بازوی مکانیکی یا ویلچر یا ایجاد امکان ارتباط در بیماران دارای معلولیت.

بالینی

این مطالعات از EEG برای کاربردهای تشخیصی و درمانی استفاده می‌کنند؛ از جمله تشخیص حملات صرع یا استفاده از نوروفیدبک در درمان شناختی.

پژوهش‌های آزمایشی

این مطالعات داده‌های الکتروگرام را برای پاسخ به یک سوال یا فرضیه علوم اعصاب محاسباتی جمع‌آوری می‌کنند.

اگرچه EEG به عنوان یک ابزار پژوهشی موثر به طور گسترده پذیرفته شده است، اما لجستیک آن می‌تواند چالش‌برانگیز باشد. بیشتر سازمان‌های تأمین‌کننده بودجه، برای پژوهش‌های بالینی، کاربردی یا انتقالی بودجه ارائه می‌دهند. با این حال، بودجه کمتری برای پژوهش‌های آزمایشی پایه وجود دارد. بودجه کمتر می‌تواند دشواری لجستیکی جذب شرکت‌کنندگان و انجام پژوهش‌های آزمایشی معتبر را تشدید کند که در نتیجه منجر به حجم نمونه کوچک می‌شود. این نمونه‌های کوچک به طور در دسترس از یک منطقه جغرافیایی محدود انتخاب می‌شوند.

این پدیده به عنوان مسئله WEIRD شناخته می‌شود و به افراد غربی، تحصیل‌کرده، صنعتی، ثروتمند و دموکرات اشاره دارد که بخش عمده‌ای از نمونه‌های پژوهشی معمول را تشکیل می‌دهند. این گروه‌های نمونه چندان فراگیر نیستند زیرا بیشتر این افراد از محیط‌های دانشگاهی می‌آیند. این جمعیت آماری دموگرافیک WEIRD منعکس‌کننده تنوع دنیای واقعی یا ویژگی‌های شناختی و عاطفی منحصربه‌فردی که به ما هویت انسانی می‌بخشد، نیست.

در مجموع، این وضعیت اهمیت عملی و قابلیت تعمیم آزمایش‌ها را محدود می‌کند. به همین دلیل، تعمیم یافته‌های این مطالعات به بینش‌های نوین درباره کل شناخت انسان (مانند بار ذهنی، حل مسئله و غیره) دشوار است.

نوآوری‌ها در سخت‌افزار EEG

تجهیزات با گرید پژوهشی، قابل حمل و کم‌هزینه در سطح جهانی

دستگاه‌های EEG

در چند سال گذشته، پژوهشگران با استفاده از دستگاه‌های قابل حمل/پرتابل EEG مرزهای سنتی پژوهش‌های علوم اعصاب را شکسته‌اند. واسط‌های مغز و رایانه (BCI)، واسط‌های مغز و ماشین (BMI) یا واسط‌های انسان و رایانه (HCI) دقیقاً همین کار را انجام می‌دهند. آنها از سیگنال‌های EEG برای مشخص کردن و شناسایی حالت‌های شناختی یا عاطفی استفاده می‌کنند. BCI به سرعت در حال توسعه است تا روش تعامل انسان با محیط خود را متحول کند. این امر به دلیل پیشرفت در مینیاتوری‌سازی سخت‌افزار و بهبود الگوریتم‌های پردازش داده‌ها شکل گرفته است. این سیستم‌ها انسان را قادر می‌سازند تا خود را از طریق نوروفیدبک بهبود بخشد و افراد را تشویق می‌کند تا بدون مداخله فیزیکی با محیط اطراف خود تعامل داشته باشند.

آینده دستگاه‌های EEG

در حداقل یک دهه گذشته، روند کلی در سخت‌افزار EEG کوچک‌تر، بی‌سیم، پرتابل و کم‌هزینه‌تر کردن این ابزارها بوده است.

شکل ۱: هدست EPOC متعلق به Emotiv

شکل ۲: هدست EPOC Flex متعلق به Emotiv

با این حال، انتقال آنچه زمانی به یک آزمایشگاه گران‌قیمت و اختصاصی نیاز داشت به یک سیستم قابل حمل و کم‌هزینه، بدون دغدغه نبوده است. برخی از دانشمندان نگرانی‌هایی در مورد اعتبار، کیفیت یا کاربردی بودن هدست‌های EEG داشته‌اند. برای بررسی این موضوع، پژوهشگران مطالعات اعتبارسنجی بسیاری انجام داده‌اند که کاربرد علمی این سیستم‌ها را نشان می‌دهد.

هزینه پایین و قابل حمل بودن هدست‌های EEG همچنین دامنه وسیعی از سوالات پژوهشی را باز کرده است که اکنون می‌توانند در شرایط واقعی (in-situ) پاسخ داده شوند. این بدان معناست که امواج مغزی فرد را می‌توان در موقعیت‌های دنیای واقعی اندازه‌گیری کرد، در حالی که سخت‌افزارهای قدیمی تحرک بسیار کمی دارند. در روانشناسی حرکت یا ورزش، این یک تغییر شگرف و بزرگ است.

یک گروه پژوهشی را تصور کنید که زمان واکنش را در مجموعه مشخصی از دانشجویان ورزشکار بررسی می‌کند. آنها می‌پرسند آیا دروازه‌بانان فوتبال زمان واکنش سریع‌تری نسبت به سایر هم‌تیمی‌های خود در برابر توپ دارند؟ در پارادایم پژوهشی قدیمی، این افراد باید به آزمایشگاه می‌آمدند، سیم‌کشی می‌شدند، وظیفه‌ای را روی یک صفحه فیزیکی انجام می‌دادند و با دکمه‌های سخت‌افزاری یا فشردن کلیدها گزارش می‌دادند. با تجهیزات جدیدتر EEG، همین سوال اکنون می‌تواند در حین حضور واقعی در زمین فوتبال بررسی و اندازه‌گیری شود.

به طور کلی، این نوآوری‌ها در سخت‌افزار EEG برنامه‌های کاربردی عملی را در خارج از آزمایشگاه ایجاد کرده‌اند. به این ترتیب، آنها ظرفیت و دامنه پژوهش‌های علوم اعصاب را افزایش داده‌اند.

ملاقات با نوآوری – ملاقات با Emotiv

در چند سال گذشته پیشرفت‌های هیجان‌انگیزی در یادگیری عمیق و سایر تحلیل‌های یادگیری ماشین رخ داده است. به همین دلیل، برای بهره‌برداری از ارزش این برنامه‌ها، به یک مجموعه داده بزرگ، معتبر و باکیفیت (n=1000+) نیاز است. با توجه به الزامات پردازش سیگنال، طبقه‌بندی، اعتبارسنجی و ارزیابی عملکرد در پژوهش‌های EEG، این حوزه در صورت استفاده از این رویکردهای هوش مصنوعی سود بسیار زیادی می‌برد. برای غلبه بر ماهیت تکراری پژوهش‌های تجربی فعلی در علوم اعصاب، به کلان‌داده (Big Data) نیاز است، به ویژه در بخش‌های پیچیده‌تر بیماری‌های نورودژنراتیو و واسط‌های مغز و رایانه. تا پیش از این، آن داده‌ها در دسترس نبوده‌اند.

دو رویکرد برای افزایش جمعیت نمونه بالقوه و در نتیجه
داده‌های جمع‌آوری شده وجود دارد:

  1. توسعه سخت‌افزار EEG با گرید پژوهشی، با کیفیت مناسب، پرتابل و کم‌هزینه که بتواند در سطح جهانی مورد استفاده قرار گیرد.

  2. بهبود روش‌های جمع‌آوری داده، اعتبارسنجی و روش‌های تحلیل خودکار.

حل چالش‌ها، رشد همراه با تغییرات. انتخاب شما Emotiv

مروری بر نوآوری‌های EEG شرکت Emotiv در یک دهه گذشته

استفاده از دستگاه‌های EEG در پژوهش‌های علوم اعصاب و محیط‌های بالینی همچنان رو به افزایش است (به شکل ۳ مراجعه کنید). در یک دهه گذشته، Emotiv تجهیزات EEG با گرید پژوهشی، بی‌سیم، قابل حمل و با کاربری آسان را همراه با کنترل‌های کیفی توسعه داده است که برای هر کسی در هر کجای دنیا قابل دسترسی است تا به این چالش‌ها پاسخ دهد.

شکل ۳ – تعداد مقالات منتشر شده حاوی کلمه "EEG" (از ۱۹۴۰ تا ۲۰۲۱) از طریق چارچوب اطلاعات علوم اعصاب

تکامل سخت‌افزار

علاوه بر این، سخت‌افزار EEG از الکترودهای مرطوب به الکترودهای خشک تکامل یافته است. نصب الکترودهای مرطوب زمان‌بر است، استفاده از آنها ناخوشایند است و تحرک را محدود می‌کنند. هدست‌های دارای الکترودهای خشک یا هیبریدی به سرعت کار می‌کنند، قابل حمل هستند و هزینه ساخت و کاربری بسیار کمتری دارند. این پیشرفت‌های تکنولوژیک ما را به دستاوردهای بزرگ در پژوهش‌های عصبی نزدیک‌تر می‌کنند، اما هنوز کاملاً به مقصد نرسیده‌ایم.

تضمین نمونه‌های آماری متنوع

Emotiv می‌تواند به شما کمک کند تا تنوع مطالعات خود را افزایش دهید. خط تولید سری EPOC هدست‌های EEG متعلق به Emotiv بیش از یک دهه است که وجود دارد و توسط موسسات تحقیقاتی در سراسر جهان به طور مستقل اعتبارسنجی شده است. آنها در برنامه‌های مختلفی از جمله کنترل اعضای مصنوعی رباتیک و ویلچر، احراز هویت بیومتریک کاربر در سیستم‌های امنیتی و تشخیص حالت‌های ذهنی شناختی و عاطفی استفاده شده‌اند.

پتانسیل Emotiv برای استفاده جهانی و موانع مالی اندک آن، پژوهش را برای کسانی که منابع محدودی دارند تسهیل می‌کند. برای نمونه، پارامشواران و تیاگاراجان از تجهیزات EEG برند Emotiv در محیط‌های روستایی و شهری هند استفاده کردند تا تفاوت‌ها در الگوهای ثبت‌شده EEG مرتبط با وضعیت اقتصادی-اجتماعی، مواجهه با فناوری و تجربه سفر را نشان دهند.

چالش‌ها در پژوهش و تحلیل مدرن EEG کدامند؟

در سال ۱۹۲۵، هانس برگر، روان‌پزشک آلمانی، اولین نوار مغزی یا الکتروانسفالوگرام (EEG) انسان را ثبت کرد. از آن زمان، فناوری در واسط‌های مغز و رایانه و محاسبات روند رو به بهبودی داشته است.

این مطلب به بررسی دو چالش اصلی در پژوهش‌های EEG می‌پردازد که عبارتند از:

  1. پیچیدگی لجستیکی پژوهش‌های دانشگاهی و سنتی EEG، و

  2. نوآوری در سخت‌افزار EEG.

پیچیدگی لجستیکی پژوهش‌های دانشگاهی و سنتی EEG

جامعه‌های آماری محدود، فاقد بودجه کافی و دارای محدودیت‌های منطقه‌ای

بیایید ابتدا پژوهش‌های الکتروانسفالوگرام (EEG) را درک کنیم. پژوهش‌های EEG و روش‌شناسی پژوهش در علوم اعصاب شناختی شامل ثبت فعالیت الکتریکی مغز انسان با استفاده از الکترودهای غیرتهاجمی است که به طور هدفمند روی سطح سر فرد قرار می‌گیرند. با استفاده از طرح‌های آزمایشی که شامل مواجهه با محرک‌های مختلف است، می‌توان تغییرات سیگنال‌های مغزی را تحلیل و داده‌ها را استخراج کرد.

جدول ۱ نمای کلی از انواع مطالعات و فعالیت‌های انجام‌شده با فناوری EEG را ارائه می‌دهد. همچنین می‌توانید این راهنمای مقدماتی برای الکتروانسفالوگرافی EEG را مطالعه فرمایید.

جدول ۱: انواع مطالعات الکتروانسفالوگرام (EEG) (برگرفته از (ویلیامز و همکاران، ۲۰۲۰)

واسط‌های مغز و رایانه (BCI)

این مطالعات تعاملات انسان و رایانه را بررسی و توانمند می‌سازند، مانند کنترل بازوی مکانیکی یا ویلچر یا ایجاد امکان ارتباط در بیماران دارای معلولیت.

بالینی

این مطالعات از EEG برای کاربردهای تشخیصی و درمانی استفاده می‌کنند؛ از جمله تشخیص حملات صرع یا استفاده از نوروفیدبک در درمان شناختی.

پژوهش‌های آزمایشی

این مطالعات داده‌های الکتروگرام را برای پاسخ به یک سوال یا فرضیه علوم اعصاب محاسباتی جمع‌آوری می‌کنند.

اگرچه EEG به عنوان یک ابزار پژوهشی موثر به طور گسترده پذیرفته شده است، اما لجستیک آن می‌تواند چالش‌برانگیز باشد. بیشتر سازمان‌های تأمین‌کننده بودجه، برای پژوهش‌های بالینی، کاربردی یا انتقالی بودجه ارائه می‌دهند. با این حال، بودجه کمتری برای پژوهش‌های آزمایشی پایه وجود دارد. بودجه کمتر می‌تواند دشواری لجستیکی جذب شرکت‌کنندگان و انجام پژوهش‌های آزمایشی معتبر را تشدید کند که در نتیجه منجر به حجم نمونه کوچک می‌شود. این نمونه‌های کوچک به طور در دسترس از یک منطقه جغرافیایی محدود انتخاب می‌شوند.

این پدیده به عنوان مسئله WEIRD شناخته می‌شود و به افراد غربی، تحصیل‌کرده، صنعتی، ثروتمند و دموکرات اشاره دارد که بخش عمده‌ای از نمونه‌های پژوهشی معمول را تشکیل می‌دهند. این گروه‌های نمونه چندان فراگیر نیستند زیرا بیشتر این افراد از محیط‌های دانشگاهی می‌آیند. این جمعیت آماری دموگرافیک WEIRD منعکس‌کننده تنوع دنیای واقعی یا ویژگی‌های شناختی و عاطفی منحصربه‌فردی که به ما هویت انسانی می‌بخشد، نیست.

در مجموع، این وضعیت اهمیت عملی و قابلیت تعمیم آزمایش‌ها را محدود می‌کند. به همین دلیل، تعمیم یافته‌های این مطالعات به بینش‌های نوین درباره کل شناخت انسان (مانند بار ذهنی، حل مسئله و غیره) دشوار است.

نوآوری‌ها در سخت‌افزار EEG

تجهیزات با گرید پژوهشی، قابل حمل و کم‌هزینه در سطح جهانی

دستگاه‌های EEG

در چند سال گذشته، پژوهشگران با استفاده از دستگاه‌های قابل حمل/پرتابل EEG مرزهای سنتی پژوهش‌های علوم اعصاب را شکسته‌اند. واسط‌های مغز و رایانه (BCI)، واسط‌های مغز و ماشین (BMI) یا واسط‌های انسان و رایانه (HCI) دقیقاً همین کار را انجام می‌دهند. آنها از سیگنال‌های EEG برای مشخص کردن و شناسایی حالت‌های شناختی یا عاطفی استفاده می‌کنند. BCI به سرعت در حال توسعه است تا روش تعامل انسان با محیط خود را متحول کند. این امر به دلیل پیشرفت در مینیاتوری‌سازی سخت‌افزار و بهبود الگوریتم‌های پردازش داده‌ها شکل گرفته است. این سیستم‌ها انسان را قادر می‌سازند تا خود را از طریق نوروفیدبک بهبود بخشد و افراد را تشویق می‌کند تا بدون مداخله فیزیکی با محیط اطراف خود تعامل داشته باشند.

آینده دستگاه‌های EEG

در حداقل یک دهه گذشته، روند کلی در سخت‌افزار EEG کوچک‌تر، بی‌سیم، پرتابل و کم‌هزینه‌تر کردن این ابزارها بوده است.

شکل ۱: هدست EPOC متعلق به Emotiv

شکل ۲: هدست EPOC Flex متعلق به Emotiv

با این حال، انتقال آنچه زمانی به یک آزمایشگاه گران‌قیمت و اختصاصی نیاز داشت به یک سیستم قابل حمل و کم‌هزینه، بدون دغدغه نبوده است. برخی از دانشمندان نگرانی‌هایی در مورد اعتبار، کیفیت یا کاربردی بودن هدست‌های EEG داشته‌اند. برای بررسی این موضوع، پژوهشگران مطالعات اعتبارسنجی بسیاری انجام داده‌اند که کاربرد علمی این سیستم‌ها را نشان می‌دهد.

هزینه پایین و قابل حمل بودن هدست‌های EEG همچنین دامنه وسیعی از سوالات پژوهشی را باز کرده است که اکنون می‌توانند در شرایط واقعی (in-situ) پاسخ داده شوند. این بدان معناست که امواج مغزی فرد را می‌توان در موقعیت‌های دنیای واقعی اندازه‌گیری کرد، در حالی که سخت‌افزارهای قدیمی تحرک بسیار کمی دارند. در روانشناسی حرکت یا ورزش، این یک تغییر شگرف و بزرگ است.

یک گروه پژوهشی را تصور کنید که زمان واکنش را در مجموعه مشخصی از دانشجویان ورزشکار بررسی می‌کند. آنها می‌پرسند آیا دروازه‌بانان فوتبال زمان واکنش سریع‌تری نسبت به سایر هم‌تیمی‌های خود در برابر توپ دارند؟ در پارادایم پژوهشی قدیمی، این افراد باید به آزمایشگاه می‌آمدند، سیم‌کشی می‌شدند، وظیفه‌ای را روی یک صفحه فیزیکی انجام می‌دادند و با دکمه‌های سخت‌افزاری یا فشردن کلیدها گزارش می‌دادند. با تجهیزات جدیدتر EEG، همین سوال اکنون می‌تواند در حین حضور واقعی در زمین فوتبال بررسی و اندازه‌گیری شود.

به طور کلی، این نوآوری‌ها در سخت‌افزار EEG برنامه‌های کاربردی عملی را در خارج از آزمایشگاه ایجاد کرده‌اند. به این ترتیب، آنها ظرفیت و دامنه پژوهش‌های علوم اعصاب را افزایش داده‌اند.

ملاقات با نوآوری – ملاقات با Emotiv

در چند سال گذشته پیشرفت‌های هیجان‌انگیزی در یادگیری عمیق و سایر تحلیل‌های یادگیری ماشین رخ داده است. به همین دلیل، برای بهره‌برداری از ارزش این برنامه‌ها، به یک مجموعه داده بزرگ، معتبر و باکیفیت (n=1000+) نیاز است. با توجه به الزامات پردازش سیگنال، طبقه‌بندی، اعتبارسنجی و ارزیابی عملکرد در پژوهش‌های EEG، این حوزه در صورت استفاده از این رویکردهای هوش مصنوعی سود بسیار زیادی می‌برد. برای غلبه بر ماهیت تکراری پژوهش‌های تجربی فعلی در علوم اعصاب، به کلان‌داده (Big Data) نیاز است، به ویژه در بخش‌های پیچیده‌تر بیماری‌های نورودژنراتیو و واسط‌های مغز و رایانه. تا پیش از این، آن داده‌ها در دسترس نبوده‌اند.

دو رویکرد برای افزایش جمعیت نمونه بالقوه و در نتیجه
داده‌های جمع‌آوری شده وجود دارد:

  1. توسعه سخت‌افزار EEG با گرید پژوهشی، با کیفیت مناسب، پرتابل و کم‌هزینه که بتواند در سطح جهانی مورد استفاده قرار گیرد.

  2. بهبود روش‌های جمع‌آوری داده، اعتبارسنجی و روش‌های تحلیل خودکار.

حل چالش‌ها، رشد همراه با تغییرات. انتخاب شما Emotiv

مروری بر نوآوری‌های EEG شرکت Emotiv در یک دهه گذشته

استفاده از دستگاه‌های EEG در پژوهش‌های علوم اعصاب و محیط‌های بالینی همچنان رو به افزایش است (به شکل ۳ مراجعه کنید). در یک دهه گذشته، Emotiv تجهیزات EEG با گرید پژوهشی، بی‌سیم، قابل حمل و با کاربری آسان را همراه با کنترل‌های کیفی توسعه داده است که برای هر کسی در هر کجای دنیا قابل دسترسی است تا به این چالش‌ها پاسخ دهد.

شکل ۳ – تعداد مقالات منتشر شده حاوی کلمه "EEG" (از ۱۹۴۰ تا ۲۰۲۱) از طریق چارچوب اطلاعات علوم اعصاب

تکامل سخت‌افزار

علاوه بر این، سخت‌افزار EEG از الکترودهای مرطوب به الکترودهای خشک تکامل یافته است. نصب الکترودهای مرطوب زمان‌بر است، استفاده از آنها ناخوشایند است و تحرک را محدود می‌کنند. هدست‌های دارای الکترودهای خشک یا هیبریدی به سرعت کار می‌کنند، قابل حمل هستند و هزینه ساخت و کاربری بسیار کمتری دارند. این پیشرفت‌های تکنولوژیک ما را به دستاوردهای بزرگ در پژوهش‌های عصبی نزدیک‌تر می‌کنند، اما هنوز کاملاً به مقصد نرسیده‌ایم.

تضمین نمونه‌های آماری متنوع

Emotiv می‌تواند به شما کمک کند تا تنوع مطالعات خود را افزایش دهید. خط تولید سری EPOC هدست‌های EEG متعلق به Emotiv بیش از یک دهه است که وجود دارد و توسط موسسات تحقیقاتی در سراسر جهان به طور مستقل اعتبارسنجی شده است. آنها در برنامه‌های مختلفی از جمله کنترل اعضای مصنوعی رباتیک و ویلچر، احراز هویت بیومتریک کاربر در سیستم‌های امنیتی و تشخیص حالت‌های ذهنی شناختی و عاطفی استفاده شده‌اند.

پتانسیل Emotiv برای استفاده جهانی و موانع مالی اندک آن، پژوهش را برای کسانی که منابع محدودی دارند تسهیل می‌کند. برای نمونه، پارامشواران و تیاگاراجان از تجهیزات EEG برند Emotiv در محیط‌های روستایی و شهری هند استفاده کردند تا تفاوت‌ها در الگوهای ثبت‌شده EEG مرتبط با وضعیت اقتصادی-اجتماعی، مواجهه با فناوری و تجربه سفر را نشان دهند.

چرا سازمان‌ها برای بهبود سلامت کارمندان خود نیاز به ایجاد محیط‌های کاری همه‌جانبه دارند - Emotiv

به خواندن ادامه دهید

چرا سازمان‌ها برای بهبود سلامت و رفاه کارکنان خود باید محیط‌های کاری همه‌جانبه ایجاد کنند