چرا از EEG برای تحقیقات استفاده کنیم؟ - Emotiv

چرا از EEG برای پژوهش استفاده می‌شود؟

مهول نایاک

به‌روزرسانی در

۲۸ بهمن ۱۴۰۰

چرا از EEG برای تحقیقات استفاده کنیم؟ - Emotiv

چرا از EEG برای پژوهش استفاده می‌شود؟

مهول نایاک

به‌روزرسانی در

۲۸ بهمن ۱۴۰۰

چرا از EEG برای تحقیقات استفاده کنیم؟ - Emotiv

چرا از EEG برای پژوهش استفاده می‌شود؟

مهول نایاک

به‌روزرسانی در

۲۸ بهمن ۱۴۰۰

تصور کنید ویدیوی کوتاهی ساخته‌اید و می‌خواهید بدانید مردم کدام بخش‌های ویدیو را جذاب یافته‌اند. معمولاً، فقط از آن‌ها سؤال می‌کنید. شاید از یک نظرسنجی استفاده کنید. اما رایج‌ترین پاسخ ممکن است «دقیقاً مطمئن نیستم» یا «یادم نمی‌آید» باشد. انجام تحقیقات روی ادراک انسان تنها با استفاده از معیارهای ذهنی می‌تواند با عدم قطعیتی همراه باشد که اندازه‌گیری پاسخ‌های عصبی-فیزیولوژیکی می‌تواند برای غلبه بر آن پیشنهاد شود. دستگاه‌های EEG به طور منحصربه‌فردی به عنوان ابزاری به راحتی قابل دسترس و مقرون‌به‌صرفه قرار گرفته‌اند که می‌توانند تحقیقات مربوط به ادراک انسان را بهبود بخشند. در نتیجه، این ابزار به سرعت در حال تبدیل شدن به یک ابزار کلیدی در روانشناسی، نورومارکتینگ و BCI است.

EEG چیست؟

الکتروانسفالوگرافی (EEG) اندازه‌گیری فعالیت الکتریکی منشعب از سلول‌های مغزی است که نورون نامیده می‌شوند. این یک روش ایمن و غیرتهاجمی است که با استفاده از الکترودهای قرار گرفته روی پوست سر انجام می‌شود. دستگاه‌های EEG مورد استفاده برای این منظور می‌توانند از دستگاه‌های تجاری تک کاناله تا سیستم‌های درجه پزشکی ۲۵۶ کاناله متغیر باشند. می‌توانید جزئیات بیشتری درباره اینکه EEG چیست و دستگاه‌های مختلف EEG را در اینجا بخوانید.

مزایای EEG چیست؟

وضوح زمانی بالا



به دلیل وضوح زمانی بالا، EEG قادر است فرآیندهای پیش از هوشیاری را شاخص‌گذاری کند.

بزرگ‌ترین قدرت EEG نسبت به سایر روش‌های تصویربرداری عصبی، وضوح زمانی آن است، یعنی توانایی اندازه‌گیری پاسخ‌های سریع مغز در محدوده میلی‌ثانیه. روش‌های دیگر تصویربرداری مغز مانند fMRI (تصویربرداری تشدید مغناطیسی عملکردی)، به یک ثانیه یا بیشتر پس از ارائه محرک‌های مورد نظر زمان نیاز دارند. علاوه بر این، وظایف رفتاری طراحی شده برای اجتناب از عدم قطعیت در پاسخ‌های ذهنی معمولاً بر زمان واکنش و پاسخ‌های فشردن دکمه تکیه دارند. این کارها ممکن است تا یک ثانیه طول بکشند، که با توجه به اینکه مغز قادر است در مقیاس زمانی میلی‌ثانیه فرآیندهای عصبی-فیزیولوژیکی پیچیده بسیاری را تولید کند، بسیار کند است. بنابراین، به دلیل وضوح زمانی بالا، EEG قادر است فرآیندهای پیش از هوشیاری را شاخص‌گذاری کند که در غیر این صورت با کارهای صرفاً خودگزارشی و مبتنی بر پاسخ ناشناخته می‌ماندند.

مقرون‌به‌صرفه بودن و قابلیت جابجایی

علم ورزش: پکستون لینچ تحت آزمون فشار با هدست Emotiv Insight EEG قرار می‌گیرد.

دستگاه‌های EEG مقرون‌به‌صرفه و بی‌سیم شده‌اند و به پژوهشگران اجازه می‌دهند تا به جای آوردن شرکت‌کنندگان به آزمایشگاه، تحقیقات را در میدان انجام دهند. در حالی که هر دو روش EEG و MEG (مگنتوانسفالوگرافی) دارای وضوح زمانی بالایی هستند، EEG به دلیل کم‌هزینه و متحرک بودن، ابزار پژوهشی در دسترس‌تری است که مطالعه رفتار انسان را در محیط‌های کنترل‌شده یا طبیعی امکان‌پذیر می‌سازد. روش‌های جایگزین تصویربرداری عصبی (مانند MEG، MRI و PET) به هزینه نگهداری بالایی نیاز دارند و شرکت‌کنندگان برای انجام این مطالعات باید به بیمارستان یا محیط آزمایشگاهی آورده شوند. در تضاد شدید، تقریباً هر محیطی را می‌توان به یک «آزمایشگاه» EEG تبدیل کرد. (به بررسی پارک و همکاران۱ در مورد چگونگی استفاده از EEG سیار در بهبود عملکردهای ورزشی در زمین مسابقه مراجعه کنید)

مطالعات درون‌سازمانی یا از راه دور

EEG لزوماً نباید مبتنی بر آزمایشگاه و با یک دستگاه واحد باشد. با پیشرفت در دستگاه‌های EEG تجاری و مقرون‌به‌صرفه، کاربران خانگی قادرند فرآیند ثبت EEG را روی خودشان انجام دهند. پلتفرم EmotivLABS به پژوهشگران این امکان را می‌دهد تا آزمایش‌های خود را به صورت آنلاین با هدست‌های Emotiv انجام دهند که در برابر دستگاه‌های درجه پژوهشی اعتبارسنجی شده‌اند²ʹ³. درباره مطالعه آزمایشی آنلاین EEG ما در اینجا یا درباره یکی از شراکت‌های ما که در آن کاربران Emotiv در یک مطالعه خانگی برای ارزیابی یک نرم‌افزار ارائه شرکت کردند، در اینجا بخوانید.

با EEG چه چیزی را می‌توانیم اندازه‌گیری کنیم؟

بیشتر پژوهشگران به طور معمول از دامنه‌های ولتاژ در نقاط زمانی مورد نظر پس از شروع محرک (یعنی پتانسیل‌های وابسته به رویداد یا ERPs) یا میزان نوسانات (امواج مغزی) در EEG در ثانیه (یعنی تجزیه و تحلیل زمان-فرکانس) استفاده می‌کنند.

این دو حوزه به ما امکان می‌دهند تا به سؤالات پژوهشی متفاوتی در رابطه با رفتار پاسخ دهیم. علاوه بر این، با پیشرفت الگوریتم‌های پیچیده یادگیری ماشین، می‌توانیم شروع به رمزگشایی حالت‌های ذهنی در پاسخ به محرک‌های مورد نظر کنیم. به عنوان مثال، با توسعه الگوریتم‌های اعتبارسنجی شده برای توجه، اکنون می‌توانیم به راحتی به سؤالاتی مانند «کدام بخش از ویدیوی من توجه بیشتری را جلب کرد» پاسخ دهیم.

نکاتی که باید در نظر گرفت

مهم است به یاد داشته باشید که ما دقیقاً نمی‌توانیم افکار را با EEG بخوانیم. بنابراین، محرک‌های در حال مقایسه در حالت ایده‌آل باید از هر جنبه‌ای به جز خود متغیر مورد نظر با هم همخوانی داشته باشند. بنابراین، یک کار تجربی خوب طراحی شده، سنگ بنای یک پژوهش عالی با EEG است. دوم اینکه، دستگاه‌های EEG می‌توانند تداخل تجهیزات الکتریکی را دریافت کنند و همچنین EEG‌ها می‌توانند به حرکت حساس باشند که می‌تواند آرتیفکت‌های ناخواسته‌ای را وارد ثبت کند. بنابراین، EEG‌های خام منعکس‌کننده پاسخ‌های کل مغز هستند که قبل از هرگونه استنباط مرتبط با ادراک محرک‌ها، نیاز به پاک‌سازی و پردازش دارند.

علاوه بر این، فعالیت مغزی در یک تک الکترود، فعالیت کل مغز را ثبت می‌کند و مکان آن دقیقاً منبع فعالیت را به طور مستقیم نشان نمی‌دهد (مثلاً افزایش فعالیت در یک الکترود پیشانی به این معنی نیست که لوب پیشانی این پاسخ را ایجاد کرده است). روش‌هایی مانند بازسازی منبع⁴ پاسخ EEG می‌تواند برای این منظور برای تعیین منبع در سطح پوست سر مورد استفاده قرار گیرد. برای تعیین منابع عمیق‌تر با اطمینان بیشتر، روش‌های تصویربرداری عصبی مانند MEG یا fMRI همراه با EEG را می‌توان در نظر گرفت.

EEG در تحقیقات کنونی

EEG در حال حاضر به روش‌های متعددی استفاده می‌شود و به پژوهشگران نه تنها در زمینه‌های روانشناسی و پزشکی، بلکه در رابط‌های مغز و رایانه، نوروفیدبک و درک رفتار مصرف‌کننده در زمینه‌هایی مانند نورومارکتینگ کمک می‌کند.

علوم اعصاب پزشکی یا بالینی

EEG عمدتاً در زمینه‌های پزشکی برای بهبود تشخیص و درمان استفاده می‌شود. به عنوان مثال، رایج‌ترین کاربرد EEG در تشخیص صرع و ثبت تشنج‌ها⁵ و در مطالعات خواب برای شناسایی ناهنجاری‌های خواب⁶ است. در روان‌پزشکی و علوم اعصاب بالینی، در حال حاضر از EEG برای شناسایی نشانگرهای عینی اختلالاتی استفاده می‌شود که در غیر این صورت به ارزیابی‌های بالینی ذهنی متکی هستند. تکنیک‌هایی مانند EEG کمی (qEEG) که در آن میزان نوسانات محاسبه شده و روی پوست سر نقشه‌برداری می‌شود، برای توصیف تغییرات ایجاد شده در مغز توسط اختلالات مختلف روان‌پزشکی استفاده می‌شود⁷. یادگیری ماشین کاربردی در طبقه‌بندی مغزهای سالم در مقابل بیمار نیز راه را برای روش‌های عینی‌تر تشخیص⁸ He۹ هموار می‌کند.

نورومارکتینگ

یقیناً، درک رفتار مصرف‌کننده در قلب نورومارکتینگ قرار دارد. رایج‌ترین کاربرد EEG در این زمینه، تعیین جنبه‌های کمتر برجسته و جذاب تبلیغات¹⁰، محصولات یا خدمات با هدف بهبود آنهاست.

Emotiv x نورومارکتینگ - آینده رفتار مصرف‌کننده در آزمایشگاه لوکس L’Oreal.

نوسانات EEG همچنین برای شناسایی اینکه آیا یادآوری ناخودآگاه برند/محصول وجود دارد یا خیر استفاده می‌شود¹¹. کاربردهای دیگر شامل قیمت‌گذاری عصبی (neuropricing) است، جایی که از وظایف رفتاری با EEG برای یافتن استراتژی‌های بهینه قیمت‌گذاری برای محصولات استفاده می‌شود¹².



Emotiv x نورومارکتینگ - نحوه واکنش مغز به پیشنهادهای مختلف قیمت‌گذاری.

تحقیقات عمومی علوم اعصاب

این نوع تحقیق شامل درک چگونگی عملکرد مغز (به عنوان مثال، چگونه مغز ما محرک‌های بصری یا شنیداری را پردازش می‌کند) و نحوه ارتباط بخش‌های مختلف مغز با یکدیگر است. همچنین شامل درک رابطه بین مغز و اختلالات (به عنوان مثال، اختلال طیف اوتیسم یا اسکیزوفرنی) می‌شود. این کار حوزه‌های متعددی را در بر می‌گیرد که شامل قلمروهای اجتماعی، عاطفی، محاسباتی و شناختی است.

رابط‌های مغز و رایانه (BCI)

هدف تحقیقات BCI ترجمه دستورات ذهنی به یک اقدام خارجی، از طریق ادغام EEG با دستگاه‌های محاسباتی است. استفاده از دستورات ذهنی برای تایپ کردن یک سند متنی، حرکت دادن صندلی چرخ‌دار و حتی حرکت دادن پروتزهای حرکتی از جمله پیشرفت‌های فعلی در BCI است که برای بهبود کیفیت زندگی افراد دارای معلولیت استفاده می‌شود¹³.



رابط‌های مغز و رایانه (BCI) - ساخته‌های خیره‌کننده جان، یک پسر ۸ ساله مبتلا به فلج مغزی، در صفحه brainpaintbyjohn در اینستاگرام

انقلاب دیگر در صنعت موسیقی است که در آن نوازندگان/خوانندگان از افکار خود برای خلق موسیقی استفاده می‌کنند (پست مرتبط ما را در اینجا ببینید)

رابط‌های مغز و رایانه (BCI) - هدست EPOC از Emotiv و سینث‌سایزر نمادین TONTO یک تطابق کامل هستند.

به طور کلی، استفاده از EEG نویدبخش بررسی عمیق‌تر از سطح درک رفتار انسان است. مقرون‌به‌صرفه بودن و قابلیت دسترسی بالا، آن را به ابزاری مفید در رشته‌های مختلف تبدیل می‌کند، جایی که فرآیندهایی از بهبود تجربه کاربری گرفته تا پیشبرد درمان‌ها را می‌توان با فراتر رفتن از خودگزارش‌های ذهنی ساده و رمزگشایی عینی رفتار انسان با استفاده از EEG انجام داد.

رابط‌های مغز و رایانه (BCI) - Emotiv x رودریگو هوبنر مندس، در حال رانندگی با ماشین فرمول ۱ با استفاده از دستورات ذهنی

مقاله از طرف
روشینی راندنیا، افسر تحقیقاتی، .EMOTIV Research Pty. Ltd

منابع

۱. Park, J. L., Fairweather, M. M. & Donaldson, D. I. Making the case for mobile cognition: EEG and sports performance. Neurosci. Biobehav. Rev. 52, 117–130 (2015).

۲. Kotowski, K., Stapor, K., Leski, J. & Kotas, M. Validation of Emotiv EPOC+ for extracting ERP correlates of emotional face processing. Biocybern. Biomed. Eng. 38, 773–781 (2018).

۳. Badcock, N. A. et al. Validation of the Emotiv EPOC EEG system for research quality auditory event-related potentials in children. PeerJ 3, e907 (2015).

۴. Michel, C. M. et al. EEG source imaging. Clin. Neurophysiol. 115, 2195–2222 (2004).

۵. Noachtar, S. & Rémi, J. The role of EEG in epilepsy: A critical review. Epilepsy Behav. 15, 22–33 (2009).

۶. Aldrich, M. S. & Jahnke, B. Diagnostic value of video‐EEG polysomnography. Neurology 41, 1060–1060 (1991).

۷. Prichep, L. S. & John, E. R. QEEG profiles of psychiatric disorders. Brain Topogr. 4, 249–257 (1992).

۸. Khodayari-Rostamabad, A., Reilly, J. P., Hasey, G. M., de Bruin, H. & MacCrimmon, D. J. A machine learning approach using EEG data to predict response to SSRI treatment for major depressive disorder. Clin. Neurophysiol. 124, 1975–1985 (2013).

۹. Čukić, M., López, V. & Pavón, J. Classification of Depression Through Resting-State Electroencephalogram as a Novel Practice in Psychiatry: Review. J. Med. Internet Res. 22, e19548 (2020).

۱۰. Ohme, R., Reykowska, D., Wiener, D. & Choromanska, A. Analysis of neurophysiological reactions to advertising stimuli by means of EEG and galvanic skin response measures. J. Neurosci. Psychol. Econ. 2, 21–31 (2009).

۱۱. Shaari, A., Syafiq, M., Mikami, O. & M.A, M. K. Electroencephalography (EEG) Application in Neuromarketing-Exploring the Subconscious Mind ELECTROENCEPHALOGRAPHY (EEG) APPLICATION IN NEUROMARKETING-EXPLORING THE SUBCONSCIOUS MIND. 14, (2020). (Neuromarketing)

۱۲. Nigdelis, V. & Tsolaki, M. Neuropricing: Perspectives of brain reactions to price exposure. Hell. J. Nucl. Med. 20, 196–203 (2017).

۱۳. Abiri, R., Borhani, S., Jiang, Y. & Zhao, X. Decod

تصور کنید ویدیوی کوتاهی ساخته‌اید و می‌خواهید بدانید مردم کدام بخش‌های ویدیو را جذاب یافته‌اند. معمولاً، فقط از آن‌ها سؤال می‌کنید. شاید از یک نظرسنجی استفاده کنید. اما رایج‌ترین پاسخ ممکن است «دقیقاً مطمئن نیستم» یا «یادم نمی‌آید» باشد. انجام تحقیقات روی ادراک انسان تنها با استفاده از معیارهای ذهنی می‌تواند با عدم قطعیتی همراه باشد که اندازه‌گیری پاسخ‌های عصبی-فیزیولوژیکی می‌تواند برای غلبه بر آن پیشنهاد شود. دستگاه‌های EEG به طور منحصربه‌فردی به عنوان ابزاری به راحتی قابل دسترس و مقرون‌به‌صرفه قرار گرفته‌اند که می‌توانند تحقیقات مربوط به ادراک انسان را بهبود بخشند. در نتیجه، این ابزار به سرعت در حال تبدیل شدن به یک ابزار کلیدی در روانشناسی، نورومارکتینگ و BCI است.

EEG چیست؟

الکتروانسفالوگرافی (EEG) اندازه‌گیری فعالیت الکتریکی منشعب از سلول‌های مغزی است که نورون نامیده می‌شوند. این یک روش ایمن و غیرتهاجمی است که با استفاده از الکترودهای قرار گرفته روی پوست سر انجام می‌شود. دستگاه‌های EEG مورد استفاده برای این منظور می‌توانند از دستگاه‌های تجاری تک کاناله تا سیستم‌های درجه پزشکی ۲۵۶ کاناله متغیر باشند. می‌توانید جزئیات بیشتری درباره اینکه EEG چیست و دستگاه‌های مختلف EEG را در اینجا بخوانید.

مزایای EEG چیست؟

وضوح زمانی بالا



به دلیل وضوح زمانی بالا، EEG قادر است فرآیندهای پیش از هوشیاری را شاخص‌گذاری کند.

بزرگ‌ترین قدرت EEG نسبت به سایر روش‌های تصویربرداری عصبی، وضوح زمانی آن است، یعنی توانایی اندازه‌گیری پاسخ‌های سریع مغز در محدوده میلی‌ثانیه. روش‌های دیگر تصویربرداری مغز مانند fMRI (تصویربرداری تشدید مغناطیسی عملکردی)، به یک ثانیه یا بیشتر پس از ارائه محرک‌های مورد نظر زمان نیاز دارند. علاوه بر این، وظایف رفتاری طراحی شده برای اجتناب از عدم قطعیت در پاسخ‌های ذهنی معمولاً بر زمان واکنش و پاسخ‌های فشردن دکمه تکیه دارند. این کارها ممکن است تا یک ثانیه طول بکشند، که با توجه به اینکه مغز قادر است در مقیاس زمانی میلی‌ثانیه فرآیندهای عصبی-فیزیولوژیکی پیچیده بسیاری را تولید کند، بسیار کند است. بنابراین، به دلیل وضوح زمانی بالا، EEG قادر است فرآیندهای پیش از هوشیاری را شاخص‌گذاری کند که در غیر این صورت با کارهای صرفاً خودگزارشی و مبتنی بر پاسخ ناشناخته می‌ماندند.

مقرون‌به‌صرفه بودن و قابلیت جابجایی

علم ورزش: پکستون لینچ تحت آزمون فشار با هدست Emotiv Insight EEG قرار می‌گیرد.

دستگاه‌های EEG مقرون‌به‌صرفه و بی‌سیم شده‌اند و به پژوهشگران اجازه می‌دهند تا به جای آوردن شرکت‌کنندگان به آزمایشگاه، تحقیقات را در میدان انجام دهند. در حالی که هر دو روش EEG و MEG (مگنتوانسفالوگرافی) دارای وضوح زمانی بالایی هستند، EEG به دلیل کم‌هزینه و متحرک بودن، ابزار پژوهشی در دسترس‌تری است که مطالعه رفتار انسان را در محیط‌های کنترل‌شده یا طبیعی امکان‌پذیر می‌سازد. روش‌های جایگزین تصویربرداری عصبی (مانند MEG، MRI و PET) به هزینه نگهداری بالایی نیاز دارند و شرکت‌کنندگان برای انجام این مطالعات باید به بیمارستان یا محیط آزمایشگاهی آورده شوند. در تضاد شدید، تقریباً هر محیطی را می‌توان به یک «آزمایشگاه» EEG تبدیل کرد. (به بررسی پارک و همکاران۱ در مورد چگونگی استفاده از EEG سیار در بهبود عملکردهای ورزشی در زمین مسابقه مراجعه کنید)

مطالعات درون‌سازمانی یا از راه دور

EEG لزوماً نباید مبتنی بر آزمایشگاه و با یک دستگاه واحد باشد. با پیشرفت در دستگاه‌های EEG تجاری و مقرون‌به‌صرفه، کاربران خانگی قادرند فرآیند ثبت EEG را روی خودشان انجام دهند. پلتفرم EmotivLABS به پژوهشگران این امکان را می‌دهد تا آزمایش‌های خود را به صورت آنلاین با هدست‌های Emotiv انجام دهند که در برابر دستگاه‌های درجه پژوهشی اعتبارسنجی شده‌اند²ʹ³. درباره مطالعه آزمایشی آنلاین EEG ما در اینجا یا درباره یکی از شراکت‌های ما که در آن کاربران Emotiv در یک مطالعه خانگی برای ارزیابی یک نرم‌افزار ارائه شرکت کردند، در اینجا بخوانید.

با EEG چه چیزی را می‌توانیم اندازه‌گیری کنیم؟

بیشتر پژوهشگران به طور معمول از دامنه‌های ولتاژ در نقاط زمانی مورد نظر پس از شروع محرک (یعنی پتانسیل‌های وابسته به رویداد یا ERPs) یا میزان نوسانات (امواج مغزی) در EEG در ثانیه (یعنی تجزیه و تحلیل زمان-فرکانس) استفاده می‌کنند.

این دو حوزه به ما امکان می‌دهند تا به سؤالات پژوهشی متفاوتی در رابطه با رفتار پاسخ دهیم. علاوه بر این، با پیشرفت الگوریتم‌های پیچیده یادگیری ماشین، می‌توانیم شروع به رمزگشایی حالت‌های ذهنی در پاسخ به محرک‌های مورد نظر کنیم. به عنوان مثال، با توسعه الگوریتم‌های اعتبارسنجی شده برای توجه، اکنون می‌توانیم به راحتی به سؤالاتی مانند «کدام بخش از ویدیوی من توجه بیشتری را جلب کرد» پاسخ دهیم.

نکاتی که باید در نظر گرفت

مهم است به یاد داشته باشید که ما دقیقاً نمی‌توانیم افکار را با EEG بخوانیم. بنابراین، محرک‌های در حال مقایسه در حالت ایده‌آل باید از هر جنبه‌ای به جز خود متغیر مورد نظر با هم همخوانی داشته باشند. بنابراین، یک کار تجربی خوب طراحی شده، سنگ بنای یک پژوهش عالی با EEG است. دوم اینکه، دستگاه‌های EEG می‌توانند تداخل تجهیزات الکتریکی را دریافت کنند و همچنین EEG‌ها می‌توانند به حرکت حساس باشند که می‌تواند آرتیفکت‌های ناخواسته‌ای را وارد ثبت کند. بنابراین، EEG‌های خام منعکس‌کننده پاسخ‌های کل مغز هستند که قبل از هرگونه استنباط مرتبط با ادراک محرک‌ها، نیاز به پاک‌سازی و پردازش دارند.

علاوه بر این، فعالیت مغزی در یک تک الکترود، فعالیت کل مغز را ثبت می‌کند و مکان آن دقیقاً منبع فعالیت را به طور مستقیم نشان نمی‌دهد (مثلاً افزایش فعالیت در یک الکترود پیشانی به این معنی نیست که لوب پیشانی این پاسخ را ایجاد کرده است). روش‌هایی مانند بازسازی منبع⁴ پاسخ EEG می‌تواند برای این منظور برای تعیین منبع در سطح پوست سر مورد استفاده قرار گیرد. برای تعیین منابع عمیق‌تر با اطمینان بیشتر، روش‌های تصویربرداری عصبی مانند MEG یا fMRI همراه با EEG را می‌توان در نظر گرفت.

EEG در تحقیقات کنونی

EEG در حال حاضر به روش‌های متعددی استفاده می‌شود و به پژوهشگران نه تنها در زمینه‌های روانشناسی و پزشکی، بلکه در رابط‌های مغز و رایانه، نوروفیدبک و درک رفتار مصرف‌کننده در زمینه‌هایی مانند نورومارکتینگ کمک می‌کند.

علوم اعصاب پزشکی یا بالینی

EEG عمدتاً در زمینه‌های پزشکی برای بهبود تشخیص و درمان استفاده می‌شود. به عنوان مثال، رایج‌ترین کاربرد EEG در تشخیص صرع و ثبت تشنج‌ها⁵ و در مطالعات خواب برای شناسایی ناهنجاری‌های خواب⁶ است. در روان‌پزشکی و علوم اعصاب بالینی، در حال حاضر از EEG برای شناسایی نشانگرهای عینی اختلالاتی استفاده می‌شود که در غیر این صورت به ارزیابی‌های بالینی ذهنی متکی هستند. تکنیک‌هایی مانند EEG کمی (qEEG) که در آن میزان نوسانات محاسبه شده و روی پوست سر نقشه‌برداری می‌شود، برای توصیف تغییرات ایجاد شده در مغز توسط اختلالات مختلف روان‌پزشکی استفاده می‌شود⁷. یادگیری ماشین کاربردی در طبقه‌بندی مغزهای سالم در مقابل بیمار نیز راه را برای روش‌های عینی‌تر تشخیص⁸ He۹ هموار می‌کند.

نورومارکتینگ

یقیناً، درک رفتار مصرف‌کننده در قلب نورومارکتینگ قرار دارد. رایج‌ترین کاربرد EEG در این زمینه، تعیین جنبه‌های کمتر برجسته و جذاب تبلیغات¹⁰، محصولات یا خدمات با هدف بهبود آنهاست.

Emotiv x نورومارکتینگ - آینده رفتار مصرف‌کننده در آزمایشگاه لوکس L’Oreal.

نوسانات EEG همچنین برای شناسایی اینکه آیا یادآوری ناخودآگاه برند/محصول وجود دارد یا خیر استفاده می‌شود¹¹. کاربردهای دیگر شامل قیمت‌گذاری عصبی (neuropricing) است، جایی که از وظایف رفتاری با EEG برای یافتن استراتژی‌های بهینه قیمت‌گذاری برای محصولات استفاده می‌شود¹².



Emotiv x نورومارکتینگ - نحوه واکنش مغز به پیشنهادهای مختلف قیمت‌گذاری.

تحقیقات عمومی علوم اعصاب

این نوع تحقیق شامل درک چگونگی عملکرد مغز (به عنوان مثال، چگونه مغز ما محرک‌های بصری یا شنیداری را پردازش می‌کند) و نحوه ارتباط بخش‌های مختلف مغز با یکدیگر است. همچنین شامل درک رابطه بین مغز و اختلالات (به عنوان مثال، اختلال طیف اوتیسم یا اسکیزوفرنی) می‌شود. این کار حوزه‌های متعددی را در بر می‌گیرد که شامل قلمروهای اجتماعی، عاطفی، محاسباتی و شناختی است.

رابط‌های مغز و رایانه (BCI)

هدف تحقیقات BCI ترجمه دستورات ذهنی به یک اقدام خارجی، از طریق ادغام EEG با دستگاه‌های محاسباتی است. استفاده از دستورات ذهنی برای تایپ کردن یک سند متنی، حرکت دادن صندلی چرخ‌دار و حتی حرکت دادن پروتزهای حرکتی از جمله پیشرفت‌های فعلی در BCI است که برای بهبود کیفیت زندگی افراد دارای معلولیت استفاده می‌شود¹³.



رابط‌های مغز و رایانه (BCI) - ساخته‌های خیره‌کننده جان، یک پسر ۸ ساله مبتلا به فلج مغزی، در صفحه brainpaintbyjohn در اینستاگرام

انقلاب دیگر در صنعت موسیقی است که در آن نوازندگان/خوانندگان از افکار خود برای خلق موسیقی استفاده می‌کنند (پست مرتبط ما را در اینجا ببینید)

رابط‌های مغز و رایانه (BCI) - هدست EPOC از Emotiv و سینث‌سایزر نمادین TONTO یک تطابق کامل هستند.

به طور کلی، استفاده از EEG نویدبخش بررسی عمیق‌تر از سطح درک رفتار انسان است. مقرون‌به‌صرفه بودن و قابلیت دسترسی بالا، آن را به ابزاری مفید در رشته‌های مختلف تبدیل می‌کند، جایی که فرآیندهایی از بهبود تجربه کاربری گرفته تا پیشبرد درمان‌ها را می‌توان با فراتر رفتن از خودگزارش‌های ذهنی ساده و رمزگشایی عینی رفتار انسان با استفاده از EEG انجام داد.

رابط‌های مغز و رایانه (BCI) - Emotiv x رودریگو هوبنر مندس، در حال رانندگی با ماشین فرمول ۱ با استفاده از دستورات ذهنی

مقاله از طرف
روشینی راندنیا، افسر تحقیقاتی، .EMOTIV Research Pty. Ltd

منابع

۱. Park, J. L., Fairweather, M. M. & Donaldson, D. I. Making the case for mobile cognition: EEG and sports performance. Neurosci. Biobehav. Rev. 52, 117–130 (2015).

۲. Kotowski, K., Stapor, K., Leski, J. & Kotas, M. Validation of Emotiv EPOC+ for extracting ERP correlates of emotional face processing. Biocybern. Biomed. Eng. 38, 773–781 (2018).

۳. Badcock, N. A. et al. Validation of the Emotiv EPOC EEG system for research quality auditory event-related potentials in children. PeerJ 3, e907 (2015).

۴. Michel, C. M. et al. EEG source imaging. Clin. Neurophysiol. 115, 2195–2222 (2004).

۵. Noachtar, S. & Rémi, J. The role of EEG in epilepsy: A critical review. Epilepsy Behav. 15, 22–33 (2009).

۶. Aldrich, M. S. & Jahnke, B. Diagnostic value of video‐EEG polysomnography. Neurology 41, 1060–1060 (1991).

۷. Prichep, L. S. & John, E. R. QEEG profiles of psychiatric disorders. Brain Topogr. 4, 249–257 (1992).

۸. Khodayari-Rostamabad, A., Reilly, J. P., Hasey, G. M., de Bruin, H. & MacCrimmon, D. J. A machine learning approach using EEG data to predict response to SSRI treatment for major depressive disorder. Clin. Neurophysiol. 124, 1975–1985 (2013).

۹. Čukić, M., López, V. & Pavón, J. Classification of Depression Through Resting-State Electroencephalogram as a Novel Practice in Psychiatry: Review. J. Med. Internet Res. 22, e19548 (2020).

۱۰. Ohme, R., Reykowska, D., Wiener, D. & Choromanska, A. Analysis of neurophysiological reactions to advertising stimuli by means of EEG and galvanic skin response measures. J. Neurosci. Psychol. Econ. 2, 21–31 (2009).

۱۱. Shaari, A., Syafiq, M., Mikami, O. & M.A, M. K. Electroencephalography (EEG) Application in Neuromarketing-Exploring the Subconscious Mind ELECTROENCEPHALOGRAPHY (EEG) APPLICATION IN NEUROMARKETING-EXPLORING THE SUBCONSCIOUS MIND. 14, (2020). (Neuromarketing)

۱۲. Nigdelis, V. & Tsolaki, M. Neuropricing: Perspectives of brain reactions to price exposure. Hell. J. Nucl. Med. 20, 196–203 (2017).

۱۳. Abiri, R., Borhani, S., Jiang, Y. & Zhao, X. Decod

تصور کنید ویدیوی کوتاهی ساخته‌اید و می‌خواهید بدانید مردم کدام بخش‌های ویدیو را جذاب یافته‌اند. معمولاً، فقط از آن‌ها سؤال می‌کنید. شاید از یک نظرسنجی استفاده کنید. اما رایج‌ترین پاسخ ممکن است «دقیقاً مطمئن نیستم» یا «یادم نمی‌آید» باشد. انجام تحقیقات روی ادراک انسان تنها با استفاده از معیارهای ذهنی می‌تواند با عدم قطعیتی همراه باشد که اندازه‌گیری پاسخ‌های عصبی-فیزیولوژیکی می‌تواند برای غلبه بر آن پیشنهاد شود. دستگاه‌های EEG به طور منحصربه‌فردی به عنوان ابزاری به راحتی قابل دسترس و مقرون‌به‌صرفه قرار گرفته‌اند که می‌توانند تحقیقات مربوط به ادراک انسان را بهبود بخشند. در نتیجه، این ابزار به سرعت در حال تبدیل شدن به یک ابزار کلیدی در روانشناسی، نورومارکتینگ و BCI است.

EEG چیست؟

الکتروانسفالوگرافی (EEG) اندازه‌گیری فعالیت الکتریکی منشعب از سلول‌های مغزی است که نورون نامیده می‌شوند. این یک روش ایمن و غیرتهاجمی است که با استفاده از الکترودهای قرار گرفته روی پوست سر انجام می‌شود. دستگاه‌های EEG مورد استفاده برای این منظور می‌توانند از دستگاه‌های تجاری تک کاناله تا سیستم‌های درجه پزشکی ۲۵۶ کاناله متغیر باشند. می‌توانید جزئیات بیشتری درباره اینکه EEG چیست و دستگاه‌های مختلف EEG را در اینجا بخوانید.

مزایای EEG چیست؟

وضوح زمانی بالا



به دلیل وضوح زمانی بالا، EEG قادر است فرآیندهای پیش از هوشیاری را شاخص‌گذاری کند.

بزرگ‌ترین قدرت EEG نسبت به سایر روش‌های تصویربرداری عصبی، وضوح زمانی آن است، یعنی توانایی اندازه‌گیری پاسخ‌های سریع مغز در محدوده میلی‌ثانیه. روش‌های دیگر تصویربرداری مغز مانند fMRI (تصویربرداری تشدید مغناطیسی عملکردی)، به یک ثانیه یا بیشتر پس از ارائه محرک‌های مورد نظر زمان نیاز دارند. علاوه بر این، وظایف رفتاری طراحی شده برای اجتناب از عدم قطعیت در پاسخ‌های ذهنی معمولاً بر زمان واکنش و پاسخ‌های فشردن دکمه تکیه دارند. این کارها ممکن است تا یک ثانیه طول بکشند، که با توجه به اینکه مغز قادر است در مقیاس زمانی میلی‌ثانیه فرآیندهای عصبی-فیزیولوژیکی پیچیده بسیاری را تولید کند، بسیار کند است. بنابراین، به دلیل وضوح زمانی بالا، EEG قادر است فرآیندهای پیش از هوشیاری را شاخص‌گذاری کند که در غیر این صورت با کارهای صرفاً خودگزارشی و مبتنی بر پاسخ ناشناخته می‌ماندند.

مقرون‌به‌صرفه بودن و قابلیت جابجایی

علم ورزش: پکستون لینچ تحت آزمون فشار با هدست Emotiv Insight EEG قرار می‌گیرد.

دستگاه‌های EEG مقرون‌به‌صرفه و بی‌سیم شده‌اند و به پژوهشگران اجازه می‌دهند تا به جای آوردن شرکت‌کنندگان به آزمایشگاه، تحقیقات را در میدان انجام دهند. در حالی که هر دو روش EEG و MEG (مگنتوانسفالوگرافی) دارای وضوح زمانی بالایی هستند، EEG به دلیل کم‌هزینه و متحرک بودن، ابزار پژوهشی در دسترس‌تری است که مطالعه رفتار انسان را در محیط‌های کنترل‌شده یا طبیعی امکان‌پذیر می‌سازد. روش‌های جایگزین تصویربرداری عصبی (مانند MEG، MRI و PET) به هزینه نگهداری بالایی نیاز دارند و شرکت‌کنندگان برای انجام این مطالعات باید به بیمارستان یا محیط آزمایشگاهی آورده شوند. در تضاد شدید، تقریباً هر محیطی را می‌توان به یک «آزمایشگاه» EEG تبدیل کرد. (به بررسی پارک و همکاران۱ در مورد چگونگی استفاده از EEG سیار در بهبود عملکردهای ورزشی در زمین مسابقه مراجعه کنید)

مطالعات درون‌سازمانی یا از راه دور

EEG لزوماً نباید مبتنی بر آزمایشگاه و با یک دستگاه واحد باشد. با پیشرفت در دستگاه‌های EEG تجاری و مقرون‌به‌صرفه، کاربران خانگی قادرند فرآیند ثبت EEG را روی خودشان انجام دهند. پلتفرم EmotivLABS به پژوهشگران این امکان را می‌دهد تا آزمایش‌های خود را به صورت آنلاین با هدست‌های Emotiv انجام دهند که در برابر دستگاه‌های درجه پژوهشی اعتبارسنجی شده‌اند²ʹ³. درباره مطالعه آزمایشی آنلاین EEG ما در اینجا یا درباره یکی از شراکت‌های ما که در آن کاربران Emotiv در یک مطالعه خانگی برای ارزیابی یک نرم‌افزار ارائه شرکت کردند، در اینجا بخوانید.

با EEG چه چیزی را می‌توانیم اندازه‌گیری کنیم؟

بیشتر پژوهشگران به طور معمول از دامنه‌های ولتاژ در نقاط زمانی مورد نظر پس از شروع محرک (یعنی پتانسیل‌های وابسته به رویداد یا ERPs) یا میزان نوسانات (امواج مغزی) در EEG در ثانیه (یعنی تجزیه و تحلیل زمان-فرکانس) استفاده می‌کنند.

این دو حوزه به ما امکان می‌دهند تا به سؤالات پژوهشی متفاوتی در رابطه با رفتار پاسخ دهیم. علاوه بر این، با پیشرفت الگوریتم‌های پیچیده یادگیری ماشین، می‌توانیم شروع به رمزگشایی حالت‌های ذهنی در پاسخ به محرک‌های مورد نظر کنیم. به عنوان مثال، با توسعه الگوریتم‌های اعتبارسنجی شده برای توجه، اکنون می‌توانیم به راحتی به سؤالاتی مانند «کدام بخش از ویدیوی من توجه بیشتری را جلب کرد» پاسخ دهیم.

نکاتی که باید در نظر گرفت

مهم است به یاد داشته باشید که ما دقیقاً نمی‌توانیم افکار را با EEG بخوانیم. بنابراین، محرک‌های در حال مقایسه در حالت ایده‌آل باید از هر جنبه‌ای به جز خود متغیر مورد نظر با هم همخوانی داشته باشند. بنابراین، یک کار تجربی خوب طراحی شده، سنگ بنای یک پژوهش عالی با EEG است. دوم اینکه، دستگاه‌های EEG می‌توانند تداخل تجهیزات الکتریکی را دریافت کنند و همچنین EEG‌ها می‌توانند به حرکت حساس باشند که می‌تواند آرتیفکت‌های ناخواسته‌ای را وارد ثبت کند. بنابراین، EEG‌های خام منعکس‌کننده پاسخ‌های کل مغز هستند که قبل از هرگونه استنباط مرتبط با ادراک محرک‌ها، نیاز به پاک‌سازی و پردازش دارند.

علاوه بر این، فعالیت مغزی در یک تک الکترود، فعالیت کل مغز را ثبت می‌کند و مکان آن دقیقاً منبع فعالیت را به طور مستقیم نشان نمی‌دهد (مثلاً افزایش فعالیت در یک الکترود پیشانی به این معنی نیست که لوب پیشانی این پاسخ را ایجاد کرده است). روش‌هایی مانند بازسازی منبع⁴ پاسخ EEG می‌تواند برای این منظور برای تعیین منبع در سطح پوست سر مورد استفاده قرار گیرد. برای تعیین منابع عمیق‌تر با اطمینان بیشتر، روش‌های تصویربرداری عصبی مانند MEG یا fMRI همراه با EEG را می‌توان در نظر گرفت.

EEG در تحقیقات کنونی

EEG در حال حاضر به روش‌های متعددی استفاده می‌شود و به پژوهشگران نه تنها در زمینه‌های روانشناسی و پزشکی، بلکه در رابط‌های مغز و رایانه، نوروفیدبک و درک رفتار مصرف‌کننده در زمینه‌هایی مانند نورومارکتینگ کمک می‌کند.

علوم اعصاب پزشکی یا بالینی

EEG عمدتاً در زمینه‌های پزشکی برای بهبود تشخیص و درمان استفاده می‌شود. به عنوان مثال، رایج‌ترین کاربرد EEG در تشخیص صرع و ثبت تشنج‌ها⁵ و در مطالعات خواب برای شناسایی ناهنجاری‌های خواب⁶ است. در روان‌پزشکی و علوم اعصاب بالینی، در حال حاضر از EEG برای شناسایی نشانگرهای عینی اختلالاتی استفاده می‌شود که در غیر این صورت به ارزیابی‌های بالینی ذهنی متکی هستند. تکنیک‌هایی مانند EEG کمی (qEEG) که در آن میزان نوسانات محاسبه شده و روی پوست سر نقشه‌برداری می‌شود، برای توصیف تغییرات ایجاد شده در مغز توسط اختلالات مختلف روان‌پزشکی استفاده می‌شود⁷. یادگیری ماشین کاربردی در طبقه‌بندی مغزهای سالم در مقابل بیمار نیز راه را برای روش‌های عینی‌تر تشخیص⁸ He۹ هموار می‌کند.

نورومارکتینگ

یقیناً، درک رفتار مصرف‌کننده در قلب نورومارکتینگ قرار دارد. رایج‌ترین کاربرد EEG در این زمینه، تعیین جنبه‌های کمتر برجسته و جذاب تبلیغات¹⁰، محصولات یا خدمات با هدف بهبود آنهاست.

Emotiv x نورومارکتینگ - آینده رفتار مصرف‌کننده در آزمایشگاه لوکس L’Oreal.

نوسانات EEG همچنین برای شناسایی اینکه آیا یادآوری ناخودآگاه برند/محصول وجود دارد یا خیر استفاده می‌شود¹¹. کاربردهای دیگر شامل قیمت‌گذاری عصبی (neuropricing) است، جایی که از وظایف رفتاری با EEG برای یافتن استراتژی‌های بهینه قیمت‌گذاری برای محصولات استفاده می‌شود¹².



Emotiv x نورومارکتینگ - نحوه واکنش مغز به پیشنهادهای مختلف قیمت‌گذاری.

تحقیقات عمومی علوم اعصاب

این نوع تحقیق شامل درک چگونگی عملکرد مغز (به عنوان مثال، چگونه مغز ما محرک‌های بصری یا شنیداری را پردازش می‌کند) و نحوه ارتباط بخش‌های مختلف مغز با یکدیگر است. همچنین شامل درک رابطه بین مغز و اختلالات (به عنوان مثال، اختلال طیف اوتیسم یا اسکیزوفرنی) می‌شود. این کار حوزه‌های متعددی را در بر می‌گیرد که شامل قلمروهای اجتماعی، عاطفی، محاسباتی و شناختی است.

رابط‌های مغز و رایانه (BCI)

هدف تحقیقات BCI ترجمه دستورات ذهنی به یک اقدام خارجی، از طریق ادغام EEG با دستگاه‌های محاسباتی است. استفاده از دستورات ذهنی برای تایپ کردن یک سند متنی، حرکت دادن صندلی چرخ‌دار و حتی حرکت دادن پروتزهای حرکتی از جمله پیشرفت‌های فعلی در BCI است که برای بهبود کیفیت زندگی افراد دارای معلولیت استفاده می‌شود¹³.



رابط‌های مغز و رایانه (BCI) - ساخته‌های خیره‌کننده جان، یک پسر ۸ ساله مبتلا به فلج مغزی، در صفحه brainpaintbyjohn در اینستاگرام

انقلاب دیگر در صنعت موسیقی است که در آن نوازندگان/خوانندگان از افکار خود برای خلق موسیقی استفاده می‌کنند (پست مرتبط ما را در اینجا ببینید)

رابط‌های مغز و رایانه (BCI) - هدست EPOC از Emotiv و سینث‌سایزر نمادین TONTO یک تطابق کامل هستند.

به طور کلی، استفاده از EEG نویدبخش بررسی عمیق‌تر از سطح درک رفتار انسان است. مقرون‌به‌صرفه بودن و قابلیت دسترسی بالا، آن را به ابزاری مفید در رشته‌های مختلف تبدیل می‌کند، جایی که فرآیندهایی از بهبود تجربه کاربری گرفته تا پیشبرد درمان‌ها را می‌توان با فراتر رفتن از خودگزارش‌های ذهنی ساده و رمزگشایی عینی رفتار انسان با استفاده از EEG انجام داد.

رابط‌های مغز و رایانه (BCI) - Emotiv x رودریگو هوبنر مندس، در حال رانندگی با ماشین فرمول ۱ با استفاده از دستورات ذهنی

مقاله از طرف
روشینی راندنیا، افسر تحقیقاتی، .EMOTIV Research Pty. Ltd

منابع

۱. Park, J. L., Fairweather, M. M. & Donaldson, D. I. Making the case for mobile cognition: EEG and sports performance. Neurosci. Biobehav. Rev. 52, 117–130 (2015).

۲. Kotowski, K., Stapor, K., Leski, J. & Kotas, M. Validation of Emotiv EPOC+ for extracting ERP correlates of emotional face processing. Biocybern. Biomed. Eng. 38, 773–781 (2018).

۳. Badcock, N. A. et al. Validation of the Emotiv EPOC EEG system for research quality auditory event-related potentials in children. PeerJ 3, e907 (2015).

۴. Michel, C. M. et al. EEG source imaging. Clin. Neurophysiol. 115, 2195–2222 (2004).

۵. Noachtar, S. & Rémi, J. The role of EEG in epilepsy: A critical review. Epilepsy Behav. 15, 22–33 (2009).

۶. Aldrich, M. S. & Jahnke, B. Diagnostic value of video‐EEG polysomnography. Neurology 41, 1060–1060 (1991).

۷. Prichep, L. S. & John, E. R. QEEG profiles of psychiatric disorders. Brain Topogr. 4, 249–257 (1992).

۸. Khodayari-Rostamabad, A., Reilly, J. P., Hasey, G. M., de Bruin, H. & MacCrimmon, D. J. A machine learning approach using EEG data to predict response to SSRI treatment for major depressive disorder. Clin. Neurophysiol. 124, 1975–1985 (2013).

۹. Čukić, M., López, V. & Pavón, J. Classification of Depression Through Resting-State Electroencephalogram as a Novel Practice in Psychiatry: Review. J. Med. Internet Res. 22, e19548 (2020).

۱۰. Ohme, R., Reykowska, D., Wiener, D. & Choromanska, A. Analysis of neurophysiological reactions to advertising stimuli by means of EEG and galvanic skin response measures. J. Neurosci. Psychol. Econ. 2, 21–31 (2009).

۱۱. Shaari, A., Syafiq, M., Mikami, O. & M.A, M. K. Electroencephalography (EEG) Application in Neuromarketing-Exploring the Subconscious Mind ELECTROENCEPHALOGRAPHY (EEG) APPLICATION IN NEUROMARKETING-EXPLORING THE SUBCONSCIOUS MIND. 14, (2020). (Neuromarketing)

۱۲. Nigdelis, V. & Tsolaki, M. Neuropricing: Perspectives of brain reactions to price exposure. Hell. J. Nucl. Med. 20, 196–203 (2017).

۱۳. Abiri, R., Borhani, S., Jiang, Y. & Zhao, X. Decod

تان له در حال پوشیدن هدست ایپاک

به خواندن ادامه دهید

کنترل ذهن: چگونه یک هدست ۲۰۰ پوندی در حال تعریف دوباره تعامل مغز و رایانه است