بازاندیشی فرکانس مغز

فرکانس‌های مغزی چیستند؟

فرکانس‌های مغزی توصیفی از میزان نوسان فعالیت‌های الکتریکی در طول زمان هستند که بر حسب هرتز (Hz) یا چرخه در ثانیه بیان می‌شوند. آن‌ها نشان‌دهنده مواد مجزا یا بخش‌های ایزوله از ذهن نیستند.

در عوض، آن‌ها الگوهای تکرارشونده در فعالیت گروه‌های بزرگی از نورون‌ها را خلاصه می‌کنند. بنابراین، اصطلاح فرکانس مغزی زمانی بیشترین کاربرد را دارد که با اطلاعاتی درباره مکان، زمان‌بندی، وظیفه و روش مورد استفاده برای ثبت سیگنال همراه باشد.

انواع مختلف فرکانس‌های امواج مغزی

پژوهشگران اغلب فعالیت‌های نوسانی را به باندهای فرکانسی تقسیم می‌کنند.

• دلتا کندترین باند مورد بحث است و به شدت با خواب عمیق بدون حرکات سریع چشم (non-REM) مرتبط است.

• فعالیت تتا اغلب در حین خواب مشاهده می‌شود و همچنین در رابطه با حافظه و جهت‌یابی مورد مطالعه قرار گرفته است.

• فعالیت آلفا در برخی از حالت‌های بیداری و آرامش برجسته است، در حالی که فعالیت بتا معمولاً در طول درگیری‌های ذهنی همراه با هوشیاری بررسی می‌شود.

• گاما به فعالیت‌های سریع‌تر اشاره دارد، اگرچه مرزهای آن در مطالعات و سیستم‌های اندازه‌گیری مختلف، متفاوت است.

این برچسب‌ها خلاصه‌هایی کاربردی هستند، نه بخش‌های بیولوژیکی صلب. یک فرد می‌تواند چندین باند را به طور همزمان نشان دهد و یک باند مشخص می‌تواند در بیش از یک فرآیند دخیل باشد.

به عنوان مثال، فعالیت آلفا صرفاً یک «موج آرامش» نیست؛ تحقیقات همچنین آن را به توجه و سرکوب اطلاعات حواس‌پرت‌کننده مرتبط می‌دانند. علوم اعصابِ ریتم‌های مغزی تأکید می‌کند که فعالیت همزمان نورونی، مدارهای مهارکننده و ارتباط بین نواحی مختلف همگی در شکل‌گیری الگوهایی که به عنوان موج ثبت می‌شوند، نقش دارند.

باندهای فرکانسی از نظر میزان قطعیت در تفسیر نیز با یکدیگر تفاوت دارند. یک ریتم قابل مشاهده ممکن است منعکس‌کننده ترکیبی از منابع عصبی، فعالیت عضلانی، حرکات چشم یا نویزهای محیطی باشد. بنابراین، پژوهشگران به جای اینکه برچسب یک باند را به عنوان یک تشخیص یا خوانش مستقیم از افکار فرد در نظر بگیرند، دامنه، فاز، توزیع فضایی و تغییرات آن را در طول زمان بررسی می‌کنند.

چگونه تبدیل فوریه داده‌های فرکانس مغزی را استخراج می‌کند

یک الکترود EEG سیگنال ولتاژ پیچیده و نامنظمی را ثبت می‌کند که در مقیاس میلی‌ثانیه نوسان دارد. این سیگنال خام در حوزه زمان، که خطی ناهموار از پتانسیل الکتریکی مغز را ترسیم می‌کند، بلافاصله به عنوان یک "فرکانس" معنای مشخصی ندارد. ابزار ریاضی اصلی برای استخراج اطلاعات فرکانسی از این هرج‌ومرج ظاهری، تبدیل فوریه است.

این الگوریتم با تجزیه شکل موج پیچیده به مجموعه‌ای از امواج سینوسی خالص، که هر کدام با سرعت متفاوتی نوسان می‌کنند، کار می‌کند. خروجی این فرآیند یک طیف توان است. این طیف، نموداری است که نشان می‌دهد چه مقدار توان یا مجذور دامنه در هر فرکانس پیوسته در سیگنال وجود دارد.

یک EEG خام را مانند یک آکورد پیچیده تصور کنید که توسط یک ارکستر نواخته می‌شود. تبدیل فوریه به ما اجازه می‌دهد تا آن صدا را تفکیک کنیم و دقیقاً ببینیم که ویولنسل، ویولن و فلوت هر کدام با چه صدایی می‌نوازند و نقش آن‌ها را در تمام نت‌های ممکن نقشه‌برداری کنیم.

هنگامی که طیف توان پیوسته محاسبه شد، ما دیگر محدود به دسته‌بندی‌های از پیش برچسب‌گذاری‌شده نیستیم و می‌توانیم معیارهای خلاصه پیوسته‌ای را محاسبه کنیم که شکل کل نمودار طیفی را توصیف می‌کنند.

به عنوان مثال، فرکانس میانه نقطه‌ای است که طیف را به دو نیمه با توان برابر تقسیم می‌کند. پهنای باند توصیف می‌کند که توان چقدر در میان فرکانس‌ها پراکنده شده است، که نشان می‌دهد آیا فعالیت در یک محدوده باریک متمرکز است یا به طور گسترده توزیع شده است.

این معیارها پویا هستند و به پژوهشگران اجازه می‌دهند تا تغییرات ظریف و لحظه به لحظه را در تعادل طیفی کلی مغز اندازه‌گیری کنند، به جای اینکه فقط نظاره‌گر جهش‌های تصادفی از یک بخش دسته‌بندی‌شده به بخش دیگر باشند.

کاوش در طیف کامل فرکانس مغز انسان

وقتی دسته‌بندی‌های صلب را کنار می‌گذاریم، مقیاس واقعی طیف فرکانسی مغز آشکار می‌شود. این طیف از بسیار پایین‌تر از موج سنتی دلتا (1 Hz) آغاز شده و به قلمرو نوسانات بسیار کند (infraslow) وارد می‌شود، چرخه‌هایی که می‌توانند از 10 تا 100 ثانیه طول بکشند (0.01–0.1 Hz). همزمان، این طیف تا بسیار بالاتر از محدوده معمول گاما (40 Hz) و تا ریزموج‌های سریع (fast ripples) که به 1000 Hz نزدیک می‌شوند، ادامه می‌یابد.

اینکه چه بخشی از این پیوستار را می‌توانیم «ببینیم» به شدت به ابزاری که برای مشاهده استفاده می‌شود بستگی دارد. ماکروالکترودهای بالینی استاندارد، که به اندازه یک سکه کوچک هستند، از جمعیت‌های گسترده‌ای از نورون‌ها نمونه‌برداری می‌کنند. تحقیقات ورل و همکاران با مقایسه این الکترودهای بالینی با میکروسیم‌های بسیار ظریف (که برای ثبت از مجموعه‌های نورونی زیر میلی‌متری به اندازه کافی ظریف هستند) نشان داد که توزیع نوسانات فرکانس بالا ثبت شده از ماکروالکترودها در محدوده پایین‌تری متمرکز می‌شود و فرکانس متوسط آن در حدود 116 Hz است.

در مقابل، میکروسیم‌ها توزیع بسیار گسترده‌تری از فعالیت‌های فرکانس بالا را تا محدوده کامل ریزموج‌های سریع 1000 Hz ثبت می‌کنند که فرکانس متوسط این موج‌ها نزدیک به 143 Hz است. این یافته‌ها نشان می‌دهند که مقیاس اندازه‌گیری‌های ما، درک ما را از طیف فرکانسی شکل می‌دهد.

علاوه بر این، نویسندگان پیشنهاد می‌کنند که نوسانات بسیار کند به هیچ وجه نویز پس‌زمینه نیستند. فاز این امواج کند و غلتان (موقعیت دقیق آن‌ها در یک چرخه از اوج تا فرود) به طور مستقیم و قوی با دامنه نوسانات سریع‌تر در محدوده 1 تا 40 Hz ارتباط دارد.

این امر نشان‌دهنده یک جفت‌شدگی سلسله‌مراتبی و پیوسته در سراسر طیف فرکانسی است، جایی که کندترین ریتم‌ها به عنوان یک سازمان‌دهنده جهانی عمل می‌کنند و میزان تحریک‌پذیری و توان ریتم‌های سریع‌تر را هماهنگ می‌سازند.

اندازه‌گیری هوشیاری بر روی یک طیف فرکانسی پیوسته

نگاه به فرکانس مغزی به عنوان یک معیار پیوسته، ابزار حساسی برای مشاهده تغییرات در حالت‌های ذهنی، به‌ویژه از دست رفتن و بازگشت هوشیاری، فراهم می‌کند. این فرآیند به معنای سوئیچ کردن از یک «باند» به باند دیگر نیست، بلکه یک لغزش تدریجی در کل توزیع طیفی است.

در طول یک مطالعه روی بیهوشی ناشی از پروپوفول، شرکت‌کنندگان به تدریج توانایی پاسخ به نشانه‌های شنیداری را از دست داده و سپس دوباره آن را به دست آوردند. محققان دریافتند که فرکانس میانه و پهنای باند طیف توان EEG پیش‌پیشانی، احتمال پاسخ‌دهی فرد به این محرک‌ها را با دقت بالایی ردیابی می‌کند.

همانطور که فرد به خواب مصنوعی و بیهوشی فرو می‌رفت، مرکز توان طیفی مغز او به سمت پایین تغییر می‌کرد و توزیع آن دگرگون می‌شد، بدون اینکه از مرزهای از پیش تعریف‌شده آلفا یا بتا پیروی کند. از دست رفتن هوشیاری با افزایش توان در فرکانس‌های بسیار پایین (<1 Hz) و ظهور یک الگوی نوسان آلفای پیش‌پیشانی مشخص مشخص شد.

علاوه بر این، بازگشت هوشیاری نه تنها با تغییر در فرکانس میانه، بلکه با یک رابطه خاص (یک جفت‌شدگی فاز-دامنه بین ریتم‌های کند و سریع) پیش‌بینی شد. در طول انتقال مجدد به هوشیاری، دامنه نوسانات آلفا در فرود چرخه موج کند به حداکثر خود رسید. این رابطه دقیق و پیوسته لحظه پاسخ رفتاری را پیش‌بینی کرد؛ پدیده‌ای که آنالیز استاندارد توان باند به راحتی ممکن بود آن را نادیده بگیرد.

این امر نشان می‌دهد که چگونه ویژگی‌های طیفی پیوسته می‌توانند خوانش روان و دقیقی از یک حالت شناختی درونی ارائه دهند.

پیش‌بینی درک حسی با آنالیز فرکانس مغزی

اهمیت عملکردی نگاه به طیف فرکانسی به عنوان یک کل، در کندترین بخش آن بیشتر نمایان می‌شود. توانایی ما برای تشخیص یک محرک حسی ضعیف (مانند یک بوق آرام یا یک لمس ملایم) یک عملکرد کاملاً یکنواخت نیست؛ بلکه در طول زمان نوسان دارد. این اثر «تناوبی» در عملکرد روان‌فیزیکی انسان مستقیماً با نوسانات بسیار کند پیوسته در فعالیت پایه‌ای مغز مرتبط است.

در یک وظیفه تشخیص حسی-پیکری، فاز نوسانات بسیار کند مداوم (0.01–0.1 Hz) به شدت پیش‌بینی می‌کرد که آیا فرد محرک ضعیف را درک خواهد کرد یا خیر. نه دامنه این امواج کند، بلکه فاز دقیق آن‌ها (لحظه‌ای در چرخه طولانی و کند آن‌ها که محرک در آن وارد می‌شد) تعیین‌کننده تشخیص بود. به نظر می‌رسید کندترین ریتم مغز، فرآیند ورود یا عدم ورود به درک هوشیارانه را دیکته می‌کند.

این ارتباط به فعالیت‌های سریع‌تر نیز گسترش می‌یابد و یک پویایی شبکه یکپارچه را نشان می‌دهد. همان فاز بسیار کندی که عملکرد رفتاری را پیش‌بینی می‌کند، به طور قوی دامنه نوسانات نورونی در محدوده 1–40 Hz را نیز کنترل می‌کند.

فاز نوسانات کند بازتاب‌دهنده یک چرخه فراگیر از تحریک‌پذیری کلی قشر مغز است. در یک فاز مشخص، شبکه‌ها تحریک‌پذیرتر هستند، ریتم‌های سریع‌تر را تقویت می‌کنند و احتمال درک را افزایش می‌دهند. در فازی دیگر، آن‌ها مهار می‌شوند.

این موضوع بیشتر نشان می‌دهد که طیف فرکانسی پیوسته منعکس‌کننده یک چرخه تحریک‌پذیری یکپارچه از شبکه‌های قشری است، از ریتم پایه‌ای بسیار کند گرفته تا نوسانات سریع‌تری که اطلاعات حسی را پردازش می‌کنند.

ارزیابی کارایی بالینی معیارهای پیوسته EEG

تغییر مفهومی از باندهای دسته‌بندی‌شده به آنالیز طیفی پیوسته، این نوید جذاب و شهودی را به همراه دارد که معیارهایی مانند فرکانس میانه، زیست‌نشانگرهای بازتولیدپذیرتر و قوی‌تری برای شرایط عصبی و روان‌پزشکی ارائه خواهند داد. امید بر این است که با اجتناب از تقسیم‌بندی دلخواه طیف، بتوانیم از هم‌پوشانی‌های تشخیصی و تغییراتی که آنالیز باندهای مجزا را دچار مشکل می‌کنند، عبور کنیم.

اگرچه این منطق قوی است، اما در سطح جمعیت تا حد زیادی یک فرضیه آزمایش‌نشده باقی مانده است. پایگاه شواهد فعلی محدود و متناقض است.

مطالعات اولیه تک‌موردی، مانند تحقیقات بیهوشی، نشان می‌دهند که معیارهای پیوسته می‌توانند تغییر حالت خاص و بسیار کنترل‌شده را در افراد با دقت قابل توجهی ردیابی کنند. با این حال، ادبیات گسترده‌تر تشخیصی، که تحت سلطه رویکردهای مبتنی بر باند فرکانسی است، در مورد نتایج خود محتاط است. یک بررسی در سال 2019 روی 184 مطالعه حالت استراحت نشان داد که میزان تفاوت‌های گزارش‌شده بر اساس باند معمولاً کوچک است (بین 20% و 30%) و ارتباط ضعیفی با نمرات شدت علائم دارد.

از آنجا که شواهد دقیق و مقایسه‌ای مستقیم برای اثبات برتری معیارهای پیوسته نسبت به باندهای دسته‌بندی‌شده در حال حاضر اندک است، هرگونه ادعای کارایی بالینی برتر یا قدرت تشخیصی بیشتر باید به عنوان یک مزیت بالقوه در نظر گرفته شود؛ ادعایی رایج که هنوز به طور قوی اثبات نشده است.

ما هنوز نمی‌دانیم که آیا محاسبه فرکانس میانه مشکلات مربوط به بازتولیدپذیری را که هنگام برچسب‌گذاری توان به عنوان «تتا» یا «آلفا» ایجاد می‌شود حل خواهد کرد یا خیر. حرکت به سمت یک دیدگاه طیفی یک بازنگری مفهومی مبتنی بر منطق است، اما کاربرد بالینی آن نیازمند همان اعتبارسنجی دقیق و در مقیاس بزرگی است که پارادایم مبتنی بر باند را (که این رویکرد به دنبال جایگزینی آن است) به چالش کشیده است.

چرا طیف فرکانسی کامل مغز برای درک هوشیاری اهمیت دارد

در علوم اعصاب، فعالیت الکتریکی مغز بهتر است به عنوان یک طیف پیوسته درک شود که از چرخه‌های بسیار کند تا ریزموج‌های فوق‌سریع امتداد دارد و این دیدگاه یکپارچه روابطی را آشکار می‌کند که برچسب‌های ثابتی مانند آلفا یا بتا تمایل به پنهان کردن آن‌ها دارند.

کندترین ریتم‌ها، نوسانات سریع‌تر را در یک چرخه جهانی از تحریک‌پذیری هماهنگ می‌کنند، به طوری که تغییرات طیفی به طور دقیق از دست رفتن و بازگشت هوشیاری را ردیابی کرده و حتی تشخیص یک محرک ضعیف را پیش‌بینی می‌کنند. معیارهای پیوسته مانند فرکانس میانه و پهنای باند، شکل کلی فعالیت مغز را ثبت می‌کنند و به جای قرار دادن اجباری داده‌ها در دسته‌های دلخواه، خوانش روان و پویایی از حالت‌های ذهنی ارائه می‌دهند.

این بازنگری مفهومی نوید واقعی برای بهبود تشخیص به همراه دارد، اما این نوید همچنان یک احتمال است تا یک مزیت بالینی اثبات‌شده. مطالعات کنترل‌شده دقت فوق‌العاده‌ای را در ردیابی تغییرات حالت مانند بیهوشی نشان می‌دهند، در حالی که شواهد در مقیاس بزرگ که معیارهای پیوسته را با روش‌های سنتی مبتنی بر باند مقایسه می‌کنند هنوز محدود است.

گام بعدی ارزشمند این است که آزمایش شود آیا این دیدگاه غنی‌تر و وفادارتر به طیف فرکانسی می‌تواند عملکرد بهتری نسبت به دسته‌بندی‌های قدیمی در محیط‌های پزشکی واقعی ارائه دهد یا خیر.

منابع

1. Worrell, G. A., Gardner, A. B., Stead, S. M., Hu, S., Goerss, S., Cascino, G. J., ... & Litt, B. (2008). High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain, 131(4), 928-937. https://doi.org/10.1093/brain/awn006

2. Purdon, P. L., Pierce, E. T., Mukamel, E. A., Prerau, M. J., Walsh, J. L., Wong, K. F. K., ... & Brown, E. N. (2013). Electroencephalogram signatures of loss and recovery of consciousness from propofol. Proceedings of the National Academy of Sciences, 110(12), E1142-E1151. https://doi.org/10.1073/pnas.1221180110

3. Monto, S., Palva, S., Voipio, J., & Palva, J. M. (2008). Very slow EEG fluctuations predict the dynamics of stimulus detection and oscillation amplitudes in humans. Journal of Neuroscience, 28(33), 8268-8272. https://doi.org/10.1523/JNEUROSCI.1910-08.2008

4. Newson, J. J., & Thiagarajan, T. C. (2019). EEG frequency bands in psychiatric disorders: a review of resting state studies. Frontiers in human neuroscience, 12, 521. https://doi.org/10.3389/fnhum.2018.00521

پرسش‌های متداول

چرا تقسیم‌بندی سنتی امواج مغزی به باندهای مجزا (مانند آلفا، بتا، تتا) یک ساده‌سازی در نظر گرفته می‌شود؟

نوسانات الکتریکی مغز یک طیف پیوسته را تشکیل می‌دهند، نه جعبه‌های مجزا و جداگانه، و باندهای ثابت مانع از دیدن نحوه ترکیب و انتقال فرکانس‌ها به یکدیگر می‌شوند. بررسی مطالعات حالت استراحت نشان داد که الگوهای توان در این باندها در شرایط مختلف روان‌پزشکی با یکدیگر هم‌پوشانی دارند، که این امر نشان می‌دهد تقسیم‌بندی‌های گروهی ممکن است حقایق بیشتری را نسبت به آنچه آشکار می‌کنند، پنهان سازند.

تبدیل فوریه چگونه به آنالیز فرکانس مغزی کمک می‌کند؟

یک الکترود EEG سیگنال ولتاژ پیچیده و نامنظمی را در طول زمان ثبت می‌کند، نه یک فرکانس خالص و واحد. تبدیل فوریه به صورت ریاضی این سیگنال را به مجموعه‌ای از امواج سینوسی خالص تجزیه می‌کند و یک طیف توان تولید می‌کند که نشان می‌دهد چه مقدار توان در هر فرکانس پیوسته وجود دارد.

محدوده واقعی فرکانس‌های مغزی فراتر از باندهای سنتی چیست؟

طیف فرکانسی از نوسانات بسیار کند که هر 10 تا 100 ثانیه یک چرخه را طی می‌کنند (0.01–0.1 Hz) تا ریزموج‌های سریع نزدیک به 1000 Hz امتداد دارد. این محدوده بسیار فراتر از دسته‌بندی‌های معمول دلتای 1 Hz و گامای 40 Hz است.

ابزار اندازه‌گیری چگونه بر آنچه در فعالیت‌های فرکانس بالای مغز می‌بینیم تأثیر می‌گذارد؟

ماکروالکترودهای بالینی استاندارد از جمعیت‌های گسترده نمونه‌برداری می‌کنند و فعالیت فرکانس بالا را حول میانگین 116 Hz متمرکز می‌کنند، در حالی که میکروسیم‌هایی که از مجموعه‌های کوچک‌تر ثبت می‌کنند، توزیع وسیع‌تری را تا 1000 Hz با میانگینی نزدیک به 143 Hz نشان می‌دهند. بنابراین، مقیاس اندازه‌گیری محدوده ظاهری طیف را شکل می‌دهد.

معیارهای طیفی پیوسته چگونه از دست رفتن و بازگشت هوشیاری را در حین بیهوشی ردیابی می‌کنند؟

با رفتن فرد به حالت بیهوشی، فرکانس میانه طیف توان مغز به سمت پایین تغییر می‌کند و از دست رفتن هوشیاری با افزایش توان فرکانس‌های بسیار پایین و یک الگوی آلفای پیش‌پیشانی متمایز مشخص می‌شود. بازگشت هوشیاری توسط یک جفت‌شدگی فاز-دامنه پیش‌بینی می‌شود که در آن نوسانات آلفا در فرود چرخه موج کند به حداکثر خود می‌رسند.

نوسانات بسیار کند مغزی چگونه بر درک ما از محرک‌های ضعیف تأثیر می‌گذارند؟

فاز نوسانات بسیار کند (0.01–0.1 Hz) پیش‌بینی می‌کند که آیا یک محرک ضعیف تشخیص داده می‌شود یا خیر، نه دامنه آن‌ها. این فاز کند منعکس‌کننده یک چرخه جهانی از تحریک‌پذیری قشر مغز است که در آن نوسانات سریع‌تر (1–40 Hz) تعدیل می‌شوند و درک را در لحظات مختلف کم یا زیاد می‌کنند.

چرا مفهوم جفت‌شدگی فاز-دامنه برای درک هوشیاری مهم است؟

جفت‌شدگی فاز-دامنه به این موضوع اشاره دارد که چگونه زمان‌بندی (فاز) ریتم‌های کند، دامنه (شدت) ریتم‌های سریع‌تر را کنترل می‌کند. در طول بازگشت از بیهوشی، رابطه خاصی که در آن دامنه آلفا در فرود امواج کند به اوج خود می‌رسید، لحظه پاسخ رفتاری را پیش‌بینی کرد؛ چیزی که آنالیز استاندارد توان باند ممکن بود آن را از دست بدهد.

مهم‌ترین مزیت استفاده از معیارهای طیفی پیوسته مانند فرکانس میانه و پهنای باند چیست؟

این معیارها شکل کلی کل طیف توان را توصیف می‌کنند و به پژوهشگران اجازه می‌دهند تا تغییرات تدریجی در فعالیت مغز را ردیابی کنند، به جای اینکه مجبور به جهش‌های ناگهانی بین باندهای از پیش تعریف‌شده باشند. آن‌ها خوانش روان و حساسی از حالت‌های شناختی ارائه می‌دهند، همانطور که در مطالعات بیهوشی و درک حسی دیده شده است.

"پهنای باند" در طیف توان چیست و چرا مفید است؟

پهنای باند نشان می‌دهد که توان چقدر در میان فرکانس‌ها پراکنده شده است؛ یعنی آیا فعالیت مغز در یک محدوده باریک متمرکز است یا به طور گسترده توزیع شده است. این یک توصیف‌گر پیوسته است که به همراه فرکانس میانه، به جای تمرکز بر باندهای مجزا، به تعیین شکل پویای کل طیف کمک می‌کند.