موضوعات دیگر را جستجو کنید…

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

اندازه‌گیری هم‌زمان مغز بسیار فراتر از آزمایشگاه‌های تحقیقاتی رفته است. نوار مغزی (EEG) فعاليت الكتريكی پوست سر را در مقیاس‌های زمانی بسیار سریع ثبت می‌کند و کاربردهای علوم اعصاب، از تحقیقات مربوط به توجه تا رابط‌های مغز و رایانه، به این سرعت وابسته هستند. 

سیستم‌های آزمایشگاهی سنتی، ثبت‌های پایدار و با تراکم بالا تولید می‌کنند، اما گران‌قیمت و حجیم هستند و معمولاً به تکنسین‌های آموزش‌دیده نیاز دارند. نسل جدیدتر هدست‌های EEG مصرفی، سبک‌تر و اغلب بی‌سیم هستند و برای استفاده در خارج از اتاق‌های تحقیقاتی کنترل‌شده ساخته شده‌اند.

این تغییرات در طراحی، برای هر کسی که می‌خواهد داده‌های مغزی را در خانه، کلاس درس، محل کار یا محیط‌های میدانی جمع‌آوری کند، شایسته بررسی است.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

هداست EEG چیست؟

یک هدست EEG یک دستگاه پوشیدنی است که الکترودهایی را روی پوست سر قرار می‌دهد تا تغییرات ولتاژ مرتبط با فعالیت مغز را ثبت کند. خود هدست معمولاً بخشی از یک سیستم بزرگ‌تر را تشکیل می‌دهد که شامل تقویت، دیجیتالی‌سازی، ذخیره‌سازی و نرم‌افزار تجزیه و تحلیل است. 

برخلاف سیستم‌های تصویربرداری که آناتومی را نشان می‌دهند، EEG در درجه اول الگوهای الکتریکی در حال تغییر را در طول زمان ثبت می‌کند. این روش غیرتهاجمی است، اما ثبت آن همچنان به راه‌اندازی و تفسیر دقیق نیاز دارد.

یک هدست EEG چگونه کار می‌کند؟

نورون‌ها از طریق فعالیت الکتریکی با یکدیگر ارتباط برقرار می‌کنند و مجموعه‌ای از نورون‌های فعال می‌توانند نوسانات ولتاژی ایجاد کنند که در پوست سر قابل تشخیص است. الکترودها این تغییرات کوچک را حس می‌کنند، در حالی که تقویت‌کننده‌ها سیگنال را افزایش می‌دهند و فیلتر کردن، برخی از تداخل‌های ناخواسته را قبل از دیجیتالی شدن داده‌ها کاهش می‌دهد. 

ثبت حاصل را می‌توان به صورت شکل‌های موج، الگوهای فرکانس یا پاسخ‌های مرتبط با رویداد بررسی کرد. روش‌های داده‌های EEG همچنین شامل مدیریت آرتیفکت، نقشه‌های کانال، نرخ‌های نمونه‌برداری و متاداده‌های کامل است.

کیفیت ثبت یک هدست EEG به چیزی فراتر از تعداد سنسورها بستگی دارد:

  • تماس الکترود

  • حرکت پوست سر

  • فعالیت‌های عضلانی و صورت

  • حرکت کابل

  • تداخل الکتریکی

سیستم‌های موقعیت‌دهی استاندارد به مقایسه‌پذیرتر شدن ثبت‌ها در جلسات مختلف کمک می‌کنند، اگرچه هر منبع نویز را از بین نمی‌برند. به همین دلیل، کیفیت سیگنال بنیادی‌ترین بخش برای هر تفسیری است، چه محیط آزمایشگاهی، چه کلینیک و چه کاربرد مصرف‌کننده باشد.

یک هدست EEG مصرف‌کننده چیست؟

هدست‌های EEG مصرف‌کننده فناوری سنجش مغز را به بسیاری از محیط‌های روزمره از جمله خانه‌ها، کلاس‌های درس، دفاتر و سایت‌های تحقیقات میدانی آورده‌اند. 

یک بررسی دامنه در سال 2024 در این زمینه، مقالات همترازی را که از دستگاه‌های EEG درجه مصرف‌کننده برای جمع‌آوری داده‌های عصبی استفاده کرده بودند، پس از یک جستجوی سیستماتیک در PsycINFO، MEDLINE، Embase، Web of Science و IEEE Xplore ترسیم کرد. این بررسی 916 مطالعه را شناسایی کرد که داده‌های مغزی را با دستگاه‌های درجه مصرف‌کننده ثبت کرده بودند، شامل 531 مقاله مجله و 385 مقاله کنفرانس. 

رایج‌ترین کاربرد، رابط‌های مغز و رایانه بود و پس از آن تحقیقات تجربی، پردازش سیگنال، اعتبارسنجی و اهداف بالینی قرار داشتند. این توزیع نشان می‌دهد که EEG مصرف‌کننده به یک کاربرد محدود و خاص خلاصه نمی‌شود، زیرا محققان از آن در مهندسی و علوم اعصاب شناختی به طور یکسان استفاده کرده‌اند. 

این بررسی نتیجه گرفت که EEG درجه مصرف‌کننده یک ابزار تحقیقاتی واقعاً مفید است و احتمالاً استفاده از آن همچنان رشد خواهد کرد. از نظر عملی، این دستگاه‌ها جذاب هستند زیرا ارزان‌تر و غالباً بی‌سیم بوده و برای استفاده در محیط‌های عملیاتی که افراد به راحتی حرکت می‌کنند، طراحی شده‌اند. 

کاربردهای هدست‌های EEG

هدست‌های EEG در محیط‌هایی از آزمایشگاه‌های علوم اعصاب گرفته تا آزمایش‌های نرم‌افزاری تعاملی استفاده می‌شوند. مزیت مشترک آنها وضوح زمانی است: تغییرات الکتریکی را می‌توان در فواصل بسیار کوتاه ردیابی کرد. محدودیت‌های آنها نیز به همان اندازه مهم است، زیرا ثبت‌های پوست سر در برابر آرتیفکت‌ها آسیب‌پذیر هستند و اطلاعات فضایی مستقیم کمتری نسبت به برخی روش‌های تصویربرداری ارائه می‌دهند. 

بنابراین، کاربردها باید با نوع و کیفیت داده‌هایی که یک هدست می‌تواند تولید کند، همخوانی داشته باشند.

رابط‌های مغز و رایانه (BCIها)

رابط‌های مغز و رایانه ویژگی‌های انتخاب‌شده از فعالیت مغز را به دستورات یا بازخورد ترجمه می‌کنند. یک هدست EEG ممکن است با ثبت الگوهای مرتبط با توجه، حرکت تصور شده یا پاسخ به رویدادهای خارجی از این فرآیند پشتیبانی کند. 

سپس سیگنال باید پاک‌سازی، بخش‌بندی و طبقه‌بندی شود که اغلب با کالیبراسیون برای هر شرکت‌کننده همراه است. عملکرد می‌تواند در میان افراد و جلسات مختلف متفاوت باشد، بنابراین نتیجه یک نمونه اولیه به طور خودکار یک روش کنترل قابل اعتماد نیست.

سلامت روان و بهزیستی

سیستم‌های EEG مصرف‌کننده گاهی برای بازخورد مدیتیشن، تمرینات آرامش‌بخش، آموزش نوروفیدبک و خودآگاهی عمومی استفاده می‌شوند. 

شایان ذکر است که این برنامه‌ها گاهی اوقات ممکن است به جای تفسیر بالینی از عملکرد مغز، معیارها یا روندهای ساده‌شده‌ای را ارائه دهند. تغییر در امتیاز نمایش داده شده نباید به عنوان اثبات تشخیص سلامت روان یا شواهدی بر کارآمد بودن یک درمان خاص تلقی شود.

تصمیمات مربوط به تشخیص بالینی و درمان به متخصصان واجد شرایط، تاریخچه مناسب و معاینات مرتبط نیاز دارد. EEG ممکن است اطلاعات مفیدی را در ارزیابی‌های عصبی منتخب ارائه دهد، اما خوانش هدست به تنهایی نمی‌تواند علت علائم را تعیین کند. نرم‌افزار بهزیستی می‌تواند به عنوان یک ابزار تعاملی یا آموزشی آموزنده باشد، در حالی که از ارزیابی پزشکی مجزا باقی می‌ماند.

تحقیق و علوم اعصاب

کاربردهای تحقیقاتی شامل مطالعات مربوط به توجه، ادراک، خواب، فعالیت حرکتی، پردازش حسی و پاسخ‌های مرتبط با رویداد است. 

EEG را می‌توان در طول کارهایی که با دقت زمان‌بندی شده‌اند ثبت کرد، سپس از طریق فیلتر کردن، اپوک کردن (epoching)، رد آرتیفکت و مقایسه آماری آن را تجزیه و تحلیل کرد. قرارگیری قابل تکرار و مستندسازی کامل زمانی ضروری است که نتایج باید در میان شرکت‌کنندگان یا آزمایشگاه‌های مختلف مقایسه شوند. منابع علوم اعصاب زمینه مفیدی را برای سؤالات علمی گسترده‌تری که مطالعات EEG به آنها می‌پردازند، فراهم می‌کنند.

چه چیزهایی بر کیفیت سیگنال در خارج از آزمایشگاه تأثیر می‌گذارد

سیستم‌های EEG بی‌سیم و طراحی‌شده برای مصرف‌کننده اغلب در مقایسه با سیستم‌های سیمی با تراکم بالا و درجه آزمایشگاهی به عنوان استاندارد مرجع ارزیابی می‌شوند. 

در یک مقایسه درون‌گروهی، محققان یک سیستم درجه تحقیقاتی 32 کاناله را در مقابل دو هدست سبک‌تر و قابل حمل‌تر در یک کار ارتباطی رابط مغز و رایانه مبتنی بر P300 با 13 شرکت‌کننده آزمایش کردند. پاسخ P300 یک سیگنال مغزی مرتبط با تشخیص یک هدف معنادار در یک توالی است و معمولاً برای انتخاب آیتم‌ها در سیستم‌های ارتباطی استفاده می‌شود. 

در آنجا، سیستم تحقیقاتی با تراکم بالا به بالاترین دقت طبقه‌بندی آفلاین در گروه دست یافت. اما زمانی که مقایسه به همان هشت کانال ثبت مشترک در همه سیستم‌ها محدود شد، تفاوت معناداری در دقت بین سیستم درجه تحقیقاتی و هدست سبک‌تر وجود نداشت. 

این نتایج نشان می‌دهد که تعداد کانال بالاتر به طور خودکار کیفیت سیگنال بهتری را تضمین نمی‌کند. دقت به کار، تعداد کانال‌های واقعی استفاده شده و محل ثبت سیگنال‌ها روی پوست سر بستگی دارد، نه صرفاً به تعداد سنسورهای یک هدست.

علاوه بر این، کیفیت سیگنال در استفاده در دنیای واقعی به ویژگی‌های فیزیکی فردی نیز بستگی دارد. یک ارزیابی ارگونومیک دستگاه‌های BCI تجاری نشان داد که عملکرد برای کاربرانی با موهای بلند یا ضخیم کاهش می‌یابد، زیرا تماس پایدار سنسور با پوست سر برای ثبت یک سیگنال قابل اعتماد ضروری است. علاوه بر این، فاکتورهای کاربردپذیری مانند قابلیت اطمینان سیگنال و سهولت استفاده به طور معناداری در میان کاربران مختلف متفاوت بود. 

در همین حال، یک ارزیابی طراحی مجزا، پنج عنصر را شناسایی کرد که کیفیت EEG در دنیای واقعی را شکل می‌دهند:

  1. قابلیت انطباق برای اندازه‌های مختلف سر.

  2. راحتی و ترجیح شرکت‌کننده.

  3. تفاوت در مکان‌های الکترودهای پوست سر.

  4. پایداری اتصال الکتریکی بین پوست سر و الکترود.

  5. یکپارچه‌سازی دقیق زمان‌بندی بین سیستم EEG، رایانه محرک و رویدادهای خارجی. 

یک هدست ممکن است روی کاغذ توانمند به نظر برسد اما اگر روی سر جابجا شود یا نتواند نشانگرهای رویداد را به طور دقیق همگام‌سازی کند، کیفیت داده‌ها را در عمل از دست می‌دهد. به عبارت دیگر، قابلیت اطمینان در دنیای واقعی به عنوان ترکیبی از پایداری سنسور، تناسب فیزیکی و دقت زمان‌بندی بهتر درک می‌شود، نه یک مشخصات سخت‌افزاری واحد.

راحتی و قابلیت استفاده هدست‌های EEG

راحتی یک ملاحظه عملی بزرگ است، به خصوص در طول استفاده طولانی مدت در خارج از آزمایشگاه. در یک ارزیابی از هفت دستگاه EEG موبایل یک مورد بسیار ملموس اندازه‌گیری شد: حداکثر مدت زمانی که شرکت‌کنندگان می‌توانستند از هر کدام استفاده کنند. 

<بیست و چهار شرکت‌کننده هر دستگاه را در جلسات مجزای 60 دقیقه‌ای پوشیدند و پس از آن به راحتی پوشیدن، ظاهر بصری و کاربردی بودن آن امتیاز دادند. نتایج نشان داد که تفاوت در حداکثر مدت زمان استفاده در میان دستگاه‌ها بسیار معنی‌دار بود (χ²(6) = 40.2, n = 24, p >بیست و چهار شرکت‌کننده هر دستگاه را در جلسات مجزای 60 دقیقه‌ای پوشیدند و پس از آن به راحتی پوشیدن، ظاهر بصری و کاربردی بودن آن امتیاز دادند. نتایج نشان داد که تفاوت در حداکثر مدت زمان استفاده در میان دستگاه‌ها بسیار معنی‌دار بود (χ²(6) = 40.2, n = 24, p < .001). به عبارت دیگر، مدت زمانی که یک فرد می‌توانست با راحتی از یک دستگاه استفاده کند، از هدستی به هدست دیگر به شدت متفاوت بود. 

هدست‌های سفت و سنگین‌تر با نقاط تماس با انعطاف‌پذیری کمتر، و به خصوص الکترودهای پین‌مانند، کمترین امتیازهای راحتی را به دست آوردند، به ویژه زمانی که با یک قاب سنگین ترکیب شده بودند. نکته مهم این است که وقتی محققان پرسیدند آیا مردم راحتی کمتر را در ازای طراحی جذاب‌تر می‌پذیرند، پاسخ به طور مداوم منفی بود. یک دستگاه شیک می‌تواند علاقه اولیه ایجاد کند، اما راحتی فیزیکی است که تعیین می‌کند آیا افراد به استفاده از آن برای جلسات مکرر یا بلوک‌های طولانی‌تر جمع‌آوری داده ادامه می‌دهند یا خیر.

علاوه بر این، قابلیت تنظیم با اندازه‌های مختلف سر نیز اهمیت دارد. ارزیابی‌های کاربردپذیری سیستم‌های EEG بی‌سیم نشان داد که دستگاه‌ها در میزان تناسب با کاربران مختلف تفاوت دارند. هدستی که نتواند با شکل‌های سر کوچک‌تر یا بزرگ‌تر سازگار شود، به احتمال زیاد نقاط فشار یا تماس ناپایدار الکترود ایجاد می‌کند. 

بنابراین، برای استفاده در دنیای واقعی، راحتی و تناسب از قابلیت اطمینان سیگنال جدا نیستند، بلکه از طریق تماس فیزیکی بین سنسورها و پوست سر به هم متصل هستند.

زمان راه‌اندازی و کاربردی بودن روزمره هدست‌های EEG

زمان آماده‌سازی یک مانع عملی کلیدی در خارج از آزمایشگاه است. سیستم‌های آزمایشگاهی اغلب به آماده‌سازی دقیق الکترود، ژل رسانا و بررسی‌های طولانی امپدانس نیاز دارند. 

در همان مقایسه ذکر شده در بالا، سیستم تحقیقاتی سیمی با تراکم بالا به طور قابل توجهی زمان بیشتری برای راه‌اندازی نسبت به دو هدست سبک‌تر به سبک مصرف‌کننده نیاز داشت. به طور فرضی، اگر یک جلسه میدانی تنها 30 دقیقه زمان داشته باشد، هدستی که آماده‌سازی آن 20 دقیقه طول می‌کشد، زمان کمی برای ثبت واقعی باقی می‌گذارد. این یکی از دلایلی است که دستگاه‌های مصرف‌کننده EEG اغلب به طور خاص برای کاهش این بار راه‌اندازی طراحی می‌شوند.

<علاوه بر این، در مطالعه راحتی هفت دستگاه که قبلاً ذکر شد، امتیازات کاربردی بودن تفاوت‌های بسیار معنی‌داری را در بین سیستم‌ها نشان داد (χ²(6) = 83.2, n = 24, p >علاوه بر این، در مطالعه راحتی هفت دستگاه که قبلاً ذکر شد، امتیازات کاربردی بودن تفاوت‌های بسیار معنی‌داری را در بین سیستم‌ها نشان داد (χ²(6) = 83.2, n = 24, p < .001) که نویسندگان آن را به این صورت تفسیر کردند که استفاده از برخی دستگاه‌ها در تمرینات روزمره به طور قابل توجهی آسان‌تر از بقیه است. 

شایان ذکر است، در حالی که راه‌اندازی سریع‌تر برای استفاده میدانی ارزشمند است، اما نباید تنها ملاحظه باشد. دستگاهی که سریع آماده می‌شود اما سیگنال‌های ناپایدار تولید می‌کند ممکن است از برنامه مورد نظر پشتیبانی نکند. 

بنابراین، یک هدست میدانی با طراحی خوب باید زمان آماده‌سازی را کاهش دهد و در عین حال تماس سنسور و کیفیت سیگنال مورد نیاز یک کار مشخص را حفظ کند. برای اندازه‌گیری توجه ساده، یک هدست سریع با الکترود خشک اغلب کاملاً کافی است. برای کارهای ارتباطی BCI با دقت بالا، یک سیستم ژلی ممکن است ارزش زمان راه‌اندازی اضافی را داشته باشد.

زیبایی در مقابل راحتی: آنچه تحقیقات نشان می‌دهد

ظاهر به وضوح زمانی که افراد یک هدست را انتخاب می‌کنند اهمیت دارد، اما راحتی را تحت‌الشعاع قرار نمی‌دهد. در مقایسه سه‌جانبه مذکور، یکی از هدست‌های سبک‌تر به عنوان جذاب‌ترین دستگاه از نظر بصری در گروه رتبه‌بندی شد و شرکت‌کنندگان زمانی که هنوز نمی‌دانستند سیستم‌های مختلف چه عملکردی در زمینه دقت دارند، آن را ترجیح می‌دادند. این یک یافته معنادار برای طراحی محصول و جذب شرکت‌کننده است، زیرا یک هدست جذاب از نظر بصری می‌تواند توجه را جلب کرده و تمایل به مشارکت را افزایش دهد.

<اما آن برداشت اول می‌تواند با استفاده طولانی‌مدت کم‌رنگ شود. مطالعه هفت دستگاه نشان داد که امتیازات ظاهر بصری به طور معنی‌داری در بین دستگاه‌ها متفاوت است (χ²(6) = 78.7, n = 24, p >اما آن برداشت اول می‌تواند با استفاده طولانی‌مدت کم‌رنگ شود. مطالعه هفت دستگاه نشان داد که امتیازات ظاهر بصری به طور معنی‌داری در بین دستگاه‌ها متفاوت است (χ²(6) = 78.7, n = 24, p < .001) و سپس، وقتی محققان آزمایش کردند که آیا مردم راحتی کمتر را برای یک هدست با ظاهر بهتر می‌پذیرند، پاسخ برای هر دستگاه آزمایش‌شده منفی بود. 

زیبایی و راحتی هر دو مهم هستند، اما قابل جایگزینی با یکدیگر نیستند. طراحی خوب علاقه اولیه ایجاد می‌کند؛ راحتی و کاربردپذیری تعیین می‌کنند که آیا کسی دستگاه را به اندازه کافی طولانی می‌پوشد تا داده‌های قابل استفاده تولید کند یا خیر.

نحوه انتخاب هدست EEG مصرف‌کننده مناسب

انتخاب درست به معنای سنجش کیفیت سیگنال، راحتی، زمان راه‌اندازی و نیازهای خاص کار مورد نظر است. چند دستورالعمل عملی به طور مداوم از تحقیقات حاصل می‌شود:

  • هدست را با برنامه کاربردی هماهنگ کنید. اگر هدف دقت بالا و ثبت کارآمد سیگنال است، سیستمی را که برای کیفیت سیگنال ساخته شده است در اولویت قرار دهید. اگر هدف مشارکت کاربر، راه‌اندازی آسان و یک تجربه کلی روان است، راحتی و سهولت استفاده را در اولویت قرار دهید.

  • با گروه کاربری مورد نظر آزمایش کنید. اندازه سر، نوع مو و میزان تحمل برای استفاده طولانی‌مدت همگی بر راحتی و قابلیت اطمینان سیگنال تأثیر می‌گذارند. دستگاهی که برای یک گروه به خوبی کار می‌کند ممکن است برای گروه دیگر به خوبی تناسب نداشته باشد یا تماس ناپایداری ایجاد کند.

  • سنسورهای بیشتر به طور خودکار به معنای نتایج بهتر نیستند. یک مطالعه نشان داد که یک هدست با کانال‌های بیشتر، پس از هماهنگ شدن تنظیمات ثبت، به طور معناداری دقیق‌تر از یک هدست سبک‌تر نبود.

  • EEG درجه مصرف‌کننده در حال حاضر به طور گسترده در تحقیقات منتشر شده استفاده می‌شود. بررسی دامنه‌ای که در بالا به آن اشاره شد، 916 مطالعه را با استفاده از این دستگاه‌ها پیدا کرد، بنابراین آنها فراتر از اسباب‌بازی هستند. با این حال، این امر نیاز به اعتبارسنجی محلی را از بین نمی‌برد. از آنجا که کیفیت سیگنال به تناسب، محیط و کار بستگی دارد، یک دستگاه باید در محیط واقعی مورد نظر و با کاربران واقعی مورد نظر قبل از تکیه بر داده‌های آن آزمایش شود.

  • قبل از مقیاس‌گذاری اعتبارسنجی کنید. یک جلسه آزمایشی کوچک می‌تواند مشکلات زمان راه‌اندازی، افت سیگنال ناشی از مو یا مشکلات راحتی را که یک برگه مشخصات نشان نمی‌دهد، آشکار کند — این امر به ویژه در محیط‌های غیرآزمایشگاهی که افراد آزادانه حرکت می‌کنند و رویدادهای خارجی باید با جریان EEG همگام بمانند، مهم است.

جایگاه Emotiv در چشم‌انداز EEG مصرف‌کننده

با توجه به اینکه تحقیقات فوق چقدر به انتخاب‌های طراحی خاص دستگاه بستگی دارد، ارزش دارد نگاهی به جایگاه Emotiv در این تصویر بیندازیم.

بر اساس بررسی دامنه، دستگاه‌های Emotiv بیش از هر هدست EEG درجه مصرف‌کننده دیگری در ادبیات همتراز استفاده شده‌اند، که شامل تحقیقات رابط مغز و رایانه، مطالعات تجربی، پردازش سیگنال و کاربردهای بالینی می‌شود. این کارنامه نشان‌دهنده طراحی ساخته شده برای استفاده تحقیقاتی در خارج از آزمایشگاه‌های سنتی است: سبک‌وزن، بی‌سیم و به اندازه کافی در دسترس برای محققان، توسعه‌دهندگان و کاربران روزمره جهت استفاده در طیف وسیعی از محیط‌ها.

در رابطه با عملکرد سیگنال، مقایسه همسان از نظر کانال که قبلاً مورد بحث قرار گرفت، یک داده بسیار مفید است: هنگامی که محققان تعداد کانال‌های ثبت را کنترل کردند، هدست Emotiv هیچ تفاوت معناداری در دقت طبقه‌بندی در مقایسه با یک سیستم تحقیقاتی سیمی و درجه آزمایشگاهی 32 کاناله نشان نداد. به عبارت دیگر، یک تنظیمات ثبت به خوبی هماهنگ شده می‌تواند یک هدست سبک‌وزن و بی‌سیم را در همان محدوده عملکردی تجهیزات آزمایشگاهی بسیار گران‌قیمت‌تر برای یک کار مشخص قرار دهد.

در زمینه طراحی، هدست Emotiv همچنین به عنوان جذاب‌ترین دستگاه از نظر بصری در همان مقایسه سه‌جانبه رتبه‌بندی شد – طراحی که مردم ابتدا به آن جذب شدند، قبل از اینکه هرگونه داده دقتی وارد بازی شود. و در زمینه کاربردی بودن، زمان راه‌اندازی Emotiv به طور معناداری سریع‌تر از سیستم تحقیقاتی سیمی با تراکم بالا بود که با آن آزمایش شد، که مستقیماً برای هر کسی که در زمان محدود جلسات میدانی کار می‌کند اهمیت دارد.

در مجموع، این یافته‌ها به دستگاهی اشاره دارند که برای در دسترس‌تر کردن سنجش مغز در سطح تحقیقاتی ساخته شده است: راه‌اندازی سریع، به اندازه کافی راحت برای استفاده طولانی‌مدت در طیف وسیعی از برنامه‌ها، و بارها در همان تحقیقاتی که این حوزه به آنها تکیه دارد، تایید شده است.

آینده فناوری هدست‌های EEG

توسعه آینده احتمالاً بر فرم‌های کوچک‌تر، راه‌اندازی آسان‌تر، بهبود تماس الکترود و پردازش بلادرنگ توانمندتر تمرکز خواهد داشت. الکترودهای خشک ممکن است زمان آماده‌سازی را کاهش دهند، در حالی که طراحی‌های مکانیکی بهتر ممکن است به حفظ تماس در حین حرکت کمک کنند. انتقال بی‌سیم می‌تواند از ثبت‌های طبیعی‌تر پشتیبانی کند، مشروط بر اینکه زمان‌بندی، عمر باتری و یکپارچگی داده‌ها کافی باقی بمانند. 

این بهبودها به جای حذف پیچیدگی‌های اساسی اندازه‌گیری EEG، موانع عملی را برطرف می‌کنند.

علاوه بر این، ابزارهای یادگیری ماشین ممکن است به تشخیص آرتیفکت، طبقه‌بندی سیگنال و تشخیص رویداد کمک کنند. چنین ابزارهایی می‌توانند بررسی ثبت‌های بزرگ را آسان‌تر کنند، اما خروجی آنها همچنان به داده‌های آموزش، پیش‌پردازش و کیفیت سیگنال اصلی بستگی دارد. 

پرتابل بودن بیشتر همچنین ممکن است تحقیقات را به فراتر از آزمایشگاه‌های بسیار کنترل‌شده گسترش دهد. ثبت‌های موبایل می‌توانند از مطالعات شناختی در حین کارهای واقعی پشتیبانی کنند، مشروط بر اینکه پژوهشگران زمان‌بندی دقیق را حفظ کنند، قرارگیری الکترود را مستند کنند و افت سیگنال یا آرتیفکت‌ها را گزارش دهند. 

در نهایت، حریم خصوصی با ذخیره، اشتراک‌گذاری و اتصال ثبت‌ها به داده‌های رفتاری اهمیت فزاینده‌ای پیدا خواهد کرد. پیشرفت فنی زمانی بیشترین معنا را دارد که راحتی در کنار اعتبارسنجی شفاف و تفسیر دقیق توسعه یابد.

نتیجه‌گیری

هدست‌های EEG مصرف‌کننده با موفقیت اندازه‌گیری مغز را از آزمایشگاه‌های سنتی به برنامه‌های کاربردی دنیای واقعی در سراسر تحقیقات، BCIها و علوم اعصاب شناختی انتقال داده‌اند. در حالی که زیبایی سخت‌افزار ممکن است علاقه اولیه را برانگیزد، موفقیت طولانی‌مدت و قابلیت اطمینان داده‌ها در نهایت به راحتی فیزیکی، راه‌اندازی سریع، قرارگیری مناسب کانال و پایداری قوی سنسور بستگی دارد.

منابع

  1. Sabio, J., Williams, N. S., McArthur, G. M., & Badcock, N. A. (2024). A scoping review on the use of consumer-grade EEG devices for research. Plos one, 19(3), e0291186. https://doi.org/10.1371/journal.pone.0291186

  2. Nijboer, F., Van De Laar, B., Gerritsen, S., Nijholt, A., & Poel, M. (2015). Usability of three electroencephalogram headsets for brain–computer interfaces: a within subject comparison. Interacting with computers, 27(5), 500-511. https://doi.org/10.1093/iwc/iwv023

  3. Ekandem, J. I., Davis, T. A., Alvarez, I., James, M. T., & Gilbert, J. E. (2012). Evaluating the ergonomics of BCI devices for research and experimentation. Ergonomics, 55(5), 592-598. https://doi.org/10.1080/00140139.2012.662527

  4. David Hairston, W., Whitaker, K. W., Ries, A. J., Vettel, J. M., Cortney Bradford, J., Kerick, S. E., & McDowell, K. (2014). Usability of four commercially-oriented EEG systems. Journal of neural engineering, 11(4), 046018. 

  5. Radüntz, T., & Meffert, B. (2019). User experience of 7 mobile electroencephalography devices: comparative study. JMIR mHealth and uHealth, 7(9), e14474. https://doi.org/10.2196/14474

سوالات متداول

چه چیزی هدست‌های EEG مصرف‌کننده را برای استفاده در دنیای واقعی مفید می‌سازد؟

هدست‌های EEG مصرف‌کننده مفید هستند زیرا سبک‌ترند، اغلب بی‌سیم می‌باشند و برای استفاده در خارج از اتاق‌های آزمایشگاهی کنترل‌شده طراحی شده‌اند. آنها به طور گسترده در تحقیقات منتشر شده برای برنامه‌هایی مانند رابط‌های مغز و رایانه، مطالعات تجربی و علوم اعصاب شناختی استفاده شده‌اند.

آیا هدست‌های EEG مصرف‌کننده کیفیت سیگنالی به خوبی سیستم‌های آزمایشگاهی ارائه می‌دهند؟

هدست‌های مصرف‌کننده معمولاً زمانی که تعداد کانال‌های ثبت یکسان با یک سیستم آزمایشگاهی مقایسه می‌شود، عملکرد خوبی دارند. در یک مقایسه مستقیم، یک هدست آزمایشگاهی دقت کلی بالاتری داشت، اما هنگام همسان‌سازی تعداد کانال‌های استفاده شده، هدست مصرف‌کننده در سطح مشابهی عمل کرد.

آیا تعداد بیشتر الکترودها همیشه به معنای داده‌های EEG بهتر است؟

خیر. تعداد کانال بالاتر به طور خودکار کیفیت سیگنال بهتری را تضمین نمی‌کند. دقت بیشتر به این بستگی دارد که از کدام مکان‌های الکترود استفاده می‌شود و آیا کار با تنظیمات ثبت مطابقت دارد یا خیر، نه به تعداد کل سنسورها.

نوع مو چگونه بر عملکرد هدست EEG تأثیر می‌گذارد؟

EEG به تماس پایدار بین سنسور و پوست سر نیاز دارد، بنابراین موهای بلند یا ضخیم می‌توانند در کیفیت سیگنال تداخل ایجاد کنند. کاربران با انواع مختلف مو ممکن است ناراحتی بیشتر یا تماس ضعیف الکترود را تجربه کنند که منجر به سیگنال‌های ضعیف‌تر یا پرنویزتر می‌شود.

چه عواملی کیفیت سیگنال EEG را در دنیای واقعی شکل می‌دهند؟

عوامل کلیدی عبارتند از تناسب اندازه سر، راحتی، پایداری سنسور روی پوست سر، کیفیت اتصال الکتریکی و زمان‌بندی دقیق بین هدست و رایانه محرک. یک دستگاه می‌تواند روی کاغذ توانمند به نظر برسد اما اگر روی سر جابجا شود یا همگام‌سازی را در حین ثبت از دست بدهد، با شکست مواجه می‌شود.

راحتی چگونه بر مدت زمان استفاده افراد از یک هدست EEG تأثیر می‌گذارد؟

راحتی به شدت مدت زمان پوشیدن را تعیین می‌کند و هدست‌های سنگین‌تر و سفت‌تر اغلب کمتر تحمل می‌شوند. راحتی لزوماً به این بستگی ندارد که یک دستگاه در سطح آزمایشگاهی است یا مصرف‌کننده — این موضوع بیشتر به وزن قاب و نوع الکترود بستگی دارد.

آیا مردم هدست‌های EEG را بر اساس ظاهر انتخاب می‌کنند یا راحتی؟

مردم ممکن است در ابتدا هدست‌هایی را ترجیح دهند که ظاهر خوبی دارند، حتی اگر آن هدست‌ها در نهایت راحتی کمتری داشته باشند. با این حال، هنگامی که از کاربران خواسته شد تا راحتی را با طراحی جذاب‌تر در استفاده طولانی‌مدت مبادله کنند، کاربران به طور مداوم تمایلی به انجام این کار نداشتند — راحتی پس از اینکه دستگاه واقعاً مورد استفاده قرار می‌گیرد اهمیت بیشتری دارد.

چرا زمان راه‌اندازی برای مطالعات میدانی EEG اهمیت دارد؟

زمان‌های راه‌اندازی طولانی، زمان در دسترس برای جمع‌آوری داده‌های واقعی را کاهش می‌دهد، که این یک محدودیت جدی در محیط‌های میدانی با زمان جلسه محدود است. دستگاه‌های مصرف‌کننده اغلب برای کاهش این بار آماده‌سازی طراحی شده‌اند، هرچند سهولت راه‌اندازی هنوز بر اساس کاربر و شرایط متفاوت است.

آیا یک هدست EEG شیک می‌تواند جایگزین یک هدست راحت شود؟

خیر. یک هدست جذاب از نظر بصری می‌تواند اولین برداشت مثبت را ایجاد کرده و علاقه ایجاد کند، اما ناراحتی در طول جلسات ثبت طولانی را جبران نمی‌کند. مردم ممکن است در ابتدا یک دستگاه جذاب را ترجیح دهند، اما راحتی کمتر را در ازای ظاهر بهتر نمی‌پذیرند.

چگونه باید یک هدست EEG مصرف‌کننده را برای نیازهای خود انتخاب کرد؟

انتخاب را بر اساس کار و گروه کاربری مورد نظر انجام دهید، نه فقط بر اساس ظاهر. اگر برنامه کاربردی به راه‌اندازی سریع و استفاده طولانی‌مدت راحت نیاز دارد، یک دستگاه کاربردی و راحت را در اولویت قرار دهید. اگر دقت بسیار بالای سیگنال برای یک کار خاص حیاتی است، ممکن است ارزش داشته باشد که زمان بیشتری را برای آماده‌سازی یک راه‌اندازی دقیق‌تر صرف کنید.

 

 




جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

Emotiv یک شرکت پیشرو در فناوری عصبی است که با ابزارهای در دسترس EEG و داده‌های مغزی به پیشبرد پژوهش‌های علوم اعصاب کمک می‌کند.

سلب مسئولیت پزشکی: اطلاعات ارائه شده در این وب‌سایت صرفاً برای اهداف آموزشی و اطلاع‌رسانی است و به عنوان توصیه پزشکی یا بهداشتی در نظر گرفته نشده است. این محتوا ممکن است حاوی خطا باشد و نباید برای تصمیم‌گیری‌های حیاتی در زمینه سلامت، پزشکی یا سبک زندگی به آن استناد کرد. همیشه برای هرگونه سؤال در رابطه با یک شرایط پزشکی یا درمان، از پزشک خود یا سایر ارائه‌دهندگان واجد شرایط مراقبت‌های بهداشتی راهنمایی بخواهید.

کریستین بورگوس

جدیدترین اخبار از ما

کلاه EEG چیست؟ انواع، طراحی و کاربردها

اندازه‌گیری فعالیت الکتریکی مغز از خارج از جمجمه، نمایشی مستقیم و آنی از پردازش عصبی را بدون نیاز به مداخله جراحی ارائه می‌دهد. یک الکتروانسفالوگرام، یا EEG، این نوسانات ضعیف ولتاژ را از طریق حسگرهایی که روی پوست سر قرار می‌گیرند، ثبت می‌کند. 

با این حال، برای دهه‌ها، کار عملی قرار دادن این حسگرها یکی از سرسخت‌ترین گلوگاه‌های این حوزه باقی مانده بود. در سیستم‌های سنتی با تراکم بالا، تکنسین باید ده‌ها نقطه مرجع را روی سر شرکت‌کننده مکان‌یابی کند، هر ناحیه کوچک را تمیز کند، ژل رسانا بمالد و هر الکترود را به طور جداگانه محکم کند. این فرآیند می‌تواند ۳۰ دقیقه یا بیشتر طول بکشد، نیاز به دقت مکرر دارد و ناسازگاری‌های فضایی بین جلسات ایجاد می‌کند که مقایسه داده‌ها را پیچیده می‌سازد.

کلاه EEG رویکردی اساساً متفاوت ارائه می‌دهد. این کلاه به جای اینکه با هر الکترود به عنوان یک جزء مجزا رفتار کند، تمام حسگرها را در یک ساختار پارچه‌ای یا پلیمری پیش‌ساخته و یکپارچه ادغام می‌کند که می‌توان آن را مانند یک کلاه مناسب روی سر کشید. این امر فرآیند را از یک کار خسته‌کننده و مستعد خطا به یک فرآیند سریع و تکرارپذیر تبدیل می‌کند. 

بخش‌های زیر به بررسی طراحی ساختاری، قابلیت‌های عملکردی و شواهد مبتنی بر تحقیق برای کلاه‌های EEG یکپارچه می‌پردازند.

مطالب را بخوانید

تست پتانسیل برانگیخته

تست پتانسیل برانگیخته دریچه‌ای به سوی سیستم سیم‌کشی حسی بدن می‌گشاید، دریچه‌ای که نیازی به هیچ برش یا پروب تهاجمی ندارد. این تست با ثبت سیگنال‌های الکتریکی بسیار کوچکی کار می‌کند که سیستم عصبی در پاسخ به یک فلاش نور، یک صدای کلیک، یک پالس الکتریکی کوتاه روی پوست یا یک محرک کنترل‌شده دیگر تولید می‌کند. این سیگنال‌ها که در میان هیاهوی پس‌زمینه مداوم مغز پنهان شده‌اند، از طریق یک ترفند پردازش سیگنال که در اواسط قرن بیستم توسعه یافت، نمایان و قابل مشاهده می‌شوند.

این مقاله به تفصیل توضیح می‌دهد که چگونه این تست آن سیگنال‌ها را استخراج می‌کند، پژوهشگران بر این باورند که شکل موج‌های حاصل چه چیزهایی را آشکار می‌سازند، و بر اساس شواهد موجود، این تست برای اطلاع‌رسانی در چه سناریوهایی در نظر گرفته شده است.

مطالب را بخوانید

اجزای ERP

درون یک EEG مداوم، واکنش‌های عصبی کوچک و زودگذری نهفته است که به لحظات خاصی در زمان گره خورده‌اند: لحظه‌ای که نوری ظاهر می‌شود، صدایی به گوش می‌رسد، یا تصمیمی گرفته می‌شود. «پتانسیل وابسته به رویداد» تکنیکی است که برای جداسازی این واکنش‌ها استفاده می‌شود.

با قفل کردن زمانیِ EEG به یک رویداد مورد نظر و میانگین‌گیری در میان ده‌ها یا صدها آزمایش مشابه، فعالیت‌های تصادفی خنثی می‌شوند و شکل موج پایدار و قفل‌شده با رویداد نمایان می‌گردد. این فرآیند میانگین‌گیری، پایه و اساس تحقیقات ERP را تشکیل می‌دهد و توالی از نقاط اوج و حضیض مشخص را ایجاد می‌کند که دانشمندان علوم اعصاب دهه‌ها صرف کاتالوگ‌سازی و تفسیر آن‌ها کرده‌اند.

در این مقاله، ما توضیح خواهیم داد که چگونه این انحرافات تعریف، نام‌گذاری و برای شاخص‌گذاری فرآیندهای شناختی استفاده می‌شوند و یک چارچوب طبقه‌بندی ایجاد می‌کنند که زیربنای تمام فعالیت‌های ERP است.

مطالب را بخوانید

پتانسیل وابسته به رویداد N400

N400 یک پتانسیل وابسته به رویداد حیاتی در تحقیقات علوم اعصاب است که برای مطالعه درک زبان استفاده می‌شود. مغز ما دائماً در حال مقایسه سریع بین زبان مورد انتظار و ورودی دریافتی است، و هنگامی که یک کلمه عدم تطابق معنایی ایجاد می‌کند، هزینه‌های پردازش شناختی را افزایش می‌دهد. سیگنال N400 یک نشانگر الکتریکی کلیدی برای نحوه ادغام معنا در جملات و بافت‌های روایی وسیع‌تر ارائه می‌دهد.

مطالب را بخوانید