دستگاه‌های ای‌ای‌جی (EEG)

دستگاه EEG (الکتروانسفالوگرافی) چیست؟

یک دستگاه EEG یک سیستم الکترونیکی است که برای ثبت فعالیت الکتریکی مغز از طریق الکترودهای قرار داده شده روی پوست سر استفاده می‌شود. ردهای حاصل، الگوهای تغییر ولتاژ را در طول زمان نشان می‌دهند تا یک تصویر ساختاری از مغز. 

روش EEG غیرتهاجمی است و می‌تواند فعالیت عصبی را با وضوح زمانی بسیار بالایی ثبت کند، که این امر آن را هم در ارزیابی‌های بالینی و هم در تحقیقات مفید می‌سازد. درک واضح از فرآیند ثبت به تمایز خود دستگاه از معاینه گسترده‌تر EEG کمک می‌کند.

اجزای یک دستگاه EEG

اگرچه طراحی‌ها متفاوت است، اما بیشتر سیستم‌ها سخت‌افزار حسگر، الکترونیک پردازش سیگنال و نرم‌افزار را با هم ترکیب می‌کنند. الکترودها ارتباط بین پوست سر و سیستم ثبت را برقرار می‌کنند، در حالی که کابل‌ها یا فرستنده‌های بی‌سیم سیگنال‌های شناسایی شده را انتقال می‌دهند. یک کلاه ممکن است به قرارگیری مداوم و یکنواخت الکترودها کمک کند.

اجزای اصلی معمولاً شامل موارد زیر هستند:

• الکترودها و نگهدارنده‌های الکترود که تفاوت‌های ولتاژ را در نقاط مشخصی از پوست سر شناسایی می‌کنند.

• یک تقویت‌کننده (آمپلی‌فایر) که سیگنال‌های سطح پایین را افزایش می‌دهد در حالی که روابط نسبی آن‌ها را حفظ می‌کند.

• یک دیجیتایزر و واحد ثبت که فعالیت آنالوگ را برای ذخیره‌سازی به داده‌های دیجیتال تبدیل می‌کند.

• نرم‌افزار نمایش و تحلیل که کانال‌ها را سازماندهی می‌کند، رویدادها را علامت‌گذاری می‌کند و از بازبینی پشتیبانی می‌نماید.

الکترودهای مرجع، اتصالات زمین، کابل‌ها و محیط‌های رسانا نیز بر روی ثبت تاثیر می‌گذارند. روش چیدمان بین‌المللی ۱۰–۲۰ یک چارچوب مشترک برای قرارگیری الکترودها فراهم می‌کند، اگرچه ممکن است برای اهداف بالینی یا تحقیقاتی خاص از آرایش‌های با تراکم بیشتر استفاده شود. لوازم جانبی مانند تجهیزات جداسازی، سخت‌افزار محرک و ضبط ویدیو ممکن است زمانی که معاینه به اطلاعات رفتاری یا فیزیولوژیکی همگام‌سازی شده نیاز دارد، اضافه شوند.

چرا ثبت EEG یک چالش فیزیکی است

خروجی الکتریکی مغز شما به طرز شگفت‌آوری ضعیف است. هنگامی که جمعیت‌هایی از نورون‌های قشر مغز به صورت همگام تحریک می‌شوند، پتانسیل‌هایی تولید می‌کنند که بین ۱۰ تا ۱۰۰ میکروولت روی سطح پوست سر ثبت می‌شوند. 

برای درک بهتر، نویز الکتریکی که در دیوارهای هر ساختمان مدرنی جریان دارد تقریباً ۶۰ هرتز است و می‌تواند یک سیگنال مغزی را به شدت تحت‌الشعاع قرار دهد. لامپ‌های فلورسنت بالای سر شما، منبع تغذیه لپ‌تاپ روی میز شما و حتی تنش عضلانی در فک خودتان، میدان‌های الکتریکی ایجاد می‌کنند که با فعالیت عصبی که محققان نیاز به جداسازی آن دارند، رقابت می‌کنند.

سیستم‌های جامع EEG به طور ویژه برای حل این مشکلِ سیگنال به نویز در سطح سخت‌افزار ساخته شده‌اند. آرایه‌های تقویت‌کننده آن‌ها با سطح نویز فوق‌العاده پایینی طراحی شده‌اند، به این معنی که خود مدارها حداقل تداخل الکتریکی را ایجاد می‌کنند در حالی که سیگنال عصبی را تقویت می‌نمایند. 

این تقویت‌کننده‌ها نزدیک به الکترودها قرار می‌گیرند و مسافتی را که سیگنال میکروولتی ضعیف باید قبل از تقویت طی کند، کوتاه‌تر می‌کنند. هر میلی‌متر سیم بدون شیلد به یک آنتن برای نویزهای محیطی تبدیل می‌شود، بنابراین سیستم‌های جامع این قرارگیری در معرض نویز را از طریق سیم‌کشی دقیق و شیلدینگ فعال به حداقل می‌رسانند.

دومین ستون معماری، جداسازی محیطی است. مجموعه‌های بالینی EEG اغلب از شیلدینگ قفس فارادی استفاده می‌کنند؛ محفظه‌های رسانایی که مانع از رسیدن میدان‌های الکترومغناطیسی خارجی به الکترودها می‌شوند. 

این یک ویژگی لوکس نیست، بلکه یک پیش‌نیاز فیزیکی برای شناسایی ظریف‌ترین نشانه‌های عصبی بدون آلودگی به نویز است. هنگامی که یک تیم تحقیقاتی چندین دستگاه جمع‌آوری داده را برای آزمایش‌های پتانسیل برانگیخته بینایی حالت پایدار مقایسه کردند، سیستم‌ها را صراحتاً بر اساس سطح تقویت‌کننده دسته‌بندی کردند و سخت‌افزار سطح پژوهشی را از جایگزین‌های مصرف‌کننده معمولی به عنوان یک عامل تعیین‌کننده بنیادی در کیفیت سیگنال جدا کردند. معماری جامع به این دلیل وجود دارد که فیزیک مسئله آن را ایجاب می‌کند.

چه چیزی باعث کیفیت بالای سیگنال در ثبت‌های EEG می‌شود؟

دانشمندان علوم اعصاب، سیستم‌های EEG را با استفاده از معیارهای عینی ارزیابی می‌کنند که به طور دقیق مشخص می‌کند چه مقدار از ثبت نشان‌دهنده فعالیت مغز است و چه مقدار مربوط به آرتیفکت (پارازیت). درک این معیارها روشن می‌کند که سیستم‌های جامع چه چیزی را حفظ می‌کنند و جایگزین‌های قابل حمل چه چیزهایی را قربانی می‌کنند.

ملموس‌ترین معیار، ضریب همبستگی بین ثبت‌های همزمان است. وقتی دو سیستم فعالیت مغزی یکسانی را در یک زمان ثبت می‌کنند، شکل موج‌های آن‌ها باید به شدت با یکدیگر همخوانی داشته باشند. همبستگی کامل ۱.۰ به این معنی است که سیگنال‌ها کاملاً یکسان هستند. هر مقدار کمتر از آن نشان‌دهنده واگرایی است و آن واگرایی نشان‌دهنده اطلاعات از دست رفته یا مخدوش شده است.

فراتر از تطابق ساده شکل موج، محققان پارامترهای هجورت (Hjorth) را بررسی می‌کنند؛ مجموعه‌ای سه تایی از معیارهای آماری که پویایی سیگنال را توصیف می‌کنند:

• فعالیت (Activity) که واریانس یا توان سیگنال را ثبت می‌کند. 

• تحرک (Mobility) که فرکانس میانگین را تخمین می‌زند. 

• پیچیدگی (Complexity) که نشان می‌دهد سیگنال چقدر از یک موج سینوسی خالص منحرف می‌شود و اساساً میزان ناهمواری یا همواری آن را اندازه‌گیری می‌کند. 

این پارامترها در مجموع توصیف می‌کنند که آیا یک ثبت، ویژگی پویای فعالیت مغز را حفظ می‌کند یا آن را به چیزی از نظر آماری متفاوت تقلیل می‌دهد.

سه معیار اضافی الگوهای خاص آلودگی به نویز را آشکار می‌کنند:

1. انحراف خط پایه (Baseline wander) که جابجایی‌های کند در سیگنال را ردیابی می‌کند که اغلب ناشی از پتانسیل‌های پوست یا تثبیت الکترود است تا منابع عصبی. 

2. کشیدگی یا کورتوزیس (Kurtosis) که میزان تکرار داده‌های پرت شدید در ثبت را اندازه‌گیری می‌کند، که می‌تواند نشان‌دهنده وجود آرتیفکت‌های حرکتی یا پرش‌های الکترود باشد. 

3. نویز فرکانس خاص، به ویژه نویز برق شهر ۶۰ هرتز که در هر محیط سیم‌کشی شده‌ای نفوذ می‌کند، معیار مستقیمی از میزان موفقیت سخت‌افزار در دفع تداخل‌های محیطی ارائه می‌دهد. 

یک مطالعه مقایسه‌ای توسط کاموسی و همکاران دقیقاً از همین مجموعه معیارها استفاده کرد و پارامترهای هجورت، تعداد اسپایک‌ها، انحراف خط پایه و آلودگی ۶۰ هرتز را بررسی کرد تا یک سیستم پاسخ سریع را در برابر دستگاه‌های بالینی متداول به طور عینی ارزیابی کند.

ملزومات سخت‌افزاری EEG: کانال‌ها، تقویت‌کننده‌ها و شیلدینگ

برتری سیستم‌های جامع بر سه مزیت سخت‌افزاری به هم پیوسته استوار است که دستگاه‌های قابل حمل نمی‌توانند به طور کامل آن‌ها را شبیه‌سازی کنند: تعداد کانال بالا، طراحی تقویت‌کننده و شیلدینگ.

نقش تراکم الکترود در تحلیل EEG

تعداد کانال بالا بارزترین تفاوت است. سیستم‌های بالینی به طور معمول ده‌ها تا صدها الکترود را در سراسر پوست سر بر اساس سیستم ۱۰-۲۰ در EEG آرایش می‌دهند. 

این تراکم، نمونه‌برداری فضایی به اندازه کافی دقیق را برای تخمین محل منشاء سیگنال در مغز امکان‌پذیر می‌سازد؛ فرآیندی که مکان‌یابی منبع نامیده می‌شود. ریاضیات مکان‌یابی منبع به اطلاعات فضایی کافی برای حل مسئله معکوس و ردیابی پتانسیل‌های پوست سر تا ژنراتورهای قشری آن‌ها نیاز دارد. 

کانال‌های کمتر به معنای وضوح فضایی ضعیف‌تر است و در پایین‌تر از یک آستانه مشخص، برخی مکان‌یابی‌ها بدون توجه به کیفیت زمانی سیگنال، از نظر ریاضی غیرممکن می‌شوند.

اهمیت تقویت‌کننده‌های EEG با کارایی بالا

طراحی تقویت‌کننده نشان‌دهنده مزیت کمتر دیده شده اما به همان اندازه حیاتی است. مشخصه کلیدی، نسبت حذف حالت مشترک یا CMRR است که توصیف می‌کند تقویت‌کننده چقدر به طور موثر سیگنال‌هایی را که به طور یکسان در هر دو ورودی ظاهر می‌شوند حذف می‌کند، در حالی که سیگنال تفاضلی را که نشان‌دهنده فعالیت واقعی مغز است حفظ می‌نماید. 

منابع نویز مانند تداخل برق شهر تمایل دارند بر همه الکترودها به طور مشابه اثر بگذارند و به عنوان یک سیگنال حالت مشترک ظاهر شوند. یک تقویت‌کننده با CMRR بالا این نویز مشترک را به صورت ریاضی تفریق می‌کند و تنها سیگنال بسیار کوچک تفاضلی مغز را باقی می‌گذارد. تقویت‌کننده‌های سطح پژوهشی به ارقام CMRR دست می‌یابند که سخت‌افزارهای مصرفی معمولی نمی‌توانند با آن‌ها رقابت کنند و این تفاوت مستقیماً در ثبت‌های تمیزتر خود را نشان می‌دهد.

نقش شیلدینگ فیزیکی و فعال در EEG

شیلدینگ این سه‌گانه را کامل می‌کند. چه از طریق اتاق‌های قفس فارادی در محیط‌های بالینی و چه از طریق مدارهای شیلدینگ فعال ساخته شده در کابل‌های الکترود، سیستم‌های جامع به طور فیزیکی مانع از تداخل الکترومغناطیسی قبل از رسیدن آن به تقویت‌کننده می‌شوند. 

این دفع نویز در سطح سخت‌افزار، اساساً با فیلتر دیجیتال پس از دریافت داده متفاوت است. فیلتر کردن می‌تواند برخی باندهای فرکانسی را حذف کند، اما نمی‌تواند نویزی را که با فرکانس‌های عصبی همپوشانی دارد تشخیص دهد. شیلدینگ مانع از ورود آلودگی به زنجیره سیگنال از همان ابتدا می‌شود.

نکات کلیدی در مورد سخت‌افزار EEG و ثبت سیگنال

این ویژگی‌های معماری توضیح می‌دهند که چرا سیستم‌های جامع به طور قابل اعتمادی پدیده‌های متعارف EEG مانند ریتم آلفا را ثبت می‌کنند؛ اثر برگر که اولین بار زمانی مشاهده شد که سوژه‌ها چشمان خود را بستند و نواحی خلفی مغز آن‌ها به یک نوسان ۸ تا ۱۲ هرتز تغییر یافت. 

آن‌ها همچنین توضیح می‌دهند که چرا مولفه‌های N2 و P2 از پتانسیل‌های وابسته به رویداد (تغییرات ولتاژ ظریفی که صدها میلی‌ثانیه پس از یک محرک رخ می‌دهند) به وضوح در ثبت‌های سطح پژوهشی ظاهر می‌شوند. هنگامی که یک تیم تحقیقاتی یک دستگاه EEG پیشانی پوشیدنی جدید را در برابر یک استاندارد طلایی ارزیابی کردند، تایید کردند که سیستم جامع با موفقیت هم اثر برگر و هم این مولفه‌های ERP را ثبت کرده است و مبنای عملکردی را ایجاد کرد که هر جایگزین قابل حملی باید به آن نزدیک شود.

داده‌های پژوهشی درباره موازنه‌های بین EEG قابل حمل و بالینی چه می‌گویند

کوچک کردن یک سیستم EEG باعث سازش‌های مهندسی می‌شود. کانال‌های کمتر به معنای پوشش فضایی پراکنده‌تر است. تقویت‌کننده‌های کوچک‌تر که به دلیل عمر باتری و نیاز به اتلاف حرارت محدود شده‌اند، نمی‌توانند با عملکرد نویز همتایان جامع خود رقابت کنند. و دستگاه‌های قابل حمل در محیط‌های الکترومغناطیسی کنترل‌نشده و بدون بهره‌مندی از اتاق‌های شیلد شده کار می‌کنند.

شواهد تجربی دقیقاً هزینه این سازش‌ها را مشخص می‌کنند. به عنوان مثال، در مطالعه مذکور، هنگام ثبت همزمان EEG حالت استراحت با هر دو دستگاه پوشیدنی و استاندارد طلایی، همبستگی متقابل نرمال شده بین دو سیستم به طور متوسط تقریباً ۰.۷۲ با انحراف معیار ۰.۰۲ بود. 

این همبستگی از نظر آماری معنی‌دار است و نشان می‌دهد که دستگاه پوشیدنی فعالیت واقعی مغز را ثبت می‌کند. اما فاصله ۰.۲۸ باقی‌مانده نشان‌دهنده اطلاعات موجود در ثبت بالینی است که در نسخه قابل حمل وجود ندارد یا مخدوش شده است. برای برخی از کاربردها، این فاصله قابل قبول است. با این حال، برای تشخیص بالینی که در آن ناهنجاری‌های ظریف شکل موج ممکن است نشان‌دهنده بیماری باشد، ممکن است اینطور نباشد.

این امر سیستم‌های قابل حمل را بی‌فایده نمی‌کند. برعکس، یک مطالعه مقایسه‌ای SSVEP که سخت‌افزارهای سطح پژوهشی را از سخت‌افزارهای مصرفی معمولی متمایز کرد، نتیجه گرفت که سیستم‌های EEG بی‌سیم ژلی سطح پایین پژوهشی، کیفیت سیگنالی قابل مقایسه با تجهیزات سنتی برای کاربردهای واسط مغز و رایانه (BCI) تولید می‌کنند. 

عبارت کلیدی «برای BCI‌ها» است. کاربردهای مختلف به سطوح متفاوتی از دقت سیگنال نیاز دارند و آستانه عملکرد قابل قبول بر این اساس تغییر می‌کند.

EEG قابل حمل در مقایسه با بالینی

در شرایط خاص و معیارهای مشخص، دستگاه‌های قابل حمل هم ارزی خود را نشان داده‌اند که شایسته تایید است.

مطالعه EEG پاسخ سریع توسط کاموسی و همکاران که یک سیستم EEG را با دو دستگاه بالینی متداول مقایسه کرد، نشان داد که در ثبت‌های آزمایشگاهی همزمان، همبستگی بین EEG پاسخ سریع و هر سیستم متداول از نظر آماری با همبستگی بین خود دو سیستم متداول یکسان بود. دستگاه قابل حمل صرفاً یک تقریب از استاندارد بالینی نبود، بلکه در این معیار شکل موج زمانی به طور کاربردی قابل تعویض بود.

علاوه بر این، در محیط‌های واقعی ICU با بیماران واقعی، پارامترهای هجورت شباهت آماری را بین ثبت‌های پاسخ سریع و متداول نشان دادند. معیارهای تعداد اسپایک، انحراف خط پایه و کورتوزیس همگی در محدوده‌های معادل قرار گرفتند و مقادیر p در آزمون‌های رتبه نشان‌دار ویلکاکسون از ۰.۰۵ فراتر رفت. 

و در نتیجه‌ای که پیشرفت مینیاتوریزه کردن تقویت‌کننده‌های مدرن را برجسته می‌کند، سیستم پاسخ سریع در واقع نویز ۶۰ هرتز به طور قابل توجهی کمتری نسبت به سیستم‌های متداول، هم در آزمایشگاه و هم در محیط بسیار آلوده الکتریکی ICU نشان داد. اطلاعات بالینی به دست آمده با دستگاه قابل حمل با نتایج تشخیصی حاصل از سیستم متداول مطابقت داشت.

با این حال، هم ارزی در معیارهای زمانی به معنای هم ارزی در تمام ابعاد نیست. سیستم پاسخ سریع عملکرد خود را با مجموعه الکترود محدودی به دست آورد و هیچ میزان از دقت زمانی نمی‌تواند اطلاعات فضایی را که هرگز ثبت نشده است، بازسازی کند. 

الگوریتم‌های خودکاری برای شناسایی بخش‌های آلوده به نویز در ثبت‌های پوشیدنی تک کاناله با دقت بیش از ۹۰٪ توسعه یافته‌اند که با موفقیت آرتیفکت‌های ناشی از فعالیت عضلانی و حرکت را علامت‌گذاری می‌کنند. اما این الگوریتم‌ها یک مسئله تشخیص را حل می‌کنند، نه یک مسئله بازیابی را. آن‌ها به محققان می‌گویند کدام بخش‌های داده غیرقابل استفاده هستند. آن‌ها نمی‌توانند توپوگرافی فضایی مفقود شده را که یک مونتاژ EEG مرجع میانگین مشترک یا تحلیل مکان‌یابی منبع از یک آرایه با تراکم کامل نیاز دارد، بازسازی کنند.

آینده فناوری EEG

آینده فناوری EEG احتمالاً شامل فرمت‌های ثبت انعطاف‌پذیرتر، مواد الکترود بهبود یافته و نرم‌افزارهایی است که از بررسی‌های سریع‌تر کیفیت پشتیبانی می‌کنند. ارتباطات بی‌سیم و هدست‌های سبک‌تر ممکن است انجام ثبت را در خارج از آزمایشگاه‌های اختصاصی آسان‌تر کنند. در عین حال، سیستم‌های بالینی همچنان به یکپارچگی سیگنال قابل اعتماد، مدیریت امن داده‌ها و جریان‌های کاری متناسب با بررسی‌های تخصصی نیاز خواهند داشت.

پیشرفت‌ها در محاسبات ممکن است به شناسایی آرتیفکت‌ها، سازماندهی ثبت‌های طولانی و توصیف کمی الگوها کمک کند. روش‌های یادگیری ماشین می‌توانند به طبقه‌بندی یا استخراج ویژگی کمک کنند، اما سودمندی آن‌ها به داده‌های معرف، اعتبارسنجی شفاف و تفکیک دقیق بین پیش‌بینی فنی و قضاوت بالینی بستگی دارد. تحلیل خودکار باید از تفسیر پشتیبانی کند، نه اینکه عدم قطعیت را پنهان سازد.

قابلیت حمل بیشتر همچنین سوالاتی را در مورد حریم خصوصی، رضایت، سازگاری و استفاده مناسب ایجاد خواهد کرد. داده‌های EEG می‌توانند اطلاعات حساسی را درباره سلامت و رفتار فاش کنند، بنابراین شیوه‌های ذخیره‌سازی و اشتراک‌گذاری اهمیت دارند. پیشرفت زمانی معنای بیشتری خواهد داشت که راحتی با اندازه‌گیری قابل اعتماد، شواهد واضح و محدودیت‌های واقع‌بینانه در مورد آنچه سیگنال می‌تواند نشان دهد، همراه باشد.

چرا پوشش متراکم الکترود همچنان استاندارد تشخیصی EEG را تعریف می‌کند

پیام اصلی حاصل از شواهد این است که کیفیت سیگنال یک ایده مهندسی انتزاعی نیست، زیرا سطح دقت تعیین می‌کند که پزشکان و محققان با چه اطمینانی می‌توانند درباره مغز صحبت کنند. 

سیستم‌های EEG قابل حمل برای کاربردهای خاص، از جمله واسط‌های مغز و رایانه و برخی محیط‌های تحقیقاتی، مفید بودن خود را ثابت کرده‌اند، جایی که کیفیت شکل موج زمانی آن‌ها می‌تواند با دستگاه‌های متداول مطابقت داشته باشد. اما همان مطالعاتی که این دستگاه‌ها را تایید می‌کنند، محدودیت‌های آن‌ها را نیز نشان می‌دهند—پوشش محدود الکترود باعث از دست رفتن اطلاعات فضایی می‌شود و هیچ مقدار پس‌پردازش نمی‌تواند آنچه را که هرگز ثبت نشده است بازیابی کند. آن جزئیات فضایی مفقود شده برای تصمیم‌گیری‌های بالینی که در آن‌ها مکان‌یابی منشاء فعالیت غیرطبیعی می‌تواند تشخیص را تغییر دهد، بیشترین اهمیت را دارد.

در کارهایی مانند تشخیص صرع و نقشه‌برداری شبکه مغزی عملکردی، آرایه‌های متراکم الکترود یک امر لوکس نیستند بلکه یک نیاز ریاضی برای ردیابی سیگنال‌های پوست سر تا منابع قشری آن‌ها به شمار می‌روند. دستگاه‌های قابل حمل می‌توانند بسیاری از همان الگوهای زمانی را شناسایی کنند، با این حال نمی‌توانند کل نواحی مغز را مشاهده کنند یا مسائل مکان‌یابی را که به پوشش کامل پوست سر نیاز دارند حل کنند. 

بنابراین، نتیجه‌گیری عملی این است که سیستم‌های قابل حمل ابزارهای معتبری هستند زمانی که محدودیت‌های آن‌ها شناخته شده باشد، اما دستگاه‌های جامع همچنان معیار سنجش برای موقعیت‌هایی هستند که حداکثر دقت و وضوح فضایی غیرقابل مذاکره است. درک این موازنه به بیماران، پزشکان و محققان کمک می‌کند تا ابزار مناسب را برای سوال مورد نظر انتخاب کنند، به جای اینکه انتظار داشته باشند یک فناوری برای هر هدفی مناسب باشد.

منابع

1. کاموسی، ب.، گرانت، ا. م.، باچلدر، ب.، یی، ج.، حاجی‌نوروزی، م.، و وو، ر. (2019). مقایسه کیفیت سیگنال‌های ثبت شده با یک EEG پاسخ سریع و سیستم‌های EEG بالینی متداول. Clinical Neurophysiology Practice, 4, 69-75. https://doi.org/10.1016/j.cnp.2019.02.002

2. گائو، ز.، کوی، ش.، وان، و.، کین، ز.، و گو، ز. (2022). بررسی کیفیت سیگنال یک دستگاه EEG پوشیدنی جدید لوب فرونتال. Sensors, 22(5), 1898. https://doi.org/10.3390/s22051898

3. زرافا، ر.، کامیلیری، ت.، فالزون، ا.، و کامیلیری، ک. پ. (2018). مقایسه طیف وسیعی از دستگاه‌های دریافت EEG–آیا تفاوت برای BCIهای SSVEP وجود دارد؟. Brain-Computer Interfaces, 5(4), 121-131. https://doi.org/10.1080/2326263X.2018.1550710

پرسش‌های متداول

چرا دستگاه‌های جامع EEG سیگنال‌های مغزی را بهتر از دستگاه‌های قابل حمل ثبت می‌کنند؟

سیستم‌های جامع با تقویت‌کننده‌های کم‌نویز طراحی شده‌اند که نزدیک به الکترودها قرار می‌گیرند و مسافتی را که سیگنال‌های ضعیف مغزی باید قبل از تقویت طی کنند به حداقل می‌رسانند. آن‌ها همچنین از شیلدینگ و سیم‌کشی دقیق برای مسدود کردن تداخل الکتریکی محیطی قبل از آلوده کردن ثبت استفاده می‌کنند.

چالش فیزیکی اصلی در ثبت سیگنال‌های EEG چیست؟

سیگنال‌های مغزی که به پوست سر می‌رسند بسیار ضعیف هستند و با میکروولت اندازه‌گیری می‌شوند و می‌توانند به راحتی توسط نویز الکتریکی خطوط برق، لامپ‌ها و حتی تنش عضلانی تحت‌الشعاع قرار گیرند. سیستم‌های جامع این مشکل را با استفاده از سخت‌افزاری حل می‌کنند که برای دفع تداخل در منبع طراحی شده است تا اینکه به پس‌پردازش متکی باشد.

«کیفیت سیگنال» در تحقیقات EEG به چه معناست؟

کیفیت سیگنال به طور عینی با استفاده از معیارهایی مانند همبستگی بین ثبت‌های همزمان، پارامترهای هجورت (فعالیت، تحرک، پیچیدگی)، انحراف خط پایه، کورتوزیس و سطوح نویز ۶۰ هرتز اندازه‌گیری می‌شود. این معیارها نشان می‌دهند که چه مقدار از ثبت، منعکس‌کننده فعالیت واقعی مغز در مقابل آرتیفکت‌ها یا تداخل‌های محیطی است.

چرا تعداد بیشتر الکترودها برای EEG بالینی اهمیت دارد؟

الکترودهای بیشتر، نمونه‌برداری فضایی متراکم‌تری را در سراسر پوست سر فراهم می‌کنند که برای مکان‌یابی منبع—تخمین محل منشاء سیگنال در مغز—ضروری است. با کانال‌های خیلی کم، ردیابی پتانسیل‌های پوست سر تا ژنراتورهای قشری آن‌ها از نظر ریاضی غیرممکن می‌شود.

نسبت حذف حالت مشترک (CMRR) چیست و چرا مهم است؟

نسبت CMRR توصیف می‌کند که یک تقویت‌کننده چقدر خوب سیگنال‌هایی را که به طور یکسان در هر دو ورودی ظاهر می‌شوند (مانند نویز برق شهر) حذف می‌کند، در حالی که سیگنال تفاضلی را که نشان‌دهنده فعالیت واقعی مغز است حفظ می‌نماید. تقویت‌کننده‌های سطح پژوهشی دارای CMRR بالاتری هستند که مستقیماً منجر به ثبت‌های تمیزتر می‌شود.

چرا شیلدینگ فیزیکی بهتر از فیلتر دیجیتال برای حذف نویز است؟

شیلدینگ مانع از ورود تداخل الکترومغناطیسی به زنجیره سیگنال از همان ابتدا می‌شود، در حالی که فیلتر دیجیتال فقط می‌تواند باندهای فرکانسی خاصی را پس از آلودگی حذف کند. از آنجا که نویز اغلب با فرکانس‌های عصبی همپوشانی دارد، فیلتر کردن نمی‌تواند بین این دو تمایز قائل شود، اما شیلدینگ نویز را قبل از مخلوط شدن با سیگنال مغزی مسدود می‌کند.

آیا سیستم‌های EEG قابل حمل می‌توانند با دستگاه‌های جامع بالینی رقابت کنند؟

بله، در برخی معیارهای زمانی، بعضی از سیستم‌های قابل حمل همبستگی شکل موج و سطوح نویزی را نشان داده‌اند که از نظر آماری مشابه دستگاه‌های متداول است، به ویژه در کاربردهای خاص مانند واسط‌های مغز و رایانه. با این حال، آن‌ها نمی‌توانند با وضوح فضایی سیستم‌های جامع رقابت کنند زیرا پوشش محدود الکترود، مکان‌یابی کامل منبع یا نقشه‌برداری شبکه کل مغز را غیرممکن می‌سازد.

آیا دستگاه‌های EEG قابل حمل در صورت دقت کمتر، بی‌فایده هستند؟

خیر، سیستم‌های قابل حمل ابزارهای معتبری برای بسیاری از کاربردها مانند واسط‌های مغز و رایانه و برخی مطالعات تحقیقاتی هستند که در آن‌ها کیفیت سیگنال کافی است. محدودیت‌های آن‌ها تنها زمانی حیاتی می‌شوند که حداکثر دقت داده‌ها و وضوح فضایی مورد نیاز باشد، مانند تشخیص بالینی یا مکان‌یابی منبع.