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.

الکتروانسفالوگرافی (EEG) به یکی از ارکان علوم اعصاب تبدیل شده است و دریچه‌ای در زمان واقعی رو به فعالیت الکتریکی مغز می‌گشاید. پژوهشگران با قرار دادن الکترودها روی پوست سر، مجموع فعالیت الکتریکی جمعیت‌های بزرگی از نورون‌ها را که در قالب یک مسیر ولتاژ پیوسته و آشفته کدگذاری شده است، ثبت می‌کنند.

دانشمندان برای استخراج امضاهای ریتمیک از این سیگنال، از تجزیه‌های ریاضی استفاده می‌کنند که آن را به فرکانس‌های تشکیل‌دهنده‌اش تجزیه می‌کند. این فرآیند منجر به ایجاد باندهای فرکانسی آشنا (دلتا، تتا، آلفا، بتا، گاما) می‌شود که بر ادبیات علمی EEG تسلط دارند.

درک اینکه این باندها چه چیزی را نشان می‌دهند، چگونه تولید می‌شوند، چه چیزی را درباره حالت‌های مغزی آشکار می‌سازند، و کاربرد بالینی آن‌ها در کجا قرار دارد، مستلزم فراتر رفتن از برچسب‌های ساده و ورود به فیزیک و فیزیولوژی پشتیبان آن‌ها 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.

چگونه سیگنال EEG به باندهای فرکانسی تجزیه می‌شود

ثبت خام EEG نوسانات ولتاژی را ثبت می‌کند که منعکس‌کننده پتانسیل‌های پس‌سیناپسی همگام‌سازی شده میلیون‌ها نورون قشر مغز، به ویژه سلول‌های هرمی است. این سیگنال ترکیبی از ریتم‌های متداخل متعدد و فعالیت‌های غیر نوسانی غیرپریودیک است.

برای شناسایی مؤلفه‌های نوسانی اساسی، پژوهشگران به آنالیز فرکانسی متکی هستند. ابزار ریاضی اصلی برای این کار، تبدیل فوریه است که یک سیگنال متغیر با زمان را به طیفی از موج‌های سینوسی در فرکانس‌های مختلف تجزیه می‌کند.

مجذور دامنه هر موج سینوسی نشان‌دهنده توان در آن فرکانس است که یک طیف توان را تولید می‌کند. این نمودار، قدرت فعالیت ریتمیک را به عنوان تابعی از فرکانس، از نزدیکی صفر هرتز تا چند صد هرتز نشان می‌دهد.

از نظر تاریخی، پژوهشگران این طیف توان پیوسته را به محدوده‌های مجزا و قراردادی تقسیم کردند تا ارتباطات و تحلیل‌ها را ساده‌تر کنند. یک مرور بر 184 مطالعه EEG در حالت استراحت به صراحت این محدوده‌ها را به عنوان «باندهای فرکانسی از پیش تعریف‌شده تاریخی» توصیف می‌کند.

رایج‌ترین بخش‌بندی شامل دلتا (0.5‑4 Hz)، تتا (4‑8 Hz)، آلفا (8‑12 Hz)، بتا (12‑30 Hz) و گاما (30‑100+ Hz) است. اگرچه این مرزها قراردادی هستند، اما برای توصیف وضعیت‌های مغزی و مقایسه یافته‌ها در مطالعات مختلف، کارآمد و آموزنده بوده‌اند.

  • دلتا (0.5–4 Hz): غالب در خواب عمیق، استراحت با موج کند و برخی وضعیت‌های آسیب‌شناختی

  • تتا (4–8 Hz): مرتبط با خواب‌آلودگی، رمزگذاری حافظه و ناوبری فضایی

  • آلفا (8–12 Hz): برجسته در طول بیداری همراه با آرامش با چشمان بسته؛ مرتبط با کاهش توجه بیرونی

  • بتا (12–30 Hz): منعکس‌کننده تمرکز فعال، برنامه‌ریزی حرکتی و کارهای ذهنی درگیرکننده

  • گاما (30–100+ Hz): مرتبط با همبستگی حسی بین‌مدلی، توجه و پردازش آگاهانه

مهم‌تر از همه، چشم‌انداز فرکانسی به 0.5 Hz ختم نمی‌شود. .Monto et al پیشنهاد کردند که نوسانات مادون کند (0.01–0.1 Hz) بخش عملکردی مهمی از طیف هستند، همان‌طور که پژوهش آن‌ها روی فعالیت مداوم مغز در طول کارهای شناختی نشان داد. بنابراین، باندهای کلاسیک یک روش ساده‌سازی کارآمد هستند، اما کل طیف پیوسته نوسانات عصبی را پوشش نمی‌دهند.

چگونه فعالیت عصبی باندهای فرکانسی EEG را تولید می‌کند

نوسانات EEG از نوسانات ریتمیک در پتانسیل غشای مجموعه‌های بزرگی از نورون‌های قشری، به‌ویژه سلول‌های هرمی لایه 5 که به عنوان ضربان‌ساز عمل می‌کنند، ناشی می‌شوند. هنگامی که این نورون‌ها به طور همگام دپلاریزه و هایپرپلاریزه می‌شوند، میدان‌های الکتریکی منسجمی ایجاد می‌کنند که در پوست سر قابل شناسایی است. فرکانس خاص نوسان به طور پویا توسط سیستم‌های انتقال‌دهنده عصبی مغز تعدیل می‌شود.

شواهد سلولی مستقیم از آزمایش‌هایی به دست می‌آید که هسته بازالیس را تحریک کردند؛ خوشه‌ای از نورون‌ها که استیل‌کولین را در سراسر نئوکورتکس آزاد می‌کند. در حیوانات بیهوش شده، این تحریک ریتم قشری را از نوسانات کند با دامنه بزرگ در محدوده 1–5 Hz به نوسانات سریع با دامنه کوچک در محدوده 20–40 Hz تغییر داد.

این انتقال توسط گیرنده‌های استیل‌کولین موسکارینی میانجی‌گری شد و با تغییر در شلیک نورونی از یک الگوی فازی و رگباری به یک حالت تونیک تک‌شلیک همراه بود. این نشان می‌دهد که مغز با تغییر پویایی سیناپسی، به طور فعال بین رژیم‌های فرکانسی جابجا می‌شود؛ فرآیندی که در انتقال از خواب به بیداری و هوشیاری نقش محوری دارد.

سازماندهی نوسانات نیز ساختار زمانی شگفت‌انگیزی را نشان می‌دهد. مطالعه Linkenkaer-Hansen et al. 2001 نشان داد که نوسانات دامنه ریتم‌های 10 Hz و 20 Hz در طول هزاران چرخه نوسان همبسته باقی می‌مانند و از رفتار مقیاس‌گذاری قانون توان پیروی می‌کنند. این همبستگی‌های زمانی بلندمدت و رابطه قانون توان از ویژگی‌های بحرانیت خودسازمان‌دهنده هستند؛ حالتی که در آن مغز روی مرز بین نظم و تصادفی بودن تعادل برقرار می‌کند. تصور می‌شود این پویایی‌های بحرانی به شبکه‌های عصبی انعطاف‌پذیری لازم برای سازماندهی مجدد و سریع در پاسخ به تغییرات محیطی را می‌دهند.

فرکانس‌ها علاوه بر فعالیت به صورت مجزا، به طور سلسله‌مراتبی به یکدیگر جفت می‌شوند. فاز نوسانات مادون کند (0.01–0.1 Hz) به شدت دامنه نوسانات سریع‌تر را در شش باند کلاسیک، از دلتا تا گاما، تعدیل می‌کند. به این ترتیب، ریتم‌های بسیار کند به عنوان یک بستر تحریک‌پذیری عمل می‌کنند که توان فعالیت‌های با فرکانس بالاتر را کنترل می‌کند.

این جفت‌شدگی متقاطع فرکانسی به این معنی است که معماری نوسانی مغز یک سیستم تودرتو و وابسته به هم است، نه مجموعه‌ای از ژنراتورهای فرکانسی مستقل.

باندهای فرکانسی EEG چه چیزی را درباره شبکه‌های مغزی آشکار می‌کنند

هنگامی که فرد با چشمان بسته استراحت می‌کند، نوسانات توان خودبه‌خودی در باندهای مختلف EEG با شبکه‌های قشری مجزا و توزیع‌شده مطابقت دارد. ثبت همزمان EEG‑fMRI این ارتباط را به وضوح نشان داده است.

به عنوان مثال، توان در باند آلفا (8–12 Hz) همبستگی منفی قوی با فعالیت در قشر فرونتال و پاریتال جانبی نشان می‌دهد که نواحی شناخته‌شده برای پشتیبانی از توجه هدفمند هستند. این رابطه معکوس نشان می‌دهد که توان آلفای بالاتر، که معمولاً در طول بیداری همراه با آرامش دیده می‌شود، ممکن است نشان‌دهنده وضعیت کاهش توجه بیرونی یا «بی‌توجهی» باشد.

در مقابل، توان در محدوده بتای 17–23 Hz همبستگی مثبت با متابولیسم در قشرهای رتروسپلنیال، تمپورو-پاریتال و فرونتال داخلی پشتی دارد. این نواحی با شبکه حالت پیش‌فرض مغز (DMN) مطابقت دارند که معمولاً زمانی فعال است که ذهن در حال استراحت است و به تفکر خودارجاعی، بازیابی حافظه یا سرگردانی ذهن مشغول است. به نظر می‌رسد توان بتا نشانه‌ای از عملیات شناختی خودبه‌خودی حتی در غیاب یک کار مشخص باشد.

بنابراین، باندهای فرکانسی به عنوان نشانه‌های الکتروفیزیولوژیکی عمل می‌کنند که نشان می‌دهند آیا مغز به سمت دنیای بیرونی جهت‌گیری کرده است (سرکوب شبکه مرتبط با آلفا) یا در ذهنیات درونی غوطه‌ور است (فعال‌سازی DMN مرتبط با بتا).

بنابراین، پروفایل طیفی یک نمای کلی غیرتهاجمی از معماری عملکردی در مقیاس بزرگ مغز ارائه می‌دهد و تفسیر EEG را از «امواج مغزی» صرف به شاخص‌های پویای درگیری شبکه تغییر می‌دهد.

امیدها و محدودیت‌های تشخیصی آنالیز باند EEG

جستجو برای زیست‌نشانگرهای نوروفیزیولوژیکی عینی، منجر به استفاده گسترده از آنالیز باندهای فرکانسی در پژوهش‌های روان‌پزشکی شده است.

بررسی جامع فوق‌الذکر روی 184 مطالعه در حالت استراحت، تفاوت‌های طیفی را در افسردگی، ADHD، اوتیسم، اعتیاد، اختلال دوقطبی، اضطراب، PTSD، OCD، اسکیزوفرنی و موارد دیگر بررسی کرد. با تجمیع تمام نتایج گزارش شده، غالب‌ترین الگو افزایش توان در فرکانس‌های پایین‌تر (دلتا و تتا) همراه با کاهش توان در فرکانس‌های بالاتر (آلفا، بتا و گاما) بود. این الگو در چندین تشخیص، از جمله ADHD، اسکیزوفرنی و OCD ظاهر شد.

  • الگوی غالب: افزایش توان دلتا و تتا در کنار کاهش توان آلفا، بتا و گاما

  • گسترده اما غیر اختصاصی: در ADHD، اسکیزوفرنی و OCD ظاهر می‌شود و منحصر به هیچ تشخیص خاصی نیست

  • یافته‌های ناسازگار: PTSD، اعتیاد و اوتیسم هیچ روند طیفی سیستماتیکی نشان ندادند

  • قدرت آماری متوسط: احتمال مشاهده این الگو تنها 2.2 برابر خط پایه بود؛ حجم نمونه‌های انباشته اغلب زیر 250 شرکت‌کننده بود

با این حال، این یافته ظاهراً سازگار، محدودیت‌های مهمی را پنهان می‌کند. این الگو مختص هیچ اختلال خاصی نبود؛ همپوشانی قابل توجهی بین طبقه‌بندی‌های تشخیصی وجود داشت و چندین وضعیت (PTSD، اعتیاد، اوتیسم) اصلاً روند سیستماتیکی نشان ندادند.

از نظر کمی، احتمال مشاهده این الگوی غالب نسبت به نتایج جایگزین تنها 2.2 برابر بود و تعداد کل شرکت‌کنندگان در تمام مطالعاتی که آن را گزارش کرده بودند معمولاً کمتر از 250 نفر بود. علاوه بر این، اندازه‌های اثر متوسط بودند و معمولاً منجر به تغییر 20–30% در توان می‌شدند و همبستگی با شدت علائم ضعیف بود.

این یافته‌ها هشدار می‌دهند که نباید تفاوت‌های توان باند را به عنوان زیست‌نشانگرهای قابل اعتماد برای تشخیص فردی تفسیر کرد. ناسازگاری‌های روش‌شناختی—از جمله چیدمان‌های مختلف الکترودها، طرح‌های مرجع و حذف آرتیفکت—تکرارپذیری را بیشتر محدود می‌کنند.

در حالی که آنالیز باند فرکانسی می‌تواند گرایش‌های سطح گروه را آشکار کند، کاربرد بالینی آن در شکل فعلی‌اش متوسط است و خود باندها نشانه‌های اختصاصی بیماری را تشکیل نمی‌دهند.

نگاه به کل طیف فراتر از برچسب‌های باند فرکانسی EEG

پنج باند فرکانسی کلاسیک یک ساده‌سازی کاربردی هستند، نه نقشه‌ای از کلیدهای بیولوژیکی مجزا. فعالیت الکتریکی مغز جریانی مداوم و متداخل است که در آن ریتم‌های کند ریتم‌های سریع‌تر را هدایت می‌کنند و سیستم‌های انتقال‌دهنده عصبی کل رژیم را از خواب به تمرکز هوشیارانه تغییر می‌دهند.

شناخت این ساختار تودرتوی قانون توان، دیدگاه ما را نسبت به EEG از یک نمودار ساده «امواج مغزی» به دریچه‌ای رو به تعادل پویا و خودسازمان‌دهنده مغز بین نظم و انعطاف‌پذیری تغییر می‌دهد.

برای استفاده عملی، ارزش این باندها در توصیف وضعیت‌های کلی مانند بیداری همراه با آرامش، تفکر درونی یا توجه نهفته است—الگوهایی که در سطح گروهی به شدت خود را نشان می‌دهند. با این حال، شواهد بالینی واضح است که تفاوت‌های توان باند می‌توانند متوسط، غیر اختصاصی و به شدت تحت تأثیر روش کار باشند، بنابراین نباید آن‌ها را بیش از حد به عنوان تشخیص‌های فردی تفسیر کرد.

برداشت منطقی این است که این برچسب‌ها واژگان مفیدی را برای بررسی وضعیت‌های مغزی ارائه می‌دهند، تا زمانی که به یاد داشته باشیم واقعیت زیربنایی یک طیف واحد و یکپارچه است.

منابع

  1. 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

  2. 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

  3. Metherate, R., Cox, C. L., & Ashe, J. H. (1992). Cellular bases of neocortical activation: modulation of neural oscillations by the nucleus basalis and endogenous acetylcholine. The Journal of Neuroscience, 12(12), 4701-4711. https://doi.org/10.1523/JNEUROSCI.12-12-04701.1992

  4. Linkenkaer-Hansen, K., Nikouline, V. V., Palva, J. M., & Ilmoniemi, R. J. (2001). Long-range temporal correlations and scaling behavior in human brain oscillations. The Journal of neuroscience, 21(4), 1370-1377. https://doi.org/10.1523/JNEUROSCI.21-04-01370.2001

  5. Laufs, H., Krakow, K., Sterzer, P., Eger, E., Beyerle, A., Salek-Haddadi, A., & Kleinschmidt, A. D. (2003). Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest. Proceedings of the national academy of sciences, 100(19), 11053-11058. https://doi.org/10.1073/pnas.1831638100

پرسش‌های متداول

باندهای فرکانسی EEG چه هستند و چگونه تعریف می‌شوند؟

باندهای فرکانسی EEG بخش‌بندی‌های قراردادی از طیف پیوسته امواج مغزی هستند که معمولاً دلتا، تتا، آلفا، بتا و گاما نامیده می‌شوند. این باندها با استفاده از یک ابزار ریاضی به نام تبدیل فوریه تعریف می‌شوند تا سیگنال خام EEG را به موج‌های سینوسی تشکیل‌دهنده آن تجزیه کرده و سپس توان را در فرکانس‌های مختلف در محدوده‌های تاریخی تثبیت‌شده گروه‌بندی کنند. این مرزها روشی ساده‌سازی و کارآمد برای ارتباط و تحلیل هستند، نه بازتابی از دسته‌بندی‌های بیولوژیکی مجزا.

مغز چگونه این ریتم‌های فرکانسی مختلف را تولید می‌کند؟

این ریتم‌ها از فعالیت الکتریکی همگام‌سازی شده در گروه‌های بزرگی از نورون‌های قشر مغز، به ویژه سلول‌های هرمی لایه 5 که به عنوان ضربان‌ساز عمل می‌کنند، ناشی می‌شوند. هنگامی که این نورون‌ها با هم دپلاریزه و هایپرپلاریزه می‌شوند، یک میدان الکتریکی ایجاد می‌کنند که در پوست سر قابل شناسایی است. سیستم‌های انتقال‌دهنده عصبی مانند استیل‌کولین، با تغییر نحوه شلیک این نورون‌ها و جابجایی بین فعالیت‌های کند و رگباری و الگوهای سریع تک‌شلیک، رژیم فرکانسی را به طور پویا تغییر می‌دهند.

فعالیت باند آلفا درباره وضعیت مغزی فرد چه چیزی به ما می‌گوید؟

توان آلفا، به ویژه هنگامی که فرد با چشمان بسته استراحت می‌کند، رابطه‌ای معکوس با فعالیت در نواحی مغزی پشتیبان توجه هدفمند دارد. این بدان معناست که توان آلفای بالاتر معمولاً نشانه‌ای از بیداری همراه با آرامش و کاهش توجه بیرونی است. در مقابل، توان آلفای پایین‌تر با درگیر شدن با دنیای بیرونی مرتبط است.

ارتباط بین فعالیت باند بتا و شبکه حالت پیش‌فرض چیست؟

توان بتا در محدوده تقریبی 17–23 Hz همبستگی مثبت با فعالیت در شبکه حالت پیش‌فرض دارد؛ مجموعه‌ای از نواحی مغزی که در زمان استراحت و تفکر خودارجاعی فعال هستند. این نشان می‌دهد که نوسانات بتا یک نشانه الکتروفیزیولوژیکی از فعالیت ذهنی درونی خودبه‌خودی، مانند سرگردانی ذهن و بازیابی حافظه است، حتی زمانی که هیچ کار مشخصی انجام نمی‌شود. بنابراین، توان بتا می‌تواند نشان دهد که آیا مغز به جای جهت‌گیری بیرونی، در درون خود غرق شده است یا خیر.

جفت‌شدگی متقاطع فرکانسی در مغز چیست؟

جفت‌شدگی متقاطع فرکانسی پدیده‌ای است که در آن فاز نوسانات بسیار کند، دامنه نوسانات سریع‌تر را در بسیاری از باندهای فرکانسی تعدیل می‌کند. این بدان معناست که ریتم‌های کند مانند یک بستر تحریک‌پذیری عمل می‌کنند و توان فعالیت‌های با فرکانس بالاتر را کنترل می‌کنند. این نشان می‌دهد که ریتم‌های EEG ژنراتورهای مستقل نیستند، بلکه یک سیستم تودرتو و وابسته به یکدیگر هستند.

آیا طیف EEG شامل فعالیتی فراتر از پنج باند استاندارد است؟

بله، این طیف به پایین‌تر از دلتا نیز امتداد می‌یابد، با نوسانات مادون کند در محدوده 0.01–0.1 Hz که از نظر عملکردی بسیار مهم هستند. این ریتم‌های بسیار کند، دامنه نوسانات سریع‌تر از جمله تمام باندهای کلاسیک را تعدیل می‌کنند. بنابراین، باندهای استاندارد یک انتزاع مفید هستند، اما فعالیت الکتریکی مغز را بهتر است به عنوان یک طیف پیوسته و یکپارچه درک کرد.

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

امواج تتا

امواج تتا که از نظر فنی به عنوان نوسانات الکتریکی ریتمیک در باند فرکانسی 4–8 هرتز تعریف می‌شوند؁ در ثبت‌های الکتروآنسفالوگرافی پوست سر (EEG)؁ EEG داخل جمجمه‌ای و پتانسیل‌های میدانی محلی ظاهر می‌شوند. آن‌ها به‌ویژه در هیپوکامپ برجسته هستند؁ ساختاری که در عمق لوب گیجگاهی قرار دارد و به عنوان یک کانون حیاتی برای حافظه رویدادی و مسیریابی فضایی عمل می‌کند.

این مقاله اصول آن را به‌طور مستقیم مورد بررسی قرار می‌دهد و با استفاده آن از شواهد همگرا حاصل از الکتروفیزیولوژی جوندگان و ثبت‌های داخل جمجمه‌ای انسان؁ به درک این موضوع کمک می‌کند که چگونه تتا؁ فعالیت‌های عصبی زمینه‌ساز شکل‌گیری حافظه؁ بازیابی و مسیریابی را هماهنگ می‌کند.

مطالب را بخوانید

آنالیز چگالی جریان منبع

تجزیه و تحلیل چگالی منبع جریان (CSD) با بررسی تغییرات فضایی در ولتاژ خارج سلولی، محل ورود یا خروج جریان الکتریکی به بافت عصبی را تخمین می‌زند. این روش می‌تواند تفسیر ثبت‌های EEG و میکروالکترود را دقیق‌تر کند، اما اعتبار آن به هندسه الکترود، کیفیت نمونه‌برداری، انتخاب‌های مرجع و فرضیات مدل بستگی دارد.

مطالب را بخوانید

تبدیل موجک

بسیاری از سیگنال‌های دنیای واقعی، مانند شاخص‌های اقلیمی، ثبت‌های زیست‌پزشکی و تصویربرداری پزشکی، ثابت نمی‌مانند. ویژگی‌های آن‌ها در طول زمان تغییر می‌کند: ضربان قلب در حین ورزش تندتر و سپس کند می‌شود؛ دمای سطح اقیانوس‌ها با فصول نوسان می‌کند اما در طول دهه‌ها نیز تغییر می‌یابد. این‌ها سیگنال‌های غیرایستا هستند.

تبدیل موجک یک ابزار ریاضی است که برای مدیریت این سیگنال‌ها ساخته شده است. این تبدیل، یک سیگنال را به مولفه‌هایی تجزیه می‌کند که هم در زمان و هم در مقیاس متمرکز شده‌اند، و دقیقاً نشان می‌دهد که یک الگوی خاص چه زمانی ظاهر می‌شود و در چه مدت یا بازه‌ای عمل می‌کند.

برخلاف آنالیز فوریه متعارف که یک سیگنال را به موج‌های سینوسی بی‌پایان تجزیه می‌کند، تبدیل موجک پیوسته (CWT) با استفاده از نسخه‌های مقیاس‌گذاری‌شده و منتقل‌شده از یک موج نمونه اولیه، یک نمایش زمان-مقیاس می‌سازد. این مقاله منطق CWT، نحوه انتخاب یک موجک مادر، محاسبه و تفسیر اسکالوگرام حاصل، و آنچه که دهه‌ها کاربرد در کنار محدودیت‌های ذاتی این روش نشان داده است را ارائه می‌دهد.

مطالب را بخوانید

الکتروانسفالوگرافی کمی (qEEG)

برای دهه‌ها، پزشکان برای تشخیص صرع یا انسفالوپاتی به بررسی بصری نوارهای EEG متکی بوده‌اند. با این حال، برای طیف وسیعی از سایر شرایط عصبی و روان‌پزشکی، چشم انسان برای استخراج الگوهای سازگار و معنادار با دشواری مواجه است.

الکتروانسفالوگرافی کمی (qEEG) با اعمال الگوریتم‌های پردازش سیگنال که شکل‌های موج خام را به مجموعه غنی از ویژگی‌های عددی مانند توان در باندهای فرکانسی خاص، معیارهای اتصال و مقایسه‌های آماری با یک پایگاه داده هنجاری تبدیل می‌کند، این شکاف را پر می‌کند.

مطالب را بخوانید