ארטיפקטים (הפרעות) הם אותות לא רצויים שאינם מופקים על ידי המוח, אשר עלולים לעוות את הפירוש החזותי של אלקטרואנצפלוגרם (EEG) ולפגוע בניתוחים האלגוריתמיים המניעים ממשקי מוח-מחשב או ניטור מצב מנטלי.
בין אם אתם קוראים רישום EEG גולמי לצורך איתור סמנים של אפילפסיה ובין אם אתם מזינים נתונים לצינור עיבוד של למידת מכונה, ארטיפקטים שלא התגלו עלולים להתחזות לגלי מוח פתולוגיים או להכניס שונות (variance) הפוגעת בביצועי המודל.
מדריך שדה מעשי זה יוביל אתכם דרך שתי הקטגוריות הרחבות של ארטיפקטים ב-EEG, יסביר כיצד לזהות את החתימות הייחודיות שלהם במימד הזמן, ויציג את שלבי הניקוי הידניים שנותרו חיוניים לפני כל עיבוד חישובי.
שתי הקטגוריות הבסיסיות של ארטיפקטים ב-EEG
כל תנודה בלתי רצויה בהקלטת EEG נובעת מאחד משני מקורות. ארטיפקטים הקשורים לנבדק, או פיזיולוגיים, נוצרים על ידי גופו של המשתתף עצמו. אלה כוללים מצמוצי עיניים, מתח שרירים, פעימות לב ופעילות בלוטות זיעה, שכולם מייצרים שדות חשמליים שאלקטרודות הקרקפת קולטות לצד פעילות מוחית אותנטית.
ארטיפקטים טכניים, או לא-פיזיולוגיים, נובעים מציוד ההקלטה ומהסביבה. אלקטרודות רופפות, תנודות כבלים, רוויית מגבר והפרעות מרשת החשמל נכללים בקבוצה שנייה זו.
ההבחנה בין שתי הקטגוריות היא המיומנות הראשונה שיש לשלוט בה, מכיוון שאסטרטגיות המניעה וההסרה שונות באופן מהותי. התפרצות שרירית כתוצאה מלסת קמוצה דורשת התערבות שונה מזמזום מחזורי של 60 הרץ החודר דרך כבל בעל סיכוך לקוי.
כיצד לזהות ארטיפקטים הקשורים לנבדק
מצמוצי עיניים
העין מתנהגת כמו סוללה חשמלית קטנה. הקרנית נושאת מטען חיובי ביחס לרשתית, ויוצרת דיפול קרניתי-רשתי (corneo‑retinal dipole). כאשר משתתף ממצמץ, העפעף חולף על פני דיפול זה ומושך את השדה החיובי כלפי מעלה, מה שמייצר סטיית מתח חיובית וגדולה באלקטרודות הפרונטליות הקרובות ביותר לעיניים.
בעקומת תחום הזמן (time-domain), מצמוץ מופיע כגל איטי בעל משרעת (אמפליטודה) גבוהה, המגיע לשיאו בערוצים פרונטו-פולריים כגון Fp1 ו-Fp2, ולאחר מכן דועך בחדות ככל שמביטים לעבר גזירות מרכזיות או אחוריות. מכיוון שצורת הגל כה סטריאוטיפית, עין מאומנת יכולה לזהות אותה כמעט באופן מיידי.
תנועות עיניים וספייקים סקדיים
כאשר העיניים נעות לצדדים ללא מצמוץ, הדיפול הקרניתי-רשתי מסתובב במקום להתכסות. הדבר מייצר היסט דמוי מדרגה באות האלקטרו-אוקולוגרם (EOG), אשר עשוי לזלוג לערוצי EEG סמוכים.
בנוסף, ההתכווצות המהירה של השרירים החוץ-עיניים במהלך תנועה סקדית יוצרת תופעת מעבר חשמלית קצרה וחדה הידועה כפוטנציאל ספייק סקדי (saccadic spike potential). בעקומת אות גולמי, ספייקים אלה עשויים להיראות דומים באופן מטעה לפעילות אפילפטיפורמית. הם מוגבלים בדרך כלל לאלקטרודות פרונטליות וטמפורליות ומתרחשים במקביל לשינוי במבט.
זיהוי שלהם מונע רושם קליני שגוי ומונע פסילה מיותרת של נתונים עצביים תקינים לחלוטין. משכו הקצר של הספייק, התאמתו לתנועת עין אופקית או אנכית והיעדר גל איטי עוקב מסייעים להבדיל בינו לבין פריקה קורטיקלית אותנטית.
פעילות שרירים
שרירי הקרקפת, הפנים והצוואר הם מחוללים פוריים של רעש חשמלי בתדר גבוה. כאשר משתתף קומץ את לסתו, מכווץ את מצחו או אפילו מחזיק מתח בצוואר, פוטנציאלי פעולה של יחידות מוטוריות נורים באופן אסינכרוני ומצטברים לתבנית הפרעה דוקרנית ובלתי סדירה.
בתחום הזמן, ארטיפקט שריר נראה כמו פרץ מהיר של סטיות חדות בעלות משרעת נמוכה הרוכבות על גבי ה-EEG, לעיתים קרובות באופן הבולט ביותר מעל אלקטרודות טמפורליות או פרונטליות. תוכן התדרים שלו נמצא בעיקר מעל 20 הרץ, עמוק בתוך תחומי הבטא והגמא שבהם שוכנים מדדים קוגניטיביים רבים, מה שהופך אותו לבעייתי במיוחד עבור ניטור מצב מנטלי ויישומי ממשק מוח-מחשב (BCI).
מערכי EEG בצפיפות גבוהה עם אלקטרודות סמוכות זו לזו יכולים לסייע במיקום מקור השריר, אך קו ההגנה הראשון הוא הנחיית המשתתף להירגע ומתן תמיכה פיזית לראש.
זיעה והיסטי מוליכות עורית
שינויים במוליכות העור כתוצאה מפעילות בלוטות הזיעה משנים את ממשק האלקטרודה-עור. הדבר גורם לסחיפה (drift) איטית וחלקה מאוד של מתח קו הבסיס, לרוב מתחת ל-1 הרץ, שיכולה להימשך לאורך מספר שניות.
הארטיפקט אינו מופיע כספייק או כזמזום קצבי, אלא כגלישה עדינה דמוית גל של העקומה כולה. הוא נפוץ ביותר במהלך הקלטות ארוכות, בסביבות חמות או בקרב משתתפים חרדים. ניתן להתמודד עם גורם מבלבל זה בתדר נמוך על ידי שמירה על טמפרטורת חדר יציבה והבטחת מגע טוב של האלקטרודות.
אותות לבביים
השדה החשמלי של הלב חזק מספיק כדי להגיע לקרקפת, במיוחד כאשר עכבות האלקטרודות גבוהות או כאשר אלקטרודת ייחוס ממוקמת בסמוך לכלי דם מעל המסטואיד או תנוך האוזן.
ארטיפקט האלקטרוקרדיוגרם המתקבל מופיע כמכלול QRS סדיר וחד החוזר על עצמו בקצב הלב – בערך פעם בשנייה. לעיתים קרובות הוא זולג לערוצים רבים בו-זמנית עם היסט זמן קבוע, ומסווגים שאומנו על מאפייני ארטיפקטים רחבי-טווח יכולים לזהות אותו לצד מזהמים אחרים.
אם צורת הגל הלבבי נראית לעין אך אינה מכריעה, ניתן לעיתים קרובות להחסיר אותה על ידי הקלטת ערוץ אק"ג ייעודי; אחרת, ייתכן שיידרש לפסול את המקטעים המושפעים באופן ידני.
ארטיפקט | מאפיין היכר |
|---|---|
מצמוץ עין | גל איטי פרונטלי |
תנועת עין | היסט דמוי מדרגה |
שריר | ספייקים בתדר גבוה |
זיעה | סחיפה איטית של קו הבסיס |
לבבי | מכלול QRS חד |
זיהוי ארטיפקטים טכניים בעקומת האות
קפיצות אלקטרודה (Pops) וספייקים הקשורים לתנועה
שינוי פתאומי בעכבה הנגרם מגשר ג'ל שהתייבש, כבל שנמשך או אלקטרודה שזזה יוצר תופעת מעבר פתאומית ותלולה המכונה לעיתים קרובות "pop". תופעה זו נכללת בקטגוריית "אי-רציפויות גנריות" שאלגוריתמים אוטומטיים כמו ADJUST מתוכננים לסמן.
בתחום הזמן, קפיצת אלקטרודה נראית בדרך כלל כמו ספייק מבודד בעל משרעת קיצונית שעשוי להביא את המגבר לרוויה, מה שגורם לקו האות להשתטח לרגע לפני התאוששות איטית. בניגוד לספייק ביולוגי, הוא אינו מוקף בפעילות פיזיולוגית מתמשכת ומופיע בדרך כלל בערוץ בודד, מה שמקל על זיהויו במהלך בדיקה ויזואלית.
מחקר EEG של יילודים שבוצע על ידי Hagmann et al. תיעד באופן דומה הפרעות תנועה תכופות ששינו את העקומה משולבת-המשרעת (amplitude-integrated trace), והדגיש כי אפילו הפרעות פיזיות קצרות יוצרות זיהום מדיד.
הפרעות מרשת החשמל
צימוד קיבולי של אספקת החשמל לתוך מערך ההקלטה מייצר "זמזום" קצבי ורציף בתדר רשת החשמל – 50 הרץ באירופה ובחלק גדול מהעולם, 60 הרץ בצפון אמריקה.
בעקומת EEG גולמית, הפרעה זו מופיעה כגל סינוס עבה המולבש על כל ערוץ, לעיתים קרובות במשרעת עקבית. אפילו כמות קטנה של רעש רשת עלולה למסך מקצבים מוחיים במתח נמוך, ונוכחותה מעידה על בעיה בעכבת האלקטרודות, בסיכוך או בהארקה.
זהו תמיד ארטיפקט טכני ולא תנודה עצבית, והתדר הקבוע שלו הופך את הזיהוי שלו לפשוט בעין או באמצעות גרף ספקטרלי בסיסי.
אלקטרודות רופפות ותנועת כבלים
כאשר אלקטרודה אינה מחוברת היטב לקרקפת או שהכבל שלה מתנדנד במהלך ההקלטה, ההפרעה המכנית גורמת לתנודות בלתי סדירות בתדר נמוך. אלה יכולות להיראות כמו סחיפה איטית ובלתי יציבה או התפרצות של גלים בלתי סדירים בעלי משרעת גבוהה בערוץ בודד.
האופי הספורדי וההגבלה לאלקטרודה אחת מבדילים מיד ארטיפקט זה מאירועים פיזיולוגיים נרחבים כגון מצמוץ או כיווץ שריר. רישום הערות לגבי רגעים כאלה בזמן אמת חוסך מאמץ רב בהמשך על ידי צמצום החיפוש אחר מקטעי נתונים פגומים.
מניעה ותיעוד של ארטיפקטים במהלך הקלטה
האסטרטגיה היעילה ביותר לניהול ארטיפקטים מתחילה זמן רב לפני שנשמרת נקודת הנתונים הראשונה.
משתתף רגוע מייצר באופן משמעותי פחות ארטיפקטים של שרירים ותנועות עיניים. לכן, הקדישו זמן להסבר על מהלך המפגש, ספקו כיסא נוח עם תמיכה לראש, ותנו לעיניים נקודת מיקוד יציבה כדי להפחית מצמוצים וסריקות סקדיות ספונטניות. צעדים אלה כה יסודיים עד שלעיתים נדירות הם מפורטים במאמרי מחקר, אך כל מחקר המדווח על נתונים נקיים מסתמך עליהם במשתמע.
הנחת האלקטרודות היא קו ההגנה הבא. הכנת עור קפדנית, כמות מספקת של ג'ל מוליך וניתוב זהיר של כבלים ממזערים הן קליטת רעשים סביבתיים והן קפיצות הקשורות לתנועה.
מחקר ה-EEG של תינוקות שהוזכר קודם לכן מצא שהפרעות חשמליות והפרעות תנועה התרחשו בתדירות דומה, מה שמאשר שאף סביבת הקלטה אינה חסינה מטבעה מפני בעיות טכניות. בדיקת עכבות לפני המפגש ואחריו ואבטחת כבלים לבגדים או לכיסא מסירות חלק גדול מהארטיפקטים הניתנים למניעה.
לבסוף, נהלו יומן רציף של ארטיפקטים הנראים לעין במהלך ההקלטה. ציינו את הזמן של כל תנועה גסה, שיעול או כוונון אלקטרודה. סוג זה של תיוג ידני משקף את הסימון המומחה המשמש לאימון מסווגים אוטומטיים, שבהם מעריכים אנושיים מסמנים מקטעים שישמשו כנתוני ייחוס אמיתיים (ground truth) עבור אלגוריתמים של למידת מכונה.
חותמת זמן פשוטה בכתב יד או סמן אירוע בתוכנת הרכישה הופכים ניחושים לתיעוד שניתן לשחזר.
פסילה ידנית ואינטרפולציה: ניקוי לפני חישוב
בדיקה ויזואלית של העקומה הרציפה
לפני האצלת הסרת הארטיפקטים לאלגוריתם עיבוד אותות כלשהו, גללו דרך הנתונים הגולמיים והשתמשו במאפייני צורת הגל שתוארו לעיל כדי לזהות מקטעים מזוהמים.
לעיתים קרובות מומלץ לחפש את הגל האיטי הפרונטלי האופייני של מצמוץ, את הרחש (fizz) בתדר גבוה של פעילות שרירים, את הספייק המבודד של קפיצת אלקטרודה או את גל הסינוס המתמשך של רעש רשת החשמל. שלב זה מאמן את העין להבדיל בין ארטיפקטים לבין פעילות מוחית אמיתית ומונע פסילה אוטומטית של אירועים עצביים נדירים בעלי משרעת גבוהה שעשויים להיראות באופן שטחי כמו ארטיפקטים.
גל איטי פרונטלי: מעיד על מצמוץ עין
רחש בתדר גבוה: מעיד על פעילות שרירים
ספייק מבודד בעל משרעת קיצונית: מעיד על קפיצת אלקטרודה
גל סינוס מתמשך: מעיד על הפרעה מרשת החשמל
סימון והחרגה של מקטעי זמן פגומים
לאחר שזיהיתם רצף נתונים רווי ארטיפקטים, סמנו אותו להחרגה. פעולה זו עשויה לכלול רישום של זמני ההתחלה והסיום או שימוש בכלי הסימון המובנים בתוך תוכנת ניתוח ה-EEG.
הסרה ידנית של המקטעים המזוהמים ביותר היא התקן שעליו נבנו אפילו שיטות אוטומטיות מתקדמות ביותר. בעבודה שהניבה את אלגוריתם ADJUST, למשל, מומחים תייגו ידנית 640 רכיבים כדי ליצור ערכת אימון, וביצועי המסווג נמדדו לאחר מכן מול נתוני אמת אלה שהוגדרו ידנית.
הסרת הארטיפקטים הבולטים ביותר באופן ידני מפחיתה את העומס על אלגוריתמים בהמשך הדרך ומונעת מהם להפיץ רעש לערוצים שכנים במהלך שלבי סינון מרחבי.
אינטרפולציה של ערוץ רועש בעקביות
כאשר אלקטרודה בודדת אינה אמינה לאורך כל ההקלטה עקב מגע רופף, ג'ל מיובש או חוסר יציבות מכנית, הסרת אותו ערוץ ושחזור הנתונים שלו מאלקטרודות תקינות שכנות משמרים את ממדיות הנתונים הכוללת.
אינטרפולציה משתמשת בהתפלגות המתח המרחבית על פני הקרקפת כדי להעריך מה הערוץ הפגום היה מקליט, ובכך מחליפה ביעילות את הארטיפקט באות סביר וניטרלי. שלב זה שומר על שלמות מערך הנתונים לצורך ניתוחים טופוגרפיים ומונע את אובדן הנתונים שהיה נובע מהשלכת הערוץ לחלוטין.
מדוע ניקוי ידני נותר חיוני
אפילו המסווגים האוטומטיים המתוחכמים ביותר מפיקים תועלת ממערך נתונים שנוקה מראש מארטיפקטים גסים. הממצא במחקר הילודים לפיו ארטיפקטים תפסו 12% מזמן ההקלטה והשפיעו על הפרשנות הקלינית ממחיש באיזו קלות זיהום שלא הוסר עלול לעוות מסקנות.
לפיכך, בדיקה ידנית מבטיחה שהארטיפקטים הגדולים והברורים ביותר יוסרו לפני שהנתונים נכנסים לצינור עיבוד חישובי יעיל, שבו הם עלולים היו אחרת לשלוט בשונות ולהטעות את הפירוק. היא גם בונה היכרות מעמיקה עם מערך הנתונים שאף אלגוריתם אינו יכול לשכפל.
כיצד הסרה אוטומטית תומכת בעבודה הידנית
ניתוח רכיבים בלתי תלויים (ICA) ככלי ניתוח
לאחר שהמקטעים הגרועים ביותר מוסרים ידנית, ICA יכול לפרק את ה-EEG הנותר לרכיבי מקור בלתי תלויים סטטיסטית. טכניקה זו מפרידה את תערובת אותות המוח והארטיפקטים שנקלטו על ידי אלקטרודות הקרקפת, ומחלקת תנועות עיניים, מצמוצים ופעילות שרירים לרכיבים נפרדים בהתבסס על הדפוסים המרחביים והזמניים הייחודיים שלהם.
לאחר מכן ניתן לזהות ולהחסיר רכיב בעל היטל פרונטלי וצורת גל התואמת בקירוב את אות המצמוץ, תוך השארת שאר הנתונים ללא פגע מבחינה נוירופיזיולוגית. עוצמתו של ה-ICA טמונה ביכולתו להתמודד עם מקורות ארטיפקטים מרובים המתרחשים בו-זמנית, משימה שתיקון פשוט יותר המבוסס על רגרסיה מתקן לעיתים קרובות ביתר או בחסר.
האמינות של מסווגים מודרניים
שיטות אוטומטיות הגיעו כעת לרמת ביצועים התואמת בקירוב שיקול דעת אנושי של מומחים.
מסווג ליניארי בלתי תלוי בנבדק אחד, שאומן על שישה מאפיינים שנלקחו מתחומי התדר, המרחב והזמן, השיג שגיאה ריבועית ממוצעת של פחות מ-10% במערך נתוני זמן תגובה, שנמצא בטווח אי-ההסכמה בין שני מומחים אנושיים.
יתרה מזאת, אלגוריתם ה-ADJUST, המשלב מאפיינים מרחביים וזמניים ספציפיים לארטיפקטים, תאם לתיוג ידני של מומחים ב-95.2% משונות הנתונים כאשר נבדק על מערך נתונים עצמאי לחלוטין, והסרת הרכיבים בעלי הארטיפקטים הובילה לשחזור נקי של פוטנציאלים קשורים לאירוע (ERP).
גישה אחרת שהשתמשה במודלים אוטורגרסיביים בשילוב עם מכונת וקטורים תומכים (SVM) סיווגה מספר סוגים של ארטיפקטים שנוצרו על ידי נבדקים בקרב יחידים בדיוק של כ-94%.
עבור ארטיפקטים של עיניים באופן ספציפי, אלגוריתם ששילב מידע ממעקב עיניים (eye-tracker) כדי לזהות באופן אובייקטיבי את הרכיבים הרלוונטיים פעל ביעילות כפולה כמעט מזו של מומחים אנושיים שנאלצו להסתמך על טופוגרפיות רכיבים בלבד, והשיג שטח מתחת לעקומת ROC (Receiver Operating Characteristic) הגדול מ-0.99.
נתונים אלה אינם מחליפים ניקוי ידני, אך הם מדגימים כי לתחום יש כעת עוזרים חישוביים אמינים שיכולים להתמודד עם הזיהוי החזרתי ובהיקף גבוה שנעשה בעבר כולו באופן ידני.
איזון בין הסרת ארטיפקטים לשימור אותות
פסילה אגרסיבית של ארטיפקטים עלולה להסיר בשוגג מידע עצבי אותנטי. בפרדיגמת ממשק מוח-מחשב מבוססת דימוי מוטורי, חוקרים מצאו שהם יכלו להסיר בבטחה עד 60% מרכיבי ה-ICA הבעייתיים ביותר מבחינת ארטיפקטים, ועדיין לשמר את המידע המבחין שבו מערכת ה-BCI השתמשה כדי לפענח את כוונת המשתמש.
ממצא זה מדגיש את העיקרון המכריע לפיו לא כל רכיב הנושא שונות מסוימת של ארטיפקט משולל אות עצבי. סקירה ידנית של הרכיבים שנבחרו על ידי מסווג אוטומטי נותרה מומלצת כדי לוודא שסף הפסילה אינו חוצה אל תחום הפעילות המוחית המועילה.
זיהוי ארטיפקטים אוטומטי ב-EEG באמצעות רשתות עצביות קונבולוציוניות
גישות אוטומטיות לזיהוי ארטיפקטים ב-EEG התקדמו במידה ניכרת, ומציעות השלמה לטכניקות הזיהוי הידניות שתוארו לעיל. כיוון מחקר אחד התמקד ברשתות עצביות קונבולוציוניות (CNN) המסוגלות לזהות ולסווג ארטיפקטים ללא צורך בחילוץ מאפיינים על ידי מומחה או בעיבוד מקדים של האות הגולמי.
מחקר של חוקרים שבדקו נתוני EEG רציפים מרובי ערוצים הציע ארכיטקטורת CNN לגילוי בינארי של ארטיפקטים ב-EEG, ולאחר מכן הרחיב אותה לסיווג מספר סוגי ארטיפקטים. המחברים מדווחים כי הרשת המותאמת שלהם השיגה דיוק סיווג של 94.17% בממוצע על פני 17 מטופלים ו-9 מחלקות ארטיפקטים. בהשוואה לארכיטקטורה המקורית מבוססת ה-CNN, הגרסה המותאמת סיפקה פי 4.2 פחות פרמטרים ופי 2.7 פחות חישובים, לצד דיוק גבוה יותר ב-17.5%. החוקרים גם העריכו את המודל שלהם על מערך נתונים שנאסף במעבדה שלהם באמצעות headset של Emotiv Epoc X בעל 14 ערוצים, שבו הוא השיג 93.5% דיוק בזיהוי ארטיפקטים של מצמוץ עין.
המחקר ציין כי המודלים המוצעים אינם דורשים ידע של מומחה לצורך חילוץ מאפיינים או עיבוד מקדים של נתוני EEG, וכי הארכיטקטורה יעילה מספיק כדי להיות ניתנת ליישום במכשירים ניידים. הדבר מצביע על האפשרות לזיהוי ארטיפקטים בזמן אמת בסביבות מעשיות ודלות משאבים.
מה שגוף מחקר זה עדיין אינו קובע הוא כיצד מסווגים אוטומטיים כאלה פועלים על פני כל מגוון סוגי הארטיפקטים בהקלטות בעולם האמיתי, או כיצד הם משתווים לבדיקה ידנית באוכלוסיות מגוונות ובסביבות הקלטה שונות. הממצאים מצביעים על כך שזיהוי אוטומטי ויעיל של ארטיפקטים ב-EEG הוא בר-ביצוע, אך אימות נוסף בתנאים רחבים יותר נותר תחום מחקר פתוח.
מדוע מודעות לארטיפקטים קובעת את איכות הנתונים
ארטיפקטים משפיעים ישירות הן על הפרשנות הוויזואלית והן על מדידות כמותיות. בין אם המטרה היא אבחון קליני, תגלית במדעי המוח או יישום של רווחה אישית (wellness) לצרכנים, הדרך לתוצאות אמינות עוברת דרך הבנה ברורה של מקור הארטיפקטים, האופן שבו הם נראים בעקומת האות הגולמי, והתהליך המוקפד של מניעתם, תיעודם והסרתם באופן ידני.
אוטומציה מבוססת ICA יכולה להאיץ את תהליך הניקוי, אך היא פועלת בצורה היעילה ביותר על נתונים שכבר נבדקו על ידי עין אנושית מאומנת. שיעור זיהום של 12% אולי לא נשמע גבוה, אך כאשר חלק זה עלול לשנות החלטה רפואית או לטשטש סמן ביולוגי קוגניטיבי עדין, ההשקעה בניהול ארטיפקטים הופכת לבלתי נפרדת מהיושרה המדעית של ההקלטה.
מקורות
Plöchl, M., Ossandón, J. P., & König, P. (2012). Combining EEG and eye tracking: identification, characterization, and correction of eye movement artifacts in electroencephalographic data. Frontiers in human neuroscience, 6, 278. https://doi.org/10.3389/fnhum.2012.00278
Mognon, A., Jovicich, J., Bruzzone, L., & Buiatti, M. (2011). ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology, 48(2), 229-240. https://doi.org/10.1111/j.1469-8986.2010.01061.x
Hagmann, C. F., Robertson, N. J., & Azzopardi, D. (2006). Artifacts on electroencephalograms may influence the amplitude-integrated EEG classification: a qualitative analysis in neonatal encephalopathy. Pediatrics, 118(6), 2552–2554. https://doi.org/10.1542/peds.2006-2519
Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30
Lawhern, V., Hairston, W. D., McDowell, K., Westerfield, M., & Robbins, K. (2012). Detection and classification of subject-generated artifacts in EEG signals using autoregressive models. Journal of neuroscience methods, 208(2), 181-189. https://doi.org/10.1016/j.jneumeth.2012.05.017
שאלות נפוצות
מהן שתי הקטגוריות העיקריות של ארטיפקטים ב-EEG, וכיצד הן נבדלות?
ארטיפקטים ב-EEG מתחלקים לשתי קטגוריות: ארטיפקטים הקשורים לנבדק (פיזיולוגיים) הנוצרים על ידי גופו של המשתתף – כגון מצמוצי עיניים, מתח שרירים, פעימות לב וזיעה – וארטיפקטים טכניים (לא-פיזיולוגיים) הנובעים מהציוד או מהסביבה, כגון אלקטרודות רופפות, תנודות כבלים והפרעות מרשת החשמל. ההבחנה חשובה מכיוון שכל קטגוריה דורשת אסטרטגיות מניעה והסרה שונות; לדוגמה, התפרצות שרירית דורשת התערבות שונה מזמזום רשת של 60 הרץ.
כיצד ניתן לזהות ארטיפקט של מצמוץ עין בעקומת EEG?
מצמוץ עין מופיע כגל איטי, חיובי וגדול שהוא החזק ביותר מעל אלקטרודות פרונטליות כמו Fp1 ו-Fp2, והוא דועך במהירות לכיוון ערוצים מרכזיים או אחוריים. מכיוון שהקרנית נושאת מטען חיובי ביחס לרשתית, העפעף החולף על פני דיפול זה יוצר סטייה סטריאוטיפית בעלת משרעת גבוהה שקל לזהות באמצעות אימון.
מדוע פעילות שרירים יכולה להיות בעייתית במיוחד עבור ממשקי מוח-מחשב?
ארטיפקטים של שרירים מקמיצת לסת, כיווץ מצח או מתח בצוואר מייצרים הפרעה דוקרנית בתדר גבוה, שלעיתים קרובות חופפת לתחומי גלי המוח בטא וגמא שבהם פועלים מדדים קוגניטיביים וניטור מצב מנטלי. זיהום זה עלול לשבש ניתוחים אלגוריתמיים ולפגוע בביצועים של מודלי ממשק מוח-מחשב, מה שהופך אותו לאחד הארטיפקטים הפיזיולוגיים הבעייתיים ביותר לניהול.
כיצד נראה ארטיפקט הפרעה מרשת החשמל, ומה גורם לו?
הפרעה מרשת החשמל מופיעה כ"זמזום" רציף וקצבי של גל סינוס המולבש על כל ערוץ EEG, בדרך כלל ב-50 או 60 הרץ בהתאם לאספקת החשמל באזור. היא נובעת מצימוד קיבולי של מקור המתח לתוך מערך ההקלטה עקב עכבת אלקטרודות ירודה, סיכוך לקוי או בעיות הארקה, וזהו באופן מובהק ארטיפקט טכני ולא אות עצבי.
מדוע חשוב לתעד ארטיפקטים באופן ידני במהלך הקלטה?
ניהול יומן שוטף של תנועות גסות, שיעולים או כוונוני אלקטרודות במהלך המפגש מסייע לצמצם את מקטעי הנתונים הפגומים בשלב מאוחר יותר והופך ניחושים לתיעוד שניתן לשחזר. תיוג ידני זה משקף גם את הסימון המומחה המשמש לאימון מסווגים אוטומטיים, ומספק נתוני אמת (ground truth) המשפרים את האמינות של הניקוי הידני והחישובי כאחד.
מהי המטרה של אינטרפולציה עבור ערוץ EEG רועש בעקביות?
כאשר אלקטרודה בודדת אינה אמינה לאורך כל ההקלטה עקב מגע רופף או ג'ל מיובש, אינטרפולציה משחזרת את נתוני אותו ערוץ מאלקטרודות תקינות שכנות באמצעות התפלגות המתח המרחבית על פני הקרקפת. הדבר משמר את ממדיות הנתונים הכוללת של מערך הנתונים לצורך ניתוחים טופוגרפיים, ומונע את אובדן הנתונים שהיה מתרחש אילו כל הערוץ היה נפסל.
כיצד ניתוח רכיבים בלתי תלויים (ICA) מסייע בהסרת ארטיפקטים?
ICA מפרק את אותות ה-EEG המעורבים לרכיבי מקור בלתי תלויים סטטיסטית, ומפריד מצמוצי עיניים, פעילות שרירים וארטיפקטים אחרים בהתבסס על הדפוסים המרחביים והזמניים הייחודיים שלהם. לאחר זיהויו, ניתן להחסיר רכיב ארטיפקט – כמו רכיב בעל היטל פרונטלי התואם למצמוץ – תוך השארת האותות העצביים שבבסיסם שלמים ברובם, והתמודדות עם מקורות ארטיפקטים מרובים המתרחשים בו-זמנית ביעילות רבה יותר מאשר שיטות רגרסיה פשוטות.
מהו הסיכון בהסרה אוטומטית אגרסיבית מדי של ארטיפקטים?
פסילה אגרסיבית עלולה להסיר בשוגג מידע עצבי אמיתי, מאחר שרכיבים מסוימים נושאים הן שונות של ארטיפקט והן פעילות מוחית שימושית. גם אם מסווגים אוטומטיים מסמנים רכיבים רבים, מומלץ לבצע סקירה ידנית של הרכיבים להסרה כדי להבטיח שסף הפסילה אינו מבטל אות החיוני לפענוח כוונת המשתמש או לגילוי סמנים ביולוגיים קוגניטיביים.
מדוע מודעות לארטיפקטים משפיעה ישירות על היושרה המדעית של הקלטת EEG?
ארטיפקטים יכולים להיראות כמו צורות גל פתולוגיות או להכניס שונות המעוותת הן את הפרשנות הוויזואלית והן את הניתוחים הכמותיים, ובכך עלולים לשנות סיווגים קליניים או לטשטש אותות קוגניטיביים עדינים. תהליך ממושמע של מניעה, תיעוד וניקוי ידני של ארטיפקטים הוא חיוני לפני כל עיבוד חישובי, כדי להבטיח שהמסקנות המופקות מהנתונים יהיו אמינות ולא ייפגעו מזיהום.
Emotiv היא מובילה בתחום הנוירוטכנולוגיה המסייעת לקדם מחקר במדעי המוח באמצעות כלי EEG נגישים וכלי נתוני מוח.
הבהרה רפואית: המידע המסופק באתר זה נועד למטרות חינוכיות ואינפורמטיביות בלבד ואינו מיועד לשמש כייעוץ רפואי או בריאותי. תוכן זה עלול להכיל שגיאות ואין להסתמך עליו לצורך קבלת החלטות משנות חיים בנושאי בריאות, רפואה או סגנון חיים. פנה תמיד לקבלת ייעוץ מהרופא שלך או מכל גורם רפואי מוסמך אחר בכל שאלה שעשויה להיות לך בנוגע למצב רפואי או לטיפול.
כריסטיאן בורגוס
