สัญญาณรบกวนในคลื่นสมอง (EEG Artifacts)

สิ่งแปลกปลอมใน EEG สองประเภทพื้นฐาน

ความผันผวนที่ไม่พึงประสงค์ทุกประการในการบันทึกสัญญาณ EEG เกิดจากหนึ่งในสองแหล่งกำเนิด สิ่งแปลกปลอมที่เกี่ยวข้องกับผู้รับการทดสอบ หรือทางสรีรวิทยา เกิดจากร่างกายของผู้เข้าร่วมการทดสอบเอง สิ่งเหล่านี้รวมถึงการกระพริบตา ความตึงเครียดของกล้ามเนื้อ อัตราการเต้นของหัวใจ และการทำงานของต่อมเหงื่อ ซึ่งทั้งหมดนี้สร้างสนามไฟฟ้าที่อิเล็กโทรดบนหนังศีรษะตรวจจับได้พร้อมกับกิจกรรมของสมองที่แท้จริง

สิ่งแปลกปลอมทางเทคนิค หรือที่ไม่เกี่ยวข้องกับทางสรีรวิทยา เกิดจากอุปกรณ์บันทึกและสภาพแวดล้อม อิเล็กโทรดที่หลวม สายเคเบิลที่แกว่งไปมา ความอิ่มตัวของเครื่องขยายสัญญาณ และการรบกวนของไฟฟ้าหลัก จัดอยู่ในกลุ่มที่สองนี้

การแยกแยะระหว่างสองประเภทนี้เป็นทักษะแรกที่ต้องฝึกฝน เนื่องจากกลยุทธ์การป้องกันและการกำจัดนั้นแตกต่างกันโดยสิ้นเชิง การเกร็งของกล้ามเนื้อจากการขบกรามต้องการการแทรกแซงที่แตกต่างจากการรบกวน 60 เฮิรตซ์ที่เป็นคาบซึ่งเข้ามาทางสายเคเบิลที่หุ้มฉนวนไม่ดี

วิธีสังเกตสิ่งแปลกปลอมที่เกี่ยวข้องกับผู้รับการทดสอบ

การกระพริบตา

ดวงตาทำงานเหมือนแบตเตอรี่ไฟฟ้าขนาดเล็ก กระจกตามีประจุบวกเมื่อเทียบกับเรตินา ทำให้เกิด ขั้วคู่กระจกตา-เรตินา (corneo‑retinal dipole) เมื่อผู้เข้าร่วมการทดสอบกระพริบตา เปลือกตาจะปัดผ่านขั้วคู่นี้และลากสนามไฟฟ้าที่เป็นบวกขึ้นด้านบน ทำให้เกิดการเบี่ยงเบนของแรงดันไฟฟ้าบวกขนาดใหญ่ที่อิเล็กโทรดส่วนหน้าซึ่งอยู่ใกล้ดวงตามากที่สุด

ในเส้นกราฟโดเมนเวลา การกระพริบตาจะปรากฏเป็นคลื่นช้าๆ ที่มีแอมพลิจูดสูง ซึ่งจะขึ้นสูงสุดที่ช่องสัญญาณหน้าผากส่วนหน้า เช่น Fp1 และ Fp2 จากนั้นจะลดลงอย่างรวดเร็วเมื่อคุณมองไปยังส่วนกลางหรือส่วนหลัง เนื่องจากรูปคลื่นมีความเป็นแบบแผนอย่างมาก ผู้ที่ได้รับการฝึกฝนมาจึงสามารถสังเกตเห็นได้เกือบจะในทันที

การเคลื่อนไหวของดวงตาและแซคเคดิกสไปค์

เมื่อดวงตาเคลื่อนที่ไปทางด้านข้างโดยไม่มีการกระพริบตา ขั้วคู่กระจกตา-เรตินาจะหมุนแทนที่จะถูกปกคลุม สิ่งนี้ทำให้เกิดการเปลี่ยนแปลงแบบขั้นบันไดในสัญญาณอิเล็กโทร-โอคูโลแกรมที่อาจแพร่กระจายไปยังช่องสัญญาณ EEG ที่อยู่ติดกัน

นอกจากนี้ การหดตัวอย่างรวดเร็วของกล้ามเนื้อนอกลูกตาระหว่างการเคลื่อนไหวของดวงตาแบบกระตุก (saccade) จะสร้างสัญญาณไฟฟ้าช่วงสั้นๆ และแหลมคมที่เรียกว่า ศักย์ไฟฟ้าแซคเคดิกสไปค์ ในเส้นกราฟดิบ สไปค์เหล่านี้อาจดูคล้ายกับกิจกรรมที่เหมือนอาการชักอย่างน่าลวงตา โดยทั่วไปจะจำกัดอยู่เฉพาะที่อิเล็กโทรดส่วนหน้าและส่วนขมับ และเกิดขึ้นพร้อมกับการเปลี่ยนทิศทางการมองเห็น

การจดจำสิ่งเหล่านี้ช่วยป้องกันความเข้าใจผิดทางคลินิกและหลีกเลี่ยงการปฏิเสธข้อมูลประสาทที่สะอาดโดยไม่จำเป็น ความสั้นของสไปค์ ความเกี่ยวข้องกับการเคลื่อนไหวของดวงตาในแนวราบหรือแนวตั้ง และการไม่มีคลื่นช้าตามหลัง ช่วยแยกแยะมันออกจากการปล่อยประแสประสาทที่แท้จริงของเปลือกสมอง

การทำงานของกล้ามเนื้อ

กล้ามเนื้อหนังศีรษะ ใบหน้า และลำคอเป็นแหล่งกำเนิดเสียงรบกวนทางไฟฟ้าความถี่สูงชั้นยอด เมื่อผู้เข้าร่วมการทดสอบขบกราม ย่นคิ้ว หรือแม้แต่เกร็งคอ ศักยะงานของหน่วยยนต์จะส่งสัญญาณแบบไม่พร้อมกันและรวมกันเป็นรูปแบบการรบกวนที่แหลมคมและไม่สม่ำเสมอ

ในโดเมนเวลา สิ่งแปลกปลอมจากกล้ามเนื้อจะดูเหมือนการปะทุอย่างรวดเร็วของการเบี่ยงเบนที่แหลมคมและมีแอมพลิจูดต่ำซึ่งซ้อนทับอยู่บน EEG มักเด่นชัดที่สุดเหนืออิเล็กโทรดส่วนขมับหรือส่วนหน้า เนื้อหาความถี่ของมันส่วนใหญ่อยู่เหนือ 20 Hz ซึ่งเข้าไปอยู่ในย่านความถี่เบตาและแกมมาซึ่งเป็นที่อยู่ของการวัดทางพุทธิปัญญาจำนวนมาก ทำให้เป็นปัญหาอย่างยิ่งสำหรับการตรวจสอบสภาวะจิตใจและ การประยุกต์ใช้งานการเชื่อมต่อระหว่างสมองกับคอมพิวเตอร์

การติดตั้ง EEG ความหนาแน่นสูง ที่มีอิเล็กโทรดวางอยู่ใกล้กันสามารถช่วยระบุตำแหน่งแหล่งที่มาของกล้ามเนื้อได้ แต่แนวป้องกันแรกคือการแนะนำให้ผู้เข้าร่วมการทดสอบผ่อนคลายและให้การรองรับทางกายภาพสำหรับศีรษะ

เหงื่อและการเปลี่ยนแปลงทางเคมีของผิวหนัง

การเปลี่ยนแปลงในการนำไฟฟ้าของผิวหนังเนื่องจากการทำงานของต่อมเหงื่อจะเปลี่ยนสภาพรอยต่อระหว่างอิเล็กโทรดกับผิวหนัง สิ่งนี้นำไปสู่การเลื่อนลอยที่ช้าและราบเรียบอย่างมากของแรงดันไฟฟ้าพื้นฐาน ซึ่งมักจะต่ำกว่า 1 Hz ซึ่งสามารถเลื่อนลอยไปมาได้ในเวลาหลายวินาที

สิ่งแปลกปลอมนี้ไม่ปรากฏเป็นสไปค์หรือเสียงฮัมที่เป็นจังหวะ แต่ปรากฏเป็นลักษณะลูกคลื่นที่นุ่มนวลของเส้นกราฟทั้งหมด มักพบได้บ่อยในระหว่างการบันทึกที่ยาวนาน ในสภาพแวดล้อมที่อบอุ่น หรือกับผู้เข้าร่วมการทดสอบที่มีความวิตกกังวล สิ่งรบกวนความถี่ต่ำนี้สามารถจัดการได้โดยการรักษาอุณหภูมิห้องให้คงที่และตรวจสอบให้แน่ใจว่าอิเล็กโทรดสัมผัสผิวหนังได้ดี

สัญญาณหัวใจ

สนามไฟฟ้าของหัวใจมีพลังมากพอที่จะส่งไปถึงหนังศีรษะ โดยเฉพาะอย่างยิ่งเมื่ออิมพีแดนซ์ของอิเล็กโทรดสูง หรือเมื่อ อิเล็กโทรดอ้างอิง อยู่ใกล้กับหลอดเลือดบริเวณหลังหูหรือติ่งหู

สิ่งแปลกปลอมจากการตรวจคลื่นไฟฟ้าหัวใจที่เกิดขึ้นจะแสดงเป็น QRS-complex ที่แหลมคมและสม่ำเสมอ โดยซ้ำตามอัตราการเต้นของหัวใจ—ประมาณหนึ่งครั้งต่อวินาที มักจะแพร่กระจายเข้าไปในหลายช่องสัญญาณพร้อมกันโดยมีค่าออฟเซ็ตเวลาที่สอดคล้องกัน และเครื่องจำแนกประเภทที่ได้รับการฝึกฝนเกี่ยวกับคุณลักษณะสิ่งแปลกปลอมในวงกว้างสามารถตรวจจับสิ่งนี้ได้ร่วมกับสารปนเปื้อนอื่นๆ

หากมองเห็นรูปคลื่นของหัวใจแต่ไม่รุนแรงเกินไป มักจะสามารถหักลบออกได้โดยการบันทึกช่องสัญญาณ ECG โดยเฉพาะ มิฉะนั้น อาจจำเป็นต้องปฏิเสธกลุ่มข้อมูลที่ได้รับผลกระทบด้วยตนเอง

การรับรู้สิ่งแปลกปลอมทางเทคนิคในเส้นกราฟ

การกระโดดของอิเล็กโทรดและสไปค์ที่เกี่ยวข้องกับการเคลื่อนไหว

การเปลี่ยนแปลงของอิมพีแดนซ์อย่างกะทันหันซึ่งเกิดจากเจลนำไฟฟ้าที่แห้ง สายเคเบิลที่ถูกดึง หรืออิเล็กโทรดที่เลื่อน จะสร้างสัญญาณชั่วครู่ที่สูงชันและกะทันหันซึ่งมักเรียกว่าป็อป (pop) สิ่งนี้จัดอยู่ในหมวดหมู่ "ความไม่ต่อเนื่องทั่วไป" ที่อัลกอริทึมอัตโนมัติเช่น ADJUST ได้รับการออกแบบมาเพื่อแจ้งเตือน

ในโดเมนเวลา ป็อปของอิเล็กโทรดมักดูเหมือนสไปค์เดี่ยวที่มีแอมพลิจูดสูงมาก ซึ่งอาจทำให้เครื่องขยายสัญญาณอิ่มตัว ทำให้สัญญาณแบนราบไปชั่วขณะก่อนจะฟื้นตัวอย่างช้าๆ ต่างจากสไปค์ทางชีววิทยา มันไม่ได้ถูกห้อมล้อมด้วยกิจกรรมทางสรีรวิทยาที่ดำเนินอยู่ และมักจะปรากฏในช่องสัญญาณเดียว ทำให้ง่ายต่อการระบุในระหว่างการตรวจด้วยสายตา

การศึกษา EEG ในทารกแรกเกิด โดย Hagmann et al. ได้บันทึกการรบกวนจากการเคลื่อนไหวที่เกิดขึ้นบ่อยครั้งซึ่งเปลี่ยนรูปเส้นกราฟที่รวมแอมพลิจูดในลักษณะเดียวกัน โดยเน้นย้ำว่าแม้การรบกวนทางกายภาพเพียงสั้นๆ ก็สร้างการปนเปื้อนที่สามารถวัดได้

การรบกวนจากไฟฟ้าหลัก

การเชื่อมต่อแบบเก็บประจุของแหล่งจ่ายไฟฟ้าเข้ากับชุดบันทึกจะทำให้เกิดเสียงฮัมที่เป็นจังหวะและต่อเนื่องที่ความถี่หลัก—50 Hz ในยุโรปและส่วนใหญ่ของโลก และ 60 Hz ในอเมริกาเหนือ

ในเส้นกราฟ EEG ดิบ การรบกวนนี้จะปรากฏเป็นคลื่นไซน์หนาซ้อนทับในทุกช่องสัญญาณ มักจะมีแอมพลิจูดที่สม่ำเสมอ แม้แต่เสียงรบกวนจากสายส่งไฟฟ้าในปริมาณเล็กน้อยก็สามารถบดบังจังหวะการทำงานของสมองที่มีแรงดันไฟฟ้าต่ำได้ และการปรากฏของมันบ่งบอกถึงปัญหาเกี่ยวกับอิมพีแดนซ์ของอิเล็กโทรด การป้องกันสัญญาณรบกวน หรือการต่อสายดิน

มันเป็นสิ่งแปลกปลอมทางเทคนิคอย่างแน่นอน ไม่ใช่การแกว่งตัวของระบบประสาท และความถี่คงที่ของมันทำให้ระบุได้ง่ายด้วยสายตาหรือใช้ พล็อตสเปกตรัม

อิเล็กโทรดหลวมและการเคลื่อนไหวของสายเคเบิล

เมื่ออิเล็กโทรดไม่ได้ติดแน่นกับหนังศีรษะหรือสายเคเบิลแกว่งไปมาระหว่างการบันทึก การรบกวนทางกลจะนำไปสู่ความผันผวนของความถี่ต่ำที่ไม่สม่ำเสมอ สิ่งเหล่านี้อาจดูเหมือนการเลื่อนลอยที่ช้าและคาดเดาไม่ได้ หรือการปะทุของคลื่นที่ไม่สม่ำเสมอซึ่งมีแอมพลิจูดสูงในช่องสัญญาณเดียว

ลักษณะที่เกิดขึ้นประปรายและจำกัดอยู่เฉพาะที่อิเล็กโทรดตัวเดียวช่วยแยกแยะสิ่งแปลกปลอมนี้ออกจากเหตุการณ์ทางสรีรวิทยาที่แพร่กระจายในวงกว้าง เช่น การกระพริบตาหรือการเกร็งกล้ามเนื้อได้ทันที การทำหมายเหตุประกอบช่วงเวลาดังกล่าวในเวลาจริงช่วยประหยัดแรงได้อย่างมากในภายหลังโดยการจำกัดการค้นหาช่วงข้อมูลที่ไม่ดีให้แคบลง

การป้องกันและการบันทึกเอกสารสิ่งแปลกปลอมระหว่างการบันทึก

กลยุทธ์การจัดการสิ่งแปลกปลอมที่มีประสิทธิภาพที่สุดเริ่มต้นขึ้นนานก่อนที่จะมีการบันทึกจุดข้อมูลแรก

ผู้เข้าร่วมการทดสอบที่ผ่อนคลายจะทำให้เกิดสิ่งแปลกปลอมจากกล้ามเนื้อและการเคลื่อนไหวของดวงตาน้อยลงอย่างเห็นได้ชัด ดังนั้น ควรใช้เวลาอธิบายการทดสอบ จัดเก้าอี้ที่นั่งสบายพร้อมที่รองรับศีรษะ และกำหนดจุดตรึงสายตาที่มั่นคงเพื่อลดการกระพริบตาและการเคลื่อนไหวแบบกระตุกที่เกิดขึ้นเอง ขั้นตอนเหล่านี้เป็นพื้นฐานที่แทบจะไม่มีการระบุไว้ในเอกสารการวิจัย แต่ทุกการศึกษาที่รายงานข้อมูลที่สะอาดนั้นอาศัยขั้นตอนเหล่านี้โดยนัย

การติดตั้งอิเล็กโทรดคือแนวป้องกันต่อไป การเตรียมผิวหนังอย่างพิถีพิถัน เจลนำไฟฟ้าที่เพียงพอ และการจัดเส้นทางสายเคเบิลอย่างระมัดระวังจะช่วยลดทั้งการรบกวนจากสิ่งแวดล้อมและป็อปที่เกี่ยวข้องกับการเคลื่อนไหว

การศึกษา EEG ในทารกที่กล่าวถึงข้างต้นพบว่าการรบกวนทางไฟฟ้าและการเคลื่อนไหวเกิดขึ้นด้วยความถี่ที่ใกล้เคียงกัน ซึ่งยืนยันว่าไม่มีสภาพแวดล้อมในการบันทึกใดที่ไม่มีภูมิคุ้มกันต่อปัญหาทางเทคนิคโดยธรรมชาติ การตรวจสอบอิมพีแดนซ์ก่อนและหลังการทดสอบ และการยึดสายเคเบิลเข้ากับเสื้อผ้าหรือเก้าอี้จะช่วยกำจัดสิ่งแปลกปลอมที่ป้องกันได้ไปเป็นจำนวนมาก

สุดท้าย ให้บันทึกสิ่งแปลกปลอมที่มองเห็นได้อย่างต่อเนื่องระหว่างการบันทึก จดบันทึกเวลาที่มีการเคลื่อนไหวร่างกายจำนวนมาก การไอ หรือการปรับอิเล็กโทรด การทำหมายเหตุประกอบด้วยตนเองประเภทนี้สะท้อนถึงการทำป้ายกำกับโดยผู้เชี่ยวชาญที่ใช้ในการฝึกฝนเครื่องจำแนกประเภทอัตโนมัติ ซึ่งผู้ประเมินที่เป็นมนุษย์จะทำเครื่องหมายกลุ่มข้อมูลเพื่อทำหน้าที่เป็นความจริงพื้นฐานสำหรับอัลกอริทึมการเรียนรู้ของเครื่อง

การประทับเวลาที่เขียนด้วยลายมืออย่างง่ายหรือตัวทำเครื่องหมายเหตุการณ์ในซอฟต์แวร์การรวบรวมข้อมูลจะเปลี่ยนการคาดเดาให้กลายเป็นการบันทึกเอกสารที่ทำซ้ำได้

การปฏิเสธด้วยตนเองและการประมาณค่าในช่วง: การทำความสะอาดก่อนการคำนวณ

การตรวจสอบเส้นกราฟต่อเนื่องด้วยสายตา

ก่อนที่จะมอบหมายการกำจัดสิ่งแปลกปลอมให้กับอัลกอริทึม การประมวลผลสัญญาณ ใดๆ ให้เลื่อนดูข้อมูลดิบและใช้ลักษณะเฉพาะของรูปคลื่นที่อธิบายไว้ข้างต้นเพื่อระบุช่วงเวลาที่เกิดการปนเปื้อน

มักแนะนำให้มองหาคลื่นช้าส่วนหน้าที่เป็นลักษณะเฉพาะของการกระพริบตา เสียงซ่าความถี่สูงของการทำงานของกล้ามเนื้อ สไปค์เดี่ยวของป็อป หรือคลื่นไซน์ที่ต่อเนื่องของเสียงรบกวนหลัก ขั้นตอนนี้จะฝึกฝนสายตาของคุณให้แยกแยะสิ่งแปลกปลอมออกจากกิจกรรมของสมองที่แท้จริง และป้องกันการปฏิเสธเหตุการณ์ทางประสาทที่มีแอมพลิจูดสูงซึ่งเกิดขึ้นไม่บ่อยซึ่งอาจดูคล้ายกับสิ่งแปลกปลอมอย่างผิวเผินโดยอัตโนมัติ

• คลื่นช้าส่วนหน้า: บ่งชี้ถึงการกระพริบตา

• เสียงซ่าความถี่สูง: บ่งชี้ถึงการทำงานของกล้ามเนื้อ

• สไปค์เดี่ยวที่มีแอมพลิจูดสูงมาก: บ่งชี้ถึงการกระโดดของอิเล็กโทรด

• คลื่นไซน์ที่ต่อเนื่อง: บ่งชี้ถึงการรบกวนจากไฟฟ้าหลัก

การทำเครื่องหมายและการละเว้นช่วงเวลาที่ไม่ดี

เมื่อคุณระบุช่วงข้อมูลที่เต็มไปด้วยสิ่งแปลกปลอมได้แล้ว ให้ทำเครื่องหมายเพื่อละเว้น สิ่งนี้อาจเกี่ยวข้องกับการบันทึกเวลาเริ่มต้นและสิ้นสุด หรือการใช้เครื่องมือทำเครื่องหมายที่ติดตั้งอยู่ใน ซอฟต์แวร์วิเคราะห์ EEG

การกำจัดช่วงข้อมูลที่มีการปนเปื้อนแย่ที่สุดด้วยตนเองเป็นมาตรฐานที่แม้แต่วิธีการอัตโนมัติที่ล้ำสมัยที่สุดก็สร้างขึ้นมา ตัวอย่างเช่น ในงานวิจัยที่สร้างอัลกอริทึม ADJUST ผู้เชี่ยวชาญได้ทำป้ายกำกับส่วนประกอบ 640 รายการด้วยตนเองเพื่อสร้างชุดข้อมูลฝึกอบรม จากนั้นจึงวัดประสิทธิภาพของเครื่องจำแนกประเภทเทียบกับความจริงพื้นฐานที่กำหนดด้วยตนเองนี้

การกำจัดสิ่งแปลกปลอมที่ร้ายแรงที่สุดด้วยมือจะช่วยลดภาระของอัลกอริทึมในขั้นตอนต่อไป และป้องกันไม่ให้เกิดการแพร่กระจายเสียงรบกวนไปยังช่องสัญญาณข้างเคียงในระหว่างขั้นตอนการกรองเชิงพื้นที่

การประมาณค่าในช่วงของช่องสัญญาณที่มีเสียงรบกวนอย่างต่อเนื่อง

เมื่ออิเล็กโทรดตัวเดียวไม่น่าเชื่อถือตลอดการบันทึกเนื่องจากการสัมผัสที่หลวม เจลแห้ง หรือความไม่เสถียรทางกล การลบช่องสัญญาณนั้นและสร้างข้อมูลขึ้นมาใหม่จากอิเล็กโทรดข้างเคียงที่สะอาดจะช่วยรักษาจำนวนมิติของข้อมูลโดยรวมไว้ได้

การประมาณค่าในช่วงใช้การแจกแจงแรงดันไฟฟ้าเชิงพื้นที่ทั่วหนังศีรษะเพื่อประมาณค่าสิ่งที่ช่องสัญญาณที่ไม่ดีน่าจะบันทึกไว้ ซึ่งเป็นการแทนที่สิ่งแปลกปลอมด้วยสัญญาณที่เป็นกลางและเป็นไปได้อย่างมีประสิทธิภาพ ขั้นตอนนี้ช่วยให้ชุดข้อมูลคงความสมบูรณ์สำหรับการวิเคราะห์เชิงภูมิประเทศและหลีกเลี่ยงการสูญเสียข้อมูลที่จะเกิดขึ้นหากทิ้งช่องสัญญาณนั้นไปทั้งหมด

ทำไมการทำความสะอาดด้วยตนเองจึงยังคงเป็นสิ่งสำคัญ

แม้แต่เครื่องจำแนกประเภทอัตโนมัติที่ซับซ้อนที่สุดก็ยังได้รับประโยชน์จากชุดข้อมูลที่ได้รับการทำความสะอาดสิ่งแปลกปลอมขนาดใหญ่ล่วงหน้า ผลการศึกษาในทารกแรกเกิดที่พบว่าสิ่งแปลกปลอมกินเวลาถึง 12% ของเวลาบันทึกและมีอิทธิพลต่อการแปลผลทางคลินิก แสดงให้เห็นว่าการปนเปื้อนที่ไม่ได้กำจัดสามารถบิดเบือนข้อสรุปได้อย่างง่ายดายเพียงใด

ดังนั้น การตรวจสอบด้วยตนเองจึงช่วยให้มั่นใจได้ว่าสิ่งแปลกปลอมที่ใหญ่ที่สุดและชัดเจนที่สุดจะหมดไปก่อนที่ข้อมูลจะเข้าสู่ กระบวนการคำนวณที่มีประสิทธิภาพ ซึ่งมิฉะนั้นข้อมูลเหล่านั้นอาจครอบงำความแปรปรวนและทำให้การแยกองค์ประกอบเข้าใจผิดได้ นอกจากนี้ยังสร้างความคุ้นเคยอย่างลึกซึ้งกับชุดข้อมูลที่ไม่มีอัลกอริทึมใดสามารถเลียนแบบได้

การกำจัดแบบอัตโนมัติสนับสนุนการทำงานด้วยตนเองอย่างไร

การวิเคราะห์องค์ประกอบอิสระในฐานะเครื่องมือวิเคราะห์แยกแยะ

เมื่อส่วนที่แย่ที่สุดถูกกำจัดออกด้วยตนเองแล้ว ICA จะสามารถแยกแยะ EEG ที่เหลือออกเป็นองค์ประกอบต้นกำเนิดที่เป็นอิสระต่อกันทางสถิติ เทคนิคนี้จะแยกส่วนผสมของสัญญาณสมองและสิ่งแปลกปลอมที่ตรวจจับได้โดยอิเล็กโทรดบนหนังศีรษะ โดยแยกการเคลื่อนไหวของดวงตา การกระพริบตา และการทำงานของกล้ามเนื้อออกเป็นองค์ประกอบย่อยตามรูปแบบเชิงพื้นที่และเชิงเวลาที่เป็นเอกลักษณ์

จากนั้นจะสามารถระบุและหักลบส่วนประกอบที่มีทิศทางไปทางหน้าผากและรูปคลื่นที่ตรงกับสัญญาณการกระพริบตาอย่างใกล้ชิดได้ ทำให้ข้อมูลที่เหลือมีความสมบูรณ์ทางสรีรวิทยาประสาท จุดเด่นของ ICA อยู่ที่ความสามารถในการจัดการกับแหล่งที่มาของสิ่งแปลกปลอมหลายแหล่งที่เกิดขึ้นพร้อมกัน ซึ่งเป็นงานที่การแก้ไขตามการถดถอยแบบง่ายๆ มักจะแก้ไขมากเกินไปหรือน้อยเกินไป

ความน่าเชื่อถือของเครื่องจำแนกประเภทสมัยใหม่

วิธีการอัตโนมัติในปัจจุบันมีระดับประสิทธิภาพที่ใกล้เคียงกับการตัดสินของผู้เชี่ยวชาญที่เป็นมนุษย์เป็นอย่างมาก

เครื่องจำแนกประเภทเชิงเส้นที่ไม่ขึ้นกับผู้รับการทดสอบ เครื่องหนึ่ง ซึ่งได้รับการฝึกฝนเกี่ยวกับคุณลักษณะหกประการที่ดึงมาจากโดเมนความถี่ เชิงพื้นที่ และเชิงเวลา ประสบความสำเร็จในการทำค่าความคลาดเคลื่อนกำลังสองเฉลี่ยต่ำกว่า 10% ในชุดข้อมูลเวลาปฏิกิริยา ซึ่งอยู่ในช่วงของความเห็นที่ไม่ตรงกันระหว่างผู้เชี่ยวชาญที่เป็นมนุษย์สองคน

นอกจากนี้ อัลกอริทึม ADJUST ซึ่งผสมผสานคุณลักษณะเฉพาะของสิ่งแปลกปลอมเชิงพื้นที่และเชิงเวลา มีความสอดคล้องกับการทำป้ายกำกับของผู้เชี่ยวชาญด้วยตนเองถึง 95.2% ของความแปรปรวนของข้อมูลเมื่อทดสอบกับชุดข้อมูลที่เป็นอิสระโดยสิ้นเชิง และการกำจัดส่วนประกอบที่มีสิ่งแปลกปลอมนำไปสู่การสร้างศักย์ไฟฟ้าที่สัมพันธ์กับเหตุการณ์ขึ้นมาใหม่ได้อย่างสะอาดหมดจด

แนวทางที่แตกต่างออกไปโดยใช้ แบบจำลองการถดถอยในตนเอง ร่วมกับซัพพอร์ตเวกเตอร์แมชชีน สามารถจำแนกสิ่งแปลกปลอมหลายประเภทที่สร้างขึ้นโดยผู้รับการทดสอบในแต่ละบุคคลด้วยความแม่นยำประมาณ 94%

สำหรับสิ่งแปลกปลอมจากดวงตาโดยเฉพาะ อัลกอริทึมที่รวมข้อมูลเครื่องติดตามดวงตาเพื่อระบุส่วนประกอบที่เกี่ยวข้องอย่างตรงไปตรงมามีประสิทธิภาพเกือบสองเท่าของผู้เชี่ยวชาญที่เป็นมนุษย์ซึ่งต้องพึ่งพาเฉพาะแผนที่เชิงพื้นที่ของส่วนประกอบเพียงอย่างเดียว โดยได้ค่าพื้นที่ใต้เส้นโค้งคุณลักษณะการทำงานของตัวรับสูงกว่า 0.99

ตัวเลขเหล่านี้ไม่ได้เข้ามาแทนที่การทำความสะอาดด้วยตนเอง แต่แสดงให้เห็นว่าปัจจุบันเรามีผู้ช่วยคำนวณที่เชื่อถือได้ซึ่งสามารถจัดการกับการระบุข้อมูลซ้ำๆ ในปริมาณมากที่เคยทำด้วยมือทั้งหมดได้

การรักษาสมดุลระหว่างการกำจัดสิ่งแปลกปลอมและการรักษาสัญญาณ

การปฏิเสธสิ่งแปลกปลอมอย่างรุนแรงอาจทำให้ข้อมูลทางประสาทที่แท้จริงสูญเสียไปโดยไม่ได้ตั้งใจ ในแบบจำลองการเชื่อมต่อระหว่างสมองกับคอมพิวเตอร์ด้วยภาพเคลื่อนไหวของมอเตอร์ นักวิจัยพบว่าพวกเขาสามารถกำจัดส่วนประกอบ ICA ที่มีสิ่งแปลกปลอมมากที่สุดออกไปได้มากถึง 60% ได้อย่างปลอดภัยในขณะที่ยังคงรักษาข้อมูลการจำแนกประเภทที่ระบบ BCI ใช้เพื่อถอดรหัสความตั้งใจของผู้ใช้ไว้ได้

การค้นพบนี้เน้นย้ำถึงหลักการสำคัญที่ว่าไม่ใช่ทุกส่วนประกอบที่มีความแปรปรวนของสิ่งแปลกปลอมบางอย่างจะปราศจากสัญญาณประสาท การทบทวนส่วนประกอบที่เลือกโดยเครื่องจำแนกประเภทอัตโนมัติด้วยตนเองยังคงเป็นสิ่งที่สมควรทำเพื่อยืนยันว่าเกณฑ์การปฏิเสธไม่ได้ล้ำเข้าไปในขอบเขตของกิจกรรมของสมองที่มีประโยชน์

ทำไมความตระหนักรู้เรื่องสิ่งแปลกปลอมจึงกำหนดคุณภาพของข้อมูล

สิ่งแปลกปลอมมีอิทธิพลโดยตรงต่อทั้งการแปลผลด้วยสายตาและการวัดเชิงปริมาณ ไม่ว่าเป้าหมายจะเป็นการวินิจฉัยทางคลินิก การค้นพบทาง ประสาทวิทยาศาสตร์ หรือ การใช้งานเพื่อสุขภาพของผู้บริโภค เส้นทางสู่ผลลัพธ์ที่น่าเชื่อถือต้องผ่านความเข้าใจที่ชัดเจนว่าสิ่งแปลกปลอมมาจากไหน มีลักษณะอย่างไรในเส้นกราฟดิบ และกระบวนการที่มีระเบียบวินัยในการป้องกัน บันทึก และกำจัดสิ่งเหล่านั้นด้วยตนเอง

ระบบอัตโนมัติที่ใช้ ICA สามารถเร่งกระบวนการทำความสะอาดได้ แต่จะทำงานได้อย่างมีประสิทธิภาพสูงสุดกับข้อมูลที่ได้รับการตรวจสอบโดยสายตามนุษย์ที่ได้รับการฝึกฝนมาแล้ว อัตราการปนเปื้อน 12% อาจดูไม่สูงนัก แต่เมื่อสัดส่วนนั้นสามารถเปลี่ยนการตัดสินใจทางการแพทย์หรือบดบัง ตัวบ่งชี้ทางชีวภาพทางพุทธิปัญญา ที่ละเอียดอ่อนได้ การลงทุนในการจัดการสิ่งแปลกปลอมจึงกลายเป็นสิ่งที่ไม่สามารถแยกออกจากความสมบูรณ์ทางวิทยาศาสตร์ของการบันทึกได้

เอกสารอ้างอิง

1. 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

2. 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

3. 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

4. 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

5. 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

คำถามที่พบบ่อย

สิ่งแปลกปลอมใน EEG สองประเภทหลักคืออะไร และแตกต่างกันอย่างไร?

สิ่งแปลกปลอมใน EEG แบ่งออกเป็นสองประเภท: สิ่งแปลกปลอมที่เกี่ยวข้องกับผู้รับการทดสอบ (ทางสรีรวิทยา) ที่เกิดจากร่างกายของผู้เข้าร่วมการทดสอบ เช่น การกระพริบตา ความตึงเครียดของกล้ามเนื้อ อัตราการเต้นของหัวใจ และเหงื่อ และสิ่งแปลกปลอมทางเทคนิค (ที่ไม่ใช่ทางสรีรวิทยา) ที่เกิดจากอุปกรณ์หรือสภาพแวดล้อม เช่น อิเล็กโทรดที่หลวม สายเคเบิลแกว่งไปมา และการรบกวนจากไฟฟ้าหลัก ความแตกต่างนี้มีความสำคัญเนื่องจากแต่ละประเภทต้องการกลยุทธ์การป้องกันและการกำจัดที่แตกต่างกัน ตัวอย่างเช่น การเกร็งของกล้ามเนื้อต้องการการแทรกแซงที่แตกต่างจากการรบกวนจากสายส่งไฟฟ้า 60 Hz

คุณจะจำแนกสิ่งแปลกปลอมจากการกระพริบตาบนเส้นกราฟ EEG ได้อย่างไร?

การกระพริบตาจะปรากฏเป็นคลื่นช้าๆ ที่มีแอมพลิจูดสูงและเป็นบวก ซึ่งจะแรงที่สุดที่อิเล็กโทรดส่วนหน้า เช่น Fp1 และ Fp2 และจะจางหายไปอย่างรวดเร็วไปยังช่องสัญญาณส่วนกลางหรือส่วนหลัง เนื่องจากกระจกตามีประจุบวกเมื่อเทียบกับเรตินา เปลือกตาที่กวาดผ่านขั้วคู่นี้จึงสร้างการเบี่ยงเบนของแอมพลิจูดสูงที่เป็นแบบแผนซึ่งสังเกตเห็นได้ง่ายด้วยการฝึกฝน

ทำไมการทำงานของกล้ามเนื้อจึงเป็นปัญหาอย่างยิ่งสำหรับการเชื่อมต่อระหว่างสมองกับคอมพิวเตอร์?

สิ่งแปลกปลอมจากกล้ามเนื้อจากการขบกราม การย่นคิ้ว หรือความตึงของคอจะสร้างสัญญาณรบกวนที่มีความถี่สูงและแหลมคม ซึ่งมักจะทับซ้อนกับคลื่นสมองย่านความถี่เบตาและแกมมา ซึ่งเป็นย่านที่การวัดทางพุทธิปัญญาและการตรวจสอบสภาวะจิตใจทำงานอยู่ การปนเปื้อนนี้สามารถทำให้การวิเคราะห์ทางอัลกอริทึมเสียหายและลดประสิทธิภาพของแบบจำลองการเชื่อมต่อระหว่างสมองกับคอมพิวเตอร์ ทำให้เป็นหนึ่งในสิ่งแปลกปลอมทางสรีรวิทยาที่จัดการได้ยากที่สุด

สิ่งแปลกปลอมจากการรบกวนจากไฟฟ้าหลักมีลักษณะอย่างไร และเกิดจากอะไร?

การรบกวนจากไฟฟ้าหลักจะปรากฏเป็นเสียงฮัมคลื่นไซน์ที่เป็นจังหวะและต่อเนื่องซ้อนทับอยู่ในทุกช่องสัญญาณ EEG โดยทั่วไปจะอยู่ที่ 50 หรือ 60 Hz ขึ้นอยู่กับแหล่งจ่ายไฟฟ้าของภูมิภาค เกิดจากการเชื่อมต่อแบบเก็บประจุของแหล่งพลังงานเข้ากับชุดบันทึกเนื่องจากอิมพีแดนซ์ของอิเล็กโทรดไม่ดี การป้องกันสัญญาณรบกวนไม่เพียงพอ หรือปัญหาการต่อสายดิน และเป็นสิ่งแปลกปลอมทางเทคนิคอย่างชัดเจนมากกว่าที่จะเป็นสัญญาณประสาท

ทำไมการทำหมายเหตุประกอบสิ่งแปลกปลอมด้วยตนเองระหว่างการบันทึกจึงมีความสำคัญ?

การบันทึกบันทึกการเคลื่อนไหวร่างกายจำนวนมาก การไอ หรือการปรับอิเล็กโทรดอย่างต่อเนื่องในระหว่างการทดสอบช่วยจำกัดกลุ่มข้อมูลที่ไม่ดีในภายหลัง และเปลี่ยนการคาดเดาให้เป็นการบันทึกเอกสารที่ทำซ้ำได้ การทำหมายเหตุประกอบด้วยตนเองนี้ยังสะท้อนถึงการทำป้ายกำกับโดยผู้เชี่ยวชาญที่ใช้ในการฝึกฝนเครื่องจำแนกประเภทอัตโนมัติ ซึ่งช่วยเพิ่มความน่าเชื่อถือของการทำความสะอาดทั้งด้วยตนเองและการคำนวณ

วัตถุประสงค์ของการประมาณค่าในช่วงของช่องสัญญาณ EEG ที่มีเสียงรบกวนอย่างต่อเนื่องคืออะไร?

เมื่ออิเล็กโทรดตัวเดียวใช้งานไม่ได้ตลอดการบันทึกเนื่องจากการสัมผัสที่หลวมหรือเจลแห้ง การประมาณค่าในช่วงจะสร้างข้อมูลของช่องสัญญาณนั้นขึ้นมาใหม่จากอิเล็กโทรดข้างเคียงที่สะอาดโดยใช้การแจกแจงแรงดันไฟฟ้าเชิงพื้นที่ทั่วหนังศีรษะ สิ่งนี้จะช่วยรักษาจำนวนมิติโดยรวมของชุดข้อมูลสำหรับการวิเคราะห์เชิงภูมิประเทศ โดยหลีกเลี่ยงการสูญเสียข้อมูลที่จะเกิดขึ้นหากทิ้งช่องสัญญาณทั้งหมดไป

การวิเคราะห์องค์ประกอบอิสระ (ICA) ช่วยในการกำจัดสิ่งแปลกปลอมอย่างไร?

ICA จะแยกแยะสัญญาณ EEG ที่ผสมกันออกเป็นองค์ประกอบต้นกำเนิดที่เป็นอิสระต่อกันทางสถิติ โดยแยกการกระพริบตา การทำงานของกล้ามเนื้อ และสิ่งแปลกปลอมอื่นๆ ตามรูปแบบเชิงพื้นที่และเชิงเวลาที่เป็นเอกลักษณ์ เมื่อระบุได้แล้ว ส่วนประกอบสิ่งแปลกปลอม—เช่น ส่วนประกอบที่มีทิศทางไปทางหน้าผากที่ตรงกับการกระพริบตา—สามารถหักลบออกได้ ทำให้สัญญาณประสาทที่อยู่เบื้องหลังยังคงมีความสมบูรณ์เป็นส่วนใหญ่ และจัดการกับแหล่งที่มาของสิ่งแปลกปลอมหลายแหล่งพร้อมกันได้อย่างมีประสิทธิภาพมากกว่าวิธีการถดถอยแบบง่ายๆ

ความเสี่ยงของการรุนแรงเกินไปกับการกำจัดสิ่งแปลกปลอมแบบอัตโนมัติคืออะไร?

การปฏิเสธอย่างรุนแรงอาจทำให้ข้อมูลทางประสาทที่แท้จริงสูญเสียไปโดยไม่ได้ตั้งใจ เนื่องจากบางส่วนประกอบมีทั้งความแปรปรวนของสิ่งแปลกปลอมและกิจกรรมของสมองที่มีประโยชน์ แม้ว่าเครื่องจำแนกประเภทอัตโนมัติจะทำเครื่องหมายส่วนประกอบไว้หลายรายการ แต่ควรทำการตรวจสอบด้วยตนเองว่าส่วนประกอบใดที่ควรกำจัดออก เพื่อให้แน่ใจว่าเกณฑ์การปฏิเสธไม่ได้กำจัดสัญญาณที่จำเป็นสำหรับการถถอดรหัสความตั้งใจของผู้ใช้หรือการตรวจจับตัวบ่งชี้ทางชีวภาพทางพุทธิปัญญา

ทำไมความตระหนักรู้เรื่องสิ่งแปลกปลอมจึงส่งผลโดยตรงต่อความสมบูรณ์ทางวิทยาศาสตร์ของการบันทึก EEG?

สิ่งแปลกปลอมสามารถแฝงตัวเป็นรูปคลื่นทางพยาธิวิทยาหรือนำความแปรปรวนที่บิดเบือนทั้งการแปลผลด้วยสายตาและการวิเคราะห์เชิงปริมาณ ซึ่งอาจเปลี่ยนการจำแนกประเภททางคลินิกหรือบดบังสัญญาณพุทธิปัญญาที่ละเอียดอ่อน กระบวนการที่มีระเบียบวินัยในการป้องกัน บันทึก และทำความสะอาดสิ่งแปลกปลอมด้วยตนเองเป็นสิ่งจำเป็นก่อนที่จะมีการประมวลผลทางคอมพิวเตอร์ เพื่อให้มั่นใจว่าข้อสรุปที่ได้จากข้อมูลนั้นเชื่อถือได้และไม่ถูกปนเปื้อน