การแปลงฟูเรียร์

สัญญาณ EEG แท้จริงแล้วเป็นตัวแทนของอะไร

เครื่องตรวจคลื่นไฟฟ้าสมอง (electroencephalogram) จะบันทึกแรงดันไฟฟ้าที่เปลี่ยนแปลงไปในแต่ละช่วงเวลา เมื่อนำมาพลอตพล็อต จะเกิดเป็นเส้นต่อเนื่องเส้นเดียว ซึ่งก็คืออนุกรมเวลา ที่เคลื่อนที่ขึ้นและลงตามการเคลื่อนไหวของกระแสไฟฟ้าใต้ขั้วอิเล็กโทรดที่เปลี่ยนไป เมื่อมองด้วยตัวเอง ส้นนี้จะดูเหมือนเป็นเหตุการณ์เดียวที่รวมเข้าด้วยกัน แต่รูปลักษณ์ภายนอกนั้นอาจทำให้เข้าใจผิดได้

ในความเป็นจริง แรงดันไฟฟ้าที่บันทึกได้ในแต่ละขณะจิต คือผลลัพธ์ร่วมจากกระบวนการแกว่งตัวทางไฟฟ้าหลายกระบวนการที่แยกจากกัน ซึ่งเกิดขึ้นพร้อมๆ กันภายในเนื้อเยื่อประสาทส่วนล่าง โดยที่บางกระบวนการดำเนินไปอย่างช้าๆ บางกระบวนการก็ดำเนินไปอย่างรวดเร็ว เมื่อเกิดขึ้นพร้อมกัน รูปแบบเฉพาะตัวของแต่ละกระบวนการเหล่านั้นจะมารวมกันกลายเป็นคลื่นรูปเดียวในลักษณะเดียวกับการประสานเครื่องดนตรีหลายชนิดที่เล่นโน้ตต่างกันให้กลายเป็นคอร์ดเดียว ผู้ฟังจะยินเสียงเดียว แต่แท้จริงแล้วสิ่งเหล่านั้นสร้างขึ้นจากเสียงดนตรีหลายระดับที่มีมิติต่างกันซ้อนทับกันอยู่

เส้นคลื่น EEG ก็ทำงานในลักษณะเดียวกัน สิ่งที่ดูเหมือนเส้นหยักๆ เพียงเส้นเดียวนั้น ที่จริงแล้วประกอบขึ้นด้วยจังหวะที่แตกต่างกันซึ่งซ้อนทับกันอยู่ในสัญญาณเดียว

ปัญหาที่เกิดขึ้นนั้นตรงไปตรงมา: หากมีหลายจังหวะมารวมกันในรูปคลื่นเดียว เราจะสามารถระบุได้อย่างไรว่าจังหวะเหล่านั้นมีอะไรอยู่บ้าง หรือแต่ละจังหวะนั้นมีความรุนแรงเพียงใด

การแปลงฟูเรียร์: แว่นขยาย ไม่ใช่กล้องจุลทรรศน์

การแปลงฟูเรียร์ (Fourier transform) จะเป็นตัวช่วยไขคำตอบนั้น แต่ไม่ใช่การค้นพบข้อมูลใหม่ ทว่าเป็นการส่งคืนรูปแบบส่วนย่อยของ EEG เดียวกันทุกประการโดยใช้ระบบพิกัดที่แตกต่างออกไป แทนที่จะพรรณนาถึงสัญญาณในรูปของแรงดันไฟฟ้าเทียบกับเวลา มันจะบรรยายถึงสัญญาณเดิมในแง่ของเนื้อหาความถี่ว่ามีระดับอัตราการสั่นมากน้อยเพียงใดปะปนอยู่ในนั้น

การแปลงสัญญาณสามารถย้อนกลับได้ทางคณิตศาสตร์ เนื่องจากสามารถแปลงส่วนย่อยของ EEG ให้เป็นภาพแทนความถี่ จากนั้นจึงแปลงกลับมา และรูปคลื่นแบบอิงเวลาดั้งเดิมก็จะปรากฏขึ้นมาใหม่เหมือนเดิมทุกประการ

ภาพแทนทั้งสองแบบ ทั้งเวลาและความถี่ ต่างก็มีข้อมูลที่เหมือนกันทุกประการ เพียงแต่จัดระเบียบแตกต่างกันออกไป เช่นเดียวกับแสงอาทิตย์ที่ผ่านปริซึมไม่ได้สร้างสีสันขึ้นมาใหม่ สีนั้นมีอยู่แล้วในแสงสีขาว ปริซึมทำหน้าที่เพียงแยกช่วงความยาวคลื่นที่ผสมเข้าด้วยกันเพื่อให้ปรากฏให้เห็นชัดเจนขึ้นเฉพาะตัวเท่านั้น

การแปลงฟูเรียร์ช่วยแยกสัญญาณ EEG ที่เทียบเท่ากัน ทำให้ส่วนผสมทางจังหวะเด่นชัดขึ้นโดยไม่มีการเปลี่ยนแปลงข้อมูลบันทึกเดิม แต่อย่างใด

รากฐานทางคณิตศาสตร์ของการแปลงฟูเรียร์

หัวใจสำคัญของการแปลงสัญญาณอยู่ที่การหาค่าปริพันธ์ของสัญญาณที่คูณด้วยฟังก์ชันเอกซ์โพเนนเชียลเชิงซ้อน การดำเนินการนี้จะคำนวณหาความสัมพันธ์ระหว่างคลื่นรูปไซน์และไซน์เวฟของความถี่ต่างๆ หากมีความถี่ใดความถี่หนึ่งปรากฏอยู่ในสัญญาณดั้งเดิม ค่าปริพันธ์จะส่งคืนค่าความเข้มสูง ณ จุดนั้นในโดเมนความถี่ เพื่อแสดงถึงระดับพลังงานเฉพาะตำแหน่ง

คำจำกัดความอย่างเป็นทางการใช้เอกลักษณ์ของออยเลอร์เพื่อเชื่อมช่องว่างระหว่างฟังก์ชันตรีโกณมิติและฟังก์ชันเอกซ์โพเนนเชียลเชิงซ้อน การแปลงไปข้างหน้าจะเปลี่ยนฟังก์ชันต่อเนื่อง f(t) ให้กลายเป็น F(ω) ขณะที่การแปลงย้อนกลับจะสร้างสัญญาณดั้งเดิมขึ้นใหม่โดยการนำส่วนผสมย่อยเหล่านี้มารวมกัน สมมาตรนี้ทำให้มั่นใจได้ว่าข้อมูลจะไม่สูญหายไปในระหว่างการแปลง ส่งผลให้รอบการตัดสินใจเชิงคณิตศาสตร์ย้อนกลับได้อย่างสมบูรณ์แบบ

ผู้ใช้งานต้องให้ความใส่ใจต่อค่าคงที่ทางธรรมดาและเกณฑ์การลู่เข้าให้เหมาะสมเมื่อนำสูตรปริพันธ์เหล่านี้ไปใช้กับข้อมูลทางกายภาพ การจัดการขอบเขตการรวมที่ไม่ถูกต้องหรือข้อกำหนดสัญญาลักษณ์ที่ไม่เหมาะสมอาจนำไปสู่การประเมินค่าสเปกตรัมที่คลาดเคลื่อน การปฏิบัติตามขอบเขตคณิตศาสตร์เหล่านี้ทำให้มั่นใจได้ว่าภาพแทนโดเมนความถี่จะยังคงสะท้อนโครงสร้างข้อมูลตามเวลาอันถูกต้องตามความเป็นจริง

ประเภทของการแปลงฟูเรียร์

การแปลงฟูเรียร์แบบต่อเนื่องกับการแปลงฟูเรียร์แบบไม่ต่อเนื่อง

การแปลงแบบต่อเนื่องจะนำไปใช้กับฟังก์ชันที่กำหนดไว้ในช่วงเวลาที่ไม่สิ้นสุด ในขณะที่รุ่นไม่ต่อเนื่องจะทำงานบนลำดับข้อมูลที่สุ่มตัวอย่างและมีขอบเขตจำกัด

ในทางปฏิบัติ ระบบดิจิทัลจะใช้การประมวลผลแบบไม่ต่อเนื่องเสมอ ซึ่งต้องพิจารณาขีดจำกัดของการเก็บตัวอย่างอย่างรอบคอบเพื่อให้แสดงปรากฏการณ์ที่เกิดขึ้นอย่างต่อเนื่องได้อย่างแม่นยำ มีวิธีการต่างๆ อยู่เพื่อช่วยประมาณเปลี่ยนผ่านตรงนี้โดยไม่ทำให้เกิดการสูญหายของข้อมูลที่สำคัญ รวมไปถึง:

• ฟังก์ชันหน้าต่าง (Windowing functions) ที่ช่วยป้องกันการรั่วไหลของข้อมูลสเปกตรัมโดยการเรียวส่วนขอบของข้อมูลขาเข้า

• เทคนิคการเติมศูนย์ (Zero-padding) เพื่อปรับปรุงความละเอียดของช่องความถี่ผลลัพธ์

• กลยุทธ์การลดการเหลื่อมซ้อนของสัญญาณ (Aliasing mitigation) เพื่อรักษาความสมบูรณ์ของสัญญาณในขณะทำงานเปลี่ยนผ่านสู่ขั้นตอนดิจิทัล

• การปฏิบัติตามทฤษฎีการสุ่มตัวอย่าง เพื่อตรวจจับข้อมูลความยาวคลื่นความถี่สูงที่ยังหลงเหลือและมีความสำคัญทั้งหมด

• การจับคู่การคำนวณที่มีประสิทธิภาพ ซึ่งจะปรับเปลี่ยนตามจำนวนพิกัดข้อมูลนำเข้า

ข้อควรพิจารณาเหล่านี้ช่วยกำหนดว่าผลลัพธ์แบบไม่ต่อเนื่องจะจำลองโครงสร้างสัญญาณต่อเนื่องดั้งเดิมได้อย่างมีประสิทธิภาพเพียงใด

การแปลงฟูเรียร์แบบรวดเร็ว: เหตุใดความเร็วถึงมีความสำคัญ

การพัฒนาอัลกอริทึมที่มีประสิทธิภาพ อย่างเช่น การแปลงฟูเรียร์แบบรวดเร็ว (Fast Fourier Transform - FFT) ช่วยให้เราสามารถวิเคราะห์คลื่นสเปกตรัมได้แบบเรียลไทม์ในระบบที่มีปริมาณการส่งผ่านข้อมูลมหาศาล หากขาดการเพิ่มประสิทธิภาพเหล่านี้ ความซับซ้อนในการคำนวณของการแปลงแบบไม่ต่อเนื่องทั่วไปจะผลักดันให้วิวัฒนาการในการวินิจฉัยยุคปัจจุบันไร้ประโยชน์ ข้อได้เปรียบด้านความรวดเร็วเผยให้เห็นชัดเจนเมื่อเปรียบเทียบเวลาในการคำนวณสำหรับชุดข้อมูลขนาดใหญ่ ดังแสดงไว้ด้านล่าง

โดยการเปลี่ยนกระบวนการคำนวณแบบกำลังสองเป็นผลแบบลอการิทึม เครื่องมือวิเคราะห์เหล่านี้ทำให้ตรวจสอบและเฝ้าระวังสัญญาณได้อย่างรวดเร็ว โดยการประมวลผลที่ฉับไวจะเปิดทางให้เกิดการสร้างระบบตอบรับที่มีประโยชน์อย่างมากในสภาพแวดล้อมที่จำเป็นต้องสังเกตการเปลี่ยนแปลงแบบเรียลไทม์ซึ่งเป็นเป้าหมายหลักของการตรวจวิเคราะห์

ข้อสมมติฐานเกี่ยวกับคาบเวลาเบื้องหลังทุกการคำนวณฟูเรียร์

เมื่อการแปลงฟูเรียร์ประมวลผลส่วนของสัญญาณ มันจะทำหน้าที่ประมวลผลราวกับว่าส่วนสัญญาณนั้นมีการวนซ้ำไม่มีที่สิ้นสุดในทิศทางทั้งเดินหน้าและถอยหลังข้ามกาลเวลาไปตลอดกาล ส่วนสั้นๆ ของคลื่น EEG ที่นำมาวิเคราะห์ จะได้รับเสมือนเป็นหน่วยที่วนซ้ำอย่างไม่จบสิ้น

สัญญาณ EEG แท้จริงไม่ได้ทำงานเช่นนี้ สัญญาณสมองไม่มีลักษณะเป็นคาบเวลาที่แน่นอนอย่างสมบูรณ์แบบ และส่วนของบันทึกคลื่นสัญญาณตามช่วงเวลาที่ตัดตอนมา มักมีความถี่เริ่มต้นและสิ้นสุดในระดับที่จะเชื่อมต่อกันแบบไร้รอยต่อได้ยากเมื่อนำสัญญาณไปซ้ำต่อกัน

เมื่อส่วนขอบของคลื่นไม่สอดรับกัน ข้อสมมติฐานเรื่องการวนซ้ำไม่มีที่สิ้นสุดจะก่อให้เกิดความผิดเพี้ยนที่บริเวณขอบเขต ซึ่งบางครั้งเรียกอาการเพี้ยนนี้ว่า สัญญาณขอบเทียมหรือการรั่วไหลของสเปกตรัม โดยพลังงานจากความถี่ระดับหนึ่งจะปรากฏเป็นคลื่นฟุ้งไปยังกลุ่มความถี่ข้างเคียงซึ่งเดิมข้อมูลส่วนนี้ไม่มีอยู่ในสัญญาณต้นฉบับเลย

นี่ไม่ใช่ข้อบกพร่องที่ทำให้วิธีใช้นี้ใช้การไม่ได้ มันเป็นเพียงข้อจำกัดทางคณิตศาสตร์ที่ทราบกันดี และสามารถรับมือได้หากว่านักวิจัยเลือกส่วนของเวลาในสัญญาณมาทำการประเมินอย่างเหมาะสม ด้วยเหตุนี้การวิเคราะห์คลื่น EEG อิงความถี่จึงทำงานบนพื้นฐานของช่วงเวลาสั้นๆ และมีฐานการวัดค่อนข้างคงที่ แทนที่จะวิเคราะห์ความเปลี่ยนแปลงอย่างยาวต่อเนื่อง

Jansen และคณะ ได้อาศัยหลักเปรียบเทียบในลักษณะคุณลักษณะโดเมนความถี่ระหว่างช่วงคาบเวลา EEG สั้นๆ แทนที่จะวิเคราะห์บันทึกแบบยาว ซึ่งเป็นแนวทางที่เหมาะสมในการเก็บขอบเขตการทดสอบการเป็นคาบเวลาแบบเข้าใจได้ การศึกษาโดย Vidyaratne และคณะ ใช้แนวทางแบบเฉพาะเจาะจงมากขึ้น โดยคำนวณการแปลงเวฟเล็ตแพ็คเก็ตฮาร์มอนิก ซึ่งเป็นเทคนิคที่อิงกับการประมวลแปลงฟูเรียร์ เพื่อสกัดรับข้อมูลความถี่พร้อมจำกัดผลกระทบต่อความละเอียดคลื่นที่เกิดขึ้นจากการเปลี่ยนแปลงของสัญญาณสมองตามเวลาที่เปลี่ยนไป

ทั้งสองแนวทางชี้ให้เห็นว่าการเลือกศึกษา EEG นำประโยชน์จากคณิตศาสตร์มาใช้เพื่อลดจุดหักล้างของความจริงทางชีวภาพ โดยไม่ต้องละทิ้งเครื่องมือหลักไป

ทำไมสัดส่วนความถี่ถึงมีความสำคัญต่อการอ่านกระแสสมอง

เมื่อส่วนสัญญาณ EEG ได้รับการแปลงให้เป็นองค์ประกอบทางความถี่ต่างๆ แล้ว องค์ประกอบเหล่านั้นจะถูกจับคู่เข้ากับระดับกลุ่มที่ผู้ที่เคยทำงานเกี่ยวกับสัญญาณสมองน่าจะรู้จักดี เช่น กลุ่มเดลตา, ทีตา, อัลฟา, เบตา, และแกมมา ชื่อเรียกเหล่านี้นิยามช่วงระดับความเร็วของการสั่นของคลื่นสมอง และเป็นคำศัพท์มาตรฐานที่ใช้ในการวิจัยเรื่องการนอนหลับ การศึกษาด้านพฤติกรรมและความรู้ ตลอดจนการวินิจฉัยทางการแพทย์

การจำแนกส่วนนี้เป็นรากฐานสำคัญอันดับหนึ่งของการแปลผล EEG ด้านความถี่ทุกประเภท ทุกครั้งที่มีรายงานผลกล่าวอ้างกิจกรรมอันสูงขึ้นในแถบความถี่ช่วงเฉพาะ หรือสัดส่วนของสมดุลของแถบเปลี่ยนไป คำกล่าวนั้นมีนัยสำคัญเพียงพอก็เพราะสัญญาณเหล่านั้นได้ถูกพิจารณาผ่านกระบวนการคณิตศาสตร์ของการแปลงฟูเรียร์ตั้งแต่เริ่มแรก หากขาดตัวแปรเหล่านี้แล้ว เราจะขาดคำอธิบายพฤติกรรมจังหวะของสมอง และมีแต่เพียงแรงดันไฟฟ้าที่วิ่งกั้นอย่างลึกลับไม่มีความหมายอย่างสิ้นเชิง

กระบวนคิดที่เชื่อว่า ระดับความถี่การแกว่งตัวให้ข้อมูลที่เป็นประโยชน์สูงสุดเกี่ยวกับสถานะการทำงานของสมอง ได้รับการวิพากษ์วิจารณ์และศึกษาอย่างกว้างขวางในสาขาประสาทวิทยา

สิ่งที่เทคนิคฟูเรียร์ช่วยให้เราเข้าใจเกี่ยวกับการทำงานของสมองขณะเกิดลมบ้าหมู

การแบ่งแยกคลื่นขณะชักและคลื่นแบบปกติออกจากกัน

นักวิจัย Ram Bilas Pachori ได้นำเทคนิคที่ชื่อการถอดถอนกลุ่มรูปแบบจากข้อมูลเชิงสังเกต (Empirical Mode Decomposition) มาใช้กับข้อมูลคลื่นสมอง EEG จากอวัยวะภายในสมอง เพื่อสกัดสัญญาณออกเป็นส่วนประกอบขนาดจำกัดกลุ่มหนึ่งที่เรียกว่า ดัชนีระบบโหมดการแปลงดั้งเดิม (Intrinsic Mode Functions) จากนั้นเขาจึงใช้เทคนิคขยายแบบฟูเรียร์-เบสเซิล (Fourier-Bessel expansion) เพื่อคำนวณค่าเฉลี่ยความถี่ระดับกลุ่มผลเหล่านั้น

เมื่อเปรียบเทียบคลื่นสมองช่วงกำลังชัก (Ictal signals) กับสัญญาณที่ไม่เกิดการชัก ค่าฉลี่ยความยาวคลื่นความถี่จะมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติของทั้งสองสภาวะทางสัญญาณ ผลลัพธ์นี้ระบุชี้ว่า สัดส่วนความถี่ที่คำนวณสกัดด้วยแนวคิดฟูเรียร์นั้นมีลายพิมพ์แฝงที่ช่วยชี้พฤติกรรมกลุ่มชักลมบ้าหมูได้จริง

ด้าน Vidyaratne และคณะ ได้ใช้แนววิจัยที่ยกระดับขยายผลเพื่อเป้าหมายที่ประยุกต์ขึ้น: ค้นพบระยะเริ่มจับการชักแบบเกือบเรียลไทม์ การทดลองนี้ใช้การนำคุณลักษณะพลังงานคลื่นจากการแปลงเวฟเล็ตแพ็คเก็ตฮาร์มอนิกที่ได้จากกระบวนวิธีฟูเรียร์ มารวมเข้ากับส่วนวัดผลที่สองที่มักเรียกว่า มิติแฟร็กทัล (Fractal dimension) ซึ่งใช้เปรียบเปรยรูปแบบการทำซ้ำเสมือนตัวเองในคลื่นสมอง

ผลลัพธ์เหล่านั้นจะจัดเรียงตามจุดติดตั้งของขั้วอิเล็กโทรดร่วมกับฐานเวลาแบบหน้าต่างเคลื่อนตัว จากนั้นทำการจำแนกค่าผ่านเครื่องจักรเวกเตอร์สัมพันธ์ (Relevance Vector Machine) ซึ่งคัดเลือกมาใช้ประสิทธิภาพที่ดีสำหรับปริมาณตัวแปรแบบกระจายปริมาณปริภูมิสูง

การจำลองร่วมทดสอบข้อมูลผ่านการตรวจขีดสมองระยะยาวบนหน้าศีรษะ ผลการตรวจขึ้นไประดับความแม่นเฉียบไว ร้อยละ 96 สำหรับการตรวจพบลักษณะเริ่มมีอาการชัก โดยเกิดความผิดพลาดการแปลความไม่ตรงของเหตุการณ์เฉลี่ยสะสมเพียง 0.1 ครั้งต่อชั่วโมง และมีความล่าช้าในการส่งผ่านรายงานเฉลี่ย 1.89 วินาที ในขณะเดียวกันกับชุดข้อมูลสังเกตระยะสั้นจากส่วนหัวและจุดเจาะภายในก็ทำผลวิจัยระดับเข้าเป้าอย่างน่าทึ่งที่ ร้อยละ 99.8

ผลลัพธ์จากการศึกษาทั้งสองฉบับยืนยันตรงกันว่า ระบบจำแนกความสั่นไหวของตัวย่อยรูปแบบฟูเรียร์ สามารถใช้การระบุจำแนกผู้ป่วยกลุ่มลักษณะโรคลมบ้าหมูได้อย่างถูกต้อง

การเปรียบเทียบลักษณะจากฟูเรียร์กับระบบแปลงทางเลือกอื่น

Jansen และคณะ ร่วมเปรียบเทียบในอีกมุมมองเชิงคณิตศาสตร์เพื่อวัดประสิทธิภาพระหว่างสองเครื่องมือในการดำเนินการ

แทนที่จะจำกัดวิเคราะห์ผลด้วยฟูเรียร์วิธีเดียว ทีมวิจัยดึงลักษณะเด่นจากฟูเรียร์เทียบเคียงไปกับลักษณะกลุ่มย่อยด้วยวิธีการแปลงวอลช์ (Walsh Transform) ซึ่งเน้นวิเคราะห์แยกสัญญาณผ่านลักษณะทรงกราฟสี่เหลี่ยมคลุมทางตัดช่อง แทนที่จะเป็นแบบรูปคลื่นหยักโค้งมนไซน์เนียน ผลตอบจากข้อมูลช่วงสั้นบ่งชี้ลักษณะการทำงานแบบสถิติของวิธีฟูเรียร์ทำผลประเมินยอดเยี่ยมได้โดดเด่นกว่าวอลช์อย่างต่อเนื่อง

บทเปรียบเทียบนี้สะท้อนมุมมองว่า ส่วนโครงประดับโครงไซน์เวฟที่วิวัฒนาการจากฟูเรียร์ ให้ผลสรุปอันกลมกลืนเป็นธรรมชาติเข้ากับสัญญาณภาพวิเคราะห์ EEG ดีกว่าโครงร่างเหลี่ยมของระบบอื่นๆ บนเป้าหมายวิจัยครั้งนี้

วิธีการคำนวณการแปลงฟูเรียร์แบบไม่ต่อเนื่อง (DFT)

การคำนวณการแปลงค่าแบบไม่ต่อเนื่องควรเริ่มต้นจากอินพุตสัญญาณที่บริสุทธิ์เพื่อใช้อ้างอิงช่วงสภาวะปกติ นักวิเคราะห์ต้องกวดขันความยาวส่วนของระดับช่วงเวลาคลื่นกับเป้าความละเอียดทางความถี่ที่ประสงค์ จากนั้นประยุกต์ตั้งหน้าต่างทำงาน (Windowing function) เพื่อคลุมคุมสภาพความเพี้ยนสเปกตรัมที่มาจากความบกพร่องทางพิกัดที่ขาดสปัน งานตระเตรียมส่วนนี้สำคัญมากในการจำกัดจุดผิดหลักคิดของการทำงานประมวลขั้นตอนพิกัด

ขั้นตอนต่อมาคือจัดกระบวนการแปลงสมบูรณ์ตามกลุ่มแบบประเมินสมสูตรทิศทางกับทุกๆ รูปพิกัดภายในขอบเขตช่วงวิเคราะห์ โดยระบบซอฟต์แวร์ประมวลในปัจจุบันถูกสร้างให้ทำการรับงานใหญ่เหล่านี้ด้วย การแปลงฟูเรียร์แบบรวดเร็ว (FFT) เพื่อตอบผลกราฟความเข้มแอมพลิจูดอย่างสะดวกในเวลารวดเร็วไม่กี่วินาที สุดท้ายขั้นตอนสเกลหน่วยการวัดต้องได้ผลอ้างสัมพันธ์กับรูปแบบสัญญาณจริงที่เราตรวจจับตั้งต้น (ดังเช่นหน่วยไมโครโวลต์ หรือ $\mu V$ ในวิชา EEG) เพื่อการทำเอกสารอธิบายขยายผลได้ประโยชน์สูงสุด

วิธีการทำความเข้าใจต่อค่าสเปกตรัมต้องวิเคราะห์ดูรูปแบบทรงการแกว่งตัว ในขณะเดียวกันสัญญาณระบบเครื่องเคราทั่วไปมักสะท้อนยอดรูปจุดตัดแหลมชัดตรงจุด สัญญาณชีวภาพเช่นกลุ่ม EEG มีความสำคัญที่ต้องพิจารณาพลังงานแผ่นครอบในระดับ กลุ่มความถี่ช่วงกว้างแบบมีขอบเขต (เช่นความถี่ช่วงอัลฟา 8-12 Hz) แทนการเจาะจงเป้ายอดขั้วแหลมเดี่ยว ค่านัยเหล่านี้ผันตรงตามสภาวะสิ่งแวดล้อมที่ทำการตรวจสอบเพื่อศึกษาเชิงสรีระและกิจกรรมเชิงอิงกลไก การวางกรอบขั้นตอนอย่างคงเส้นคงวาช่วยให้เราสามารถเรียนรู้ระบบความถี่ตามคลื่นสัญญาณที่ซับซ้อนได้อย่างสม่ำเสมอมีหลักการ

การแปลงฟูเรียร์เปรียบเทียบวิธีการวิเคราะห์โดเมนความถี่แบบอื่นๆ

แม้จะเป็นที่ยอมรับค่อนข้างกว้างขวาง ทว่าแนววิเคราะห์ฟูเรียร์มีเกณฑ์สมมติกำหนดให้คลื่นคงที่ (Stationary signals) ซึ่งระบุว่าสถาบันความยาวคุณลักษณะทรงตัวคงระดับคลื่น แต่ในสถานการณ์ตรวจเจอพฤติกรรมการแปรเปลี่ยนที่เกิดขึ้นอย่างพรวดพราดและไม่ยั่งยืน—เช่นกรณีคลื่นยอดแหลมสัญญาณชัก หรือเหตุคลื่นกลุ่มสปินเดิลพริบตาระหว่างหลับ—วิธีการแบบแปลงเวฟเล็ต (Wavelet Transforms) เข้าควบคุมวิเคราะห์ระบุตำแหน่งแผ่เวลาขนานไปกับความถี่ได้คมชัดโดดเด่นกว่า การเลือกเครื่องมือจึงต้องเล็งประเภทพฤติกรรมโครงสร้างทางสัญญาณอย่างรัดกุม

ระเบียบรูปแบบทดแทนดังเช่น การวิเคราะห์แกนหลักเอกเทศแบบสเปกตรัม (Singular Spectrum Analysis - SSA) ยังมักอำนวยความสะดวกในการจัดกลุ่มตรวจสอบสัญชาตญาณที่เป็นแบบไม่เชิงเส้น (Non-linear) ได้ดีกว่าในชุดศึกษาทางการแพทย์จริง วิธีทดแทนนี้จะช่วยกรองกลุ่มสัญญาณรบกวนขจัดออกจากสารจังหวะดนตรีกลมแบบเดิมได้ดี การประเมินต้องคำนึงถึงระดับที่จำเป็นในแง่ของระดับเวลาเทียบกับระดับสเปกตรัมในสมมติสูตรการทดลองนั้นๆ

ท้ายสุดไม่มีเครื่องมือมหัศจรรย์เครื่องเดียวที่เป็นยาวิเศษแก้ไขประเด็นวิเคราะห์ การประมวลผลสัญญาณ ได้ทั้งหมด ทีมผู้พัฒนามักเปรียบพิกัดสัดส่วนทรัพยากรการคำนวณควบคู่กับประสิทธิภาพจุดหักมุมของสมสูตรเพื่อการใช้งาน การตระหนักขีดจำกัดแวดล้อมรอบด้านจะช่วยยกระดับผลลัพธ์รวมให้น่าเชื่อถือสูงสุดทางปฏิบัติ

เครื่องมือและซอฟต์แวร์ในการวิเคราะห์แปลงฟูเรียร์

ห้องสมุดโปรแกรมแบบรหัสเปิด (Open-source) มีส่วนกระตุ้นให้แนวคิดงานวิจัยระบบสูงเข้าถึงบุคคลทั่วไปได้เร็ว ช่วยให้นักศึกษาและหน่วยงานทำแบบคำนวณขั้นสูงได้ด้วยรหัสคำสั่งเพียงไม่กี่บรรทัด ระบบประมวลวิทยาการข้อมูลถูกสร้างมาเพื่อควบคุมดูแลอาเรย์สัญญาณใหญ่และสัญญาณพหุมิติได้เร็ว มีส่วนส่งเสริมการประกอบร่างการวิเคราะห์ด้านสเปกตรัมรวมกับขั้นตอนอื่น เช่น การเตรียมทำความสะอาดหรือแบ่งประเภทคัดเกรดข้อมูลแบบรอบวง

โปรแกรมเฉพาะด้านที่ครอบคลุมคลื่นสมองประสาทวิทยาหรือวิทยาระดับแผ่นดินไหว มักมากับโมดูลช่วยคำนวณโครงสร้างสเปกตรัมและทำความสะอาดลักษณะแปลกปลอมแฝงอัตโนมัติ ช่วยลดปัญหาความเสี่ยงแก่ทีมงานวิจัยที่ไม่ได้มีผู้รู้ขั้นตรงประมวลสูตร การเลือกเครื่องมือที่มีฐานเสถียรอ้างระดับสากล จะมีประโยชน์สอดคล้องกันด้านความน่าเชื่อถือและการผลิตผลซ้ำเป็นมาตรฐานเดียวกันระหว่างศูนย์ปฏิบัติการวิจัย

ในการคัดเลือกเลือกใช้โปรแกรม ความพร้อมใช้งานกับชนิดโครงแบบข้อมูลตั้งต้น และระบบความเร็วในการจัดการช่องสัญญาณอิเล็กโทรดความแข็งความหนาแน่นสูงถือเป็นคุณสมบัติสำคัญแรกๆ คู่มือแสดงระบบปรับค่าตามสภาพการคำนวณถือเป็นกุญแจสำคัญสำหรับกลุ่มงานขั้นต้น เมื่อเครือข่ายนักพัฒนามีการอัดความก้าวหน้าอย่างต่อเนื่อง วันนี้มุมความสนใจกำลังคืบสู่ระบบปรับแต่งขอบขอบวินาทีแบบทันที (Real-time edge processing) และฐานเก็บวิเคราะห์แบบคลาวด์สำหรับกลุ่มก้อนข้อมูลระดับมหาศาล

สิ่งที่การวัดระดับความถี่บอกเราเกี่ยวกับคลื่นจังหวะแฝงเร้นของระบบสมอง

การแปลงฟูเรียร์ทำหน้าเปรียบคล้ายปริซึมระดับสมสูตรทางคณิตศาสตร์ส่องประเมินคลื่นสมอง เพื่อสะท้อนกลุ่มคลื่นจังหวะที่ปนเปกันอยู่ให้ขยายฉายเป็นแถบโดเมนความถี่แฝง การฉายจำแนกส่งผลนำนิยามที่จำเป็นในการอ่านสภาวะกระแสสมองของผู้ป่วย ตั้งแต่นาทีเผลอหลับไปจนถึงวินาทีตั้งอกสมาธิใจ ทำให้เข้าใจกลุ่มความหมายอย่างอัลฟาหรือเดลตา หากปราศจากส่วนนี้ภาพตรวจ EEG จะคงลักษณะลายเส้นยึกยือที่แทบไม่มีทางตีความนัยใดๆ ออกเลย

ประโยชน์ใช้งานโดดเด่นเห็นชัดเจนสุดในกลุ่มสังเกตลมบ้าหมู ที่ซึ่งความถี่สเปกตรัมนำมาใช้แยกพิกติของพฤติกรรมโรคออกจากความถี่พื้นฐานแบบสมองสมบูรณ์ได้อย่างเฉียบขาด ทางทฤษฎีสมพิกัดวนซ้ำแบบอนันต์แม้จะเป็นเครื่องเอื้ออำนวยคณิตศาสตร์ให้เสร็จงานง่าย ไม่ใช่พฤติกรรมชีวะความจริงทางสมอง แต่การเลือกตั้งจุดวัดช่วงสั้นและเหมาะสมจะขจัดอาการขอบสัญญาณเพี้ยนให้อยู่ในการควบคุม ผลวิจัยช่วยตอกย้ำว่าภาพรวมของการสแกนวิญญาณสมองในรูปผลรวมความถี่สั่แกว่งตัว—แม้ไม่ใช่การโคลนนิ่งความจริงเซลล์ประสาทยิงไฟออกมา—ได้เปิดค่านิมิตวิจัยที่เป็นรูปประธรรมระดับวิทยาศาสตร์และมีคุณูปการสูงอย่างประเมินค่ามิได้แก่สายการแพทย์

เอกสารอ้างอิง

1. Jansen, B. H., Bourne, J. R., & Ward, J. W. (1981). Spectral decomposition of EEG intervals using walsh and fourier transforms. IEEE Transactions on Biomedical Engineering, (12), 836-838. https://doi.org/10.1109/TBME.1981.324686

2. Vidyaratne, L. S., & Iftekharuddin, K. M. (2017). Real-time epileptic seizure detection using EEG. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 25(11), 2146-2156. https://doi.org/10.1109/TNSRE.2017.2697920

3. Pachori, R. B. (2008). Discrimination between ictal and seizure‐free EEG signals using empirical mode decomposition. Journal of Electrical and Computer Engineering, 2008(1), 293056. https://doi.org/10.1155/2008/293056

คำถามที่พบบ่อย

คลื่นสมองแบบสัญญาณดิบ (Raw EEG trace) จริงๆ แล้วต้องการเป็นตัวแทนบอกพฤติกรรมใด

รูปเส้นบันทึกบ่งบอกความเปลี่ยนแปลงระดับแรงดันกระแสสมองกับกาลเวลา ทว่าความจริงภายในเกิดจากการรวมส่วนผสมย่อยสลับสะท้อนคลื่นเป็นจังหวะจากหลายๆ จุดพฤติกรรมสมองในหัวในนาทีนั้น ทั้งจังหวะช้าและเร็วมาประชันกันกลายเป็นคลื่นรูปทรงเดียว เปรียบเหมือนกลุ่มเครื่องดนตรีหลายอย่างเล่นในโน้ตที่แตกต่างกันแต่ออกเสียงร่วมในรูปคอร์ดประสานเดียว

การแปลงฟูเรียร์ทำกระบวนการกับคลื่นสมองอย่างไร

การประเมินจะจัดระเบียบคุณลักษณะข้อมูล EEG เดิมชุดนั้นโดยเปลี่ยนไปอธิบายด้วยมุมความถี่ที่จับอยู่ แทนมุมมองเวลาแรงดันกระแสทั่วไป เป็นตัวช่วยคัดจังหวะที่ปะปนอยู่อย่างมีระบบ คล้ายงานส่องแยกคลื่นแสงของแท่งรูปทรงปริซึม

การแปลงฟูเรียร์ได้เข้าต่อเติมข้อมูลใหม่ในโครงคลื่น EEG หรือไม่

ไม่ได้มีอะไรเพิ่มขึ้นมา สมสูตรการประมวลผลสามารถพลิกเปลี่ยนไปเปลี่ยนมาได้โดยไม่มีส่วนต่อเติมหรือหักข้อมูลดั้งเดิมทิ้งไป เป็นเพียงสะท้อนแผ่มุมมองในโครงสร้างความยาวช่วงไซน์ต่างๆ เพื่อให้สปันคุณลักษณะเด่นสะท้อนเด่นชัดขึ้น

สมมติฐานทางเลขคณิตหลักๆ เมื่อเราประมวลการแปลงฟูเรียร์กับคลื่น EEG คือสิ่งใด

สูตรคำนวณประมวลราวกับว่า ส่วนของเวลาคลื่นสมอง EEG ชิ้นที่ตัดมานั้น มีพฤติกรรมการเล่นเพลงเต้นเวียนซ้ำเป็นวงกลมแบบสมบูรณ์ชั่วกาลนาน จินตภาพลักษณะคาบวิถีตรงนี้ช่วยด้านความเร็วในการทำระบบสูตรคณิตศาสตร์ แต่อาจเกิดแผลแปลกปลอมปลายคลื่นหักงอได้หากปลายสัญญาณเข้าต่อกันไม่ดี

ทำไมจึงใช้ได้ผลกับการนำโครงคลื่นประสาทที่หยักยึกยือ มาแจกวิเคราะห์ในเส้นขอบรอยไซน์เรียบแบน

ทฤษฎีบทฟูเรียร์ชี้นำว่าสัญญาณคลื่นใดๆ มักสามารถคืนโครงขึ้นมาใหม่ได้จากการรวบรวมประกอบของส่วนทางไซน์และโคไซน์ที่เหมาะสมบนความถี่ แอมพลิจูด และมุมเฟสเฉพาะ แบบนำภาพแทนทางสูตรแบบนี้มาทำการสร้างกระบวนวิเคราะห์ได้ แม้เซลล์เส้นประสาทสมองไม่ได้ทำตัวส่งผ่านจุดไซน์สะอาดเพียวตรงตามภาพโมเดลนั้นเป๊ะๆ ก็ตาม

เหตุใดกลุ่มย่านความถี่ดังเช่น อัลฟา หรือ เดลตา จึงจัดเป็นสิ่งสำคัญสูงสุดในงานอ่านความหมาย EEG

เมื่อนำคลื่นเดิมมาแจงแตกส่วน ข้อมูลย่อยเหล่านั้นจะเป็นตัวจับกลุ่มมาตรฐานตามพิกัดคลาส เช่น ระดับเดลตาหรือเบตา ซึ่งทำหน้าที่เสมือนระเบียนข้อมูลพจนานุกรมแสดงอ่านสภาวะกระแสจิต ทุกการบ่งชี้เปรียบเปรยเกี่ยวกับพลังสั่นคลื่นสะท้อนความสามารถในห้องแล็บล้วนตั้งบนการสังเกตผลแปลงด้วยฟูเรียร์ขั้นตอนแรกเหล่านี้

มีข้อมูลอ้างอิงชัดอันใดมาสนับสนุนงานแปลงฟูเรียร์เกี่ยวกับการประเมินภาวะโรคชักลมบ้าหมู

ผลวิเคราะห์เด่นจากสูตรความถี่ฟูเรียร์ให้ข้อชี้วัดยืนยันมีความเคลื่อนไหวแปรเปลี่ยนที่เด่นชัดเป็นนัยสำคัญทางคณิตศาสตร์อย่างเป็นทางการระหว่างคลื่นผู้ป่วยระยะกำลังมีภาวะชักและผู้คนในลักษณะปกติทั่วไป รวมไปถึงโปรแกรมประมวลผลระยะสั้นและตรงเวลาจริง (Real-time) บรรลุผลความเฉียบไวระดับน่าพึงพอใจ ช่วยยืนยันว่าการแกว่งตัวของคลื่นความถี่นำพาประโยชน์สูงทางการแพทย์เพื่อรับมือโรคสมองลมชัก

อะไรคือข้อจำกัดสูงสุดของการเดินทางสายวิเคราะห์สัญญาณอ้างอิงความถี่แบบดังกล่าว

การวางข้อตกลงตั้งคิดการซ้ำคลื่นแบบอนันต์คือความจำยอมยืดหยุ่นคณิตศาสตร์เพื่อความลื่นไหล ซึ่งอาจให้ผลเสถียรลดลงกับแถบคลื่นประเมินระยะยาวและเกิดความแกว่งตัว นอกจากนี้ ผลประเมินที่เข้าจำแนกสมบูรณ์แม่นตรงสวยงามได้มาจากการจับเป้าทดสอบกับชุดกรณีเฉพาะด้านเท่านั้น ไม่สามารถอนุมานชี้นัยทางกายภาพชีวภาพได้ว่าส่วนประกอบประสาทในตัวคนทำหน้าที่สร้างแหล่งคลื่นรูปไซน์กลมเรียบลื่นแยกเด่นชัดจากกันโดยสมบูรณ์