پاور اسپکٹرل ڈینسٹی، یا PSD، وہ اوزار ہے جو EEG سگنلز کو علیحدہ کرتا ہے أور آپ کو بتاتا ہے کہ ان میں سے ہر ایک اسپیڈ، یا فریکوینسی، مجموعی ریکارڈنگ میں کتنی توانائی شامل کرتی ہے۔ ایک بار جب آپ PSD پلاٹ کو پڑھنا سیکھ لیتے ہیں، تو آپ دماغ کے لئے ایک طرح کا ردم اسکور پڑھ رہے ہوتے ہیں، ایک ایسا چارٹ جو دکھاتا ہے کہ کون سی رفتاریں غالب ہیں أور کون سی پس ميں چلی جاتی ہیںے۔
ای ای جی (EEG) میں پاور اسپیکٹرل ڈینسٹی کیا ہے؟
خام EEG سگنل کو ایک آرکسٹرا کی طرف سے بجائے جانے والے راگ کی طرح سمجھیں جہاں ہر ساز دماغی لہروں کی ایک الگ فریکوئنسی ہے۔ آپ صرف کان سے سن کر یہ نہیں بتا سکتے کہ ہر ساز کا کتنا حصہ ہے۔
پی ایس ڈی (PSD) ہر فریکوئنسی پر سگنل کے اسکوائرڈ ایمپلی ٹیوڈ (مربع حیطہ) کا حساب لگا کر اور ریکارڈنگ کے دورانیے پر اس پیمائش کی اوسط نکال کر اس مسئلے کو حل کرتی ہے۔ اس کا نتیجہ ایک ایسا منحنی (curve) ہوتا ہے جس کے ایک محور پر فریکوئنسی اور دوسرے پر پاور ہوتی ہے، جو بالکل یہ ظاہر کرتا ہے کہ دماغ کی برقی سرگرمی سست اور تیز رفتار لہروں میں کس طرح تقسیم ہوتی ہے۔
PSD ریکارڈنگ کے پورے دورانیے کو ایک منحنی میں سکیڑ دیتی ہے، اس لیے یہ آپ کو سیکنڈ بہ سیکنڈ آنے والی تبدیلیوں کو ٹریک کرنے کے بجائے اس مخصوص وقت کے دوران فریکوئنسیوں کے مجموعی توازن کے بارے میں بتاتی ہے۔ یہ انتہائی اہم ہے کیونکہ انسان کے دماغ کی حالت تیزی سے تبدیل ہو سکتی ہے، لیکن ایک معیاری PSD پلاٹ ان تبدیلیوں کی اوسط نکال دیتا ہے۔
میڈیکل گریڈ اور کنزیومر EEG ہیڈسیٹس کا موازنہ کرنے والے محققین نے اس اوسط کے لیے حساب کتاب کا ایک مخصوص طریقہ استعمال کیا، جسے ویلچ کا ترمیم شدہ پیریوڈوگرام (Welch's modified periodogram) کہا جاتا ہے، جو ریکارڈنگ کو اوورلیپنگ حصوں میں تقسیم کرتا ہے اور ایک صاف ستھرا اور کم شور والا PSD تخمینہ پیدا کرنے کے لیے ان کے اسپیکٹرا کی اوسط نکالتا ہے۔
اس قسم کا سگنل پروسیسنگ کا مرحلہ ایک ایسا PSD منحنی حاصل کرنے کے لیے معیاری عمل ہے جو بے ترتیب اتار چڑھاؤ کے بجائے دماغ کی بنیادی سرگرمی کی عکاسی کرتا ہے۔
پاور اسپیکٹرل ڈینسٹی کا مرحلہ وار حساب لگانا
PSD کا حساب لگانے میں عام طور پر ایک کمانڈ کے بجائے سگنل کے معیار اور سگنل پروسیسنگ کے فیصلوں کا ایک سلسلہ شامل ہوتا ہے۔ ریکارڈنگ کو پہلے گمشدہ ڈیٹا، غیر موزوں چینلز، اور نمایاں خلل (artifacts) کے لیے چیک کیا جاتا ہے۔ اس کے بعد تجزیہ کار حصوں کا انتخاب کرتے ہیں، مناسب ہونے پر سست رجحانات کو ختم یا ماڈل کرتے ہیں، ایک ونڈو لاگو کرتے ہیں، ڈیٹا کو فریکوئنسی ڈومین میں تبدیل کرتے ہیں، اور نتیجے کو اسکیل کرتے ہیں۔
حاصل ہونے والے اسپیکٹرم کا اصل ٹائم سیریز کے ساتھ معائنہ کیا جانا چاہیے اور جہاں متعلقہ ہو، وہاں حرکت، الیکٹروڈ کی خرابی، آنکھوں کی سرگرمی، پٹھوں کی سرگرمی، یا تجرباتی واقعات کے نوٹس بھی دیکھے جانے چاہئیں۔ یہ موازنہ ایک حقیقی ردھم والے پیٹرن کو عارضی خلل سے الگ کرنے میں مدد کرتا ہے جو اتفاق سے اسپیکٹرل پاور پیدا کر دیتا ہے۔
ایک عملی ورک فلو کو درج ذیل مراحل میں ترتیب دیا جا سکتا ہے:
سیمپلنگ ریٹ، چینل لیبلز، ریفرنس، اور ریکارڈنگ کے دورانیے کی تصدیق کریں۔
قابل استعمال ایپوکس (epochs) کی شناخت کریں اور خلل یا مسترد شدہ حصوں کو حل کریں۔
حصے کی لمبائی، اوورلیپ، ونڈو، اور فریکوئنسی کی رینج کا انتخاب کریں۔
PSD کا تخمینہ لگائیں اور اسکیل کریں، پھر چوٹیوں (peaks) اور بینڈ لمیٹڈ پاور کا معائنہ کریں۔
پیرامیٹرز کو دستاویزی شکل دیں تاکہ نتیجے کو دوبارہ تیار کیا جا سکے اور موازنہ کیا جا سکے۔
یہ اقدامات حساب کتاب کو قابل ٹریس بناتے ہیں۔ یہ اس بات کو بھی روکتے ہیں کہ ایک بصری طور پر پرکشش اسپیکٹرم کو ان پری پروسیسنگ اور تخمینے کے انتخاب سے آزاد سمجھا جائے جنہوں نے اسے پیدا کیا ہے۔
عام طریقے: پیریوڈوگرام اور ویلچ کا طریقہ
ایک پیریوڈوگرام منتخب کردہ حصے کے لیے فوریئر ٹرانسفارم کی اسکوائرڈ میگنیٹیوڈ کا حساب لگاتا ہے۔ یہ سیدھا سادا ہے اور جب حصہ طویل ہو تو باریک فریکوئنسی سپیسنگ فراہم کر سکتا ہے، لیکن اس کا تخمینہ ایک فریکوئنسی بن سے دوسرے بن میں کافی حد تک تبدیل ہو سکتا ہے۔ یہ تغیر خاص طور پر شور والے حیاتیاتی ریکارڈنگز کے لیے اہم ہے۔
ویلچ کا طریقہ سگنل کو اوورلیپنگ حصوں میں تقسیم کرتا ہے، ہر حصے پر ایک ونڈو لاگو کرتا ہے، ہر ایک کے لیے پیریوڈوگرام کا حساب لگاتا ہے، اور نتائج کی اوسط نکالتا ہے۔ اوسط نکالنے سے عام طور پر ایک ہموار، کم تغیر والا تخمینہ حاصل ہوتا ہے، جبکہ چھوٹے حصے فریکوئنسی ریزولوشن کو کم کر سکتے ہیں۔ بہترین توازن اس بات پر منحصر ہے کہ آیا تجزیہ تنگ چوٹیوں، وسیع بینڈز، یا مستحکم اوسط سرگرمی پر زور دیتا ہے۔
فرق محض ظاہری نہیں ہے۔ ایک ہموار اسپیکٹرم وسیع پیٹرنز کا موازنہ کرنا آسان بنا سکتا ہے، لیکن ضرورت سے زیادہ اوسط نکالنا عارضی یا انتہائی محدود تبدیلیوں کو چھپا سکتا ہے۔ وقت کے ساتھ بدلنے والی EEG کے لیے، پوری ریکارڈنگ میں ایک ہی PSD کے بجائے ٹائم-فریکوئنسی کا طریقہ زیادہ موزوں ہو سکتا ہے۔
ایک صحت مند اور پرسکون حالت کا EEG اسپیکٹرم کیسا لگتا ہے
اگر آپ ایک صحت مند بالغ کو بٹھائیں، انہیں پرسکون ہونے کو کہیں، اور ان کی EEG ریکارڈ کریں، تو حاصل ہونے والی PSD منحنی کی ایک قابل شناخت شکل ہوتی ہے۔ پاور سب سے کم فریکوئنسیوں پر سب سے زیادہ ہوتی ہے اور فریکوئنسی بڑھنے کے ساتھ مستقل طور پر گرتی ہے، جس سے 1/f جیسی گراوٹ پیدا ہوتی ہے۔
یہ گرتی ہوئی منحنی اوپر بیان کردہ غیر متواتر (aperiodic) جزو کی عکاسی کرتی ہے، اور اس کی ڈھلوان کو ایک ہی نمبر سے ظاہر کیا جاتا ہے جسے اسپیکٹرل ایکسپوننٹ کہا جاتا ہے، جسے بعض اوقات β لکھا جاتا ہے۔ زیادہ تیز گراوٹ کا مطلب ایک بڑا منفی ایکسپوننٹ ہے؛ ہموار گراوٹ کا مطلب ہے کہ پاور تمام فریکوئنسیوں میں زیادہ یکساں طور پر پھیلی ہوئی ہے۔
اس پس منظر کی گراوٹ کے اوپر، آنکھیں بند کر کے بیٹھے ہوئے پرسکون دماغ میں عام طور پر 8 سے 12 ہرٹز کے ارد گرد ایک واضح ابھار پیدا ہوتا ہے، جسے الفا چوٹی (alpha peak) کہتے ہیں۔ یہ ابھار عام طور پر سر کے پچھلے حصے پر سب سے مضبوط ہوتا ہے۔ اسی شخص کی آنکھیں کھولیں، اور وہ الفا چوٹی نمایاں طور پر سکڑ جاتی ہے۔
میڈیکل گریڈ EEG سسٹمز اور کنزیومر ہیڈ بینڈز کا راٹی وغیرہ کی طرف سے کیا گیا ایک براہ راست موازنہ نے بالکل اسی پیٹرن کو ریکارڈ کیا: جانچے گئے ہر سسٹم میں، ڈیٹا میں سب سے بڑا ردھم والا سائنسی نشان ایک پچھلا الفا ردھم تھا جس نے آنکھیں بند اور کھلی ہونے کی حالتوں پر متوقع ردعمل ظاہر کیا۔
اسی موازنے میں ایک زیادہ عملی سوال بھی پوچھا گیا: اگر آپ ایک ہی شخص کی دو الگ الگ ملاقاتوں میں دو بار ریکارڈنگ کریں، تو کیا PSD منحنی ایک جیسا نظر آتا ہے؟
اس کا جواب زیادہ تر آلات کے معیار پر منحصر تھا۔ میڈیکل گریڈ سسٹمز نے مستحکم Fp1 الیکٹروڈ PSDs پیدا کیے (Fp1 پیشانی پر ہوتا ہے اور یہ چاروں ٹیسٹ کیے گئے سسٹمز میں مشترک الیکٹروڈ تھا) جو دوروں کے دوران یکساں رہے، جبکہ ایک کنزیومر سسٹم نے ٹیسٹ اور ری ٹیسٹ سیشنز کے درمیان سب سے زیادہ تغیر دکھایا۔ یہ ہمیں بتاتا ہے کہ ایک اچھا PSD منحنی صرف دماغ کی خصوصیت نہیں ہے، بلکہ یہ اس بات کی بھی خصوصیت ہے کہ سگنل کو کتنی احتیاط سے ریکارڈ کیا گیا تھا۔
اینستھیزیا دماغ کے اسپیکٹرل سائنسی نشان کو کس طرح بدلتا ہے
جامد (static) PSD خاص طور پر اس وقت معلوماتی ہو جاتا ہے جب دماغ کی حالت ڈرامائی طور پر بدلتی ہے، اور اینستھیزیا سے بڑھ کر کوئی اور واضح مثال نہیں ہے۔ کولمبو وغیرہ کی طرف سے 2019 کے ایک مطالعے میں صحت مند رضاکاروں کی اینستھیزیا سے پہلے اور اس کے دوران تین مختلف ایجنٹس: زینون، پروپوفول، اور کیٹامائن کے ساتھ پرسکون حالت کی EEG ریکارڈ کی گئی۔
ہر سیشن کے بعد، محققین نے پوچھا کہ کیا اس شخص کو بے ہوشی کے دورانیے کے دوران ہوش کا کوئی تجربہ یاد ہے، اور ان حالتوں میں فرق کیا جہاں ہوش کی اطلاع دی گئی تھی اور جہاں یہ غیر حاضر یا یادداشت سے باہر معلوم ہوتی تھی۔
اسپیکٹرل ایکسپوننٹ نے اس فرق کو بہت باریکی سے ٹریک کیا۔ زینون اور پروپوفول، دونوں ایجنٹس جو ہوش کے تجربے کے خاتمے سے وابستہ ہیں، نے ہر مریض میں منفی اسپیکٹرل ایکسپوننٹ میں نمایاں کمی کی، یعنی PSD منحنی واضح طور پر زیادہ ڈھلوانی ہو گیا۔ وسیع 1 سے 40 ہرٹز رینج میں یہ تیز ڈھلوان محض بے ہوشی کے بجائے ہوش کی عدم موجودگی کی نشاندہی کرتی معلوم ہوتی ہے۔
کیٹامائن نے ایک الگ کہانی بتائی۔ اگرچہ مریض کیٹامائن کے تحت بظاہر بے ہوش تھے، لیکن وہ عام طور پر کچھ نہ کچھ ہوش کا تجربہ برقرار رکھتے ہیں، اور مجموعی PSD گراوٹ عام بیداری کی طرح نظر آتی ہے۔ ایک استثنا صرف 20 سے 40 ہرٹز کی رینج میں خاص طور پر منحنی کا ہموار ہونا تھا، ایک ایسی تفصیل جو دیگر دو ایجنٹس کے مقابلے میں کیٹامائن کے الگ میکانزم کے مطابق ہے۔
شاید سب سے زیادہ پختہ ثبوت اس اسپیکٹرل ایکسپوننٹ اور ایک الگ، آزادانہ طور پر حاصل کردہ پیمائش کے درمیان تعلق تھا جسے پرٹربیوشنل کمپلیکسٹی انڈیکس، یا PCI کہا جاتا ہے، جو ایک مختلف تکنیک سے تیار کیا جاتا ہے جو دماغ کو متحرک کرتی ہے اور اس کے نتیجے میں پیدا ہونے والے ردعمل کی پیچیدگی کی پیمائش کرتی ہے۔ ان دو بالکل مختلف پیمائشوں کے درمیان اعلیٰ باہمی تعلق اس خیال کی تائید کرتا ہے کہ اسپیکٹرل ایکسپوننٹ کوئی اتفاقی پیٹرن نہیں ہے بلکہ خود ہوش کی موجودگی سے جڑا ہوا ایک حقیقی نشان ہے۔
ADHD کس طرح EEG پاور اسپیکٹرم کو تبدیل کرتا ہے
وہی غیر متواتر گراوٹ جو اینستھیزیا کے تحت بدلتی ہے، ADHD کے حامل بچوں میں بھی مختلف نظر آتی ہے۔ 3 سے 7 سال کی عمر کے بچوں کے ایک مطالعے میں، جس میں ADHD کے حامل بچوں کا موازنہ عام بچوں سے کیا گیا، روایتی پیمائشوں جیسے چوٹی الفا فریکوئنسی اور بینڈ پاور ریشوز کے ساتھ اسپیکٹرل سلوپ (slope) اور آفسیٹ (غیر متواتر منحنی کی اونچائی) کی پیمائش کی گئی۔
پہلی بار علاج کروانے والے ADHD کے حامل بچوں نے عام بچوں کے مقابلے میں زیادہ الفا پاور، زیادہ غیر متواتر آفسیٹس، اور زیادہ تیز اسپیکٹرل سلوپ دکھایا۔ اس تیز سلوپ کے پیٹرن پر غور کرنا ضروری ہے، کیونکہ یہ اینستھیزیا کے مطالعے میں دیکھی گئی تبدیلی کی عکاسی کرتا ہے، حالانکہ دونوں حالتوں کا شدت یا میکانزم میں کوئی موازنہ نہیں ہے۔
اسپیکٹرل سلوپ کا تعلق روایتی تھیٹا/بیٹا ریشو سے بھی تھا جو سالوں سے ADHD کی تحقیق میں استعمال ہو رہا ہے، جو یہ ظاہر کرتا ہے کہ سلوپ مشترکہ معلومات حاصل کرنے کے ساتھ ساتھ ممکنہ طور پر ایک زیادہ صاف اور جامع نشان پیش کرتا ہے۔
ایک اضافی تفصیل اس دریافت کو مزید اہمیت دیتی ہے۔ ADHD کے حامل وہ بچے جن کا علاج محرک ادویات (stimulant medication) سے کیا گیا تھا، یہاں تک کہ 24 گھنٹے کے وقفے کے بعد جب دوا کے فعال اثرات ختم ہو جانے چاہیے تھے، انہوں نے ایسے سلوپ اور آفسیٹ دکھائے جو عام طور پر ترقی کرنے والے گروپ کے برابر تھے۔
یہ اس امکان کو جنم دیتا ہے کہ ADHD میں تبدیل شدہ اسپیکٹرل پیٹرن مستقل نہیں ہے، حالانکہ یہ مطالعہ اسے تصدیق شدہ علاج کے اثر کے بجائے ایک اشارے کے طور پر پیش کرتا ہے۔ چونکہ ماضی کی تحقیق میں اسپیکٹرل سلوپ کو ایگزیکٹو کارکردگی اور دماغ کی ہیجانی اور امتناعی سرگرمی کے درمیان توازن سے بھی جوڑا گیا ہے، اس لیے مصنفین کا خیال ہے کہ تبدیل شدہ سلوپ تھیٹا/بیٹا ریشو کے حساب کتاب کے محض اعداد و شمار کے اثر کے بجائے بنیادی حالت کے بارے میں کسی بامعنی چیز کی عکاسی کر سکتا ہے۔
گروپ | اسپیکٹرل سلوپ | الفا پاور | آفسیٹ |
|---|---|---|---|
عام طور پر ترقی پذیر | نارمل سلوپ | نارمل پاور | نارمل آفسیٹ |
ADHD، دوا نہ لینے والے | زیادہ تیز سلوپ | زیادہ پاور | بڑا آفسیٹ |
ADHD، محرک ادویات سے علاج شدہ | عام کے جیسے | رپورٹ نہیں کی گئی | عام کے جیسے |
مرگی کے دوروں کی درجہ بندی کے لیے پاور اسپیکٹرل ڈینسٹی کا استعمال
ہوش اور توجہ ہی واحد شعبے نہیں ہیں جہاں جامد PSD مفید ثابت ہوتا ہے۔ مرگی کی درجہ بندی ایک زیادہ خودکار، کمپیوٹرائزڈ مثال پیش کرتی ہے۔
ایک طریقے نے مرگی کے مریضوں کی EEG ریکارڈنگز کو ان چیزوں میں تبدیل کیا جنہیں محققین نے پاور اسپیکٹرم ڈینسٹی انرجی ڈایاگرام کہا، جو بنیادی طور پر PSD کی بصری نمائندگی ہیں، اور پھر ان تصاویر کو ایک گہرے کونوولوشنل نیورل نیٹ ورک (deep convolutional neural network) کو دیا، جو امیج نما ڈیٹا میں پیٹرن کو پہچاننے کے لیے بہترین مشین لرننگ ماڈل ہے۔
ماڈل کو EEG حصوں کو چار زمروں میں تقسیم کرنے کے لیے تربیت دی گئی تھی:
انٹرکٹیل (دوروں کے درمیانی وقفے)
دو مختلف پری ایکٹیل دورانیے (دورہ شروع ہونے سے 30 منٹ اور 10 منٹ پہلے)
خود دورے کی حالت
ایک عوامی مرگی کے ڈیٹا سیٹ کا استعمال کرتے ہوئے، اس طریقہ کار نے چاروں زمروں میں 90 فیصد سے زیادہ کی اوسط درجہ بندی کی درستگی حاصل کی۔ یہ نتیجہ اس بات کی تصدیق کرتا ہے کہ جامد PSD کی مجموعی شکل اتنی امتیازی معلومات رکھتی ہے کہ ایک الگورتھم سگنل میں لمحہ بہ لمحہ ہونے والی تبدیلیوں کو ٹریک کرنے کی ضرورت کے بغیر، ان طبی طور پر اہم دماغی حالتوں کو قابل اعتماد طریقے سے الگ بتا سکے۔
PSD کی تشریح کرتے وقت عام غلطیاں
ایک PSD منحنی صرف اتنا ہی قابل اعتماد ہوتا ہے جتنی کہ وہ ریکارڈنگ جس سے یہ حاصل کیا گیا ہے، اور متعدد عملی مسائل اس منحنی کی شکل کو ان طریقوں سے بگاڑ سکتے ہیں جن کا بنیادی دماغی کام سے کوئی تعلق نہیں ہوتا۔
خلل (Artifacts) سب سے فوری تشویش ہیں۔ آنکھیں جھپکنے اور پٹھوں کی حرکت سے ان کے اپنے برقی سگنل پیدا ہوتے ہیں جو کھوپڑی کے الیکٹروڈز، خاص طور پر ماتھے کے مقامات پر موصول ہوتے ہیں۔
کنزیومر اور میڈیکل گریڈ EEG سسٹمز کے موازنے سے معلوم ہوا کہ کنزیومر آلات اس قسم کی آلودگی کے لیے زیادہ حساس تھے، اور خاص طور پر ایک کنزیومر ہیڈ بینڈ نے پورے اسپیکٹرم میں پاور میں براڈ بینڈ اضافہ دکھایا، جو کہ حقیقی اعصابی ردھم کے بجائے پٹھوں اور پلکوں کے جھپکنے کے خلل سے مطابقت رکھتا ہے۔ لہذا، PSD کا حساب لگانے سے پہلے ڈیٹا کی محتاط صفائی اور کم خلل والے حصوں کا انتخاب ایک لازمی مرحلہ ہے، اختیاری نہیں۔
والیوم کنڈکشن (Volume conduction) عام طور پر EEG تحقیق میں ایک اور وسیع پیمانے پر زیر بحث لیمٹیشن ہے کیونکہ برقی فیلڈز کھوپڑی تک پہنچنے سے پہلے ٹشوز اور ہڈیوں میں پھیل جاتی ہیں، دماغ میں سرگرمی کا ایک ہی ذریعہ بیک وقت متعدد قریبی الیکٹروڈز پر رجسٹر ہو سکتا ہے، جس سے کسی بھی مخصوص PSD ریڈنگ کی فضائی درستگی دھندلا جاتی ہے۔
حوالہ کا انتخاب (Reference choice) بھی اسی طرح کی صورتحال پیش کرتا ہے۔ EEG فطری طور پر ایک تقابلی پیمائش ہے، جس کا مطلب ہے کہ ہر الیکٹروڈ کے سگنل کا حساب کسی نہ کسی حوالہ نقطہ (reference point) کے حوالے سے لگایا جاتا ہے، چاہے وہ تمام الیکٹروڈز کی اوسط ہو، کان کے پیچھے مائسٹوڈ ہڈی ہو، یا Cz جیسا مرکزی کھوپڑی کا مقام ہو۔ اس حوالہ نقطہ کو تبدیل کرنے سے چینلز میں پاور دوبارہ تقسیم ہو سکتی ہے اور PSD منحنی کی مطلق شکل بدل سکتی ہے۔
لہذا، اس بات سے باخبر رہنا کہ کون سا حوالہ استعمال کیا گیا تھا، اکثر مختلف پیپرز یا ڈیٹا سیٹس میں PSD کے نتائج کا موازنہ کرتے وقت جانچنے کے لیے ایک معیاری معلومات کا حصہ ہوتا ہے۔
آخر میں، ٹیسٹ-ری ٹیسٹ کی قابل اعتمادی ہے۔ یہاں تک کہ اگر فرد اور آلات کو یکساں رکھا جائے، تب بھی الگ الگ ملاقاتوں میں بار بار کی جانے والی ریکارڈنگز PSD منحنی میں کچھ قدرتی تغیر دکھا سکتی ہیں۔
میڈیکل گریڈ سسٹمز نے دو دوروں کے دوران زیادہ یکساں Fp1 PSDs تیار کیے، جبکہ جانچے گئے کنزیومر سسٹم نے سب سے زیادہ تغیر دکھایا۔ یہ ایک عملی احتیاط ہے کہ کسی ایک فرد میں دیکھے جانے والے چھوٹے PSD اختلافات کو بہت زیادہ اہمیت نہ دی جائے، خاص طور پر جب ریکارڈنگ کے آلات یا طریقہ کار کو مضبوطی سے کنٹرول نہ کیا گیا ہو۔
پاور اسپیکٹرل ڈینسٹی کا حساب لگانے کے ٹولز اور سافٹ ویئر
PSD کا حساب سائنسی پروگرامنگ لائبریریوں، وقف شدہ EEG تجزیہ پیکیجز، یا عام سگنل پروسیسنگ سافٹ ویئر سے کیا جا سکتا ہے۔ لازمی تقاضے سیمپل شدہ ڈیٹا تک رسائی اور سیمپلنگ ریٹ، سیگمنٹنگ، ونڈونگ، ڈی ٹرینڈنگ، اوورلیپ، اسکیلنگ، اور فریکوئنسی کی حدود پر واضح کنٹرول ہیں۔ صرف ایک گرافیکل آؤٹ پٹ یہ بتانے کے لیے کافی نہیں ہے کہ تخمینہ کیسے تیار کیا گیا تھا۔
ایک قابل دوبارہ عمل درآمد پری پروسیسنگ اور تخمینے کے پیرامیٹرز کو اسپیکٹرم کے ساتھ ریکارڈ کرتا ہے۔ یہ چینل ریفرنس، یونٹس، مسترد شدہ ایپوکس، اور حساب سے پہلے لاگو کی گئی کسی بھی تبدیلی کو بھی محفوظ رکھتا ہے۔ یہ تفصیلات خاص طور پر اس وقت اہم ہوتی ہیں جب نتائج کو گروپ موازنہ میں استعمال کیا جائے یا ریکارڈنگ سیشنز میں یکجا کیا جائے۔
نتائج کا آڈٹ کرنا اس وقت آسان ہوتا ہے جب ورک فلو عددی ارے اور تشخیصی پلاٹ دونوں تیار کرے۔ مفید جانچوں میں اصل ویوفارم، خلل سے نشان زد دورانیے، منتخب کردہ فریکوئنسی رینج، اور مناسب حصوں کے انتخاب میں تخمینوں کا موازنہ شامل ہے۔ اس طرح کی جانچ پڑتال تشریح کو خودکار نہیں بناتی، لیکن وہ چھپی ہوئی مفروضات کو تلاش کرنا آسان بناتی ہیں۔
نتیجہ
پاور اسپیکٹرل ڈینسٹی پلاٹ دماغ کے لیے ایک ردھم اسکور کا کام کرتا ہے، اور اس کے پس منظر کی گراوٹ کی ڈھلوان وسیع پیمانے پر مختلف ذہنی حالتوں میں ایک حیرت انگیز طور پر یکساں نشان کے طور پر ابھرتی ہے۔
چاہے کوئی شخص بعض اینستھیٹکس کے تحت ہوش کھو بیٹھے، کسی بچے میں ADHD سے منسلک توجہ کی مشکلات ظاہر ہوں، یا دورہ شروع ہو، یہ مجموعی شکل متوقع طریقوں سے بدلتی ہے، ان حالات کو ایک مشترکہ پیمائش کے قابل نشان کے ذریعے جوڑتی ہے۔ یہ پیٹرن بتاتا ہے کہ دماغ کا پرسکون برقی پروفائل اس کی فعال حالت کے بارے میں بامعنی اور کثیر جہتی اشارے رکھتا ہے، نہ کہ صرف مخصوص فریکوئنسیوں پر الگ تھلگ چوٹیاں۔
اگرچہ PSD ریکارڈنگ ونڈو پر صرف ایک جامد اوسط دیتا ہے، لیکن اس کی یہ صلاحیت کہ وہ ہوش اور بے ہوشی کے ادوار میں قابل اعتماد طریقے سے فرق کر سکے یا الگورتھم کو اعلیٰ درستگی کے ساتھ دوروں کا پتہ لگانے کی اجازت دے، نیورو سائنس میں اس کی عملی اہمیت کو ثابت کرتی ہے۔ یہ باہمی تعلقات یہ ثابت نہیں کرتے کہ ان حالتوں کی وجہ کیا ہے، لیکن وہ ایک قابل رسائی، واحد نمبر کا خلاصہ فراہم کرتے ہیں—منحنی کا سلوپ—جو ہوش، توجہ کے اختلافات، یا دورے کے خطرے کا اندازہ لگانے میں مدد کر سکتا ہے۔
محققین اور طبی ماہرین کے لیے، یہ سادہ پیمائش دماغی حرکیات کا ایک طاقتور نقطہ آغاز فراہم کرتی ہے، جو تجریدی ردھم کو حقیقی دنیا کے اختلافات سے جوڑتی ہے۔
حوالہ جات
Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398
Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024
Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019
Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375
اکثر پوچھے گئے سوالات
EEG میں پاور اسپیکٹرل ڈینسٹی (PSD) کیا ہے؟
PSD ایک ایسا طریقہ ہے جو ہر فریکوئنسی پر EEG سگنلز کے اسکوائرڈ ایمپلی ٹیوڈ کا حساب لگاتا ہے اور ریکارڈنگ کی مدت کے دوران اس کی اوسط نکالتا ہے۔ حاصل ہونے والی منحنی یہ ظاہر کرتی ہے کہ کس طرح توانائی سست اور تیز دماغی ردھم میں تقسیم ہوتی ہے، جو پیچیدہ خام سگنل کو واضح کرتی ہے۔
ایک صحت مند اور پرسکون حالت کی PSD منحنی کیسی نظر آتی ہے؟
پاور کم فریکوئنسیوں پر سب سے زیادہ ہوتی ہے اور فریکوئنسی کے ساتھ مستقل طور پر گرتی ہے، جس سے 1/f جیسا پس منظر بنتا ہے۔ جب آنکھیں بند ہوتی ہیں تو عام طور پر سر کے پچھلے حصے پر 8-12 ہرٹز کے ارد گرد ایک نظر آنے والی الفا چوٹی نمودار ہوتی ہے اور آنکھیں کھلنے پر کم ہو جاتی ہے۔
غیر متواتر جزو متواتر چوٹیوں سے کیسے مختلف ہے؟
غیر متواتر، یا 1/f جیسا، جزو فریکوئنسی بڑھنے کے ساتھ پاور میں ہموار گراوٹ ہے، بغیر کسی الگ ابھار کے۔ متواتر چوٹیاں، جیسے الفا ردھم، مخصوص فریکوئنسیوں پر اس پس منظر سے اوپر اٹھتی ہیں اور دماغی کام کے بارے میں مختلف معلومات رکھتی ہیں۔
اینستھیزیا دماغ کے اسپیکٹرل سائنسی نشان کو کس طرح بدلتا ہے؟
زینون اور پروپوفول جیسے ایجنٹس، جو ہوش کے تجربے کے خاتمے کا باعث بنتے ہیں، 1-40 ہرٹز پر PSD منحنی کو مزید ڈھلوانی بنا دیتے ہیں۔ کیٹامائن، جو بے ہوشی کے باوجود ہوش کے تجربے کو برقرار رکھتی ہے، 20-40 ہرٹز کی رینج میں ہموار ہونے کے علاوہ بیداری کی طرح کی منحنی دکھاتی ہے۔
ADHD والے بچوں میں کون سے PSD اختلافات پائے جاتے ہیں؟
ADHD کے حامل بچے عام بچوں کے موازنے میں زیادہ الفا پاور، بڑے غیر متواتر آفسیٹس، اور زیادہ تیز اسپیکٹرل سلوپ دکھاتے ہیں۔ محرک ادویات کے علاج کے بعد، یہاں تک کہ وقفے کے بعد بھی، سلوپ اور آفسیٹ عام بچوں جیسے ہو سکتے ہیں۔
PSD مرگی کے دوروں کی حالتوں کی درجہ بندی کیسے کر سکتا ہے؟
ایک جامد PSD منحنی کو تصویر میں تبدیل کیا جا سکتا ہے اور مرگی کے درمیانی وقفے، دورے سے پہلے، اور خود دورے کی حالتوں میں فرق کرنے کے لیے ایک گہرے نیورل نیٹ ورک کو دیا جا سکتا ہے۔ اس طریقے نے کم از کم ایک مطالعے میں اعلیٰ درجہ بندی کی درستگی حاصل کی، جس سے یہ تصدیق ہوتی ہے کہ مجموعی اسپیکٹرل شکل کافی امتیازی معلومات رکھتی ہے۔
PSD کو جامد اسنیپ شاٹ کیوں سمجھا جاتا ہے؟
PSD ریکارڈنگ کے پورے دورانیے کو ایک منحنی میں سکیڑ دیتا ہے، سیکنڈ بہ سیکنڈ کی تبدیلیوں کی اوسط نکالتا ہے۔ یہ وقت کے ساتھ ساتھ مرکب میں ہونے والی تبدیلیوں کو ٹریک کرنے کے بجائے اس مخصوص ونڈو کے دوران مجموعی فریکوئنسی توازن کو ظاہر کرتا ہے۔
PSD کی تشریح کرتے وقت عام غلطیاں کیا ہیں؟
پٹھوں اور آنکھوں کا خلل سگنل کو خراب کر سکتا ہے اور منحنی کو بگاڑ سکتا ہے، خاص طور پر کنزیومر آلات میں۔ والیوم کنڈکشن اور حوالہ کا انتخاب بھی PSD کی شکل کو متاثر کرتے ہیں، اور مستحکم آلات کے باوجود، قدرتی ٹیسٹ-ری ٹیسٹ کا تغیر ظاہر کرتا ہے کہ چھوٹے اختلافات شاید معنی خیز نہ ہوں۔
PSD اور ایمپلی ٹیوڈ اسپیکٹرم میں کیا فرق ہے؟
PSD فی فریکوئنسی اسکوائرڈ ایمپلی ٹیوڈ کی نمائندگی کرتا ہے اور پاور کا حساب لگانے کے لیے موزوں ہے، جبکہ ایمپلی ٹیوڈ اسپیکٹرم فریکوئنسی جزو کی مقدار کی نمائندگی کرتا ہے اور مختلف اکائیاں استعمال کرتا ہے۔
کیا ایک بڑی PSD چوٹی ہمیشہ دماغی سرگرمی کی مضبوطی کی نشاندہی کرتی ہے؟
نہیں۔ ایک بڑی چوٹی جسمانی سرگرمی کے ساتھ ساتھ خلل، حوالہ کے اثرات، ریکارڈنگ کے حالات، یا تجزیہ کے پیرامیٹرز کی عکاسی بھی کر سکتی ہے۔
Emotiv ایک نیوروٹیکنالوجی لیڈر ہے جو قابلِ رسائی EEG اور دماغی ڈیٹا ٹولز کے ذریعے نیورو سائنس کی تحقیق کو آگے بڑھانے میں مدد کرتا ہے۔
کرسچن برکوس
