تحلیل سیگنالهای مغزی (الکتروانسفالوگرافی)

 

در هر پژوهشی پس از آنکه وابسته به هدف مورد بررسی سیگنالهای الکتروانسفالوگرام ثبت شدند، نیاز داریم که محتوای سیگنال را از جهت اطلاعاتی که در آن نهفته است بررسی کنیم. اطلاعات الکتروانسفالوگرام عمدتا در حوزه زمان و برآمده از افت و خیزهایی که به ظاهر تصادفی هستند نیست، بلکه باید در سیگنال مورد بررسی به دنبال ویژگی باشیم که به درستی نماینده تغییرات ایجاد شده در هر مرحله از آزمایش باشد. این ویژگی ها در سیگنال EEG در حالت استراحت معمولا شامل توان حوزه فرکانس (تبدیل فوریه)، کوهرنس (ارتباط دو به دوی سیگنال های کانال ها) در حوزه زمان یا فرکانس، مقادیر زمان-فرکانس (تبدیل ویولت، فوریه پنجره کوتاه) و البته تنوع بالایی از انواع الگوریتمهای یادگیری ماشین است. بسته به تعریفی که در آزمایش شامل ثبتهای EEG داریم گزینه مناسب برای راه حل پردازش سیگنال¬ها متفاوت خواهد بود. ویژگی¬هایی که برای خلاصه¬سازی سیگنال ERP (پتانسیل¬های وابسته به رخداد) استفاده می شود نیز شامل روش های متنوعی در حوزه زمان (میانگین¬گیری تک آزمایشها) و یافتن نقاط کمینه (min) و بیشینه (max) در زمان¬های معین است که به خصوص در میان جامعه روانشناسان و روانپزشکان محبوبیت و اعتبار زیادی دارد. در عین حال، سایر روش-هایی مانند الگوریتم های یادگیری ماشین نیز می توانند با هدف یافتن ویژگی هایی که به طور مناسب سیگنال را بازنمایی کنند مورد استفاده واقع گردند. پس از آنکه نوع ویژگی مناسب را برای بازنمایی سیگنال EEG یافتیم، معمولا مرحله بعد طبقه¬بندی است که با استفاده از طیف متنوعی از طبقه بندها به انجام می¬رسد. مرسوم ترین طبقه¬بندهایی که در این حوزه استفاده میشوند شامل روشهای SVM، KNN و LDA هستند و البته قابلیت گسترش به انواع روش های دیگر نیز دارند. 

 

1

 توپوگرافی های حاصل از سیگنالهای EEG در محیط نرم افزار EEGLAB

مهم¬ترین پروژه هایی که در حوزه علوم اعصاب و با استفاده از سیگنالهای الکتروانسفالوگرام تعریف می شوند شامل پروژه های جداسازی افراد بیمار از سالم است. این کار معمولا با استفاده از تسک های خاصی در حین سیگنال گیری ERP و سپس انتخاب ویژگیها و طبقه-بندهای مناسب برای جداکردن بایومارکر مد نظر انجام می گیرد. لازم به ذکر است که همچنین می¬توان از سیگنال¬های پیوسته EEG در حالت استراحت برای این جداسازی بهره برد. پس از آن، پروژه¬های دیگری که در آنها از سیگنال¬گیری استفاده می¬شود می¬توانند شامل یافتن همبسته¬های مغزی (یافته توسط سیگنال¬های مغزی) با ویژگی¬های برآمده از پرسشنامه¬های روانسنجی و رفتاری باشند. معمولا در این نوع مطالعات به دنبال آن هستیم که بایومارکر را به صورت غیر مستقیم به دست آوریم، بدین نحو که ابتدا همبسته¬های مرتبط با سیگنال¬های مغزی را می¬یابیم و سپس با استفاده از تحلیل همبستگی متقابل ارتباط آنها را با ابعاد گوناگون برآمده از پرسشنامه¬ها می-سنجیم. 

در انواع پروژه¬هایی که در این حوزه می¬توان تعریف کرد، انواع ویژگی¬های ریاضی و محاسباتی قابل بررسی هستند. این ویژگی¬ها می¬توانند در فضای سنسور (الکترودها) و یا فضای منابع (نقاط موجود روی مدل¬های شبکه مغزی) انجام گیرند که هر کدام البته مزایا و محدودیت¬های خاصی دارند. برای نمونه، در صورتی که آنالیز سیگنال ها را در فضای سنسور انجام دهیم ممکن است که در اثر وجود یک آرتیفکت مزاحم دو ناحیه به صورت اشتباهی با هم در ارتباط به دست آیند در صورتی که اگر منابع مغزی را به درستی و دقت محاسبه کنیم این مشکل وجود نخواهد داشت. در مقابل، در صورتی که از تحلیل منابع استفاده کنیم عملا ریسک توزیع غیر واقعی فعالیت را در میان منابع مغزی که در نظر گرفته ایم پذیرفته¬ایم. 

 

2

 محاسبه فعالیت منابع مغزی با استفاده از سیگنالهای EEG

یکی از مرسوم ترین ابزارهایی که در این مرکز برای تحلیل داده ها استفاده می گردد EEGLAB تحت نرم افزار MATLAB است که برای انجام مراحل پیش پردازش و همچنین بازنمایی ویژگی های نهایی به دست آمده در سیگنال¬های مغزی بیشترین استفاده را دارد. در عین حال، پلاگین های متنوعی که قابلیت اجرا همزمان با EEGLAB را دارند به پژوهشگران امکان اعمال بسیاری از روشها را بر روی داده-های ثبت¬شده فراهم می¬کنند. 

 

3

 تصویری از محیط EEGLAB به همراه امکانات نمایشی آن

 

خدمات پردازش سیگنال که در آتیه ارائه می شود:

مراحلی از قبیل پیش پردازش داده ها (شامل زدودن آرتیفکت¬های بیولوژیک و نویزهای غیربیولوژیک)، استخراج ویژگی هایی از قبیل توان، عدم تقارن، کوهرنس در فضای سنسور و همچنین منابع (عمدتا به کمک روش¬هایی مانند لورتا و سایر روش های مبتنی بر minimum-norm) بر روی داده های حالت استراحت و همچنین ERP قابل انجام است. قابلیت دیگری که مرکز ما به عنوان یک آزمایش پژوهشی ارائه می دهد استفاده از داده های ثبت شده در مرکز با در نظرگیری تفاهم نامه  بین گروههای پژوهشی و مدیران پژوهش آتیه است. بدین صورت که پس از انعقاد تفاهم نامه هایی مبتنی بر شفاف سازی انتظارات طرفین، پژوهشگران می توانند داخل مرکز بر روی دادگان خام بیماران و افراد سالم روش های پردازشی خود را اعمال کنند.