پیشگویی آموزش موفق نوروفیدبک با استفاده از سیگنال مغزی جلسات اولیه آموزش

مجله فناوری اطلاعات در طراحی مهندسی

مقاله 9، دوره 6، بهار و تابستان 1392 - شماره پیاپی 61، شهریور 1393، صفحه 14-24   

نوع مقاله: مقاله پژوهشی

چکیده

چکیده: نوروفیدبک در بالا بردن کارایی شناختی افراد سالم و نیـز درمـان بسـیاری از بیماریهـای شـناختی دارای اهمیت ویژهای است. در طی یک فرآیند نوروفیدبک، شخص یاد میگیرد که چگونـه سـیگنال مغـزی خـود را کنترل کند و این کار را از طریق یافتن یک روش مناسب جهت کنترل حالات فکری متناظر با الگوهای سیگنال مغزی خود انجام میدهد؛ اما برخی از افراد پس از شرکت در جلسات آموزش نوروفیـدبک قـادر بـه تغییـر سیگنال مغزی خـود نیسـتند . در ایـن تحقیـق بـه پیشـگویی آمـوزش موفـق نوروفیـدبک در جلسـات اولیـه نوروفیدبک پرداخته شده است. برای این منظور با استخراج ویژگی از سیگنال مغزی جلسات اولیه آمـوزش و طراحی یک طبقهبندی کنندة مناسب، افراد موفق از افراد ناموفق تفکیک شدهاند. در بهترین حالت با استفاده از شبکه عصبی چندلایه پرسپترون و دو ویژگی استخراج شده از سیگنال مغزی جلسه چهارم آمـوزش ، بـا صحت 94 %در دادههای آموزش و 5/82 %در دادههای آزمون افراد موفق از افراد ناموفق تفکیک شدهاند.

کلیدواژه‌ها

نوروفیدبک؛ پیشگویی؛ آموزش موفق

اصل مقاله

1 -مقدمه پاســخ هــای 1 نوروفیــدبک بــه معنــی بازخورانــد نورونی یا فعالیت الکتریکی مغز به خود شـخص، به منظور آموزش وی در کنترل فعالیت الکتریکی مغز است. در طی یک فرآیند نوروفید بک شخص یاد میگیرد که چگونه سیگنال های مغزی خود را کنترل کند و این کـار را از طریـق کنتـرل حـالات فکری متنـاظر بـا الگوهـای سـیگنال مغـزی خـود انجام میدهد [1 .[ فرآینــد آمــوزش نوروفیــدبک بــر اســاس اصــل 2 شـرطی سـازی کنشـ گر بنـا شـده ا سـت. نظریـۀ شرطیسازی کنشگر، کـه توسـط اسـک ینر مطـرح گردید، بر مبنای دو مفهوم تقویت و تقویت کننـده بنا شده است. تقویت به فرآیندی گفتـه مـ ی شـود که در طی آن با ارائه یک محرک خوشایند پس از رفتار مطلوب، افزایش رفتار مطلوب را ایجاد می- کند و منظور از تقویت کننده همان محرک مطلوب است. طبق اصل تقویـ ت کـه در ا یـ ن نـوع شـرط ی سازی وجـود دارد، زمـان ی کـه سـوژه در مقابـل انجـام یـک رفتـار مطلـوب پـاداش دریافـت کنـد، احتمال تکرار رفتـار مطلـوب در سـوژه ، افـزا یش مییابد. در فرآیند نوروفیدبک شرطی سـاز ی کنشگر زمانی است که سوژه برای یافتن وضعیت فکری مناسب، پاداش دریافت میکند. به این نحـو زمانی که تـوان ر یـ تم خاصـ ی از سـ یگنال مغـز ی سوژه به حد آستانه رسید، سـوژه در مقابـل آن ، فیدبک شنیداری یا دیداری که معمولاً شبیه به یک 1- Feedback 2- Operand Conditioning بازی است، دریافت میکند. بنابراین سوژه تـلاش میکند وضعیت فکری خود را طوری تنظیم کند تا محرک مطلوب (فیـ دبک دیـ داری یـ ا شـن یداری) را بیشتر دریافت کند و این کار باعث افزایش رفتـار مطلوب (قـرار گـرفتن سـوژه در وضـع یت فکـر ی مطلوب) و افزایش احتمال رخداد آن ریـ تم خـاص میشود [1 .[ طبــق تحقیقــات مختلــف معلــوم شــده اســت نوروفیدبک قادر است در درمان بیماری هـایی از 3 قبیــل بــیش فعــالی [2 ،[صــرع [3 ،[اوتیســم 4 ،[4] اضطراب [5 ،[اختلالات خواب [6 [و افسـردگی [7[ نقــش بســزایی داشــته باشــد. عــلاوه بــر ایــن، نوروفیدبک در بهبود کارایی شناختی [8 ،[حافظـه [10,9 ،[توجه [11 [و روحیه [12 [افراد سالم تأثیر مثبــت داشــته اســت. همچنــین بــا اســتفاده از نوروفیـدبک مـیتـوان توانمنـدی هـای ورزشـی [14,13 [و هنری [16,15 [را افزایش داد. از طرفی تحقیقات قبلی نشان داده اند، برای اینکـه افراد در طی جلسات آموزش نوروفیدبک قادر بـه یافتن وضعیت فکری مطلوب و تغییر تـوان ریـتم مورد نظر باشند، جلسات زیـادی لازم اسـت . بـه عنوان مثال در مرجع [17 [برای آموزش سوژهها از 40 جلسه آمـوزش نوروفیـدبک اسـتفاده شـده است. همچنـین در تحقیقـ ات دیگـر [19,18 [از 35 جلسه آموزش نوروفیدبک برای آمـوزش سـوژه ها استفاده شده است؛ البته در برخی تحقیقـات از تعداد جلسات کمتری برای آموزش افراد استفاده 3- Attention Deficit Hyperactivity Disorder (ADHD) 4- Autism پیشگویی آموزش موفق نوروفیدبک با استفاده از سیگنال مغزی جلسات اولیه آموزش 15 از [11 ,12 شده است. به عنـوان مثـال در مرجـع [ 10 جلسه نوروفیـدبک بـرای آمـوزش سـوژه هـا جلسـۀ 8 ، [10 استفاده شـده اسـت یـا در مرجـع [ آموزش نوروفیدبک بـرای سـوژه هـا اجـرا شـده نکتــۀ قابــل توجــه دیگــر در نوروفیــدبک، اســت. توانایی افراد برای تغییر فعالیـت مغـزی در طـول جلسات آموزش نورو فیدبک است. در تحقیقات قبلی مشخص شده است که همه افراد قادر به تغییر فعالیت مغزی خود در طول جلسات نوروفیدبک نیستند. به عنـوان مثـال نشـان داده شـده اسـت کـه تنهـا [20 در مرجـع [ حدود 50 %از بچه های دارای اختلال بیش فعـالی نوروفیدبک هستند. به طور مشـابه در مرجـع [8 [قادر به تغییر توان ریـتم مغـزی خـود در فرآینـد نشـان داده شـده اسـت کـه تنهـا 50 %از شـرکت کنندگان در طی فرآیند آموزش نوروفیدبک، موفق بودهاند. پیشگویی موفقیت افـراد در آمـوزش نوروفیـدبک میتوانـد باعـث صـرفه جـویی در وقـت و هزینـه بیمــاران و افــراد شــرکت کننــده در آزمــایش نوروفیدبک شود. متأسفانه تاکنون در این زمینـه نجام نشده است؛ بنابراین در تحقیق قابل توجهی ا این تحقیق سعی شده است با استفاده از سـیگنال مغـزی جلسـات اولیـه آمـوزش نوروفیـدبک، بـه پیشگویی موفقیت یا عدم موفقیت افراد در جلسات آموزش نوروفیدبک پرداخته شود. از طرفـــی بـــ ا توجـــه بـــه اینکـــه آمـــوزش SMR نوروفیدبک 1 ، کاربردهـای زیـادی (12 -15Hz ) 1. Sensory Motor Rhythm ، بهبـود توجـه [ 2 در درمان بیماری بـیش فعـالی [ در افـراد سـالم داشـته [10 و تقویت حافظه [ [11 ] است، در این تحقیق به پیشگویی آمـوزش موفـق نوروفیدبک در تقویت توان SMR افـراد سـالم بـر اسـاس سـیگنال مغــزی جلسـات اولیـه آمــوزش پرداخته شده است. روش کار - 2 در این تحقیق ابتدا به اجرای آموزش نوروفیدبک جهت تقویت تـوان SMR در افـراد سـالم پرداختـه شده است. سپس با بررسی تغییرات طیـف تـوان SMR در طول جلسات نوروفیدبک، افراد موفـق از افـراد نــاموفق شناسـایی و تفکیــک شـده انــد. در مرحلـۀ بعـد بـا تعریـف ویژگـیهـای مختلـف از سیگنال مغزی جلسات اولیـه آمـوزش و طراحـی یک طبقهبندی کنندة مناسب به تفکیک افراد موفـق از افراد ناموفق پرداخته شده است. در ادامۀ ایـن بخش به توضیح جزئیات آن پرداخته شده است. شرکت کنندگان آزمایش - 1 - 2 نفــر زن) از دانشــجویان 9 در مجمــوع 19 نفــر ( کارشناســـی مهندســـی پزشـــکی دانشـــگاه آزاد میانگین اسلامی در این آزمایش شرکت کرده اند. بوده است. 22 سال /05 ± 0 سنی آن ها 62/ افــراد داوطلــب شــرکت کننــده در ایــن از کلیــۀ آزمایش خواسته شده است پرسشنامۀ ثبـت نـام در آزمــایش را پــر کننــد . در ایــن پرسشــنامه مشخصات فردی و سابقه ابتلا بـه بیمـاری هـای اعصاب و روان سؤال شده است. آموزش نوروفیدبک - 2 - 2 ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 16 کلیـۀ افـراد شـرکت کننـده بـه مـدت 8 جلسـه بـه صورت 2 جلسـه در هفتـه ، در جلسـات آمـوزش نوروفیدبک جهت تقویت توان SMR شرکت کرده- اند. قبل از شروع جلسـه آمـوزش نوروفیـدبک از هر فرد یک پرسشنامه در مورد وضعیت خـواب، میزان میل به غذا، روحیه فرد، وضعیت حافظـه و احتمال مصرف داروهای اعصاب و روان پر شده است. در ایــن تحقیــق بــرای تقویــت تــوان SMR از دو پروتکل متفاوت نوروفیدبک اسـتفاده شـده اسـت . هدف از انجام این کار، بررسی اثـر پروتکـل هـای مختلف نوروفیـدبک در میـزان موفقیـت شـرکت - کنندگان بوده است. در پروتکـل اول کـه بـر روی 10 نفر (5 زن) از شرکت کنندگان اجرا شده است، هـر فــرد در سـه مرحلــه 5 دقیقـه ای در فرآینــد آموزش نوروفیدبک شرکت داشته اسـت؛ بـ ه ایـن صورت که در هر مرحله یک بازی بـرای شـخص پخش میشود و شخص باید تلاش کند توان بانـد SMR سیگنال مغزی خود را بالاتر از حـد آسـتانه نگه دارد تا از این طریق بتوانـد مراحـل بـازی را کامل کند. بازی های انتخاب شده در این آزمایش شامل مسابقۀ قایقرانی، پـازل و تصـاویر منظـره بوده است. در مسابقه قایقرانی شخص باید تلاش کند توان SMR را بالاتر از حد آستانه نگه دارد تـا قایق وی به سمت جلو حرکت کند و از قـایق هـای دیگر جلو بزند. همچنین در بازی پازل و تصاویر منظره در صورتی که شخص بتواند توان SMR را از حد آستانه بالاتر ببرد، قطعات پازل کامل شـده و یا تصاویر منظـره عـوض مـی شـوند . بـین هـر مرحلـه 5 دقیقـهای آمـوزش، حـدود 2 دقیقـه بـه شخص استراحت داده شده است. در پروتکل دوم نوروفیدبک که بر روی 9 نفـر (4 زن) از شرکتکنندگان اجرا شده است، هر فرد در دو مرحلـــه 5/7 دقیقـــهای در فرآینـــد آمـــوزش نوروفیدبک شرکت داشته است. به این صورت که در هر مرحله فیلم مستند برای شخص پخش می- شود و شخص باید تلاش کند توان SMR را بالاتر از حد آستانه نگه دارد، تا از این طریق بتواند فیلم را با صفحۀ بزرگتر و با صدای بلندتر تماشا کند؛ در صورتی که شخص نتوانـد ایـن کـار را انجـام دهد، فـیلم بـه صـورت کوچـک و صـدای آهسـته پخش میشود. در اینجا نیز بـین هـر مرحلـه 5/7 دقیقــهای آمــوزش، حــدود 2 دقیقــه بــه شــخص استراحت داده شده است. حد آستانه در هـر دو پروتکـل ایـن آزمـایش بـر اساس درصد زمانی که شخص بتواند توان SMR را بالاتر از حد آستانه نگه دارد، تنظیم شده است. به این صورت که توسط نرم افزار دستگاه، مـدت زمانی کـه شـخص بتوانـد تـوان SMR را در یـک پنجره 30 ثانیه ای بالاتر از حد آستانه نگـه دارد، محاسبه شده و به صـورت درصـد زمـان نشـان داده میشود. سپس پنجره لغزان حرکـت کـرده و در زمـان هـای بعـدی بـه صـورت پیوسـته ایـن درصد زمان را محاسبه و نشان میدهـد . در ایـن تحقیق سعی شده است این درصد برای هـر فـرد روی 60 %تنظیم شود و در صورت زیادتر شـدن این درصد همزمان با یادگیری سوژه، حد آستانه را بالاتر برده تا همواره این درصد حفظ شود. پیشگویی آموزش موفق نوروفیدبک با استفاده از سیگنال مغزی جلسات اولیه آموزش 17 اخذ داده - 3 - 2 برای ثبت سیگنال مغـز ی و آمـوزش نوروفیـدبک در این تحقیق از دستگاه بایوفیدبک 10 کاناله مدل Thought Technology شــرکت ســاخت Flexcomp کانادا و نرم افزار بایوگراف اسـتفاده شـده اسـت . [21 ] بر روی پوست C کلیۀ سیگنال ها از کانال Fz یا z 20 ثبـت سر و بـر اسـاس اسـتاندارد جهـانی 10/ شــده انــد. چــون در ایــن تحقیــق از دو پروتکــل متفاوت برای آموزش نوروفیدبک اسـتفاده شـده و [ 9 بنابراین در پروتکـل اول از کانـال Fz] است، بــرای ثبــت [10 در پروتکــل دوم از کانــال Cz] الکترود مرجـع سیگنال مغزی استفاده شده است. بـه 1 k از طریق اتصال دو مقاومت Ω به گوش ها ( گوش ها و اتصال وسط دو مقاومـت بـه الکتـر ود مرجع) و الکترود زمین در ناحیۀ جلوی سر وصل پوست کمتر شده است. همچنین امپدانس الکترود- 10 در نظر گرفته شده است. سیگنال پـس از k از Ω تقویت توسـط دسـتگاه بـا اسـتفاده از یـک فیلتـر پـایینگــذر بـا فرکــانس قطـع 64Hz و یــک فیلتــر بالاگذر با فرکانس قطـع 5Hz.0 فیلتـر شـده اسـت . همچنین نویز برق شهر توسط یک فیلتر دیجیتـال میان نگذر 50Hz حذف شده است. سـپس سـیگنال با فرکانس 256 هرتز نمونهبرداری شده و توسط یک D/A با رزولوشـن 14 بیـت، دیجیتـال و وارد کامپیوتر میشود. تحلیل داده ها - 4 - 2 نوروفیدبک، سیگنالها به شـکل اسـتاندارد نـرم - پس از ثبت سیگنال مغزی افراد در طول جلسـات افزار Matlab تبدیل شدهاند. سپس بخـش هـایی از سیگنال که در اثـر آرتیفکـت هـای ناشـی از پلـک یا آرتیفکت های حرکتی دامنۀ آن ها از 40 زدن و در آنالیزهای بعدی میکرو ولت تجاوز کرده است، ین صورت که ا به ند؛ ا از سیگنال مغزی حذف شده پس از شناسایی آرتیفکت، کل قلـه یـا دره شـامل از کـل سـیگنال حـذف آرتیفکت شناسایی شده و شده است. در مرحلۀ بعد برای تخمین طیف توان از روش تخمــین Welch بــا پنجــره ســیگنال، بـا همپوشـانی ثانیـه و لغزان Hanning به طـول 2 . [22 50 %استفاده شده است [ همچنین به منظور نرمـال سـازی طیـف تـوان، از اسـتفاده شـده طیف توان نسبی بر اساس رابطۀ1 است.   ( ) ( ) P f P f Pr(f) ( 1 ) (f(Pr طیـف تـوان نسـبی، (f(P طیـف ، در رابطـۀ 1 مجموع طیف تـوان مطلـق  P ( f ) توان مطلق و در محدوده فرکانسی 5Hz.0 تا 64Hz است. برچسبگذاری دادهها - 5 - 2 در ایــن تحقیــق بــرای تفکیــک دادههــا از روش پرست باسر 1 بنـابراین قبـل از استفاده شده است. اعمال دادههای آموزش به طبقهبندی کننده، هریک د موفق یا افـراد فرا از آن ها به صورت دادههای ا ناموفق برچسب گذاری شده است. بر اساس اینکه در تحقیقات قبلی بـرای شناسـایی افراد موفق، توانایی آن ها برای افزایش یا کـاهش توان ریتم خاص سیگنال مغزی در طول جلسـات 1 - Supervised ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 18 آموزش نوروفیدبک مـورد ارزیـابی قـرار گرفتـه است [23,20 ،[در این تحقیق به منظور برچسـب - گذاری افراد موفق و تفکیک آن ها از افراد ناموفق از دو معیار به شرح ذیل استفاده شده است: معیار اول: طیف توان نسبی SMR در جلسۀ آخر نسبت به جلسۀ اول افزایش داشته باشد. معیار دوم: شیب خط برازش شده بر طیف توان نسبی SMR در طول 8 جلسه نوروفیدبک، مثبت بوده و از حدآستانه تعیین شده (در اینجا 0001/0 ( بیشتر باشد. لازم به ذکـر اسـت در صـورتی کـه طیـف تـوان نسبی SMR هر فرد در طول 8 جلسه هر دو معیار فوق را با هم داشته باشد، فرد به عنـوان شـخص موفق و در غیر ایـن صـورت بـه عنـوان شـخص نـاموفق برچسـب گـذاری مـی شـ ود. در شـکل (1( نمونه ای از تغییرات طیـف تـوان نسـبی SMR در طول 8 جلسه آموزش نوروفیدبک برای یـک فـرد موفق (شکل چپ) و یک فرد ناموفق (شکل راست) نشان داده شده است. همان طور که در این شـکل مشاهده میشود، در شکل سمت چپ طیـف تـوان نسبی SMR در جلسۀ آخر نسـبت بـه جلسـۀ اول افـزایش داشـته اسـت (معیـار اول) و شـیب خـط برازش شـده بـر طیـف تـوان SMR در 8 جلسـه نوروفیدبک، کاملاً مثبت و از حد آسـتانه تعریـف شده بالاتر بوده است (معیار دوم)؛ امـا در شـکل سمت راست، طیف توان نسبی SMR بـه صـورت زیگزاگـی تغییـر کـرده اسـت و هـیچ کـدام از دو معیار تعریف شده برای این شکل صادق نیسـت . بنابراین شکل سمت راست مربوط به یک شخص موفق و شکل سمت چپ مربوط بـه یـک شـخص ناموفق بوده است. 2-6 -استخراج ویژگی بـه منظـور اسـتخراج ویژگـی از سـیگنال مغـزی جلسات اولیه آموزش، در مجمـوع 19 ویژگـی از سیگنال مغـزی جلسـات اول تـا چهـارم آمـوزش نوروفیدبک استخراج شده است. این ویژگیهـا بـه شرح ذیل هستند: 1 -تفاضل طیف توان نسـبی SMR جلسـۀ دوم از جلسه اول، 2 -تفاضل طیف توان نسبی SMR جلسۀ سـوم از جلسه اول، 3 -تفاضل طیف توان نسبی SMR جلسـۀ چهـارم از جلسۀ اول، 4 -تفاضل طیف توان نسبی SMR جلسۀ سـوم از جلسه دوم، 5 -تفاضل طیف توان نسبی SMR جلسـۀ چهـارم از جلسۀ دوم، 6 -تفاضل طیف توان نسبی SMR جلسـۀ چهـارم از جلسۀ سوم، 7 -تفاضل طیـف تـوان نسـبی SMR مرحلـۀ آخـر آموزش از مرحلۀ اول آموزش در جلسۀ اول، 8 -تفاضل طیـف تـوان نسـبی SMR مرحلـۀ آخـر آموزش از مرحلۀ اول آموزش در جلسۀ دوم، 9 -تفاضل طیف تـوان نسـبی SMR مرحلـ ه، آخـر آموزش از مرحلۀ اول آموزش در جلسۀ سوم، 10 -تفاضل طیف توان نسـبی SMR مرحلـۀ آخـر آموزش از مرحلۀ اول آموزش در جلسۀ چهارم، پیشگویی آموزش موفق نوروفیدبک با استفاده از سیگنال مغزی جلسات اولیه آموزش 19 تفاضل طیف توان نسبی SMR یک دقیقه آخر -11 آموزش از یک دقیقۀ اول آموزش در جلسۀ اول، تفاضل طیف توان نسبی SMR یک دقیقه آخر -12 آموزش از یک دقیقه اول آموزش در جلسۀ دوم، تفاضل طیف توان نسبی SMR یک دقیقه آخر -13 آموزش از یک دقیقۀ اول آموزش در جلسۀ سوم، تفاضل طیف توان نسبی SMR یک دقیقۀ آخر -14 آمــوزش از یــک دقیقــۀ اول آمــوزش در جلســۀ چهارم، شیب خط تغییرات طیف توان نسبی SMR در -15 جلسۀ اول آموزش، شیب خط تغییرات طیف توان نسبی SMR در -16 جلسۀ دوم آموزش، شیب خط تغییرات طیف توان نسبی SMR در -17 جلسۀ سوم آموزش، شیب خط تغییرات طیف توان نسبی SMR در -18 جلسۀ چهارم آموزش، شیب خط تغییرات طیـف تـوان نسـبی SMR -19 اول تا جلسۀ چهارم آموزش، بین جلسۀ طیـف تـوان تـا 6 برای محاسـبۀ ویژگـی هـای 1 در 4-2 برای سیگنال مغـزی هـر سـه مرحلـه 5 نسبی SMR با اسـتفاده از روش شـرح داده شـده در پروتکـل اول ) یـا هـر دو مرحلـه 5.7 دقیقهای ( در پروتکل دوم) در هر جلسـه محاسـبه دقیقهای ( شده و پس از میانگینگیری آنها، اختلاف بین هر و جلسه به دست آمده است. د تـا 10 ،تنهـا کـافی برای محاسبه ویژگـی هـای 7 ست طیف توان نسبی SMR برای سیگنال مغـزی ا دقیقهای) اول و آخـر هـر 7 / 5 دقیقه ای ( مرحلۀ 5 جلسه محاسبه شده و از هم کم شود. برای محاسبۀ ویژگی های 11 تا 14 ،در هر جلسه اختلاف طیف توان نسبی SMR بین یک دقیقـه اول در پروتکل دقیقهای ( و یک دقیقه آخر هر مرحلۀ 5 در پروتکـل دوم ) دقیقهای ( 7 / اول) یا هر مرحلۀ 5 محاسبه شده و سپس میانگینگیری میشود. همچنین برای محاسبۀ ویژگی های 15 تـا 18 ،در دقیقـه ای هر جلسه سـیگنال مغـزی هـر مرحلـه 5 دقیقه ای) به پنج قسمت مساوی تقسیم شده 7 / 5 ) و طیف توان نسبی SMR برای هر قسمت محاسبه شـده اسـت. سـپس بـا اسـتفاده از روش حـداقل مربعات خطا، 1 خط برازش شده بر این پـنج نقطـه دقیقهای (در پروتکل اول) یا دو مرحله 5/7 دقیقه- شیبهای به دست آمده بـرای هـر سـه مرحلـۀ 5 محاسبه شده و شیب آن به دست میآیـد . سـپس در پروتکل دوم) در هر جلسه میـانگین گیـری ای ( شده است. برای محاسبه ویژگی 19 ،میانگین طیف در نهایت، تــوان نســبی SMR ،در جلســات اول تــا چهــارم محاسبه شده و سپس شیب خط برازش شده بـر نقطه به دست آمده است. این 4 1 - Mean Square Error ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 20 شکل (1 :(تغییرات طیف توان نسبی SMR در 8 جلسۀ آموزش نوروفیدبک برای یک فرد موفق (شکل چپ) و یک فرد ناموفق (شکل راست). خط پیوسته بیانگر تغییرات طیف توان نسبی SMR و خط فاصله بیانگر خط برازش شده بر تغییرات طیف توان نسبی SMR در جلسات آموزش نوروفیدبک است. 2-7 -طراحی طبقهبندی کننده پس از استخراج ویژگی از سیگنال مغزی جلسات اول تا چهارم آموزش، به دسته بندی آن ها به دو گروه افراد موفق و ناموفق پرداخته شده است. به این منظور در مرحله اول از یک طبقهبنـدی کننـده 1 خطی و روش اعتبار سنجی LOO اسـتفاده شـده است. بر اساس این روش در هر مرحلۀ دادة یـک نفر به عنوان داده آزمون نگـه داشـته شـده و بـا الباقی داده هـا طبقـه بنـدی کننـدة خطـی آمـوزش 1- Leave One Out میبیند و سپس با داده آزمون طبقـه بنـدی کننـده ارزیابی میشود. این کار برای تمام دادهها انجام شده و سپس درصـد صـحت بـرای تفکیـک تمـام دادههای آزمون گزارش میشود. همچنـین بـا توجـه بـه تعـداد زیـاد ویژگـ ی هـای اســتخراج شــده، بــرای انتخــاب بهتــرین ترکیــب ویژگی که بیشترین میزان تفکیک را داشته باشـد تمام ترکیب های مختلف 19 ویژگی با استفاده از یک طبقهبندی کننـدة خطـی مـورد ارزیـابی قـرار گرفته است. البته با توجه به تعداد کم سوژهها 19 2 نفــر و بــه دلیــل خطــر یــادگیری بــیش از حــد طبقــهبنــدی کننــدة خطــی، در ایــن تحقیــق فقــط ترکیبهـای مختلـف یـک، دو، سـه ، چهـار و پـنج ویژگی بررسی شده است. سـپس بـا اسـتفاده از نرم افزار Matlab درصد تفکیک طبقـه بنـدی کننـدة خطی برای ترکیب های مختلف ویژگی اسـتخراج و بهترین ترکیب ویژگی که بالاترین درصد تفکیک را داشته باشد به دست آمده است. در مرحلۀ بعد ویژگیهای استخراج شده از جلسـۀ چهارم نوروفیدبک کنار گذاشـته شـده و فقـط بـا ویژگــیهــای جلســات اول تــا ســوم بــه انتخــاب ویژگیهای بهینه و دسـته بنـدی داده هـا پرداختـه شده اسـت . هـدف از انجـام ایـن کـار ، پیشـگویی آمــوزش موفــق بــا اســتفاده از ســیگنال مغــزی نزدیکتر به جلسۀ اول آموزش بوده است. در انتها نیز به منظور بالاتر بردن صحت تفکیـک، بـه جـای طبقـه بنـدی کننـده خطـی، از یـک شـبکه 2- Overfitting پیشگویی آموزش موفق نوروفیدبک با استفاده از سیگنال مغزی جلسات اولیه آموزش 21 عصبی پرسپترون دو لایـه اسـتفاده شـده اسـت . ساختار شبکه عصبی استفاده شـده در اینجـا بـه یک نورون در صورت دو نورون در لایه مخفی و لایه خروجی بوده است. همچنین توابع نورون ها بـرای آمـوزش شـبکه tansig استفاده شده اسـت . عصبی از روش پـس انتشـار خطـا 1 بـا الگـوریتم mode batch استفاده شـده اسـت . تعـداد اپـوک هـا میزان خطـا بـرای توقـف آمـوزش برابر 1000 و همچنـین بـه در نظر گرفته شده اسـت . 0 / برابر 1 دلیل تکرار ناپذیر بودن نتـایج شـبکه عصـبی بـه خاطر مقدار دهی اتفاقی به وزنها پس از هر بـار اجرای آن، در اینجا شـبکۀ عصـبی 10 بـار اجـرا شده و بین نتایج به دست آمده میانگینگیری شده است. در هر بار اجرای شبکه عصـبی از مجمـوع داده های 19 نفر، 15 نفر بـه صـورت اتفـاقی بـه نفر به عنوان داده آزمون عنوان داده آموزش و 4 انتخاب شده است. نتایج - 3 با توجه به معیارهای شـرح داده شـده در بخـش برای تفکیک افراد موفـق، از مجمـوع 19 نفـر 5 - 2 زن) شـــرکتکننـــده در جلســـات آمـــوزش 9 ) زن) توانستهانـد بـه طـور 6 نوروفیدبک، 11 نفر ( موفقیتآمیز طیف تـوان نسـبی SMR را در طـول نفــر از آن هـا بــا جلسـات افـزایش دهنــد کـه 7 بازی قایق، پازل و تصاویر منظـره ) پروتکل اول ( نمـایش فـیلم مســتند) نفـر بـا پروتکـل دوم ( و 4 آموزش دیدهاند. بنابراین درصد موفقیت پروتکـل 1 - Back propagation اول در آمــوزش نوروفیــدبک 70 %و در پروتکــل دوم 44 %به دست آمده است. در مرحلـۀ بعـد بـه بررسـی ترکیبـات مختلـف از بــه 6 - ویژگیهــای شــرح داده شــده در بخــش 2 منظـور رسـیدن بـه بـالاترین درصـد تفکیـک بـا روش LOO استفاده از طبقهبنـدی کننـدة خطـی و طبق نتایج به دسـت آمـده در پرداخته شده است. بهترین حالـت بـا اسـتفاده از دو ویژگـی تفاضـل طیف توان نسبی SMR یک دقیقه آخر آمـوزش از ویژگـی یک دقیقۀ اول آموزش در جلسۀ چهـارم ( 14 (و شیب خط تغییرات طیف توان نسـبی SMR ، با صـحت ویژگی 18( در جلسه چهارم آموزش ( 78 %در دادههای / 9 89 %در دادههای آموزش و / 5 آزمــون، افــراد موفــق از افــراد نــاموفق تفکیــک شدهاند. در مرحلۀ بعد با هدف رسیدن به بهتـرین درصـد سیگنال مغـزی نزدیکتـر بـه جلسـۀ اول تفکیک با آمـوزش، ویژگـی هـای جلسـۀ چهـارم از مجمـوع دوبـاره ترکیبـ ات مختلـف ویژگیها حذف شده و ویژگیها برای رسیدن به بالاترین درصد تفکیـک با طبقه بنـدی کننـده خطـی مـورد ارزیـابی قـرار گرفته است. بر اسـاس نتـایج بـه دسـت آمـده بـا استفاده از سه ویژگی تفاضل طیـف تـوان نسـبی SMR یک دقیقـه آخـر آمـوزش از یـک دقیقـه اول شـیب خـط و ویژگی 12( آموزش در جلسه دوم ( تغییرات طیف توان نسـبی SMR در جلسـۀ اول و با صـحت ویژگی 15 و 17( جلسۀ سوم آموزش ( 73 %در دادههای / 7 94 %در دادههای آموزش و / 7 ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 22 آزمــون، افــراد موفــق از افــراد نــاموفق تفکیــ ک شدهاند. در نهایت به منظور بالاتر بردن صحت تفکیک بـا استفاده از شبکۀ عصبی به تفکیک دادهها پرداخته شده است. طبق نتایج به دسـت آمـده پـس از 10 بار اجـرای شـبکه عصـبی ، بـه طـور میـانگین بـا اسـتفاده از ویژگــیهـای منتخــب جلسـۀ چهــارم (ویژگی های14 و 18 ،(با صحت 94 %در دادههای آموزش و 5/82 %در دادههای آزمون افراد موفق از افراد ناموفق تفکیک شدهاند. همچنین با استفاده از ویژگیهای منتخب جلسه اول تـا جلسـه سـوم نوروفیدبک (ویژگی هـای 12 ،15 و 17 (بـه طـور میانگین، با صحت 67/90 %در دادههـای آمـوزش و 75 %در دادههای آزمون، افـراد موفـق از افـراد ناموفق تفکیک شدهاند. 4 -بحث و نتیجه گیری همان طور که در بخش نتایج اشاره شده است، از مجمـــوع 19 نفـــر شـــرکت کننـــده در جلســـات نوروفیدبک، تنها 11 نفر (58 %از افـراد ) قـادر بـه افزایش طیف توان نسـبی SMR در طـول جلسـات آموزش بودهاند، که 7 نفر از آنهـا (70 %از افـراد شرکت کننده در پروتکل اول) با استفاده از بـازی قایق و پازل و تصاویر منظره متغیـر و 4 نفـر از آنها (حدود 44 %از افراد شرکت کننده در پروتکل دوم) بـا اسـتفاده از روش بـزرگ کـردن صـفحه نمایش فیلم مستند، آموزش دیدهاند. پروتکـل اول درصد موفقیت بیشـت ری نسـبت بـه پروتکـل دوم داشته است؛ بنابراین می توان نتیجـه گرفـت نـوع فیـدبک دریـافتی مـی توانـد یـک عامـل مـؤثر در موفقیـت فـرد بـرای تقویـت تـوان SMR در طـول جلسات نوروفیدبک باشد. بـا توجـه بـه اینکـه در تحقیقات قبلی فعالیت SMR مرتبط با حالت تمرکـز بدون حرکت و اضطراب، شناخته شده اسـت [1،[ بنابراین انجام بازیهای قایق و پـازل و تصـاویر منظرة متغیـر بـه نوبـۀ خـود مـی توانـد بـه طـور مؤثرتری نسـبت بـه روش بـزرگ کـردن صـفحه نمایش یک فیلم مسـتند ، تمرکـز افـراد را در حـین اجرای نوروفیـدبک SMR افـزایش دهـد و احتمـال موفقیـــت افـــراد را در طـــی فرآینـــد آمـــوزش نوروفیدبک بالاتر ببرد. علاوه بر این در ایـن تحقیـق بـا هـدف پیشـگویی آمــوزش موفــق بــا اســتفاده از ســیگنال مغــزی جلسات اولیه نوروفیدبک به تفکیک افراد موفق از افراد ناموفق پرداخته شده اسـت . طبـق نتـایج بـه دست آمده در بهترین حالت با اسـتفاده از شـبکۀ عصبی پرسپترون و سیگنال مغزی جلسۀ چهارم آموزش بـا صـحت 94 %در دادههـای آمـوزش و 5/82 %در دادههای آزمون، افراد موفـق از افـراد ناموفق تفکیک شدهاند. بنابراین بـر اسـاس روش ارائه شده در این تحقیق می توان با صـحت قابـل قبولی در جلسات اولیه نوروفیدبک افـراد نـاموفق را شناســایی کــرده و آن هــا را از شــرکت در جلسات بعدی نوروفیدبک منع کرد و از این طریق در وقت و هزینه صرفه جویی کرد. همچنین ممکن اســت از طریــق صــحبت کــردن بــا شــخص و راهنمایی وی و یا حتی تغییر نوع فیدبک، احتمـال پیشگویی آموزش موفق نوروفیدبک با استفاده از سیگنال مغزی جلسات اولیه آموزش 23 موفقیــت فــرد را در جلســات بعــدی نوروفیــدبک افزایش داد. از طرفی با توجه به ویژگیهای برتر انتخاب شده برای تفکیک افراد موفق از افـراد نـاموفق در ایـن تحقیق، مشخص میشود که اشخاص موفـق پـس سه تا چهار از شرکت در چند جلسه نوروفیدبک ( قادر خواهند بود طیف توان نسبی SMR را جلسه) در حین جلسه تغییر دهند و به همین دلیل از افراد ناموفق قابل تفکیک هستند.

مراجع

1 . Thompson M, Thompson L, “Part one: What neurofeedback is and the science behind it. The neurofeedback book: An Introduction to Basic Concepts in Applied Psychophysiology: The Association for Applied Psychophysiology and Biofeedback ”, 2003. pp. 1 -51 . 2. Vernon D, Frick A, Gruzelier JH, “Neurofeedback as a treatment for ADHD: a methodological review with implications for future research ”. J Neurother, 8:53 –82, 2004 . 3. Monderer RS, Harrison DM, Haut SR, “Review: Neurofeedback and epilepsy ”. Epilepsy behav, 3:214 -218, 2002 . 4 . Coben R, Linden M, Myers TE, “Neurofeedback for autistic spectrum disorder: a review of the literature ”. Appl Psychophys Biof, 35:83 –105, 2010 . 5. Hammond DC, “Neurofeedback with anxiety and affective disorders ”. Child Adolesc Psychiatr Clin N Am, 14:105 -123, 2005 . 6. Berner I, Schabus M, Wienerroither T, Klimesch W, “The significance of sigma neurofeedback training on sleep spindles and aspects of declarative memory ”. Appl Psychophysiol Biofeedback, 31:97 -114, 2006 . 7 . Hammond DC, Baehr E, “Neurofeedback for the treatment of depression: Current status of theoretical issues and clinical research. In: Budzynski T, Budzynski H, Evans J, Abarbanel A (eds). Introduction to Quantitative EEG and Neurofeedback, Second Edition: Advanced Theory and Applications Academic press ”, 2009. pp. 295 -313 . 8. Hanslmayr S, Sauseng P, Doppelmayr M, “Increasing individual upper alpha power by neurofeedback improves cognitive performance in human subjects ”. Appl Psychophys Biof, 1:10 - 30, 2005 . 9. Keizer AW, Verment RS, Hommel B, “Enhancing cognitive control through neurofeedback: A role of gamma -band activity in managing episodic retrieval ”. NeuroImage, 49:3404 -3413, 2010 . 10. Vernon D, Egner T, Cooper N, Compton T, Neilands C, Sheri A , et al., “The effect of training distinct neurofeedback protocols on aspects of cognitive performance ”. Int J Psychophysiol, 47:75 – 85, 2003 . 11. Egner T, Gruzelier JH, “EEG biofeedback of low beta band components: frequency -specific effects on variables of attention and event -related brain potentials ”. Clin Neurophysiol, 115:131 –139, 2004 . 12. Raymond J, Varney C, Parkinson LA, Gruzelier JH, “The effects of alpha/theta neurofeedback on personality and mood ”. Cog Brain Res, 23:287 - 292, 2005 . 13. Arns M, Kleinnijenhuis M, Fallahpour K, Breteler R, “Golf performance enhancement and real - life neurofeedback training using personalized event -locked EEG profiles ”. J Neurother, 11:11 -18, 2007 . 14. Landers D, Petruzzello S, Salazar W, Crews D, Kubitz K, TL G, “The influence of electrocortical biofeedback on performance in pre -elite archers ”. Med Sci Sport Exer, 23:123 -129, 1991 . 15. Egner T, Gruzelier J, “Ecological validity of neurofeedback: Modulation of slow wave EEG enhances musical performance ”. NeuroReport, 14:122٢٠٠٣ . ,١٢٢۴ - ١ 16. Raymond J, Sajid I, Parkinson L, Gruzelier J, “Biofeedback and dance performance: A preliminary investigation ”. Appl Psychophysiol Biofeedback, 30:65 -73, 2005 . ی ـ مهندس در طراحـی ات ـ اوری اطلاع ـ ه فن ـ مجل 24 17. Linden M, Habib T, Radojevic V, “A controlled study of the effects of EEG biofeedback on the cognition and behavior of children with attention deficit disorder and learning disabilities.” Biofeedback Self Regul, 21:35-48, 1996. 18. Kotchoubey B, Strehl U, Uhlmann C, Holzapfel S, Koenig M, Froescher W , et al., “Modification of slow cortical potentials in patients with refractory epilepsy: A controlled outcome study.” Epilepsia, 42:406-416, 2001. 19. Rockstroh B, Elbert T, Birbaumer N, Wolf P, Duchting-Roth A, Reker M , et al., “Cortical selfregulation in patients with epilepsies”. Epilepsy Research, 14:63-72, 1993. 20. Doehnert M, Brandeis D, Straub M, Steinhausen HC, Drechsler R, “Slow cortical potential neurofeedback in attention deficit hyperactivity disorder: Is there neurophysiological evidence for specific effects?”. J Neural Transm, 115:1445-1456, 2008. 21. http://www.thoughttechnology.com. 22. [Welch P, “The use of fast Fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms”. IEEE Trans Audio Electroacoust 15:70–73, 1967. 23. Hanslmayr S, Sauseng P, Doppelmayr M, Schabus M, Klimesch W, “Increasing individual upper alpha power by neurofeedback improves cognitive performance in human subjects”. Appl Psychophys Biof, 30:1-10, 2005.