سیگنال‌های مغزی، سیگنال‌هایی پیچیده (complex) با ساختاری غیرخطی هستند. بنابراین، به نظر می‌رسد که استفاده از تئوری دینامیک غیرخطی بهتر از روش‌های سنتی خطی می‌تواند ویژگی‌های سیگنال EEG را معین کند (1). مقالات بسیاری نیز تاًیید کرده‌اند که استفاده از آنالیزهای غیرخطی در بررسی بیوسیگنال‌ها مانند ضربان قلب، عملکرد سیستم عصبی، جریان خون، فشار خون و غیره نتایجی به مراتب بهتر از روش‌های سنتی داده است (2،3).

در واقع، استفاده از ویژگی‌های غیرخطی ساختار تصادفی و آشوب گونه و دینامیک مخفی سیگنال‌های بیولوژیکی را آشکار می‌سازد که این موارد در بررسی state ها و عملکرد مغز کمک بسزایی به محققان می‌کند. زیرا این تحلیل‌ها ساختار complex و chaotic سیگنال EEG نیز در این ویژگی‌ها مورد بررسی قرار می‌گیرد که با استفاده از روش‌های مرسوم خطی لحاظ کردن این موارد در آنالیزها امری غیر ممکن است. همچنین، این ویژگی‌ها دیدی عمیق‌تر نسبت به ساختار و الگوی سیگنال‌های EEG به ما می‌دهد (4).

اغلب مقالات روز دنیا، در زمینه جداسازی گروه‌های پاتولوژیک از نرمال، مشخص کردن subtype های گروه‌های پاتولوژیک و پیش‌بینی پاسخ به درمان از ویژگی‌های غیرخطی بهره گرفته‌اند و نتایجی به مراتب تکرار‌پذیرتر و قابل اعتناتر از ویژگی‌های خطی کسب کرده‌اند. به عنوان مثال، یکی از شاخص‌های اصلی بیماری آلزایمر، کاهش پیچیدگی سیگنال‌های مغزی می‌باشد. و یا افراد افسرده‌ای که شاخص تصادفی بودن EEG بالایی دارند، بهتر از افرادی که این شاخص در آن‌ها مقدار پایینی دارد به rTMS جواب می‌دهند.

حال این پرسش مطرح می‌شود که چگونه می‌توان ویژگی‌های غیر خطی را از سیگنال EEG بدست آورد؟

متاًسفانه نرم‌افزارهایی که در ایران برای استخراج نقشه مغزی مرسوم هستند به علت قدیمی بودن و نداشتن آپدیت‌های مرتب و به روز این ویژگی‌های ارزشمند را ساپورت نمی‌کنند. برای رفع این خلاء، تیم QEEGhome این ویژگی‌ها را در گزارش‌های نقشه مغزی خود گنجانده است تا همگام با علم روز دنیا، اطلاعات جامعی را با استفاده از نقشه مغزی به بالینگران ارائه دهد. البته برای آسان‌تر شدن استفاده بالینگران، این ویژگی‌ها در قسمت‌های مختلف نقشه مغزی QEEGhome با الگوریتم‌های هوش مصنوعی تلفیق شده و نمودارها و جدول‌هایی بدست آمده است که به عنوان مثال، subtype بیماری‌ها، شدت اختلال‌ها، پاسخ‌دهی به rTMS و دارودرمانی و غیره را نشان می‌دهد. با استفاده از این جداول و نمودارها، بالینگر با یک نگاه و در کمترین زمان می‌تواند تصمیم صحیح‌تری را نسبت به روند درمان هر شخص اتخاذ کند.    

شما می‌توانید نمونه گزارش‌های نقشه مغزی QEEGhome  را در این لینک مشاهده کنید. همچنین می‌توانید با ثبت‌نام در سایت، داده EEG خود را به ما ارسال کرده و گزارش نقشه مغزی مراجع خود را از پروفایل شخصی‌تان دانلود کنید. با مراجعه به لینک‌های مربوطه، می‌توانید به فیلم‌های آموزش ثبت‌ نام در سایت، ارسال داده و دریافت نقشه مغزی QEEGhome دسترسی داشته باشد.

منابع:

1- Natarajan, K., Acharya U, R., Alias, F., Tiboleng, T., & Puthusserypady, S. K. (2004). Nonlinear analysis of EEG signals at different mental states. Biomedical engineering online, 3, 1-11.

2- Qtsuka, K., Cornélissen, G., & Halberg, F. (1997). Circadian rhythmic fractal scaling of heart rate variability in health and coronary artery disease. Clinical cardiology, 20(7), 631-638.

3- Kaplan, D. T., & Cohen, R. J. (1990). Searching for Chaos in Fibrillation a. Annals of the New York Academy of Sciences, 591(1), 367-374.

4- Torabi, A., & Daliri, M. R. (2021). Applying nonlinear measures to the brain rhythms: an effective method for epilepsy diagnosis. BMC Medical Informatics and Decision Making, 21, 1-9.