۱. مقدمه

 EEGسیگنال‌هایی را ثبت می‌کند که از پتانسیل‌های الکتریکی نورون‌های قشری، به‌ ویژه سلول‌های هرمی (pyramidal cells)، حاصل می‌شوند و از پوست سر عبور می‌کنند. مزیت اصلی EEG وضوح زمانی بسیار بالا (در حد میلی‌ ثانیه) است، اما دقت فضایی آن محدود و در حدود سانتی‌ متر است.

۲. منشأ سیگنال‌های  EEG

EEG عمدتاً جریان‌های دندریتی ناشی از نورون‌های هرمی در قشر مغز را بازتاب می‌دهد که به‌ صورت منظم هم ‌راستا شده‌اند. در مقابل، نورون‌های زیر قشری  (subcortical)فاقد این آرایش هندسی منسجم هستند و میدان‌هایی پراکنده و ضعیف‌تر ایجاد می‌کنند.

۳. موانع فیزیکی شناسایی منابع عمقی

الف. Depth Attenuation

سیگنال‌های حاصل از ساختارهای زیر قشری باید از لایه‌های متعددی مانند ماده خاکستری، ماده سفید، مایع مغزی ‌نخاعی(CSF) ، جمجمه و پوست عبور کنند. در این مسیر، دامنه سیگنال به ‌شدت کاهش می‌یابد. مدل ‌سازی‌ها نشان می‌دهند که حساسیت EEG به منابع زیر قشری، ۱۰ تا ۱۰۰ برابر کمتر از منابع قشری است. به همین دلیل، تنها جریان‌های عمقی بسیار قدرتمند ممکن است به سختی از نویز  EEG عبور کرده و قابل شناسایی باشند.

۴. posed Inverse Problem

الف. نامعینی در تعیین منابع

تخمین مکان منابع مغزی از داده‌های EEG یک مسئله معکوس است که ذاتاً بد وضع و نامعین است؛ یعنی ترکیب‌های بی‌نهایت از منابع می‌توانند همان الگوی سطحی را تولید کنند. برای حل این مسئله، الگوریتم‌ها ناچار به استفاده از مفروضاتی مانند  smoothness یاsparsity  هستند که منجر به سوگیری در نتایج می‌شود.

ب. محدودیت‌های الگوریتم‌های رایج

الگوریتم‌هایی مانندLORETA ، sLORETA،eLORETA  و مدل‌های توزیعی دیگر، با افزودن این فرضیات، پایداری عددی را افزایش می‌دهند اما دقت مکانی را قربانی می‌کنند. به ‌همین دلیل، حتی منابع قشری نیز در نقشه‌های منبع به‌ صورت پخش ‌شده و مبهم ظاهر می‌شوند؛ چه رسد به منابع عمقی.

۵. بررسی امکان گسترش فضای حل به مناطق زیر قشری مغز

بیشتر مدل‌های EEG فضای حل را به قشر مغز (ماده خاکستری) محدود می‌کنند، چرا که سلول‌های هرمی منبع غالب EEG هستند. برخی الگوریتم‌ها مانند swLORETA فضای حل را به ساختارهای زیر قشری (مانند تالاموس، عقده‌های قاعده‌ای و مخچه) گسترش داده‌اند. اما این گسترش صرفاً اجازه می‌دهد؛ مسئله اصلی یعنی نسبت پایین سیگنال به نویز  (SNR)همچنان پابرجاست.

وزن‌ دهی میدان‌های هدایت (lead fields weighting) برای جبران تضعیف سیگنال عمقی، اطلاعات جدیدی خلق نمی‌کند و بدون اعتبار سنجی تجربی، صرفاً یک فرض خوش ‌بینانه است.

۶. شواهد تجربی و شبیه ‌سازی

مدل‌های شبیه ‌سازی و فانتوم نشان داده‌اند که منابع عمقی فقط میدان‌های الکتریکی بسیار ضعیفی در پوست سر ایجاد می‌کنند. در مطالعاتی نظیر Dura-Bernal et al (2016)، مشخص شد که حتی اگر منابع عمقی به ‌طور هم ‌زمان با منابع قشری فعال باشند، الگوریتم‌ها قادر به تفکیک آن‌ها نیستند. تنها در صورتی که فعالیت قشری بسیار محدود و پراکنده فرض شود، تمایز نظری منابع عمقی امکان ‌پذیر خواهد بود.

۷. اعتبارسنجی با EEG درون ‌جمجمه‌ای  (iEEG)

در مطالعه‌ای نادر توسط Fahimi Hnazaee et al. (2020)، EEG سطحی به ‌طور هم‌ زمان با ECoG قشری و الکترودهای عمقی در هیپوکامپ ثبت شد. نتایج نشان داد برخی مؤلفه‌های EEG با فعالیت هیپوکامپی هم بسته‌اند، اما محل برآورد شده به ‌طور میانگین حدود ۲ سانتی‌ متر با مکان واقعی فاصله داشت. حتی ECoG قشری که مستقیماً بالای الکترودهای عمقی قرار داشت، دقت مکانی را تنها حدود ۷۰٪ بهبود داد. این اختلاف، از نظر بالینی قابل‌ توجه تلقی نمی‌شود.

۸. ادعاهای علمی منتشر شده و نواقص در فرآیند داوری همتا

با وجود محدودیت‌های بنیادی EEG، برخی مقالات بالینی و نوروفیدبک همچنان ادعای مکان ‌یابی فعالیت در عمق مغز را مطرح می‌کنند. این ادعاها معمولاً بدون شواهد مستقل مانند fMRI یا ثبت‌های داخل ‌جمجمه‌ای مطرح می‌شوند و صرفاً به EEG و LORETA متکی‌اند. ساختارهای زیر قشری مانند تالاموس و آمیگدالا به دلیل نقش مهم ‌شان در بیماری‌ها، توجه پژوهشگران را جلب کرده‌اند و این مسئله انگیزه برای انتشار یافته‌های چشمگیر ایجاد می‌کند. برخی مطالعات با استفاده از swLORETA، فعال‌ سازی در مخچه یا میان‌ مغز را گزارش داده‌اند، اما این یافته‌ها به‌ طور مستقل تأیید نشده‌اند. در نتیجه، چنین ادعاهایی باید با احتیاط ارزیابی شوند و بیشتر، مورد پذیرش قرار نگیرند.برای مثال، ادعاهایی همچون «نوروفیدبک LORETA عمیق ‌ترین و دقیق ‌ترین ابزار تمرین مغز است» یا «تأیید FDA دارد» در هیچ مطالعهٔ داوری ‌شده‌ای به ‌طور شفاف تأیید نشده‌اند.

۹. EEG به‌ عنوان یک دیدگاه غیر مستقیم به فعالیت زیر قشری

مهم است تأکید شود که EEG فرایندهای زیر قشری را به‌ طور غیر مستقیم بازتاب می‌دهد. برای نمونه، نوسانات تالاموسی می‌توانند ریتم‌های قشری را تعدیل کنند و در نتیجه بر EEG اثر گذار باشند. بنابراین، تغییر EEG به ‌دنبال یک رویداد در تالاموس، بازتابی از فعالیت قشری ناشی از آن است و اندازه‌ گیری مستقیم آن ساختار عمقی نیست.

۱۰. نتیجه‌گیری

EEG توانایی تشخیص مستقیم منابع عمقی مانند تالاموس، آمیگدالا یا مخچه را ندارد. محدودیت‌های ناشی ازvolume conduction  و ماهیت بد وضع مسئلهٔ معکوس، دقت مکان ‌یابی را به ‌شدت کاهش می‌دهد. حتی روش‌های پیشرفته‌ای مانند LORETA یا  beamformer نیز نمی‌توانند این موانع بنیادی را بدون ترکیب با داده‌های دیگر (مانند fMRI یا iEEG) پشت‌ سر بگذارند. گزارش‌های مربوط به مکان ‌یابی دقیق منابع عمقی با EEG باید تا زمان اعتبار سنجی چند وجهی، با تردید بررسی شوند.EEG  می‌تواند سر نخ‌هایی دربارهٔ فعالیت‌های زیر قشری بدهد، اما این سرنخ‌ها غیر مستقیم، مبهم و فاقد دقت کافی برای نتیجه ‌گیری بالینی‌اند.