3 362
المشتركون
لا توجد بيانات24 ساعات
-17 أيام
+130 أيام
أرشيف المشاركات
3 362
▫️انواع روشهای نوروفیدبک:
در سالهای اخیر انواع مختلفی از نوروفیدبک معرفی شدهاند که میتوان به ۶ نوع زیر دستهبندی نمود:
نوع 1 : EEG Neurofeedbac - رایجترین نوع نوروفیدبک است و امواج سطحی ثبت و تحلیل و بر اساس دامنه آنها مشخصی فیدبک ارائه میشود.
نوع 2 : Slow Cortical Potential Neurofeedback - بر روی فرکانسهای خیلی پائین (زیر یک هرتز) کار تحلیل و فیدبک انجام میشود. برای درمان بیشفعالی/نقص توجه و به ویژه صرع میتواند مورد استفاده قرار گیرد.
نوع 3 : HEG Neurofeedback - فیدبک بر اساس جریان خون اطراف مغز ارائه میشود. این روش برای درمان میگرن، نقص توجه (ADD) و افسردگی اثربخشی بسیار محسوسی داشته و میتواند درمان موثرتری را ارائه کند. همچنین باعث کاهش تعداد جلسات تا «نصف» میگردد.
نوع 4 : Z-Score Neurofeedback - مبتنی بر روش اول نوروفیدبک است اما ارائه فیدبک بر اساس دیتابیس جامعه نرمال انجام میگیرد که از افزایش یا کاهش بیش از حد فعالیت امواج مغزی پس از جلسات نوروفیدبک جلوگیری میکند.
نوع 5 : LORETA Neurofeedback - لورتا نوروفیدبک که به نوروفیدبک عمقی نیز شناخته میشود بر اساس منشأ تولید امواج مغزی فیدبک را ارائه میکند.
نوع 6 : fMRI Neurofeedback - میزان فعالیت هر بخش از مغز را با استفاده از دستگاه MRI بررسی و فیدبک ارائه میشود. این روش هنوز در مرحله تحقیقات است.
3 362
▪️نوروفیدبک ( Neurofeedback)
نوروفیدبک یا بازخورد عصبی در اصل نوعی بیوفیدبک است که با استفاده از ثبت امواج الکتریکی مغز و دادن بازخورد به فرد تلاش میکند که نوعی خودتنظیمی را به آزمودنی آموزش دهد. بازخورد به طور معمول از راه صدا یا تصویر به فرد ارائه میشود و از این طریق فرد متوجه میشود که آیا تغییر مناسبی را در فعالیت امواج مغزی خود ایجاد کردهاست یا خیر.
منطق این روش درمانی بر پایه شرطیسازی عاملی استوار است. ما در حالت عادی قادر به کنترل و تغییر امواج مغز خود نیستیم؛ زیرا نسبت به این امواج آگاهی نداریم. در روش درمانی نوروفیدبک، سعی میشود تا این آگاهی از طریق ارائه بازخوردهای (فیدبکهای) بسیار سریع (چند هزارم ثانیه پس از وقوع) به فرد ایجاد شود. همچنان که این تمرین ادامه مییابد، مغز یاد میگیرد که چگونه به تولید بیشتر امواجی بپردازد که منجر به عملکرد بهتر میشود. اینکه چه امواجی در مغز افزایش و چه امواجی کاهش یابند، کاملاً بستگی به مشکل هر فرد دارد و درمانگر آن را در طول جلسه نوروفیدبک تنظیم مینماید.
در نوروفیدبک حِسگرهایی که الکترود نامیده میشوند بر روی پوست سر بیمار قرارمیگیرند. این حسگرها فعالیت الکتریکی مغز فرد را ثبت و در قالب امواج مغزی (دراغلب موارد به شکل شبیهسازی شده در قالب یک بازی کامپیوتری یا فیلم ویدئویی) به او نشان میدهند. در این حالت پخش فیلم یا هدایت بازی کامپیوتری بدون استفاده از دست و تنها با امواج مغزیِ شخص انجام میشود.
به این شکل فرد با دیدن پیشرفت یا توقف بازی و گرفتن پاداش یا از دست دادن امتیاز یا تغییراتی که در صدا یا پخش فیلم به وجود میآید، پی به شرایط مطلوب یا نامطلوب امواج مغزی خود برده و سعی میکند تا با هدایت بازی یا فیلم، وضعیت تولید امواج مغزی خود را اصلاح کند.
از نوروفیدبک میتوان به منظور بهبود اختلالاتی چون بیش فعالی/کمبود توجه ADHD، صرع، میگرن، اختلالات اضطرابی، سوء مصرف مواد، افسردگی، مدیریت استرس، اختلالات خواب، ناتوانیهای یادگیری و … استفاده نمود.
▫️رویدادهای تاریخی
بسیاری از پژوهش های علمی ریچارد کاتون (Richard Caton) را نخستین رویداد کلیدی در مورد بیوفیدبک تصور می کنند. او در سال ۱۸۷۵ کشف کرد که نوسانات فعالیت الکتریکی مغز از فعالیت ذهنی تبعیت می کنند. آزمایش های کاتون، شامل قرار دادن الکترود در مغز باز حیوانات بود، همچنین در بعضی موارد به ثبت فعالیت الکتریکی از جمجمه بسته ی حیوانات پرداخت.
در سال ۱۹۲۰، هانس برگر (Hans Berger) اولین کسی بود که EEG را از مغز انسان اندازه گیری و روی کاغذ ثبت کرد. وی بعدها توانست دو موج فیلتر شده آلفا و بتا را شناسایی کند. موج ۱۰ هرتز تحت عنوان ریتم برگر شناخته می شود. از طرفی برگر متوجه شد که تفکر و گوش به زنگی با افزایش فعالیت در فرکانس باند بتا (۱۳ تا ۳۰ هرتز) همراه است. او اعتقاد داشت نابهنجاری در EEG انعکاس دهنده اختلال بالینی است.
پژوهشگران دیگری نیز به مطالعه سیگنال های زیستی بدن پرداختند. کارل یونگ یکی از افرادی بود که در مورد پاسخ الکتریکی پوست (GSR) تحقیق می کرد. او متوجه شد هنگامیکه بیماران به تمرینات با محتوای کلمات پاسخ می دادند تغییراتی در فعالیت الکتریکی پوست (Electrodermal) آنها اتفاق می افتاد وی می کوشید تا رابطه ای بین پاسخ های فیزیولوژیک با موضوعات روانشناختی پیدا کند. به صورت نظری، کلمات با محتوای هیجانی به نوسانات دستگاه سنجش GSR او ارتباط پیدا می کردند. این یعنی بدن می توانست فعالیت ذهنی را نشان دهد. از این مهم تر اینکه او توانست پیوندی بین روان درمانی و فیزیولوژی برقرار کند. در اواخر ۱۹۵۰، دانشمندان کنترل ارادی دستگاه عصبی خود مختار (ANS) را مورد پرسش قرار دادند. فرض بر این بود که فرایندهای زیستی مانند تغییر پذیری ضربان قلب، فشار خون، دمای بدن و .... تحت کنترل سیستم مدیریت خودکار بدن قرار دارند.
اما در ۱۹۶۰ نیل. ای. میلر (Neal E. Miller) ثابت کرد که انسان می تواند کارکردهای سیستم عصبی خودکار (ANS) را با کمک شرطی سازی عامل تغییر دهد. نیل میلر، روانشناس و دانشمند علوم عصبی که در اواسط قرن بیستم در دانشگاه یل (Yale) کار می کرد، به عنوان پدر بیوفیدبک مدرن شناخته می شود. او در جریان یک اتفاق هنگام انجام آزمایش های خودروی موش های صحرایی درباره شرطی سازی کلاسیک، موفق به کشف اصول اولیه بیوفیدبک شد. او و تیمش فهمیدند که با تحریک مرکز لذت در مغز یک موش فلج به وسیله الکتریسیته، امکان این وجود دارد که بتوان آنها را برای کنترل آثار متفاوتی از جمله ضربان قلب، فشار خون، دمای بدن و آموزش داد.
▫️Wikipedia
3 362
▪️Handbook of Clinical QEEG and Neurotherapy
• Editors: Thomas F Collura, Jon A. Frederick
• Publisher: Routledge (2016)
• Pages: 555
3 362
▪️A Brief Survey of Quantitative EEG
• Author: Kaushik Majumdar
• Publisher: CRC Press (2018)
• Pages: 268
3 362
▪️The Role of Quantitative EEG in the Diagnosis of Neuropsychiatric Disorders
Livia Livint Popa, Hanna Dragos, Cristina Pantelemon, Olivia Verisezan Rosu, Stefan Strilciuc
J Med Life. 2020 Jan-Mar; 13(1): 8–15.
▫️PMCID: PMC7175442
3 362
▪️الکتروانسفالوگرافی کمی (QEEG)
نقشه مغزی یا الکتروانسفالوگرافی کمی (QEEG) یک ابزار تشخیصی است که با استفاده از پردازش نوار مغزی یا EEG میزان فعالیت الکتریکی را در قسمت های مختلف مغز اندازه می گیرد. با استفاده از QEEG می توان عملکرد مغز را بررسی کرد و مشخص نمود که فعالیت الکتریکی در کدام نواحی مغز کم و زیاد شده است و بدین ترتیب نقاط ضعف و قدرت و مشکلات (اختلالات) مغزی بر ما آشکار می شود. اختلالاتی نظیر AD/HD، اضطراب، افسردگی، آلزایمر، اختلالات یادگیری، اختلال وسواس اجباری و … با استفاده از QEEG قابل تشخیص اند. برای بدست آوردن QEEG، ابتدا با قرار دادن کلاه EEG روی سر تا ۱۹ کانال EEG یا نوار مغزی از فرد گرفته می شود در مرحله بعد یک سری عملیات پیچیده ریاضی (مانند تبدیل فوریه و ویولت) روی EEG صورت می گیرد.
نتیجهی این پردازشها تبدیل به یک سری تصویر (سرهای رنگی) می شود که به آن QEEG یا نقشه مغزی می گوییم. در واقع نقشه مغزی روشی است که با آن میتوانیم زبان مغز را ترجمه کنیم. در نقشه مغزی، هر سر رنگی مربوط به فعالیت یک موج مغزی است. نحوه کارکرد این امواج در کنار هم باعث می شود تا ما عملکرد مناسب یا نامناسب داشته باشیم. اطلاعات حاصل از این نقشه مغزی، تجزیه و تحلیل جامع و کاملی از باندهای فرکانسی است. در الکتروانسفالوگرافی کمی ویژگی هایی چون فاز، دامنه، قدرت و فرکانس را بررسی می کنیم.
امروزه میتوان با مقایسه QEEG فرد بیمار با QEEG افراد نرمال (موجود در پایگاه دادههای تحلیل QEEG افراد نرمال یا بهنجار) ناهنجاریهای عملکرد مغز را شناسایی کرد و با تطبیق آن با الگوهای موجود، نوع اختلال را مشخص نمود. مبنای چنین مقایسهای این است که بیماریهای مختلف روانپزشکی، باعث ایجاد نابهنجاریهای معناداری در مغز شده و تغییراتی را در QEEG به وجود میآورد. از آنجاییکه ترکیب طیفی فعالیت الکتریکی مغز با افزایش سن تغییر مییابد، بنابراین در هنگام مقایسه با جمعیت بهنجار، سن فرد و جمعیت بهنجار باید یکسان باشد. در نتیجه ی این قیاس که به آن Z scores می گویند، اگر فعالیت مغزی فرد مشابه با جمعیت نرمال باشد با رنگ سبز نشان داده می شود. رنگ سبز نشاندهنده حالت طبیعی و نرمال است. اگر فعالیت امواج مغزی فرد از حالت طبیعی بیشتر باشد (که نشانه مشکل در عملکرد مغز است)، نرم افزار دستگاه آن را با رنگهای زرد، نارنجی و قرمز نشان میدهد و اگر فعالیت امواج تولید شده کمتر از حالت طبیعی باشد (که باز هم حاکی از اشکالی در کار مغز است)، نرم افزار آن را با رنگهای آبی و بنفش نشان میدهد. از آنجا که هر یک از اختلالات و مشکلات گوناگون مانند AD/HD و LD در اثر وجود اشکال در عملکرد مغز و در نتیجه کم و زیاد شدن امواج مغزی بهوجود میآیند، لذا نقشه مغزی فرد سالم با نقشه مغزی فردی که AD/HD دارد متفاوت است. به این ترتیب، متخصص با بررسی نقشه مغزی افراد مختلف، پی به مشکل یا توانمندیهای آنها میبرد.
▫️Wikipedia
3 362
▪️Computational Models in Electroencephalography
Glomb, K., Cabral, J., Cattani, A. et al.
Brain Topogr (2021)
▫️https://doi.org/10.1007/s10548-021-00828-2
3 362
▪️Computational EEG Analysis: Methods and Applications
• Editor: Chang-Hwan Im
• Publisher: Springer (2018)
• Pages: 228
3 362
▪️Imaging Brain Function With EEG: Advanced Temporal and Spatial Analysis of Electroencephalographic Signals
• Authors: Walter J. Freeman, Rodrigo Quian Quiroga
• Publisher: Springer (2013)
• Pages: 248
3 362
▪️MATLAB for Brain and Cognitive Scientists
• Author: Mike X Cohen
• Publisher: The MIT Press (2017)
• Pages: 554
3 362
▪️Analyzing Neural Time Series Data: Theory and Practice
• Author: Mike X Cohen
• Publisher: The MIT Press (2014)
• Pages: 578
