پيشگويي آموزش موفق نوروفيدبك با استفاده از سيگنال مغزي جلسات اوليه آموزش

Predicting Successful Neurofeedback Training using EEG Signals of Primary Sessions

نوروفيدبك در بالا بردن كارايي شناختي افراد سالم و نيز درمان بسياري از بيماريهاي شناختي داراي اهمّيت ويژه اي است. در طي يك فرآيند نوروفيدبك، شخص ياد مي گيرد كه چگونه سيگنال مغزي خود را كنترل كند و اين كار را از طريق يافتن يك روش مناسب جهت كنترل حالات فكري متناظر با الگوهاي سيگنال مغزي خود انجام مي دهد؛ اما برخي از افراد پس از شركت در جلسات آموزش نوروفيدبك قادر به تغيير سيگنال مغزي خود نيستند. در اين تحقيق به پيشگويي آموزش موفق نوروفيدبك در جلسات اوليه نوروفيدبك پرداخته شده است. براي اين منظور با استخراج ويژگي از سيگنال مغزي جلسات اوليه آموزش و طراحي يك طبقه بندي كننده مناسب، افراد موفق از افراد ناموفق تفكيك شده اند. در بهترين حالت با استفاده از شبكه عصبي چندلايه پرسپترون و دو ويژگي استخراج شده از سيگنال مغزي جلسه چهارم آموزش، با صحت 94% در داده هاي آموزش و 5/82% در داده هاي آزمون افراد موفق از افراد ناموفق تفكيك شده اند.

Neurofeedback has an important role in the improvement of cognitive performance in both clinical and healthy individuals. In a neurofeedback process, the person learns how to self-regulate their brain activity and tries to alter their mental state to achieve a desirable brainwave patterns. However, some individuals never learn how to modify their brain activities through neurofeedback training. In this study, we grouped participants as ‘‘performers’’ or ‘‘non-performers’’, based on their ability or inability to modify their brain activity. Then, with feature extraction from early training sessions and using a classifier, performers were classified from non-performers. The results showed that using multilayer perceptron neural network and with two features extracted from EEG signals of fourth neurofeedback session, with 94% accuracy on training data and 82.5% accuracy on test data, performers can be distinguished from non-performers.