راهنمای کامل فرمول‌نویسی در پروتکل‌های نوروفیدبک

درک نحوه نوشتن فرمول‌ها (Guides) قلب طراحی یک پروتکل درمانی مؤثر است. فرمول‌ها به شما اجازه می‌دهند تا متغیرهای خامی (Expressions) که تعریف کرده‌اید را به یک “قانون” قابل آموزش تبدیل کنید. در ادامه، تمامی عملگرهایی که برای ساخت این فرمول‌ها نیاز دارید را بررسی می‌کنیم.

۱. عملگرهای حسابی پایه (Basic Arithmetic)

این عملگرها رایج‌ترین ابزارها برای ترکیب، مقایسه و ساخت نسبت‌ها هستند.

+ (جمع – Addition)

• مفهوم: برای اضافه کردن مقادیر دو یا چند Expression به یکدیگر استفاده می‌شود.
• کاربرد بالینی: رایج‌ترین کاربرد آن، ساخت یک Guide کنترلی (Control Guide) یا “بازدارنده” (Inhibit) است. شما تمام سیگنال‌های نامطلوب (آرتیفکت‌ها) را با هم جمع می‌کنید تا یک متغیر واحد برای سرکوب بسازید.
• مثال: فرض کنید e1 موج $\text{Theta}$ (خواب‌آلودگی) و e2 موج $\text{High Beta}$ (تنش) باشد.control: e1 + e2

  فرمول بالا یک Guide به نام control می‌سازد که مجموع خواب‌آلودگی و تنش است. هدف شما در جلسه، سرکوب (کاهش) این Guide خواهد بود.

- (تفریق – Subtraction)

• مفهوم: اختلاف بین دو متغیر را محاسبه می‌کند.
• کاربرد بالینی: این عملگر، اساس پروتکل‌های کلاسیک “تقویت/سرکوب” (Reward/Inhibit) است. شما موجی را که می‌خواهید سرکوب شود از موجی که می‌خواهید تقویت شود، کم می‌کنید.
• مثال: فرض کنید e1 موج $\text{SMR}$ (هدف تمرکز) و e2 موج $\text{Theta}$ (هدف سرکوب) باشد.main: e1 - e2

  در این حالت، هدف شما در جلسه افزایش مقدار این Guide خواهد بود. هرچه $\text{SMR}$ بیشتر و $\text{Theta}$ کمتر شود، این عدد بزرگتر شده و مراجع پاداش می‌گیرد.

/ (تقسیم – Division)

• مفهوم: برای محاسبه نسبت (Ratio) بین دو متغیر استفاده می‌شود.
• کاربرد بالینی: بسیار حیاتی و پرکاربرد است. معروف‌ترین کاربرد آن، محاسبه “نسبت $\text{Theta/Beta}$” است که یک شاخص کلیدی در تشخیص و درمان $\text{ADHD}$ (اختلال کمبود توجه) محسوب می‌شود.
• مثال: فرض کنید e1 موج $\text{Theta}$ و e2 موج $\text{Beta}$ باشد.main: e1 / e2

  در درمان $\text{ADHD}$، این نسبت معمولاً بالاست. هدف درمانی، کاهش مقدار این Guide است تا مغز یاد بگیرد $\text{Beta}$ (توجه) بیشتری نسبت به $\text{Theta}$ (حواس‌پرتی) تولید کند.

* (ضرب – Multiplication)

• مفهوم: برای اعمال “وزن” (Weighting) به یک متغیر استفاده می‌شود.
• کاربرد بالینی: این عملگر کمتر رایج است، اما زمانی استفاده می‌شود که بخواهید اهمیت یک متغیر را در فرمول خود چند برابر کنید.
• مثال: در فرمول تفریق e1 - e2، شاید سرکوب e2 برای شما دو برابر مهم‌تر از تقویت e1 باشد.main: e1 - (e2 * 2)

  این کار باعث می‌شود کوچکترین افزایش در e2 (موج مزاحم)، تأثیر دو برابری در کاهش پاداش داشته باشد.

۲. توابع و عملگرهای پیشرفته (Advanced Functions)

این توابع به شما اجازه می‌دهند پروتکل‌های بسیار دقیق‌ و پیچیده‌تری را بر اساس مفاهیم علمی طراحی کنید.

abs() (قدر مطلق – Absolute Value)

• مفهوم: این تابع هر عددی (چه مثبت و چه منفی) را به یک عدد مثبت تبدیل می‌کند. (مثلاً abs(5) برابر ۵ و abs(-5) نیز برابر ۵ است).
• کاربرد بالینی: این تابع، ابزار اصلی برای “آموزش تقارن” (Symmetry Training) و “آموزش عدم تقارن” (Asymmetry Training) است.زمانی که می‌خواهید اختلاف بین دو نیمکره را اندازه‌گیری کنید، اما برایتان مهم نیست که کدام نیمکره قوی‌تر است، از abs استفاده می‌کنید.
• مثال: پروتکل $\text{General SMR}$ که قبلاً بررسی کردیم:main: (abs(e1-e2)/(e1+e2))

  در اینجا e1 (قدرت $\text{C3}$) و e2 (قدرت $\text{C4}$) هستند. فرمول abs(e1-e2) فقط “میزان” اختلاف را اندازه‌گیری می‌کند. هدف درمانی کاهش این Guide است تا مقدار آن به صفر (تقارن کامل) نزدیک شود.

LOG() (لگاریتم – Logarithm)

• مفهوم: لگاریتم (معمولاً LOG10) داده‌های با پراکندگی زیاد را “فشرده” می‌کند و سیگنال را “نرمال” می‌سازد.
• کاربرد بالینی: داده‌های قدرت $\text{EEG}$ (Absolute Power) به صورت طبیعی توزیع نرمال ندارند (بلکه Log-Normal هستند). این باعث می‌شود سیگنال بازخورد بسیار “پرش” داشته باشد.استفاده از LOG روی داده‌های قدرت، باعث پایدارتر شدن (Stable) سیگنال بازخورد می‌شود و فرآیند یادگیری را برای مغز آسان‌تر می‌کند. این تابع اساس محاسبات $\text{Z-score}$ است.
• مثال: main: LOG(e1) - LOG(e2) (این فرمول بسیار پایدارتر از e1 - e2 عمل می‌کند).

POW() (توان) و SQRT() (جذر)

• مفهوم: POW(x, 2) یعنی $\text{x}$ به توان ۲. SQRT(x) یعنی ریشه دوم $\text{x}$.
• کاربرد بالینی: در $\text{EEG}$، “قدرت” (Power) برابر است با “دامنه” (Amplitude) به توان دو ($Power = Amplitude^2$).اگر نرم‌افزار شما $\text{Amplitude}$ (بر حسب $\mu V$) می‌دهد اما شما می‌خواهید روی $\text{Power}$ (بر حسب $\mu V^2$) آموزش دهید، از POW استفاده می‌کنید. اگر $\text{Power}$ دارید و می‌خواهید به $\text{Amplitude}$ برگردید (مثلاً برای محاسبات انحراف معیار)، از SQRT استفاده می‌کنید.

AVG() (میانگین – Average)

• مفهوم: میانگین چند متغیر را محاسبه می‌کند.
• کاربرد بالینی: روشی تمیزتر برای ترکیب چند $\text{Expression}$ است.
• مثال: به جای فرمول control: e1 + e2، می‌توانید از:control: AVG(e1, e2)

  استفاده کنید تا میانگین سیگنال‌های مزاحم را سرکوب کنید.

در نوروفیدبک تطبیقی (Adaptive Neurofeedback)، چیزی که به آن نرخ یادگیری یا سطح موفقیت هدف گفته می‌شود (معمولاً حدود ۸۰٪ تنظیم می‌شود)، نقشی کلیدی در چگونگی سازگاری سیستم با عملکرد کاربر دارد. در ادامه توضیح کامل آن را به فارسی آورده‌ام:

🔹 مفهوم نرخ یادگیری (Learning Rate) در نوروفیدبک تطبیقی

در نوروفیدبک، سیستم فعالیت مغزی فرد (مثلاً ریتم آلفا در EEG) را اندازه‌گیری کرده و وقتی فرد به سمت الگوی مطلوب حرکت می‌کند، بازخورد مثبت (مثلاً صدا یا تصویر پاداش) می‌دهد.

در نسخه‌ی تطبیقی، سیستم به طور خودکار آستانه‌ی دشواری یا معیار پاداش را با توجه به عملکرد فرد تغییر می‌دهد تا تمرین همیشه در سطحی مناسب از چالش بماند.

نرخ یادگیری در اینجا تعیین می‌کند که سیستم چقدر سریع یا با چه حساسیتی آستانه را بر اساس عملکرد اخیر کاربر تغییر دهد.

🔹 وقتی می‌گوییم نرخ یادگیری ۸۰٪ یعنی چه؟

اگر هدف این باشد که مثلاً کاربر ریتم آلفا را بالا ببرد، سیستم به گونه‌ای آستانه را تنظیم می‌کند که فرد تقریباً ۸۰٪ مواقع موفق به دریافت بازخورد مثبت شود.

یعنی اگر فرد بیش از حد موفق است (مثلاً ۹۰٪ موفقیت دارد)، آستانه سخت‌تر می‌شود.
اگر زیاد شکست می‌خورد (مثلاً ۶۰٪ موفقیت دارد)، آستانه آسان‌تر می‌شود.

بنابراین، وقتی می‌گوییم «نرخ یادگیری ۸۰٪»، منظور این است که سیستم به صورت خودکار آستانه‌ها را طوری تنظیم می‌کند که کاربر حدود ۸۰٪ مواقع پاداش بگیرد.

این عدد حاصل تحقیقات تجربی است و معمولاً بهترین تعادل را بین انگیزه، چالش، و یادگیری مؤثر مغزی ایجاد می‌کند.

🔹 چرا معمولاً ۸۰٪ انتخاب می‌شود؟

تحقیقات نشان داده‌اند که:

• اگر درصد موفقیت خیلی زیاد باشد (مثلاً بالای ۹۰٪)، تمرین بیش از حد آسان شده و مغز یادگیری مؤثری ندارد.
• اگر خیلی پایین باشد (مثلاً زیر ۶۰٪)، تمرین ناامیدکننده و خسته‌کننده می‌شود و فرد انگیزه‌اش را از دست می‌دهد.

بنابراین، محدوده‌ی ۷۰ تا ۸۵٪ بهترین ناحیه برای یادگیری پایدار و حفظ انگیزه است.

🔹 اگر نرخ یادگیری روی ۵۰٪ تنظیم شود چه می‌شود؟

اگر نرخ یادگیری را روی ۵۰٪ بگذاریم، یعنی سیستم طوری تنظیم می‌شود که موفقیت و شکست به یک اندازه محتمل باشند — یعنی شانس موفقیت مثل پرتاب سکه است.

در این حالت:

• تمرین خیلی سخت‌تر می‌شود.
• فرد فقط نیمی از زمان بازخورد مثبت می‌گیرد.
• بازخوردها کمتر و یادگیری کندتر می‌شود.

این حالت معمولاً برای آموزش‌های معمول مناسب نیست، چون مغز برای یادگیری مؤثر به نسبت بالاتری از پاداش مثبت نیاز دارد.

🔹 تفاوت ۸۰٪ و ۵۰٪ به‌صورت مقایسه‌ای

🔹 مواردی که ۵۰٪ مفید است

نرخ ۵۰٪ گاهی در شرایط خاص مفید است، مثل:

• پژوهش‌های علمی برای بررسی حد تشخیص یا حساسیت مغزی.
• آزمایش‌های کنترل‌شده برای مطالعه‌ی پویایی آستانه‌ها.
• کاربران پیشرفته که نیاز به چالش بالاتر دارند.

اما برای بیشتر کاربردهای عملی (درمان اضطراب، تمرکز، عملکرد ذهنی، مدیتیشن و…) نرخ ۷۰ تا ۸۵٪ بهترین گزینه است.

🧠 خلاصه‌ی نهایی

• نرخ یادگیری در نوروفیدبک تطبیقی مشخص می‌کند که سیستم چگونه سطح دشواری را بر اساس عملکرد شما تغییر می‌دهد.
• مقدار معمول آن (۸۰٪) یعنی سیستم به گونه‌ای تنظیم می‌شود که حدود ۸۰٪ مواقع موفقیت داشته باشید.
• تنظیم آن روی ۵۰٪ یادگیری را چالش‌برانگیزتر ولی کندتر و بی‌ثبات‌تر می‌کند، مگر در شرایط پژوهشی یا تمرین‌های خاص.

شباهت‌های فریبنده در QEEG؛ وقتی ADHD و وسواس (OCD) در نقشه مغز به هم شبیه می‌شوند

در تحلیل نقشه‌های مغزی (QEEG)، یکی از چالش‌های رایج برای متخصصان این است که برخی الگوهای فعالیت الکتریکی مغز می‌توانند در چند اختلال مختلف تکرار شوند.
از میان آن‌ها، اختلال کم‌توجهی – بیش‌فعالی (ADHD) و اختلال وسواس فکری – عملی (OCD) یکی از جالب‌ترین و البته پیچیده‌ترین موارد شباهت را نشان می‌دهند.

در نگاه اول، ممکن است داده‌های QEEG هر دو گروه الگوی مشابهی از افزایش فعالیت در باند بتای بالا (High Beta: حدود 20 تا 30 هرتز) را نمایش دهند، به‌ویژه در نواحی پیش‌پیشانی (prefrontal cortex).
اما معنای فیزیولوژیکی و بالینی این افزایش در دو اختلال کاملاً متفاوت است — و همین تفاوت کوچک، در تصمیم‌گیری درمانی تأثیر بزرگی دارد.

🔹 ADHD و بتای بالا؛ مغزی که بیش از حد بیدار است

در بیماران ADHD، افزایش فعالیت باند بتای بالا معمولاً نشانه‌ی یک حالت بیش‌برانگیختگی کلی (hyperarousal) است.
این حالت موجب می‌شود مغز در حفظ توجه و تمرکز با مشکل روبه‌رو شود.
در عین حال، مغز به دلیل این سطح بالای برانگیختگی، تمایل دارد از وظایف متمرکز فرار کند یا خیلی سریع بین محرک‌ها جابه‌جا شود.

به زبان ساده‌تر، این افراد ممکن است در ظاهر «پرانرژی» باشند، اما در واقع مغزشان از شدت تحریک، نمی‌تواند در یک مسیر توجه باقی بماند.
الگوی QEEG در چنین مواردی معمولاً شامل:

• افزایش توان باند بتا در نواحی Fp1، Fp2 و Fz
• نسبت بالای بتا به آلفا
• و گاهی افزایش انسجام (Coherence) بین نواحی پیش‌پیشانی و مرکزی است.

این الگو در نوروفیدبک به ما می‌گوید که مغز نیاز به بازآموزی در جهت کاهش برانگیختگی کلی و بازگرداندن توازن بین باندهای آلفا و بتا دارد.

🔹 OCD و بتای بالا؛ مغزی که بیش از حد کنترل می‌کند

در مقابل، در اختلال وسواس فکری – عملی، افزایش باند بتا معنایی متفاوت دارد.
در این بیماران، مغز درگیر کنترل شناختی افراطی (hypercontrol) و درگیری ذهنی مداوم است.
اینجا بتای بالا نه به‌دلیل ناتوانی در تمرکز، بلکه به‌دلیل تمرکز افراطی و توقف‌ناپذیر بر افکار و رفتارهای تکراری دیده می‌شود.

مطالعات QEEG در OCD معمولاً نشان داده‌اند:

• افزایش فعالیت High Beta در نواحی Orbitofrontal و Anterior Cingulate Cortex (ACC)
• افزایش Coherence بین نواحی پیشانی و تمپورال
• و کاهش قدرت امواج تتا و آلفا، که با کاهش انعطاف شناختی و ذهنی همراه است.

به‌بیان دیگر، در وسواس، مغز درگیر «گیرکردن» در حلقه‌های فکری است. بتای بالا در اینجا نشانه‌ی تلاش مغز برای کنترل اضطراب و حفظ پیش‌بینی‌پذیری محیط است.

🔹 چرا اشتباه در تفسیر QEEG خطرناک است؟

اگر صرفاً به نمودار توان باندها نگاه کنیم، ممکن است تصور کنیم هر دو اختلال الگوی مشابهی از بتای بالا دارند.
اما بدون تحلیل دقیق‌تر — از جمله موقعیت فضایی فعالیت، انسجام بین نواحی، و ارتباط آن با علائم بالینی — احتمال دارد پروتکل درمانی اشتباه انتخاب شود.

به‌طور مثال، در ADHD هدف درمان کاهش بتای بالا و افزایش SMR یا آلفا است.
اما در OCD، اگر بدون در نظر گرفتن اضطراب زمینه‌ای، همین پروتکل اعمال شود، ممکن است فرد دچار افت عملکرد یا تشدید وسواس شود.

این‌جاست که تجزیه‌و‌تحلیل دقیق QEEG و همکاری بین نوروتراپیست و روان‌پزشک اهمیت حیاتی پیدا می‌کند.

🔹 تفسیر داده‌ها با استفاده از QEEG غیر دیتابیسی

در تحلیل‌های غیر دیتابیسی (Non-database QEEG)، داده‌ها با یک پایگاه مرجع مقایسه نمی‌شوند، بلکه تفسیر صرفاً بر اساس توزیع نسبی باندها و تجربه‌ی تحلیل‌گر انجام می‌شود.
در چنین حالتی، خطای تفسیر می‌تواند بیشتر باشد، به‌ویژه در مواردی که الگوهای مغزی هم‌پوشانی دارند.

برای مثال، ممکن است متخصص بدون در نظر گرفتن موقعیت دقیق افزایش بتا، تصور کند که کودک دچار ADHD است، در حالی که در ارزیابی بالینی، علائم وسواس آشکارتر باشند.

به همین دلیل توصیه می‌شود که حتی در تحلیل‌های غیر دیتابیسی، از شاخص‌های آماری مکمل (مثل Split-Half Reliability و Test-Retest Reliability) استفاده شود تا اطمینان از صحت داده‌ها افزایش یابد.

🔹 نقش نوروفیدبک در اصلاح این الگوها

در هر دو اختلال، نوروفیدبک می‌تواند با هدف بازتنظیم امواج مغزی عمل کند، اما پروتکل‌ها باید کاملاً متفاوت باشند.
در ADHD معمولاً تقویت امواج SMR (12–15 Hz) و کاهش High Beta در نواحی مرکزی پیشنهاد می‌شود.
در OCD، پروتکل‌ها بیشتر بر کاهش coherence پیش‌پیشانی و افزایش آلفا و تتا در نیمکره‌های پس‌سری تمرکز دارند تا انعطاف ذهنی و کاهش اضطراب فراهم شود.

🔹 جمع‌بندی

الگوهای مغزی ممکن است ظاهراً مشابه باشند، اما معنای آن‌ها بستگی به بافت روانی و فیزیولوژیک هر فرد دارد.
افزایش فعالیت باند بتای بالا در QEEG می‌تواند نشانه‌ای از اضطراب، وسواس، یا بیش‌فعالی باشد، اما تنها با تحلیل دقیق و تکیه بر داده‌های چندبُعدی می‌توان بین آن‌ها تمایز گذاشت.
QEEG ابزاری قدرتمند است، اما تفسیر آن نیازمند تجربه و درک عمیق از نوروفیزیولوژی رفتار است.

تفاوت‌های الگوی EEG در کودکان و بزرگسالان مبتلا به ADHD نوع High Beta

در دهه‌های اخیر، تحلیل EEG و QEEG یکی از ابزارهای کلیدی در درک فیزیولوژی مغز افراد مبتلا به اختلال نقص توجه/بیش‌فعالی (ADHD) بوده است. مطالعات نشان داده‌اند که ADHD مجموعه‌ای از زیرگروه‌های فیزیولوژیک دارد که هرکدام با الگوی خاصی از فعالیت الکتریکی مغز مشخص می‌شوند. یکی از مهم‌ترین این زیرگروه‌ها، نوع High Beta است — الگویی که در آن فعالیت امواج بتای بالا (۲۲ تا ۳۰ هرتز) بیش از حد افزایش می‌یابد و مغز در وضعیت آماده‌باش مداوم باقی می‌ماند.

با وجود اشتراک در هسته‌ی فیزیولوژیک، الگوی EEG در کودکان و بزرگسالان مبتلا به ADHD نوع High Beta تفاوت‌های قابل‌توجهی دارد. این تفاوت‌ها نه‌تنها بازتابی از رشد مغز و تغییرات ساختاری آن در طول زمان هستند، بلکه برای طراحی پروتکل‌های دقیق نوروفیدبک نیز اهمیت بالینی مستقیم دارند.

الگوی High Beta چیست و چه معنایی دارد؟

در حالت طبیعی، امواج بتا به‌ویژه در بازه‌ی ۱۳ تا ۲۱ هرتز، با هوشیاری، تمرکز و فعالیت شناختی مرتبط‌اند. اما وقتی دامنه‌ی امواج بتای بالا (۲۲ تا ۳۰ هرتز) بیش از حد افزایش یابد، معمولاً نشانه‌ای از برانگیختگی بیش‌از‌حد قشر مغز (Cortical Hyperarousal) است. این وضعیت در QEEG به صورت افزایش توان مطلق یا نسبی High Beta Power، به‌ویژه در نواحی پیش‌پیشانی (Fz) و مرکزی (Cz) مشاهده می‌شود.

در بیماران مبتلا به ADHD نوع High Beta، مغز به‌جای کاهش برانگیختگی برای تمرکز، در یک وضعیت «تنش شناختی پایدار» قرار دارد. نتیجه‌ی این پدیده، احساس اضطراب، افکار مزاحم و دشواری در کنترل توجه است.

الگوی EEG در کودکان مبتلا به ADHD نوع High Beta

در کودکان، فعالیت بتای بالا معمولاً گسترده‌تر و نامتقارن‌تر از بزرگسالان است. نقشه‌های QEEG نشان می‌دهند که این افزایش در نواحی پیشانی (frontal) و مرکزی (central) بیشترین شدت را دارد. ویژگی‌های کلیدی این گروه شامل موارد زیر است:

• افزایش توان امواج High Beta (۲۲–۳۰ Hz) در الکترودهای Fz، Cz و گاهی Pz
• نسبت پایین تتا/بتا (Theta/Beta Ratio) به دلیل کاهش فعالیت تتا
• الگوی کلی مرتبط با تحریک‌پذیری بیش از حد و ناتوانی در مهار شناختی
• بی‌ثباتی در انسجام عملکردی بین نواحی فرونتال و تمپورال

این یافته‌ها نشان می‌دهند که در کودکان، سیستم عصبی هنوز در حال شکل‌گیری است و مسیرهای بازداری شناختی (Inhibitory Networks) به‌طور کامل تثبیت نشده‌اند. در نتیجه، مغز کودک مبتلا به این نوع از ADHD، به شکل گسترده‌تری در وضعیت «برانگیختگی بیش‌فعال» قرار دارد.

الگوی EEG در بزرگسالان مبتلا به ADHD نوع High Beta

در بزرگسالان، اگرچه هنوز افزایش امواج بتای بالا وجود دارد، اما این افزایش موضعی‌تر و منطقه‌ای‌تر است. الگوی QEEG معمولاً نشان‌دهنده‌ی تمرکز بیش‌فعالی در نواحی پیش‌پیشانی چپ (F3، Fz) و گاه در بخش‌های خلفی لوب فرونتال است. در عین حال، برخی از بزرگسالان مبتلا به این نوع ADHD افزایش غیرطبیعی انسجام بین‌لوبی (Interhemispheric Coherence) را نیز نشان می‌دهند.

این یعنی اگرچه شدت برانگیختگی نسبت به دوران کودکی کاهش یافته، اما اتصال بیش‌از‌حد سیناپسی بین مدارهای اجرایی باقی مانده است — حالتی که با «تفکر مداوم، اضطراب شناختی و خستگی ذهنی» شناخته می‌شود.

در این گروه، مغز از حالت “بیش‌تحریکی” کودکانه خارج شده و به سمت “فرسودگی شناختی” مزمن حرکت کرده است.

تحلیل مقایسه‌ای بین دو گروه