Posts by marjix

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

QEEG و اختلالات

December 25th, 2021 Posted by Uncategorized 0 thoughts on “QEEG و اختلالات”

بر طبق اعلام آکادمی مغز و اعصاب آمریکا (AAN) و انجمن نوروفیزیولوژی بالینی آمریکا (ACNS)  استفاده از QEEG ممکن است در شرایط زیر مکمل EEG معمولی باشد: پایش قله های احتمالی صرع یا تشنج، پایش حملات صرع در بیماران در معرض خطری که در واحد مراقبت های ویژه (ICU) پذیرفته میشوند، ارزیابی قبل از جراحی در صرع مقاوم به دارو، تشخیص عوارض حاد داخل جمجمه حین عمل، ارزیابی بیماران مبتلا به بیماری عروق مغزی، ارزیابی شدت زوال عقل و انسفالوپاتی و EEG سرپایی. از طرف دیگر در مطالعات تجربی و فاقد شواهد در عمل بالینی ، از QEEG برای شرایط زیر استفاده می شود: سندرم پس از ضربه مغزی، آسیب مغزی خفیف یا متوسط، اختلال کم توجهی، اسکیزوفرنی، افسردگی، اعتیاد به الکل، وزوز گوش و برای نظارت بر پاسخ درمانی به داروهای روانگردان.

صرع:

EEG یک ابزار ارزیابی استاندارد در صرع است. اگرچه QEEG استفاده گسترده EEG را ندارد، اما می تواند امکان تشخیص سریع حملات صرع و همچنین تشخیص افتراقی بین انواع مختلف آن را فراهم کند.

انواع مختلف صرع، الگوی QEEG ویژه خود را دارند که باعث میشود حساسیت و دقت تشخیص شان را بالا ببرد. برای مثال بررسی asymmetry در تشخیص صرع ناحیه ای میتواند مفید باشد. نقش دیگر QEEG در صرع می تواند ارزیابی پاسخ به درمان های ضد صرع با استفاده از مطالعات فارماکو-EEG باشد. بر اساس تعریف مجمع جهانی فارماکو-EEG (IPEG)، فارماکو-EEG کمّی توضیح و آنالیز کمی اثر مواد مختلف بر روی سیستم عصبی در مطالعات درمانی، عصب-سم شناسی و فارماکولوژی تجربی و بالینی است. مطالعات مختلفی روی درمان های نوروسایکیتری حاکی از اثرات داروها روی ویژگی های  امواج مغزی بوده اند و به همین علت تجزیه و تحلیل  EEG کم کم یک ابزار مهم برای طبقه بندی عوامل روان درمانی شد.
با توجه به اینکه ممکن است اختلال شناختی (CI) در 70-80٪ بیماران مبتلا به صرع رخ دهد ، ارزیابی CI از طریق پارامترهای QEEG می تواند به درک بهتری از پاتوفیزیولوژی فعالیت شناختی تغییر یافته در اثر صرع کمک کند. همبستگی بین Absolute Power، Coherence بین و درون نیمکره ای، و فعالیت شناختی در بیمارانی که بیش از 18 سال مبتلا به صرع بودند در برخی مطالعات دیده شده است. Absolute Power در تمام باندهای فرکانسی در بیماران صرعی افزایش یافته و Coherence بین و درون نیمکره ای در باند θ در بیماران مبتلا به صرع بیشتر از بیماران سالم بود.

سکته:

بیماران سکته مغزی معمولاً با ناهنجاری های معمول ریتم مغزی مواجه هستند. قابل توجه ترین یافته ای که در اولین مطالعه های QEEG در سکته مغزی مشاهده شد، افزایش نسبت θ / β به طور قابل توجه در نیم کره ی آسیب دیده بود. همچنین توان نسبی آلفا در هر دو نیمکره آسیب دیده و طبیعی به دنبال سکته مغزی کاهش می یابد که بهبودی پس از سکته نیز با استفاده از این الگو میتواند ارزیابی شود.

فعالیت آلفا در ناحیه فرونتال با نتیجه عملکرد و میزان پیشرفت اختلال شناختی در فرد آسیب دیده در ارتباط است، چرا که میتواند شاخصی از ظرفیت توجه در مراحل بعد از سکته باشد.

همچنین نسبت δ / α (DAR) و شاخص آسیمتری α نیز به دنبال سکته مغزی افزایش میابد

TBI:

استفاده از روشهای DTI و MRS تغیرات فانکشنال کانکتیویتی و ابنورمالیتی ها در متابولیسم مغز را در نتیجهی TBI به خوبی نمایش میدهد. در حال حاضر هیچ الگوی EEG وQEEG بصورت خاص برای TBI پیشنهاد نشده است. طبقه بندی تغیرات  EEG/QEEG در  mild TBI به این صورت است که عمده تغیرات EEG حاد در حدود سه ماه بعد از حادثه از بین می روند و 90 درصد آنها در طول سال اول بعد از حادثه ناپدید میشوند. معمول ترین ابنورمالیتی هایی که در QEEG بیماران TBI مشاهده میشوند شامل : کاهش میانگین فرکانس آلفا، افزایش فعالیت تتا، و کاهش نسبت θ/α است. همچنین برخی مطالعات گزارش کرده اند که تغیرات در coherence و  phase در ناحیه فرونتال و فرونتوپریتال اتفاق می افتد.

تغیرات در mTBI : کاهش میانگین فرکانس آلفا، افزایش تتا،  افزایش دلتا

افزایش نسبت θ/α

در فاز تحت حاد mTBI (چند هفته یا چند ماه بعد از آسیب) : افزایش 1-2 هرتز در ریتم آلفای ناحیه پس سری،

در فاز مزمن mTBI :تغیرات شبه صرعی در 16 درصد بیماران با علایم شناختی، سوماتیک و سایکیتریک در هفته های اول بعد از mTBI مشاهده میشود، تغیرات در امواج آهسته در 63 درصد همین بیماران نیز مشاهده میشود، افزایش در توان دلتا در بیماران با سندروم post-concussion ، کاهش در توان دلتا در بیماران با سندروم post-concussion

تغیرات در coherence و  phaseمیتواند شدت mTBI و آسیب آکسونی منتشر diffuse axonal injury را نشان بدهد. اهمیت این مارکر ها در تشخیص TBI در این است که اخیرا در مطالعاتی نشان داده شده که  phaseو  coherence منعکس کننده ناهمگنی توپوگرافیک مرتبط با تغیرات ساختاری کورتکس و فیبرهای آکسونی است. علاوه بر اینها مشاهدات و نتایج مطالعات بر روی 162 بیمار با TBI سویر، مادریت و ماینور  این نکته رو بیش از قبل برجسته کرده که phase and coherence بهترین پیش بینی کننده های پیش آگهی مشکلات مربوط به TBI تا یک سال بعد هستند. تاچر از spectral power, coherence, و  phase به منظور ارزیابی اثرات mTBI و تشخیص تغیرات بیماران با هیستوری TBI استفاده کرد: افزایش در coherence  در ناحیه فرونتال و فرونتوتمپورال، و کاهش در phase، کاهش anterior-posterior spectral power differences و کاهش توان آلفا در نواحی خلفی تر مغز.

اختلالات یادگیری و توجه:

مطالعات زیادی بر نقش QEEG در تشخیص اختلالات یادگیری با استفاده از  spectral power  و  coherence با دقت بین 46 تا 98 درصد تاکید کرده اند. با توجه به نوروفیزیولوژی spectral power مجموع تخلیه های نورونی همزمان است.

مدل های مطالعه همبستگی بین هوش و اندازه گیری EEG را می توان با دو دسته از پارامترهای EEG آزمایش کرد: 1. توان EEG و. 2. ویژگی های نتورک EEG مانند تاخیرهای coherence و phase و مدل های دینامیکی غیر خطی از پیچیدگی شبکه.

از نظر فیزیولوژیکی، توان EEG بیانگر مجموع نورونهایی است که بصورت همزمان تخلیه شده اند. ضخامت لایه قشر با هوش همبستگی مثبت دارد بنابراین ممکن است که توان EEG مقیاسی باشد که نشان دهنده ظرفیت یا عملکرد پردازش اطلاعات قشر است. این اتفاق به صورت پیچیده و تا حدی غیرخطی می افتد و تحت تأثیر عوامل مختلفی از جمله ضخامت جمجمه، مایع مغز نخاعی، فاصله بین الکترود و سن قرار می گیرد.

ضخامت لایه های کورتکس بصورت مثبت با هوش رابطه دارد. بنابر این توان EEG ، ظرفیت پردازش اطلاعات کورتکس را نشان میدهد. مطالعات اخیر با استفاده از LORETA گزارش کرده اند که یک کورلیشن مثبت بین IQ و افزایش در توان مطلق در باند آلفا و بتا، کاهش توان دلتا و تتا، و کورلیشن منفی بین coherence  و IQ به خصوص در لوب فرونتال وجود دارد.

بصورت کلی هرچه میزان امپلیتود یا توان مطلق بالاتر باشد IQ بالاتر است.

coherence مستقل دامنه است که ثبات فاز بین دو تایم-سری و ویژگیهای شبکه یک سیستم را تجزیه و تحلیل می کند. coherence پایین با ضریب هوشی رابطه مثبت دارد و پیش بینی کننده ضریب هوشی است.

در اغلب اختلالات یادگیری ابنورمالیتی های QEEG بسیار سیگنیفیکنت هستند، مقدار بالای slow power ها با IQ پایین مرتبط است. در مطالعات دیگر بر این تاکید شده که coherence  بصورت مثبت با IQ مرتبط است و میتواند یک شاخصی برای پیش بینی IQ باشد. مجمع نوروسایکیتری آمریکا این را در نظر گرفته است که QEEG میتواند برآوردی از اینکه آیا فردی اختلال یادگیری دارد یا نه را تخمین بزند. همچنین هرچه میزان phase delay کمتر باشد، IQ بالاتر است. که در این مورد  phase delay میشود تاخیر بین دو تایم-سری در دو الکترود.

علاوه بر این مجمع نورولوژی آمریکا پیشنهاد کرده که QEEG برای تشخیص اختلال یادگیری میتواند توصیه شود. QEEG همچنین میتواند در ارزیابی و درمان نقص توجه و بیش فعالی مفید داشته باشد.

کودکان و بزرگسالانی که مبتلا به ADHD تشخیص داده شده اند افزایش پاور دلتا و تتا دارند، همچنین بزرگسالانی که ADHD دارند پاور بتا کمتری در مقایسه با گروه کنترل دارند.

الگوی ADHD در الکترود Cz به این صورت است : در حالتی که از فرد با چشم باز و نگاه ثابت سیگنال ثبت شده باشد، نسبت θ/β در مقایسه با گروه کنترل افزایش میابد، با حساسیت 86 تا 90 درصد و ویژگی 94 تا 98 درصد. البته تغیر در نسبت θ/β در دیگر بیماریهای نوروسایکیرتیک نیز ممکن است دیده شود و این مقیاس به تنهایی نمیتواند برای تشخیص ADHD   کافی باشد و باید در کنار ارزیابی های دیگر از QEEG برای تشخیص استفاده کرد.

افسردگی:

QEEG در مشخص کردن الگوهای فانکشنال کانکتیویتی در بیماران دپرس اهمیت دارد. EEG معمولی ابنورمالیتی را در 20 تا 40 درصد بیماران دپرس نشان میدهد. اگرچه که این الگوها نامشخص اند اما QEEG میتواند ابزار مفیدی در تشخیص افتراقی بین دپرشن و تغیرات ساختاری باشد.

ابنورمالیتی هایی که به صورت عمده در QEEG افسردگی مشاهده میشوند از این قرار است:

فرونتال آسیمتری آلفا که در انواع خاصی از افسردگی مشاهده میشود،

تغیرات در کوردنس فرونتال

آسیمتری در امواج آهسته فرونتوتمپورال

کاهش در coherence بین دو نیمکره در باندهای دلتا و تتا

افزایش توان مطلق دلتا و تتا در لوب راست

افزایش تتا در نواحی خلفی مغز

تغیرات در فعالیت بتا

دقت این پارامترها در تشخیص افسردگی در مطالعات مختلفی بررسی شده است، که بر اساس مجمع نوروسایکیتری آمریکا حساسیت بین 72 تا 93 و ویژگی بین 75 تا 88 گزارش شده است.

میتوان از QEEG به عنوان یک روش تکمیلی برای طبقه بندی انواع یونی پلار و بایپلار استفاده کرد و همچنین برای تشخیص افتراقی بین دپرشن و افراد سالم، دمانس، شیزوفرنی، و الکلیسم.

FAA یک مارکر برای پاسخ اموشنال و دیس اوردرهای اموشنال است و میتوان به صورت ایندکس FAA یا نسبت (ratio) بین تفاضل و مجموع spectral power در F3 و F4 محاسبه کرد. اگرچه که تفاوتهای نسبی در فرونتال آلفا آسیمتری (FAA) بین بیماران مبتلا به افسردگی و افراد سالم کم است، بدون توجه به روش محاسبه FAA ، اما بعضی از مطالعات پیشنهاد کرده اند که از آلفا آسیمتری به عنوان ratio  استفاده شود نه ایندکس.

 بین FAA و behavioral activation system کورلیشن معناداری وجود دارد. کاهش در behavioral activation با استعداد به انواع خاصی از دپرشن مرتبط است.

از طرف دیگر،در دپرشن ماژور، نقش تشخیصی FAA محدود است. نشان داده شده که FAA ممکن است ارزش پیش آگهی دهنده برای تشخیص بیماران دارای ریسک سایکوپاتولوژی داشته باشد که دارای نقص در مکانیسم های انگیزشی هستند.

علاوه بر این FAA در نیمکره چپ مکن است با anhedonia مرتبط باشد در حال که FAA در نیمکره راست نشانه اضطراب Anxiety شناخته شده است.

از ابنورمالیتی در coherence  و cordance  برای افتراق بین دپرشن یونیپلار ازز دپرشن بایپلار استفاده شده است. cordance همچنین در مطالعات مختلفی با جریان خون یک منطقه در مغز و عملکرد ناحیه ای ا زمغط مرتبط بوده است. coherence در پایش دپرشن بیشتر با روش تاچر که برای TBI استفاده کرده، محاسبه شده است:

 in α and θ bands, the interhemispheric coherence (F3-F4, C3-C4, P3-P4, T7-T8), left interhemispheric coherence (F3-C3, F3-P3, F3-T5, C3-P3, C3-T5, P3-T5) and right interhemispheric coherence (F4-C4, F4-P4, F4-T6, C4-P4, C4-T6, P4-T6

مقایسه مارکر های QEEG در دپرشن بایپلار و یونیپلار :

در دپرشن یونپلار coherence  بین نیمکره ای تتا کاهش میابد

در دپرشن بایپلار توان آلفای سمت چپ کاهش میابد،

آسیمتری آلفای فرونتال بین دو نیمکره ایجاد میشود

توان بتا افزایش میابد

توان آلفای ناحیه تمپورال تحتانی و فوقانی در نیمکره راست، و ناحیه اکسیپیتال چپ و ناحیه ژیروس پره کونئوس راست، افزایش میابد

coherence آلفا در فرونتال و مرکز راست کاهش میابد و coherence آلفا در ناحیه پریتال و تمپورال راست افزایش میابد.

coherence تتا در ناحیه مرکز، تمپورال و پریتال راست افزایش میابد.

دقت شود که QEEG برای مونیتورینگ پاسخ به درمان دارویی و تجویز و انتخاب داروی مناسب بیمار دپرشن، توصیه نمیشود.

اضطراب Anxiety:

FAA نه تنها با دپرشن بلکه با اضطراب نیز کورلیت است. بیمارانی که اضطراب دارند یک الگوی با فعالیت بالای آلفا در فرونتال راست نسب به افراد بدون اضطراب نشان میدهند.

بیمارانی که سوشال فوبیا دارند و آنهایی که دچار نیک اتک میشوند فعالیت آلفا فرونتال راست بالاتری دارند.

هم در افراد دارای اضطراب و هم افراد دارای دپرشن، آسیمتری در ناحیه پریتوتمپورال نیز گزارش شده است.

دمانس Dementia:

ابنورمالیتی در QEEG معمولا در مراحل مادریت و پیشرفته ی آلزایمر دیده میشود.

تغیرات عمده در تتا و دلتای بک گراند اتفاق می افتد و همچنین کاهش فرکانس آلفا مرکزی. ارتباط معکوس بین مرحله نقص کاگنیتیو و توان باندهای فرکانس پایین نیز در برخی مطالعات گزارش شده است.

برخی مطالعات نیز گزارش کرده اند که کاهش در آلفا و بتا نیز مشاهده شده است.

کاهش ریتم فرکانس آلفا در بیماران آلزایمر خفیف به عنوان یک مارکر میتواند استفاده شود. (کاهش آلفای 6-8 هرتز در بیماران آلزایمر مایلد)

Coherence نیز میتواند کانکتیویتی بین نیمکره ای را از طریق کورپوس کلزوم در بیماران آلزایمری و دمانس ناشی از افزایش سن، بسنجد که در هر دو اینها کاهش Coherence در خواب و بیداری اتفاق می افتد.

علاوه بر این کاهش Coherence  در تتا، آلفا و بتا در نواحی سنترال و فرونتال در مقایسه با گروه کنترل مشاهده شده است. مجمع نوروفیزیولوژی کلینیکال برزیل پیشنهاد کرده که آنالیز فرکانش میتواند تشخیص امواج Slow را آسانتر کند و ترکیب QEEG با ارزیابی های شناختی برای تسهیل فرایند تشخیص دمانس مفید است.

نقش QEEG در تشخیص و ارزیابی دمانس میتواند با روشهای تصویر برداری MRI و SPECT رقابت کند.

MRI برای تشخیص دمانس تایپ A ریکامندیشن دارد، SPECT و EEG تایپ B ریکامندیشن دارند.

پارکینسون:

Spectral analysis در بیماری پارکینسون مفید است و ارزیابی affect را در این اختلال میتواند به ما بدهد. کاهش توان نسبی دلتا، تتا،  آلفا، بتا و توان مطلق تتا، آلفا، و بتا در نواحی قدامی مغز و آسیمتری بین نیمکره ای در تتا، آلفا و بتا به همراه فعال شدن نیمکره راست در مطالعات مختلف گزارش شده است.

 

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

پروتکل های نوروفیدبک

December 25th, 2021 Posted by Uncategorized 0 thoughts on “پروتکل های نوروفیدبک”

نوروفیدبک یک برداشت یا کشف جدید نیست. این مسئله موضوع تحقیق بسیاری از پژوهشگران برای بیش از یک دهه بوده است. نوروفیدبک یک روش است که به افراد کمک می‌کند تا به صورت اگاهانه  امواج مغزی خود  را کنترل کنند. در واقع در طول درمان نوروفیدبک از پرتونگاری مغزی (EEG) استفاده می‌شود. سپس اجزای مختلف آن استخراج می‌‌شود و بازخورد‌های موج‌های مغزی در آن به صورت صدا، تصویر یا ترکیبی از آنها به نمایش در می‌آید. بنابراین اجزای الکتروفیزیولوژیک آن به صورت جدا نمایش داده می‌شوند.

پروتکل‌های درمانی مختلف نوروفیدبک

.

پروتکل آلفا

آموزش آلفا معمولاً برای درمان بیماریهای مختلف مانند تسکین درد (با تحریک 9 هرتز)، کاهش استرس و اضطراب (با تحریک 10 و 30 هرتز)، بهبود حافظه، بهبود عملکرد ذهنی و درمان آسیب های مغزی (تا 10.2 هرتز) استفاده می شود.

نتیجه تعداد جلسات تقویت/مهار سایت درمان
تاثیر بر واکنشهای احساسی (به صورت گزارش خود اظهاری ثبت شده است) و EMG صورت 5 افزایش آلفا (8-13 هرتز) F3, F4
بهبود سرعت پردازش شناختی و عملکرد اجرایی 31-36 افزایش پیک آلفا (8-13 هرتز) FO3
بهبود عملکرد شناختی 1 افزایش آلفای حد بالا F3, F4, FZ, P3, P4, PZ
کاهش اضطراب 7 افزایش آلفا (8-13 هرتز) OZ, O1, C
به حفظ عملکردهایی مانند محاسبه و افتراق شنوایی کمک میکند افزایش آلفا O2
افزایش کیفیت اجرای موسیقی 20 افزایش آلفای حد بالا F3 -O1, F4 -O2
خلاقیت بالا 1 کاهش آلفا (7-13 هرتز) O2, P4
کاهش اضطراب 5-7 افزایش آلفا OZ
کاهش نیاز به خواب 2 افزایش آلفا (8-13 هرتز) Parietal-occipital
تغییرات خلق و خوی 2 هر دو P3, PZ, P4, O1, O2

 

پروتکل بتا

فعالیت بتا یک شاخص خوب برای عملکرد ذهنی است و فعالیت بتای نامناسب نشان دهنده اختلالات روحی و جسمی مانند افسردگی، ADHD  و بی خوابی است. امواج مغزی بتا با دقت آگاهانه، تمرکز قوی و توانایی حل مسئله مرتبط است. داروهایی که برای تحریک هوشیاری و تمرکز مورد استفاده قرار می گیرند مانند ریتالین و آددرال نیز باعث می شوند مغز امواج مغزی بتا تولید کند.

از آموزش بتا برای بهبود تمرکز و توجه (افزایش بتا 12-14 هرتز)، بهبود توانایی خواندن (بتای 7-9 هرتز) و ایجاد تغییرات مثبت در عملکرد تحصیلی استفاده می شود. همچنین افزایش بتا عملکرد محاسباتی، پردازش شناختی، کاهش نگرانی ها، بیش از فکر کردن، وسواس (OCD)، الکلیسم و ​​بی خوابی (بتای 14-22 هرتز و 12-15 هرتز) را بهبود می بخشد. این نوع نوروفیدبک عملکرد شناختی، خواب را بهبود می بخشد و همچنین کاهش خستگی و استرس را باعث میشود. تقویت امواج بتا در محدوده 12-15 هرتز (SMR) اضطراب، صرع، عصبانیت و استرس را کاهش می دهد.

نتیجه تعداد جلسات تقویت/مهار سایت درمان
بهبود عملکرد توجه 20 تقویت بتا (16-22 هرتز) و

مهار تتا حد بالا و آلفا حد پایین

Central-posterior region (CPZ, PCZ)
افزایش موفقیت آمیز عملکرد توجه 10 تقویت بتا حد پایین (12-15 و 15-18 هرتز) ، مهار تتا (4-7 هرتز) و بتا حد بالا (22-30 هرتز) (12-15 Hz) at right central region (C4) and (15-18 Hz) at the left central region (C3)
بهبود عملکرد شناختی 15 تقویت بتا حد پایین (12-15 هرتز) ، مهار تتا (4-8 هرتز) و بتا حد بالا (18-23 هرتز) CZ
بهبود حساسیت ادراکی 10 تقویت SMR (12-15 هرتز) و مهار تتا (4-7 هرتز) و بتا حد بالا (22-30 هرتز) CZ
افزایش برانگیختگی قشر مغز 10 تقویت بتا حد پایین (15-18 هرتز) ، مهار تتا (4-7 هرتز) و بتا حد بالا (22-30 هرتز) CZ
افزایش یادآوری در حافظه کاری معنایی 8 تقویت SMR (12-15 هرتز) و مهار تتا (4-7 هرتز) و بتا حد بالا (18-22 هرتز) CZ
کاهش بی توجهی، بیش فعالی و تکانشگری 40 تقویت بتا (16 تا 20 هرتز) و مهار تتا FCZ, CPZ
بهبود توجه و هوش 36 تقویت بتا (15-18 هرتز) و SMR (12-15) ، مهار تتا C3, C4
درمان اختلال صرع و ADHD تقویت SMR و  مهار تتا C4, Cz
درمان ADHD تقویت بتا (13-20 هرتز) و مهار تتا CZ, C3

 

پروتکل آلفا به تتا

آلفا/تتا یک شاخص مابین هشیاری و خواب است. آموزش آلفا/تتا یکی از محبوب ترین آموزش های نوروفیدبک برای کاهش استرس است. همچنین این درمان برای سطوح عمیق افسردگی، اعتیاد و اضطراب مورد استفاده قرار می گیرد. این پروتکل باعث افزایش خلاقیت، آرامش، عملکرد موسیقی و بهبودی از اتفاقات تروماتیک می شود. الکترودها معمولاً در O1 ، O2 ، CZ و PZ قرار میگیرند. محدوده فرکانس آلفا/تتا 7-8.5 هرتز با مقدار معمول 7-8 هرتز است. این درمان تحت شرایط چشم بسته انجام می شود که نسبت امواج تتا به آلفا را با استفاده از بازخورد شنوایی افزایش می دهد.

نتیجه تعداد جلسات تقویت/مهار سایت درمان
بهبود عملکرد هنری 10 افزایش تتا (4-7 هرتز) روی آلفا (8-11 هرتز) P4
بهبود عملکرد موسیقی 10 افزایش تتا (5-8 هرتز) روی آلفا (8-11 هرتز) C4, C3, Pz
افزایش عملکرد و خلق و خوی هنری جلسات نیم ساعته، دو بار در هفته افزایش تتا (4-7 هرتز) روی آلفا (8-11 هرتز)
افزایش عملکرد موسیقی 10 افزایش تتا (4-7 هرتز) روی آلفا (8-11 هرتز)

 نوروفیدبک سطحی ADHD

در ADHD هدف کاهش فعالیت مغز در باند تتا و افزایش فعالیت آن در باند بتا (یا کاهش نسبت تتا/بتا) در الکترود است. این درمان در کاهش بیش فعالی موثر است. افزایش تمرکز، بهبود نمرات و رضایت والدین از رفتار کودکان و بهبود شاخص های توجه پایدار از نتایج گزارش شده ی آن است. پروتکل تتا/بتا و ناحیه Cz برای قرار دادن الکترود EEG رایج ترین استراتژی نوروفیدبک در درمان ADHD است.

نتیجه بازه سنی تعداد جلسات پروتکل نوروفیدبک سایت درمان
بهبود عملکرد ذهنی و دقت 5-15 20 افزایش بتا، مهار تتا Cz
بهبود اثرات  ADHD 9-13 40 تتا/بتا، SMR Cz
بهبود توجه، تمرکز و حافظه 9-11 40 تتا/بتا، SMR Cz
بهبود عملکرد قشر سینگولیت قدامی 8-12 40 تتا/بتا، SMR Cz
بهبود توجه، بیش فعالی و حواس پرتی 8-13 30 تتا/بتا Cz
بهبود درمان ترکیبی پروتکل های نوروفیدبک 9-12 18 تتا/بتا Cz
بهبود اثرات  ADHD 8-13 40 تتا/SMR Cz

 

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

تجربه نوروفیدبک

June 16th, 2021 Posted by Uncategorized 0 thoughts on “تجربه نوروفیدبک”

یک روز صبح برایان میلستد ازهمکارش کیم پرسید که حال دخترش چطور است. کیم ، که از یک شب بی خوابی دیگر خسته بود ، برای برایان در مورد تشنجات صرعی و وخیم تر شدن وضعیت دخترش مگی صحبت کرد. برایان به عنوان صاحب بیزنس و متخصص در تجهیزات بیو / نوروفیدبک ، با تحقیق در مورد استفاده از نوروفیدبک به کیم پیشنهاد کرد که نسخه ای از EEG دخترش را دریافت کند تا بتواند آن را با چند همکار به اشتراک بگذارد تا ببیند آیا مگی کاندید مناسبی برای آموزش نوروفیدبک است یا خیر. کیم هرگز تصور نمی کرد که مکالمه آنها مجموعه ای از ماجراها را به راه بیندازد که روزی زندگی دختر کوچکش را تغییر دهد.

تشخیص

وقتی او فقط 11 ماهه بود ، مگی اولین جراحی مغز خود را برای هیدروسفالی انجام داد ، شرایطی که در آن تجمع مایع مغزی نخاعی (CSF) در مغز وجود دارد. در سن 2 سالگی ، تشخیص صرع برای او گذاشته شد. نوع خاص صرع وی ESES (صرع وضعیت الکتروگرافی در هنگام خواب) نامیده می شود. این ویژگی با افزایش فعالیت پس زمینه مشخص می شود که به مغز اجازه نمی دهد عملکردهای طبیعی خود را در طول خواب مانند تثبیت حافظه و رشد زبان انجام دهد، به طوری که می تواند باعث کاهش این عملکردها شود. کسانی که از ESES رنج می برند، می توانند انواع مختلفی از تشنج از جمله تشنج تونیک-کلونیک (گراند مال) را تجربه کنند، مگی نیز به طور منظم این مورد را تجربه می کند. به گفته ی کیم مادر مگی او در حدود 90٪ از خواب خود ESES داشته است. برخی از تشنج های وی تا پنج دقیقه طول می کشید و باعث توقف تنفس می شد.

وضعیت وی “غیرقابل حل” در نظر گرفته شد ، به این معنی که برای سالها پزشکان قادر به کنترل تشنج با چندین داروی ضد تشنج نبودند. در حالی که این داروها به کاهش سرعت تشنج مگی کمک می کردند، اما آنها را از بین نبردند و او شروع به کاهش تدریجی شناختی کرد. در همین زمان بود که برایان در مورد نوروفیدبک با کیم صحبت کرد. کیم واکنش خود را به یاد می آورد: “من کاملا صادقانه میگویم ، وقتی او توضیح می داد، این کار دیوانگی به نظر می رسید. چگونه ممکن بود با وجود اینکه ما پزشکان برجسته ی زیادی را دیده بودیم و آنها نتوانستند حملات مگی را تحت کنترل درآورند، نوروفیدبک یک راه درمانی باشد؟ “

بررسی EEG

وفا به گفته خود ، پس از اینکه برایان نسخه ای از EEG را دریافت کرد ، با دوست و همکار خود جی گانکلمن ، مدیر ارشد علوم در Brain Science International تماس گرفت. پس از بررسی نتایج آزمایش ، اولین قدم جی تماس با پزشک مگی بود و تأکید کرد که “ما فقط با رضایت یک متخصص ناظر که بیمار را برای صرع معالجه می کند کار می کنیم.”

پزشک مگی درباره نوروفیدبک شنیده بود ، اما شواهد کافی در مورد استفاده از آن در ESES یا صرع برای در نظر گرفتن آن ندیده بود.

به گفته جی ، پزشک مگی را فقط می توان یک فرد بدبین در نظر گرفت که به خانواده می گفت این کار را با احتمال خطر انجام دهند اما بعد از بحث در مورد آموزش نوروفیدبک که پیشنهاد کردیم و بعد از اشتراک مقالات پراکنده ای که ما در اختیار داریم، از جمله متاآنالیز گابریل تان که نتایج مثبتی در صرع غیرقابل درمان دارد، و همچنین مقاله باری استرمن از سال 2000 که کارهای وی را مرور می کند.

والدین مگی ، اندی و کیم ، تصمیمی بسیار دشوار گرفتند. آنها گزینه های خود و توصیه هایی را که از خانواده و دوستانشان دریافت کردند با دقت بررسی کردند، اما در نهایت تصمیم گیری بر عهده خود آنها بود. اندی به یاد می آورد که گفت ، “اگر صدمه ای نبیند ، بگذار یک بار امتحان کنیم.” به هر حال ، آنها درمان فعلی او را رها نکردند – فقط چیز جدیدی اضافه کردند – چیزی که فقط ممکن است به مگی کمک کند. حداقل این چیزی بود که آنها را امیدوار می کرد

برنامه درمان

پس از دریافت راهنمایی از خانواده ، جی رویکرد آموزش نوروفیدبک را بر اساس EEG مگی طراحی کرد که با Linda Walker، MHR، LPC، BCN، BCB – یک پزشک متخصص دارای مجوز در زمینه نوروفیدبک و همچنین سایر روش ها به اشتراک گذاشته شد. سپس لیندا یک طرح آموزش شخصی سازی بهینه سازی مغز ایجاد کرد.

این آموزش در یک آخر هفته در ژانویه و با ارزیابی QEEG توسط لیندا و پس از آن چندین جلسه آموزشی با مگی آغاز شد. لیندا توضیح میدهد: “من صفحه های آموزش را طوری تنظیم کردم که مگی بازخوردی را که برای او جذاب بود دریافت کند. از نظر رفتاری ، مغز او نیاز به دریافت پیامی درباره زمان فعالیت صحیح و غیرفعال بودن داشت. ما همچنین می دانیم که بهترین یادگیری در شرایطی اتفاق می افتد که آنچه می آموزیم جذاب و دارای برخی عناصر احساسی است. همچنین ، یادگیری باید محتاطانه باشد. پیام درمورد اینکه مغز چه کاری انجام می دهد یا چه کاری انجام نمی دهد ، باید واضح باشد. پاداش های بازخورد باید به طور مداوم اتفاق بیفتند تا مغز بتواند الگوی جدیدی از عملکرد را بیاموزد.”

علاوه بر این ، لیندا آموزش نحوه استفاده از تجهیزات نوروفیدبک ، اتصال سنسورهای EEG و اجرای جلسات را برای کیم برعهده گرفت. با توجه به تعداد زیاد جلسات پیش بینی شده ، آموزش از راه دور  ابتدا از طریق وب کم انجام و همیشه توسط لیندا به طور فعال از راه دور مدیریت می شد.

جی خاطرنشان کرد ، “مهم است که دستگاههای بازی کاملاً خوب را با ابزارهای بالینی قابل تنظیم واقعی اشتباه نگیریم. تقویت کننده ها و فیلترها باید متناسب با EEG سفارشی شوند ، نه استاندارد. دستگاه باید بتواند از راه دور به طور فعال مدیریت شود. “

نتایج درمان

حدود سه تا چهار هفته بعد از آموزش ، مگی برای اولین بار بعد از دو سال شب را خوابید. برای خانواده ، این نشانه ای بود بر اینکه آنها تصمیم درستی گرفته اند. بعد از تقریباً 70 جلسه ، سه بار در هفته و در طی 5 ماه ، مگی تشنج ها مگی قطع شد و EEG وی کاملا تمیز بود.

از زمان ارسال این پست ، مگی به مدت سه سال زندگی بدون تشنج را پیش گرفته است

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

هوش مصنوعی چیست؟

May 19th, 2021 Posted by Uncategorized 0 thoughts on “هوش مصنوعی چیست؟”

هوش مصنوعی چیست؟

هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه و مربوط به ساخت ماشین های هوشمندی است که قادر به انجام وظایفی هستند که معمولاً به هوش انسانی نیاز دارند. هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگو، تقریباً در هر بخش از صنعت فناوری می شود.

هوش مصنوعی چگونه کار میکند؟

آیا ماشین میتواند فکر کند؟ (آلن تورینگ 1950)

کمتر از یک دهه پس از شکستن ماشین رمزگذاری نازی Enigma و کمک به نیروهای متفقین در پیروزی در جنگ جهانی دوم ، ریاضیدان آلن تورینگ برای بار دوم با یک سوال ساده تاریخ را تغییر داد: “آیا ماشین ها می توانند فکر کنند؟”

مقاله تورینگ “رایانه و ماشین آلات و هوش” (1950) ، و سپس آزمایش تورینگ ، هدف اساسی و چشم انداز هوش مصنوعی را تعیین کرد

هسته اصلی آن ، AI شاخه ای از علوم کامپیوتر است که هدف آن پاسخ مثبت به سوال تورینگ است. این تلاش برای تکرار یا شبیه سازی هوش انسان در ماشین است.

هدف گسترده هوش مصنوعی سوالات و بحث های زیادی را به وجود آورده است. تا آنجا که هیچ تعریف واحدی از این رشته در سطح جهانی پذیرفته نشده است.

عمده ترین محدودیت در تعریف هوش مصنوعی یا به عبارت ساده ” ماشین هایی که هوشمند هستند” این است که در واقع توضیح نمی دهد که هوش مصنوعی چیست؟ چه چیزی یک ماشین را هوشمند می کند؟

نویسندگان استوارت راسل و پیتر نورویگ در کتاب درسی پیشگامانه خود “هوش مصنوعی: رویکردی مدرن” با یکسان سازی کار خود پیرامون موضوع عوامل هوشمند در ماشین ها ، به این سوال می پردازند. با توجه به این نکته ، هوش مصنوعی “مطالعه عواملی است که از محیط دریافت می کنند و اعمال را انجام می دهند”. (Russel and Norvig 4)

Norvig و Russell در ادامه به بررسی چهار رویکرد مختلف می پردازند که به طور تاریخی زمینه AI را تعریف کرده اند

  1. انسانی فکر می کند
  2. منطقی فکر می کند
  3. انسانی عمل می کند
  4. منطقی عمل می کند

دو ایده اول مربوط به فرایندهای تفکر و استدلال است، در حالی که بقیه با رفتار سرو کار دارند. نورویگ و راسل به طور ویژه بر عوامل منطقی که برای رسیدن به بهترین نتیجه عمل می کنند تمرکز می کنند و خاطرنشان می کنند: “تمام مهارت های مورد نیاز برای آزمون تورینگ به یک عامل امکان می دهد منطقی عمل کند.” (راسل و نورویگ 4).

اگرچه این تعاریف ممکن است برای یک فرد عادی انتزاعی به نظر برسد، اما به تمرکز این حوزه به عنوان حوزه ای از علوم رایانه کمک می کند و طرحی برای یادگیری ماشین و سایر زیر مجموعه های هوش مصنوعی فراهم می کند.

مدیرعامل DataRobot ، جرمی آچین ، هنگام سخنرانی در جمع افراد در Japan AI Experience در سال 2017 ، سخنرانی خود را با ارائه تعریف زیر از نحوه استفاده از هوش مصنوعی امروز آغاز کرد:

“هوش مصنوعی یک سیستم رایانه ای است که قادر به انجام وظایفی است که معمولاً به هوش انسان نیاز دارد … بسیاری از این سیستم های هوش مصنوعی با یادگیری ماشینی کار می کنند ، برخی از آنها با یادگیری عمیق و برخی دیگر با چیزهای بسیار کسل کننده مانند قوانین کار می کنند. “

هوش مصنوعی چه استفاده ای دارد؟

هوش مصنوعی به طور کلی تحت دو دسته گسترده قرار دارد:

هوش مصنوعی محدود:

این نوع هوش مصنوعی که گاهی اوقات با عنوان “AI ضعیف” نیز شناخته می شود ، در یک زمینه محدود عمل می کند و شبیه سازی هوش انسانی است. هوش مصنوعی محدود اغلب بر انجام یک کار واحد بسیار خوب متمرکز است و گرچه به نظر می رسد این ماشین ها هوشمند هستند ، اما آنها با محدودیت های بسیار بیشتری حتی از ابتدایی ترین هوش انسانی کار می کنند.

هوش مصنوعی عمومی: AGI

 که گاهی اوقات به عنوان “هوش مصنوعی قوی” نیز شناخته می شود ، نوعی هوش مصنوعی است که در فیلم ها می بینیم ، مانند ربات های Westworld

AGI ماشینی با هوش عمومی است و دقیقاً مانند یک انسان می تواند از این هوش برای حل هر مشکلی استفاده کند.

هوش مصنوعی محدود:

هوش مصنوعی محدود در اطراف ماست و به راحتی موفق ترین تحقق هوش مصنوعی تاکنون است. با تمرکز بر انجام وظایف خاص ، هوش مصنوعی محدود در دهه گذشته موفقیت های زیادی را تجربه کرده است که “دارای مزایای قابل توجهی در جامعه بوده و به نشاط اقتصادی ملت کمک کرده است” ، طبق “آماده سازی برای آینده هوش مصنوعی” ، گزارش سال 2016 منتشر شده توسط دولت اوباما.

یادگیری ماشین و یادگیری عمیق

بیشتر هوش مصنوعی محدود با پیشرفت هایی در یادگیری ماشین و یادگیری عمیق ایجاد می شود. درک تفاوت بین هوش مصنوعی ، یادگیری ماشین و یادگیری عمیق می تواند گیج کننده باشد. سرمایه گذار خطرپذیر ، فرانک چن ، نمای خوبی از چگونگی تمایز بین آنها ارائه می دهد ، و خاطرنشان می کند:

“هوش مصنوعی مجموعه ای از الگوریتم ها و هوش برای تقلید از هوش انسان است. یادگیری ماشین یکی از آنهاست و یادگیری عمیق یکی از آن تکنیک های یادگیری ماشین است”

به زبان ساده ، یادگیری ماشینی داده های رایانه را تغذیه می کند و از تکنیک های آماری برای کمک به “یادگیری” نحوه پیشرفت بهتر در یک کار ، بدون اینکه برای آن کار به طور خاص برنامه ریزی شده باشد ، استفاده می کند و میلیون ها خط کد نوشته شده را از بین می برد. یادگیری ماشین شامل یادگیری تحت نظارت (با استفاده از مجموعه داده های دارای برچسب) و یادگیری بدون نظارت (با استفاده از مجموعه داده های بدون برچسب) است.

یادگیری عمیق نوعی یادگیری ماشینی است که ورودی ها را از طریق ساختار شبکه عصبی الهام گرفته از زیست شناسی اجرا می کند. شبکه های عصبی حاوی تعدادی لایه پنهان است که داده ها از طریق آنها پردازش می شوند و به ماشین اجازه می دهند تا در یادگیری خود “عمیق” پیش رود ، برای ایجاد بهترین نتیجه ، اتصالات و ورودی وزنی ایجاد کند.

هوش مصنوعی عمومی

ایجاد ماشینی با هوش در سطح انسانی که برای هر کاری قابل استفاده باشد ، برای بسیاری از محققان هوش مصنوعی جام مقدس است ، اما تلاش برای AGI با دشواری همراه بوده است.

جستجوی “الگوریتم جهانی برای یادگیری و عملکرد در هر محیط” (راسل و نورویگ 27) چیز جدیدی نیست ، اما زمان دشواری اساسی در ایجاد یک ماشین با مجموعه کامل توانایی های شناختی را کاهش نداده است.

مدت هاست AGI موزه داستان علمی تخیلی است ، که در آن ربات های بسیار هوشمند بیش از حد بشریت غلبه می کنند ، اما کارشناسان معتقدند این چیزی نیست که به زودی نگران آن باشیم.

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

ارتباط کووید با افسردگی

May 1st, 2021 Posted by Uncategorized 0 thoughts on “ارتباط کووید با افسردگی”

ارتباط کووید وافسردگی

محققان دریافتند افرادی که در شش ماه گذشته دچار کووید -19 بودند بیشتر در معرض افسردگی، زوال عقل، روان پریشی و سکته مغزی قرار داشتند.

یک سوم از کسانی که قبلاً به عفونت کووید مبتلا شده بودند، به یک بیماری روانی یا عصبی مبتلا شدند. افرادی که در بیمارستان یا تحت مراقبت های ویژه بستری شده اند حتی بیشتر از این خطر برخوردارند.

دانشمندان انگلیس پرونده پزشکی الکترونیکی بیش از نیم میلیون بیمار در ایالات متحده و احتمال ابتلای آنها به یکی از 14 بیماری روانی یا عصبی رایج را بررسی کردند

از جمله این بیماری ها میتوان به:

افسردگی

سکته مغزی

خونریزی مغزی

پارکینسون

زوال عقل

اختلالات خلقی

و روان پریشی اشاره کرد.

محققان توضیح دادند اختلالات اضطرابی و خلقی شایعترین تشخیص در بین مبتلایان به کووید است و احتمالاً این موارد به دلیل استرس ناشی از مریضی سخت و یا انتقال به بیمارستان است.

علتها و اثرات

این مطالعه که در مجله روانپزشکی Lancet منتشر شده است، به صورت مشاهده ای بود. بنابراین محققان نمی توانستند بگویند که آیا کووید باعث تشخیص شده است یا خیر

اما با مقایسه گروهی از افراد مبتلا به کووید -19 با دو گروه از بیماران مبتلا به آنفلوآنزا و سایر بیماریهای تنفسی، محققان دانشگاه آکسفورد نتیجه گرفتند که کووید بیشتر از سایر بیماری های تنفسی با اختلالات مغزی بعدی همراه است

مبتلایان پس از کووید 16% بیشتر از سایر عفونتهای تنفسی و 44% بیشتر از افراد بهبود یافته از آنفلوانزا دچار اختلال روانشناختی یا عصبی شدند.

علاوه بر این، هرچه درجه سختی بیماری بیشتر باشد، احتمال بروز اختلالات مغزی و بیماریهای روانی بیشتر میشود

خلق و خو، اضطراب یا اختلالات روان پریشی 24%، از کل بیماران را تحت تأثیر قرار داده است، اما این میزان در بیماران بستری در بیمارستان 25%، در افرادی که تحت مراقبت های ویژه قرار داشتند 28% و در افرادی که هذیان را در طول بیماری تجربه کردند 36% بوده است

سکته های مغزی 2٪ از بیماران کووید را تحت تأثیر قرار داد و به 7٪ از بیماران بستری در ICU و 9٪ از افرادی که هذیان داشتند ، افزایش یافت.

دکتر سارا ایماریسیو ، رئیس تحقیق در آلزایمر تحقیق انگلیس ، گفت: مطالعات قبلی نشان داده است که افراد مبتلا به زوال عقل در معرض خطر بیشتری برای ابتلا به Covid-19 شدید هستند. این مطالعه جدید بررسی می کند که آیا این رابطه ممکن است در جهت دیگر نیز باشد.

“این مطالعه به علت این رابطه متمرکز نیست و مهم این است که محققان به آنچه در زمینه این یافته ها است ، برسند.

مسعود حسین ، استاد مغز و اعصاب در دانشگاه آکسفورد ، توضیح داد که شواهدی وجود دارد که دال بر ورود ویروس به مغز و آسیب مستقیم به آن است.

این می تواند اثرات غیرمستقیم دیگری داشته باشد ، به عنوان مثال با تأثیر بر لخته شدن خون، می تواند منجر به سکته شود و یا التهاب عمومی که در بدن هنگام پاسخ به عفونت اتفاق می افتد، می تواند مغز را تحت تأثیر قرار دهد.

فقط برای بیش از یک سوم افراد مبتلا به یک یا چند مورد از این شرایط ، این اولین تشخیص آنها بود.

اما حتی در مواردی که یک مشکل از قبل وجود داشته باشد ، محققان این احتمال که کووید باعث عود بیماری شده است را رد نمی کنند.

پروفسور دام تیل ویکز، از انستیتوی روانپزشکی، روانشناسی و علوم اعصاب کالج کینگ لندن ، گفت: این مطالعه سوظن ما را درمورد اینکه تشخیص Covid-19 فقط مربوط به علائم تنفسی نیست ، بلکه به مشکلات روانپزشکی و عصبی نیز مربوط می شود را تایید میکند.

بررسی بیش از شش ماه پس از تشخیص نشان داده است که” عوارض جانبی “می تواند بسیار دیرتر از حد انتظار ظاهر شود – چیزی که برای مبتلایان به Long Covid تعجب آور نیست.

اگرچه همانطور که انتظار می رفت، نتایج در بیماران بستری در بیمارستان جدی تر است ، اما این مطالعه نشان می دهد که اثرات جدی در افرادی که در بیمارستان بستری نشده اند نیز مشهود است.

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

نوروفیدبک خطی و غیر خطی چیست؟

April 17th, 2021 Posted by Uncategorized 0 thoughts on “نوروفیدبک خطی و غیر خطی چیست؟”

دستگاه های نوروفیدبک در دو دسته گسترده وجود دارد: خطی ، مبتنی بر پروتکل ، و دینامیک ، غیر خطی نیز نامیده می شوند.

نوروفیدبک خطی

اولین نسل دستگاه ها بودکه به آنها EEG سیستم های بیوفیدبک گفته می شود. نحوه کار آنها به این صورت است که ابتدا با داشتن مربی نوروفیدبک ابتدا از الگوهای الکتریکی مغز نقشه برداری می کنند. این نقشه به مربی اجازه می دهد تا فعالیت مغز را تجزیه و تحلیل کند. به عنوان مثال ، بررسی اینکه امواج تتای مغز آنها در مقایسه با الگوهای مغز سالم کم است یا آلفا بسیار زیاد است. این نقشه برداری qEEG یا الکتروانسفالوگرافی کیفی نامیده می شود. فعالیت الکتریکی ضبط شده مغز برای تولید نقشه عملکرد مغز استفاده می شود.

سپس نقشه به عنوان مرجع مربی برای تنظیم پروتکل هایی جهت کمک به مغز برای حرکت به سمت الگوهای طبیعی و سالم موج مغزی استفاده می شود. در صورت عدم دسترسی به نقشه مغز ، پزشک ممکن است از تشخیصی مانند ADHD یا اضطراب برای تنظیم پروتکل ها استفاده کند.طول امواج مغزی نشان دهنده ی اندازه گیری ولتاژ الکتریکی مغز است که از طریق ریاضیات به فرکانس های مختلف ترجمه می شود. این فرکانس ها دارای نام هایی مانند تتا ، بتا یا آلفا هستند و با عملکردها یا حالات مختلف مغز مرتبط هستند.

به عنوان مثال ، بر اساس یک نقشه مغزی ، پزشک ممکن است ارزیابی کند که مشتری بیش از حد فعالیت موج دلتا دارد و فعالیت موج آلفا کافی نیست. وی پروتکل هایی برای کمک به تغییر مغز در این فرکانس ها ایجاد خواهد کرد و از گزارشات خود و نتایج نقشه برداری بیمار برای ارزیابی پیشرفت از جلسه به جلسه دیگر استفاده خواهد کرد. دوره ای از این جلسات بیمار را به سلامتی مطلوب مغز نزدیک میکند.

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

نوروفیدبک غیر خطی/دینامیکی

نسل دوم دستگاه های نوروفیدبک با نزدیک شدن سرعت محاسبات به سرعت پردازش مغز بوجود آمد. از طراحی این سیستم به دلیل فرمول ریاضی استفاده شده، به عنوان “غیرخطی” یاد می شود که نشان دهنده چگونگی ایجاد تغییر به صورت طبیعی مغز است. روش تغییر و بهبود مغز یک رویکرد سیستمی غیر خطی است.

سیستم خطی در مقابل سیستم غیرخطی چیست؟

هر چیزی که با قابلیت پیش بینی 100٪ کار کند، یک سیستم خطی است. نمونه ای از یک سیستم تغییر غیرخطی، آب و هوا است. ما درک می کنیم که زمستان به بهار، تابستان و پاییز منجر می شود (سیستم خطی) اما این کار را با الگوی قابل پیش بینی افزایش و کاهش دما (غیر خطی) انجام نمی دهد. بارش برف در ماه آوریل به معنای بازگشت ما به زمستان نیست!

مغز هم در یک الگوی غیر خطی تغییر می کند و فرمول ریاضی برای نرم افزار نوروفیدبک غیر خطی این الگوی را منعکس می کند. به طور خاص، این نرم افزار فعالیت الکتریکی یا ولتاژ مغز را بررسی می کند و با تعیین فاکتور تغییرات در طول، دامنه و فرکانس ها در طول زمان، تغییر حالت را تعیین می کند.

تفاوت قابل توجه دیگر نوروفیدبک غیرخطی این است که نیازی به مربی برای تنظیم پروتکل ها ندارد. از آنجا که سرعت محاسبه به سرعت مغز نزدیک شده است، این نرم افزار پویا در زمان واقعی با مغز ارتباط برقرار می کند تا به او بازخورد بدهد تا مغز فرد بتواند تغییرات حالت خود را ثبت کند و هر چیزی را که بهینه نیست تغییر دهد.

این نرم افزار صدها نقطه داده را از فعالیت الکتریکی اندازه گیری شده توسط حسگرهای EEG در هر ثانیه می گیرد. سپس این دستگاه از میکرو وقفه در موسیقی پخش شده هنگام اجرای جلسه آموزشی استفاده می کند.

شنوایی درک اصلی است که مغز از آن برای تشخیص تغییرات در محیط استفاده می کند. وقفه های دقیقاً به موقع به عنوان یک سیستم هشدار عمل می کند که به مغز فرد می گوید به دو مجموعه اطلاعات توجه کند: آنچه در محیط خارجی اتفاق می افتد و آنچه در داخل بدن اتفاق می افتد.

آموزش هزاران بار در هر جلسه این بازخورد را ارائه می دهد. سپس مغز فرد می تواند با استفاده از این بازخورد، انتخاب ها یا عادت های خودکار خود را ببیند و سپس تصمیم بگیرد که آیا می خواهد این الگوها را تغییر دهد.

نظریه آموزش غیر خطی نوروفیدبک این است که طی دوره جلسات آموزشی، فرآیند یادگیری که انجام می شود منجر به کارآمدترین و موثرترین استفاده از انرژی توسط مغز برای پاسخگویی به نیازهای فعلی محیطی می شود. این روند جمع آوری داده های فعلی جایگزین پاسخ های عادت ناسازگار می شود. هنگامی که مغز این الگوی جدید ارزیابی نیازها را فرا گرفت، فرد متوجه تغییراتی در واکنش های ذهنی و عاطفی می شود.

نظریه آموزش غیر خطی نوروفیدبک این است که طی دوره جلسات آموزشی، فرآیند یادگیری که انجام می شود منجر به کارآمدترین و موثرترین استفاده از انرژی توسط مغز برای پاسخگویی به نیازهای فعلی محیطی می شود. این روند جمع آوری داده های فعلی جایگزین پاسخ های عادت ناسازگار می شود. هنگامی که مغز این الگوی جدید ارزیابی نیازها را فرا گرفت، فرد متوجه تغییراتی در واکنش های ذهنی و عاطفی می شود.

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

درمان داده محور

February 28th, 2021 Posted by Uncategorized 0 thoughts on “درمان داده محور”

درمان مبتنی بر داده: آینده مراقبت های بهداشت روان

فناوری زندگی ما را تغییر می دهد. همچنان که افراد پیشتاز و خلاق کاربردهای جدیدی را برای فناوری های موجود تولید می کنند، همزمان به تغییر شکل هنجارهای روزمره نیز ادامه می دهند. شاید بعضی ها هنوز در خاطرشان باشد که دانشجویان و محققان برای جستجوی متون و سایر مطالب علمی مانند روزنامه ها و مجلات علمی، به کتابخانه ها مراجعه می کردند.اما اکنون به لطف فناوری های اطلاعاتی، دانش آموزان و دانشجویان می توانند در یک کلاس درس بنشینند و از طریق تلفن هوشمند، تبلت و رایانه به منابع تحقیق دسترسی پیدا کنند.

فناوری، مراقبت های بهداشتی را متحول کرده است. این امکان ذخیره مقدار تقریباً بی پایان سوابق الکترونیکی سلامت و داده های پزشکی را برای ردیابی کارآمد، اثربخشی درمان و مراقبت های هماهنگ برای بسیاری از شرایط سلامتی فراهم می کند. این برنامه ها با افزایش تجزیه و تحلیل تجربیات خود و ارائه ی لحظ ای داده هایی که می توانند برای کمک به حل مشکلات مشتری استفاده شوند، به مشاغل کمک می کنند تا خدماتشان را به مراجعانشان را بهبود بخشند. همین تمرکز، بر تجربه بیمار در مراقبت های بهداشتی نیز وجود دارد. منابع بهداشتی الکترونیکی به مردم این امکان را می دهد تا آگاهی بیشتری داشته باشند، تحصیلات بهتری داشته باشند و به خصوص در مسائل ویژه ای مثل بهداشت روان و یا ترک مواد مخدر با آگاهی ای که از طریق منابع الکترونیک و در دسترس عموم به وجود آمده است، با شرم کمتری به مراکز درمانی مراجعه کنند.

شاید چندان به چشم نیاید اما خدمات بسیار شخصی مانند درمان برای افراد و خانواده ها نیز به طور چشمگیری مبتنی بر فناوری شده اند. استفاده از داده ها انقلابی در نحوه جستجو و دریافت مراقبت های بهداشت روان است. استفاده از یک رویکرد داده محور، بیماران را قادر می سازد از درمان موثرتر بهره مند شوند و افراد را به سمت موفقیت های بالاتر سوق می دهد. این یکی از دلایلی است که چرا افراد با توجه به درمان ممکن است بخواهند به دنبال درمان مبتنی بر داده باشند.

درمان متعارف

روان درمانی متداول دلایل مختلفی وجود دارد که افراد تصمیم می گیرند درمان خود را دنبال کنند. آنها ممکن است یک رویداد آسیب زا یا خسارت قابل توجهی را تجربه کرده باشند و برای پردازش و مقابله با تأثیر ضربه یا غم و اندوه احساس نیاز به کمک حرفه ای کنند. افراد ممکن است با افسردگی ، اختلال دو قطبی ، اختلال اضطراب یا سازگاری با زندگی در یک رابطه ، یک شهر جدید ، یک شغل جدید یا به عنوان والدین جدید دست و پنجه نرم کنند.

دلایل متنوعی که افراد مختلف به خاطر آن به دنبال درمان هستند، امکان ایجاد یک رویکرد مراقبت از بهداشت و درمان رفتاری متناسب با همه بیماران را برای روانشناسان غیرممکن می کند. با توجه به پیچیدگی و تنوع داستان های زندگی ، تجربیات و زمینه های زندگی افراد مختلف، ایجاد یک رویکرد جهان شمول برای درمان تمامی مشکلا و اختلالات مورد نظر هیچ درمانگری نبوده است. دامنه پویایی تقریباً بی حد و حصر، هر فرد وضعیت او را متمایز می کند. یک فرد ممکن است با یک آسیب ناشی از سوء مصرف مواد یا سوء استفاده والیدن روبرو باشد، فرد دیگری ممکن است با اختلال وسواس فکری عملی و همچنین سابقه غفلت و احساس بیگانگی باشد. شخصی که به دلیل مرگ متحمل اندوه و سوگ شده است ممکن وارد یک مرحله ای از روابط آشفته شود که ناشی از غم و اندوه سوگ است.

سلامت روان یک شبکه بسیار پیچیده است. احساساتی مانند احساس گناه ، شک ، ترس و اضطراب می تواند در دامنه وسیعی از شرایط ایجاد و تحریک شود.

این بدان معنی است که ، وقتی صحبت از درمان سوء مصرف مواد و بهداشت روانی می شود، روان درمانگران باید به طور مستمر به دنبال گسترش آنچه می دانند و چگونگی بسته بندی تجربیات قابل توجه و اطلاعات بک گراند مربوط به بیماران خود باشند.

روان درمانی یک روش بسیار موثر برای طیف وسیعی از اختلالات مختلف ، بهداشت رفتاری و اختلالات مصرف مواد است، با این حال تحقیقات نشان می دهد که برخی از درمانگران به شکل موثر تری می توانند این کار را انجام دهند. علاوه بر این، به نظر می رسد که میزان عود روش های مختلف درمان متفاوت است. به عنوان مثال، برای بیش از 50 درصد کسانی که برای درمان افسردگی به درمان رفتاری شناختی (CBT) مراجعه می کنند معمول است که یک سال پس از اتمام درمان درگیر مشکلات مشابه شوند.

بخشی از دلایل تفاوت در یافته های تحقیقات مختلف این است که در دنیای واقعی هرگز پیگری روند درمان و احساس بیمارن از روند درمانی و همچنین نتایج مختلف درمان در شرایط متونعی که برای هر بیمار اتخاذ می شود، همچنین میزان پیشرفت بیماران متخلف در روندهای درمانی متنوع و توسط درمانگران با نگرش های متنوع به صورت مدون ثبت و ضبط و در نظر گرفته نمیشود. به این معنا که اگر رواندرمانگران در طول و بعد از درمان تغییرات افراد را ارزیابی نکنند، اطلاعات مهمی از دست می رود. بدون این نوع داده ها و بازخورد های آنها، نمی توانیم به طور کامل ارزیابی و درک کنیم که چرا برخی از بیماران به سمت درمان خود شتاب می گیرند در حالی که دیگران دست و پا می زنند و درمان را خیلی زود ترک می کنند. به طور مشابه اگر درمانگران قادر به پیگیری و معاینه بیمارانی که درمان خود را به پایان رسانده اند نیستند، در این صورت نمیتوان اثرات بلند مدت درمان را برآورد کرد و میزان اثربخشی را بلندمدت سنجید.

همانطور که پیچیدگی زندگی مردم افزایش می یابد و فناوری موانع بیشتری را از پیش رو بر میدارد، فرصتی الهام بخش به درمانگران ارائه می شود. ما حتی بهتر می توانیم رویکرد خود در درمان را متناسب با تعداد متغیرهای فزاینده ای که هنگام کار با بیمار وجود دارد، تنظیم کنیم که این کار ساده نیست. با این حال، درمانگران می توانند به طور فزاینده، آینده نگرانه و با حداکثر پاسخگویی از فناوری های جدید برای توسعه درمان شخصی سازی شده استفاده کنند، و در نتیجه آن کیفیت مراقبت را بهبود بخشند.

درمان شخصی سازی شده

در بهترین حالت، درمان به جای تلاش برای جا دادن بیماران در چارچوبی که متناسب با همه است، نیازها و ویژگی های منحصر به فرد را تشخیص می دهد و او را در پلن مناسب خود قرار میدهد. مطالعات مستند و متنوع، موارد زیادی را در مورد آنچه می تواند به کاهش اضطراب کمک کند یا نحوه مقابله موثرتر با علائم افسردگی نشان می دهد. با این حال، یافته های مطالعاتی از این دست، عموما برای افرادی که ویژگی های جمعیت مطالعات را بطور متوسط دارا باشند صدق میکند. گرچه از بسیاری جهات بسیار مفید است، اما عملا چیزی به عنوان یک فرد متوسط ​​در دنیای واقعی وجود ندارد به خصوص هنگامی که شخصی در مطب یک درمانگر نشسته است. بنابراین هنگام حرکت از آزمایشگاه روانشناسی به اتاق درمان، درمانگران ماهر یاد می گیرند که “تئوری ها را نگه دارند” و تشخیص می دهند که بهترین درمان درمانی است که متناسب با هر فرد باشد.

همانند اینکه پزشکی شخصی سازی شده مرزهای جدید قدرتمندی در تأمین مزایای اساسی سلامتی برای بیماران انجام میدهد، استفاده های جدید از سیستم های بهداشتی مبتنی بر فناوری و افزایش قدرت محاسباتی، به این معنی است که درمان شخصی سازی شده احتمالاً روش جواب دهنده برای آینده است. به عنوان مثال، یک رویکرد نوظهور در درمان شامل در نظر گرفتن نیازهای بیمار و همچنین ترجیحات شخصی است که در فرآیند انتخاب یک درمانگر گنجانده شده است.

نسخه های بعدی درمان مبتنی بر داده، ایده درمان شخصی سازی شده را با درک نوسانات میزان احساس بیماران و برداشت آنها از روند درمان ترکیب می کنند، و امکان ایجاد تنظیمات درمانی را فراهم می سازند که در غیاب داده ها کاملا دور از ذهن به نظر میرسید. یک مثال عالی برای این امر، درمان با آگاهی از بازخورد[1] (FIT) است که به درمانگران اجازه می دهد بیماران خود را برای شرکت در درمان های بهداشت روان، بیشتر فعال کنند.

درمان با آگاهی از بازخورد (FIT)

یکی از اساسی ترین کاربردهای درمان شخصی سازی شده، ارزیابی اطلاعات بر اساس جلسات فرد برای شناسایی الگوهای رفتاری و ایجاد برنامه های مراقبت شخصی است. FIT شامل جمع آوری و استفاده از درک بیمار از رابطه با درمانگر خود ، همراه با گزارش ها و غربالگری های سلامتی از وضعیت هفته به هفته آنها، برای بررسی با بیماران و ارزیابی پیشرفت نوع خاصی از درمان های بهداشت روان است. همکاری مکرر و مداوم با بیماران در مورد تجربه درمانی می تواند تأثیر مهمی در آنچه منجر به تغییر مثبت و پایدار در درمان می شود، داشته باشد. این فرایند همچنین ممکن است شامل بررسی داده های مربوط به سایر بیمارانی باشد که نوع مشابه و یا سطح علائم مشابه را دارند که به دنبال درمان آنها بوده اند.

با استفاده از FIT ، درمانگران به داده های آماری مربوط به الگوهای پاسخ های بیمار و مراقبت های بهداشت روان دسترسی پیدا میکنند. این می تواند به شناسایی مشکلات بالقوه ای که بیماران از آنها بصورت آگاهانه مطلع نیستند کمک کند، مانند زمانی که بیمار احتمال دارد زودتر از موعد به درمان پایان دهد، زیرا احساس می کند که میزان درمان برای او کافی است!! همچنین می تواند موثرترین دوره درمانی را برای آن فرد خاص برجسته کند تا به درمانگر کمک کند تا روش خود را تنظیم کند تا بهترین استراتژی را برای هر بیمار تعیین کند و احتمال موفقیت و بهبود سلامت عاطفی را بهبود بخشد. FIT از طرحی استفاده می کند که هم مبتنی بر تخصص درمانگران آموزش دیده و هم فناوری داده محور است. این بازخورد به بیمار و درمانگر کمک میکند که مشترکا بتوانند پروتکل موثرتر درمان را با استفاده های داده هایی که در حال حاضر موجود هستند تدوین کنند.

مزایای FIT

بازخورد آگاهانه درمانی و تقویت کردن روش های درمان سنتی با FIT دارای مزایای زیادی است که می تواند نتایج حاصل از درمان سلامت روان را بهبود بخشد. این شفافیت بیشتر  با استفاده از بازخوردهای ایجاد شده، باعث اطمینان از نتایج مثبت در درمان می شود.

به طور خاص اعتقاد بر این است  که مزایای قابل توجه FIT از این قرار می باشد:

چندین منبع داده را برای بررسی بیشتر روند درمان فراهم می کند ،

باعث فراهم آوردن ارزیابی های موثرتر از مراحل مختلف پذیرش و درمان مراجعان میشود،

می تواند به درمانگران در ایجاد برنامه های درمانی شخصی تر و بسیار کارآمد کمک کند که منجر به بهبود سلامت روان شود.

گرفتن داده ها از چندین منبع

درمان مبتنی بر داده به درمانگران اجازه می دهد اطلاعات مختلف مربوط به روند درمان را از بیش از یک منبع دریافت کنند. به عنوان مثال ، ارائه دهندگان خدمات مراقبتی می توانند از بیماران خود پرسشنامه کاملی تهیه کنند که به شرایط و علائم بهداشت روان فعلی، اهداف و پیشرفت درمان و اینکه چقدر فکر می کنند به ادامه درمان نیاز دارند پرداخته شود. این کار را می توان بصورت پرسشنامه های سنتی کاغذی یا رایانه قبل و یا بعد از هر جلسه درمانی آنها انجام داد. سپس داده های جمع آوری شده می توانند همراه با درمانگر در جلسه مورد بررسی و بحث قرار گیرند، که احتمالاً درمانگر را بهتر در جریان روند پیشرفت بیمار قرار میدهد و همچنین نتایج این بررسی می تواند در جای دیگری و توسط درمانگر دیگری نیز مورد بررسی قرار گیرد و به روند درمان بیمار دیگری نیز کمک کند. همچنین داده ها میتوانند در نتیجه این بررسی های بین درمانگری، بر روی روشهای درمانگران دیگر اصلاحات صورت گیرد.

این نوع اطلاعات ممکن است به درمانگران کمک کند قبل از اینکه حتی با بیمار ملاقات کنند، مواردی که به صورت بالقوه ممکن است نیاز باشد در نظر بگیرند و برایش آماده باشند را مورد بررسی قرار دهند. به عنوان مثال، یک درمانگر فقط از طریق داده های مربوط به طلاق می تواند مشکلات مربوط به رابطه ناموفق را در تاریخچه مراجع خود تشخیص دهد. فردی که در طی یک دوره نسبتاً کوتاه چندین رفتار پر خطر بروز می دهد ، ممکن است نیاز باشد با مداخله ی به موقع از ریشه پیدا کردن رفتارهای نامسناسب یا مشکلات روانی در او پیشگیری شود.

از نظرسنجی های پس از جلسه همچنین می توان برای ارزیابی اثربخشی رویکرد درمانی استفاده کرد در حالی که شاخص های بالقوه ای را نشان می دهد که بیمار ممکن است زودتر به درمان پایان دهد ، بدون اینکه دنبال نوع درمان دیگر یا درمانگر مناسب تری باشد.

ارزیابی های موثر

در روان درمانی معمول ، یک درمانگر برای شناسایی الگوها و شکل گیری فرضیه های مربوط به هر بیمار ، به آموزش ، تجربه بالینی و مهارت های مختلف مجهز می شود. با این حال ، هر درمانگری می تواند از اطلاعاتی که از جلسات یک بیمار جمع می کنند برای بازخورد و کمک به بیمار بعدی در شناسایی الگوها استفاده کند. سیستم های FIT با جمع آوری بازخورد و داده ها به طور مستقیم از بیماران به منظور تکمیل این روند طراحی شده اند تا درمانگران اطلاعات بیشتری داشته باشند. این بدان معناست که رویکرد FIT ، درمانگران را قادر می سازد داده های مشخصی را که می توانند با استفاده از روشهای درمانی سنتی برای تهیه برنامه های عملیاتی خاص ، استفاده کنند.

برنامه های درمانی منحصر به فرد و بسیار موثر

روش FIT به منظور در نظر گرفتن اطلاعات خاص از هر بیمار طراحی شده است تا بتواند درمان آنها را متناسب با نیازهای آنها تنظیم کند. با این کار بسیاری از محدودیت های روش یکپارچه برای درمان از بین می رود.

FIT بر اساس روند داده های بیمار ، یک روش درمانی را برای بیمار راهنمایی می کند. این بدان معناست که درمانگر برای نزدیک شدن به کار خود با هر بیمار ، از آگاهی بهتری برخوردار خواهد بود تا احتمال دستیابی به نتیجه مثبت درمان را افزایش دهد. همانطور که گفته شد ، درمانگران همچنین می توانند از جمع آوری داده های مداوم از هر جلسه برای تعیین میزان عملکرد روش درمانی آنها با یک بیمار معین استفاده کنند و از این اطلاعات برای سفارشی سازی بیشتر درمان خود استفاده کنند.

یادگیری عمیق

یادگیری عمیق یک فرایند محاسباتی است که برای تقلید از روش کار مسیرهای مغزی ما طراحی شده است. به عنوان مثال ، فرض کنید شما 100 دلار برای خرید وسایل شخصی در این ماه دارید و از برگزاری کنسرتی که 85 دلار برای هر بلیط هزینه می کند ، مطلع میشوید. برای حضور در این کنسرت به موارد مختلفی مانند اتوبوس و غذا نیز احتیاج دارید اما 15 دلار برای پوشش آن کافی نخواهد بود. شما می خواهید به این کنسرت بروید ، پس چه کاری انجام می دهید؟

وقتی افراد از طریق تصمیماتی از این قبیل فکر می کنند ، ممکن است طیف وسیعی از داده ها را برای انتخاب خود در نظر بگیرند. دو فرد مختلف با یک فرصت مشابه برای خرید آن بلیط و با منابع مالی یکسان ، ممکن است متغیرهای متفاوتی را در نظر بگیرند.

در نهایت ممکن است کسی تصمیم بگیرد که از گرفتن بلیط صرف نظر کند و پول آن را برای سایر نیازهای ماهانه خود خرج کند. ممکن است دیگری توجیه کند که چه مقدار پول می توانند پس انداز کنند یا منابع اضافی را برای بودجه جستجو کنند تا بتوانند از پس بلیط برآید. شرایط و عواملی که داشته باشند ، هر یک از افراد اطلاعات متفاوتی را برای دستیابی به تصمیم گیری به دست می آورند.

یادگیری عمیق این روند فکری را به صورت مصنوعی تکرار می کند. همانطور که توسط Forbes گزارش شده است ، “یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که شبکه های عصبی مصنوعی ، الگوریتم هایی با الهام از مغز انسان ، از مقدار زیادی داده یاد می گیرند. مشابه الگوریتم یادگیری عمیق ، به طور مشابه با آنچه که ما از تجربه یاد می گیریم ، وظیفه ای را به طور مکرر انجام می دهد ، هر بار که برای بهبود نتیجه ، کمی آن را تغییر دهید. “

یادگیری عمیق اعمال شده در روان درمانی

یک برنامه یادگیری عمیق برای درمان می تواند برای بررسی سوابق پزشکی و سایر نقاط داده های سلامت روان جمع آوری شده در طول زمان برای تعیین الگوهای متمایز علائم و بررسی پاسخ به درمان طراحی شود. داده هایی از این دست برای ارزیابی پیشرفت درمان ، کیفیت درمانی بین ارائه دهندگان بهداشت روان و بیماران و اینکه آیا اهداف درمانی مورد توجه قرار می گیرند ، تجزیه و تحلیل می شوند. از برنامه یادگیری عمیق می توان برای پیش بینی هایی استفاده کرد که احتمال نتایج مثبت در درمان را افزایش می دهد و به یک درمانگر اجازه می دهد تا یک فرم درمانی بسیار شخصی سازی شده را ایجاد کند.

چرا ما اعتقاد داریم درمان مبتنی بر داده برای ماندن در اینجاست

ثابت شده است که داده درمانی در گروه درمانی تکنیک های درمانی مبتنی بر DCData برای تقویت فضای باز بین بیمار و درمانگر اثبات شده است ، زیرا بازخورد هر یک مورد استقبال و تشویق قرار می گیرد. تحقیقات اخیر نشان داده است که نظارت بر پیشرفت مداوم مشتری و ارائه بازخورد در زمان واقعی به متخصصان بهداشت روان منجر به مزایای بهداشت رفتاری و بهبود نتیجه درمان تقریباً 65 درصد می شود. روشهای درمانی مبتنی بر داده مانند FIT تا حدی موفقیت آمیز است زیرا بیماران رویکردهای درمانی سفارشی تری را دریافت می کنند که برای آنها به عنوان افراد مفید است. افزایش احتمال موثر بودن درمان به افراد کمک می کند تا به روند کار متعهد شوند. موفقیت FIT در حال حاضر تغییر دیدگاه ها نسبت به درمان است و می توان انتظار داشت که همچنان بیمارانی را جذب کند که در غیر این صورت برای شرکت در درمان مردد هستند و همچنین به لکه دار شدن درمان و بیماری های روانی کمک می کنند. از نقطه نظر ما ، فن آوری جدید و افزایش فضای باز برای استفاده از فناوری برای تقویت درمان ، تازه شروع به نشان دادن پتانسیل واقعی آن برای تحول در مراقبت های بهداشت روان می کند.

[1] Feedback-Informed Treatment

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

انواع تخصصی نوروفیدبک

January 6th, 2021 Posted by Uncategorized 0 thoughts on “انواع تخصصی نوروفیدبک”

هنگامی که ارزیابی به پایان رسید و اهداف درمانی مشخص شد، معمولاً یک یا چند الکترود برای جلسات آموزشی نوروفیدبک بر روی پوست سر و یک یا چند الکترود روی لاله های گوش قرار می گیرد. سپس مراجع هنگام انجام یک کار مانند خواندن متن، یک نمایشگر را روی صفحه کامپیوتر تماشا می کند و به صدای بوق ها گوش می دهد. این جلسات آموزشی برای کمک به فرد در تغییر و آموزش مجدد الگوهای امواج مغزی طراحی شده است. به عنوان مثال، برخی از افراد ممکن است نیاز به یادگیری جهت تنظیم افزایش سرعت یا اندازه امواج مغزی در مناطق خاصی از مغز داشته باشند، در حالی که مراجعان دیگر برای کاهش سرعت و دامنه امواج مغزی خود به آموزش نیاز دارند. اولین نشانه های بهبود، معمولاً در پنج تا 10 جلسه اول مورد خود را نشان می دهند. طول درمان ممکن است فقط 15 تا 20 جلسه برای اضطراب یا بی خوابی باشد، اما با سایر مشکلات مانند نقص توجه/بیش فعالی یا اختلالات یادگیری، بسته به شدت مشکل بین 30 تا 50 جلسه انجام می شود. هر جلسه معمولاً پس از اتصال الکترودها و آماده سازی، حدود 20 تا 25 دقیقه طول می کشد. معمولا در معالجه ی بیماری ها یا اختلالات پیچیده تر، یا در صورتی که چندین اختلال به صورت همزمان در فرد تشخیص داده شود، پزشک یا درمانگر نمی تواند همیشه تعداد جلسات درمانی را از قبل تعیین کند.

انواع تخصصی نوروفیدبک

چندین فرم نوروفیدبک نیز وجود دارد که در ادامه بصورت مختصر توضیح داده می شوند. هر کدام از آنها به شکل های متمایزی با روشهای سنتی نوروفیدبک که قبلاً توضیح داده شده اند تفاوت دارند و با این وجود هر یک پیشرفتهای مهم و جالب این فناوری را نشان می دهند.

نوروفیدبک پتانسیل های آهسته قشری

اگر بخواهیم مختصرا بصورت تکنیکی توضیح دهیم، پتانسیل های آهسته قشری قطب مثبت یا منفی مغناطیسی EEG در دامنه فرکانس بسیار آهسته از 3/3 هرتز تا معمولاً حدود 1.5 هرتز است. ممکن است آنها را به عنوان پایه جریانی در نظر بگیریم که فعالیت جریان متناوب EEG بر روی آن سوار می شود. به طور کلی یک تغییر منفی در پتانسیل های جریان مستقیم وجود دارد که در طی پردازش شناختی (اثرات تحریکی) رخ می دهد، در حالیکه پتانسیل های آهسته قشری ( که مثبت هستند) در هنگام مهار شبکه های قشری رخ می دهد. به عنوان مثال در حین و قبل از حمله صرع فعالیت الکتریکی قشر منفی است و همین تحریک پذیری بیش از حد قبل از بسیاری از میگرن ها نیز دیده شود. بعد از تشنج هنگامی که قشرمغز اصطلاحا خسته می شود جهت فعالیت الکتریکی مغز به سمت مثبت متمایل می شود. نوروفیدبک پتانسیل های قشری آهسته به ویژه درمورد صرع و نقص توجه/بیش فعالی انجام میشود. این نوع نوروفیدبک همچنین ممکن است پتانسیل بالایی در درمان میگرن داشته باشد. در این روش یک الکترود در قسمت مرکزی بالای سر و یک عدد در پشت هر گوش قرار می گیرد، در حالی که مراجع یا بیمار بر تغییر آیتم های بصری نمایش داده شده در کامپیوتر متمرکز میشود.

سیستم نوروفیدبکی انرژی پایین

سیستم نوروفیدبک انرژی پایین (LENS) نوعی نوروفیدبک پسیو است که اثرات خود را از طریق بازخورد ناشی از یک میدان الکترومغناطیسی بسیار کوچک که دارای قدرت میدان 18-10 (وات بر سانتی متر مربع) است تولید می کند. این بازخورد آنقدر اندک است که معادل تنها 1/400 م قدرت ورودی است که از طریق نگه داشتن تلفن همراه به گوش وارد میکنیم، و یا تقریبا معادل خروجی ای است که از باتری ساعت دریافت می کنیم. در بیماری که نسبتاً بی حرکت و با چشمان بسته است، در فواصل 1 ثانیه ای از سیمهای الکترود این جریان عبور میکند. این بازخورد به صورت 16 بار در ثانیه تنظیم می شود تا تعداد مشخصی از چرخه ها در ثانیه سریعتر از فرکانس غالب امواج مغزی باقی بماند. بیشتر نتایج تحقیقاتی که از این روش برای نوروفیدبک استفاده کرده اند و تجربیات بالینی که در مورد درمان LENS در شرایطی مانند TBI، فیبرومیالژیا، خشم، سندرم پاهای بی قرار، نقص توجه/بیش فعالی، اضطراب، افسردگی، بی خوابی و سایر شرایط منتشر شده است، دلگرم کننده است. از LENS حتی برای اصلاح مشکلات رفتاری در حیوانات استفاده شده است. از مزایای روش LENS این است که به نظر می رسد معمولاً سریعتر از نوروفیدبک سنتی نتیجه می دهد و می تواند در کودکان خردسال و در افرادی که ممکن است طولانی شدن درمان آنها را منصرف کند مورد استفاده قرار گیرد.

هموانسفالوگرافی

دو سیستم مختلف هموآنسفالوگرافی (HEG) وجود دارد که با استفاده از آنها فیدبک های مورد نظر را به مراجع می دهند و اعتقاد بر این است که می تواند بر جریان خون مغزی تأثیر بگذارد. مطالعات مختلفی گزارش کرده اند که استفاده از این روش در درمان میگرن می تواند موثر باشد.

نوروفیدبک Live Z-Score

آموزش Live Z-score نوآوری جدیدتری است که در آن معمولاً از دو، چهار یا تعداد الکترودهای بیشتر روی سر استفاده می شود. محاسبات مداوم با مقایسه نحوه عملکرد مغز بر روی متغیرهای مختلف (به عنوان مثال قدرت، عدم تقارن، تاخیر فاز، انسجام) با یک پایگاه داده هنجار محاسبه می شود. سپس بازخورد براساس این مقایسه های آماری و بصورت لحظه به لحظه در مقایسه با جامعه هنجار برای گروه سنی فرد، فراهم میشود. همانند سایر روشهای نوروفیدبک، بازخورد ارائه شده برای هدایت مغز به سمت عملکرد طبیعی است. این بازخورد اغلب شامل مشاهده یک ویدئو است که در آن زمانی که مغز عملکرد بهینه خود را نداشته باشد تصویر کمرنگ می شود و وقتی مغز نزدیک به هنجارها کار می کند تصویر وضوح می شود. مطالعات نشان داده است که این روش به خصوص در مورد بی خوابی میتواند موثر عمل کند. نتایج مطالعات مختلف که شامل QEEG های قبل و بعد از درمان هستند، بسیار دلگرم کننده است. در این رویکرد از کل کلاه 19 الکترودی نیز می توان برای نوروفیدبک استفاده کرد و همزمان QEEG هم میتوان گرفت و برای پیشرفت روند درمان مورد بررسی قرار داد.

LORETA نوروفیدبک

LORETA نوعی توموگرافی الکترومغناطیسی با وضوح پایین است. در واقع  نوعی تجزیه و تحلیل QEEG است که تخمینی از محل نواحی مختلفی از مغز که تولید کننده امواج مغزی هستند را از فعالیت EEG بیمار در یک باند فرکانس ارائه می دهد. (مثلا سینگولیت قدامی، انسولا، شکنج فیوزیفرم) در این روش نیز به یک کلاه با حداقل 19 الکترود و چنانچه گفته شد آنالیز لورتا از QEEG نیاز است. تحقیقات نشان داده است که این روش ممکن است در درمان کیس های پیچده و دشوار، یا بهبود نتایج در کیس های مختلف و همچنین در کوتاه شدن طول دوره درمان را داشته مورد استفاده قرار بگیرد. همچنین گزارش های زیادی وجود دارد که نشان می دهد نتایج در مان با این روش نسبتا پایدار است.

fMRI نوروفیدبک

تصویربرداری تشدید مغناطیسی عملکردی (fMRI) نوعی تصویربرداری عصبی است که فعالیت مغز را در هنگام عملکرد مغز بررسی می کند. پیشرفت علمی جذاب در چند سال گذشته استفاده از fMRI برای نوروفیدبک بوده است. یک مزیت نوروفیدبک fMRI این است که می تواند عملکرد در نواحی عمیق زیر قشر مغز را بررسی کند. با این حال یکی از معایب جدی نوروفیدبک fMRI این است که بسیار گران است و با تجهیزاتی که تقریباً 1 میلیون دلار یا بیشتر هزینه دارند و همچنین هزینه های بسیار زیاد مربوط به نگهداری روزانه چنین تجهیزاتی، به نظر نمی رسد این روشی باشد که واقع بینانه در بالین به عنوان گزینه درمانی در آینده مورد استفاده قرار گیرد.

 

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

نوروفیدبک چیست؟

December 27th, 2020 Posted by Uncategorized 0 thoughts on “نوروفیدبک چیست؟”

نوروفیدبک چیست؟

در اواخر دهه 1960 و 1970 محققان متوجه شدند که امکان اصلاح و بازآموزی الگوهای امواج مغزی وجود دارد. برخی از این کارها با آموزش به افراد برای افزایش فعالیت امواج مغزی آلفا به منظور بالا بردن سطح آرامش آغاز شد، همزمان مطالعات دیگری از دانشگاه کالیفرنیا ابتدا بر روی حیوانات و سپس تحقیقات انسانی در زمینه کمک به صرع متمرکز شد. این آموزش باز تنظیمی امواج مغزی را EEG biofeedback یا نوروفیدبک نامیدند. پیش از صحبت پیرامون جزییاتی در مورد نوروفیدبک برخی اطلاعات اولیه در مورد فعالیت امواج مغزی را مرور می کنیم. امواج مغزی در فرکانس های مختلف رخ می دهند. بعضی از آنها سریع و برخی دیگر بسیار کند هستند. نام های کلاسیک این باندهای EEG دلتا، تتا، آلفا، بتا و گاما است که با “سیکل در ثانیه” یا “هرتز” اندازه گیری می شوند. تعاریف زیر اگرچه از نظر علمی سختگیری ندارند، اما برداشتی از فعالیت مرتبط با باندهای فرکانسی مختلف را برای خواننده عمومی فراهم می کند.

امواج مغزی گاما فعالیت بسیار سریع و بالاتر از 30 هرتز دارند. اگرچه تحقیقات بیشتری در مورد این فرکانس ها مورد نیاز است، ما می دانیم که برخی از این فعالیت ها با توجه متمرکز و کمک به مغز در پردازش و مرتبط کردن اطلاعات از مناطق مختلف مغز همراه است. امواج مغزی بتا امواج مغزی کوچک و نسبتاً سریعی (13-30 هرتز) هستند که با وضعیتی از فعالیت ذهنی، فکری و تمرکز در ارتباط هستند. فعالیت در انتهای پایینی این باند فرکانسی (به عنوان مثال، ریتم حسی-حرکتی یا SMR) مرتبط با توجه و تمرکز در هنگام آرامش است. امواج مغزی آلفا (8-12 هرتز) کندتر و دارای دامنه بزرگتر هستند که به طور کلی نشان دهنده حالت آرامش همراه هستند. فعالیت در نیمه پایینی این دامنه نشان دهنده تغییر وضعیت مغز است و نماینگر این است که حالت عملکردی مغز دچار تغیر شده است. اگر افراد فقط چشمهای خود را ببندند و شروع به تصور چیزهای آرامبخش کند، در کمتر از نیم دقیقه موجهای مغزی آلفا افزایش می یابد. این امواج مغزی به ویژه در یک سوم پشت سر بزرگ هستند. فعالیت تتا (4-8 هرتز) به طور کلی بیانگر یک حالت ذهنی بیشتر شبیه خیال پردازی است، و نه فضایی که با ناکارآمدی ذهنی همراه است. در سطح بسیار آهسته، فعالیت امواج مغزی تتا یک حالت بسیار آرام است، که نمایانگر منطقه انتقالی بین بیداری و خواب است. امواج مغزی دلتا (5/3–5/5 هرتز) امواج مغزی بسیار کند و با دامنه زیاد (با شدت) هستند و همان چیزی است که ما در خواب عمیق تجربه می کنیم.

به طور کلی، سطوح مختلف آگاهی با حالت غلبه امواج مغزی مختلف مرتبط است. البته باید توجه داشت که هر یک از ما همیشه دارای درجه ای از هر یک از این فرکانسهای مختلف امواج مغزی هستیم که در قسمتهای مختلف مغز ما وجود دارد. امواج دلتا همچنین به عنوان مثال زمانی رخ می دهند که مناطق مغز برای تغذیه لحظاتی از مدار خارج میشوند، همچنین بروز دلتا با اختلالات یادگیری نیز همراه است. اگر کسی در حال خواب رفتن باشد، امواج مغزی دلتا و کندتر نمایان میشوند و اگر افراد تا حدی نسبت به محرک های خارجی بی توجه باشند و ذهن آنها اصطلاحا سرگردان باشد، تتا بیشتر نمایان میشود. اگر فردی مضطرب و متشنج باشد، فرکانس بیش از حد امواج مغزی بتا ممکن است در قسمت های مختلف مغز دیده شود، همینطور این مسئله ممکن است با فعالیت بیش از حد آلفا بصورت ناکارآمد در نواحی پیشانی که با کنترل عاطفی همراه هستند نیزهمراه باشد. افرادی که دچار نقص توجه/ اختلال بیش فعالی، آسیب به سر، سکته، صرع، ناتوانی در رشد و سندرم خستگی مزمن و فیبرومیالژیا هستند، امواج آهسته (معمولاً تتا و گاهی اوقات آلفای) بیش از حد دارند. وقتی مقدار بیش از حد امواج آهسته در قسمت های اجرایی (پیشانی) مغز وجود داشته باشد کنترل توجه، رفتار و یا احساسات دشوار می شود. چنین افرادی عموماً در تمرکز، حافظه، کنترل انگیزه ها و یا بیش فعالی مشکل دارند و دچار كاهش كارآمدي فكري می شوند. همانطور که واضح است پیچیدگی در نحوه عملکرد مغز وجود دارد. تحقیقات نشان داده است که ناهمگنی در الگوهای EEG مربوط به شرایط تشخیصی مختلف مانند نقص توجه/بیش فعالی، اضطراب یا اختلال وسواس وجود دارد. به عنوان مثال تحقیقات علمی حداقل سه زیرگروه اصلی نقص توجه/بیش فعالی را شناسایی کرده اند که هیچ یک از آنها فقط با مشاهده رفتار فرد قابل تشخیص نیست و هر یک از آنها به پروتکل درمانی متفاوتی نیاز دارند. این واقعیت که گاهی اوقات مشکلات همزمان دیگری نیز وجود دارد و مشکل فرد فقط نقص توجه/بیش فعالی به تنهایی نیست، میتواند این تصویر را پیچیده تر از قبل کند. بنابراین ارزیابی مناسب قبل از شروع انجام نوروفیدبک برای تعیین اینکه فرکانسهای EEG بیشتر یا کمتر هستند، یا اگر در سرعت پردازش یا انسجام و در کدام قسمتهای مغز مشکلی وجود دارد، اهمیت بالایی دارد. ارزیابی مناسب اجازه می دهد تا درمان به صورت فردی و متناسب با بیمار انجام شود.

نوروفیدبک، بازخورد زیستی EEG (امواج مغزی) است. در طی نوروفیدبک معمولی یک یا چند الکترود روی پوست سر قرار می گیرد و یک یا دو الکترود معمولاً روی لاله های گوش قرار می گیرد. سپس تجهیزات الکترونیکی با فناوری پیشرفته بازخورد لحظه ای و فوری (معمولاً شنیداری و بصری) درباره فعالیت امواج مغزی ارائه می دهند. الکترودها باعث می شوند الگوهای الکتریکی ناشی از فعالیت مغز را اندازه بگیریم: مشابه زمانی که یک پزشک از سطح پوست به صدای قلب گوش می دهد. در این فرایند هیچ جریان الکتریکی به مغز وارد نمی شود و فقط فعالیت الکتریکی مغز بصورت یک طرفه به کامپیوتر منتقل شده و ثبت می شود. در حالت عادی افراد نمی توانند چندان الگوی امواج مغزی خود را تحت تأثیر قرار دهند چون از آن آگاهی ندارند. با این حال هنگامی که فرد قادر باشد امواج مغزی خود را روی صفحه رایانه چند هزارم ثانیه بعد از وقوع ببیند، توانایی تأثیرگذاری و تغییر تدریجی آن را پیدا می کند. مکانیسم عملکرد به طور کلی “شرطی سازی عامل” در نظر گرفته می شود که افراد در طی آن به معنای واقعی کلمه در حال بازسازی و بازآموزی مغز هستند. در ابتدای به کارگیری نوروفیدبک تغییرات کوتاه مدت است، اما به تدریج ماندگارتر می شوند. با انجام تمرینات نوروفیدبک در جلسات دنباله دار و کافی، معمولاً می توان الگوی سالم تر امواج مغزی را در اکثر افراد آموزش داد. بیشتر تحقیقات حاکی از آن است که پیشرفتهای چشمگیری در 75 تا 80٪ از موارد استفاده از نوروفیدبک اتفاق می افتد. این روند کمی شبیه ورزش یا انجام فیزیوتراپی با مغز، افزایش انعطاف پذیری و کنترل شناختی بهتر را در فرد ایجاد میکند. بنابراین در علائم ناشی از نقص توجه/بیش فعالی، اختلال یادگیری، سکته مغزی، آسیب به سر، نقص ناشی از جراحی مغز و اعصاب، صرع کنترل نشده، اختلال عملکرد شناختی مرتبط با پیری، افسردگی، اضطراب، وسواس فکری، اوتیسم یا سایر شرایط مرتبط با مغز، آموزش نوروفیدبک فرصتهای خوبی را برای توان بخشی فراهم می کند. نکته هیجان انگیز این است که حتی وقتی مشکلی ماهیتی بیولوژیکی دارد جایگزین درمانی دیگری برای تکمیل و بهبود اثربخشی داروها وجود دارد. از نوروفیدبک همچنین به طور فزاینده ای برای بهبود عملکرد در افراد عادی، مدیران و ورزشکاران استفاده می شود.

بیش از یک دهه پیش، فرانک اچ. دافی، دکتر، استاد و متخصص مغز و اعصاب کودکان در دانشکده پزشکی هاروارد، در مجله Clinical Electroencephalography اظهار داشت که متون علمی قبلاً پیشنهاد کرده بودند که نوروفیدبک باید در بسیاری از حیطه های دشوار درمانی، نقش اصلی را داشته باشد. همانطوری که اگر هر دارویی طیف گسترده ای از اثر را نشان می داد، در سطح جهانی پذیرفته می شد و به طور گسترده مورد استفاده قرار می گرفت و این زمینه ای است که همه باید جدی بگیرند.

ارزیابی های پیش از نوروفیدبک

برخی از افراد دوست دارند که تجهیزات نوروفیدبک را خریداری کرده و خود یا فرزندانشان را در منزل آموزش دهند. این کار میتواند احتمال آسیب یا اثرات معکوس و ناکارآمد را افزایش دهد. نوروفیدبک برای اینکه به درستی انجام شود، باید توسط یا تحت نظارت متخصصی که در زمینه شناخت عملکرد مغز حرفه ای و با تجربه است انجام گیرد. کسی که دانش و تخصص او بیش از چگونگی ست آپ دستگاه و استفاده از نرم افزارها باشد. برای موفقیت آمیز بودن نوروفیدبک و اجتناب از عوارض جانبی، انجام ارزیابی پیش از شروع مراحل درمان با آن بسیار مهم است و انجام نوروفیدبک باید به الگوهای مشخص مغزی و علائمی که هر فرد بروز می دهد اختصاص یابد. همه افراد در یک ناحیه مشخص از مغز خود نیاز به انجام تکنیک های نوروفیدبک ندارند و همچنین تحقیقات مختلف نیز نشان داده است که الگوهای امواج مغزی فرد را نمی توان فقط با مشاهده علائم رفتاری فرد تشخیص داد. بنابراین، پیش از انجام تکنیک های نوروفیدبک، نیاز است که درمانگری که دارای مجوز است در مورد سابقه بالینی مراجع سوال کنند. گاهی اوقات در مراجعینی با مشکلات جدی تر، ممکن است نیاز به ارزیابی های عصب روانشناسی یا روانپزشکی باشد یا پزشکان متخصص نیز ارزیابی دقیق و بررسی الگوی امواج مغزی را انجام دهند. برخی از درمانگران ممکن است ارزیابی را با قرار دادن یک یا دو الکترود روی پوست سر و اندازه گیری الگوهای امواج مغزی در مناطق خاصی از انجام دهند. برخی از درمانگران با ثبت نقشه مغزی الکتروانسفالوگرام کمی (QEEG) که 19 الکترود یا بیشتر روی پوست سر قرار میدهند و ثبت می گیرند، ارزیابی جامع تری انجام می دهند

 QEEG ابزاری برای ارزیابی عینی و علمی عملکرد امواج مغزی فرد است. این روش معمولاً حدود 60 تا 75 دقیقه طول می کشد و شامل قرار دادن یک کلاه روی سر است که حاوی الکترودهای کوچکی برای اندازه گیری فعالیت الکتریکی مغز است. این کار در حالی انجام می شود که مراجع یا بیمار در حالت چشم بسته یا چشم باز و گاهی در حین انجام آزمون های شناختی می باشد. پس از آن، از یک سری فرایند دقیق برای پاک کردن آرتیفکت ها به طور کامل که استفاده می شود که ممکن است در نتیجه ی حرکت کردن یا پلک زدن، فشردن دندان ها یا تکان دادن ابرو ها ایجاد شده باشد. داده های امواج مغزی که جمع آوری شده اند از نظر آماری با یک پایگاه داده هنجار و بزرگ مقایسه می شوند که اطلاعات عینی علمی درباره نحوه عملکرد مغز در سن فرد مورد نظر را ارائه می دهد. این روش ارزیابی به متخصص اجازه می دهد تا به روشی علمی و عینی تشخیص دهد که آیا الگوهای امواج مغزی مراجع به طور قابل توجهی با نرمال متفاوت است یا خیر و در صورت تفاوت، این تفاوت در کجا وجود دارد. از دهه 1970 و 1980 تحقیقات زیادی پیرامون کاربرد QEEG در طیف وسیعی از مشکلات انجام شده است. شواهد فراوانی به دست آمده که قابلیت اطمینان ارزیابی QEEG را تأیید کرده است و صدها مطالعه علمی با استفاده از ارزیابی های QEEG منتشر شده است. این مطالعات نشان داده است که QEEG توانایی مستندی برای کمک به ارزیابی شرایطی مانند آسیب خفیف ناشی از ضربه به سر، نقص توجه و بیش فعالی در کودکان و بزرگسالان، اختلالات یادگیری، افسردگی، وسواس فکری، اضطراب، اختلال سوء مصرف مواد مخدر، اوتیسم و انواع دیگر بیماریها از جمله اسکیزوفرنی، سکته، صرع و زوال عقل و مشابه اینها دارد.

174x60-Sarmadtec-mynew-سرمد-تک-دستگاه-نوروفیدبک-نقشه-مغزی-QEEG-دستگاه-EEG-خرید-دستگاه-EEG.png

QEEG تجربه یک جلسه

December 6th, 2020 Posted by Uncategorized 0 thoughts on “QEEG تجربه یک جلسه”

تجربه نقشه مغزی (QEEG)

خانمی که نقشه برداری از مغز من را انجام می داد، م. ف. الف. ، صورت گرد مهربانی داشت و موهای مشکی کوتاه که کمی از آن از جلوی روسری ش بیرون بود. در دفتر او یک تابلوی خوشنویسی زیبا، و همچنین لیوانی با نوشته ی “BREATH” که زرد درخشان بود،  جلب توجه میکرد.

م. ف. الف. یک نوروتراپیست است، یعنی نوعی درمان جایگزین انجام می دهد که شامل تحریک امواج مغزی تا رسیدن آنها به یک فرکانس خاص است. نوروتراپی در حال حاضر طرفداران خود را دارد، اما پزشکانی هم هستند که نسبت به آن مشکوکند و اساس آن را زیر سوال میبرند. م. ف. الف. دارای مدرک دکترای رواشناسی بالینی و گواهی نامه  Neurofeedback وqEEG  نیز است. او بسیار مطمئن و با سواد است و همین ویژگی ها باعث شدند من به طور ذاتی بخواهم به او اعتماد کنم.

م. ف. الف.  قبلاً کلینیکی را دریکی از شهرهای شمالی ایران داشت، جایی که او در درجه اول کودکان مبتلا به ADHD را ویزیت میکرد و با استفاده از روش های نوروتراپی به آنها کمک میکرد تا تمرکز کنند. علاوه بر این با ورزشکارانی که می خواستند عملکرد خود را بهبود ببخشند یا افرادی که از درد و اضطراب مزمن یا افسردگی و یا انبوهی از اختلالات دیگر رنج می بردند، کار می کرد. او این روزها در کلینیک جدیدش در تهران آنقدر مشغول است که به سختی توانست بین مراجعانش جایی برای صحبت با من و گرفتن ثبت از من باز کند. تجهیزات نقشه برداری مغز موجود در کلینیک او شامل این موراد بود: کلاه های پارچه ای متناسب با اندازه های مختلف. یک تیوب الکتروژل( ماده ی ژل مانند رسانا) و یک دستگاه نقره ای شکیل ساخته شده توسط سرمدتک که سیگنال های مغز من را دریافت می کند و آنها را به داخل کامپیوتر ارسال می کند.

من از آن دسته افرادی هستم که روی رفتارهای خودم وسواس دارم و همواره فکر می کنم یک مشکلی در مغزم وجود دارد، یا بخشی از مغزم اشتباه کار میکند.  گاهی هم احساس میکنم در بعضی چیزها توانایی های منحصر به فردی دارم که هیچ کس دیگری در آن شبیه به من نیست.

بنابراین اعتراف می کنم که به ثبت این نقشه مغزی و  همه ی اطلاعاتی که در مورد ان شنیده یا خوانده بودم، بیش از حد تصور فکر می کردم: مثلا به این فکر میکردم که این نقشه شاید بتواند مثل یک تست شخصیت باشد اما علمی است. من مدام به این جمله از پاول سوینگل می اندیشیدم که: “مغز همه چیز را به ما می گوید.”

م. ف. الف. کلاه ثبت را که در آن الکترودها از قبل دوخته شده بودند، روی سر من گذاشت و دو الکترود را به لاله های گوش من (مناطق بدون فعالیت الكتریكی) بست، تا به عنوان ثبت پایه عمل كند. همانطور که او شروع به ژل زدن 19 الکترود  روی سر من کرد ، من از دو فکر که در سرم میگذشت کمی عصبی شدم: یکی اینکه بعد از این تست مشخص شود که مغزم بد کار میکند یا نقصی دارم و دیگر اینکه مشخص شود خیلی خیلی معمولی و شبیه بقیه آدمها هستم و هیچ ویژگی خاصی ندارم.

آزمایشهای EEG ، که سیگنال های الکتریکی مغز را اندازه گیری می کنند ، برای دهه ها توسط پزشکان مورد استفاده قرار گرفته است تا بدنبال ناهنجاری هایی در الگوهای موج مغزی باشند که ممکن است نشان دهنده سکته مغزی یا آسیب مغزی باشد. نوعی از نقشه برداری مغزی که از همین امواج EEG برای رسیدن به آن استفاده می شود، qEEG است. این تست از همان اصل کلی آزمایشات EEG پیروی می کند ، اما عنصر کمّی بودن نیز به آن اضافه می شود: م. ف. الف. امواج مغزی من را با یک پایگاه داده از مغزهای نرمال مقایسه می کند. از لحاظ تئوری ، این به پزشکان اجازه می دهد تا انحرافات ظریفی که ممکن است نمای چندان واضحی هم نداشته باشند را پیدا کنند. مثلا مشکلاتی در امواجی که با انعطاف پذیری شناختی یا تکانشگری مرتبط است.

در نوروتراپی ، qEEG به طور کلی پیش درآمد درمان هایی مانند نوروفیدبک یا تحریک عمیق مغز[1] است که برای تغییر امواج مغزی یا آموزش به افراد برای تغییر امواج مغزیشان، به کار می رود. نوروتراپی ادعا می کند بدون نیاز به گفتگو درمانی یا مداخلات دارویی ، با پرداختن به نوسانات عصبی پایه برای این مشکلات ، می تواند افسردگی طولانی مدت  یا PTSD یا خشم را تا حد زیادی درمان کند.

اما منتقدان معتقدند که پیرامون درمان های نوروتراپی – که ممکن است ده ها جلسه طول بکشد و کدام صدها هزار تومان هزینه داشته باشند – تحقیقات بسیار کمی برای ورود آنها به گایدلاین درمانی انجام شده است. اگرچه جامعه پزشکی توجه بیشتری را به این زمینه ، به ویژه در اروپا ، معطوف کرده اند ، اما در ایران هنوز هم تا حد زیادی در میان پزشکان ناشناخته است ، زیرا در پروتکل های درمانی ایران  هنوز جایی برای استفاده از این ابزار جدید باز نشده است. البته شاید مسئله از اینجا ناشی شود که در ابتدایی ترین سطح ، هرکسی که توان سرمایه گذاری و تهیه تجهزیات را داشته باشد، این امکان را دارد که آزمایش qEEG را انجام دهد ، حتی در صورتی که قادر به تحلیل درست نقشه مغز هم نباشد. صدور گواهینامه برای اجرای آزمون qEEG به آموزش چندان زیادی نیاز ندارد اما هر فردی که این دوره ها را بگذراند، حتی بدون تجربه قبلی درمانگری می تواند از این ابزار استفاده کند.

این آفتی ست که باعث می شود سطوح استفاده از این ابزار ارزشمند افت کند و عملا در مواردی تبدیل به محلی برای کسب درآمد بدون انجام خدمت جدی ای در جهت بهبود بیماری گردد.

همانطور که جی گانکلمن ، متخصص EEG و رئیس سابق انجمن بین المللی نوروفیدبک اذعان کرده بود که: “این بازار شبیه غرب وحشی است ، مراقب خریداران بی تجربه و شیاد باشید.”

همه اینها برای این است که می گویند اگرچه درمانگران ماهر می توانند انواع اطلاعات را از EEG بگیرند ، اما طبق گفته میشل هریس-لاو ، نوروساینتیست در مرکز پلاستیسیتی و بازیابی مغز جورج تاون ، “از این آزمایشات در جهت گزافه گویی نیز ممکن است استفاده شود”. و این نگران کننده است چرا که در سال های اخیر، فناوری EEG ارزان تر شده و به طور گسترده تری در دسترس است. نقشه مغز qEEG ممکن است هزینه ای در حدود چند صد هزار تومان داشته باشد ، این بدان معناست که افراد بیشتری به دنبال امواج مغزی خود هستند ، نه فقط برای اهداف تشخیصی ، بلکه همچنین با هدف بهینه کردن و شناخت عملکرد مغز خود.

م. ف. الف. هنگام تنظیم الکترودها روی سرم گفت: “مردم به دنبال بهینه کردن کارکرد مغز خودشان هستند اما آنچه اغلب به آن می رسند این است که ما در نهایت گزارشی که مقداری از جنس آسیب شناسی است به آنها میدهیم که البته حدس می زنم به دانش درمانگر از آسیب شناسی عصبی نیز تا حد زیادی بستگی دارد. “

به عنوان مثال یکی دیگر از کلینیک های فعال در ایران “روانشناسی توجه و عملکرد” ​​ را با استفاده از نقشه های مغزی نشان می دهد و سپس با استفاده از نوروتراپی به آنها کمک می کند تا “به جای واکنش، خودشان عملگر باشند و رفتار منفعل نشان ندهند. کلینیک های دیگری هم هستند که از این فناوری برای کمک به ورزشکاران و دانش آموزان استفاده می کنند. گونکلمن در جای دیگره گفته است: “مدیران تجاری وجود دارند که می خواهند برخی از  وسواس های مدیریتی دست و پا گیر خود را کاهش دهند یا ورزشکارانی که می خواهند عملکرد نواحی حرکتی در خود را تنظیم کنند.” اگر یک درمانگر یا نوروتراپیست با دانش و مهارت با آنها همراه شود، احتمالا رسیدن به این نتایج ممکن باشد. اما اگر با یک فرد شیاد و بی دانش روبرو شوند، تنها اتفاقی که می افتد از دست دادن هزینه ی چندین جلسه تمرین یا درمان بی نتیجه است.

پنج دقیقه اولی که مغزم نقشه برداری می شد، با چشمان بسته نشسته بودم. ذهنم احساس آرامش می کرد. داشتم به این فکر می کردم که داشتن مغز چه حسی دارد و سعی می کردم روی احساساتی که در آن لحظه داشتم تمرکز کنم. م. ف. الف. گفت: “چشمهای شما از زیر پلک بسته تان بیش از حد در حال تکان خوردن است” او پیشنهاد داد که انگشتانم را روی پلک هایم بگذارم تا چشم هایم کمی آرام شوند. بقیه مراحل تست خیلی آرام  نشسته بودم و سعی می کردم بی فکر بمانم و چشمهایم را نیز را بی حرکت نگه دارم.

وقتی نیمه اول آزمایش به پایان رسید، سرک کشیدم و امواج مغزی خود را بر روی صفحه کامپیوتر م. ف .الف. دیدم: 19 خط نازک و خاکستری لرزان که در پس زمینه سفید کشیده شده بودند. فعالیت مغز من شبیه خط خط های بچه های مهدکودکی بود. م. ف. الف. از من خواست تا را برای نیمه دوم با چشمان باز بنشینم ، و در حالی که صفحه کامپیوتر روبرویم رار داده شد و تماشای امواج مغزی در زمان واقعی باعث خودآگاهی بیشتر من شد. برنامه نرم افزاری او هر بار که پلک می زدم قله های تیزی را روی صفحه نشان میداد و این را قبل از شروع آزمایش واقعی م. ف. الف. در بخش تمرینی به من یاد داده بود و به خاطر همین از من خواسته بود تا حد ممکن پلک کمتری بزنم.

وقتی کار ما تمام شد ، او 10 دقیقه امواج مغزی من را با دقت از نظر گذراند. دو خط از آنها ظاهرا مطلوبش نبود. م. ف. الف. به من گفت البته چندان عجیب نیست و این به خاطر همان حرکات چشم من است.

او گفت: وقتی چشمهایتان را می بندید انتظار داریم آلفای بیشتری ببینیم. در واقع بسته یا باز بودن چشمان شما کاملا قابل تشخیص است.اما در EEG تان چشمان باز شما، کاملاً بسته به نظر می رسد. به من میتواند بگوید که ممکن است دیشب خوب نخوابیده باشید ، ممکن است کمی اضطراب داشته باشید ، یا ممکن است بیش از حد حساس باشید، یعنی مغز شما خیلی با خودش صحبت می کند و نمی توانی خودت را ساکت کنی. ” همه اینها دقیق بود ، در واقع برای من خبری نبود.

م. ف .الف به بررسی سیگنالهای من ادامه داد ، بخشهایی را انتخاب کرد که با پلک زدن من تحت تاثیر قرار نگرفته بود و سعی کرد داده های تمیز کافی را برای مطابقت با پایگاه داده جمع آوری کند. او در نهایت توانست حدود چهار دقیقه سیگنال خوب و بدون نویز و آرتیفکت را از طریق برنامه انتخاب کند ، و آنالیز امواج مغزی من را انجام دهد. نقشه مغز من چیزی شبیه نقشه حرارتی بود، و مناطق نسبتاً زیاد و کم عملکرد را با رنگ های مختلف نشان می داد. در اکثر معیارها، مغز من سبز متوسط ​​بود و این یعنی از نظر آماری تفاوت من با بقیه افراد، ناچیز به نظر می رسید.

با این وجود م. ف. الف.  به من بعضی از مکمل های ویتامینی را برای تقویت ارتباطات عصبی به من توصیه کردچون دامنه امواج من هم از نظر تجربه ی او پایین بود. او گفت: “مدیتیشن برای شما خوب است، اما برای مدیتیشن به چیز دیگری احتیاج دارید.” من برای شما باید برخی تمرین های مربوط به افزایش آلفا را در نظر میگیرم، که این تمرینات در ابتدا شامل قرار دادن هدفون برای گوش دادن به صداهایی است که باعث می شود امواج مغزیتان به فرکانس مناسب برسد.

م. ف. الف. شروع به جمع کردن کلاه پر از الکترود کرد و من متوجه شدم که قسمت ثبت EEG تمام است. او در حالی که وسایل را جمع میکرد گفت: “از ملاقاتتان خوشوقت شدم.” بعد اضافه کرد: “ملاقات با مغز شما خوب بود!”

هرچند qEEG ممکن است چیزی شبیه به تست شخصیت نباشد، اما با این وجود همان احساس رضایت بخش ناشی از تجزیه و تحلیل شدن را برای من به وجود آورد. مغز من نقشه برداری شده بود، شکل امواج مغزی خودم را دیده بودم، و همچنین درک جدید و بهتری از مغز مضطرب خودم در مقایسه آنچه در آن بعد از ظهرها اتفاق می افتد که ساعت ها به دلیل تست های آنلاین شخصیت از دست می دهم ، پیدا کردم.

تصمیم گرفتم نظر دوم را از دکتر الف. ک.  بگیرم. چند نفر از دوستانم او را به عنوان شخص مناسبی برای تفسیر EEG توصیف كرده بودند. از او وقت گرفتم و به مطبش مراجعه کردم. دوستانم به من گفته بودند که او سالهاست از تكنولوژي EEG در بيمارستان برای تشخیص و مانیتور بیمارانش استفاده می کند. وی گفت: “اوایل سال پیش بود که متوجه شدم در طول فعالیتم به عنوان پزشک، بیش از 3500 EEG را خوانده ام.” وقتی او به نتایج من نگاه می کرد، گفت که از نظر او مقدار داده های من کافی نیست. وی گفت، برای تهیه نقشه مغزی مناسب، از نظر او حداقل ثبت 10 دقیقه با چشم باز و 10 دقیقه با چشم بسته نیاز است. اما با این وجود وی با اطمینان از شخصی که قبلاً بیش از نیم میلیون بار این کار را انجام داده است، بازخوانی EEG را فشرده کرد.

مانند م. ف. الف، دکتر الف. ک. آلفای من را بررسی کرد. وی گفت: “وقتی چشمان خود را می بندید ، انتظار داریم كه آلفا را در پشت سر شما ببینیم، اما در مورد شما آن را نمی بینیم.” این بدان معنا بود که وقتی چشمانم بسته بودند، سیستم های پردازش تصویری من آرام نبوده اند – همان ناتوانی در ساکت کردن ذهنم که م. ف. الف. متوجه شده بود. وی همچنین شواهدی از خواب آلودگی سبک را مشاهده کرد: “با EEG ، ما می توانیم دقیقاً بگوییم که چقدر هوشیار هستی.” حق با اون بود؛ آن روز کم خوابیده بودم.

دکتر الف. ک. نیز نکات خوبی درباره آلفای من ذکر کرد. وی نقطه ای را در روی سرم نشان داد و گفت: “آلفای اینجا 11 یا 12 هرتز است ، کمی سریعتر از حد متوسط” ، که به طور کلی با حافظه بهتر برای تجربیات ارتباط دارد. اما اگر من می خواستم عملکرد بهینه داشته باشم، او با م. ف. الف.  موافق بود که برخی از تمرین های مربوط به آلفا به من میتواند کمک کند تا ذهنم را آرام تر کند و بتوانم بهتر بخوابم و حداکثر هوشیاری را در طول روز داشته باشم.

دکتر الف. ک. به خاطر درخواست خودم توضیحات تخصصی بیشتری در اختیارم گذاشت اما علیرغم تصورم این اطلاعات تخصصی و آن اطلاحات پزشکی بر احساسم نتیجه ی عکس داشت و برایم خوشحال کننده نبود. احساس می کردم مغزم باید همچنان برایم یک رمز و راز باشد و دوست داشتم از راز آلود بودن آن محافظت کنم. از یک  جایی دیگر برایم عجیب بود که تمام این چیزها را با بررسی چند خط خطی ساده می تواند متوجه شد.

از روزی که کلینیک qEEG برگشتم، یکی از تصاویر نقشه مغزم را به عنوان پس زمینه دسک تاپ خود نگه داشته ام. البته چندان مطمئن نیستم که چرا از آن خوشم آمده است. تا یک جایی برایم جالب بود که فهمیدم چیزهای خوبی را می توان از روی این سرهای رنگی فهمید، اما بعد دوست داشتم تمام ذهنم برای خودم باشد و کسی نتواند آنرا به سادگی بخواند. چیزهایی جدیدی درباره خودم یاد گرفتم که ان را مدیون نقشه مغزی ام هستم.

stimulation

دفتر اداری: ولنجک، دانشگاه بهشتی، برج نوآوری، طبقه هفتم
دفتر مرکزی: تهران، شهرک والفجر، بلوار بابائیان، خیابان افق، پلاک ۰، ساختمان پارک علم و فناوری سلامت،
contact@sarmadtec.com

(021) 9109 - 6712

تمامی حقوق مادی و معنوی این سایت متعلق به شرکت فناوران سرمد گیتی (سهامی خاص) میباشد. ۱۴۰۳-۱۳۹۵