فرمول نویسی نوروفیدبک

November 12th, 2025 Posted by Uncategorized 0 thoughts on “فرمول نویسی نوروفیدبک”

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.

Tags: ,

Leave a Reply

Your email address will not be published. Required fields are marked *

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

(021) 9109 - 6712

تمامی حقوق مادی و معنوی این سایت متعلق به شرکت فناوران سرمد گیتی (سهامی خاص) میباشد. ۱۴۰۴-۱۳۹۵