← أحدث الأبحاث
⚡ electrical engineering

Subject-specific frequency set for a generalisable dynamic SSVEP BCI

تقترح هذه الورقة استراتيجية اختيار ترددات خاصة بكل مستخدم باستخدام خوارزمية شجرة القرار لتحسين أداء واجهة الدماغ والحاسوب القائمة على الجهد البصري المرتبط بالاستثارة (SSVEP) لسيناريوهات الأهداف المتغيرة في الواقع المعزز، مما يظهر معدلات نقل معلومات أعلى بكثير مقارنة بنهج التردد الثابت التقليدي.

المؤلفون الأصليون: Syeda Rubab Zehra, Kirill Kokorin, Jing Mu, David Bruce Grayden, Anthony Neville Burkitt

نُشر 2026-08-20
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Syeda Rubab Zehra, Kirill Kokorin, Jing Mu, David Bruce Grayden, Anthony Neville Burkitt

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل عالماً يمكن فيه لشخص أن يتحكم في روبوت، أو يشعل ضوءاً، أو يختار غرضاً بمجرد النظر إليه، دون تحريك عضلة واحدة. هذا هو الوعد الذي تقدمه واجهات الدماغ والحاسوب، وهو مجال علمي يبني جسراً مباشراً بين العقل البشري والآلة. وتعتمد إحدى أكثر الطرق موثوقية لبناء هذا الجسر على رد فعل طبيعي للدماغ يسمى "الجهد البصري المستثار في الحالة المستقرة". فعندما يركز الشخص على ضوء يومض بسرعة محددة، تتزامن موجات دماغه مع ذلك الوميض، مما يخلق بصمة كهربائية مميزة يمكن للحاسوب اكتشافها. ومن خلال تخصيص سرعة وميض فريدة لمختلف الأشياء، يمكن للمستخدم "اختيار" عنصر ما بمجرد التحديق فيه. وبينما أظهرت هذه التكنولوجيا إمكانات كبيرة في المختبرات، إلا أنها واجهت صعوبات في الانتقال إلى الحياة الواقعية. ففي العالم الحقيقي، يتغير عدد الأشياء التي قد يرغب الشخص في التحكم بها باستمرار، ومواقعها ليست ثابتة أبداً. فقد يحتوي المنزل الذكي على خمسة أجهزة في يوم ما وعشرة في اليوم التالي، مرتبة بنمط مختلف. وغالباً ما تفشل الأنظمة التقليدية، التي تعتمد على قائمة ثابتة ومعدة مسبقاً من سرعات الوميض، عندما يتغير المخطط، مما يترك المستخدم غير قادر على التواصل بفعالية.

ولحل هذه المشكلة، سعى باحثون في جامعة ملبورن إلى إنشاء نظام يمكنه التكيف مع أي موقف. وقد طرحوا سؤالاً بسيطاً ولكنه صعب: إذا تغير عدد الأهداف، فكيف ينبغي مطالبة الدماغ بالاختيار؟ في دراستهم، اختبروا استراتيجية جديدة تسمى "الوسم الديناميكي" مقابل الطريقة القياسية القديمة. في النهج التقليدي، بمجرد تخصيص مجموعة من سرعات الوميض لمجموعة من الأشياء، تظل تلك السرعات كما هي طوال الجلسة، حتى لو تمت إزالة بعض الأشياء. أما النهج الدينسي الجديد فهو أكثر مرونة؛ فبينما ينجح المستخدم في اختيار وإزالة جسم ما، يقوم النظام فوراً بإعادة تعيين أفضل سرعات الوميض المتاحة للأجسام المتبقية. ولإنجاح ذلك، كان على الباحثين أولاً إيجس العثور على المجموعة المثالية من السرعات لكل شخص على حدًا. لقد استخدموا طريقتين رياضيتين مختلفتين لتحليل موجات الدماغ وتحديد أي معدلات وميض تنتج أقوى وأوضح الإشارات لذلك المستخدم تحديداً. استخدمت إحدى الطريقتين بحثاً خطوة بخطوة للعثور على أفضل تركيبة، بينما استخدمت الأخرى خوارزمية "شجرة القرار" لرسم المسار الأكثر كفاءة عبر جميع الخيارات الممكنة.

أُجريت التجربة في غرفة حيث ارتدى المشاركون نظارات الواقع المعزز التي عرضت أضواء رقمية وامضة فوق أجسام أسطوانية حقيقية مرتبة على رف. وكان ذراع روبوت ينتظر في مكان قريب، مستعداً لدفع الجسم المختار بعيداً عن الرف. طُلب من المشاركين النظر إلى هدف ما، وسيقوم النظام بتفسير نشاطهم الدماغي لتحديد الجسم الذي يريدونه. أجرى الباحثون المهمة بثلاث طرق مختلفة: طريقة كانت فيها سرعات الوميض ثابتة ومختارة بواسطة طريقة الخطوة بخطوة، وطريقة كانت فيها السرعات ثابتة ولكن مختارة بواسطة طريقة شجرة القرار، وطريقة كانت فيها السرعات ديناميكية ومختارة بواسطة طريقة شجرة القرار. كان الهدف هو معرفة أي مزيج يسمح للمستخدم بالتحكم في الروبوت بدقة وسرعة أكبر. وكانت النتائج واضحة؛ فالنظام الذي استخدم النهج الديناميكي، الذي يعيد ترتيب أفضل سرعات الوميض للأجسام المتبقية باستمرار، تفوق بشكل كبير على الأنظمة الثابتة. فقد سمح للمشاركين بإجراء المزيد من الاختيارات الصحيحة واكتساب المعلومات بمعدل أسرع. كما ثبت أن طريقة شجرة القرار لإيجاد أفضل السرعات كانت أكثر فعالية قليلاً من البحث خطوة بخطوة، رغم أن كلتا الطريقتين استفادتا بشكل كبير من إعادة الترتيب الديناميكي.

كما بحثت الدراسة في مدى صعوبة المهمة بالنسبة للأشخاص المشاركين. وباستخدام استطلاع قياسي، وجد الباحثون أنه بينما تطلبت المهمة جهداً ذهنياً وتركيزاً كبيراً، إلا أنها لم تسبب إجهاداً بدنياً. وجد المشاركون أن التحدي كان ممتعاً، رغم أن صعوبة المهمة تشير إلى أن جعل مثل هذا النظام سهل الاستخدام في الحياة اليومية سيتطلب مزيداً من التطوير. وأشار الباحثون إلى أن بعض الأفراد أبلوا بلاءً استثنائياً، بينما عانى آخرون، مما يسلط الضوء على أن الاستجابات الدماغية تختلف اختلافاً كبيراً من شخص لآخر. وهذا التباين هو تحدٍ معروف في هذا المجال، وتشير الدراسة إلى أن الأنظمة المستقبلية قد تحتاج إلى التكيف في الوقت الفعلي مع مستويات انتباه المستخدم أو تعبه. ومن خلال إثبات أن النهج المرن والشخصي يعمل بشكل أفضل من النهج الجامد، تقدم هذه الأبحاث خطوة حاسمة نحو جعل التكنولوجيا المتحكم بها عبر الدماغ عملية في العالم الحقيقي. وهي تشير إلى أنه لكي تكون واجهة الدماغ والحاسوب مفيدة حقاً في بيئة ديناميكية مثل المنزل أو المستشفى، يجب أن تكون قادرة على التكيف مثل العقل البشري نفسه، وتعديل استراتيجيتها باستمرار لتناسب التغيرات في احتياجات المستخدم.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →