← أحدث الأبحاث
💻 computer science

Distilling Facial Emotional Cues into EEG Representations for Robust Emotion Recognition in Mental Health Monitoring

تقترح الورقة البحثية إطار عمل "التقطير المعزز عبر الوسائط المتعددة" (C-MED)، الذي ينقل المعرفة متعددة الوسائط بين تخطيط كهربية الدماغ (EEG) وتعبيرات الوجه إلى نموذج طالب يعتمد على تخطيط كهربية الدماغ فقط وقابل للنشر، وذلك عبر المحاذاة التباينية والتفاعل الثنائي الخطية، محققاً بذلك تعرّفاً قوياً ومستقلاً عن المبحوث على مشاعر الوجه في معايير SEED-VII وDEAP دون الحاجة إلى بيانات وجه متزامنة عند الاستنتاج.

المؤلفون الأصليون: Majid Sepahvand, Hiba Muhammed Hussein, Maytham N. Meqdad

نُشر 2026-09-10
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Majid Sepahvand, Hiba Muhammed Hussein, Maytham N. Meqdad

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

يمثل الدماغ البشري تدفقاً مستمراً من النشاط الكهربائي، لغة صامتة من الخلايا العصبية التي تطلق نبضاتها في أنماط تتغير مع كل فكرة وذكرى وشعور. لعقود من الزمن، حاول العلماء قراءة هذه اللغة لفهم حالاتنا العاطفية، آملين في بناء آلات يمكنها التعرف على ما إذا كان الشخص سعيداً أو حزيناً أو قلقاً. أحد أكثر الطرق مباشرة للاستماع إلى هذا الحوار الداخلي هو تخطيط كهربية الدماغ، أو EEG، وهي طريقة تضع مستشعرات على فروة الرأس لتسجيل الإشارات الكهربائية للدماغ. وبينما توفر هذه الإشارات نافذة على العقل يستحيل تزييفها، إلا أنها صعبة التفسير بشكل كبير؛ فالأنماط تختلف من شخص لآخر، وغالباً ما تكون الإشارات خافتة ومليئة بالضجيج، مما يجعل من الصعب بناء نظام يعمل بموثوقية للجميع.

ولإدراك هذا التعقيد، غالباً ما يبحث الباحثون عن المساعدة من العالم الخارجي. فعندما نشعر بعاطفة ما، تتفاعل وجوهنا عادةً؛ حيث توفر الابتسامة، أو العبوس، أو اتساع العينين دليلاً بصرياً يكمل العاصفة الكهربائية غير المرئية داخل الرأس. وفي بيئة مختبرية مثالية، يمكن للعلماء تسجيل موجات الدماغ وتعبيرات الوجه في الوقت نفسه، باستخدام الإشارات البصرية الواضحة للمساعدة في فك تشفير إشارات الدماغ الفوضوية. ومع ذلك، فإن هذا يخلق مشكلة عملية؛ ففي العالم الحقيقي، كما هو الحال في غرفة المستشفى أو المنزل، غالباً ما يكون من غير الممكن أو من غير العملي تسجيل وجه الشخص أثناء ارتدائه لسماعة EEG. إن النظام الذي يتطلب كاميرا ليعمل يصبح عديم الفائدة إذا تعذر استخدام الكاميرا. لذا، فإن التحدي يكمن في بناء آلة تتعلم من كل من الدماغ والوجه أثناء التدريب، ولكن يمكنها مع ذلك فهم العواطف باستخدام إشارات الدماغ وحدها عند تشغيلها فعلياً.

لقد تصدى فريق من الباحثين لهذه العقبة المحددة عبر نهج جديد يسمى "التقطير المعزز عبر الوسائط المتعددة" (Cross-Modality Enhanced Distillation). كان هدفهم إنشاء نموذج يمكنه "تعليم" نفسه باستخدام المعلومات الغنية المتاحة من تسجيلات الدماغ والوجه معاً، ثم نقل تلك المعرفة إلى نسخة أبسط تعتمد على الدماغ وحده. تخيل طباخاً ماهراً يتعلم الطهي من خلال تذوق طبق بكل مكوناته الممكنة، ثم يعلم متدرباً كيفية إعادة ابتكار نفس النكهة باستخدام مجموعة محدودة من التوابل فقط. المتدرب لا يتذوق المكونات المفقودة، ولكن من خلال تعليم دقيق، يتعلم تقريب ملف النكهة المعقد. في هذه الدراسة، "الماستر" أو المعلم هو شبكة حاسوبية ترى إشارات EEG وفيديوهات الوجه، بينما "المتدرب" هو شبكة مبسطة ترى إشارات EEG فقط.

اختبر الباحثون هذه الفكرة باستخدام مجموعتين من البيانات المعروفة حيث شاهد المتطوعون فيديوهات عاطفية بينما تم تسجيل موجاتهم الدماغية ووجوههم. قاموا بتدريب شبكتهم "الماستر" على مواءمة إشارات الدماغ مع تعبيرات الوجه، مما أجبر الحاسوب على إيجاد المعنى العميق والمشترك بين الاثنين. تضمنت هذه العملية تقنية خاصة لضمان أن الحاسوب تعلم العاطفة الفعلية بدلاً من مجرد حفظ هوية الشخص أو مقطع الفيديو المحدد الذي يتم تشغيله. وبمجرد تدريب الشبكة "الماستر"، عملت كمرشد للمتدرب؛ حيث تم تدريب المتدرب، الذي لم يكن لديه سوى بيانات الدماغ، على محاكة قرارات "الماستر". وكانت النتيجة نظاماً يمكنه التعرف على العواطف من موجات الدماغ وحدها، ولكن بالذكاء والبراعة اللذين اكتسبهما من خلال "رؤية" الوجوه أثناء تدريبه.

كانت النتائج واعدة. فعند اختبار النظام المبسط المعتمد على الدماغ فقط على أشخاص جدد لم يسبق لهم المشاركة في عملية التدريب، حقق دقة تبلغ حوالي 52.4 بالمائة في مجموعة بيانات تضم سبع عواطف مختلفة، وحوالي 70 بالمائة في مجموعة بيانات تضم ست عواطف. تمثل هذه الأرقام تحسناً كبيراً عن الأنظمة التي تم تدريبها على بيانات الدماغ فقط دون رؤية وجه أبداً. ووجد الباحثون أن كل جزء من منهجهم الجديد ساهم في هذا النجاح؛ إذ كانت التقنية التي قامت بمواءمة إشارات الدماغ والوجه هي العامل الأكثر أهمية، تليها عن كثب وحدة ساعدت نوعي البيانات على التفاعل بطريقة متطورة. ومن خلال تجريد النظام من الحاجة إلى كاميرا في لحظة الاستخدام، أنشأ الفريق نظاماً أكثر عملية لمراقبة الصحة العقلية في العالم الحقيقي، حيث يعد الرصد المستمر وغير الجراحي أمراً أساسياً.

ومع ذلك، كان الباحثون حذرين في الإشارة إلى حدود عملهم. فقد اختبروا النظام بصرامة لضمان أنه لا يعتمد فقط على حفظ التفاصيل المحددة عن المتطوعين أو مقاطع الفيديو، وأكدوا أن النظام يتعلم أنماطاً عاطفية حقيقية بدلاً من الاختصارات القائمة على هوية الشخص الجالس على الكرسي. ومع ذلك، وجدوا أيضاً أن النظام لا يزال يعاني عندما تكون إشارات الدماغ صاخبة جداً أو عندما تكون الأقطاب الكهربائية مفقودة. علاوة على على ذلك، وبينما عمل النظام بشكل جيد على المجموعات المحددة التي تم اختبارها، لم يثبت بعد قدرته على العمل بنفس الكفاءة عبر مختلف الأعمار أو العرقيات أو الحالات السريرية. تشير الدراسة إلى مسار قوي للمستقبل في مجال التعرف على العواطف، موضحة أننا يمكننا استعارة الرؤى من الوجه لتعليم الدماغ كيف ينطق بنفسه، لكن الرحلة نحو أداة موثوقة عالمياً لمراقبة الصحة العقلية لا تزال مستمرة.

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 💻 cs →