Microstate-Guided Dynamic Graph Neural Network with Prototypical Contrastive Learning for EEG Emotion Recognition
تقترح هذه الورقة شبكة عصبية رسومية ديناميكية موجهة بالحالة الدقيقة ومعززة بالتعلم التبايني النمطي لنمذجة الاتصال الدماغي المتطور للتعرف على العواطف عبر تخطيط كهربية الدماغ، محققةً دقة رائدة غير مرتبطة بالموضوع تبلغ 89.64% على معيار SEED.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
إن الدماغ البشري عبارة عن مشهد شاسع ومتغير من النشاط الكهربائي. فعندما نشعر بموجة مفاجئة من الفرح، أو موجة من الحزن، أو لحظة من الهدوء، فإن هذا النشاط لا يظل ساكنًا؛ بل يعيد تنظيم نفسه في أجزاء من الثانية. لقد حاول العلماء لفترة طويلة قراءة هذه الإشارات الكهربائية، المعروفة باسم تخطيط كهربائية الدماغ (EEG)، لفهم ما يشعر به الشخص. ومع ذلك، فإن الدماغ ليس آلة ثابتة؛ فترابطاته تتغير بسرعة مع تطور العواطف، كما أن دماغ كل شخص مبرمج بشكل مختلف قليلاً. وهذا ما يجعل من الصعب للغاية بناء برنامج حاسوبي يمكنه التعرف على العواطف بدقة عبر الأشخاص المختلفين. فالأساليب التقليدية غالبًا ما تعتمد على النظر إلى نشاط الدماغ كخريطة ثابتة أو لقطة بسيطة، مما يغفل الطريقة السريعة والانسيابية التي يعمل بها الدماغ في الواقع.
اقترح فريق من الباحثين في جامعة كونمينغ للعلوم والتكنولوجيا طريقة جديدة لحل هذه المشكلة. فبدلاً من معاملة الإشارات الكهربائية للدماغ كصورة ثابتة، صمموا نظامًا يتبع التحولات السريعة الطبيعية للدماغ في الوقت الفعلي. وقد ركزوا على ظاهرة محددة تسمى "الحالات الدقيقة" (microstates). تخيل المجال الكهربائي للدماغ كنمط طقس على خريطة؛ ففي لحظة وجيزة، يتخذ النمط شكلًا معينًا، ثم ينتقل فجأة ليأخذ شكلًا جديدًا. هذه اللقطات، التي تستمر لأجزاء ضئيلة من الثانية، هي "الحالات الدقيقة". وقد وجد الباحثون أن هذه الأنماط العابرة ليست مجرد ضوضاء عشوائية، بل هي في الواقع اللبنات الأساسية لكيفية معالجة الدماغ للعواطف. ومن خلال تعليم نموذجهم الحاسوبي الانتباه إلى هذه التحولات السريعة، تمكنوا من إنشاء نظام يمكنه فهم لغة العواطف في الدماغ بشكل أفضل بكثير من الطرق السابقة.
يكمن جوهر نهجهم الجديد في إطار عمل يطلقون عليه اسم (MG-PCL). ولفهم كيفية عمله، تخيل أنك تحاول فهم محادثة بين شخصين يتحدثان لهجات مختلفة. قد يحاول حاسوب قياسي ترجمة كل كلمة حرفيًا، لكنه سيفقد النبرة والسياق. أما نظام الباحثين، فيقوم بشيء أكثر ذكاءً؛ فهو يقوم أولاً بتفكيك إشارات الدماغ إلى نوعين من المعلومات: النوع الأول يلتقط التردد الفوري للموجات الكهربائية، وهو ما يشبه الاستماع إلى مستوى الصوت وطبقة الصوت. أما النوع الآخر فيلتقط أنماط "الحالة الدقيقة"، وهو ما يشبه فهم الإيقاع والوقفات في المحادثة. ثم يقوم النظام بدمج هذين التدفقين من المعلومات، مستخدمًا إيقاع الحالات الدقيقة لتوجيه كيفية تفسير الصوت. وهذا يسمح للنموذج برؤية الصورة الأكبر لكيفية تنظيم الدماغ لنفسه، بدلاً من الضياع في تفاصيل الضوضاء الكهربائية.
بمجرد أن يجمع النظام هذه الإشارات، فإنه يبني خريطة ديناميكية لترابطات الدماغ. في الأساليب القديمة، كانت هذه الخريطة غالبًا قالبًا ثابتًا، مثل خريطة طريق ثابتة لا تتغير أبدًا. لكن ترابطات الدماغ انسيابية؛ فهي تفتح وتغلق مع تغير العواطف. ينشئ النظام الجديد خريطة تتطور لحظة بلحظة، حيث يستخدم أنماط الحالة الدقيقة كدليل لتحديد الأجزاء التي تتواصل مع بعضها البعض في الدماغ في كل ثانية. وهذا يعني أن النموذج لا يكتفي بالنظر إلى الأجزاء النشطة فحسب، بل يراقب كيف يعيد النظام بأكمله تنظيم هيكله لدعم شعور معين.
ولجعل هذا العمل ناجحًا عبر مختلف الأشخاص، كان على الباحثين حل عقبة رئيسية: وهي حقيقة أنه لا يوجد دوران متطابق بين الأدمغة. فالنموذج الذي يتم تدريبه على شخص واحد غالبًا ما يفشل عند اختباره على شخص آخر. ولحل هذه المشكلة، قدموا طريقة توائم الأنماط العاطفية لمختلف الأشخاص دون إجبارهم على أن يبدوا متطابقين تمامًا. لقد استخدموا تقنية تجمع التجارب العاطفية المتشابهة، مما يخلق "نموذجًا أوليًا" مشتركًا لكل شعور. فكر في الأمر كإيجاد أرضية مشتركة بين تجارب الناس المختلفة للسعادة، بدلاً من محاولة جعل أدمغتهم متطابقة. ومن خلال مواءمة هذه النماذج الأولية المشتركة، يتعلم النظام التعرف على جوهر العاطفة، بغض النظر عن الدماغ الذي ينتجها. وهذا يسمما النموذج على التعميم بشكل جيد، مما يعني أنه يمكنه تخمين عواطف أشخاص لم يسبق له رؤيتهم من قبل.
اختبر الباحثون نظامهم باستخدام مجموعة بيانات معروفة تسمى (SEED)، والتي تحتوي على تسجيلات للعديد من الأشخاص وهم يشاهدون فيديوهات عاطفية. وقد طلبوا من النظام تحديد العواطف دون أن يكون قد تدرب على الشخص المحدد الذي يتم اختباره. كانت النتائج مذهلة؛ فقد حقق النظام الجديد دقة متوسطة بلغت 89.64 بالمائة، وهي نسبة أعلى من أي طريقة أخرى تم اختبارها سابقًا على نفس البيانات. والأهم من ذلك، أنه كان أكثر اتساقًا، حيث أظهر تباينًا أقل في أدائه عبر مختلف الأشخاص. وعندما قام الباحثون بإزالة توجيه "الحالة الدقيقة" من نظامهم، انخفضت الدقة بشكل كبير، مما أثبت أن هذه الأنماط الدماغية السريعة ضرورية لنجاح النموذج. كما أظهر النظام أنه كان ينتبه إلى الأجزاء الصحيحة من الدماغ، وتحديدًا المناطق الجبهية والصدغية، المعروفة بدورها في المعالجة العاطفية.
تشير الدراسة إلى أن مفتاح فهم إشارات الدماغ يكمن في احترام طبيعتها الديناميكية. فمن خلال معاملة الدماغ كنظام يعيد تنظيم نفسه باستمرار في نبضات إيقاعية سريعة، تمكن الباحثون من بناء نموذج يرى الدماغ بوضوح أكبر. لم يجدوا فقط طريقة أفضل لتصنيف العواطف، بل وجدوا طريقة للاستماع إلى لغة التغيير الخاصة بالدماغ. ورغم أن النظام ليس مثاليًا بعد، ولا يزال يعاني قليلاً في التمييز بين المشاعر المحايدة والسلبية، إلا أن النتائج تشير إلى مستقبل واعد. يخطط الباحثون لاختبار نهجهم على مجموعات بيانات أكبر وأكثر تنوعًا لمعرفة ما إذا كان سيصمد في السيناريوهات الواقعية. وفي الوقت الحالي، يثبت هذا العمل أنه عندما نتوقف عن محاولة تجميد الدماغ في الزمن ونبدأ في اتباع تدفقه الطبيعي، يمكننا فتح فهم أعمق للعاطفة البشرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.