fa تشخیص خستگی از سیگنال مغزی در هنگام آموزش نوروفیدبک مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی) Paper پژوهشي Research <div style="text-align: justify;"><span style="font-size:12pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">آموزش&shy;&shy; نوروفیدبک روشی است که با تغییر نوسانات سیگنال مغزی می&shy;‌تواند فعالیت مغزی را تغییر &shy;دهد. رخداد خستگی در حین آموزش نوروفیدبک منجر به کاهش قابلیت یادگیری می‌&shy;شود. تشخیص به‌موقع خستگی در حین آموزش نوروفیدبک سبب حفظ کیفیت آموزش&nbsp; نوروفیدبک می&shy;‌شود. در این مقاله، تشخیص خستگی در سیگنال <span style="background:white">اﻟﻜﺘﺮوآﻧﺴﻔﺎﻟﻮﮔﺮاف</span> دوازده فرد شرکت&shy;‌کننده در طی آموزش نوروفیدبک در طی ده جلسه آموزش مورد بررسی قرار گرفته است. آموزش نوروفیدبک مورد بررسی شامل دو پروتکل آموزش نوروفیدبک به نام&shy;‌های پروتکل&shy;‌های یک و دو هستند که هر کدام شامل شش شرکت&shy;‌کننده است که به‌&shy;منظور بهینه‌&shy;سازی حافظه کاری طراحی شده‌&shy;اند. ویژگی آموزشی در پروتکل یک ترکیبی از افزایش توان دومین زیرباند پایین آلفا در کانال </span></span></b><b><span dir="LTR" lang="X-NONE" style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">OZ</span></span></b><b> </b><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">و کاهش آنتروپی جای‌گشتی در کانال </span></span></b><b><span dir="LTR" lang="X-NONE" style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">FZ</span></span></b><b> </b><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">است و ویژگی آموزشی در پروتکل دو تنها افزایش توان دومین زیرباند&nbsp; پایین آلفا در کانال </span></span></b><b><span dir="LTR" lang="X-NONE" style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">OZ</span></span></b><b> </b><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">است. رخداد خستگی در هنگام آموزش نوروفیدبک در روند تغییرات ویژگی&shy;‌های آموزشی تغییر ایجاد می&shy;کند. روند تغییرات شیب ویژگی&shy;‌های آموزشی کمتر و کند یا مخالف هدف آموزش نوروفیدبک می‌شود؛ لذا بررسی روند تغییرات شیب ویژگی&shy;‌های آموزشی &shy;می&shy;‌تواند آشکارگر خستگی ایجاد شده باشد. در حین رخداد خستگی، در پروتکل&nbsp; یک، روند شیب تغییرات توان دومین زیرباند پایین آلفا در کانال </span></span></b><b><span dir="LTR" lang="X-NONE" style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">OZ</span></span></b><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:"> کاهشی و آنتروپی جایگشتی در کانال&nbsp; </span></span></b><b><span dir="LTR" lang="X-NONE" style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">FZ</span></span></b><b> </b><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">&nbsp;افزایشی است. روند شیب تغییرات امتیاز&nbsp; نیز کاهشی است. همچنین در پروتکل دو نیز روند شیب تغییرات توان دومین زیرباند پایین آلفا در کانال </span></span></b><b><span dir="LTR" lang="X-NONE" style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">OZ</span></span></b><b><span lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:"> و امتیاز کاهشی است که نشان&shy;دهنده&shy; عدم تغییر ویژگی در راستای هدف آموزش نوروفیدبک در اثر خستگی است و سوژه نمی&shy;تواند امتیازگیری داشته باشد. در پروتکل یک، 1 سوژه و در پروتکل دو، برای سه سوژه خستگی رخ داده است. در پروتکل یک، تعداد افراد کمتری نسبت به پروتکل دو دچار خستگی می‌&shy;شوند؛ زیرا ویژگی‌های آموزشی پروتکل یک، ترکیبی از ویژگی‌&shy;های فرکانسی و غیرفرکانسی هستند و پروتکل دو تنها شامل ویژگی فرکانسی است.</span></span></b></span></span></span></span></div> <div style="text-align: justify;"><span style="font-size:12pt"><span style="tab-stops:45.8pt 91.6pt 137.4pt 183.2pt 229.0pt 274.8pt 320.6pt 366.4pt 412.2pt 458.0pt 503.8pt 549.6pt 595.4pt 641.2pt 687.0pt 732.8pt"><span new="" roman="" style="font-family:" times=""><b><span style="font-size:10.0pt"><span style="color:black">Timely diagnosis of fatigue helps to improve the quality and effectiveness of neurofeedback training. Neurofeed&shy;back training (NFT) is a method that can change brain activity by altering brain signal fluctuations and</span></span></b><b><span lang="EN" style="font-size:10.0pt"><span style="color:black"> teaches individuals to produce or reproduce their brain activity patterns in order to improve performance</span></span></b><b><span style="font-size:10.0pt"><span style="color:black">. Neurofeedback training has been widely utilized over the recent years owing to its considerable effect on the cognitive processes. Fatigue during NFT is one of factors affecting the functioning and achievement of NFT which results in decreased learning ability. Timely diagnosis of fatigue during NFT preserves quality of NFT. </span></span></b></span></span></span><br> <b><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">Decreased learning ability reduces individuals&#39; motivation for learning during NFT.</span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> In this paper, 12 participants` electroencephalogram signals were investigated to detect fatigue during NFT. Two training protocols named protocol 1 and 2 have been designed to improve working memory. Each protocol includes 6 participants and 10 training sessions that each session takes three 10-minute training intervals. Training features in protocol 1 are increased in power of lower2 alpha frequency band in OZ channel and permutation entropy reduction in FZ channel, while protocol 2`s training feature is increased in power of lower2 alpha frequency band in OZ channel. </span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">Occurrence of fatigue during NFT changes trend of </span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">training</span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> features.</span></span></span> <span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">Changing of training features slope will decrease or become opposite to the goal of NFT. Therefore, examining trend of training features slope is a novel approach in detection of fatigue during NFT. </span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">During the occurrence of fatigue, in protocol 1, trend of power of lower2 alpha frequency band`s slope in the OZ channel is decreasing and the trend of entropy` s slope in the FZ channel is increasing. Consequently, the trend of score`s slope is also decreasing. Also in the protocol 2, the trend of power of lower 2 alpha frequency band`s slope in the OZ channel and score is decreasing. This shows that training features do not change in line with the neurofeedback`s goal. Fatigue was detected for 3 subjects in the protocol 1 and 1 subject in the protocol 2.</span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> Occurrence of</span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> fatigue was less in protocol 1 compared with protocol 2 since </span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">Protocol 1 `s training features are combination of frequency and non-frequency features, while the Protocol 2 `s training feature is only frequency feature. </span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">Detection of fatigue during NFT </span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">is </span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">an essential issue which</span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> contributes to increase in</span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> the effect of training and </span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">participants`</span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> performance</span></span></span><span lang="EN" style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">.</span></span></span></b></div> آموزش نوروفیدبک, ویژگی‌های آموزشی, سیگنال الکتروآنسفالوگرافی, خستگی neurofeedback training, training feature, electroencephalogram signal, fatigue 163 174 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-2037-1&slc_lang=fa&sid=1 Maryam Dorvashi مریم دوروشی maryam.dorvashi@yahoo.com 100319475328460011452 100319475328460011452 No Islamic Azad University دانشگاه آزاد اسلامی، واحد نجف‌آباد Neda Behzadfar ندا بهزادفر n.behzadfar@pel.iaun.ac.ir 100319475328460011453 100319475328460011453 Yes Islamic Azad University دانشگاه آزاد اسلامی، واحد نجف‌آباد Ghazanfar Shahgholian غضنفر شاهقلیان shahgholiangh@gmail.com 100319475328460011454 100319475328460011454 No Islamic Azad University دانشگاه آزاد اسلامی، واحد نجف‌آباد