موازنة تقليل الضوضاء والحفاظ على البصمة العصبية في المقاييس الحيوية القائمة على تخطيط الدماغ الكهربائي

لماذا يمكن أن تكون موجات دماغك كلمة المرور التالية

تخيل فتح هاتفك أو حسابك المصرفي أو حتى مختبر محمي ليس ببصمة إصبع أو مسح للوجه، بل بإيقاعات دماغك الفريدة. تستكشف هذه الدراسة كيف يمكن لتخطيط الدماغ الكهربائي (EEG) — الإشارات الكهربائية الصغيرة المسجلة على فروة الرأس — أن يعمل كمقياس حيوي قوي للتعرف على الأشخاص. يتناول المؤلفون مشكلة أساسية في العالم الحقيقي: كيفية تنظيف هذه الإشارات الدماغية الصاخبة جدًا دون محو الأنماط الدقيقة التي تجعل نشاط دماغ كل شخص مختلفًا.

الوعد والمشكلة في تعريف الهوية بموجات الدماغ

يمتلك EEG عدة مزايا مقارنة بالمقاييس الحيوية المألوفة. على عكس الوجه أو البصمة، يصعب تزوير نشاط الدماغ، ولا يمكن التقاطه عن بُعد دون تعاونك، ويتغير إذا كنت تحت ضغط، ما يجعله جذابًا للاستخدامات عالية الأمان. لكن EEG أيضًا فوضوي. تندمج مع رموز العينات، وشد الفك، وتوتر العضلات، والحركة، والتداخل الكهربائي من البيئة مع الإشارات الدماغية الحقيقية. غالبًا ما تفترض طرق التنظيف التقليدية ظروف مختبر هادئة وقد تكون صارمة للغاية، فتقوم باستبعاد قنوات أو تسجيلات كاملة تبدو مشبوهة. في التطبيقات الحقيقية باستخدام سماعات قيمة للمستهلك، قد يعود هذا الصرامة بنتيجة عكسية، فتحل محاولات حسابية مكان أجزاء كبيرة من نشاط الدماغ الحقيقي وقد تمحو «بصمة الدماغ» اللازمة للتعرف على الشخص.

طريقة ألطف لتنظيف إشارات الدماغ

يقترح الباحثون خط معالجة شامل مصمم لموازنة تقليل الضوضاء مع الحفاظ على البصمات العصبية الفردية. بالعمل على مجموعة بيانات ترميز الدماغ (Brain Encoding Dataset)، التي تضم 21 متطوعًا عبر جلسات متعددة وأنواع مهام متنوعة، قارنوا ثلاث نُسخ من البيانات: تسجيلات خام تمامًا، وإشارات مُنقّحة باستخدام نسخة معدّلة وأكثر تساهلًا من روتين معالجة قياسي (المسمّى PREP)، ومجموعة من الميزات المصممة من قبل خبراء والمرفقة مع مجموعة البيانات. تستخدم استراتيجيتهم المتساهلة عدة خطوات — إزالة يدوية لعطل الأجهزة الواضح، ترشيح لطيف لإزالة الانحرافات البطيئة وضوضاء خط الكهرباء، اكتشاف وحَذف وإصلاح حذر للقنوات السيئة، وإعادة الإشارة بالمرجعية إلى متوسط عام — مع تحديد سقف لكمية أي تسجيل يمكن بناؤها رياضيًا بدلًا من قياسها، بحيث يبقى ما يكفي من نشاط الدماغ الأصيل للتعرف.

تحويل موجات الدماغ إلى أنماط قابلة للتعرّف

لمقارنة هذه النسخ من البيانات بشكل عادل، استخرج الفريق نفس نوع الميزات من كلٍّ منها: أوصاف مضغوطة لمحتوى التردد في الإشارة تُعرف بمعاملات قياس مِلفريكونسي سِبسترال (MFCCs)، المستخدمة على نطاق واسع في التعرف على الكلام. تلخص هذه الميزات كيفية توزيع القدرة عبر نطاقات موجات الدماغ — من الإيقاعات البطيئة والنعسانية إلى النشاط الأسرع المرتبط بالانتباه — عبر جميع قنوات EEG الثلاثة عشر أو الأربعة عشر. ثم أُدخلت متجهات النمط الناتجة إلى عدة نماذج قياسية للتعلم الآلي، بما في ذلك أشجار القرار، والغابات العشوائية، وآلات المتجهات الداعمة، وخوارزمية تسمى XGBoost، بشكل فردي وفي تجمع يجمع أصواتها. كان الهدف واضحًا: بالنظر إلى مقطع قصير من EEG، التنبؤ أي من الأشخاص الـ21 جاء منه.

إلى أي حد نستطيع التعرف على دماغ؟

ضمن جلسة تسجيل واحدة، كانت النتائج لافتة. باستخدام البيانات المنقّحة بتساهل، حددت XGBoost الأفراد بدقة تصل إلى 98 بالمئة، خاصة خلال حالة تحفيز بصري محددة حيث شاهد المتطوعون أنماطًا لامعة سريعة ملونة بتردد 10 هرتز. في المتوسط، حسّن هذا التنظيف الحذر الدقة بنحو 5 بالمئة مقارنة بالإشارات الخام وبأكثر من 8 بالمئة مقارنةً بالميزات المقدمة من الخبراء، وكانت هذه المكاسب موثوقة إحصائيًا. ظهر الاستراحة مع إغلاق العينين كحالة قوية أخرى، حيث وفّرت دقة عالية بتعليمات أبسط. عندما اختبر الفريق المتانة عبر أيام أو جلسات مختلفة — وهو تحدٍ أصعب بكثير — انخفض الأداء، عاكسًا التغيرات الطبيعية اليومية في حالة الدماغ ووضع الحساسات. ومع ذلك، فقد ظلت البيانات المنقّحة بتساهل تتفوق على كل من البيانات الخام والمعالجة التقليدية، مع إظهار استراحة إغلاق العينين لأكثر الهوية ثباتًا عبر الزمن.

ماذا يعني هذا لأمن موجات الدماغ في المستقبل

بالنسبة لغير المتخصص، الرسالة هي: يمكن لنشاط دماغك الكهربائي أن يعمل فعلاً مثل كلمة مرور، لكن فقط إذا عالجنا البيانات بعناية. تظهر الدراسة أن تنظيف إشارات EEG بلطف — إزالة أسوأ الضوضاء دون تصحيح مفرط — يمنح أنظمة تعلم الآلة رؤية أوضح وأكثر موثوقية للأنماط التي تميز دماغ شخص عن آخر. كما تبرز الدراسة الحالات التي تعمل بشكل أفضل: الوميض البصري الغني والإيقاعي لأقصى دقة داخل الجلسة، والراحة الهادئة مع إغلاق العينين لثبات أفضل عبر الأيام. بينما لا يزال الأداء عبر الأيام غير كافٍ بمفرده لأغراض أمنية عالية الحساسية، يضع هذا العمل قواعد تصميم عملية لأنظمة المصادقة القائمة على EEG باستخدام سماعات ميسورة التكلفة، من كيفية تنظيف البيانات إلى المهام التي يُطلب من المستخدمين أداؤها.

الاستشهاد: Usman, M., Sultan, N., Nasim, A. et al. Balancing noise reduction and neural signature preservation in EEG biometrics. Sci Rep 16, 6674 (2026). https://doi.org/10.1038/s41598-026-36840-4

الكلمات المفتاحية: المقاييس الحيوية بتخطيط الدماغ الكهربائي, مصادقة موجات الدماغ, معالجة الإشارة المسبقة, تعلم الآلة, البصمات العصبية