معالجة الإشارات العصبية لخيال الكلام في تخطيط الدماغ الكهربائي وتصنيف التعلم العميق

تحويل الأفكار الصامتة إلى كلام ممكن

تخيل أن بإمكانك «سماع» ما يقوله شخص ما دون أن يحرك شفتيه على الإطلاق. بالنسبة للأشخاص المشلولين أو غير القادرين على الكلام، يمكن لتقنية كهذه أن تغيّر حياتهم، إذ تتيح لهم التواصل باستخدام أفكارهم فقط. تُشكّل هذه الدراسة خطوة كبرى نحو ذلك الهدف بإظهار كيفية قراءة الكلمات المتخيلة من موجات الدماغ المقاسة بقبعة بسيطة قابلة للارتداء. من خلال تنظيف الإشارات بدقة واستخدام التعلّم العميق الحديث، يبرهن الباحثون أن الحروف والأرقام والأشياء المتخيلة بصمت يمكن التعرف عليها بدقة ملحوظة.

كيف تصبح إشارات الدماغ قناة اتصال

تركز هذه الدراسة على واجهات الدماغ–الكمبيوتر التي تستخدم تخطيط الدماغ الكهربائي (EEG)، وهي تقنية تسجل تغيّرات صغيرة في الجهد الكهربائي عبر حسّاسات موضوعة على فروة الرأس. بدلاً من طلب تحرّك المشاركين أو تخيل حركات جسدية، يستمع النظام إلى النشاط الدماغي الذي يظهر عندما «ينطق» الأشخاص الكلمات بصمت في أذهانهم. في مجموعة البيانات المستخدمة هنا، تخيّل المتطوعون 30 عنصراً مختلفاً من ثلاث مجموعات: أحرف الأبجدية، الأرقام، والأشياء اليومية. استمر كل تجربة عشر ثوانٍ، وسُجّلت الإشارات من 14 موضعاً على فروة الرأس باستخدام سماعة لاسلكية، ما يبيّن أن هذه المقاربة يمكن أن تعمل مع أجهزة استهلاكية بدلاً من أجهزة مزروعة جراحياً.

تنظيف الإشارة قبل قراءة الفكر

التسجيلات الخام لتخطيط الدماغ الكهربائي فوضوية. فهي تلتقط ليس فقط نشاط الدماغ بل أيضاً رمش العيون، توتّر عضلات الوجه، نبض القلب، إلى جانب الضوضاء الكهربائية من المحيط. صمّم المؤلفون خط معالجة مكوّن من ست خطوات لإزالة أكبر قدر من هذه العوائق مع الحفاظ على الأنماط المرتبطة بالحديث المتخيّل. أولاً، تُفصل طريقة رياضية الإشارة إلى مكوّنات مستقلة بحيث يمكن إزالة الأجزاء الشبيهة بالآثار الضارة تلقائياً. ثم تُحوّل البيانات إلى نطاق التردد، حيث تُخفَض بعض الإيقاعات المزعجة باستخدام مُرشّح مضبوَط بعناية يتجنب تشويه التوقيت. تُعاد الإشارات المُنقّاة إلى المجال الزمني، تُقسّم إلى نوافذ قصيرة، وتُطبّع بحيث تشترك جميع القنوات في مقياس موحّد. هذا التسلسل من «الغسل وإعادة التشكيل» يحول المسارات الفوضوية إلى مقاطع منظّمة يمكن لخوارزمية تعلم أن تفهمها.

ترك الشبكات العميقة تتعلّم الأنماط الخفية

فوق هذا المعالجة المسبقة، اختبر الفريق خمسة نماذج متصلة من التعلّم العميق تجمع بين نوعين من الشبكات العصبية. تعمل طبقات الالتفاف ككاشفات نمط صغيرة تنزلق على قنوات الـEEG، تلتقط البنية المكانية والزمانية المحلية. ثم تتبع طبقات الذاكرة الطويلة قصيرة الأمد (LSTM) كيفية تطور هذه الأنماط عبر الزمن، وتلتقط تدفق النشاط الدماغي أثناء الكلمة المتخيّلة. بعض النسخ تنظر إلى الأمام في الزمن فقط، بينما نسخة رئيسية تنظر للأمام والخلف معاً، ما يمنح رؤية أكثر اكتمالاً لإيقاع الإشارة. عبر مقارنة هذه التصاميم الشبكية، أظهر الباحثون أن الجمع بين الالتفاف وشكل ثنائي الاتجاه من LSTM يوفّر أقوى تمثيل للحديث المتخيّل.

تعريض النظام لاختبارات واقعية

السؤال الحاسم ليس فقط ما إذا كان النموذج يستطيع فك أفكار أشخاص سبق رؤيتهم، بل ما إذا كان يعمل على أفراد جدد. لاستكشاف ذلك، استخدم المؤلفون عدة استراتيجيات اختبار. التقسيمات العشوائية البسيطة، المستخدمة كثيراً في الأعمال السابقة، تعطي صورة متفائلة للغاية: مع خط المعالجة الكامل، صنّف أفضل نموذج جميع العناصر المتخيلة الثلاثين بدقة تزيد عن 99%. عند تطبيق مخططات أكثر صرامة تمنع تسرب مقاطع زمنية متداخلة بين بيانات التدريب والاختبار، ظل الأداء مرتفعاً. الأكثر تطلباً، في اختبار «ترك مشارك واحد خارج التدريب»، تدرب النظام على العديد من المتطوعين ثم قيّمه على شخص جديد تماماً مع عيّنة معايرة صغيرة فقط. حتى هناك، حدّد العنصر المتخيّل بشكل صحيح تقريباً أربع مرات أكثر من نموذج منافس حديث قوي، وفعل ذلك بزمن استجابة أسرع بكثير، ما يدعم التفاعل في الوقت الحقيقي.

ماذا يعني هذا لأجهزة الكلام الصامت المستقبلية

لغير المتخصص، الخلاصة الرئيسية أن فك شيفرة الحديث المتخيّل لم يعد خيالاً علمياً محصوراً في مفردات صغيرة. من خلال تنظيف إشارات الـEEG بقوة وإقرانها بشبكة عميقة ثنائية الاتجاه ذكية، تُبيّن هذه الدراسة أن سماعة رأس يمكنها التمييز بثبات بين 30 عنصراً مختلفاً متخيّلاً بصمت، حتى عند الانتقال إلى مستخدمين جدد. بينما يتطلب تحويل الأفكار الحرة إلى كلام طليق مفردات أكبر وتصاميم أكثر تقدماً، فإن هذا العمل يوفر أساساً متيناً: يثبت أنه مع المعالجة المسبقة والاستراتيجية التعليمية الصحيحة، يمكن تحويل همس الدماغ لكلمة غير منطوقة إلى إشارة واضحة قابلة للقراءة آلياً.

الاستشهاد: Elwasify, F., Shaaban, E. & Abdelmoneem, R.M. EEG imagined speech neuro-signal preprocessing and deep learning classification. Sci Rep 16, 10604 (2026). https://doi.org/10.1038/s41598-026-39395-6

الكلمات المفتاحية: الحديث المتخيل, واجهة دماغ-حاسوب بتخطيط الدماغ الكهربائي, التعلّم العميق, معالجة الإشارات, فك شيفرة عصبية