تصنيف الإجهاد بالاعتماد على تخطيط الدماغ الكهربائي باستخدام خصائص المجال الزمني وتقنيات التقسيم

لماذا يهم الإجهاد في الدماغ للحياة اليومية

الإجهاد يشكّل كيفية شعورنا وتفكيرنا وأدائنا، لكنه عادةً ما يُتتبع باستطلاعات تسأل الناس عن شعورهم. هذه الأدوات قيّمة لكنها ذاتية ولا تستطيع مراقبة تذبذب الإجهاد خلال اليوم. تستقصي هذه الدراسة ما إذا كانت مجموعة صغيرة من مستشعرات موجات الدماغ قادرة على تقديم طريقة موضوعية وسريعة لمعرفة من مضغوط ومن غير مضغوط، باستخدام أساليب بسيطة تكفي للاندماج في أربطة رأس مستقبلية أو أجهزة قابلة للارتداء أخرى.

الاستماع إلى الإجهاد عبر موجات الدماغ

اتجه الباحثون إلى تخطيط الدماغ الكهربائي (EEG)، الذي يسجل النشاط الكهربائي للدماغ عبر مستشعرات موضوعة على فروة الرأس. استخدموا مجموعة بيانات عامة كبيرة لمتطوعين أصحاء تم تقييم مستويات إجهادهم مسبقًا باستبيان معياري. بدلاً من الاعتماد على عدد كبير من المستشعرات، ركزوا على أربعة فقط موضوعة فوق الجبين وعلى جانبي الرأس، وهي مناطق مرتبطة بالعاطفة وضبط الإجهاد. سُجل لكل شخص حوالي ثماني دقائق من نشاط الراحة الدماغي، ما وفر فترة طويلة من البيانات التي قد تختبئ فيها أنماط متعلقة بالإجهاد.

تقطيع الإشارات الطويلة إلى لقطات قصيرة

لإدراك هذه التسجيلات الطويلة، جزأت الفريق كل تسجيل إلى قطع قصيرة أو نوافذ. جرّبوا استراتيجيتين بسيطتين. في النهج غير المتداخل، قُسمت إشارة الثماني دقائق إلى مقاطع متتالية مدتها عشر ثوانٍ لا تتشارك أي بيانات. في النهج المتداخل، انزلقت النوافذ عبر التسجيل مع أجزاء مشتركة، مما أنتج لقطات أكثر لكنها متكررة جزئيًا. ساعدت مقارنة هذين الطريقتين في التقطيع الفريق على معرفة أيهما يعطي معلومات أنظف وأكثر فائدة عن الإجهاد.

تحويل الموجات الخام إلى أرقام قابلة للقراءة الحاسوبية

بمجرد تحديد النوافذ، خُفض كل مقطع من بيانات موجات الدماغ إلى مجموعة من الخصائص العددية الأساسية التي تلتقط شكله وتبدّله. شملت هذه أفكارًا مألوفة مثل القيمة المتوسطة، التشتت، والطاقة، وكذلك مدى حدة ارتفاع وهبوط الإشارة ومدى قابليتها للتنبؤ. من بين 20 خاصية لكل نافذة، اختار طريقة قائمة على المعلومات تلك التي تحمل أدلة الأكثر فائدة حول انتماء الشخص لمجموعة المضغوطين أو غير المضغوطين. في كثير من الحالات، برزت خصائص مأخوذة من مستشعر جبهي واحد على الجانب الأيمن من الرأس على أنها ذات معلوماتية خاصة.

السماح للخوارزميات البسيطة بتمييز المضغوطين عن الهادئين

بمجموعة مدمجة من الخصائص في اليد، اختبر المؤلفون خمسة طرق تعلم آلي جاهزة لترى مدى دقتها في فصل المتطوعين المضغوطين عن غير المضغوطين. استخدموا نهج اختبار معياري حيث تُقسم البيانات مرارًا إلى أجزاء تدريب واختبار لتقدير الأداء بعدل. عبر هذه التجارب، أعطت طريقة تسمى k أقرب الجيران أداءً أفضل؛ تصنف كل مثال جديد بمقارنته بمن هم أقرب إليه في البيانات. باستخدام نوافذ غير متداخلة من المستشعرات الأربعة، أطلقت تسمية حالة الإجهاد صحيحة في حوالي 96 حالة من أصل 100، متفوّقة على عدة طرق شائعة أخرى تُستخدم غالبًا في دراسات EEG.

ماذا يعني هذا لتتبع الإجهاد في المستقبل

للقارئ، الرسالة الأساسية هي أن كشف الإجهاد بدقة قد لا يتطلب التعلم العميق أو أجهزة مسح دماغية كبيرة وعالية القنوات. تُظهر هذه الدراسة أن عددًا متواضعًا من المستشعرات، وطرق بسيطة لتقطيع الإشارات إلى مقاطع قصيرة، وملخصات عددية مباشرة يمكن أن توفر معًا دلائل قوية عن من هو مضغوط. وبينما هناك حاجة لمزيد من العمل لاختبار مثل هذه الأنظمة في البيئات اليومية وعلى مجموعات جديدة من الناس، تشير الدراسة إلى أن أربطة رأس مستقبلية أو أجهزة قابلة للارتداء الأخرى قد تتعقب الإجهاد عبر نشاط الدماغ بهدوء وتساعد الناس على ملاحظة إدارته مبكرًا.

الاستشهاد: Rauf, U., Zahid, A., Qadeer, A. et al. EEG-based stress classification using time-domain features and segmentation techniques. Sci Rep 16, 16568 (2026). https://doi.org/10.1038/s41598-026-50857-9

الكلمات المفتاحية: كشف الإجهاد بتخطيط الدماغ الكهربائي, موجات الدماغ, التعلم الآلي, المستشعرات القابلة للارتداء, مراقبة الصحة العقلية