معرفی Neural Data Atlas شرکت Precision Neuroscience؛ اطلس الکتروفیزیولوژی سیستم عصبی انسان با بیش از ۸۷ هزار کانال عصبی از ۷۰ بیمار
یکی از چالشهای توسعه رابط مغز و کامپیوتر (BCI)، دسترسی به دادههای الکتروفیزیولوژیک انسانی با وضوح فضایی بالا و پوشش گسترده آناتومیک است.
در پژوهشی با عنوان Toward A Whole-Brain Interface Enabled by High-Resolution Surface Electrophysiology، شرکت Precision Neuroscience و همکارانش Neural Data Atlasرا بر پایه ثبتهای عصبی با آرایههای میکروالکترودی انعطافپذیرLayer 7 معرفی کردهاند.
این اطلس شامل دادههای ۷۰ بیمار، ۸۶ آرایه فیزیکی، ۱۰۲ موقعیت استقرار، ۸۷٬۳۴۲ کانال میکروالکترودی و بیش از ۱۸۰ ساعت ثبت همزمان عصبی و رفتاری است.
دادهها نواحی مختلفی از سیستم عصبی، از جمله قشرهای حرکتی و حسی، نواحی مرتبط با گفتار و شنوایی، عصب سهقلو، ساقه مغز و نخاع را پوشش میدهند. وظایف ثبتشده نیز شامل حرکت، گفتار، پاسخهای شنیداری و تحریک اعصاب محیطی هستند.
یافتهها، از جمله سازماندهی مکانی پاسخهای عصبی، تغییرات توان باندهای بتا و گاما و تفکیک الگوهای مرتبط با گفتار و حرکت، ظرفیت بالای ثبتهای سطحی با تراکم بالا را نشان میدهند.
Neural Data Atlas منبعی ارزشمند برای پردازش سیگنالهای عصبی، یادگیری عمیق، رمزگشایی عصبی و توسعه رابطهای مغز و کامپیوتر فراهم میکند.
۱. مقدمه: چرا به یک اطلس الکتروفیزیولوژیک از سیستم عصبی انسان نیاز داریم؟
هدف اصلی در بسیاری از پژوهشهای واسط مغز و کامپیوتر، استخراج اطلاعات عملکردی از فعالیت عصبی و تبدیل آن به خروجی قابل استفاده برای تعامل با تجهیزات خارجی است.
برای مثال، یک سیستم BCI میتواند با تحلیل فعالیت قشر حرکتی، جهت حرکت موردنظر فرد را تخمین بزند یا با استفاده از سیگنالهای نواحی مرتبط با گفتار، اطلاعات مربوط به کلمات تولیدشده یا موردنظر فرد را استخراج کند. چنین فناوریهایی در آینده میتوانند برای توسعه پروتزهای عصبی، سامانههای ارتباطی کمکی و ابزارهای توانبخشی عصبی کاربرد داشته باشند.
با وجود پیشرفتهای قابلتوجه در این حوزه، یکی از محدودیتهای اساسی، دسترسی به دادههای الکتروفیزیولوژیک انسانی با پوشش گسترده و وضوح کافی است.
روشهایی مانند الکتروانسفالوگرافی (EEG) امکان ثبت غیرتهاجمی فعالیت الکتریکی مغز را فراهم میکنند، اما به دلیل عبور سیگنال از بافتهای مختلف سر، در تفکیک مکانی منابع عصبی محدودیت دارند. در مقابل، روشهایی مانند الکتروکورتیکوگرافی (ECoG) با ثبت مستقیم از سطح قشر مغز، اطلاعاتی با وضوح زمانی بالا و تفکیک مکانی بهتر ارائه میکنند؛ با این حال، آرایههای متداول ECoG معمولاً فاصله نسبتاً زیادی میان الکترودها دارند و پوشش آناتومیک آنها نیز به محل دسترسی جراحی وابسته است.
از سوی دیگر، آرایههای میکروالکترودی نفوذی (Penetrating Microelectrode Arrays) میتوانند فعالیت عصبی را در عمق بافت ثبت کنند، اما به دلیل ورود مستقیم الکترودها به بافت عصبی، ملاحظات فنی و بالینی خاص خود را دارند.
در این میان، High-Density Surface Electrophysiology رویکردی متفاوت ارائه میدهد: ثبت فعالیت الکتریکی از سطح ساختارهای عصبی با استفاده از تعداد زیادی الکترود کوچک و نزدیک به یکدیگر، بدون آنکه الکترودها برای ثبت موردنظر به داخل بافت عصبی نفوذ کنند.
اما پرسش مهمتر این است: آیا میتوان دادههای ثبتشده از بیماران مختلف و نواحی آناتومیک متفاوت را در یک چارچوب مشترک گردآوری کرد و به یک مرجع عملکردی گسترده از سیستم عصبی انسان رسید؟
پژوهش Neural Data Atlas با همین ایده شکل گرفته است. بهجای آنکه مفهوم رابط کلمغزی (Whole-Brain Interface) صرفاً به ثبت همزمان از تمام مغز یک فرد محدود شود، این پژوهش بر تجمیع سیستماتیک دادههای چندبیماری، چندناحیهای و چندوظیفهای در یک چارچوب آناتومیک مشترک تمرکز میکند.
۱. فناوری Layer 7
شرکت Precision Neuroscience با استفاده از آرایه میکروالکترودی انعطافپذیر Layer 7، مجموعهای با نام Neural Data Atlas معرفی کرده است؛ اطلس عملکردی که دادههای الکتروفیزیولوژیک افراد مختلف و نواحی گوناگون سیستم عصبی را در یک چارچوب مشترک گردآوری میکند.
آرایه Layer 7 یک رابط میکروالکترودی نازک و انعطافپذیر است که مستقیماً روی سطح قشر مغز قرار میگیرد. این فناوری امکان ثبت فعالیت الکتریکی با تراکم فضایی بالا را بدون نفوذ الکترودها به بافت عصبی فراهم میکند.
مشخصات مهم آن عبارتاند از:
- حداکثر ۱۰۲۴ میکروالکترود در هر آرایه
- فاصله اسمی ۴۰۰ میکرومتر میان الکترودها
- تراکم فضایی حدود ۶۲۵ الکترود در هر سانتیمتر مربع
۲. مشخصات Neural Data Atlas
این مجموعهداده بر اساس پژوهش Toward A Whole-Brain Interface Enabled by High-Resolution Surface Electrophysiology شکل گرفته است.
مهمترین آمار گزارششده عبارتاند از:
| مشخصه | مقدار |
|---|---|
| تعداد بیماران | ۷۰ |
| آرایههای فیزیکی | ۸۶ |
| موقعیتهای استقرار | ۱۰۲ |
| کانالهای میکروالکترودی | ۸۷٬۳۴۲ |
| موقعیتهای الکترودی در استقرارها | ۱۰۳٬۵۹۸ |
| مجموع زمان ثبت عصبی و رفتاری | بیش از ۱۸۰٫۸ ساعت |
| حجم داده خام | حدود ۱۲٫۶ ترابایت |
سیگنالها با نرخ نمونهبرداری ۲۰ کیلوهرتز و وضوح ۱۶ بیت ثبت شدهاند.
۳. چه نواحی و فعالیتهایی پوشش داده شدهاند؟
یکی از ویژگیهای مهم این اطلس، تنوع نواحی آناتومیک آن است. دادهها علاوه بر نواحی مختلف قشر مغز، ساختارهایی مانند عصب سهقلو، ساقه مغز و نخاع را نیز پوشش میدهند.
مهمترین فعالیتهای ثبتشده شامل:
- حرکت: حرکت دست و انگشتان، Motor Imagery و حرکات صورت
- گفتار: تولید کلمات و بررسی الگوهای عصبی مرتبط با گفتار
- شنوایی: پاسخ قشر شنوایی به محرکهای صوتی
- حس پیکری: پاسخهای عصبی به تحریک اعصاب محیطی
- مسیرهای عصبی: ثبت پاسخهای برانگیخته در عصب سهقلو، ساقه مغز و نخاع
۴. برخی یافتههای مهم پژوهش
تحلیل دادهها چند نمونه از ظرفیت ثبتهای سطحی با تراکم بالا را نشان داده است:
- مشاهده سازماندهی مکانی پاسخهای حسی و شنیداری
- شناسایی تغییرات فعالیت باندهای Beta و High-Gamma در وظایف عصبی
- تفکیک الگوهای عصبی مرتبط با حرکت و تولید گفتار
- دستیابی به دقت ۹۲ درصد در برخی آزمایشهای طبقهبندی چهارکلاسه گفتار
البته دقت گزارششده مربوط به طبقهبندی تعداد محدودی کلمه مشخص و سکوت است و نباید آن را با رمزگشایی گفتار آزاد و پیوسته یکسان دانست.
۵. کاربردهای پژوهشی در هوش مصنوعی و مهندسی پزشکی
Neural Data Atlas میتواند فرصتهای پژوهشی متنوعی در پردازش سیگنالهای عصبی و یادگیری ماشین فراهم کند، از جمله:
- Neural Decoding: استخراج اطلاعات حرکتی، گفتاری و حسی از سیگنالهای عصبی
- Deep Learning: توسعه مدلهای CNN، RNN و Transformer برای تحلیل فعالیت عصبی
- Cross-Subject Generalization: بررسی قابلیت تعمیم مدلها میان افراد مختلف
- Multimodal Learning: ترکیب سیگنالهای عصبی با دادههای صوتی و حرکتی
- Neural Foundation Models: توسعه مدلهای پیشآموزشدیده برای یادگیری بازنماییهای عمومی از فعالیت عصبی
- Graph Neural Networks: تحلیل روابط مکانی و عملکردی میان الکترودها
یکی از پرسشهای مهم این حوزه، امکان توسعه مدلهایی است که با استفاده از دادههای چندفردی، به کالیبراسیون اختصاصی کمتری برای هر کاربر نیاز داشته باشند.
۶. محدودیتها و وضعیت دسترسی
با وجود گستردگی دادهها، ناهمگونی شرایط ثبت، عدم توازن تعداد نمونهها میان نواحی آناتومیک، تفاوت پروتکلهای آزمایشی و چالش تعمیم بینفردی از محدودیتهای مهم این مجموعه هستند.
همچنین، حجم بالای داده خام و ملاحظات اخلاقی و حقوقی مربوط به دادههای انسانی، استفاده از آن را نیازمند زیرساخت و مجوز مناسب میکند.
بر اساس نسخه مقاله مورد بررسی، دادهها و کدها دارای شرایط دسترسی محدود هستند و برای پیگیری دسترسی میتوان با نویسنده مسئول مکاتبه کرد:
Benjamin I. Rapoport
Email: ben@precisionneuro.io
بنابراین، این مجموعه را نباید یک دیتاست عمومی با دانلود آزاد و مستقیم در نظر گرفت.
جمعبندی
Neural Data Atlas گامی مهم در جهت گردآوری دادههای الکتروفیزیولوژیک انسانی با وضوح فضایی بالا و پوشش آناتومیک گسترده است. ترکیب بیش از ۸۷ هزار کانال عصبی، دادههای ۷۰ بیمار و بیش از ۱۸۰ ساعت ثبت عصبی و رفتاری، آن را به منبعی ارزشمند برای مطالعه سازماندهی عملکردی سیستم عصبی و توسعه روشهای پیشرفته Neural Decoding تبدیل میکند.
منبع اصلی:
Toward A Whole-Brain Interface Enabled by High-Resolution Surface Electrophysiology.
bioRxiv Preprint, 2026.
DOI: 10.64898/2026.09.24.754261
دیدگاه ها