کاربرد واسط های مغز-رایانه (BCI) در توانبخشی بیماران سکته مغزی: یک مرور پیشرفته بر مبنای مهندسی عصبی

هدف این پژوهش، بررسی جامع کارکرد و اثربخشی سامانه های مهندسی عصبی مبتنی بر واسط های مغز-رایانه (Brain-Computer Interfaces – BCI) در بهبود عملکرد حرکتی بیماران مبتلا به آسیب های عصبی–عضلانی، به ویژه سکته مغزی بود. با بهره گیری از روش توصیفی–تحلیلی و تحلیل داده های تجربی حاصل از پیاده سازی الگوریتم های یادگیری ماشین بر سیگنال هایEEG، پژوهش حاضر تلاش نمود کارایی بالینی، قابلیت تعامل پذیری و نتایج درمانی این فناوری را مورد سنجش قرار دهد. نتایج نشان داد که به کارگیری الگوریتم های یادگیری عمیق نظیر CNN و LSTM در طبقه بندی الگوهای عصبی، دقت شناسایی نیت های حرکتی را تا ۹۰٪ افزایش داده است. در آزمون های بالینی، بیمارانی که در مرحله نیمه حاد سکته مغزی بودند، با استفاده مداوم از رابط های BCI، تا ۴۲% بهبود در عملکرد اندام فوقانی تجربه کردند. همچنین مشاهده شد که رابط های کاربری بازی وار (gamified interface) در مقایسه با محیط های سنتی، تعامل بهتر و رضایت بالاتری در میان کاربران ایجاد می کنند. از سوی دیگر، تحلیل های آماری بیانگر آن بود که استفاده از مدل های مبتنی بر CNN در گروه سنی ۱۸–۴۰ سال بیشترین میزان دقت و بازدهی را داشته اند. پژوهش حاضر همچنین تاکید می کند که طراحی رابط های هوشمند، سازگار با ویژگی های شناختی–حرکتی بیماران، در کنار پردازش دقیق داده های عصبی، می تواند نقشی کلیدی در توانبخشی عصبی آینده ایفا کند. بر این اساس، توسعه سامانه های مهندسی عصبی با رویکرد انسانی محور و تطبیقی، نه تنها در درمان، بلکه در ارتقاء کیفیت زندگی افراد دارای ناتوانی های حرکتی بسیار موثر خواهد بود.

کلیدواژه ها:

واسط های مغز-رایانه (BCI) ، توانبخشی ، بیماران سکته مغزی ، مهندسی عصبی.