نظام ذكاء اصطناعي لتحليل إشارات الدماغ لتمكين التواصل لمرضى الجلطة الدماغية

الملخص

يركّز هذا البحث على تطوير نظام ذكاء اصطناعي لمساعدة مرضى السكتة الدماغية، وخاصة المصابين بمتلازمة المنحبس، على التواصل باستخدام إشارات الدماغ الكهربائية. تم استخدام حالة العين (مفتوحة أو مغلقة) كنقطة انطلاق لبناء وسيلة تواصل. بعد المعالجة المسبقة للبيانات وتقليل أبعادها باستخدام تحليل المكونات الرئيسية (PCA PRINCIPAL COMPONENT ANALYSIS)، تم تدريب ثلاثة نماذج تصنيف: آلة المتجهات الداعمة (SVM)SUPPORT VECTOR MACHINE) ، الغابات العشوائية (Random Forest)، والشبكات العصبية (long Short Term Memory LSTM). أظهرت النتائج أن نموذج LONG SHORT TERM MEMORY LSTM تفوّق على باقي النماذج، محققًا أعلى دقة بلغت 99.63%، مما يثبت كفاءته العالية في التعامل مع البيانات الزمنية المعقدة مثل الإشارات الكهربائية لنشاط الدماغ   Electroencephalography يليه نموذج (SVM)SUPPORT VECTOR MACHINE Support Vector Machine بدقة 95.5%، ثمRandom Forest  بدقة 93.9%. هذا التفوق يُبرز قابلية LSTM long Short Term Memory استخدام شبكة الذاكرة طويلة الأمد للتطبيق في أنظمة التفاعل العصبي، حيث تكون الاستجابة الدقيقة والسريعة ضرورية. تمثل هذه المرحلة خطوة أولى نحو أنظمة أكثر تطورًا قد تُمكّن من فك شيفرة النوايا أو حتى الكلام الداخلي باستخدام واجهات التواصل المباشر بين الدماغ و الحاسوبBCI Brain Computer Interface  كما يفتح هذا العمل المجال أمام استخدام الذكاء الاصطناعي في تطوير أدوات طبية تفاعلية تعزز استقلالية المرضى وتحسّن جودة حياتهم.