تشخیص خودکار حالت‌های خواب از امواج بویایی مغز

دانشمندان یک تکنیک کاملا خودکار را برای تشخیص آنی حالت‌های خواب و بیداری در موش‌هایی که حرکت آزادانه دارند طراحی کرده‌اند. این تحقیقات که توسط کریم بنچنانه، سوفی بگور و همکاران در مرکز ملی تحقیقات علمی پاریس انجام و در مجله PLOS Biology منتشر شد، توضیح می‌دهد که چگونه فعالیت پیاز بویایی برای طبقه‌بندی دقیق حالت آماده باش در طبقه‌های بیدار، خواب REM، و خواب non-REM می‌تواند کافی باشد.

پیاز بویایی یک ساختار مغزی است که اطلاعات مربوط به بویایی را به مغز انتقال می‌دهد، و در موش از زیر قشر مغز به سمت حفره بینی حرکت می‌کند. درک تغییر حالت بین خواب و بیداری برای کاربرد‌های پزشکی و بالینی از بیهوشی گرفته تا اختلالات خواب مثل اینسومنیا، مفید است.

اگرچه تاکنون اطلاعات زیادی از مدل‌های موش به دست آمده است، ردیابی حالت‌های خواب و بیداری در جوندگان و تغییر بین این دو حالت شدیدا دشوار بوده و با پارامترهایی همچون روش‌های نمره گذاری و افرادی که نمره گذاری می‌کنند دستخوش تغییر می‌شود.

روش جدید در استفاده از ثبت پتانسیل‌های ناحیه‌ای آنی از پیاز بویایی موش، کاملا مبتنی بر فعالیت مغز بوده و بسیار قابل اعتمادتر از روش‌های کنونی است.

پس از کشف اینکه تغییرات در امواج گاما در پیاز بویایی یک نشانگر قابل اعتماد برای حالت‌های خواب و بیداری می‌باشد، گروه یک الگوریتم نمره گذاری خواب خودکار را ایجاد کرد که بهتر ازروش‌های طبقه بندی استاندارد عمل می‌کرد. بر خلاف روش‌های استاندارد که بر ثبت فعالیت‌های عضلانی تکیه می‌کنند، روش جدید، "بی تحرکی " جونده را به غلط به عنوان خواب طبقه بندی نکرد.

آن‌ها همچنین دریافتند اگرچه فعالیت مغز در هیپوکامپ بهترین سیگنال‌ها را برای تفکیک خواب REM از non-REM به وجود می‌آورد، اما امواج بتا در پیاز بویایی می‌تواند تقریبا همان کار را انجام دهد، به این معنی که سیستم خودکار {تشخیص حالت‌های خواب و بیداری} تنها نیاز به یک سیم کاشتنی برای هر موش دارد.

هنگامی که سیستم ایجاد شد، دانشمندان توانستند از آن برای چندین مورد، شامل تشخیص عمق بیهوشی، و تشخیص تفاوت بین گذار از حالت خواب به بیداری و گذار از حالت بیداری به خواب، استفاده کنند. بنابراین سیستم طبقه بندی خودکار آنی، توانایی کاربرد گسترده در مطالعات خواب را دارد.

منبع: Science daily

مترجم: عباس یاری، دبیر کارگروه نوروسایکولوژی شاخه دانشجویی نقشه برداری مغز