في دراسة جديدة قُدمت في arXiv، استعرض الباحثون أحدث التطورات في مجال نماذج تحليل إشارات الدماغ، حيث قدموا طريقة مبتكرة تعتمد على هندسة المستشعرات. تعتبر النماذج الحالية التي تعتمد على مصادر غازية متجانسة (Isotropic Gaussian) من الخيارات الشائعة عندما تكون بنية البيانات غير معروفة مسبقًا. ولكن في حالة تسجيلات الدماغ متعددة القنوات، يُظهر البحث أن جزءًا من هذه البنية معروف مسبقًا. حيث تقوم الأقطاب الكهربائية بالجلوس في مواقع ثابتة على الرأس، مما يجعل الفولتية المنطلقة من الأقطاب المجاورة تتغير بطريقة متقاربة بين مختلف الأفراد.

تقوم النماذج الحالية لتوليد الإشارات بالاعتماد على تعلم هذه البنية من الصفر، ولكن الفريق أضاف هذه التركيبة إلى مصدر البيانات. باستخدام تنسيق مستشعرات الرأس، تم بناء رسم بياني لأقرب الجيران (k-nearest neighbor graph) واستخدام وظيفة Graph-Matérn من مصفوفة لاپلاسيان كمصدر للتباين، مما يضمن بدء التدفق من أنماط متسقة مكانياً بدلاً من ضوضاء غير معتمدة على القنوات.

النتائج مثيرة للإعجاب؛ حيث تمكنت المصادر الجديدة من تقليل الفجوة الطيفية (PSD-KL) بين الإشارات المولدّة والإشارات الحقيقية في أربع طرق مختلفة عبر ثمانية مجموعات بيانات EEG، مما يدل على تحسن يعود إلى المتجهات الذاتية للمخطط المحلي لمواقع المستشعرات. لذا، في حال تم عشوائية المتجهات بينما تم الحفاظ على طيف القيم الذاتية، فإن ذلك يتم القضاء على الأحسن الناتج.

تستمر هذه الطريقة لتكون فعالة على مجموعة متنوعة من البيانات، بما في ذلك قياسات MEG و EEG داخل القحف، مما يفتح آفاقًا جديدة في هذا المجال.