به کارگیری روش غیرخطی منحنی بازگشتی برای شناسایی مؤلفه های حافظه ای برمبنای تک ثبت

هدف از این پژوهش، به کارگیری روش پردازش غیرخطی منحنی های بازگشتی روی پتانسیل های وابسته به رخداد فرآیندهای حافظه ای است تا توانایی های این روش در شناسایی مؤلفه های حافظه ای سیگنال های مغزی تک ثبت و ایجاد تمایز بین گروه های قدیم و جدید، مورد بررسی قرار گیرد. دو مؤلفه ی مهم حافظه ای FN400 و LPC است که بایستی مورد شناسایی قرار گیرد. برای این منظور منحنی های بازگشتی مربوط به تک ثبت های EEG ثبت شده در حین بازیابی حافظه، محاسبه شدند. علاوه بر این تحلیل آنالیز کمی سازی بازگشت برای کمی سازی تغییرات در ساختار دینامیک سیگنال در حین رخداد حافظه، انجام شد. از کمی کننده های غیرخطی نظیر RR، DET، ENTR، ، Lmax، LAM، TT و Vmax ویژگی هایی استخراج شده و میزان معنادار بودن تفاوت این ویژگی ها در دو رخداد قدیم و جدید با استفاده از آزمون های آماری مشخص گردید. نتایج نشان می دهند که منحنی های بازگشتی، توانایی شناسایی گذارهای سیگنال در حوالی 400 میلی ثانیه و 800 میلی ثانیه را، که به مؤلفه های حافظه ای مربوط دانسته شده اند، دارد. دامنه ی اندازه های غیرخطی این منحنی ها 400 میلی ثانیه پس از شروع تحریک افزایش می یابدکه نشان دهنده ی کاهش بعد سیستم، پس از تحریک است. پس از 800 میلی ثانیه این روند افزایش از بین رفته و کاهشی در تمامی اندازه ها به وقوع می پیوندد که می تواند مبین افزایش بعد و پیچیدگی سیستم و بازگشت به وضعیت پایه اش باشد. میانگین اندازه های مربوط به رخداد قدیم بیشتر از رخداد جدید است. در مقایسه با روش های خطی، منحنی های بازگشتی نیاز به متوسط گیری ندارد و RQA حتی در تک ثبت های EEG تمایز بین رخدادهای قدیم و جدید را نشان می دهد.