تحلیل آنتروپی سیگنال نرخ ضربان قلب در هنگام تفکر خلاق
الموضوعات :گلشن انصاری 1 , عطااله عباسی 2 , عاتکه گشوارپور 3
1 - آزمایشگاه علوم اعصاب محاسباتی، گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران.
2 - آزمایشگاه علوم اعصاب محاسباتی، گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران
3 - آزمایشگاه علوم اعصاب محاسباتی، گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران
الکلمات المفتاحية: خلاقیت, آنتروپی, تحلیل غیرخطی, سیگنال نرخ ضربان قلب,
ملخص المقالة :
زمینه: خلاقیت را میتوان یکی از مهمترین رفتارهای شناختی نامید که شکوفایی جوامع و تسلط بر جنبههای مختلف زندگی پیرامون در سایهی توجه به آن امکانپذیر است. تا کنون در چندین مطالعه اثر فعالیتهای خلاقانه بر روی مغز مورد بررسی قرار گرفته است. اما تغییرات سیستم خودمختار در این گونه فعالیتها چندان بررسی نشده است. در این مطالعه با تکیه بر روشهای مبتنی بر استخراج ویژگیهای آشوبی و غیر خطی از سیگنال نرخ ضربان قلب، تغییرات این سیگنال، قبل و در طول فعالیت خلاقانه بررسی شده است. هدف: بطور خاص هدف از این مطالعه، بررسی تغییرات کمّی آنتروپی در حین تفکر خلاق و مقایسهی آن با حالت استراحت و در نظر گرفتن آن به عنوان شاخصی با پیشرفت فعالیت خلاقانه است. روش پژوهش: آنتروپی تقریبی و آنتروپی فازی دو پارامتری است که از آنها جهت مشخصهبندی بینظمی و پیچیدگی سیگنال نرخ ضربان قلب (HR) تحت مراحل مختلف از فعالیت خلاقانه استفاده شد. یافته ها: بررسی سیگنال نرخ ضربان قلب 52 نفر در حین انجام فعالیتهای سه گانهی آزمون خلاقیت تورنس (فرم A تصویری) و مقایسهی آن با حالت استراحت نشان از افزایش میانگین دادههای حاصل از آنتروپی تقریبی و آنتروپی فازی با پیشرفت تفکر خلاق داشته است. از طرفی مقایسهی هر مرحله از خلاقیت با مرحلهی پیش از خود در طول هر فعالیت در هر دو نوع آنتروپی، نشان دهندهی افزایش مقدار میانگین در انتهای هر فعالیت میباشد. در فعالیت 3 از هر دو آنتروپی، مقایسهی این مراحل با آخرین مرحلهی دو دقیقهای پیش از خود نشان از تغییرات کاملا افزایشی دارد. افزایش این آنتروپیها بینظمی و پیچیدگی سیگنال را در طول فعالیت خلاقانه نشان میدهد. نتیجه گیری: پژوهش بیانگر آن است که بین سیگنالهای خودمختار در حالت استراحت و مراحل مختلف از تفکر خلاق تفاوت وجود دارد. بنابراین تحلیل آنتروپی سیگنال نرخ ضربان قلب میتواند به عنوان شاخصی برای ارزیابی افراد از نظر خلاقیت مفید واقع گردد.
Afida. A, Hussain. A. Marzuki mustaffa. M, Abdul Majid. R. (2012). Assessment of creativity in electrical engineering. Social and behavioral sciences, 60, 463-467.
Almirantearena. F, Clara. F, Burillo Lopez. P. (2012). Study of the linguistic variables of heart rate variability using fuzzy entropy. 9th International Conference on Fuzzy Systems and Knowledge Discover.
Beckers. F, Ramaekers. D, Aubert. A. (2001). Approximate Entropy of Heart Rate Variability: Validation of Methods and Application in Heart Failure. Cardiovascular Engineering. 1(4), 177–182.
Chena. W, Zhuang. J, Yu. W, Wang. Z (2009). Measuring complexity using FuzzyEn, ApEn, and SampEn. Medical Engineering & Physics, 31, 61–68.
Fink. A, Neubauer. A.C. (2006). EEG alpha oscillations during the performance of verbal creativity tasks: Differential effects of sex and verbal intelligence. International Journal of Psychophysiology, 62(1), 46-53.
Fink. A, Grabner. R. H, Benedek. M, Reishofer. G, Hauswirth. V, Fally. M, Neuper. C, Ebner. F, Neubauer. A. C. (2009). The Creative Brain: Investigation of Brain Activity during Creative Problem Solving by Means of EEG and fMRI. Human Brain Mapping, 30, 734–748.
Fink. A, Schwab. D, Papousek. I. (2011). Sensitivity of EEG upper alpha activity to cognitive and affective creativity interventions. International Journal of Psychophysiology, 82 (3), 233-239.
Fink A., Grabner R. H., Gebauer D., Reishofer G., Koschutnig K., Ebner F. (2010). Enhancing creativity by means of cognitive stimulation: Evidence from an fMRI study. NeuroImage, 52(4), 1687-1695.
Fleisher. L.A, Pincus. S.M, Rosenbaum. S.H. (1993). Approximate entropy of heart rate as a correlate of postoperative ventricular dysfunction. Anesthesiology. 78(4), 683-92.
Hao. N, Ku. Y, Liu. M, Hu. Y, Bodner. M, Grabner. R. H, Fink. A. (2016). Reflection enhances creativity: Beneficial effects of idea evaluation on idea generation. Brain and Cognition. 103, 30-37.
Hassan. M, Terrien. J, Marque. C, Karlsson.B. (2011). Comparison between approximate entropy, correntropy and time reversibility: Application to uterine electromyogram signals. Medical Engineering & Physics.33 (8), 980-6.
Hancock. S, McNaughton. L. (1986). Effects of fatigue on ability to process visual information by experienced orienteers. Percept Mot Skills. 62(2), 491-8.
Hyun. M.S, Chung. H, Lee. Y. (2005). The effect of cognitive-behavioral group therapy on the self-esteem, depression, and self-efficacy of runaway adolescents in a shelter in South Korea. Appl Nurs Res. 18(3), 160-6.
Jauk. E, Benedek. M, Neubauer. A. C. (2012). tackling creativity at its roots: Evidence for different patterns of EEG alpha activity related to convergent and divergent modes of task processing. International Journal ofPsychophysiology, 84, 219–225.
Molle. M, Marshal. L, Wolf. B, Fehm. H. L, Born. J. (1999). EEG complexity and performance measures of creative thinking. Psychophysiology, 36(1), 95–104.
Muldner. K, Burleson.W. (2015). Utilizing sensor data to model students’ creativity in a digital environment. Computers in Human Behavior. 42, 127-137.
Nowicki. E. (2014). Creativity as a Mental State: An EEG Study of Musical Improvisation. Electronic Thesis and Dissertation Repository. Paper 2552.
Pincus. S.M. (1991). Approximate entropy as a measure of system complexity. Mathematics. 88, 2297-2301.
Primi. R, Nakano. T. Morais. M, Almeida. L, David. A.P.M. (2013). Factorial structure analysis of the Torrance test with Portuguese students. Studos de Psicologica, Campinas 30(1), 19-28.
Pincus, S.M, Gladstone, I.M, Ehrenkranz, R.A. (1991). A regularity statistic for medical data analysis. J. Clin Monit 7,335-345.
Pincus, S.M., Viscarello, R.R. (1992). Approximate entropy: a regularity measure for fetal heart rate analysis. Obstet Gynecol. 79, 249-255.
Riggs. P. D, Leon. S. L, Mikulich. S .K, Pottle. L .C (1998). An open trial of bupropion for ADHD in adolescents with substance use disorders and conduct disorder. Journal of the American Academy of Child and Adolescent Psychiatry, 37(12), 1271-8.
Srinivasan. N. (2007). Cognitive neuroscience of creativity: EEG based approaches. Methods. 42, 09–116.
Souza.G. M, R. V. Ribeiro, M. G. Santos, H. L. Ribeiro, R. F. Oliveira. (2004). Approximate Entropy as a measure of complexity in sap flow temporal dynamics of two tropical tree species under water deficit. Annals of the Brazilian Academy of Sciences, 76(3): 625-630.
Schwab. D, Benedek. M, Papousek. L, Weiss. E. M, Andreas. F. (2014). The time-course of EEG alpha power changes in creative ideation. Frontiers in Human Neuroscience, 8, 310.
Tucha. O, Lange. K .W. (2004). Handwriting and Attention in Children and Adults with Attention Deficit Hyperactivity Disorder. Motor Control. 8, 461-471.
Ueno. K, Takahashi. T, Takahashi. K, Mizukami. K, Tanaka. Y, Wada. Y. (2014). Neurophysiological basis of creativity in healthy elderly people: A multiscale entropy approach. Clinical Neurophysiology, 126(3), 524-31.
Zabelina. D. L, Leary. D, Pornpattananangkul. N, Nusslock. R, Beeman. M. (2015). Creativity and sensory gating indexed by the P50: Selective versus leaky sensory gating in divergent thinkers and creative achievers. Neuropsychologia, 69, 77-84.
_||_