DOI: https://doi.org/10.17944/interdiscip.1676000
تاريخ النشر: 2026-04-16
المؤلف: Hasan Fehmi Özel وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
نظرة عامة
تستكشف هذه الدراسة تأثير الحمل المعرفي الناتج عن المهام الذهنية اللفظية على تعقيد الدماغ، كما تم قياسه بواسطة تخطيط الدماغ الكهربائي (EEG). باستخدام بيانات من 36 بالغًا شابًا صحيًا، استخدم الباحثون تحليل التقلبات غير المتجهة (DFA) وقدموا معلمة جديدة لفقدان التعقيد (dS) لقياس الانحرافات عن الديناميات العصبية المثالية. تكشف النتائج عن انخفاض كبير في قيم DFA، خاصة في المناطق الزمنية والجبهية، مما يشير إلى انخفاض التعقيد الفسيولوجي تحت الحمل المعرفي. في الوقت نفسه، زادت قيم dS في المناطق الزمنية، مما يشير إلى أن المتطلبات المعرفية تؤدي إلى إعادة تخصيص الموارد العصبية، مما ينتقل من حالة راحة عالية التعقيد إلى حالة معالجة أكثر تزامنًا.
تتوافق النتائج مع مفهوم شبكة الوضع الافتراضي (DMN)، مما يظهر أن المهام المعرفية اللفظية تقمع نشاط DMN، مما يعزز فائدة تحليل الفراكتال EEG في تقييم عبء العمل المعرفي وكفاءة الأعصاب. تبرز الدراسة أوجه التشابه القوية بين مقاييس التعقيد المستمدة من EEG والمخرجات الفسيولوجية من التصوير بالرنين المغناطيسي الوظيفي (fMRI)، مما يبرز مزايا الدقة الزمنية العالية لـ EEG. ومع ذلك، يشير المؤلفون إلى القيود المتعلقة بحجم العينة، وخصوصية المهام، والمنهجية، مما يقترح أن الأبحاث المستقبلية يجب أن تستكشف هذه الديناميات عبر مجموعات سكانية وسياقات سريرية متنوعة لتعزيز فهم الحالات المعرفية وأساسياتها الفسيولوجية.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على أهمية فهم العمليات العصبية الفسيولوجية المعقدة التي تحكم المخرجات السلوكية والإشارات العصبية من خلال طرق تحليل متقدمة، بما في ذلك الزمن، والتردد، والتقنيات غير الخطية. تبرز أن التعقيد الفسيولوجي، خاصة في الإشارات مثل تخطيط الدماغ الكهربائي (EEG)، يعكس استجابة النظام للمؤثرات الخارجية وقدرته على التكيف مع المتطلبات المعرفية. يرتبط انخفاض التعقيد في إشارات EEG بانخفاض المرونة في الاستجابة للحمل المعرفي أو الحالات المرضية، مما يجعل تقييم التعقيد الفسيولوجي أمرًا حيويًا لفهم الاضطرابات العصبية.
تناقش الورقة أيضًا المنظور المتطور حول حالة الراحة في الدماغ، والتي تُعترف الآن كفترة من النشاط العصبي الكبير المرتبط بشبكة الوضع الافتراضي. تُستخدم طرق التحليل غير الخطية، مثل تحليل التقلبات غير المتجهة (DFA) والانتروبيا متعددة المقاييس، بشكل متزايد لالتقاط التغيرات التكيفية في نشاط الدماغ استجابةً للحمل الذهني. تحقق الدراسة بشكل خاص في كيفية تأثير الحمل الذهني الناتج عن الأوامر اللفظية على التعقيد الفسيولوجي، باستخدام DFA لقياس التغيرات في إشارات EEG. من خلال مقارنة EEG في حالة الراحة مع الإشارات أثناء المهام المعرفية، تهدف الأبحاث إلى توضيح تعديل الديناميات غير الخطية بواسطة الحمل المعرفي، مع آثار أوسع للتشخيص السريري وإعادة التأهيل العصبي.
النتائج
تشير نتائج الدراسة إلى وجود اختلافات كبيرة في قيم تحليل التقلبات غير المتجهة (DFA) وفقدان التعقيد (dS) عبر مواقع الأقطاب المختلفة خلال حالات الراحة والمهام الذهنية. بشكل محدد، كانت قيم DFA عمومًا أقل خلال المهمة الذهنية، مع ملاحظات انخفاضات كبيرة عند الأقطاب T5 وP4 وPz (p < 0.05، تم تعديلها بواسطة Šídák). وهذا يشير إلى أن الانخفاض في DFA كان محليًا بدلاً من توزيعه بشكل موحد عبر فروة الرأس. بالمقابل، زادت قيم dS خلال المهمة الذهنية، مع ملاحظة ارتفاع كبير عند القطب T5 (p < 0.05، تم تعديلها بواسطة Šídák)، مما يشير إلى انحراف عن الديناميات غير المحددة في هذه المنطقة. توضح الأشكال والجداول هذه النتائج، حيث تظهر الشكل 3A مستويات DFA أعلى خلال الراحة، خاصة في المناطق الزمنية والصدغية، بينما يبرز الشكل 3B زيادة ملحوظة في فقدان التعقيد خلال المهمة الذهنية، بشكل رئيسي في المناطق الزمنية. بشكل عام، استخدمت التحليلات ANOVA ذات القياسات المتكررة ذات الاتجاهين تليها اختبارات بعدية معدلة بواسطة Šídák لتقييم هذه التغيرات، مما يكشف عن أنماط متميزة من الديناميات العصبية المرتبطة بالانخراط المعرفي.
المناقشة
في هذه الدراسة، بحث المؤلفون في تأثيرات المهام الذهنية اللفظية على تعقيد EEG باستخدام طريقة تحليل التقلبات غير المتجهة (DFA). كشفت التحليلات عن انخفاضات كبيرة في التعقيد الفراكتالي، كما يتضح من قيم الأس المقياس DFA ($\alpha$) المنخفضة ومقاييس فقدان التعقيد الأعلى ($dS$) خلال أداء المهام مقارنةً بحالات الراحة. بشكل ملحوظ، حدثت التغيرات الأكثر وضوحًا في المناطق الزمنية، خاصة عند القطب T5، مما يشير إلى تأثير محلي للحمل المعرفي على الديناميات العصبية. يتناقض هذا مع الدراسات السابقة التي أفادت بتغيرات تعقيد أكثر انتشارًا، مما يبرز خصوصية التأثيرات الملحوظة.
تدعم النتائج الفكرة القائلة بأن زيادة المتطلبات المعرفية تؤدي إلى إعادة تخصيص الموارد العصبية، مما ينتج عنه مزيد من التزامن وانخفاض التباين في نشاط الدماغ. تتماشى الدراسة مع الأدبيات الحالية التي تربط المهام المعرفية بانخفاض تعقيد EEG، خاصة فيما يتعلق بقمع شبكة الوضع الافتراضي (DMN) خلال الانخراط في المهام. بشكل عام، تؤكد النتائج على فائدة الديناميات الفراكتالية كأداة تحليلية قوية لفهم العلاقة بين الحمل المعرفي ووظيفة الدماغ، بينما تقترح أيضًا أن مقاييس التعقيد المستمدة من EEG قد تعمل كمؤشرات للصحة الفسيولوجية. يجب أن تستكشف الأبحاث المستقبلية هذه الديناميات عبر مجموعات سكانية وسياقات سريرية متنوعة لتوضيح آثارها بشكل أكبر.
القيود
تقدم الدراسة عدة قيود يجب الاعتراف بها عند تفسير نتائجها. أولاً، حجم العينة صغير نسبيًا، حيث يتكون من 36 بالغًا شابًا صحيًا يمين اليد تتراوح أعمارهم بين 18-26، مما قد يحد من إمكانية تعميم النتائج على مجموعات سكانية أوسع، بما في ذلك كبار السن، والأطفال، أو المجموعات السريرية. بالإضافة إلى ذلك، تم تقييم الحمل المعرفي فقط من خلال مهمة حساب ذهنية لفظية، والتي قد لا تشمل الطيف الكامل من العمليات المعرفية المعنية في أنشطة عقلية متنوعة.
تحد القيود المنهجية أيضًا من تفسير النتائج. تم تسجيل بيانات EEG باستخدام تخطيط 23 قناة بتوزيع 10-20، مع إجراء التحليلات على فترات متساوية الطول تبلغ 60 ثانية عبر كلا الحالتين. ركز تحليل التقلبات غير المتجهة (DFA) على نوافذ قصيرة المقياس من 4-100 عينة (حوالي 8-200 مللي ثانية عند 500 هرتز) تم تطبيقها بشكل موحد عبر الحالات، وتم تحليل الإشارات في نطاق واسع من 0.5-45 هرتز دون النظر في التأثيرات الخاصة بالتردد أو التأثيرات طويلة المدى. بينما تزيد المهمة المختارة بشكل فعال من الطلب المعرفي، قد لا تمثل بدقة وظائف معرفية أخرى. يجب أن تستكشف الأبحاث المستقبلية مجموعة أوسع من المهام المعرفية وتدمج مقاييس تعقيد إضافية، مثل الانتروبيا، لتعزيز فهم العلاقة بين الحمل المعرفي والتعقيد الديناميكي لنشاط الدماغ. سيكون من الضروري معالجة هذه القيود من أجل التحقق من النتائج الحالية وتوسيع نطاقها.
DOI: https://doi.org/10.17944/interdiscip.1676000
Publication Date: 2026-04-16
Author(s): Hasan Fehmi Özel et al.
Primary Topic: Neural dynamics and brain function
Overview
This study investigates the impact of cognitive load from verbal mental tasks on brain complexity, as measured by electroencephalography (EEG). Utilizing data from 36 healthy young adults, the researchers employed detrended fluctuation analysis (DFA) and introduced a novel complexity loss parameter (dS) to quantify deviations from idealized neural dynamics. The findings reveal a significant reduction in DFA values, particularly in the temporal and frontal regions, indicating decreased physiological complexity under cognitive load. Concurrently, dS values increased in the temporal regions, suggesting that cognitive demands lead to a reallocation of neural resources, transitioning from a high-complexity resting state to a more synchronized processing state.
The results align with the concept of the default mode network (DMN), demonstrating that verbal cognitive tasks suppress DMN activity, thereby reinforcing the utility of EEG fractal analysis in assessing cognitive workload and neural efficiency. The study highlights the strong parallels between EEG-derived complexity measures and physiological outputs from fMRI, emphasizing the advantages of EEG’s high temporal resolution. However, the authors note limitations related to the sample size, task specificity, and methodology, suggesting that future research should explore these dynamics across diverse populations and clinical contexts to enhance understanding of cognitive states and their physiological underpinnings.
Introduction
The introduction of this research paper emphasizes the significance of understanding the complex neurophysiological processes that govern behavioral outputs and neural signals through advanced analytical methods, including time, frequency, and non-linear techniques. It highlights that physiological complexity, particularly in signals such as electroencephalograms (EEG), reflects the system’s response to external stimuli and its ability to adapt to cognitive demands. Decreased complexity in EEG signals is associated with reduced flexibility in response to cognitive load or pathological conditions, making the assessment of physiological complexity crucial for understanding neurological disorders.
The paper also discusses the evolving perspective on the resting state of the brain, which is now recognized as a period of significant neural activity linked to the default mode network. Nonlinear analysis methods, such as detrended fluctuation analysis (DFA) and multiscale entropy, are increasingly employed to capture adaptive changes in brain activity in response to mental workload. The study specifically investigates how verbal command-induced mental workload affects physiological complexity, utilizing DFA to quantify changes in EEG signals. By comparing resting state EEG with signals during cognitive tasks, the research aims to elucidate the modulation of nonlinear dynamics by cognitive load, with broader implications for clinical diagnosis and neurorehabilitation.
Results
The results of the study indicate significant differences in detrended fluctuation analysis (DFA) values and complexity loss (dS) across various electrode sites during resting and mental task conditions. Specifically, DFA values were generally lower during the mental task, with significant reductions observed at electrodes T5, P4, and Pz (p < 0.05, Šídák-adjusted). This suggests that the decrease in DFA was localized rather than uniformly distributed across the scalp. In contrast, dS values increased during the mental task, with a significant rise noted at electrode T5 (p < 0.05, Šídák-adjusted), indicating a deviation from scale-free dynamics in this region. Figures and tables illustrate these findings, with Figure 3A showing higher DFA levels during rest, particularly in the temporal and occipital regions, while Figure 3B highlights a marked increase in complexity loss during the mental task, predominantly in the temporal areas. Overall, the analysis employed two-way repeated-measures ANOVA followed by Šídák-adjusted post hoc tests to assess these changes, revealing distinct patterns of neural dynamics associated with cognitive engagement.
Discussion
In this study, the authors investigated the effects of verbal mental tasks on EEG complexity using the detrended fluctuation analysis (DFA) method. The analysis revealed significant reductions in fractal complexity, as indicated by lower DFA scaling exponent values ($\alpha$) and higher complexity loss metrics ($dS$) during task performance compared to resting states. Notably, the most pronounced changes occurred in the temporal regions, particularly at electrode T5, suggesting a localized impact of cognitive load on neural dynamics. This contrasts with previous studies that reported more widespread complexity changes, highlighting the specificity of the observed effects.
The findings support the notion that increased cognitive demands lead to a reallocation of neural resources, resulting in greater synchronization and reduced variability in brain activity. The study aligns with existing literature that links cognitive tasks to decreased EEG complexity, particularly in relation to the suppression of the default mode network (DMN) during task engagement. Overall, the results underscore the utility of fractal dynamics as a robust analytical tool for understanding the relationship between cognitive load and brain function, while also suggesting that EEG-derived complexity measures may serve as indicators of physiological health. Future research should explore these dynamics across diverse populations and clinical contexts to further clarify their implications.
Limitations
The study presents several limitations that should be acknowledged when interpreting its findings. Firstly, the sample size is relatively small, comprising only 36 healthy right-handed young adults aged 18-26, which may restrict the generalizability of the results to broader populations, including older adults, children, or clinical groups. Additionally, cognitive load was assessed solely through a verbal mental arithmetic task, which may not encompass the full spectrum of cognitive processes involved in various mental activities.
Methodological constraints further limit the interpretation of the results. EEG data were recorded using a 23-channel 10-20 montage, with analyses conducted on equal-length epochs of 60 seconds across both conditions. The detrended fluctuation analysis (DFA) focused on short-scale windows of 4-100 samples (approximately 8-200 ms at 500 Hz) applied uniformly across conditions, and the signals were analyzed in a broadband range of 0.5-45 Hz without considering frequency-specific or longer-scale effects. While the chosen task effectively increases cognitive demand, it may not accurately represent other cognitive functions. Future research should explore a wider array of cognitive tasks and incorporate additional complexity measures, such as entropy, to enhance understanding of the relationship between cognitive load and the dynamic complexity of brain activity. Addressing these limitations will be crucial for validating and expanding upon the current findings.