پردازش سیگنال الکتروانسفالوگرام (ElectroEncephaloGram Signal Processing) یکی از شاخههای کلیدی در تلاقی مهندسی زیستپزشکی، علوم اعصاب محاسباتی و هوش مصنوعی است که هدف آن ثبت، تحلیل و تفسیر فعالیتهای الکتریکی قشر مغز است. سیگنالهای EEG ماهیتاً غیرخطی، ناایستا (Non-stationary)، چندکاناله و با نسبت سیگنال به نویز (SNR) بسیار پایین هستند که توسط آرایهای از الکترودها ثبت میشوند. در رویکردهای مدرن هوش مصنوعی، خط لوله تحلیل از پیشپردازشهای اولیه و حذف آرتیفکتها (مانند حرکات چشم و فعالیت عضلانی با روشهای ICA/PCA) آغاز شده و سپس با تلفیق تحلیلهای زمان-فرکانس، پردازش فضای فاز (Phase Space) و مدلهای یادگیری عمیق (نظیر CNNهای چندکاناله، ترنسفورمرها و شبکههای عصبی گراف/GNN برای مدلسازی دینامیک اتصالات مغزی)، الگوهای پیچیده عصبی کدگشایی میشوند.

شاخههای تخصصی این حوزه بر اساس هدف تحلیل و نوع بازنمایی سیگنال به چند دسته اصلی تقسیم میشوند: استخراج ویژگی و تفکیک باندهای فرکانسی (دلتا، تتا، آلفا، بتا و گاما) با روشهایی چون تبدیل موجک (Wavelet) و تحلیل طیف توان؛ محلیسازی منابع عصبی و حل مسئله معکوس جهت بازسازی توزیع فضایی جریانهای قشر مغز؛ تحلیل اتصالپذیری عملکردی (Functional Connectivity) با معیارهایی نظیر Phase Locking Value و کوهرنس برای سنجش برهمکنش نواحی مختلف؛ و واسطهای مغز-رایانه (BCI) که به دو نوع همزمان (مبتنی بر پتانسیلهای برانگیخته مانند P300 یا SSVEP) و غیرهمزمان (مبتنی بر تصور حرکتی یا Motor Imagery) تقسیم شده و سیگنالهای ارادی مغز را مستقیماً به فرامین کنترلی ترجمه میکنند.
کاربردهای پردازش سیگنال EEG طیف وسیعی از پزشکی بالینی تا علوم شناختی و فناوریهای تعاملی را در بر میگیرد. در پزشکی و عصبشناسی بالینی، این فناوری برای پیشبینی و آشکارسازی خودکار حملات صرع (Seizure Detection)، مانیتورینگ عمق بیهوشی، ارزیابی اختلالات خواب و غربالگری بیماریهای نورودژنراتیو نظیر آلزایمر و پارکینسون حیاتی است. در فناوریهای توانبخشی و BCI، امکان کنترل پروتزهای عصبی، ویلچرهای هوشمند و ابزارهای ارتباطی را برای بیماران مبتلا به فلج حرکتی کامل (Locked-in Syndrome) فراهم میسازد. علاوه بر این، در علوم شناختی و نورومارکتینگ، پایش سطح خستگی و هوشیاری رانندگان/خلبانان، سنجش بار کاری ذهنی (Mental Workload) و بازشناسی خودکار حالات هیجانی و احساسات (Emotion Recognition) از برجستهترین روندهای پژوهشی و کاربردی این حوزه به شمار میروند.

یک دغدغه مهم برای نویسندگان مقالات علمی، انتخاب مجله مناسب برای داوری و چاپ مقاله ژورنالی است. کیفیت و سطح علمی مجله و مدت زمان فرایند داوری و انتشار مقاله، جزو نکات کلیدی است. اینکه چه گزینه های مناسبی داریم شاید سوال مهمی باشد که البته در برخی اوقات در فرایند انتخاب مجله، برخی از نویسندگان بنابه دلایلی بعضی از مجلات معتبر و مناسب را نادیده گرفته و پیگیری نمی کنند. در این پست قصد داریم لیست مجلاتی که نویسندگان ایرانی حوزه پردازش سیگنال EEG برای چاپ مقالات ژورنالیشان انتخاب کرده اند را به ترتیب تعداد مقالات چاپ شده و با در نظر گرفتن بازه زمانی هفت سال اخیر (از ابتدای سال 2020 تا به امروز - سپتامبر 2026) بر اساس آمار استخراج شده از scopus ارایه نماییم:
مشخصات استخراج آمار:
- بازه زمانی: هفت سال اخیر (از ابتدای ۲۰۲۰ تا سپتامبر ۲۰۲۶)
- منبع داده: پایگاه Scopus
- معیار جستجو: مقالات حاوی واژههای EEG signal در عنوان، چکیده یا کلیدواژهها
- وابستگی: iran داشته باشد
- معیار مرتبسازی: تعداد مقالات چاپشده (بهصورت نزولی)

لازم به ذکر است که مجموع تعداد مقالات ژورنالی منتشر شده با مشخصات فوق حدود 800 مقاله است، یعنی تقریبا میانگین حدود 120 مقاله مجله چاپ شده در سال. اسامی مجلات به ترتیب تعداد مقالات منتشرشده در ذیل آورده شده است:



