• coerenza
• EEG
• sincronia

I fenomeni di sincronizzazione che coinvolgono gruppi limitati neuroni o ampie aree della corteccia cerebrale, al giorno d’oggi rappresentano uno dei principali argomenti di interesse delle neuroscienze. Diversi studi compiuti da Damasio (1990), Varela (1995), Friston (1997), hanno dimostrato come i più semplici processi cognitivi, osservare un video o ascoltare una voce, richiedano un’integrazione funzionale di diverse regioni della corteccia cerebrale. Negli ultimi anni, utilizzando tecniche d’imaging come la PET o la risonanza magnetica funzionale (fMRI), sono stati compiuti notevoli passi avanti in questa direzione. Tuttavia, l’analisi spettrale dei segnali EEG rappresenta ancora oggi uno degli approcci più importanti nello studio dei principali fenomeni neurofisiologici Per questo motivo, si è sviluppata la necessità di trovare degli strumenti matematici robusti, che consentano di evidenziare nei tracciati elettroencefalografici questi processi di integrazione; la stima della funzione coerenza è sicuramente uno dei metodi più adatti per cercare di capire quale aree corticali presentano un’attivazione sincronizzata durante un normale processo cognitivo.
Questo lavoro di tesi ha lo scopo di raccogliere e confrontare i diversi metodi che si hanno oggi a disposizione per eseguire studi di coerenza o sincronia, cercando di capire vantaggi e svantaggi di ognuno di essi. Una volta analizzate le problematiche generali (capitolo 3), nel capitolo 4 verranno decritti dettagliatamente i modelli matematici della coerenza classica, della Wavelet coherence e della Hilbert coherence. Pregi e difetti saranno quindi messi in evidenza eseguendo numerose prove su dati simulati (capitolo 5). Nel capitolo 6 vedremo infine l’applicazione di tali metodi su tracciati EEG reali, registrati su pazienti sani durante la presentazione di filmati con diverso contenuto emotivo. È bene precisare che questo lavoro si colloca all’interno di un progetto molto ampio, il cui fine ultimo sarebbe quello di riuscire a sintetizzare una procedura di clustering, che esegua una discriminazione dei segnali EEG sulla base dello stato emotivo del paziente.