ETD system

Electronic theses and dissertations repository

 

Tesi etd-11122011-183524


Thesis type
Tesi di laurea specialistica
Author
BARSOTTI, MICHELE
email address
nomeserio@gmail.com
URN
etd-11122011-183524
Title
Metodi di analisi di segnali EEG in applicazioni di Brain Computer Interfaces
Struttura
INGEGNERIA
Corso di studi
INGEGNERIA BIOMEDICA
Commissione
relatore Vanello, Nicola
relatore Frisoli, Antonio
relatore Leonardis, Daniele
Parole chiave
  • prorprioceptive
  • ERD
  • SBCSP
  • CSSP
  • CSP
  • BCI
  • EEG
  • ERS
  • SVM
  • LDA
  • algorithm
  • feedback
Data inizio appello
06/12/2011;
Consultabilità
completa
Riassunto analitico
Con il termine Brain Computer Interfaces (BCI) s’intende un sistema in grado di decodificare le intenzioni dell’utilizzatore sulla base della misura e l’interpretazione dell’attività cerebrale al fine di controllare dispositivi esterni. <br>Diverse patologie neurologiche (i.e. sclerosi amiotrofica laterale, ischemia cerebrale, lesioni del midollo spinale) possono portare alla perdita del controllo della muscolatura compromettendo in modo significativo le capacità di comunicazione, percezione ed azione. Tale condizione rende difficile e in alcuni casi impossibile l’utilizzo dei comuni dispositivi di assistenza. Un sistema BCI è una soluzione potenzialmente efficace sia per ripristinare parzialmente le funzioni comunicative di base nel paziente con grave compromissione, sia per fornire un contributo alla riabilitazione del controllo neuromotorio in pazienti con ischemia cerebrale, in associazione con sistemi di feedback (visivo/propriocettivo) o di assistenza al movimento (robot riabilitativo).<br>Nel 1999 Pfurtscheller et al. adattarono l’algoritmo denominato Common Spatial Pattern al riconoscimento e alla classificazione delle intenzioni di movimento. <br>A causa della variabilità inter ed intra individuale, dei rumori ambientali e della presenza di artefatti legati al movimento ed ad altri fattori fiosiologici, la sfida principale è quella di ottimizzare la localizzazione di pattern differenti per diversi compiti di immaginazione motoria, sia nello spazio che in frequenza, in modo automatico. Inoltre, per soggetti patologici, tale sfida diventa più ardua. Spinta da questi motivi e dall’avanzare del livello della tecnologia, la ricerca negli ultimi anni è molto attiva nell’implementazione di algoritmi che permettano la creazione di sistemi BCI basati sul motor imagery sempre meno affetti da errori e sempre più semplici e confortevoli nell’utilizzo.<br>Attraverso la ricerca in letteratura, l’implementazione e la sperimentazione di un sistema BCI per il controllo di una protesi robotica e la valutazione di vari algoritmi, questo lavoro di tesi si pone l’obiettivo di dare un contributo a tale causa. Gli algoritmi implementati sono basati sulla estrazione di features associate all’immaginazione del movimento e sono stati valicati sperimentalmente con diverse condizioni di feedback associate al movimento (nessun feedback, feedback visivo con visualizzazione di movimento di un arto virtuale, feedback propriocettivo con stimolazione prorpriocettiva in grado di generare un movimento illusorio).<br>Il primo capitolo introduce i sistemi BCI e l’aspetto fisiologico relativo al motor imagery. Il secondo capitolo è un’analisi degli algoritmi presenti in letteratura volti ad identificare le intenzioni di movimento. Nel terzo capitolo sono descritte le modalità di acquisizione degli esperimenti condotti in laboratorio. Nel quarto capitolo sono illustrati gli algoritmi implementati. Il quinto ed il sesto capitolo mostrano i risultati ottenuti e le conclusioni.<br>Tale lavoro ci ha permesso di valutare direttamente le performance di algoritmi presenti nella letteratura di questi ultimi anni e, a partire da questi, di implementarne di nuovi.<br>Sebbene gli algoritmi implementati abbiano performance simili all’algoritmo Common Spatial Pattern, hanno il vantaggio di identificare in modo automatico la localizzazione delle features sia nello spazio che nel tempo. Questo si rivela utile proprio con gli utenti finali del sistema BCI implementato caratterizzati potenzialmente da un’elevata variabilità di localizzazione dell’attività cerebrale significativa.<br><br>
File