Sviluppo di un metodo per la rimozione automatica e manuale degli artefatti per una BCI per pazienti non responsivi = A method for automatic and manual rejection of artifacts for a BCI for unresponsive patients

Definire in modo oggettivo lo stato di coscienza di un soggetto, ovvero quanto egli riesce a percepire sia del mondo esterno che della sua persona, è un’operazione complicata, che porta spesso a errori diagnostici. Questa operazione risulta ancora più ostica quando si tratta di un soggetto in coma o stato vegetativo, poiché il soggetto in questione non riesce a comunicare con il mondo esterno. Per aiutare nella definizione dello stato di coscienza di un soggetto non responsivo, si è pensato di usare una Brain-Computer Interface che analizzi il segnale elettroencefalografico prelevato dai soggetti non responsivi e permetta di valutare l’intenzionalità di un movimento eseguito o immaginato. Per valutare l’intenzionalità del movimento bisogna analizzare i Readiness Potential (RP), un tipo di event related potential (ERP) che insorge subito prima dell’inizio del movimento, facilmente osservabile come un incremento della negatività del segnale. I segnali EEG analizzati in questo lavoro di tesi derivano da esperimenti in cui soggetti sani dovevano muovere l’arto destro secondo tre diversi tipi di task, volontario, semivolontario e involontario. Per le analisi si è usato EEGLAB e, in particolare, il suo toolbox, MRCPLAB. L’EEG permette di ricostruire lo stato funzionale della mente e fornisce informazioni sul grado di salute mentale e sullo stato di coscienza di un soggetto. L’EEG registrato sullo scalpo è la somma del segnale derivante dall’attività cerebrale e di altri segnali prodotti da altre sorgenti esterne al cervello. Questi ultimi sono considerati artefatti, che vanno rimossi prima di effettuare le successive analisi sugli RP. In questo lavoro di tesi sono stati analizzati e implementati due metodi per l’eliminazione degli artefatti dal segnale EEG: la rimozione manuale e la correzione automatica. La rimozione manuale degli artefatti implica la divisione in epoche del segnale, un’attenta ispezione visiva da parte dell’utente e la successiva discriminazione tra epoche contenenti artefatto ed epoche che contengono solo segnale EEG. La correzione automatica, invece, si basa sull’analisi delle componenti indipendenti (ICA), una tecnica statistica che permette di scomporre un vettore multidimensionale in componenti unidimensionali statisticamente indipendenti tra loro. Si tratta di risolvere un problema inverso perché, conoscendo il segnale finale registrato, si vuole risalire alle sorgenti interne. La correzione prevede di individuare le componenti artefattuali (artefatti muscolari, artefatti oculari e canali rumorosi) sulla base di caratteristiche nel dominio del tempo e in quello della frequenza dei diversi tipi di artefatti e di correggerli, ottenendo in uscita un segnale ripulito dagli artefatti. La correzione vera e propria è eseguita mettendo a zero le componenti ritenute artefattuali. In questo modo esse hanno un minimo peso nel risultato finale. Poiché con la correzione si sono ottenuti risultati migliori rispetto a quelli ottenuti con la rimozione manuale, quest’ultima tecnica è stata accantonata e sono state portate avanti analisi solo con la correzione automatica. Per verificare l’attendibilità dell’algoritmo è stato calcolato l’SNR. In seguito, la funzione è stata inserita in MRCPLAB.