Falcone, Francescoflavio
(2023)
Innovazioni nei Metodi di Decodifica Neurale per l'Evoluzione delle Interfacce Cervello-Computer Motorie basate su Deep Learning e Interfacce Cognitive.
[Laurea], Università di Bologna, Corso di Studio in
Ingegneria biomedica [L-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
|
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (1MB)
| Contatta l'autore
|
Abstract
Le interfacce cervello-macchina (BCI) si pongono come obbiettivo la restituzione di funzioni fisiologiche perse in pazienti con gravi disabilità motorie a seguito di lesioni spinali o patologie neurodegenerative. Il funzionamento prevede la registrazione di segnali motori dalla corteccia cerebrale sana del paziente e la decodifica di tali segnali in modo da guidare protesi motorie esterne, o stimolare i muscoli non più funzionanti fornendo di fatto un bypass della lesione e ripristinando il collegamento sistema nervoso con l’effettore. Due punti chiave per il funzionamento di tale tecnologia sono 1) l’area cerebrale da cui si registrano i segnali motori e 2) gli algoritmi utilizzati per la decodifica dei segnali motori. In questa tesi si analizzeranno nel dettaglio questi due punti revisionando lo stato dell’arte e discutendo i passi necessari per l’avanzamento della tecnologia BCI. In particolare, partendo da un recente articolo si analizzerà come non solo le cortecce motorie possano fornire informazioni utili per muovere una neuroprotesi, ma anche segnali raccolti dalla corteccia posteriore parietale potendo qui contare su forti segnali sensorimotori. Oltre alla regione più idonea per estrarre segnali correlati con il movimento è necessario sviluppare un algoritmo per decodificare i segnali neurali in modo da renderli comprensibili, si valuteranno quindi le accuratezze di decodifica di decodificatori basati su reti neurali convolutive. In seguito, si giustificheranno le scelte progettuali e si darà spazio ad una descrizione concreta di BCI e del proprio impiego nell’ambito medico. L’utilizzo di nuove tecnologie basate sul deep learning e uno studio estensivo delle strutture nervose che pianificano e controllano il movimento sono essenziali per l’avanzamento tecnologico necessario per sviluppare BCI affidabili. Di conseguenza diventa di fondamentale la ricerca e la sperimentazione in tale campo scientifico, con l’obiettivo di alleviare la condizione del paziente.
Abstract
Le interfacce cervello-macchina (BCI) si pongono come obbiettivo la restituzione di funzioni fisiologiche perse in pazienti con gravi disabilità motorie a seguito di lesioni spinali o patologie neurodegenerative. Il funzionamento prevede la registrazione di segnali motori dalla corteccia cerebrale sana del paziente e la decodifica di tali segnali in modo da guidare protesi motorie esterne, o stimolare i muscoli non più funzionanti fornendo di fatto un bypass della lesione e ripristinando il collegamento sistema nervoso con l’effettore. Due punti chiave per il funzionamento di tale tecnologia sono 1) l’area cerebrale da cui si registrano i segnali motori e 2) gli algoritmi utilizzati per la decodifica dei segnali motori. In questa tesi si analizzeranno nel dettaglio questi due punti revisionando lo stato dell’arte e discutendo i passi necessari per l’avanzamento della tecnologia BCI. In particolare, partendo da un recente articolo si analizzerà come non solo le cortecce motorie possano fornire informazioni utili per muovere una neuroprotesi, ma anche segnali raccolti dalla corteccia posteriore parietale potendo qui contare su forti segnali sensorimotori. Oltre alla regione più idonea per estrarre segnali correlati con il movimento è necessario sviluppare un algoritmo per decodificare i segnali neurali in modo da renderli comprensibili, si valuteranno quindi le accuratezze di decodifica di decodificatori basati su reti neurali convolutive. In seguito, si giustificheranno le scelte progettuali e si darà spazio ad una descrizione concreta di BCI e del proprio impiego nell’ambito medico. L’utilizzo di nuove tecnologie basate sul deep learning e uno studio estensivo delle strutture nervose che pianificano e controllano il movimento sono essenziali per l’avanzamento tecnologico necessario per sviluppare BCI affidabili. Di conseguenza diventa di fondamentale la ricerca e la sperimentazione in tale campo scientifico, con l’obiettivo di alleviare la condizione del paziente.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Falcone, Francescoflavio
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
BCI,reti neurali,corteccia parietale,macaco,neuroprotesi,cognizione
Data di discussione della Tesi
29 Settembre 2023
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Falcone, Francescoflavio
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
BCI,reti neurali,corteccia parietale,macaco,neuroprotesi,cognizione
Data di discussione della Tesi
29 Settembre 2023
URI
Statistica sui download
Gestione del documento: