Impiego di una rete neurale convoluzionale per la decodifica di movimenti di arto superiore tramite segnali elettroencefalografici

La possibilità di decodificare i movimenti delle varie parti del corpo a partire dai segnali elettroencefalografici (EEG) sta assumendo sempre più importanza: infatti, tale decodifica può consentire di comprendere meglio i correlati neurali alla base del movimento (e le loro alterazioni nelle patologie) e può contribuire alla realizzazione di Brain-Computer Interface. Tra le tecniche di intelligenza artificiale che appaiono più promettenti in questo ambito vi sono le reti neurali convoluzionali (CNN). In questo elaborato di tesi, è stata impiegata una CNN, già proposta in letteratura, per un nuovo compito di decodifica di segnali EEG, consistente nella decodifica di tre classi di movimento: apertura-chiusura della mano, prono-supinazione dell’avambraccio, flesso-estensione del gomito. Il dataset utilizzato (segnali EEG e di movimento registrati su 13 soggetti sani) è stato acquisito presso la Graz University of Technology e reso disponibile pubblicamente. Inizialmente, i segnali EEG del dataset sono stati elaborati così da verificare la presenza del Movement Related Cortical Potential (MRCP), ovvero un potenziale EEG negativo che ha inizio prima dell’onset del movimento e per analizzare differenze spazio-temporali nell’MRCP con il tipo di movimento. Successivamente, la rete è stata addestrata al riconoscimento delle tre classi di movimento e le prestazioni di decodifica valutate su un test set. Inoltre, è stato applicato un metodo che quantifica l’importanza delle feature spazio-temporali dell’input dato alla rete per la discriminazione delle tre classi, in modo da identificare quali elettrodi e quali intervalli temporali dell’input siano più rilevanti per la decodifica di ciascuna classe. In questo modo, viene fornita un’interpretazione delle feature rilevanti apprese dalla rete, e tali feature possono essere confrontate con gli MRCP, per evidenziare se la rete impara caratteristiche diverse (non visibili negli MRCP) utili alla discriminazione.