Utilizzo del segnale elettroencefalografico per applicazioni diagnostiche: panoramica delle tecniche di analisi

An electroencephalogram (EEG) is a non-invasive test that measures the electrical activity generated by post synaptic potentials which originate from pyramidal neurons. Since the early 2000s, this technique gained a crucial role in the diagnoses of several pathological state affecting the nervous system through the analysis of specific patterns. In this context, the purpose of this paper is to analyze the literature related to the use of the EEG signal in the clinical setting. In particular, the aim of the paper is to give an overview of the major techniques of de-noising and processing available to detect abnormal features in EEG, in order to give a proper interpretation of the signal. Indeed, since EEG is affected by multiple artifacts due to network interference, movements of involuntary muscles (e.g. heartbeat), breathing and electrode popping, it is fundamental a proper identification and removal of the possible interfering sources. In order to give a full overview, the thesis addresses the main features of the nervous system as source of the EEG signal, the main features of brain signals and rhythms, the several types of electrodes and the setup used to acquire the signal. After this overview, the classification of cerebral rhythms in alpha, beta, gamma, delta, theta waves will be provided: this distinction is meant to give an appropriate interpretation of the EEG acquisitions and allows the recognition of possible pathological patterns. Afterwards the main diseases identified through an electroencephalograph (epilepsy, depression, autism and schizophrenia) and the main denoising techniques exploited nowadays for clinical use of EEG are introduced. Finally, in the last chapter a brief experimental part is proposed. In detail, an example of the analysis of a pathological EEG signal is provided through one of the methods previously shown, using the software Matlab.

L’elettroencefalografia (EEG) è un sistema diagnostico non invasivo che consiste nella registrazione dell’attività elettrica del cervello, generata dai potenziali post-sinaptici provenienti dai neuroni piramidali. A partire dagli anni 2000, tale tecnica ha assunto una fondamentale importanza al fine di diagnosticare patologie a carico del sistema nervoso tramite l’analisi di specifici pattern. In questo contesto, il presente elaborato si propone di analizzare la letteratura relativa all’utilizzo del segnale EEG in ambito clinico. Nello specifico, l’obiettivo della tesi è proprio quello di fare una panoramica delle principali tecniche di denoising e processing disponibili per individuare caratteristiche anomale nel tracciato e di darne una corretta interpretazione. Infatti, poiché il segnale rilevato presenta molti artefatti dovuti all’interferenza di rete, ai movimenti dei muscoli involontari del paziente (si pensi al battito del cuore), alla respirazione o ad un mal posizionamento degli elettrodi sullo scalpo, risulta di fondamentale importanza saper individuare eventuali sorgenti di artefatto al fine di poterle rimuovere ed ottenere le informazioni desiderate. Per fornire una panoramica completa, l’elaborato affronta innanzitutto le caratteristiche principali del sistema nervoso, sorgente del segnale EEG, le onde cerebrali coinvolte, i loro diversi ritmi e le principali tipologie di elettrodi e di setup utilizzati per l’acquisizione. Si procede quindi con una classificazione dei ritmi cerebrali, rilevabili mediante elettrodi, in onde alpha, beta, theta, delta, gamma: la loro differenziazione è essenziale per l’interpretazione del tracciato elettroencefalografico e permette il riconoscimento di eventuali patterns patologici. Una volta chiariti questi aspetti, vengono introdotte le principali patologie che si possono identificare tramite un esame EEG (l’epilessia, il coma, la depressione, la schizofrenia e l’autismo) e descritte alcune delle principali tecniche di denoising disponibili al giorno d’oggi nella letteratura, utili per tali ambiti clinici. Infine, nell’ultimo capitolo viene riportata una breve parte sperimentale dedicata a proporre un esempio di analisi di un segnale patologico attraverso uno dei metodi illustrati nell’elaborato, usufruendo del software Matlab.