Analisi congiunta di segnali EEG ed EMG: revisione critica dello stato dell'arte e prospettive future

Studi recenti hanno analizzato lo sviluppo di approcci di controllo ibridi basati su segnali cerebrali (EEG) e muscolari (EMG). È stato infatti dimostrato che le performance ottenute dalla combinazione di questi due tipi di segnali sono migliori rispetto a quando vengono usati singolarmente, specialmente nel campo della bio-robotica applicata a pazienti con deficit motori. In questa tesi vengono riportati i risultati più interessanti di questo campo applicativo, sulla base di una revisione sistematica dello stato dell’arte degli ultimi dieci anni. Vengono approfonditi gli aspetti che caratterizzano lo sviluppo di modelli ibridi EEG-EMG, ossia l’acquisizione dei dati, l’uso di algoritmi per l’estrazione di feature e in particolare i metodi di fusione e di classificazione, al fine di confrontare quali siano i vantaggi e gli svantaggi degli approcci analizzati, discutendone le principali limitazioni e come potrebbero essere superate in futuro.