Una Brain-Computer Interface (BCI) è una tecnologia che permette di usare i segnali elettroencefalografici (EEG) del cervello come mezzo di comunicazione e controllo. Nelle ultime decadi si è assistito a un incremento di complessità delle applicazioni basate su BCI, utilizzate spesso anche in ambito sanitario nel campo dell'assistenza e della riabilitazione. Uno dei problemi più noti riguardanti lo sviluppo di applicazioni BCI è quello dell'Intentional Non-Control (INC) e cioè quello stato in cui l'utente che utilizza la BCI non ha intenzione di impartire alcun comando. Lo scopo di questo lavoro è quello di progettare e realizzare un applicativo in grado di riconoscere lo stato di INC, sfruttando la motor imagery (MI). Per raggiungere questo obiettivo si è deciso di sfruttare l'entropia dei segnali EEG in quanto recenti studi hanno mostrato come ad attività di movimento sia associato un alto valore di entropia mentre allo stato di INC sia associato un basso valore di entropia. In particolare in questo progetto si è creato un sistema in grado di classificare tre diverse attività eseguite dall'utente: immaginazione del movimento delle mani, immaginazione del movimento dei piedi e INC. È stato quindi sviluppato un package ROS-Neuro che, sfruttando l'entropia, sia in grado di classificare l'azione dell'utente in tempo reale. In questa tesi saranno descritte le BCI in generale, i materiali e i metodi utilizzati, l'approccio e le motivazioni dietro le scelte prese e il modello. Quindi si presenterà la configurazione sperimentale, i risultati ottenuti ed infine possibili sviluppi futuri.

Implementazione e validazione di una BMI in tempo reale basata sull’entropia per l’Intentional Non-Control

SAPORITO, DIEGO
2022/2023

Abstract

Una Brain-Computer Interface (BCI) è una tecnologia che permette di usare i segnali elettroencefalografici (EEG) del cervello come mezzo di comunicazione e controllo. Nelle ultime decadi si è assistito a un incremento di complessità delle applicazioni basate su BCI, utilizzate spesso anche in ambito sanitario nel campo dell'assistenza e della riabilitazione. Uno dei problemi più noti riguardanti lo sviluppo di applicazioni BCI è quello dell'Intentional Non-Control (INC) e cioè quello stato in cui l'utente che utilizza la BCI non ha intenzione di impartire alcun comando. Lo scopo di questo lavoro è quello di progettare e realizzare un applicativo in grado di riconoscere lo stato di INC, sfruttando la motor imagery (MI). Per raggiungere questo obiettivo si è deciso di sfruttare l'entropia dei segnali EEG in quanto recenti studi hanno mostrato come ad attività di movimento sia associato un alto valore di entropia mentre allo stato di INC sia associato un basso valore di entropia. In particolare in questo progetto si è creato un sistema in grado di classificare tre diverse attività eseguite dall'utente: immaginazione del movimento delle mani, immaginazione del movimento dei piedi e INC. È stato quindi sviluppato un package ROS-Neuro che, sfruttando l'entropia, sia in grado di classificare l'azione dell'utente in tempo reale. In questa tesi saranno descritte le BCI in generale, i materiali e i metodi utilizzati, l'approccio e le motivazioni dietro le scelte prese e il modello. Quindi si presenterà la configurazione sperimentale, i risultati ottenuti ed infine possibili sviluppi futuri.
2022
Implementation and validation of a real-time entropy-based BMI for Intentional Non Control
Neurorobotics
BCI
Manipulation
Navigation
File in questo prodotto:
File Dimensione Formato  
Saporito_Diego.pdf

accesso aperto

Dimensione 5.49 MB
Formato Adobe PDF
5.49 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/45851