Analisi multivariata di dati EEG per lo studio dell'inibizione di ritorno

This thesis aims to examine the application of Multivariate pattern analysis (MVPA) on EEG data to study return inhibition. Return inhibition is a phenomenon produced by the automatic orientation of attention that occurs only when the interval between the exogenous signal and the target stimulus is greater than 200 milliseconds. In this case, reaction times are slowed down when the stimulus-target appears at the same location as the exogenous signal. This process is important for the regulation of behavior and can be influenced by several factors, such as age and neurological conditions. Although event-related potentials (ERPs) are widely used in studies of orientation and control of visuospatial attention the techniques for analyzing these data are still not fully adequate. The application of MVPA makes it possible to overcome some of the limitations of classical univariate analysis by allowing, through the use of classifiers, the data to be analyzed with greater sensitivity and accuracy, taking into account changes occurring simultaneously among different variables. In this study, the experimental design involved two conditions, in one in which the stimulus-target appeared in the same location as the exogenous signal, and in the other, the target stimulus appeared in a different location. The application of MVPA is to train classifiers at each time interval that can classify on the basis of the available EEG data whether the subject is in one or the other condition. The calculated accuracy of each pattern then serves as an indicator in order to understand whether at that particular instant there is a difference in the neuronal correlates that can guide the classifier in discerning the two conditions. This design is then repeated for three subconditions depending on the time lapse between exogenous signal presentation and target presentation (250 ms, 400 ms, 500 ms). The results showed that classification accuracy is significantly higher than chance in different time intervals, allowing identification of the temporal dynamics by which brain electrical activity discriminates between the two conditions.

La presente tesi si propone di esaminare l’applicazione della Multivariate pattern analysis (MVPA) su dati EEG per lo studio dell’inibizione di ritorno. L’inibizione di ritorno è un fenomeno prodotto dall’orientamento automatico dell’attenzione che si manifesta solo quando l’intervallo fra il segnale esogeno e lo stimolo target è maggiore di 200 millisecondi. In questo caso, i tempi di reazione sono rallentati quando lo stimolo-target compare nella stessa posizione del segnale esogeno. Questo processo è importante per la regolazione del comportamento e può essere influenzato da diversi fattori, come l’età e le condizioni neurologiche. Nonostante i potenziali evento-relati (ERP) siano ampiamente utilizzati negli studi sull’orientamento e controllo dell’attenzione visuo-spaziale le tecniche di analisi di questi dati risultano ancora non del tutto adeguate. L’applicazione dell’MVPA permette di ovviare ad alcuni dei limiti dell’analisi classica univariata, consentendo, tramite l’utilizzo di classificatori, di analizzare i dati con una maggiore sensibilità e accuratezza, tenendo conto dei cambiamenti che avvengono contemporaneamente fra le diverse variabili. In questo studio il disegno sperimentale prevedeva due condizioni, in una in cui lo stimolo-target appariva nella stessa posizione del segnale esogeno, nell’atra, invece, lo stimolo target appariva in una posizione differente. L’applicazione dell’MVPA consiste nell’addestrare classificatori ad ogni intervallo temporale in grado di classificare sulla base dei dati EEG a disposizione se il soggetto si trova in una o nell’atra condizione. L’accuratezza calcolata di ogni modello funge, poi, da indicatore al fine di comprendere se in quel determinato istante c’è una differenza nei correlati neuronali in grado di guidare il classificatore nel discernere le due condizioni. Questo disegno viene poi ripetuto per tre sotto condizioni che dipendono dal lasso di tempo che intercorre fra la presentazione del segnale esogeno e la presentazione del target (250 ms, 400 ms, 500 ms). I risultati hanno mostrato che l'accuratezza di classificazione è significativamente superiore al caso in diversi intervalli temporali, permettendo di identificare la dinamica temporale con cui l'attività elettrica cerebrale discrimina le due condizioni.