Analisi non lineare del segnale EEG: l'Esponente di Hurst, l'Entropia Approssimativa e la Dimensione Frattale

The electroencephalogram is a fundamental tool capable of providing critical information on brain activity; it is essential for both the diagnosis and treatment of neurological diseases and for the study of cognitive processes. However, traditional EEG study techniques, such as time and frequency domain analysis, are limited in capturing the complexity and non-linear nature of brain signals. The non-linear analysis of EEGs, which uses innovative techniques such as the Hurst exponent, approximate entropy and fractal dimension, therefore assumes great value in this field. The purpose of this thesis is to explore the relevance of these techniques, as they allow us, using refined tools, to improve the diagnostic capacity and understanding of both brain processes and the complexity and irregularity of signals.

L’ elettroencefalogramma è uno strumento di fondamentale importanza in grado di fornire informazioni critiche sull’attività cerebrale; esso è indispensabile sia per la diagnosi e il trattamento delle malattie neurologiche, sia per lo studio dei processi cognitivi. Le tecniche tradizionali di studio degli EEG, come l’analisi nei domini di tempo e frequenza, sono però limitate nel catturare la complessità e la natura non lineare dei segnali cerebrali. Assume quindi grande valore in questo campo l’analisi non lineare degli EEG che utilizza tecniche innovative quali l’esponente di Hurst, l’entropia approssimativa e la dimensione frattale. L’obiettivo di questa tesi è di esporre la rilevanza di queste tecniche, poiché permettono di migliorare, tramite l’utilizzo di strumenti raffinati, la capacità diagnostica e la comprensione sia dei processi cerebrali, che della complessità e dell’irregolarità dei segnali.