Sviluppo di un'interfaccia BCI non invasiva e autogestita per il rilevamento dell’intenzione di movimento e il controllo di un esoscheletro per gli arti inferiori

The thesis aims at implementing a procedure that allows subjects to become familiar with BCI devices and lower-limb exoskeletons (LLE), as well as the calibration of a classifier and the online evaluation of the LLE-BCI system’s performance. During the study, 4 subjects underwent three acquisition sessions using electroencephalography devices. The data were analyzed offline to ensure the selection of significant features to be provided as a training dataset for three different neural network architectures. In the final sessions, subjects attempted to perform a motor imagery walking task, which served as the control signal for triggering the exoskeleton. The acquired dataset and the results were then evaluated using metrics referring either to individual subjects or to the entire population.

la tesi mira all'implementazione di una procedura che permetta la familiarzzazione dei soggetti con dispositivi BCI e esoscheletri per arti inferiori (LLE), nonchè la calibrazoine di un classificatore e valutazione online delle performance del complesso LLE-BCI. Durante gli studi 4 soggetti si sono sottoposti a tre sessioni di acquisizione mediante dispositivi per elettroencefalografia. I dati sono stati analizzati offline per garantire la selezione di features significative da fornire come training dataset a tre diverse architetture di reti neurali. Durante le ultime sessoni soggetti hanno tentato di performare un esercizio di motor imagery del passo come segnale di controllo per l'attivazione dell'esoscheletro. I dati acquisiti ed i risultati sono poi stati analizzati attraverso metriche relative al singolo soggetto oppure alla popolazione intera.