Studio di alcuni meccanismi di sincronizzazione dei segnali cerebrali
Autore
Luca Martino - Politecnico di Milano - [2004-05]
Documenti
Abstract
Lo scopo di questo lavoro é l’analisi dei meccanismi di sincronizzazione dei segnali cerebrali ottenuti attraverso l’elettroencefalogramma (EEG). Chiaramente uno sviluppo completo di questa tematica potrebbe essere oggetto di una tesi dottorale, per la vastitá degli argomenti e la complessitá degli stessi. Tuttavia speriamo che le pagine che seguono, possano essere comunque di interesse per svariate ragioni. Ció che viene presentato é infatti un primo, essenziale ed imprescindibile passo allo studio di sincronizzazione.
I segnali EEG presentano intrinseche difficoltá legate alla non stazionarietá degli stati cerebrali e la grande quantitá di processi attivi nel cervello in uno stesso istante (che per l’altro generano uno scarso rapporto Segnale/Rumore (SNR)). La presenza dunque di un grande numero di processi co-attivi, di uno scarso SNR, di non stazionarietá impone la necessitá di un’analisi preventiva dei dati.
Il nostro lavoro é composto dalle seguenti fasi:
• pre-elaborazione delle serie temporali per estrarre gli artefatti, come il movimento oculare, per evitare contaminazioni con la reale attivitá cerebrale con regressione multipla e PCA.
• analisi della potenza spettrale nel piano tempo-frequenza.
• Studio interdipendenza tra segnali; analisi della coerenza mediante la Trasformata Wavelet.
• statistica con dati surrogati.
A tal fine abbiamo sviluppato delle funzioni Matlab per la rimozione degli artefatti, per il calcolo della potenza e della Coerenza Wavelet con la Wavelet Morlet. Per quanto riguarda lo studio non lineare delle serie, alcune quantitá sono state calcolate utilizzando la toolbox di Matlab TSTOOL (di libero accesso), mentre altre sono state programmate direttamente (come il Recurrence Plot).
Questo lavoro é stato sviluppato in collaborazione con l’Universidad Rey Juan Carlos di Madrid sotto la direzione di Miguel Angel Sanjuan e la Universidad Pablo de Olavide di Sevilla nelle persone di José Luis Cantero e Mercedes Atienza che, oltre a fornire i dati, hanno seguito passo passo lo sviluppo della tesi.
Per ultimo, evidenziamo che in questa trattazione alterneremo quasi indifferentemente notazioni discrete e continue, sottintendendo peró che nei casi concreti saremo sempre in possesso di segnali campionati di lunghezza finita e che, di conseguenza, si utilizzeranno sempre formule discrete.
I segnali EEG presentano intrinseche difficoltá legate alla non stazionarietá degli stati cerebrali e la grande quantitá di processi attivi nel cervello in uno stesso istante (che per l’altro generano uno scarso rapporto Segnale/Rumore (SNR)). La presenza dunque di un grande numero di processi co-attivi, di uno scarso SNR, di non stazionarietá impone la necessitá di un’analisi preventiva dei dati.
Il nostro lavoro é composto dalle seguenti fasi:
• pre-elaborazione delle serie temporali per estrarre gli artefatti, come il movimento oculare, per evitare contaminazioni con la reale attivitá cerebrale con regressione multipla e PCA.
• analisi della potenza spettrale nel piano tempo-frequenza.
• Studio interdipendenza tra segnali; analisi della coerenza mediante la Trasformata Wavelet.
• statistica con dati surrogati.
A tal fine abbiamo sviluppato delle funzioni Matlab per la rimozione degli artefatti, per il calcolo della potenza e della Coerenza Wavelet con la Wavelet Morlet. Per quanto riguarda lo studio non lineare delle serie, alcune quantitá sono state calcolate utilizzando la toolbox di Matlab TSTOOL (di libero accesso), mentre altre sono state programmate direttamente (come il Recurrence Plot).
Questo lavoro é stato sviluppato in collaborazione con l’Universidad Rey Juan Carlos di Madrid sotto la direzione di Miguel Angel Sanjuan e la Universidad Pablo de Olavide di Sevilla nelle persone di José Luis Cantero e Mercedes Atienza che, oltre a fornire i dati, hanno seguito passo passo lo sviluppo della tesi.
Per ultimo, evidenziamo che in questa trattazione alterneremo quasi indifferentemente notazioni discrete e continue, sottintendendo peró che nei casi concreti saremo sempre in possesso di segnali campionati di lunghezza finita e che, di conseguenza, si utilizzeranno sempre formule discrete.
Questa tesi è correlata alle categorie
segnala questa pagina ::.