Universit degli studi di Napoli Federico II

Corso di laurea in Informatica

Facolt di Scienze MM.FF.NN

Tesina Mente e Macchine
Brain Computer Interface ed ErrP




Workgroup:
Alfonso Cimasa N86/254
acimasa@hotmail.com


1

Indice
1- Introduzione ...................................................................................................................................... 2
2 - Cervello e tecniche di Neuroimaging .............................................................................................. 4
2.1 Corteccia Cerebrale ................................................................................................................. 4
2.2 Cattura dei segnali cerebrali................................................................................................... 5
2.3 EEG ........................................................................................................................................... 5
2.4 MEG .......................................................................................................................................... 6
2.5 EcoG ......................................................................................................................................... 7
2.6 Intracortical Neuron Recording .............................................................................................. 7
2.7 fMRI .......................................................................................................................................... 7
3 BCI ..................................................................................................................................................... 8
3.1 Cos una BCI ........................................................................................................................... 8
3.2 VEP BCI ..................................................................................................................................... 9
3.3 P300 BCI ................................................................................................................................... 9
3.4 Sensorimotor Rhythms Based BCI........................................................................................ 10
4 - BCI ed ErrP ...................................................................................................................................... 11
4.1 Cos il segnale ErrP .............................................................................................................. 11
4.2 BCI con ErrP ........................................................................................................................... 12
4.3 Integrazione dellErrP nelle BCI ............................................................................................ 14
4.4 ErrP sviluppi futuri................................................................................................................. 15
5 - Conclusioni ...................................................................................................................................... 16
Bibliografia ........................................................................................................................................... 17








2
1- Introduzione

Lui non pu muoversi Jim. La sua sedia a rotelle costruita per interpretare le onde cerebrali.
Pu muoversi avanti e indietro rapidamente. Pu persino, attraverso una luce intermittente,
rispondere si o no. Ma quest tutto Jim. Questo il massimo che pu fare. La sua mente
viva come lo la tua e la mia, ma intrappolato in un corpo in stato vegetativo, mantenuto in
vita artificialmente da un cuore meccanico .
Questo un breve discorso tratto dalla nota serie TV Star Treck, andato in onda nel 1966.
Ancora una volta la fantascienza anticipa la scienza immaginando un uomo, in questo caso il
capitano Christopher Pike, tenuto in vita grazie a una macchina, la quale gli consente di
interagire col mondo esterno.
A scoprire le potenzialit delle onde cerebrali fu lo scienziato tedesco Hans Berger (noto per i
suoi esperimenti su cavie umane, in particolar modo bambini ebrei), che per primo le osserv e
registr.
Col passare degli anni lo studio dellattivit elettrica cerebrale ci ha consentito di toccare con
mano e di poter osservare un cervello in funzione mentre pensa, ricorda, sogna!
Tutto ci ha portato a met degli anni ottanta alla creazione delle prime BCI (Brain Computer
Interface),.
Le BCI sono dispositivi creati per offrire un nuovo mezzo comunicativo al cervello, alternativo a
quello muscolare, in grado di poter esprimere quanto pi fedelmente possibile la volont
delluomo.
Immediatamente si pensato allapplicazione in ambito medico-riabilitativo, in particolare per
quei soggetti con forti disabilit motorie o affetti da patologie degenerative come lSLA (sclerosi
laterale amiotrofica).
Le BCI possono quindi risultare particolarmente utili nel mantenimento di quelle facolt mentali
inutilizzate a causa di una disabilit fisica. Si ritiene infatti che alla cessazione di un attivit
motoria corrisponda una lenta degenerazione dellattivit intellettiva ad essa legata (Teoria
Meccanica).
La BCI dunque si pone come un canale alternativo per linterazione cervello-macchina.
Sembra di trovarci quasi di fronte a una macchina capace di leggere la mente ma non cos.
Tutto ci frutto dellevoluzione tecnologica e della convergenza di multiple competenze:
elettroniche, informatiche, mediche e matematiche.
Elettroniche perch lo sviluppo e la potenza degli elaboratori in questi anni cresciuto talmente
tanto da non rappresentare pi un limite per questi dispositivi.
Informatiche in quanto grazie alla formulazione di algoritmi sempre pi efficienti, se pure
complessi, consente lassociazione onda cerebrale-comando.
Mediche, grazie ai significativi passi avanti compiuti nella comprensione del funzionamento del
cervello.

3
Infine matematiche in quanto gli algoritmi usati sono frutto di studi statistici, cos come le
tecniche di filtraggio applicate ai segnali cerebrali catturati tramite elettrodi posti sullo scalpo.
La tesina si articoler come segue:
nel capitolo due tratter riguardo le interazioni fra gruppi di neuroni e come esse hanno origine.
Passer poi allanalisi delle BCI, ovvero le tipologie, gli esperimenti e i risultati ottenuti fin ora.
Nel capitolo tre analizzer i segnali ErrP, in particolar modo la loro applicazione alle classiche BCI
e come questa garantisca una maggior capacit di discernimento dei segnali e della volont
dellutente da essi trasmessa.
Infine nellultimo capitolo riservo qualche critica circa gli sviluppi futuri delle BCI, pur tenendo in
considerazione il loro potenziale, a mio parere, esse hanno subito una battuta di arresto dovuta
alle esigue conoscenze attuali circa il funzionamento del cervello.



















4
2 - Cervello e tecniche di Neuroimaging

2.1 Corteccia Cerebrale

Le BCI utilizzano i segnali cerebrali per catturare le intenzioni dellutente. Vediamo, in breve,
com strutturato il cervello umano e il processo di generazione dei segnali elettrochimici che
consentono la trasmissione di informazione.
Il cervello lorgano deputato al controllo delle funzioni vitali ed sede delle regolazioni
omeostatiche (temperatura, pressione sanguigna, etc). parte del sistema nervoso centrale ed
situato nel capo, protetto dal cranio. suddiviso in due emisferi: emisfero sinistro ed emisfero
destro che sono separati da un profondo solco longitudinale.
Lencefalo umano estremamente sviluppato e pu essere suddiviso in quattro lobi:
1) Lobo Frontale
2) Lobo Parietale
3) Lobo Occipitale
4) Lobo Temporale
La corteccia cerebrale inoltre sede delle funzioni
cerebrali superiori quali il pensiero e la coscienza e
pu essere suddivisa in aree di Brodmann (fig.1).
Questa una particolare suddivisione basata sulla
localizzazione anatomica e funzionale delle aree e
sulla loro citoarchitettura (composizione a livello
cellulare). Lunit costituente il cervello il neurone,
una particolare cellula in grado di generare, in
seguito a uno stimolo, un potenziale di azione e di
propagarlo ad altri neuroni mediante un
prolungamento del proprio corpo cellulare chiamato
assone, oppure ricevere uno stimolo attraverso
ulteriori prolungamenti detti dendriti. Tale differenza
di potenziale viene generato dopo una depolarizzazione della membrana che riveste la cellula
neuronale. (1)
In condizione di riposo il potenziale allinterno della membrana ha una carica pari a -70mV
(milliVolt), un cambiamento verso valori positivi genera una depolarizzazione. Tale
depolarizzazione scatenata a seguito di uno stimolo esterno che, a secondo dellintensit, se
supera un certo valore soglia, pu causare linversione temporanea della polarit allinterno
della membrana cellulare. Vediamo pi in dettaglio cosa accade in questa fase. Inizialmente la
membrana cellulare fortemente permeabile agli ioni potassio (K) e scarsamente permeabile
agli ioni sodio (Na). Tale sproporzione produce una sostanziale differenza tra la concentrazione
degli ioni K ed Na presen tra lesterno e linterno della cellula. La ricezione di uno smolo, in
specifiche cellule eccitabili (ad es. neuroni), porta alla modificazione di tale permeabilit di
membrana la quale, momentaneamente, consente agli ioni Na di araversarla, questo porta
Figura 1 - Cervello suddiviso in aree di Brodmann

5
alla depolarizzazione della stessa che da una carica iniziale di -70 mV passa a una carica di +30
mV, un salto di ben 100mV!
In seguito la membrana si ripolarizza, espellendo gli ioni Na (tramite le pompe sodio-potassio) e
ritorna alla sua carica iniziale, pronta a trasmettere ulteriori stimoli (2).

2.2 Cattura dei segnali cerebrali

Le BCI sono in grado dunque di catturare le intenzioni di un utente, e lo fanno attraverso diverse
tecniche diagnostiche.
Vediamo in dettaglio quali sono queste tecniche e i vantaggi derivanti dallapplicazione di una
piuttosto che unaltra. I metodi di misurazione dellattivit cerebrale possono essere classificati
in base alla loro invasivit, in generale quanto pi essi sono invasivi tanto pi sono precisi e privi
di rumore.
Le attivit cerebrali che possono essere catturate sono due:
Attivit elettrofisiologica
Attivit metabolica
Lattivit elettrofisiologica dovuta allinterazione fra i neuroni e pu essere captata tramite:
MEG
EEG
MEG
ECoG
Intracortical Neuron Recording
Lattivit metabolica invece dovuta allaumento dellafflusso di sangue in specifiche zone del
cervello coinvolte nello svolgimento di un compito. Viene registrata tramite
fMRI




2.3 EEG

LEEG misura i segnali elettrici transitanti allinterno degli assoni e dei dendriti delle cellule
neuronali. molto sensibile allinfluenza di rumori esterni, come ad esempio i segnali
provenienti dai muscoli, e proprio per questo i dati registrati richiedono un ben accurato
filtraggio prima di essere adoperati.

6
una tecnica non invasiva largamente adoperata per la sua facilit di utilizzo. Un sistema EEG
composto:
1) Elettrodi
2) Amplificatori di segnale
3) Convertitore di segnale analogico/digitale
4) Un sistema di registrazione dei dati

Gli elettrodi sono posti sullo scalpo secondo lo schema
internazionale 10/20 (fig. 2).
Questi captano i segnali provenienti dallo scalpo (in
termini di potenza parliamo di 20-100 V) misurando la
differenza di potenziale fra i segnali catturati, e i segnali
provenienti da alcuni elettrodi detti di riferimento.
In seguito questultimi vengono amplificati e passati al
convertitore A\D che li invia in forma digitale al
registratore (tipicamente un PC).
Sar il PC ad occuparsi del filtraggio e dellelaborazione
mediante appositi algoritmi.
Il vantaggio principale derivante dallutilizzo dellEEG sta nella sua elevata risoluzione temporale,
esso infatti in grado di percepire qualsiasi variazione di potenziale (in gergo sparo) nel giro di
pochi ms. Di contro per la risoluzione spaziale bassissima ed limitata alla sola posizione
dellelettrodo che ha percepito il segnale (1).
LEEG cattura tutta una vasta gamma di segnali cerebrali che possono essere classificati in base
alla loro frequenza in:
Onde Delta (range di frequenza <4 Hz)
Onde Theta (range di frequenza 4 - 8 Hz)
Onde Alpha (range di frequenza 8 - 12 Hz)
Onde Beta (range di frequenza 12 - 30 Hz)
Onde Gamma (range di frequenza 30 - 100 Hz)


2.4 MEG

LMEG (magnetoencefalografia) una tecnica non invasiva di imaging che registra lattivit
rilevando i campi magnetici prodotti dai segnali elettrochimici dei neuroni. Ha un elevata
risoluzione sia temporale che spaziale, ma ha lo svantaggio di non essere molto pratica in
quanto sono necessarie apparecchiature voluminose e speciali camere schermate
magneticamente (1).
Figura 2 - Schema internazione 10/20

7
2.5 EcoG

LEcoG (elettrocorticogramma) una tecnica di registrazione dellattivit cerebrale invasiva, essa
prevede lapposizione sulla corteccia cerebrale di una serie di elettrodi. Rispetto alle due
tecniche viste in precedenza ha una risoluzione spaziale e temporale migliore, inoltre il segnale
catturato privo di artefatti (disturbi). richiesto per un intervento chirurgico e non stata
mai sperimentata sulluomo (test eseguiti su scimmie) (1).

2.6 Intracortical Neuron Recording

Come suggerito dal nome questa tecnica prevede di registrare lattivit neuronale attraverso
linserimento di elettrodi direttamente allinterno dello scalpo e, precisamente, allinterno della
materia grigia.
Anche questa, come la precedente, ha unottima risoluzione temporale e spaziale ed anche
questa richiede per limpianto un intervento chirurgico con le relative complicazioni del caso (1).

2.7 fMRI

LfMRI (functional Magnetic Resonance Imaging) un metodo non invasivo di registrazione delle
attivit cerebrali, in grado di catturare le variazioni del flusso sanguigno nel cervello e i relativi
livelli di ossigenazione.
Il maggiore afflusso di sangue ad un specifica area indica un coinvolgimento di questultima
nellesecuzione di un task (compito, funzione).
Purtroppo per questa tecnica ha una scarsa risoluzione temporale in quanto i dati raccolti
richiedono una lunga elaborazione prima di essere disponibili e quindi pressoch inutilizzato
nello sviluppo delle BCI (1).


Figura 3 - Tabella riassuntiva tecniche neuroimaging

8
3 BCI

3.1 Cos una BCI

Una BCI un dispositivo costruito per interpretare le intenzioni di un utente attraverso lanalisi
delle sue attivit cerebrali. Ad oggi della moltitudine dei segnali catturati dal cervello ne
comprendiamo solo una minima parte. Di questa minima parte ne conosciamo lorigine fisiologia
e, grazie a numerosi studi, siamo in grado di poterli comprendere e sfruttare per i nostri scopi,
ovvero cogliere la volont dellutente.
Le BCI possono essere divise in:
esogene - endogene
sincrone - asincrone.
Questa suddivisione fatta in base ai tipi di segnali che vengono catturati: i segnali esogeni
sono segnali indotti da stimoli esterni, fanno parte di questa categoria i VEP (Visual Evoked
Potential) e i P300. I segnali endogeni sono invece naturalmente presenti nel cervello, fanno
parte di questi gli SCP e i Sensorymotor rhythms.
Generalmente le BCI basate su segnali esogeni non richiedono una fase di training molto lunga e
possono essere facilmente adattate e messe a punto. Al contrario quelle basate su segnali
endogeni richiedono una fase di training che pu durare anche alcune settimane, esse infatti
necessitano di un riadattamento di segnali gi presenti.
Il vantaggio delle BCI endogene sta nel fatto che lutente pu adoperare il dispositivo quando
vuole senza la necessaria supervisione di un tecnico e senza linduzione di uno stimolo artificiale.
Queste caratteristiche risultano molto importanti in soggetti in avanzato stato vegetativo i quali
non possono in alcun modo interagire con lambiente che li circonda.
Laltra suddivisione che abbiamo fatto quella relativa alla sincronia o asincronia delle BCI.
Questa suddivisione deriva dalla modalit con la quale il dispositivo riceve le informazioni in
input e come esse vengono processate.
Nella modalit sincrona la BCI analizza il segnale cerebrale in specifiche finestre temporali,
qualsiasi segnale catturato al di fuori di esse ignorato. In quella asincrona invece il segnale
viene analizzato continuamente, non importa cosa lutente faccia. Questultimo approccio
risulta essere molto pi naturale (1).




9
3.2 VEP BCI

I VEP sono particolari segnali EEG generati in risposta a uno stimolo visivo (da cui Visual Evoked
Potentials) utilizzati per determinare il movimento oculare. Un primo esperimento su BCI che
utilizza i VEP risale al 1970 quando Jacques Vidal cre una Brain Computer Interface (fu lui a
coniare il termine) capace di catturare i segnali provenienti dalla corteccia visiva e utilizzarli per
spostare un cursore su uno schermo. Merita menzione un ulteriore esperimento compiuto da
Sutter il quale sviluppo una BCI capace di selezionare uno specifico simbolo da un griglia di 8x8
simboli (3).

3.3 P300 BCI

I segnali P300 sono picchi positivi nellEEG dovuti a uno stimolo esterno non frequente (1).
Com facile intuire dal nome, questo segnale viene rilevato dopo circa 300 ms dalla
presentazione dello stimolo, e non necessaria alcuna fase di training per scatenarlo. Donchin
stato il primo ad averlo utilizzato per lo sviluppo di una BCI che funziona cos:
viene mostrata allutente una matrice 6x6 di lettere, numeri o altri simboli; ogni 125 ms una
colonna o una riga a caso si illuminano. Lutente conta quante volte la colonna o la riga,
contenenti il simbolo prescelto, si sono illuminate e ci consente di scatenare un segnale P300 il
quale viene catturato ed elaborato.
Al termine la BCI incrocia i risultati dei segnali P300 per le righe e quelli per le colonne e
seleziona il simbolo corrispondente.
La BCI di Donchin ha mostrato buoni risultati nel riconoscimento della volont dei pazienti, con
un numero di parole individuate per minuto pari a due.
Ulteriori studi (4) hanno dimostrato come laccuratezza del riconoscimento di una lettera sia
fortemente correlata con lo sguardo. Infatti ricreando la BCI di Donchin, con una piccola
modifica, si potuto notare come
nel caso in cui lo sguardo fosse
diretto sulla lettera selezionata
allora la BCI mostrava le solite
prestazioni, mentre nel caso in cui
agli utenti venisse chiesto di non
fissare il simbolo prescelto, vi era
un netto decremento della
capacit di riconoscimento del
dispositivo.
Figura 4 - Prestazioni BCI Brunner

10
3.4 Sensorimotor Rhythms Based BCI

I ritmi sensomotori, catturati anchessi tramite EEG, comprendono le onde e la cui banda di
oscillazione, ricordiamo, rispettivamente 8-12 Hz e 12-30 Hz. Questi ritmi sono associati a
qualsiasi movimento e la loro ampiezza dipende dallattivit cerebrale.
Essi vengono adoperati in alcune BCI in quanto sono volontariamente generati dallutente anche
solo con limmaginazione del moto di un arto. Hanno origine nella corteccia motoria e
funzionano cos:
Un movimento o la preparazione allo svolgimento di un movimento sono accompagnate da una
diminuzione della frequenza delle onde e nella zona contro laterale rispetto al movimento.
Questo processo chiamato ERD (Event Related Desynchronization). In seguito, con il
rilassamento, si ha invece un aumento dellampiezza delle onde chiamata ERS (Event Related
Synchronization).
Per la loro caratteristica di essere presenti anche in caso di immaginazione di moto, essi sono
stati oggetto di studi nellambito dello sviluppo delle BCI. Eccone alcune:
Wadsworth BCI: Walpaw e McFarland descrivono un dispositivo con cui persone affette
da disabilit motorie possono imparare a controllare i ritmi e e usare tale abilit per
muovere un cursore verso un target mostrato su uno schermo. Lutente pu aumentare
o diminuire a piacimento lampiezza di un ritmo in una certa banda per muovere il
cursore verso lalto o verso il basso.
The Graz BCI (5) : basata su ERD e ERS dei ritmi e . La ricerca si focalizza sul
riconoscimento delle caratteristiche dellEEG associate allatto di immaginare un
movimento. Si costruisce cos un classificatore che associa le onde EEG a specifici task
come ad esempio muovere un cursore su uno schermo. Dopo 6 7 sessioni di training
sono state raggiunte percentuali di successo del 90% (6).
IDIAP BCI: Questa BCI si propone di controllare un robot, nello specifico una sedia a
rotelle. Due soggetti hanno imparato a controllare il robot facendolo muovere in 3 o 4
stanze nellordine da loro scelto. Lelemento chiave per il successo di questa BCI stata
la cooperazione fra lintelligenza artificiale deputata a compiere i comandi di basso
livello (ad es. controllo della velocit o rilevazione ostacoli) e lutente umano che
impartisce comandi di alto livello (ad es. scelta della direzione).
Questa BCI di tipo asincrono e lutente pu impartire comandi ad essa quando vuole
(3). Grazie a questa forma di controllo condiviso possibile costruire dispositivi in grado
di compiere azioni modestamente complesse, dove lutente comunica cosa fare e il
come farlo totalmente demandato allIA.



11
4 - BCI ed ErrP

4.1 Cos il segnale ErrP

Il segnale ErrP (Error Related Potential) un segnale osservato nel tracciato EEG a seguito
delloccorrenza di un errore.
Tipicamente esso viene registrato nei casi in cui un utente, posto davanti a una scelta da
compiere il pi velocemente possibile, sbaglia. Un esempio pu essere quello di utilizzare un
arto piuttosto che un altro per premere un bottone. Un meccanismo di autocorrezione si attiva
nel cervello immediatamente dopo lo svolgimento dellazione. Esso sembra legato a una forma
di consolidamento della fase di apprendimento (7).
Grazie a una tecnica di neuroimaging innovativa, detta Low Resolution electomagnetic
tomography (sLoreta), e allanalisi di numerosi tracciati EEG si riusciti a determinare lorigine
dellErrP. Questo sembra essere legato ad attivit nellarea motoria presupplementare (area di
Brodmann 6) e nella corteccia anteriore cingolata (ACC).


Figura 5 - Localizzazione dell' ErrP immagine ottenuta da sLORETA


12
Sono stati individuati, per ora, tre tipi di segnali ErrP che si differenziano in base al tipo di
stimolo che li genera:
1. Response ErrP: si presenta a seguito di errori nello svolgimento rapido di un task
( 100ms)
2. Feedback ErrP: si presenta durante la fase di comprensione ed apprendimento (250ms)
3. Observation ErrP: dovuto allosservazione di un azione errata compiuta da un altro
(250ms)
Vediamo ora come si presenta lErrP nel tracciato EEG e le sue caratteristiche.
Questo costituito da una flessione negativa del tracciato seguita da una positiva. La flessione
negativa occorre dopo 50-100 ms
dallevento scatenante, ed
chiamata ERN o Ne (Error
Negativity), e sembra associata ad
un processo di analisi preliminare,
studi evidenziano la presenza di
Ne anche in task non errati. Il picco
positivo che si presenta dopo circa
200 ms, chiamato Pe (Error
Positivity). Questultimo sembra sia
associato invece ad una fase di
analisi delle azioni pi complessa
che interessa la parte conscia
piuttosto che quella inconscia. (vd
fig. 6)

4.2 BCI con ErrP

Rispetto alle altre modalit di interazione, la caratteristica del canale comunicativo cerebrale
che questo oltre a trasmettere le informazioni circa il controllo delle BCI, trasmette anche delle
informazioni circa lo stato cognitivo dellutente le quali risultano importanti per una corretta
interazione. Uno di questi stati cognitivi trasmessi la preparazione a un possibile errore di
riconoscimento da parte della BCI, ebbene abbiamo sfruttato questo stato per migliorare le
performance delle nostre BCI (8).
cos che Jos Del R. Milln introduce lidea di adoperare lErrP allinterno delle BCI quale
feedback allazione che il dispositivo si appresta ad intraprendere o che ha gi intrapreso.
Figura 6 - ErrP

13
Lutilizzo di tale segnale ha portato a un miglioramento delle prestazioni che v da un minimo
del 75%ad un massimo del 90%.
Vediamo dunque alcuni degli esperimenti condotti dal gruppo di ricerca dellIDIAP:
Progress Bar
In questo esperimento i ricercatori dimostrano leffettiva presenza del segnale ErrP. Viene
costruito un piccolo robot che si muove in una stanza, in una direzione o nellaltra, a seguito
della pressione di uno specifico tasto da parte dellutente. Il tasto deve essere premuto appena
vi il segnale di Start (GO SIGNAL), e la macchina comunica allutente, mediante un feedback
su schermo, lavvento riconoscimento della pressione di un tasto piuttosto che un altro (i tasti
sono due posti uno a sinistra e uno a destra). stato introdotto un tasso di errore nel
riconoscimento del 20%e sono stati analizzati i tracciati EEG, quando avviene un errore di
riconoscimento da parte della macchina.
I tracciati, come si vede nella fig. 7, evidenziano loccorrenza nellEEG, dopo 250 ms, di un
picco Ne seguito da un picco Pe e un ulteriore picco negativo, fin ora mai osservato.
La presenza di questultimo picco negativo evidenza come lErrP sia in realt il frutto di un
processo cognitivo complesso che coinvolge sia la parte inconscia (picco veloce dopo 100 ms) sia
quella conscia.

Figura 7 - Tracciato EEG a seguito di un errore
Picco sconosciuto

14
Ci si potrebbe dunque chiedere se lErrP non sia altro che una specie di segnale P300. Ebbene
per evitare confusione ulteriori esperimenti sono stato compiuti, come ad esempio il protocollo
Moving Cursor, nel quale, essenzialmente, viene aumentata la frequenza degli errori compiuti
dal dispositivo (dal 20%al 50%) in modo che loccorrenza di un errore non si presenti pi
occasionalmente allutente, ma anzi sia piuttosto frequente (una volta su due).
Poich, come abbiamo gi detto, il segnale P300 si presenta solo a seguito di uno stimolo
insolito, laumento della frequenza di errore ci assicura una certa indipendenza dal suddetto
stimolo che dunque non dovrebbe verificarsi (9).

4.3 Integrazione dellErrP nelle BCI

Dimostrata la presenza dellErrP, stato utilizzato per migliorare le prestazioni di alcune delle
BCI che abbiamo gi visto.
La BCI migliorata l IDIAP BCI, basata su segnali sensomotori generati immaginando un
movimento. Lesperimento compiuto utilizzando sei soggetti sani, la principale modifica
apportata al sistema stata quella di introdurre un ritardo nellesecuzione dei comandi, ritardo
necessario per analizzare leventuale ErrP.
Si osservato che allaumentare della complessit dei task svolti dai soggetti corrisponde un
aumento del tempo necessario per la presentazione del segnale ErrP.
Ebbene il risultato stato un notevole aumento nel numero di comandi riconosciuti con
successo dalla BCI, com possibile notare dalla tabella riassuntiva in basso (fig. 8 ), nella quale
mostrata una comparazione fra una BCI senza ErrP e una BCI con ErrP, la differenza notevole.
Inoltre anche il bitrate (numero di comandi riconosciuti per minuto) ne ha tratto un notevole
beneficio aumentando persino del 124%(9).

Figura 8 - Tabella Comparativa BCI senza ErrP e con ErrP

15
4.4 ErrP sviluppi futuri

Gli ErrP aprono le porte a BCI sempre pi accurate in grado in alcuni casi persino di
autocorreggersi, e aumentare cos il feeling col paziente. La strada che si sta percorrendo
quella di integrare tutti questi sviluppi soprattutto nella fase di training, quella cio durante la
quale avviene la costruzione del cosiddetto classificatore che lelemento chiave di una BCI.
questultimo infatti, mediante associazioni statistiche, a identificare un comando piuttosto che
un altro dal semplice tracciato EEG.
Gli ErrP quindi consentiranno la messa a punto di nuovi algoritmi, capaci di discriminare meglio i
segnali P300 o le onde e scegliendo le features migliori dai canali EEG. Lalgoritmo genetico
ne un esempio, esso seleziona il cromosoma (set di EEG features) che meglio si adatta alle
esigenze della BCI.


















16
5 - Conclusioni

Le BCI sono strumento relativamente innovativo che consente ai cosiddetti pazienti locked in
una forma di interazione con lambiente esterno. Dico relativamente perch ormai esse esistono
da pi di ventanni, e ne esistono di svariati tipi, tanti quante sono le tecniche di neuroimaging
ad ora disponibili. Tuttavia una vera rivoluzione in questi anni non c mai stata, nonostante gli
annunci sensazionalistici dei giornali. Esse comunque si sono evolute, grazie agli sviluppi
tecnologici, e ad oggi con strumenti piuttosto semplici consentono di ottenere ottimi risultati in
termini di complessit delle operazioni svolte.
Consideriamo ora le BCI basate su segnale ErrP e facciamo alcune considerazioni:
Esse, rispetto a quelle tradizionali, hanno visto un netto miglioramento in termini di prestazioni,
e tale miglioramento frutto della sola scoperta di un nuovo segnale, lErrP appunto, il quale
consente di avere un feedback rispetto ai comandi catturati dalla macchina. Ma le BCI restano
sostanzialmente le stesse di qualche anno fa (IDIAP,Donchin,), linnovazione sta nellutilizzo di
una nuova feature, ma questo tipo di innovazioni pu scaturire solo da una miglior
comprensione dei meccanismi che regolano lattivit cerebrale, e questultima da uno sviluppo
degli strumenti diagnostici.
Per fare un esempio, supponiamo di voler ingrandire un oggetto e di usare perci un
microscopio, ovviamente pi esso sar potente e maggiori saranno i dettagli che si potranno
osservare, finanche ad osservare la natura molecolare delloggetto.
Ebbene ad oggi disponiamo di un microscopio (LEEG e simili) non molto potente, che ci
fornisce delle informazioni approssimative sullattivit cerebrale. E pi queste informazioni sono
approssimative pi difficile comprenderle, interpretarle ed utilizzarle per i nostri scopi. Quello
di usare lErrP dunque un espediente, un trucco, per migliorare la capacit delle BCI di capire
la mente. C da chiedersi dunque, esistono altri ErrP che ci possano aiutare? E se esistono, le
attuali tecniche di neuroimaging sono in grado di rilevarli?
Il limite delle BCI quindi non rappresentato tanto dalla possibilit di avere strumenti
tecnologici sempre pi importanti, ma piuttosto dalla pochezza delle informazioni ad oggi
disponibili circa il funzionamento di un organo cos complesso come il cervello.
In conclusione, in futuro certamente questi dispositivi apriranno la strada a nuovi interessanti
scenari, si prospetta addirittura un applicazione anche in ambito ludico e non solo medico-
riabilitativo, ma certamente la strada ancora lunga e questo sembra un futuro remoto pi che
un futuro prossimo.



17
Bibliografia
1. Sensors. Nicolas-Alonso, Luis Fernando e Gomez-Gil, Jaime.
2. Germann, Cindy L. Stanfield. William J. Fisiologia.
3. Brain-computer interfaces for communication and control. R. Wolpaw, Jonathan, et al.
4. Brunner et al., 2010.
5. Pfrutscheller et al., 2000.
6. BRAIN COMPUTER INTERFACE BASATA SU P300: STATO DELLARTE E SVILUPPO DI UN NUOVO
SISTEMA DI ANALISI SINGLE TRIAL. Cinetto, Andrea. Padova : UNIVERSITA DEGLI STUDI DI
PADOVA, 2010.
7. Halroyd et al., 2003, Lu et al., 2003.
8. NON-INVASIVE BRAIN-MACHINE INTERACTION. DEL R. MILLAN, JOSE, et al.
9. Error-Related EEG Potentials in Brain-Computer Interfaces. Ferrez, Pierre. s.l. : COLE
POLYTECHNIQUE FDRALE DE LAUSANNE.