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.