Biosegnali e Sistemi di Misurazione Biomedica

Segnali Biomedici (Lezione 1)

• I biosegnali sono fenomeni continui legati agli organismi biologici e rappresentano l'unica fonte di informazioni sullo stato di salute o malattia del corpo umano.
• Possono provenire dallo stesso organo o sistema ma avere diverse nature e origini.

Classificazione dei Biosegnali

• In base al sistema di origine: endocrino, nervoso, cardiovascolare, visivo, uditivo, muscolo-scheletrico, respiratorio, gastrointestinale, sanguigno.
• In base alla natura fisica:
  • Elettrici: EEG, ECG, EMG.
  • Magnetici: MEG, MCG.
  • Meccanici: pressioni, flussi.
  • Acustici: suoni cardiaci, respiratori.
  • Termici: temperatura corporea.
  • Chimici: concentrazioni di gas, pH, espressione genica.

Acquisizione e Analisi dei Segnali Biomedici

• Acquisizione: tramite trasduttori, amplificazione e conversione analogico-digitale.
• Elaborazione: filtraggio, rilevamento di eventi.
• Analisi: estrazione di parametri e classificazione per diagnosi e monitoraggio.

Obiettivi dell'Analisi dei Segnali Biomedici

• Raccolta di informazioni per interpretare il funzionamento del sistema.
• Diagnosi per identificare anomalie e patologie.
• Monitoraggio per l'osservazione continua o periodica del paziente.
• Terapia e controllo per modificare il comportamento del sistema.
• Valutazione dell'efficacia di trattamenti e terapie.

Segnali Bioelettrici

• Manifestano variazioni di potenziale elettrico in tessuti eccitabili come nervi, muscoli e cuore.
• Esempi includono ECG (cuore), EEG (cervello), EMG (muscoli) e EOG (movimenti oculari).

Segnali Biomagnetici

• Derivano da attività biologiche come il battito cardiaco e l'attività neuronale.
• Tecniche includono MEG (cervello), MCG (cuore) e MMG (muscoli).

Segnali Meccanici e Acustici

• Meccanici: pressione sanguigna, accelerometri per il movimento, volume polmonare.
• Acustici: suoni cardiaci (PCG), suoni respiratori, suoni articolari.

Segnali Termici e Chimici

• Termici: temperatura corporea, imaging termografico.
• Chimici: livelli di glucosio, ossigeno nel sangue, pH corporeo.

Applicazioni Cliniche

• Diagnosi di patologie cardiovascolari tramite ECG.
• Monitoraggio dell'attività cerebrale tramite EEG.
• Analisi del movimento e delle malattie neuromuscolari tramite EMG.
• Valutazione dello stato emotivo tramite GSR (risposta galvanica della pelle).
• L'elaborazione dei segnali biomedici è cruciale per diagnosi, monitoraggio e trattamento delle condizioni di salute.

Elettroencefalografia (EEG) – Registrazione e Principi (Lezione 2)

• L'elettroencefalografia (EEG) è una tecnica neurofisiologica che registra l'attività elettrica del cervello tramite elettrodi sul cuoio capelluto.
• È non invasiva e utilizzata per studiare il funzionamento del cervello, gli stati mentali, patologie neurologiche e la risposta a stimoli.
• Misura la variazione dei potenziali elettrici derivanti dall'attività di grandi popolazioni di neuroni, specialmente nella corteccia cerebrale.

Struttura e Funzionamento del Cervello

• Il cervello è suddiviso in quattro lobi principali: frontale, parietale, occipitale e temporale, ciascuno con funzioni specifiche.
• Lobo frontale: pianificazione, regolazione del comportamento, controllo motorio.
• Lobo parietale: elaborazione sensazioni tattili, percezione dello spazio.
• Lobo occipitale: elaborazione visiva.
• Lobo temporale: udito, memoria, emozioni.
• L'homunculus di Penfield rappresenta le aree cerebrali dedicate al controllo motorio e alla percezione sensoriale.

Origine del Segnale EEG

• Il segnale EEG è generato dall'attività sincrona di milioni di neuroni.
• Le fluttuazioni di potenziale misurate dagli elettrodi sono causate principalmente dai potenziali post-sinaptici nelle cellule piramidali della corteccia.
• L'attività sincrona genera campi elettrici rilevabili sul cuoio capelluto tramite l'EEG.
• I segnali da strutture più profonde del cervello sono difficili da rilevare a causa dell'attenuazione dai tessuti cerebrali e dal cranio.

Tecniche di Registrazione dell'EEG

• L'EEG misura la differenza di potenziale tra due punti sulla testa.
• Modalità di registrazione:
  • Monopolare: un elettrodo attivo viene confrontato con un elettrodo di riferimento in un'area neutra.
  • Bipolare: la differenza di potenziale viene misurata tra due elettrodi attivi.
• Sistema Internazionale 10-20: standard internazionale per il posizionamento degli elettrodi basato sulle proporzioni della testa.
  • F (Frontal) – Lobo frontale
  • T (Temporal) – Lobo temporale
  • C (Central) – Area centrale (non associata a un lobo specifico)
  • P (Parietal) – Lobo parietale
  • O (Occipital) – Lobo occipitale
• Gli elettrodi sulla linea mediana sono indicati con la lettera "z" (es. Fz, Cz, Pz), mentre i numeri pari si riferiscono all’emisfero destro e quelli dispari all’emisfero sinistro.

Filtraggio ed Elaborazione del Segnale EEG

• Il segnale EEG è molto debole (microvolt) e necessita di amplificazione e filtraggio.
• Passaggi fondamentali:
  • Amplificazione: miglioramento della leggibilità dei segnali EEG.
  • Filtraggio: rimozione di frequenze indesiderate (es. rumore ambientale a 50/60 Hz).
  • Digitalizzazione: conversione del segnale analogico in digitale per l’analisi.
  • Analisi delle caratteristiche: estrazione di parametri come frequenza, ampiezza e sincronizzazione.

Tipologie di Onde EEG

• Le onde cerebrali EEG sono suddivise in base alla frequenza.
• Le onde alpha sono visibili nella regione occipitale quando una persona è rilassata con gli occhi chiusi.
• Le onde beta sono predominanti quando si è attivi e attenti.

Applicazioni Cliniche dell'EEG

• Diagnosi di Patologie Neurologiche
  • Epilessia: rilevazione di scariche epilettiformi.
  • Demenza: alterazioni nelle onde cerebrali.
  • Ictus: cambiamenti nell’EEG possono indicare danni cerebrali dopo un ictus.
  • Disturbi del sonno: monitoraggio del sonno nella polisonnografia.
• Monitoraggio Cognitivo e Neurofeedback
  • Monitoraggio dell’attenzione e della fatica.
  • Biofeedback: modulazione dell'attività cerebrale per migliorare il benessere mentale.
• EEG ad Alta Densità e Co-registrazione con fMRI
  • L’EEG ad alta densità (256 elettrodi) migliora la risoluzione spaziale.
  • L’EEG-fMRI combina la risoluzione temporale dell’EEG con la risoluzione spaziale della risonanza magnetica funzionale (fMRI).
• L'EEG è una tecnica fondamentale per lo studio dell'attività cerebrale, con applicazioni dalla neurologia alla ricerca neuroscientifica.

Analisi del segnale EEG e Imaging della sorgente elettrica (Lezione 3)

• L'EEG registra l'attività elettrica del cervello tramite elettrodi sullo scalpo.
• L'analisi EEG si articola in acquisizione, pre-elaborazione, analisi e rappresentazione dei risultati.

Operazioni di Pre-elaborazione

• Filtraggio: rimozione di rumori e interferenze (es. filtro notch a 50 Hz).
• Rifiuto degli artefatti: eliminazione di segnali non cerebrali (movimenti oculari, muscolari, cardiaci).
• Interpolazione dei canali: sostituzione di segnali difettosi con stime dai canali adiacenti.

Metodi di Analisi EEG

• Dominio del tempo:
  • Mediazione dei potenziali evocati (EPs): riduzione del rumore mediando risposte a stimoli.
  • Riconoscimento delle forme d'onda: identificazione di pattern caratteristici (es. onde P300).
• Dominio della frequenza:
  • Trasformata di Fourier (FFT): analisi della distribuzione spettrale del segnale.
  • Modelli autoregressivi (AR): stima della dinamica temporale delle componenti spettrali.
• Dominio tempo-frequenza:
  • Wavelet Transform: analisi delle variazioni spettrali nel tempo.
• Analisi statistica:
  • Istogrammi: distribuzione statistica delle ampiezze del segnale.
  • Mappatura topografica: interpolazione spaziale dell'attività EEG.
  • Mappatura spettrale e statistica: confronto di condizioni sperimentali.

Attività Spontanea ed Evocata

• Ritmi Cerebrali
  • Delta (0.5-4 Hz): sonno profondo, patologie cerebrali.
  • Theta (4-8 Hz): sonnolenza, attività mnemonica.
  • Alpha (8-13 Hz): rilassamento, presente nella corteccia occipitale e parietale.
  • Beta (13-30 Hz): attività mentale, regioni frontali e parietali.
  • Gamma (30-50 Hz): processamento cognitivo avanzato, attenzione.
• Potenziali Evocati (EPs)
  • Esogeni: sensoriali e motori (VEPs, AEPs, SSEPs).
  • Endogeni: cognitivi (P300, N400).
• Modulazione attraverso l'evento:
  • Event-Related Desynchronization (ERD): riduzione della potenza delle oscillazioni EEG.
  • Event-Related Synchronization (ERS): aumento della potenza delle oscillazioni EEG.

Feature Extraction e Analisi Spettrale

• Stima della Potenza Spettrale (PSD)
  • La PSD descrive come la potenza del segnale EEG è distribuita nelle diverse frequenze.
  • Metodo di Welch: migliora la stima della PSD segmentando il segnale e applicando la FFT.
  • Spettrogramma: rappresentazione tempo-frequenza.
• Ritmi Sensori-motori
  • Il Mu rhythm (8-13 Hz) è localizzato nella corteccia sensori-motoria ed è legato al movimento.
  • La desincronizzazione (↓ Mu) precede il movimento ed è utile per le BCI.

Imaging della Sorgente Elettrica (ESI)

• L'ESI stima le sorgenti neuronali responsabili delle attività EEG.
• Problema Diretto (Forward Problem)
  • Descrive la propagazione dell'attività elettrica dalla corteccia agli elettrodi.
  • Richiede un modello della testa (Boundary Element Method, Finite Element Method).
• Problema Inverso (Inverse Problem)
  • Stima le sorgenti neuronali dalle misurazioni EEG.
  • Problema mal posto: infinite configurazioni di sorgenti possono spiegare gli stessi dati.
• Metodi di risoluzione:
  • Dipoli equivalenti (ECD): sorgenti modellate come dipoli puntiformi.
  • Soluzioni distribuite (MNE, LORETA, LAURA): sorgenti distribuite su una griglia corticale.

Applicazioni Cliniche di ESI

• Epilessia e Localizzazione della Zona Epilettogena
  • L'EEG ad alta densità (HD-EEG) migliora la localizzazione delle crisi.
  • In combinazione con fMRI e PET, aiuta nella selezione dei candidati chirurgici.
• EEG nei Disturbi del Sonno
  • Sleep spindles (10-15 Hz, 0.5-2 s): tipici della fase 2 del sonno.
  • Onde lente (< 1 Hz): associate al consolidamento della memoria.
• Potenziali Evocati per la Diagnosi Neurologica
  • VEPs per valutare disturbi visivi.
  • AEPs per patologie uditive.
• L'ESI, combinato con tecniche di imaging (fMRI, PET), offre una visione più accurata dell'attività cerebrale.

Modelli di Generazione del Segnale EEG

• Modello a dipolo equivalente e modello a correnti distribuite.

Modello a Dipolo Equivalente

• L’attività neuronale è rappresentata da un numero limitato di dipoli puntiformi.
• Ogni dipolo rappresenta un piccolo gruppo di neuroni con un’attività sincronizzata.
• Viene utilizzato il fit del dipolo per stimare i parametri (posizione, orientamento e intensità dei dipoli).
• Vantaggi includono efficienza computazionale e utilità per attività focali.
• Svantaggi includono ipotesi rigida e difficoltà nel modellare sorgenti multiple.

Modello a Correnti Distribuite

• L’attività cerebrale è distribuita su tutta la corteccia, senza un numero predefinito di sorgenti.
• Si cerca di ricostruire la distribuzione delle correnti neuronali.
• Tecniche di regolarizzazione come LORETA, sLORETA, MNE.
• Vantaggi includono una migliore rappresentazione dei processi diffusi e l'assenza di ipotesi a priori.
• Svantaggi includono maggiore costo computazionale e inferiore risoluzione spaziale.

Anatonomia Cerbrale e Imaging Cerbrale (Lezione 4)

• L'imaging cerebrale si divide in imaging strutturale e funzionale.
• Imaging strutturale: immagini ad alta risoluzione della struttura cerebrale, usato in clinica e ricerca morfologica.
  • La dMRI studia le proprietà microstrutturali dei tessuti.
• Imaging funzionale: studio delle funzioni cerebrali misurando indirettamente l'attività neurale tramite il flusso sanguigno, usato in ricerca e pianificazione chirurgica.

Storia della fMRI

• Angelo Mosso: flusso sanguigno cerebrale varia durante attività cognitive ed emotive.
• Seiji Ogawa (1990): scoperto l'effetto BOLD (Blood Oxygenation Level Dependent), alla base della risonanza magnetica funzionale.

Principi della fMRI

• La fMRI misura l'attività cerebrale rilevando variazioni nel flusso sanguigno.
• Il segnale BOLD dipende dalla concentrazione di emoglobina deossigenata.
• Stato di riposo: flusso sanguigno normale, emoglobina deossigenata stabile.
• Durante uno stimolo: aumenta il flusso sanguigno, diminuisce l'emoglobina deossigenata, incrementa il segnale MRI.

Risposta Emodinamica e Segnale BOLD

• La risposta emodinamica è l'aumento del flusso sanguigno in risposta all'attività neurale.
• Tempo di risposta: il segnale raggiunge il picco dopo 6-9 secondi dall'attivazione neurale.
• Limitazioni: segnale indiretto, lento e spesso rumoroso.

Pro e Contro della fMRI

• Pro:
  • Tecnica non invasiva.
  • Alta risoluzione spaziale rispetto all'EEG.
  • Localizzazione delle aree coinvolte in funzioni specifiche.
• Contro:
  • Risoluzione temporale limitata.
  • Segnale BOLD indiretto.
  • Sensibile al rumore da movimento, battito cardiaco e respirazione.

Sorgenti di Rumore nei Dati fMRI

• Rumore di sistema: imperfezioni del campo magnetico dello scanner.
• Rumore fisiologico: movimenti, pulsazioni cardiache e respirazione.
• Rumore neurale: attività non correlata al compito.

Progettazione Sperimentale

• Design a blocchi: stimoli ripetuti per lunghi periodi alternati a riposo.
• Design evento-relato: stimoli brevi con periodi di riposo più lunghi.
• Stato di riposo: fluttuazioni spontanee del segnale BOLD.

Pre-elaborazione dei Dati fMRI

• Migliora la sensibilità e consente confronti tra soggetti.
• Include:
  • Correzione del movimento: allineamento dei volumi successivi.
  • Correzione del tempo di acquisizione: compensazione per tempi diversi delle fette.
  • Filtraggio temporale e spaziale: rimozione di componenti a bassa frequenza e levigazione spaziale.
  • Normalizzazione spaziale: trasformazione in uno spazio anatomico standard (MNI o Talairach).

Analisi dei Dati fMRI

• General Linear Model (GLM): separa il segnale BOLD previsto dal rumore.
  • Variabili indipendenti: stimoli o eventi sperimentali.
  • Variabili dipendenti: segnale misurato nei voxel.
  • Output: mappa dei voxel attivati.
• Analisi basata su componenti indipendenti (ICA): rileva reti cerebrali funzionali.

Analisi dei Dati fMRI con il General Linear Model (GLM)

Y = Xβ + ϵ

• Y : segnale BOLD osservato
• X : matrice del disegno sperimentale
• β : vettore dei parametri
• ϵ : rumore L'obiettivo del GLM è stimare i coefficienti β e determinare se questa relazione è statisticamente significativa.

Componenti :

a) Variabili indipendenti b) Variabili dipendenti

• Output: mappa dei voxel attivati.

Vantaggi del GLM

Modello statistico ben consolidato e ampiamente utilizzato; permette di testare ipotesi specifiche sulla realzione tra stimoli e attivazione cerebrale; Facilmente interpretabile grazie alla separazione tra segnale e rumore.

Limiti del GLM

Assume una risposta emodinamica flissa pers tutti i soggetti; Senibile al rumore; Dipende fortemente dalla qualità del disegno sperimentale.

• Il General Linear Model (GLM) è uno strumento essenziale nell'analisi dei dati fMRI.

Applicazioni della fMRI

• Cliniche:
  • Identificazione aree funzionali critiche per pianificazione chirurgica.
  • Studio di disturbi neurologici o psichiatrici.
• Ricerca:
  • Comprensione reti cerebrali funzionali.
  • Studio delle emozioni, linguaggio, memoria e processi decisionali.
• Stato di riposo:
  • Valutazione dell'attività cerebrale in pazienti incapaci di svolgere compiti.

Interfacce Cervello-Computer (BCI) (Lezione 5)

• Le BCI consentono la comunicazione diretta tra il cervello e dispositivi esterni, traducendo l'attività cerebrale in comandi.

Come Funziona una BCI?

• Registrazione del segnale EEG tramite elettrodi o impianti neurali.
• Pre-elaborazione del segnale per rimuovere artefatti e rumori.
• Estrazione delle caratteristiche del segnale cerebrale.
• Classificazione tramite algoritmi di intelligenza artificiale.
• Esecuzione del comando per controllare un'interfaccia.

Motivazioni per lo Sviluppo delle BCI

• Assistenza a individui con disabilità motorie dovute a malattie neurologiche o traumi.
• Sclerosi laterale amiotrofica (SLA)
• Ictus del tronco encefalico
• Lesioni cerebrali o del midollo spinale
• Paralisi cerebrale
• Le BCI offrono l'unica possibilità di comunicazione per persone con locked-in syndrome.

Tipologie di BCI

• Basate sul Tipo di Controllo:
  • Attive: l'utente genera segnali cerebrali consapevolmente.
  • Reattive: risposta a stimoli esterni (P300, SSVEP).
  • Passive: monitoraggio dell’attività cerebrale senza controllo volontario.
• Basate sulla Modalità di Acquisizione del Segnale:
  • Invasive (ECoG, impianti corticali): richiedono chirurgia.
  • Semi-invasive (Stereo EEG, sub-durali): elettrodi sulla corteccia.
  • Non invasive (EEG, fNIRS, MEG, fMRI): elettrodi sulla pelle o tecniche di neuroimaging.

Tecnologie di Registrazione dei Segnali

• EEG (Elettroencefalografia): portabilità e basso costo, ma bassa risoluzione spaziale.
• ECoG (Elettrocorticografia): maggiore risoluzione spaziale, ma invasiva.
• fNIRS (Spettroscopia nel vicino infrarosso): misura l'ossigenazione, bassa risoluzione temporale.
• MEG (Magnetoencefalografia) e fMRI (Risonanza Magnetica Funzionale): alta risoluzione spaziale, costose e poco pratiche.

Applicazioni delle BCI

• Medicina e Neuro-riabilitazione:
  • Comunicazione alternativa.
  • Protesi neurali.
  • Riabilitazione motoria tramite neurofeedback.
  • Monitoraggio dello stato mentale.
• Neuroergonomia e Ambienti Smart:
  • Monitoraggio dello stato cognitivo in ambienti complessi.
  • Assistenza alla guida e al controllo del traffico aereo.
• Intrattenimento e Gaming:
  • Videogiochi basati su comandi mentali.
  • Realtà virtuale e aumentata.
• Sicurezza e Autenticazione:
  • Biometria basata su segnali EEG.
• Utilizzo Militare:
  • Sistemi di comunicazione silenziosa.
  • Controllo di droni.

Sfide e Limitazioni

• Precisione e affidabilità limitate.
• Tempi di addestramento lunghi.
• Invasività di alcune soluzioni.
• Costo e accessibilità limitati.

Strumenti per la Ricerca sulle BCI

• BCILAB – Toolkit MATLAB per l’analisi EEG.
• OpenBCI – Piattaforma open-source per la registrazione EEG.
• BioSig – Libreria open-source per il processamento dei segnali EEG.
• BCI2000 – Piattaforma modulare per la ricerca sulle BCI.
• Le BCI rappresentano una tecnologia rivoluzionaria con applicazioni in medicina, interfacce uomo-macchina e intrattenimento.

Esplora i biosegnali, i loro sistemi di origine e le tecniche di misurazione. Approfondisci l'analisi dei segnali biomedici, inclusi ECG ed EEG, e le loro applicazioni cliniche. Scopri il sistema internazionale 10-20 per il posizionamento degli elettrodi EEG.