Soluzione matematica a un problema
percettivo
ROBERTO COLONNA
NOTE E NOTIZIE - Anno XVI – 30 marzo
2019.
Testi
pubblicati sul sito www.brainmindlife.org della Società Nazionale di
Neuroscienze “Brain, Mind & Life - Italia”
(BM&L-Italia). Oltre a notizie o commenti relativi a fatti ed eventi
rilevanti per la Società, la sezione “note e notizie” presenta settimanalmente
lavori neuroscientifici selezionati fra quelli pubblicati o in corso di
pubblicazione sulle maggiori riviste e il cui argomento è oggetto di studio dei
soci componenti lo staff dei
recensori della Commissione Scientifica
della Società.
[Tipologia del testo: DISCUSSIONE/AGGIORNAMENTO]
I problemi posti dalla realizzazione
di interfacce cervello/computer contribuiscono spesso alla precisa definizione
di aspetti dell’elaborazione cerebrale dell’informazione ancora poco noti in
termini di meccanismi neurobiologici, aiutando i ricercatori a individuare e
circoscrivere obiettivi di studio. Per questa ragione, la soluzione di tali problemi
tecnici va oltre il miglioramento dell’applicazione, suscitando interesse in
altre branche della ricerca neuroscientifica.
Saidi, Vosoughi e Atia della
University of Central Florida a Orlando (USA) hanno
impiegato un nuovo approccio basato sulla trasformazione periodica ramanujana, ottenendo un notevole miglioramento nella
rilevazione di stimoli cerebrali.
(Saidi P., et
al. Detection of brain stimuli
using Ramanujan periodicity transforms.
Journal of Neural Engineering - Epub ahead of print doi: 10.1088/1741-2552/ab123a,
2019).
La provenienza degli autori è la seguente: University
of Central Florida College of Engineering and Computer Science, Orlando, FL
(USA); Electrical and Computer Engineering, University of Central Florida
College of Engineering and Computer Science, Orlando, FL (USA).
La capacità di rendere
efficientemente la frequenza delle risposte del cervello a stimoli visivi
ripetitivi in tempo reale è la base di un’affidabile SSVEP-based BCI (Brain-Computer-Interfacing). La
rilevazione di differenti stimoli è posta come un test di ipotesi composita[1], dove si assume che le SSVEP ammettano una rappresentazione sparsa in un
dizionario RPT (Ramanujan Periodicity Transform). Per il caso binario, Saidi,
Vosoughi e Atia hanno
sviluppato e analizzato la prestazione di un rilevatore RPT basato su un test
del rapporto di verosimiglianza generalizzata derivata (derived generalized likelihood
ratio test).
L’approccio impiegato dai tre
ricercatori è esteso a setting
multi-ipotesi e multi-elettrodo, nei quali hanno colto la correlazione spaziale
tra gli elettrodi, usando dati che precedono lo stimolo.
In questo studio è stato anche
introdotto un nuovo parametro per la valutazione degli schemi di rilevazione
SSVEP, basato su due criteri: efficienza
realizzabile e tasso di
discriminazione compromesso per le risorse di un dato sistema.
I risultati registrati sono molto
significativi. I ricercatori hanno ottenuto distribuzioni esatte del test
statistico in termini di funzioni ipergeometriche
confluenti. I risultati basati su stimolazioni estese, sia con dati reali sia
con dati di sintesi, indicano che il rilevatore
RPT sostanzialmente supera i metodi a base spettrale. La sua prestazione è
anche significativamente superiore a quella del metodo CCA (calibration-free state-of-the-art Canonical Correlation Analysis) e del metodo FBCCA (filter bank CCA),
per ciò che concerne la precisione e la complessità del campione in regimi di
lunghezza ridotta dei dati, condizione cruciale per le applicazioni in tempo
reale.
L’approccio dei tre ricercatori
della Florida può considerarsi asintoticamente ottimale in quanto colma il gap, tendendo al limite di una
misurazione perfetta, al crescere della lunghezza dei dati.
Si deve anche rilevare che, a
differenza dei metodi controllati attualmente in uso che sono altamente
dipendenti dai dati, il rilevatore RPT
usa solo dati “pre-stimolo” per stimare la correlazione spaziale per soggetto, in
tal modo dispensando da spese considerevoli associate alla raccolta di dati per
un grande numero di soggetti e stimoli.
Concludendo, questo studio
costituisce un progresso per le BCI real-time
emergenti e propone un nuovo ambiente per la comparazione degli schemi di
rilevazione SSVEP attraverso uno spettro più ampio di regimi operativi.
L’autore della nota ringrazia
la dottoressa Isabella Floriani per la correzione
della bozza e invita alla
lettura delle recensioni di argomento connesso che appaiono
nella sezione “NOTE E NOTIZIE” del sito (utilizzare il motore interno nella
pagina “CERCA”).
Roberto Colonna
BM&L-30 marzo 2019
________________________________________________________________________________________________________________________________________________
La Società Nazionale di Neuroscienze
BM&L-Italia, affiliata alla International Society of Neuroscience,
è registrata presso l’Agenzia delle Entrate di Firenze, Ufficio Firenze 1, in
data 16 gennaio 2003 con codice fiscale 94098840484, come organizzazione
scientifica e culturale non-profit.
[1] Un’ipotesi composita nella statistica matematica può essere individuata dalla definizione di Wackerly, Mendenhall e Scheaffer: dato un campione probabilistico estratto da una distribuzione con parametro θ, un’ipotesi viene definita semplice se essa specifica in modo univoco la popolazione da cui viene prelevato il campione. Qualsiasi ipotesi che non sia un’ipotesi semplice è detta ipotesi composita.