Sviluppi tecnici nelle registrazioni EEG (elettroencefalogramma)
L'elettroencefalogramma potrebbe essere ampiamente utilizzato come metodo per il monitoraggio neurologico dei pazienti ospedalieri. Questa tecnica, tuttavia, presenta un inconveniente. Spesso i segnali EEG contengono artefatti causati da fattori esterni, soprattutto interferenze elettriche provenienti dagli apparecchi, o fisiologici, per esempio segnali elettrici determinati dalla contrazione muscolare. Poiché rappresentano dei difetti, tali artefatti possono falsare gravemente i risultati del tracciato. Fino ad oggi, la mancanza di un metodo affidabile e ampiamente applicabile per l'individuazione degli artefatti, ha fatto sì che l'unico modo per identificarli fosse ricorrere alle conoscenze empiriche degli esperti in questo campo, i quali eliminano i periodi del segnale ogniqualvolta l'ampiezza corrispondente non è fisiologicamente plausibile. Oltre a non essere affatto precisa, questa procedura comporta ulteriori problemi. Da un lato, non consente di tenere in considerazione le differenze nelle caratteristiche del segnale in varie circostanze e, dall'altro, non tutti gli artefatti si manifestano come segnali ad ampiezza elevata. Talvolta, infatti, si presentano come modelli di segnale anomali e come tali impossibili da identificare o eliminare. Il presente studio ha risolto brillantemente questi problemi creando degli algoritmi per l'individuazione degli artefatti caratteristici di uno specifico ambiente di monitoraggio. In sostanza tale metodo si basa sul plausibile e fondamentale presupposto secondo cui gli artefatti sono associati agli outlier nello spazio dei parametri dell'EEG. Questo metodo consente l'individuazione degli artefatti in un periodo di registrazione pari a 10 secondi, utilizzando una serie di regole per l'individuazione della soglia nei singoli parametri derivanti dall'EEG. L'intervento dell'esperto è necessario solo per la caratterizzazione di un subset di addestramento del dataset disponibile, al fine di verificare la presenza o meno degli artefatti. Le prestazioni, già di per sé brillanti, di questo metodo possono essere ulteriormente migliorate aumentando il numero di parametri EEG e ampliando l'analisi da discriminatoria a multivariata. La fase attuale di sperimentazione su un insieme di dati sperimentali indipendenti ha evidenziato il 23 per cento di false rilevazioni e il 71 per cento di gravi artefatti.