o-CLEAN: a novel multi-stage algorithm for the ocular artifacts’ correction from EEG data in out-of-the-lab applications

Autori: Vincenzo Ronca, Gianluca Di Flumeri, Andrea Giorgi, Alessia Vozzi, Rossella Capotorto, Daniele Germano, Nicolina Sciaraffa, Gianluca Borghini, Fabio Babiloni, Pietro Aricò

Keywords

EEG; ocular artefacts; signal processing.

Summary

L’elettroencefalografia (EEG) consente di monitorare in modo non invasivo l’attività cerebrale, ma la qualità del segnale può essere fortemente compromessa da artefatti generati dai movimenti oculari, in particolare dagli ammiccamenti. Il problema è particolarmente rilevante nelle applicazioni al di fuori del laboratorio, dove vengono spesso utilizzati sistemi EEG indossabili con un numero ridotto di elettrodi e senza sensori specifici per l’elettrooculografia (EOG). Lo studio presenta o-CLEAN, un nuovo algoritmo multistadio progettato per identificare e correggere gli artefatti oculari preservando al contempo l’informazione EEG di interesse. Il metodo è stato confrontato con approcci allo stato dell’arte valutandone sia la capacità di correggere il segnale durante gli ammiccamenti (IN-Blink), sia la capacità di preservare l’attività cerebrale quando non sono presenti artefatti oculari (OUT-Blink). I risultati mostrano che o-CLEAN raggiunge prestazioni almeno comparabili a quelle delle tecniche consolidate nella correzione degli artefatti e offre vantaggi significativi nella conservazione del segnale EEG, soprattutto quando è disponibile un numero limitato di canali. La possibilità di operare senza un tracciato EOG dedicato e di essere utilizzato anche nell’elaborazione online rende il metodo particolarmente adatto ai sistemi EEG wearable e agli studi condotti in ambienti reali, contribuendo allo sviluppo di applicazioni di neuroingegneria e neuroscienze sempre più ecologiche e trasferibili fuori dal laboratorio.

Per maggiori dettagli, ecco il link per accedere alla pubblicazione.