Come visualizzare l’attività elettrica del cervello

Questo articolo illustra la progettazione del circuito hardware per poter ottenere un sistema elettroencefalografico a 16 canali, utilizzabile per ricavare un elettroencefalogramma (EEG) proprio o di un’altra persona. I segnali ottenuti, dopo opportuni stadi di amplificazione e di filtraggio digitale, dovrebbero essere alla fine abbastanza forti come ampiezza e ragionevolmente puliti dal rumore che altrimenti appare. I segnali grezzi ricevuti dal microcontrollore Arduino vengono poi acquisiti da un computer e un software ad hoc li elabora in modo da poter visualizzare i segnali EEG così ottenuti.

Un elettroencefalogramma (EEG) valuta l’attività elettrica prodotta dal cervello, che può governare, fuori determinate condizioni, i più comuni disturbi convulsivi. L’elettroencefalografia è la misurazione dell’attività elettrica nel cervello registrata mediante elettrodi posizionati sul cuoio capelluto o, in casi speciali, subduralmente o nella corteccia cerebrale. Le tracce risultanti sono note come elettroencefalogramma e rappresentano una somma di potenziali postsinaptici da un gran numero di neuroni.

Quando l’onda di ioni raggiunge gli elettrodi sul cuoio capelluto, questi possono spingere o tirare elettroni sugli elettrodi di metallo. Dal momento che il metallo conduce facilmente la spinta e la trazione di elettroni, la differenza di spinta o tensione tra due elettrodi qualsiasi può essere misurato da una tensione. La registrazione di queste tensioni nel tempo ci fornisce l’EEG. Questo articolo illustra un progetto per produrre una macchina elettroencefalografica (EEG) a 16 canali.

Una cuffia professionale per elettroencefalogramma (EEG), per uso domestico e mobile, in vendita insieme a modelli simili qui. Essa misura l’attività elettrica del cervello e trasferisce la lettura dei dati via Bluetooth a un computer, smartphone, tablet o laptop. 

Normalmente, una macchina per elettroencefalografia ti costerebbe un sacco di soldi e sarebbe molto difficile da capire e da utilizzare senza una laurea in neuroscienze, ma questa versione per Arduino è molto più economica e più facile da comprendere! Quindi potresti chiederti: ma che cosa fa in pratica? In breve, legge le onde cerebrali create dal tuo cervello. Ciò ci permette di dire, ad esempio, quanto una persona sta prestando attenzione o se è depressa, oppure in uno stato emotivo.

Segnali EEG e loro acquisizione ed elaborazione

Arrivare fino all’intervallo di frequenza di 1 Hz richiesto da un elettroencefalogramma richiede la comunicazione attraverso una porta digitale; nell’era attuale questo consiste di un connettore USB. Un dispositivo economico e conveniente per la registrazione e la trasmissione di dati tramite cavi USB è una scheda Arduino Mega, che costa circa 20 euro. Arduino esegue una conversione da analogico a digitale (ADC) ragionevolmente veloce e funge anche da piattaforma per circuiti aggiuntivi.

L’aspetto negativo di Arduino è che non è in grado di risolvere tensioni piccole come quelle gestite da un ingresso audio o microfono, quindi è necessario un amplificatore più complicato con un maggiore guadagno. L’alimentazione disponibile dall’Arduino è di soli 5 V. Questo lascia pochissimo spazio per gli offset in corrente continua degli elettrodi, ed anche il guadagno dell’amplificatore di segnale AD620 – compatibile con Arduino – risulta essere limitato a circa 20.

Il modulo amplificatore di segnale AD620 compatibile con Arduino e basato sul chip omonimo (in alto) ed i collegamenti del modulo in questione (in basso).

Perciò, è necessario un secondo stadio che usa amplificatori operazionali per fornire un guadagno aggiuntivo, oltre a uno stadio di filtraggio del segnale e polarizzazione DC per l’ingresso analogico dell’Arduino. Poiché quell’ingresso è relativamente rumoroso, richiede un filtro passa-basso, che può ridurre anche il rumore a 60 Hz. Il lato positivo è che, quando non si registrano EEG, si avrà un dispositivo flessibile con un grande potenziale per altre interazioni tra il computer e il mondo esterno.

L’ampiezza dei segnali di un elettroencefalogramma è, tipicamente, nell’intervallo che va dal microvolt fino a 100 μV, quando viene assunto sopra il cuoio capelluto, e nell’intervallo dei millivolt quando misurato direttamente dalla superficie del cervello (in funzionamento aperto), e la sua frequenza è approssimativamente fino a 100 Hz. Ci sono 5 bande di frequenza comuni nei segnali elettroencefalografici, di cui sono mostrate le caratteristiche nella tabella riportata qui sotto.

Caratteristiche dei ritmi elettroencefalografici umani.

Come mostrato nella Tabella, l’ampiezza di qualsiasi ritmo ha un certo intervallo. L’intensità o il valore dell’ampiezza dipendono da alcuni fattori come lo stato del paziente e la posizione dell’elettrodo sul cuoio capelluto. L’ampiezza di questo ritmo varia da 5 μV a 200 μV. Dopo la fase di acquisizione del segnale (sensore EEG), i segnali devono essere preelaborati. Ciò è chiamato anche “miglioramento del segnale”. In generale, i segnali cerebrali acquisiti sono contaminati da rumore e artefatti.

Modello proposto per l’acquisizione dell’EEG.

Dopo aver ottenuto i segnali senza rumore dalla fase di miglioramento del segnale (filtro notch, HPF 1 Hz, LPF 31 Hz), il segnale privo di rumore verrà inviato tramite comunicazione seriale nel microcontrollore (ad es. Arduino) e le funzionalità essenziali legate ai segnali cerebrali verranno estratte dai segnali EEG tramite elaborazione degli stessi effettuata da un computer. Per l’estrazione delle caratteristiche dai segnali EEG, vengono utilizzati i metodi della cosiddetta “Trasformata Veloce di Fourier (FFT).

La FFT estrae le funzioni dal segnale trasformando i segnali dal dominio del tempo al dominio della frequenza. Essa funziona bene per segnali stazionari e processi casuali lineari. Non può misurare sia il tempo che la frequenza. Con i presupposti precedenti alcune delle tecniche di Trasformata di Fourier (FT) possono presentare migliori prestazioni in altri casi.

In questa analisi in frequenza i segnali sono divisi in finestre di un secondo che si sovrappongono di una finestra di mezzo secondo. Questa sovrapposizione di mezzo secondo si traduce in una grande quantità di dati per il classificatore che forma le classi. L’analisi basata su questa frequenza è chiamata “Trasformazione di Fourier Discreta” (DFT), ed è anche definita come densità spettrale di potenza (PSD).

La scala temporale estesa e l’analisi FFT di un segnale EEG. La Trasformata Veloce di Fourier (FFT) aiuta a “estrarre” i vari ritmi dal segnale grezzo (in alto).

La PSD è uno degli strumenti più importanti per l’elaborazione digitale del segnale (DSP). Ci aiuta a sapere come la forza di un segnale è distribuita nel dominio della frequenza e la sua unità è energia per frequenza. La PSD dimostra la forza delle variazioni di energia di un segnale come una funzione della frequenza. Quindi, ci dà un’idea di a quali frequenze le variazioni di energia sono forti e a quali sono deboli.

Implementazione della parte elettronica

L’amplificatore di strumentazione è un amplificatore differenziale basato su amplificatori operazionali, ottimizzato per elevata impedenza di ingresso, bassa tensione di offset, alto CMRR (rapporto di reiezione della modalità comune), elevata resistenza di ingresso, alto guadagno etc. Lo schema circuitale di un tipico amplificatore di strumentazione con l’utilizzo di amplificatori operazionali μA741 è mostrato in figura.

L’amplificatore di strumentazione collegato a un elettrodo attivo.

Lo stadio successivo è un filtro notch. Gli approcci digitali sono stati ampiamente adottati per risolvere i problemi di interferenza della linea di alimentazione, inclusa la corretta messa a terra e schermatura elettrica nelle registrazioni analogiche, tuttavia la pre-elaborazione è necessaria perché l’interferenza della linea di alimentazione che travolge i segnali desiderati è in realtà tutta intorno. Questo design modifica il classico filtro notch a doppia T per essere sintonizzabile con fattore Q come mostrato in figura.

Il filtro notch a doppia T.

Quando entra solo il segnale di ingresso in modalità differenziale, la tensione nel punto di mezzo e quindi l’uscita di U2 è zero, quando entrano contemporaneamente il segnale in modalità differenziale e il segnale di modo comune, l’uscita di U2 contiene solo la parte in modalità comune dei segnali di ingresso. Significa che il segnale in modalità comune potrebbe entrare direttamente nell’amplificatore di strumentazione invece di essere tradotto in disturbo in modalità differenziale per la mancata corrispondenza dei componenti al circuito di accoppiamento resistenza-capacità (RC).

Il terzo stadio del sistema è il filtro passa-alto a 1 Hz. Come si può vedere nella figura qui sotto, l’inizio di questo circuito contiene un filtro passa-alto (HPF) con frequenza di taglio 1 Hz (Fc = 1 / (2 * pi * R3 * C2), solo per un’attenuazione aggiuntiva del rumore indesiderato. All’altra estremità, la resistenza e il condensatore in parallelo forniscono un filtro extra delle alte frequenze (infatti Fc = 1 / (2 * pi * 10nF * 100kΩ) = 160 Hz su un filtro passa basso).

Design del filtro passa-alto a 1 Hz.

Lo scopo principale di questa sezione del sistema, tuttavia, è legato alla resistenza da 220Ω e, in particolare, al potenziometro. Infatti, l’amplificatore operazionale presente nel circuito passa-alto è un amplificatore non invertente, e così ha un guadagno di G = 1 + R3 / (R2 + R4), ignorando il condensatore da 10 nF, in quanto è un valore piccolo e non contribuirà molto al guadagno.

Il potenziometro è, naturalmente, una resistenza variabile quando l’ingresso è collegato al primo pin e l’uscita al secondo, e può cambiare la sua resistenza linearmente tra 0 e 1000 ohm. Questo significa che quando il piatto del potenziometro viene girato completamente a sinistra, il guadagno di questo circuito è G = 1 + R3 / (R2 + 0) = 1 + 100k / (220 + 0) = 455. Quando viene girato completamente a destra, il guadagno è G = 1 + R3 / (R2 + 1000) = 1 + 100k / (220 + 1k) = 83.

Il quarto stadio del sistema è un filtro passa-basso (HPF) a 31 Hz. Infatti, successivamente, vogliamo filtrare i dati al di sopra delle frequenze a cui siamo interessati. Più specificamente, come onda Beta le informazioni si fermano a 30Hz, perciò vogliamo sbarazzarci di qualsiasi cosa al di sopra di ciò, che può dare un contributo positivo alla quantità di rumore dei nostri dati. Il design del circuito è simile al filtro passa-alto dello stadio 3: ha un guadagno di 0,71 a 31,23 Hz ed a 300 Hz ha un’attenuazione di 100.

Design di un filtro passa-basso a 31 Hz.

Il segnale fornito in uscita da questo quarto stadio può essere acquisito su un computer con un convertitore analogico-digitale (ADC), come ad esempio una scheda Arduino Mega. L’Arduino Mega è una scheda microcontrollore basata sull’ATmega1280. Dispone di 54 pin di input / output digitali (di di cui 14 utilizzabili come uscite PWM), 16 ingressi analogici, 4 UART (porte seriali hardware), un cristallo oscillatore da 16 MHz, connessione USB, alimentazione, intestazione ICSP, e un pulsante di reset.

Usando l’ingresso del microfono sul computer, è possibile monitorare due nodi EEG contemporaneamente (canali destro e sinistro). Per monitorarne di più simultaneamente, tuttavia, è necessario utilizzare almeno un microcontrollore come Arduino Uno per avere i dati sul computer. Arduino Uno ha 6 ingressi analogici, quindi puoi osservare 6 canali in contemporanea senza alcun circuito aggiuntivo. Se vuoi osservarne di più, hai bisogno di un chip multiplexer come il MAX4051 o di Arduino Mega (16 ingressi).

Una scheda Arduino Mega e alcune sue caratteristiche.

Gli elettrodi e il software per analizzare i dati

Per gli elettrodi, ne puoi trovare online di molto buoni. Esistono molti possibili posizionamenti degli elettrodi sul cervello: quale scegliere dipenderà da un mix di praticità e da ciò che si desidera misurare. Per una dimostrazione di prova, puoi misurare le onde alfa provenienti dal lobo occipitale. Questo perché queste onde sono le più facili da produrre, sono abbastanza grandi in ampiezza e richiedono solo 1 elettrodo su una sezione del cuoio capelluto con i capelli.

Un esempio di elettrodi per elettroencefalografia.

Parti della tua testa che devi conoscere per questo sono il mastoide, la nasion e l’inion. Il mastoide è l’osso dietro l’orecchio: puoi facilmente sentirlo strofinando quell’area. La nasion è la cresta tra naso e fronte, proprio tra le sopracciglia. L’inion è il punto in cui il cranio termina nella parte posteriore della testa. Per questa configurazione, avrai bisogno di una bandana e del nastro (puoi usare il nastro elettrico, ma probabilmente anche il nastro adesivo o un cerotto funzionerebbero).

Innanzitutto, trova il mastoide sinistro. Elimina i capelli e fissa l’elettrodo di massa sulla pelle. Quindi, lega la bandana stretta intorno alla testa, in modo che sia sopra sia la nasion che l’inion. La bandana verrà utilizzata per fissare in posizione i restanti 2 elettrodi. Metti un elettrodo a circa 2 cm sopra e 2 cm a destra della tua nasion e il secondo alla stessa distanza dalla tua inion. Usando questa vista dall’alto verso il basso, gli elettrodi dovrebbero trovarsi approssimativamente nell’area di Fp2 e O2.

Posizioni degli elettrodi del sistema internazionale 10-20 per la registrazione EEG (elettroencefalografia).

Con questa configurazione misureremo principalmente le onde alfa, che sono sugli 8-12 Hz e in generale aumentano l’ampiezza quando si è rilassati o in uno stato più meditativo. Poiché un elettrodo si trova sul lobo occipitale (la parte del cervello usata per l’elaborazione visiva), ogni volta che chiudi gli occhi dovrebbe esserci un netto aumento della concentrazione delle onde alfa. L’aumento dovrebbe essere ancora più evidente se ti rilassi e cerchi di liberare la mente mentre gli occhi sono chiusi.

Un’applicazione per Windows di analizzatore EEG GUI (Graphical User Interface) permette di elaborare e visualizzare i grafici dei dati acquisiti dal microprocessore. In questa applicazione viene implementato l’algoritmo standard di Trasformata di Fourier Discreta (DFT) o di FFT per l’elaborazione del segnale. Se sei bravo sul versante della programmazione, puoi sviluppare un software (ad es. basato su Processing) per l’elaborazione dei dati grezzi che ricevi e la successiva visualizzazione dei risultati.

Uscita di un segnale EEG con l’applicazione real-time “EEG Analyzer”.

Con i dati non elaborati, puoi anche produrre immagini elettroencefalografiche dell’attività cardiaca, ma puoi avere un vero elettrocardiogramma con il semplice apparato illustrato nel ns. articolo che trovi qui. Per usare un apparato elettroencefalografico come sorgente per un elettrocardiogramma, cioè come un modo per vedere la traccia del battito cardiaco, il circuito utilizzerà 3 elettrodi: 2 per misurare una differenza di tensione sul cuoio capelluto e uno come riferimento a terra.

Se quanto fin qui illustrato ti pare troppo complicato e vuoi una scorciatoia, puoi anche considerare di percorrere completamente un’altra strada: acquisire i segnali elettroencefalografici, anziché con i normali elettrodi, tramite una cuffia Mindflex collegata in modalità wireless a un computer, ad es. tramite Arduino; e poi cercare su Internet, ad esempio, un codice (sketch) per Processing fatto da altri sia per l’analisi dello spettro di potenza che per la visualizzazione dei dati grezzi e di quelli elaborati.

La cuffia Mindflex, contenente sensori per la fronte ed i lobi delle orecchie, misura l’attività delle onde cerebrali. La puoi trovare in vendita online, ad es. qui.

La rappresentazione di informazioni nel dominio della frequenza equivale generalmente a mostrare i dati come la combinazione di molte onde sinusoidali con varie frequenze e ampiezze. Se hai un’onda sinusoidale pura, ad es. oscillante a 1 Hz, vedresti l’onda sinusoidale che tutti conosciamo e amiamo nel dominio del tempo, ma nel dominio della frequenza vedresti solo una linea in f = 1. Se nel tempo avessi un’onda creata aggiungendo un’onda sinusoidale a 1 Hz e una che era la metà dell’ampiezza della prima ma a 2 Hz, in frequenza si vedrebbero due linee: una a 1 Hz con un’altezza di 1 e una a 2 Hz con un’altezza di 0,5.

In pratica, puoi rappresentare segnali molto complicati (anzi, qualsiasi segnale!) come una combinazione di un numero (a volte un numero infinito) di onde sinusoidali. Il modo più comune per convertire i segnali dal dominio del tempo in frequenza è con la FFT (Fast Fourier Transform). Fa esattamente quello che ho appena descritto: prende come input una sezione del segnale nel dominio del tempo e produce bande corrispondenti alla concentrazione di determinate gamme di frequenze in quel segnale. Questi dati sono facilmente visualizzabili mostrando ogni banda come una barra con una certa altezza.

Esempio di onde cerebrali ottenute processando i dati forniti da una cuffia Mindflex.

AVVERTENZE. Qualsiasi cosa collegata elettricamente alla testa (o al cuore) è potenzialmente rischiosa. Non usarla se hai dei tagli dove vanno gli elettrodi, in quanto ciò può ridurre la resistenza della pelle. È necessario prestare particolare attenzione, soprattutto facendo attenzione a non collegare il dispositivo alla rete elettrica, poiché il cuore è molto sensibile alle piccole correnti elettriche. Utilizza il sistema a tuo rischio. Questo non è un dispositivo medico diagnostico o terapeutico.