- Oggetto:
- Oggetto:
Brain-machine interfaces
- Oggetto:
Brain-machine interfaces
- Oggetto:
Academic year 2022/2023
- Course ID
- NEU0275
- Teaching staff
- Prof. Silvestro Roatta (Lecturer)
Prof.ssa Martina Amanzio (Lecturer)
Luca Mesin (Lecturer) - Year
- 2nd year
- Teaching period
- Second semester
- Type
- Basic
- Credits/Recognition
- 4
- Course disciplinary sector (SSD)
- BIO/09 - physiology
M-PSI/02 - psychobiology and physiological psychology - Delivery
- Formal authority
- Language
- English
- Attendance
- Optional
- Type of examination
- Written and oral
- Oggetto:
Sommario del corso
- Oggetto:
Course objectives
The course aims to introduce the main types of brain-computer interfaces, discussing their characteristics, methodologies and applications through a multidisciplinary approach. The course will provide a review of the main investigative techniques, recalling the necessary physiological bases.
The most widespread biomedical signal processing techniques will be introduced: Fourier transform, signal filtering, spectral estimation, time-variant spectral estimation for non-stationary signals and complexity analysis. Furthermore, some classification and machine learning techniques will be introduced: extraction, generation and selection of features, classification (through different approaches, for example SVM, neural networks) accompanied by programming examples in Matlab to apply different methods to real signals.
The aspects of human-machine interaction that mostly involve the attentional and emotional sphere and the implications in the diagnostic and neuro-rehabilitation field will also be emphasized.
Il corso ha l’obiettivo di introdurre le principali tipologie di brain-computer interface, discutendone caratteristiche, metodologie e applicazioni attraverso un approccio multidisciplinare. Il corso fornirà una revisione delle principali tecniche investigative, richiamando le necessarie basi fisiologiche.
Saranno introdotte le più diffuse tecniche di elaborazione di segnali biomedici: trasformata di Fourier, filtraggio dei segnali, stima spettrale, stima spettrale tempo-variante per segnali non stazionari e analisi della complessità. Inoltre, saranno introdotte alcune tecniche di classificazione e machine learning: estrazione, generazione e selezione di features, classificazione (tramite diversi approcci, ad esempio SVM, reti neurali) accompagnate da esempi di programmazione in Matlab per applicare diversi metodi a segnali reali. Saranno inoltre enfatizzati gli aspetti dell'interazione uomo-macchina che coinvolgono maggiormente la sfera attentiva ed emotiva e le implicazioni in ambito diagnostico e neuro-riabilitativo.- Oggetto:
Results of learning outcomes
At the end of the course, students will acquire the necessary basis to orient themselves in the BCI world and use the different methodologies , with awareness of their limits and potential. They will also acquire theoretical knowledge of signal processing and classification and practical programming skills in Matlab. Finally, they will acquire skills on human-machine interactions from a neuropsychological and neuro-rehabilitative point of view, and about 'machine learning methods' predicting neuropsychological trajectories in ageing.
Al termine del corso, studenti e studentesse avranno acquisito i rudimenti necessari per orientarsi nel mondo BCI e utilizzare le diverse metodologie consapevolmente riguardo a limiti e potenzialità. Avranno inoltre acquisito conoscenze teoriche di elaborazione di segnali e classificazione e competenze pratiche di programmazione in Matlab. Avranno infine acquisito competenze sulle possibili interazioni uomo-macchina da un punto di vista neuropsicologico e neuro-riabilitativo, e come i ‘machine learning methods’ possano predire le traiettorie neuropsicologiche nell’invecchiamento.
- Oggetto:
Course delivery
Lectures, practical demonstrations, exercises in the computer room, collective discussions on articles taken from literature
Lezioni frontali, dimostrazioni pratiche, esercitazioni in aula informatica, discussioni collettive su articoli tratti dalla letteratura
- Oggetto:
Learning assessment methods
Learning assessment is based on a single written trial of 40-min duration.
Module 1 (Prof. Roatta): open-ended and/or multiple-choice questions (up to 10pts)
Module 2 (Prof. Mesin): open-ended and/or multiple-choice questions (up to 20pts)
Modulo 3 (Prof.ssa Amanzio): 10 multiple-choice questions (up to 10 pts)
Assesment of multiple-choice questions is as follows: correct answer: 1pt; wrong or no answer: 0 pts. The points attributed to open questions will be known in advance.
The total score (up to 40 pts) will be normalized to 32, to get the final mark out of thirty (with 31 and 32 = 30 cum laude)
La verifica dell'apprendimento si baserà su un’unica prova scritta della durata di 40 min così strutturata
Modulo 1 (Prof. Roatta): Domande a scelta multipla e/o a risposta aperta (max 10 punti)
Modulo 2 (Prof. Mesin): Domande a scelta multipla e/o a risposta aperta (max 20 punti)
Modulo 3 (Prof.ssa Amanzio): 10 domande a scelta multipla (max 10 punti)
Valutazione. Per le domande a scelta multipla, ad ogni risposta esatta verrà attribuito 1 punto, per le risposte omesse od errate 0 punti. Il peso relativo tra domande a scelta multipla e domande a risposta aperta viene comunicato anticipatamente.
ll punteggio complessivo (max 40 punti) viene poi normalizzato a 32 per ottenere il voto in trentesimi (31 e 32 corrispondono a 30 e Lode).
- Oggetto:
Program
The program includes a general introduction to brain-computer interfaces, the physiological bases, the main methodologies. It provides the basis of signal analysis in the time and frequency domain and elements of machine learning, with application examples in Matlab and integrates neuropsychological aspects of human-machine interaction with reference to the attentional and emotional dimension.
Il programma include un’introduzione generale alle brain-computer interface, le basi fisiologiche, le principali metodologie, fornisce i rudimenti di analisi dei segnali nel dominio del tempo e della frequenza e elementi di machine learning, con esempi applicativi in Matlab ed integra aspetti neuropsicologici dell’interazione uomo macchina con riferimento alla sfera attentiva ed emotiva.
Suggested readings and bibliography
- Oggetto:
Brain Computer Interfaces - Principles and practice, Wolpaw & Wolpaw, Oxford University Press, 2012
Handouts and articles from recent literature provided by the teachers
Brain Computer Interfaces -; Principles and practice, Wolpaw & Wolpaw, Oxford University Press, 2012
Dispense e articoli tratti dalla letteratura recente forniti dai docenti
- Oggetto:
Moduli didattici
- Brain-computer interfaces (NEU0275A)
- Fundamentals of signal processing and applications (NEU0275B)
- Human-machine interaction (NEU0275C)
- Oggetto:
