DOTTORATO NAZIONALE IN INTELLIGENZA ARTIFICIALE

Titolo della tesi: Accessible and Explainable AI for EEG Decoding in Brain-Computer Interfaces

Il campo delle BCI sta emergendo sempre più come un dominio di ricerca e sperimentazione di grande rilievo, con implicazioni crescenti per il benessere e l’attività umana. In questo contesto, il segnale EEG, in quanto rappresentazione dell’attività cerebrale, costituisce uno strumento cruciale che consente sia l’indagine di meccanismi neurali ancora in larga parte inesplorati, sia l’adozione di interventi in molteplici ambiti applicativi, tra cui la riabilitazione motoria, la regolazione emotiva e la promozione della salute mentale. Negli ultimi anni, lo sviluppo tecnologico ha accelerato in modo significativo, trainato in particolare dalla crescita esponenziale di modelli e metodologie nell’ambito dell’AI. L’adozione di tecniche di ML e DL rende oggi possibile l’interpretazione e la decodifica di pattern altamente complessi nei segnali EEG, in gran parte inaccessibili ai metodi analitici tradizionali. Allo stesso tempo, l’AI è sempre più riconosciuta come una forza trasformativa in ambito sanitario, offrendo opportunità senza precedenti per avanzare nella diagnosi, nella gestione clinica e nello sviluppo di soluzioni innovative nel dominio delle BCI. Questa tesi di dottorato si colloca all’intersezione tra le neuroscienze e l’AI ed è strutturata principalmente attorno a due aree di ricerca complementari. In primo luogo, affronta lo sviluppo e l’integrazione di tecniche avanzate di pre-processing EEG, progettate per operare sia nell’analisi offline sia in applicazioni in tempo reale. In secondo luogo, indaga sull’applicazione di modelli all’avanguardia di ML e DL per la decodifica e l’analisi dei pattern EEG. I contributi pratici presentati in questa tesi introducono strumenti e framework volti a colmare il divario tra la ricerca in AI e la sua traduzione in applicazioni nel mondo reale. Integrando i principi della XAI, i modelli sviluppati nei lavori successivi sono progettati per essere trasparenti e interpretabili. Ciascun contributo è descritto nel dettaglio nel rispettivo capitolo, offrendo una panoramica completa della ricerca condotta e del suo impatto nei campi dell’intelligenza artificiale e delle neuroscienze computazionali.