Valutazione del carico mentale mediante EEG
Tesi magistrale e tirocinio di ricerca · g.tec medical engineering
Sviluppo e validazione di pipeline EEG per task N-back con manipolazioni del carico di memoria e della velocità di presentazione. Il lavoro ha incluso acquisizione su partecipanti, controllo qualità, preprocessing, analisi spettrale ed ERP, feature extraction, classificazione e validazione.
Obiettivo
Il progetto ha studiato la capacità di marker EEG e modelli di machine learning di distinguere condizioni di carico mentale in due paradigmi N-back.
Attività svolte
- Setup dei partecipanti, controllo impedenze, monitoraggio dell’acquisizione e troubleshooting.
- Preprocessing in Python/MNE, controllo qualità, feature spettrali e analisi ERP.
- Classificazione supervisionata con valutazione leakage-aware su sessioni separate e tra partecipanti.
- Analisi dei tempi minimi di osservazione, non stazionarietà temporale e generalizzazione cross-paradigm.
Output scientifico
Il lavoro ha contribuito al manoscritto “EEG markers of mental workload in N-back tasks: temporal dynamics, classification, and generalization”, attualmente in peer review presso Frontiers in Neuroergonomics, con co-prima authorship.
Immagini tratte dal materiale originale di tesi/ricerca.