ORGANIZZAZIONE DI UN DATASET PER IL RICONOSCIMENTO DELLE EMOZIONI SECONDO LO STANDARD BIDS

Data standardization, in science, is a fundamental goal in order to help research. In fact, taking advantage of a unified format makes it possible to use automated tools to process and analyze data and frees scientists from having to convert data. The purpose of this thesis is to organize raw electroencephalographic (EEG) data into a standard format known as Brain Imaging Data Structure (BIDS). EEG signals were collected from a sample of 30 college students aged between 18 and 35 (16 males and 14 females). The experiment involves volunteers watching 40 music video clips. Each song was chosen in order to arouse a particular emotion, defined according to a scale known as Russell's 2D model. The goal of the experiment is to train an artificial intelligence model that can recognize an individual's emotions from EEG signals obtained from relatively inexpensive devices. The EEG signals were recorded at a sampling rate of 256 Hz using the Muse EEG headset. This device, unlike other competitors with the same purpose, has a lower number of electrodes, 4, and is, therefore, cheaper. The recorded channels are AF7, TP9, TP10 and AF8.

La standardizzazione dei dati, in ambito scientifico, è un obiettivo fondamentale al fine di facilitare la ricerca. Sfruttare un formato unico per tutti rende possibile, infatti, l’utilizzo di strumenti automatici per il processamento e l’analisi dei dati e libera gli scienziati dalla necessità di doverli convertire. Lo scopo di questa tesi è quello di organizzare dei dati elettroencefalografici (EEG) grezzi in un formato standard noto come Brain Imaging Data Structure (BIDS). I segnali EEG sono stati raccolti da un campione di 30 studenti universitari di età compresa tra i 18 e i 35 anni (16 maschi e 14 femmine). L’esperimento prevede la visualizzazione da parte dei volontari di 40 videoclip musicali. Ciascun brano è stato scelto al fine di suscitare una particolare emozione, definita secondo una scala nota come modello di Russell in 2D. L’obiettivo dell’esperimento è quello di realizzare un modello di intelligenza artificiale che sia in grado di riconoscere le emozioni di un individuo a partire dai segnali EEG ricavati da dispositivi relativamente poco costosi. La registrazione dei segnali EEG è avvenuta con una frequenza di campionamento di 256 Hz utilizzando il caschetto Muse EEG. Tale dispositivo, a differenza di altri concorrenti con il medesimo scopo, è caratterizzato da un numero di elettrodi inferiore, pari a 4, ed è di conseguenza più economico. I canali registrati sono AF7, TP9, TP10 e AF8.