Design of an embedded prototyping platform for brain-computer interfaces

During the last years the development of Brain-Computer Interface (BCI) systems has experienced a rapid growth, due to the availability of more accurate and sophisticated signal processing algorithms and to an increasing understanding of brain signals. Thus, the range of BCI applications has been significantly widening, paving the way for a completely novel and more natural user experience in controlling remote devices. Nowadays, the reduced portability of BCI systems limits their adoption in everyday applications, exacerbating the fine-tuning, testing and use in real-life scenarios. The ever-increasing computational power and flexibility of embedded systems make them a viable solution to alleviate this issue. This thesis proposes an infrastructure based on the NVIDIA Jetson TX2 embedded system designed to achieve this goal. In particular, it has been designed to be portable, modular, and compatible with the most popular BCI frameworks and commercial acquisition devices. Moreover, it enables for a rapid design, implementation and testing of BCI systems, notably reducing deployment time with respect to state-of-the-art architectures. The effectiveness of the proposed system has been evaluated in implementing a BCI system able to solve a two classes motor imagery problem (left vs right).

Negli ultimi anni lo sviluppo di Brain-Computer Interface (BCI) ha avuto una rapida crescita, grazie alla disponibilità di algoritmi di elaborazione dei segnali più accurati e sofisticati e ad una crescente comprensione dei segnali cerebrali. Quindi, gli utilizzi delle BCI si sono notevolmente ampliati, aprendo la strada a modi completamente nuovi e più naturali per il controllo di dispositivi remoti. Attualmente, la ridotta portabilità delle BCI limita la loro adozione nelle applicazioni di tutti i giorni, esacerbandone la messa a punto, la verifica e l'uso in contesti reali. La sempre crescente capacità computazionale e la flessibilità dei sistemi embedded li rende una possibile soluzione per alleviare questo problema. Questa tesi propone un'infrastruttura basato sul sistema embedded NVIDIA Jetson TX2 progettata per raggiungere questo obiettivo. In particolare, essa è stata progettata per essere portabile, modulare e compatibile con i più diffusi framework per BCI e dispositivi commerciali per l'acquisizione dei segnali. Inoltre, essa permette una rapida progettazione, implementazione e validazione delle BCI, riducendo notevolmente i tempi per arrivare al loro impiego rispetto allo stato dell'arte. L'efficacia del sistema proposto è stata testata implementando una BCI capace di risolvere un problema binario di motor imagery (destra contro sinistra).