9226 - Interfaccia cervello-computer per i Serious Games

Abstract

In settori ad alto rischio come l’aviazione, la difesa e le operazioni critiche, lo stress cognitivo ha un impatto diretto sull’attenzione, sul processo decisionale e sulle prestazioni complessive. Questa tesi presenta lo sviluppo di un sistema Brain-Computer Interface (BCI) per il rilevamento dello stress cognitivo tramite dati EEG (Elettroencefalografia) registrati durante l’esecuzione dello Stroop Test, un paradigma ampiamente utilizzato per indurre carico cognitivo.

Il progetto inizialmente era focalizzato sulla progettazione di giochi seri, ma si è evoluto in un problema applicativo di ricerca EEG. I test preliminari con il dispositivo EMOTIV Insight sono stati interrotti a causa delle limitazioni nell’accesso ai dati e nella flessibilità del software. L’impianto sperimentale è stato quindi ristrutturato utilizzando la scheda OpenBCI Cyton, abbinata a un casco EEG a 8 elettrodi stampato a partire dagli schemi 3D ufficiali di OpenBCI.

I segnali EEG sono stati acquisiti tramite l’interfaccia grafica OpenBCI GUI, configurata su un’interfaccia Bluetooth dedicata. Sono state registrate sei sessioni della durata di cinque minuti ciascuna: tre in condizioni di base e tre in condizioni di stress cognitivo indotto dallo Stroop Test. I segnali EEG sono stati pre-processati e segmentati in Potenziali Evento-Correlati (ERP), con particolare attenzione alla componente P300, che si manifesta tra i 300 e i 600 millisecondi dopo lo stimolo.

Sono state estratte, da ciascun segmento, caratteristiche come l’ampiezza di picco, la media e la varianza, utilizzate poi per l’addestramento di un classificatore Random Forest. Il modello ha raggiunto un’accuratezza di classificazione pari al 72,9%, con le caratteristiche più discriminative associate agli elettrodi frontali (FP1, FP2). Questi risultati supportano la fattibilità del rilevamento dello stress cognitivo in tempo reale e in modo non invasivo, ponendo le basi per una futura integrazione in piattaforme di neurotecnologia indo

In high-stakes domains such as aviation, defense, and critical operations, cog nitive stress has a direct impact on attention, decision making, and overall perfor mance. This thesis presents the development of a Brain-Computer Interface (BCI) system for detecting cognitive stress using Electroencephalography (EEG) data recorded during the Stroop Test, a widely adopted paradigm for inducing cognitive load. The project initially focused on serious game design but evolved into an applied EEG research problem. Preliminary testing with the EMOTIV Insight headset was discontinued due to limitations in data accessibility and software flexibility. The experimental setup was restructured using the OpenBCI Cyton board, paired with an 8-electrode EEG headset printed from official OpenBCI 3D schematics. EEG signals were acquired using the OpenBCI GUI, configured over a ded icated Bluetooth interface. Six five-minute sessions were recorded three under baseline conditions and three during Stroop-induced cognitive stress. The EEG signals were preprocessed and segmented into Event-Related Potentials (ERPs), with particular focus on the P300 component occurring between 300 and 600 mil liseconds post stimulus. Features including peak amplitude, mean, and variance were extracted from each segment and used to train a Random Forest classifier. The model achieved a classification accuracy of 72.9% with the most discriminative features associated with frontal electrodes (FP1, FP2). These results support the feasibility of real time, noninvasive cognitive stress detection and provide a foundation for future integration into wearable neurotechnology platforms