Ottimizzazione di una rete neurale ricorrente per la classificazione di pazienti affetti da Alzheimer tramite pre-processamento del segnale EEG

L’obiettivo della tesi è fornire un’analisi delle principali caratteristiche di una rete neurale già implementata e descrivere i metodi utilizzati per migliorare i risultati del modello, in particolare quelli finalizzati al pre-processamento dei segnali EEG. La rete è stata addestrata a distinguere un paziente sano da uno affetto da Alzheimer, utilizzando un dataset ottenuto dalle analisi EEG di 35 pazienti: 20 malati, 15 sani. Questi dati provengono dal Dipartimento di Medicina Sperimentale e Clinica di Ancona. Prima di essere dati in input alla rete, tutti i segnali EEG sono stati convertiti in un formato adeguato, per poi essere pre-elaborati tramite diverse tecniche di riduzione del rumore, con l’obiettivo di rimuovere gli artefatti.