Development of an EEG–sEMG Acquisition and Processing Pipeline for Corticomuscular Coherence Analysis during Motor Execution, Motor Imagery, and Action Observation: Towards Neurorehabilitation Applications

Motor impairments associated with neurological disorders highlight the need for rehabilitation strategies capable of engaging motor-related neural processes even when voluntary movement is limited. Motor Imagery (MI) and Action Observation (AO) represent promising approaches in this context, as they involve motor-related processes without requiring overt movement. The combined analysis of electroencephalographic (EEG) and surface electromyographic (sEMG) signals may provide useful information on the relationship between cortical activity and muscular activation through cortico-muscular coherence (CMC). However, this analysis requires accurate temporal synchronization between independently acquired signals and careful consideration of the methods used to estimate their functional relationship. The aim of this thesis was to develop and validate a processing framework for the synchronization and combined analysis of EEG and sEMG recordings and to investigate cortico-muscular interactions during Motor Execution (ME), MI with and without metronome (MI-M and MI-F), and AO. The experimental study involved seven healthy, right-handed participants. EEG and sEMG signals were acquired using independent recording systems and synchronized through an external Arduino-based reference. Different synchronization marker configurations were evaluated, and a linear temporal correction was implemented to compensate for the drift between acquisition timelines. The effects of EEG temporal re-alignment and interpolation were assessed using Sample Entropy. Following synchronization, the signals underwent filtering, resampling, spatial processing, and trial segmentation. CMC was then estimated using complementary Fourier- and wavelet-based approaches, considering the alpha, beta, and gamma frequency bands and selected frontal, parietal, and sensorimotor EEG regions. Both the original pre-processed EEG and EEG modified according to the sEMG-informed procedure proposed by Zhang et al. were analyzed. Statistical comparisons were performed to assess the effect of EEG modification and the differences among experimental conditions. The synchronization analysis identified a configuration consisting of two initial and two final pulses separated by 50 ms as the most suitable among those tested, achieving a residual synchronization error of 1.26±0.22 ms after drift correction. Sample Entropy analysis indicated relatively limited changes in signal temporal complexity following EEG interpolation. The Zhang-based modification produced a significant increase in estimated CMC with both Fourier and wavelet approaches. The analysis of experimental conditions revealed substantial differences between the two methods: Fourier-based CMC identified few significant condition-dependent differences with the original EEG, whereas these became more frequent after Zhang modification. Conversely, wavelet-based CMC detected condition-dependent differences more frequently even before EEG modification, with a further increase after processing. The two approaches also showed different directional tendencies, with Fourier-based results more frequently favoring ME and MI-M in specific comparisons, while wavelet-based results generally favored MI-F and AO. Overall, the findings demonstrate the feasibility of synchronized EEG–sEMG analysis and highlight the influence of processing and estimation methods on CMC. Since Zhang modification incorporates sEMG information into EEG processing, increased coherence does not necessarily indicate stronger physiological cortico-muscular coupling. The limited sample size and subject-specific comparisons also restrict generalizability. The proposed framework provides a basis for investigating motor-related EEG–sEMG interactions, although further validation is needed to establish their physiological specificity and potential applicability to neurorehabilitation.

I deficit motori associati ai disturbi neurologici evidenziano la necessità di strategie riabilitative capaci di coinvolgere i processi neurali legati al movimento anche quando l'esecuzione volontaria risulta limitata. L'immaginazione motoria (Motor Imagery, MI) e l'osservazione dell'azione (Action Observation, AO) rappresentano approcci promettenti, poiché coinvolgono tali processi senza richiedere movimenti effettivi. L'analisi combinata dei segnali elettroencefalografici (EEG) ed elettromiografici di superficie (sEMG) permette di studiare la relazione tra attività corticale e muscolare attraverso la coerenza cortico-muscolare (Cortico-Muscular Coherence, CMC). Tale analisi richiede tuttavia un'accurata sincronizzazione dei segnali acquisiti indipendentemente e un'attenta scelta dei metodi di stima. L'obiettivo della tesi è stato sviluppare e validare una procedura per sincronizzare e analizzare congiuntamente segnali EEG e sEMG, studiando le interazioni cortico-muscolari durante l'esecuzione motoria (Motor Execution, ME), l'immaginazione motoria con e senza metronomo (MI-M e MI-F) e l'osservazione dell'azione (AO). Lo studio ha coinvolto sette soggetti sani destrimani. I segnali EEG e sEMG, acquisiti mediante sistemi indipendenti, sono stati sincronizzati tramite un riferimento esterno basato su Arduino. Sono state confrontate diverse configurazioni dei marcatori e applicata una correzione temporale lineare per compensare la deriva tra i sistemi. Gli effetti del riallineamento e dell'interpolazione EEG sono stati valutati mediante l'entropia campionaria (Sample Entropy). Dopo sincronizzazione, filtraggio, ricampionamento, elaborazione spaziale e segmentazione, la CMC è stata stimata mediante approcci Fourier e wavelet nelle bande alpha, beta e gamma, considerando regioni EEG frontali, parietali e sensomotorie. Sono stati confrontati i segnali EEG originali pre-elaborati e quelli modificati secondo la procedura di Zhang et al., basata su informazioni derivate dall'sEMG, valutando statisticamente gli effetti della modifica e le differenze tra condizioni sperimentali. La configurazione di sincronizzazione più adeguata tra quelle testate prevedeva due impulsi iniziali e due finali separati da 50 ms, con un errore residuo di 1,26 ± 0,22 ms dopo la correzione della deriva. La Sample Entropy ha evidenziato variazioni relativamente contenute della complessità temporale dopo l'interpolazione EEG. La modifica di Zhang ha prodotto un aumento significativo della CMC stimata con entrambi gli approcci. Tuttavia, i risultati relativi alle condizioni sperimentali sono risultati differenti: l'analisi Fourier ha individuato poche differenze significative con l'EEG originale, divenute più frequenti dopo la modifica, mentre l'analisi wavelet ha rilevato differenze frequenti già prima dell'elaborazione, con un ulteriore incremento successivo. Inoltre, i confronti Fourier hanno favorito più frequentemente ME e MI-M in specifiche comparazioni, mentre quelli wavelet hanno generalmente favorito MI-F e AO. Nel complesso, i risultati dimostrano la fattibilità dell'analisi sincronizzata EEG–sEMG ed evidenziano l'influenza delle procedure di elaborazione e dei metodi di stima sulla CMC. Poiché la modifica di Zhang incorpora informazioni sEMG nell'elaborazione EEG, l'aumento della coerenza non indica necessariamente un rafforzamento dell'accoppiamento cortico-muscolare fisiologico. La limitata numerosità del campione e i confronti condotti separatamente per soggetto restringono inoltre la generalizzabilità dei risultati. La procedura sviluppata costituisce una base metodologica per studiare le interazioni EEG–sEMG durante compiti motori, sebbene siano necessarie ulteriori validazioni per chiarire la specificità fisiologica degli effetti osservati e la loro potenziale applicabilità alla neuroriabilitazione.