s-LORETA

sLORETA (acronimo di standardized low resolution electromagnetic tomography) è una tecnica computazionale descritta per la prima volta nel 2002 da Pascual-Marqui che permette di correlare l’attività EEG rilevata sullo scalpo, con le specifiche aree della corteccia cerebrale da cui si origina tale attività.

Per capire l’importanza del sLORETA neurofeedback, bisogna prima comprendere cosa il segnale EEG effettivamente rappresenta e cosa no.

L’EEG è un utilissimo indicatore di alcuni aspetti delle funzioni cerebrali, ma non è una misura diretta di come vengono elaborate le informazioni all’interno delle strutture cerebrali. Non permette quindi di fare correlazioni causali tra i segnali rilevati sul cuoio capelluto e l’effettiva attività cerebrale locale.
È un po’ come mettere le mani sul computer, sentire il calore, rendersi conto che l’elaborazione sta avvenendo all’interno, ma non poter
essere precisi su dove abbia luogo esattamente l’elaborazione.

L’algorimto sLORETA è un brillante ed efficace tentativo computazionale di risolvere questo problema perché consente di collegare i segnali EEG di superficie alle aree cerebrali che li hanno effettivamente prodotti.
Utilizzando un sensore a 19 canali e un software di correlazione della sorgente, sLORETA calcola la distribuzione tridimensionale di 2394 voxel di 7 mm³ delle sorgenti di attività elettrica neuronale, generando una mappa topografica dei pattern di attivazione di tutte le aree cerebrali note.

Essere in grado di mappare queste strutture è un importante passo avanti nel brainmapping e consente il neurofeedback 3D. Grazie a questo software (in dotazione presso lo studio) è possibile selezionare specifiche aree cerebrali da allenare, aumentando significativamente la precisione e l’efficacia della sessione.

Le tecniche basate su sLORETA possono anche anche essere combinate con gli approcci Z-Score per ottenere una valutazione e una formazione dei voxel basata su dati normativi.