Scienza e Neurofeedback

Pratica utilizzata all’estero (Canada, UK, ecc.) da alcuni decenni con successo.

Cos’è il Neurofeedback

Il Neurofeedback (NFB) è un metodo non invasivo per misurare le onde mentali e migliorare le proprie performance mentali con un training dedicato.
Un leggero caschetto è utilizzato per la comprensione e la traduzione dei segnali elettrici emessi dal cervello; il sensore utilizzato legge i segnali ed opera come un ElettroEncefalografo.

An explanation of Neurofeedback
[Picture elaborated from here]

Il neurofeedback si è dimostrato negli anni come un trattamento clinicamente efficace, non invasivo e non farmaceutico in una serie di patologie; attraverso “brain games”, con il NFB si migliorano gli aspetti cognitivi e le attività quotidiani. Nella figura viene rappresentato una tipica modalità di funzionamento del NFB.

Utilizzi del Neurofeedback

Il Neurofeedback viene utilizzato per:
Supportare l’individuo nel fronteggiare situazioni negative a fronte di stress prolungati
Migliorare le peak performance dei top manager
Migliorare la reattività dell’individuo in situazioni di emergenza
Potenziare gli atleti a livello agonistico

Cos'è il Neurofeedback

Il Neurofeedback (NFB) è un metodo non invasivo per misurare le onde mentali e migliorare le proprie performance mentali con un training dedicato. Un leggero caschetto è utilizzato per la comprensione e la traduzione dei segnali elettrici emessi dal cervello; il sensore utilizzato legge i segnali ed opera come un ElettroEncefalografo.

Una spiegazione del Neurofeedback [Elaborazione da qui]

Il neurofeedback si è dimostrato negli anni come un trattamento clinicamente efficace, non invasivo e non farmaceutico in una serie di patologie; attraverso “brain games”, con il NFB si migliorano gli aspetti cognitivi e le attività quotidiani. Nella figura viene rappresentato una tipica modalità di funzionamento del NFB.

Utilizzi del Neurofeedback

Il Neurofeedback viene utilizzato per:
Supportare l’individuo nel fronteggiare situazioni negative a fronte di stress prolungati
Migliorare le peak performance dei top manager
Migliorare la reattività dell’individuo in situazioni di emergenza
Potenziare gli atleti a livello agonistico

Per saperne di più...

Di seguito vengono riportati alcuni articoli di approfondimento relativi al Neurofeedback e alla sua rilevanza scientifica.
Set My Brain si basa su 50 anni di ricerca scientifica nell’ambito delle Neuroscienze. Per un approfondimento sulle ricerche più recenti segnaliamo di seguito una bibliografia essenziale relativa a pubblicazioni inerenti il Neurofeedback ed il suo utilizzo per la valutazione dei processi cognitivi e il miglioramento delle Peak Performance.

  • Chung-Yen Liao, Rung-Ching Chen, Shao-Kuo Tai (2018). Emotion stress detection using EEG signal and deep learning technologies. 2018 IEEE International Conference on Applied System Invention (ICASI).
  • Davidson, R.J. (1992). Anterior cerebral asymmetry and the nature of emotion. Brain and Cognition factors. Psychophysiology, 35, 389-404.
  • Doppelmayr M., Weber E. (2011). Effects of SMR and Theta/Beta Neurofeedback on Reaction Times, Spatial Abilities, and Creativity, Journal of Neurotherapy, 15 (2), 115-129.
  • Gruzelier, J.H (2014). EEG-neurofeedback for optimising performance. A review of cognitive and affective outcome in healthy participants, Neuroscience & Biobehavioral Reviews, 44 124-141
  • Hammond, D.C. (2007). What is neurofeedback? Journal of Neurotherapy, 10 (4), 25-36.
  • Hao, Y., et al. (2014). A visual feedback design based on a Brain-Computer Interface to assist users regulate their emotional state. CHI ’14 Extended Abstracts on Human Factors in Computing Systems, 2491-2496, doi:10.1145/2559206.2581132.
  • Katie, C., Aidan, S., Ian, P. & Dave, M. (2010). Evaluating a brain-computer interface to categorise human emotional response. Proc. 10th IEEE International Conference on Advanced Learning Technologies, 276-278.
  • Katona, J., Farkas, I., Ujbanyi, T., Dukan, P., Kovari, A. (2014). Evaluation Of The Neurosky MindFlex EEG Headset Brain Waves Data. Proc. 12th IEEE International Symposium on Applied Machine Intelligence and Informatics, 91-94.
  • LeDoux J. (1996). The emotional brain. Phoenix, New York.
  • Lim, C.A. & Chia, W.C. (2015). Analysis of single-electrode EEG rhythms using MATLAB to elicit correlation with cognitive stress. International Journal of Computer Theory and Engineering, 7, 149-155, doi:10.7763/IJCTE.2015.V7.947.
  • Liu Y., Sourina O., Nguyen M.K. (2011). Real-Time EEG-Based Emotion Recognition and Its Applications. In: Gavrilova M.L., Tan C.J.K., Sourin A., Sourina O. (eds) Transactions on Computational Science XII. Lecture Notes in Computer Science, vol 6670. Springer, Berlin, Heidelberg, doi:10.1007/978-3-642-22336-5_13
  • Riera A., Soria-Frisch A., Albajes-Eizagirre A., Cipresso P., Grau C., Dunne S., Ruffini G. (2012). Electro-Physiological Data Fusion for Stress Detection. Studies in Health Technology and Informatics, Volume 181, Annual Review of Cybertherapy and Telemedicine, 228-232 , doi:10.3233/978-1-61499-121-2-228
  • Thut, G., Schyns, P.G. & Gross, J. (2011). Entrainment of perceptually relevant brain oscillations by non-invasive rhythmic stimulation of the human brain. Frontiers of Psychology, 170 (2). doi: 10.3389/ fpsyg.2011.00170.
  • Wilson V., Moss D., Peper E. (2006).  “The Mind Room” in Italian soccer training: The use of biofeedback and neurofeedback for optimum performance, Biofeedback, 34 (3), 79-81.
  • Zoefel, B., et al., (2011). Neurofeedback training of the upper alpha frequency band in EEG improves cognitive performance, NeuroImage, 54 (2), 1427-1431

Per saperne di più...

Di seguito vengono riportati alcuni articoli di approfondimento relativi al Neurofeedback e alla sua rilevanza scientifica. Set My Brain si basa su 50 anni di ricerca scientifica nell’ambito delle Neuroscienze. Per un approfondimento sulle ricerche più recenti segnaliamo di seguito una bibliografia essenziale relativa a pubblicazioni inerenti il Neurofeedback ed il suo utilizzo per la valutazione dei processi cognitivi e il miglioramento delle Peak Performance.
  • Chung-Yen Liao, Rung-Ching Chen, Shao-Kuo Tai (2018). Emotion stress detection using EEG signal and deep learning technologies. 2018 IEEE International Conference on Applied System Invention (ICASI).
  • Davidson, R.J. (1992). Anterior cerebral asymmetry and the nature of emotion. Brain and Cognition factors. Psychophysiology, 35, 389-404.
  • Doppelmayr M., Weber E. (2011). Effects of SMR and Theta/Beta Neurofeedback on Reaction Times, Spatial Abilities, and Creativity, Journal of Neurotherapy, 15 (2), 115-129.
  • Gruzelier, J.H (2014). EEG-neurofeedback for optimising performance. A review of cognitive and affective outcome in healthy participants, Neuroscience & Biobehavioral Reviews, 44 124-141
  • Hammond, D.C. (2007). What is neurofeedback? Journal of Neurotherapy, 10 (4), 25-36.
  • Hao, Y., et al. (2014). A visual feedback design based on a Brain-Computer Interface to assist users regulate their emotional state. CHI ’14 Extended Abstracts on Human Factors in Computing Systems, 2491-2496, doi:10.1145/2559206.2581132.
  • Katie, C., Aidan, S., Ian, P. & Dave, M. (2010). Evaluating a brain-computer interface to categorise human emotional response. Proc. 10th IEEE International Conference on Advanced Learning Technologies, 276-278.
  • Katona, J., Farkas, I., Ujbanyi, T., Dukan, P., Kovari, A. (2014). Evaluation Of The Neurosky MindFlex EEG Headset Brain Waves Data. Proc. 12th IEEE International Symposium on Applied Machine Intelligence and Informatics, 91-94.
  • LeDoux J. (1996). The emotional brain. Phoenix, New York.
  • Lim, C.A. & Chia, W.C. (2015). Analysis of single-electrode EEG rhythms using MATLAB to elicit correlation with cognitive stress. International Journal of Computer Theory and Engineering, 7, 149-155, doi:10.7763/IJCTE.2015.V7.947.
  • Liu Y., Sourina O., Nguyen M.K. (2011). Real-Time EEG-Based Emotion Recognition and Its Applications. In: Gavrilova M.L., Tan C.J.K., Sourin A., Sourina O. (eds) Transactions on Computational Science XII. Lecture Notes in Computer Science, vol 6670. Springer, Berlin, Heidelberg, doi:10.1007/978-3-642-22336-5_13
  • Riera A., Soria-Frisch A., Albajes-Eizagirre A., Cipresso P., Grau C., Dunne S., Ruffini G. (2012). Electro-Physiological Data Fusion for Stress Detection. Studies in Health Technology and Informatics, Volume 181, Annual Review of Cybertherapy and Telemedicine, 228-232 , doi:10.3233/978-1-61499-121-2-228
  • Thut, G., Schyns, P.G. & Gross, J. (2011). Entrainment of perceptually relevant brain oscillations by non-invasive rhythmic stimulation of the human brain. Frontiers of Psychology, 170 (2). doi: 10.3389/ fpsyg.2011.00170.
  • Wilson V., Moss D., Peper E. (2006).  “The Mind Room” in Italian soccer training: The use of biofeedback and neurofeedback for optimum performance, Biofeedback, 34 (3), 79-81.
  • Zoefel, B., et al., (2011). Neurofeedback training of the upper alpha frequency band in EEG improves cognitive performance, NeuroImage, 54 (2), 1427-1431
© 2021 Set My Brain | Revolve