• interfaccia con C#
• analisi del movimento
• accelerometro
• giroscopio
• sensori inerziali
• Bluetooth
• microcontrollore STM
• malattia di Parkinson
• analisi del cammino

Recenti teorie nella diagnosi della malattia di Parkinson hanno messo in luce la possibilità di
condurre una diagnosi preventiva prima della manifestazione dei sintomi clinici caratteristici
della patologia; tali teorie sono basate sull’individuazione di marcatori biologici (biomarker )
preclinici in grado di essere messi in relazione con la presenza della malattia nel soggetto; l’analisi
dello stato dell’arte ha messo in luce l’esistenza di diversi marcatori, come l’analisi dell’olfatto
o metodologie di imaging nucleare, il cui utilizzo è tuttavia limitato dall’efficacia del marker o
dai costi derivanti dal suo utilizzo. Tra i vari marcatori proposti, è possibile annoverare anche
parametri biomeccanici relativi agli arti inferiori, notevolmente vantaggiosi in termini di facilità
di acquisizione e elaborazione; l’analisi di questi marcatori ha rappresentato l’oggetto di studio
svolto in questo lavoro di tesi.
Gli obiettivi della tesi sono la progettazione, lo sviluppo e la sperimentazione di un sistema di
sensori inerziali per l’acquisizione e l’analisi di parametri biomeccanici focalizzati a descrivere il
movimento del piede del soggetto, in modo tale da realizzare uno strumento applicabile al piede
della persona ed in grado di fornire parametri quantitativi utilizzabili da figure mediche nella
diagnosi preventiva della malattia.
Il sistema è basato sulla piattaforma iNemo prodotta da STMicroelectronics, costituita da un
set di sensori inerziali (accelerometro, giroscopio, magnetometro) in grado di acquisire valori
lungo i tre assi cardinali e gestiti da un microcontrollore a 32-bit (STM32F103RE prodotto da
STMicroelectronics ); nel lavoro svolto è stato riprogrammato il firmware del microcontrollore,
implementando un algoritmo per ottenere a frequenza definita i singoli valori dai diversi sensori e
per inviare il risultato della lettura ad un PC remoto. La comunicazione avviene attraverso una
coppia di moduli Bluetooth, la cui programmazione è parte integrante del lavoro di tesi condotto,
realizzando un sistema di acquisizione totalmente wireless. Per la lettura e il salvataggio del dato,
è stata realizzata un’interfaccia grafica in linguaggio C# per il controllo grafico delle impostazioni
della porta seriale, la visualizzazione dei dati in arrivo ed il salvataggio di questi su un file di
testo.
Infine, è stata condotta l’analisi dei segnali acquisiti, realizzando nell’ambiente MatLab un al-
goritmo di sensor fusion per il calcolo dei parametri biomeccanici precedentemente indicati. In
particolare, il calcolo delle distanze richieste avviene basandosi su una doppia integrazione dei
1Recenti teorie nella diagnosi della malattia di Parkinson hanno messo in luce la possibilità di
condurre una diagnosi preventiva prima della manifestazione dei sintomi clinici caratteristici
della patologia; tali teorie sono basate sull’individuazione di marcatori biologici (biomarker )
preclinici in grado di essere messi in relazione con la presenza della malattia nel soggetto; l’analisi
dello stato dell’arte ha messo in luce l’esistenza di diversi marcatori, come l’analisi dell’olfatto
o metodologie di imaging nucleare, il cui utilizzo è tuttavia limitato dall’efficacia del marker o
dai costi derivanti dal suo utilizzo. Tra i vari marcatori proposti, è possibile annoverare anche
parametri biomeccanici relativi agli arti inferiori, notevolmente vantaggiosi in termini di facilità
di acquisizione e elaborazione; l’analisi di questi marcatori ha rappresentato l’oggetto di studio
svolto in questo lavoro di tesi.
Gli obiettivi della tesi sono la progettazione, lo sviluppo e la sperimentazione di un sistema di
sensori inerziali per l’acquisizione e l’analisi di parametri biomeccanici focalizzati a descrivere il
movimento del piede del soggetto, in modo tale da realizzare uno strumento applicabile al piede
della persona ed in grado di fornire parametri quantitativi utilizzabili da figure mediche nella
diagnosi preventiva della malattia.
Il sistema è basato sulla piattaforma iNemo prodotta da STMicroelectronics, costituita da un
set di sensori inerziali (accelerometro, giroscopio, magnetometro) in grado di acquisire valori
lungo i tre assi cardinali e gestiti da un microcontrollore a 32-bit (STM32F103RE prodotto da
STMicroelectronics ); nel lavoro svolto è stato riprogrammato il firmware del microcontrollore,
implementando un algoritmo per ottenere a frequenza definita i singoli valori dai diversi sensori e
per inviare il risultato della lettura ad un PC remoto. La comunicazione avviene attraverso una
coppia di moduli Bluetooth, la cui programmazione è parte integrante del lavoro di tesi condotto,
realizzando un sistema di acquisizione totalmente wireless. Per la lettura e il salvataggio del dato,
è stata realizzata un’interfaccia grafica in linguaggio C# per il controllo grafico delle impostazioni
della porta seriale, la visualizzazione dei dati in arrivo ed il salvataggio di questi su un file di
testo.
Infine, è stata condotta l’analisi dei segnali acquisiti, realizzando nell’ambiente MatLab un al-
goritmo di sensor fusion per il calcolo dei parametri biomeccanici precedentemente indicati. In
particolare, il calcolo delle distanze richieste avviene basandosi su una doppia integrazione dei
valori forniti dall’accelerometro; tuttavia, il risultato di questa operazione è fortemente distur-
bato dal rumore presente nel segnale e, soprattutto, dalla mancanza di una ridefinizione delle
condizioni iniziali per ogni passo della camminata che conduce alla formulazione di un errore
complessivo cumulativo. In questo modo l’analisi della camminata risulterebbe compromessa già
dopo pochi passi. L’idea utilizzata, invece, è basata su un algoritmo di zero velocity update : i
passi all’interno della camminata sono analizzati in maniera indipendente, provvedendo ad una
segmentazione di questi e delle diverse fasi all’interno di ogni passo basata sulle informazioni
provenienti dal giroscopio.
In conclusione, il lavoro svolto ha consentito di produrre un sistema a low cost non invasivo ed
indossabile, in grado di fornire misurazioni quantitative dei parametri biomeccanici utili nella
diagnosi precoce della malattia di Parkinson e, inoltre, utilizzabile anche in applicazioni di te-
lemonitoraggio, svincolando l’analisi dal contesto ambulatoriale; gli immediati sviluppi futuri di
questo lavoro sono rappresentati dalla possibilità di progettazione di un hardware ad hoc, mi-
rando a ridurre ulteriormente le dimensioni della strumentazione, e dall’utilizzo applicativo del
sistema messo a punto, conducendo un lavoro di sperimentazione e validazione su pazienti di
Parkinson. Un successo nella diagnosi preventiva della malattia di Parkinson darebbe luogo ad
valori forniti dall’accelerometro; tuttavia, il risultato di questa operazione è fortemente distur-
bato dal rumore presente nel segnale e, soprattutto, dalla mancanza di una ridefinizione delle
condizioni iniziali per ogni passo della camminata che conduce alla formulazione di un errore
complessivo cumulativo. In questo modo l’analisi della camminata risulterebbe compromessa già
dopo pochi passi. L’idea utilizzata, invece, è basata su un algoritmo di zero velocity update : i
passi all’interno della camminata sono analizzati in maniera indipendente, provvedendo ad una
segmentazione di questi e delle diverse fasi all’interno di ogni passo basata sulle informazioni
provenienti dal giroscopio.
In conclusione, il lavoro svolto ha consentito di produrre un sistema a low cost non invasivo ed
indossabile, in grado di fornire misurazioni quantitative dei parametri biomeccanici utili nella
diagnosi precoce della malattia di Parkinson e, inoltre, utilizzabile anche in applicazioni di te-
lemonitoraggio, svincolando l’analisi dal contesto ambulatoriale; gli immediati sviluppi futuri di
questo lavoro sono rappresentati dalla possibilità di progettazione di un hardware ad hoc, mi-
rando a ridurre ulteriormente le dimensioni della strumentazione, e dall’utilizzo applicativo del
sistema messo a punto, conducendo un lavoro di sperimentazione e validazione su pazienti di
Parkinson. Un successo nella diagnosi preventiva della malattia di Parkinson darebbe luogo ad
enormi vantaggi per il benessere del paziente, consentendo di intervenire prima con una mirata
cura farmacologica, rallentando il decorso della malattia e ritardo lo sviluppo dei sintomi motori.