ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-07012009-135335


Tipo di tesi
Tesi di laurea specialistica
Autore
TARTARISCO, GENNARO
URN
etd-07012009-135335
Titolo
Progettazione e realizzazione di un sistema indossabile wireless per l'analisi e classificazione dell'attivita motoria
Dipartimento
INGEGNERIA
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
relatore Pioggia, Giovanni
relatore Tognetti, Alessandro
relatore Ferro, Marcello
Parole chiave
  • classificazione
  • accelerometro
  • sistema indossabile
Data inizio appello
21/07/2009
Consultabilità
Non consultabile
Data di rilascio
21/07/2049
Riassunto
Negli ultimi decenni l’intelligenza umana sta raggiungendo livelli sempre più elevati in termini di complessità; è riuscita a dar vita a scenari che fino a poco tempo fa dimoravano esclusivamente nell’immaginario collettivo. Ne sono un esempio le tecnologie elettroniche ed informatiche applicate alla medicina dove le conoscenze sono usate al fine di migliorare la qualità della vita. Tutto ciò consente maggiori controlli sulla salute segnalando il ruolo crescente dell’innovazione tecnologica e dell’uso di sistemi avanzati. In ambito biomedico, il settore della Gait Analysis (GA) si pone come obiettivo quello di capire l’intima natura del movimento umano attraverso l’analisi e la quantizzazione del fenomeno stesso resa possibile oggi grazie allo sviluppo delle nanotecnologie, della sensoristica e di tecniche computazionali sempre più avanzate. Tali ricerche si stanno dimostrando preziose nell’arricchire ed integrare i tradizionali metodi di valutazione di funzionalità e, in molti casi, possono fornire informazioni ed indici di grande utilità nella scelta e nel controllo dei percorsi terapeutici ottimi. Lo studio dell’alterazione posturale e motoria in pazienti con problemi motori può dare informazioni molto importanti per conoscere il livello di limitazione funzionale conseguente alla patologia e del suo evolversi nel tempo. Inoltre questi studi forniscono importanti elementi di valutazione dell’efficacia di interventi riabilitativi nel recupero delle alterazioni conseguenti allo stato patologico. Risulta quindi di fondamentale importanza potersi avvalere di tecniche innovative e strumentazioni all’avanguardia che permettano di descrivere, quantificare e valutare il movimento. Un movimento particolarmente significativo della situazione motoria del paziente è la camminata, movimento molto complesso che vede coinvolte sinergicamente diverse articolazioni e risultato di interazioni estremamente raffinate tra i diversi muscoli e le diverse articolazioni. Per questo motivo l’analisi del cammino risulta particolarmente importante avendo come obiettivo l’acquisizione di informazioni cliniche quantitative dettagliate in grado di caratterizzare la deambulazione di un soggetto patologico. In particolare questo obiettivo è raggiunto dalla GA o analisi computerizzata della deambulazione. Mediante questa analisi si ha la possibilità di definire, attraverso l’uso di apparecchiature sofisticate, integrate tra di loro, il pattern spazio-temporale deambulatorio del soggetto in esame. Grazie ad alcune sue importanti proprietà, quali la non invasività, la possibilità di ripetere l’esame più volte in un arco di tempo ridotto, il carattere quantitativo e la tridimensionalità dei dati forniti, essa si pone come fondamentale strumento di indagine nell’analisi del movimento umano. Attualmente i sistemi di GA forniscono informazioni sulla cinematica (velocità e accelerazione degli arti), sulla dinamica (momenti e potenze delle articolazioni) e sull’elettromiografia (attivazione e disattivazione muscolare). Le informazioni sulla cinematica possono essere acquisite attraverso l’uso di sistemi indossabili in grado di rilevare e registrare i segnali del corpo umano. Molto di questo lavoro si concentra sull’utilizzo di sensori tradizionali (ad esempio, elettrocardiografi, impulso ossimetri) per monitorare parametri vitali e per il recupero del movimento di arti danneggiati mediante l’uso di accelerometri e giroscopi. Tra le molteplici applicazioni ritroviamo l'assistenza domiciliare degli anziani e dei disabili, diventata ormai una questione importante per la società futura, mediante una attività di monitoraggio remoto per agevolare la sicurezza di avvertimento e di salva-vita. Le ricerche sui sistemi indossabili inoltre potrebbero essere un metodo alternativo ai costosi sistemi optoelettronici per fornire importanti risultati sulla comprensione della fisiologia del movimento specie nei pazienti disabili con problemi neuro-motori, al fine di effettuare una diagnosi e cura sempre più appropriata. In questo lavoro di tesi è stato realizzato un sistema indossabile versatile e di dimensioni ridotte costituito da un accelerometro realizzato con tecnologia MEMs, collegato ad un microcontrollore ed alimentato a batteria. Ogni dispositivo comunica wireless mediante protocollo Zigbee e trasmette dati Real-Time ad un computer attraverso un’interfaccia grafica opportunamente realizzata. Successivamente i segnali sono stati acquisiti ed elaborati tramite tecniche di pattern recognition e reti neurali artificiali al fine di classificare diversi movimenti. Un tale sistema potrebbe fornire informazioni estremamente importanti per la correzione di disfunzioni neurofisiologiche specie nella postura e nella camminata.
Nel primo capitolo è stato introdotto lo scenario di GA in cui si inserisce il seguente lavoro di tesi, riportando lo stato dell’arte sui diversi sistemi di monitoraggio utilizzati attualmente, quali sistemi optoelettronici, sistemi dinamici con piattaforme di forza, sistemi elettromiografici e sistemi portatili. Inoltre è stato descritto l’utilizzo della GA in ambito clinico. Nel secondo capitolo sono state descritte tutte le fasi che hanno portato alla realizzazione e progettazione del dispositivo, analizzando in dettaglio l’accelerometro, il setting del microcontrollore, il protocollo di comunicazione, la realizzazione di un’interfaccia grafica per l’acquisizione del segnale ed il protocollo sperimentale adottato per il posizionamento del dispositivo realizzato. Nel terzo capitolo è stato tracciato un quadro esaustivo sull’analisi dei segnali acquisiti,partendo dall’estrazione dei parametri significativi mediante analisi con wavelet, fino ad arrivare al riconoscimento delle classi di movimento attraverso classificatori a reti neurali. Nel quarto ed ultimo capitolo sono presentati i risultati dei test di valutazione delle prestazioni dei classificatori utilizzati, confrontandoli tra di loro e variando alcuni parametri strutturali delle reti neurali.
File