• integrated system
• monitoraggio
• monitoring
• neonatal
• neonatale
• non-invasive system
• sistema integrato
• sistema non invasivo
• termoregolazione
• thermoregulation

La termoregolazione, ovvero la capacità di mantenere una temperatura adeguata, è una questione di notevole interesse e complessità nella comunità scientifica nell'ambito della neonatologia. Nei primi istanti di vita i neonati, sia pretermine che a termine, presentano sistemi di regolazione della temperatura immaturi che li rendono vulnerabili alle condizioni di temperatura extra-uterina. Questo studio propone di monitorare, in contesto ospedaliero mediante un sistema integrato e non invasivo le variazioni di temperatura del neonato nelle prime ore di vita. L’obiettivo è quello di preparare il terreno per uno studio più ampio che, attraverso l’acquisizione e la valutazione di pattern termici sul neonato, sarà in grado di valutare il suo benessere fisico. Inoltre, verrà valutato se la stabilizzazione termica possa essere migliorata con l’attuazione di una pratica, nota come contatto pelle a pelle (SSC), tra madre e neonato, o eventualmente tra padre e neonato.
L’ hardware utilizzato per tale scopo si compone di termocamera, sensore rgb, sensore per la misurazione puntuale della temperatura, sensore di umidità e temperatura ambiente nonché di un Raspeberry Pi, tutti perfettamente integrati in una struttura realizzata mediante tecnica di additive manufacturing.
Attraverso un software ad hoc implementato in Python, che include una serie di funzionalità per la gestione dei vari sensori e un sistema di controllo tramite sensori visivi, sono stati acquisiti frame termici e frame RGB, misure puntuali di temperatura, oltre a misure di temperatura e umidità della stanza. Questi dati hanno permesso di realizzare un dataset per l’elaborazione successiva.
Dopo una rigorosa validazione del sistema in un ambiente controllato, questo è stato adattato per soddisfare al meglio le esigenze specifiche di questo studio. La validazione finale e la conseguente acquisizione di dati sono avvenute in ambito ospedaliero, nel reparto di neonatologia, utilizzando un fantoccio che simulava il comportamento termico di un neonato.
Le immagini a colori provenienti dalla telecamera RGB, acquisite solo come supporto alle immagini termiche, ci hanno permesso di estrarre lo scheletro del fantoccio a partire da punti noti e ben visibili delle parti anatomiche. Lo scheletro, attraverso una matrice di trasformazione omografica, è stato mappato sull’immagine termica perfettamente registrata a quella RGB, al fine di distruggere l’informazione RGB per privacy.
Un’interfaccia utente user-friendly ha permesso di gestire i landmarks provenienti dallo scheletro e di realizzare in maniera completamente automatica delle regioni di interesse (ROI) adattive sull’immagine termica. Queste ROI prendono come riferimento per il punto centrale il landmark estratto e come raggio le proporzioni tra due landmarks vicini e le dimensioni stimate del distretto anatomico di interesse. Esse rappresentano il punto di partenza dell’elaborazione delle immagini termiche.
Dopo una fase iniziale di pre-processing, in cui il rumore di fondo è stato eliminato con varie tecniche di filtraggio, il contrasto tra le varie regioni è stato aumentato. Questo processo è stato propedeutico all’estrazione degli istogrammi, il cui andamento fornisce informazioni sulla presenza o meno di sfondo. Se lo sfondo è presente, viene avviato il segmentatore FastSAM, basato su una rete neurale convolutiva (CNN), che segmenta il distretto anatomico per evitare di includere lo sfondo nell’elaborazione.
Dalla singola ROI sono state estratte dei pattern termici e delle features che estendessero quelle tradizionali come mediana e intervallo interquartile attraverso l’implementazione di una matrice di texture che prende spunto dalla radiomica per fornire informazioni quantitative dall’analisi delle immagini mediche. La matrice è stata utile per estrarre un punteggio (score) da attribuire alla singola ROI evidenziando come un paziente con vaste aree di temperatura accettabile avesse un punteggio maggiore rispetto ad un paziente con zone molte fredde ed un’alta variabilità nella temperatura. Infine, sono state definite anche delle features a livello globale che mettono in relazione le misure ottenute dalla ROI sul viso con quelle sul torace e sugli arti.

Thermoregulation, or the ability to maintain an adequate temperature, is a topic of significant interest and complexity within the scientific community in the field of neonatology. In the first moments of life, both preterm and full-term neonates exhibit immature temperature regulation systems, making them vulnerable to extra-uterine temperature conditions. This study proposes to monitor, in a hospital setting, the temperature variations of neonates during their first hours of life using an integrated and non-invasive system. The objective is to lay the groundwork for a broader study that, through the acquisition and evaluation of thermal patterns in neonates, will be able to assess their physical well-being. Additionally, it will evaluate whether thermal stabilization can be improved by implementing a practice known as skin-to-skin contact (SSC) between mother and neonate, or potentially between father and neonate.
The hardware used for this purpose includes a thermal camera, an RGB sensor, a point temperature measurement sensor, an ambient temperature and humidity sensor, and a Raspberry Pi, all perfectly integrated into a structure created using additive manufacturing techniques.
A custom software implemented in Python, which includes a range of functionalities for managing various sensors and a control system using visual sensors, has been used to acquire thermal frames and RGB frames, point temperature measurements, and ambient temperature and humidity measurements. These data have enabled the creation of a dataset for subsequent processing.
After rigorous validation of the system in a controlled environment, it was adapted to best meet the specific needs of this study. The final validation and subsequent data acquisition took place in a hospital setting, in the neonatology ward, using a mannequin that simulated the thermal behavior of a neonate.
The color images from the RGB camera, acquired solely as support for the thermal images, allowed us to extract the mannequin's skeleton from well-visible anatomical landmarks. The skeleton, through a homographic transformation matrix, was mapped onto the thermal image perfectly registered with the RGB image, in order to destroy the RGB information for privacy.
A user-friendly interface allowed for the management of landmarks derived from the skeleton and the automatic creation of adaptive regions of interest (ROI) on the thermal image. These ROIs take the extracted landmark as the central reference point and use the proportions between two nearby landmarks and the estimated size of the anatomical region of interest as the radius. They represent the starting point for processing the thermal images.
After an initial pre-processing phase, where background noise was eliminated using various filtering techniques and the contrast between different regions was increased, histograms were extracted. The pattern of these histograms provides information on the presence or absence of background. If the background is present, the FastSAM segmenter, based on a convolutional neural network (CNN), is activated to segment the anatomical district and avoid including the background in the processing.
From the single ROI, thermal patterns and features extending traditional ones, such as median and interquartile range, were extracted through the implementation of a texture matrix inspired by radiomics to provide quantitative information from the analysis of medical images. The matrix was useful for extracting a score to attribute to the single ROI, highlighting how a patient with extensive areas of acceptable temperature had a higher score compared to a patient with many cold areas and high temperature variability. Finally, global features were also defined to relate the measurements obtained from the ROI on the face with those on the chest and limbs.