• VET
• GUI
• firmware
• bouncing
• motor coordination
• smoothness index
• force sensor
• stroke
• cerebral palsy
• pilot study
• usability
• LED
• sensori di forza
• Arduino
• software
• indici di fluidità
• iVE
• paralisi cerebrale
• ictus
• studio pilota
• manual dexterity
• usabilità
• destrezza manuale
• coordinazione motoria

La destrezza manuale rappresenta la capacità di eseguire movimenti coordinati, fini e grossolani, di dita e mano al fine di afferrare e manipolare oggetti. Tale capacità viene frequentemente compromessa da traumi o patologie; risulta quindi necessario disporre di strumenti in grado di eseguire una valutazione funzionale della destrezza della mano per valutare la gravità di un danno e monitorare l’efficacia di interventi riabilitativi, chirurgici e terapeutici.
Il Virtual Egg Test (VET) nasce con l’idea di integrare la valutazione della destrezza grossolana della mano con la valutazione della destrezza fine. Per farlo, il VET imita il Box and Block Test (BBT) utilizzando, al posto dei classici blocchi di legno, dei blocchi contenenti un fusibile magnetico (Virtual Egg, VE), le cui pareti collassano quando la grip force della mano supera la forza di repulsione tra i magneti. L’instrumented Virtual Egg (iVE) rappresenta la versione sensorizzata del VE; due sensori di forza sulle pareti afferrabili permettono di misurare la grip force, mentre un sensore di forza alla base consente di misurare la load force. VE e iVE permettono, quindi, di studiare la capacità del partecipante di manipolare oggetti fragili senza romperli.
Il progetto Fit4MedRob prevede la validazione di VET e iVE come metodi di valutazione funzionale della destrezza manuale, rispettivamente, per la popolazione dei post-ictus e dei bambini con paralisi cerebrale. Ciò ha portato alla ridefinizione dei requisiti tecnici e allo sviluppo di una nuova versione di entrambi i sistemi.
Per la nuova versione del VET è stata realizzata una piattaforma sensorizzata che comprende sensori di forza, LED e la scheda Arduino Nano Every. Nel presente lavoro di tesi si descrive progettazione, implementazione, testing e validazione del firmware della piattaforma del VET. Il firmware, sfruttando i segnali provenienti dai sensori di forza, è in grado di monitorare gli step di esecuzione del VET, misurare diversi tempi di interesse per ogni prova del VET e rilevare errori commessi dal partecipante nell’esecuzione del test. La tesi prosegue con la realizzazione di un’Interfaccia Grafica (GUI) destinata a guidare i clinici durante la somministrazione del VET e a salvare i risultati del test. L’usabilità del software realizzato è stata testata con 12 partecipanti in laboratorio e ha ottenuto un punteggio medio di 82.7/100, molto superiore alla soglia di 68, al questionario System Usability Scale (SUS). Il sistema risultante dalla comunicazione tra software e firmware è stato infine testato su 7 partecipanti post-ictus durante uno studio pilota presso la Fondazione Don Gnocchi di Firenze.
Per quanto riguarda la nuova versione dell’iVE, è richiesta l’implementazione nel firmware del calcolo di indici in grado di dare informazioni sulla coordinazione motoria del partecipante, sfruttando i dati registrati dall’IMU integrata nel sistema. Data la stretta correlazione tra coordinazione motoria e fluidità dei movimenti, 4 indici di fluidità (Spectral Arc Length, Number of Peaks, Dimensionless Jerk e Log Dimensionless Jerk) sono stati implementanti su MATLAB e calcolati su un dataset pubblico di dati di IMU. L’analisi statistica dei risultati ha permesso di individuare il Log Dimensionless Jerk come l’indice più efficacie nel distinguere la diversa fluidità di movimento.
In conclusione, firmware e software della nuova versione del VET sono stati implementanti, testati e validati e sono pronti ad essere utilizzati per studi futuri sulla popolazione dei post-ictus. Per la nuova versione dell’iVE è stato individuato l’indice di fluidità migliore da implementare all’interno del firmware; tale indice dovrà essere testato con dati acquisiti direttamente dall’iVE e validato.



Manual dexterity is the ability to perform coordinated, fine and gross movements with finger and hand, in order to grasp and manipulate objects. This ability is frequently impaired by injuries or diseases; therefore, tools that can perform a functional assessment of hand dexterity are necessary to evaluate the severity of an impairment and monitor the effectiveness of rehabilitative, surgical and therapeutic interventions.
The Virtual Egg Test (VET) was born to integrate the assessment of hand’s gross dexterity with the assessment of fine dexterity. To do so, the VET mimics the Box and Block Test (BBT) by using, instead of classical wooden blocks, blocks containing a magnetic fuse (Virtual Egg, VE), whose walls collapse when the grip force of the hand exceeds the repulsion force between the magnets. The instrumented Virtual Egg (iVE) is the sensorized version of the VE; two force sensors on the graspable sides measure the grip force, while a force sensor at the base measures the load force. VE and iVE thus allow to study the participant's ability to manipulate fragile objects without breaking them.
The project Fit4MedRob involves the validation of VET and iVE as manual dexterity assessment methods for the post-stroke and children with cerebral palsy populations, respectively. This led to the redefinition of technical requirements and the development of a new version of both systems.
A sensorized platform, including force sensors, LEDs and Arduino Nano Every board, was built for the new version of the VET. In this thesis work, is described design, implementation, testing and validation of the VET platform firmware. The firmware uses signals from the force sensors to monitor the execution of the VET, measure different times of interest for each VET trial and detect errors made by the participant in the execution of the test. The thesis continues with the development of a Graphical User Interface (GUI) designed to guide clinicians during VET administration and to save test results. The usability of the software was tested with 12 participants in the laboratory and scored 82.7/100, more than the threshold of 68, on the System Usability Scale (SUS) questionnaire. The system resulting from the communication between software and firmware was finally tested on 7 post-stroke participants during a pilot study at Fondazione Don Gnocchi in Florence.
Regarding iVE new version, it is required to implement in the firmware the calculation of indices able to give information about the participant's motor coordination, using the data recorded by the IMU integrated in the system. Due to the close correlation between motor coordination and movement smoothness, 4 smoothness indices (Spectral Arc Length, Number of Peaks, Dimensionless Jerk, and Log Dimensionless Jerk) have been implemented on MATLAB and calculated on a public IMU dataset. Statistical analysis of the results identified the Log Dimensionless Jerk as the most effective index to distinguish between different motion’s smoothness.
Finally, firmware and software of the new version of the VET have been implemented, tested and validated, and are ready to be used for future studies in the post-stroke population. For the new version of the iVE, the best smoothness index to be implemented in the firmware has been identified; this index will need to be tested with data acquired directly from iVE and validated.