<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
  <channel>
    <title>ArcAdiA</title>
    <link>http://dspace-roma3.caspur.it:80</link>
    <description>The DSpace digital repository system captures, stores, indexes, preserves, and distributes digital research material.</description>
    <pubDate>Sun, 26 May 2013 07:58:31 GMT</pubDate>
    <dc:date>2013-05-26T07:58:31Z</dc:date>
    <image>
      <title>The Channel Image</title>
      <url>http://dspace-roma3.caspur.it/image/logo_roma3.jpg</url>
      <link>http://dspace-roma3.caspur.it:80</link>
    </image>
    <item>
      <title>Tecniche di classificazione e predizione delle attività motorie per telemonitoraggio e teleriabilitazione</title>
      <link>http://hdl.handle.net/2307/654</link>
      <description>&lt;Title&gt;Tecniche di classificazione e predizione delle attività motorie per telemonitoraggio e teleriabilitazione&lt;/Title&gt;
&lt;Authors&gt;Muscillo, Rossana&lt;/Authors&gt;
&lt;Issue Date&gt;2010-03-08&lt;/Issue Date&gt;
&lt;Abstract&gt;Il presente lavoro di ricerca si colloca tra i concetti di tele riabilitazione e di tele&#xD;
monitoraggio, approfondendone degli aspetti a nostro avviso cruciali, tra la vastità&#xD;
delle implicazioni che i due concetti inevitabilmente portano con sé. A seguito&#xD;
dell’aumento dell’età media della popolazione questi due aspetti sono divenuti&#xD;
fondamentali per il sistema sanitatio nazionale e per il benessere della popolazione.&#xD;
Per tele monitoraggio si intende la possibilità di trasmettere a distanza parametri di&#xD;
interesse per la valutazione clinica di pazienti e per tele riabilitazione invece la&#xD;
possibilità di consentire ad un paziente, a seguito di un evento traumatico, di ricevere&#xD;
a domicilio terapie, indicazioni e ausilio durante la fase di riabilitazione.&#xD;
Ambedue gli aspetti richiedono innanzitutto uno studio a monte delle problematiche&#xD;
da affrontare, relativo alla sensoristica da utilizzare e alla combinazione più&#xD;
opportuna di soluzioni versatili e innovative, che consentano al paziente facilità di&#xD;
utilizzo e naturalità nei movimenti.&#xD;
&#xD;
La nostra analisi a questo proposito si è&#xD;
&#xD;
concentrata sui sensori inerziali dato che tramite essi è possibile acquisire&#xD;
informazioni riguardanti la velocità, l’accelerazione e la posizione dei segmenti&#xD;
corporei a cui il sensore viene rigidamente collegato. Subito a valle della&#xD;
problematica suddetta un aspetto fondamentale riguarda l’integrazione dei dati a&#xD;
disposizione e la possibilità di interpretare in modo consono le informazioni che da&#xD;
essi ne derivino. E’ infatti necessario classificare le situazioni di interesse e scartare&#xD;
quelle che non producono alcun tipo di conseguenza così come è necessario&#xD;
classificare un tipo di movimento rispetto ad un altro quando la problematica richiede&#xD;
un monitoraggio delle attività motorie quotidiane, che vengono analizzate in tutti i&#xD;
contesti medico/riabilitativi considerando l’impatto che esse hanno sulla qualità della&#xD;
&#xD;
vita. La classificazione diviene poi il cuore dell’analisi anche se stiamo parlano di&#xD;
tele riabilitazione, in quanto l’esecuzione della terapia riabilitativa, richiede il&#xD;
riconoscimento del task effettuato prima di poterne valutare la bontà di esecuzione.&#xD;
La teoria della classificazione è un aspetto enorme della conoscenza scientifica e&#xD;
abbiamo cercato di approfondirne criticamente gli aspetti ritenuti più opportuni&#xD;
rispetto ai problemi da noi posti inizialmente. Tra le innumerevoli tecniche, in una&#xD;
prima fase, ci si è concentrati sulle tecniche di Template Matching, tecniche che&#xD;
consentono il confronto tra il segnale da classificare e un segnale di riferimento, detto&#xD;
template, tipico della classe da riconoscere. In una seconda fase sono stati&#xD;
approfonditi gli aspetti relativi alla classificazione bayesiana, concentrandosi sia sulla&#xD;
scelte delle features caratteristiche che sul tipo di densità di probabilità condizionata,&#xD;
fattori che condizionano la forma del classificatore. Inoltre si è esplorato un&#xD;
approccio innovativo che, tramite l’utilizzo delle catene di Markov e del filtro di&#xD;
Kalman, implementi un classificatore bayesiano di tipo adattativo, variando la&#xD;
probabilità a priori al passo k in funzione dell’attività riconosciuta al passo k-1.&#xD;
Diversi approcci di classificazione sono stati implementati cercando la cooperazione&#xD;
di tecniche differenti, valutando i maggiori benefici che eventualmente ne derivino.&#xD;
Un ulteriore contributo alla classificazione è stato dato esplorando l’idea di&#xD;
classificare il gesto compiuto in maniera precoce, ovvero prima del termine del gesto&#xD;
stesso. A questo proposito è stata implementata una versione real-time dell’algoritmo&#xD;
del Dynamic Time Warping. Tutte le tecniche menzionate sono state applicate per il&#xD;
riconoscimento di attività motorie quotidiane, sia riferite agli arti inferiori che a quelli&#xD;
superiori e le diverse campagne sperimentali condotte hanno interessato sia&#xD;
popolazione giovane che anziana, in molteplicità di protocolli applicati e di set-up&#xD;
sperimentali.&#xD;
I risultati ottenuti e validati dalle nostre applicazioni ci hanno fornito una idea sulle&#xD;
numerose possibilità offerte dall’utilizzo di questa tipologia di sensori per fornire&#xD;
servizi innovativi di telemedicina. In particolare, durante il nostro lavoro, abbiamo&#xD;
ampiamente dimostrato come è possibile classificare, con una certa accuratezza e&#xD;
&#xD;
percentuali sempre al di sopra del 90%, e riconoscere l’atto motorio, tipicamente&#xD;
gesti dell’attività di vita quotidiana (ADL), utilizzando accelerometri biassiali e&#xD;
triassiali posizionati sul corpo del paziente. In tutti i casi l’obiettivo è stato sempre&#xD;
quello di migliorare le percentuali di riconoscimento del gesto, esplorando anche&#xD;
soluzioni cooperative di tecniche, senza perdere di vista i requisiti di basso costo,&#xD;
versatilità e facilità di utilizzo del set-up sperimentale. Tutti gli algoritmi proposti&#xD;
hanno anche puntato al risparmio computazionale in modo da consentire applicazioni&#xD;
in tempo reale.&#xD;
Tra gli sviluppi futuri del presente lavoro ci sono diverse possibilità riguardo al&#xD;
miglioramento delle performance di classificazione, in ottica sia adattiva che di&#xD;
tempo reale, ad esempio migliorando lo schema della classificazione che utilizza il&#xD;
RT_DTW ma in un contesto fatto di alberi di decisione e regole di decisione&#xD;
dinamiche.&#xD;
Naturalmente deve essere ampliato il set dei movimenti da riconoscere, cercando di&#xD;
proporre soluzioni che contengono il maggior numero possibile di attività quotidiane&#xD;
che un soggetto in condizioni normali/patologiche svolge. Un altro importante&#xD;
elemento di sviluppo sarà dato dalla possibilità di integrare differenti sistemi e&#xD;
tipologie di sensori, che siano in grado ad esempio anche di fornire informazioni&#xD;
relative all’ambiente circostante l’utente. Tutte queste possibilità naturalmente non&#xD;
possono darsi senza un approfondimento continuo delle tecniche di classificazione e&#xD;
senza la versatilità nel muoversi nell’immenso panorama teorico che comporta.&lt;/Abstract&gt;</description>
      <pubDate>Sun, 07 Mar 2010 23:00:00 GMT</pubDate>
      <guid isPermaLink="false">http://hdl.handle.net/2307/654</guid>
      <dc:date>2010-03-07T23:00:00Z</dc:date>
    </item>
  </channel>
</rss>

