Tecniche di classificazione e predizione delle attività motorie per telemonitoraggio e teleriabilitazione

Abstract

Il presente lavoro di ricerca si colloca tra i concetti di tele riabilitazione e di tele monitoraggio, approfondendone degli aspetti a nostro avviso cruciali, tra la vastità delle implicazioni che i due concetti inevitabilmente portano con sé. A seguito dell’aumento dell’età media della popolazione questi due aspetti sono divenuti fondamentali per il sistema sanitatio nazionale e per il benessere della popolazione. Per tele monitoraggio si intende la possibilità di trasmettere a distanza parametri di interesse per la valutazione clinica di pazienti e per tele riabilitazione invece la possibilità di consentire ad un paziente, a seguito di un evento traumatico, di ricevere a domicilio terapie, indicazioni e ausilio durante la fase di riabilitazione. Ambedue gli aspetti richiedono innanzitutto uno studio a monte delle problematiche da affrontare, relativo alla sensoristica da utilizzare e alla combinazione più opportuna di soluzioni versatili e innovative, che consentano al paziente facilità di utilizzo e naturalità nei movimenti.

La nostra analisi a questo proposito si è

concentrata sui sensori inerziali dato che tramite essi è possibile acquisire informazioni riguardanti la velocità, l’accelerazione e la posizione dei segmenti corporei a cui il sensore viene rigidamente collegato. Subito a valle della problematica suddetta un aspetto fondamentale riguarda l’integrazione dei dati a disposizione e la possibilità di interpretare in modo consono le informazioni che da essi ne derivino. E’ infatti necessario classificare le situazioni di interesse e scartare quelle che non producono alcun tipo di conseguenza così come è necessario classificare un tipo di movimento rispetto ad un altro quando la problematica richiede un monitoraggio delle attività motorie quotidiane, che vengono analizzate in tutti i contesti medico/riabilitativi considerando l’impatto che esse hanno sulla qualità della

vita. La classificazione diviene poi il cuore dell’analisi anche se stiamo parlano di tele riabilitazione, in quanto l’esecuzione della terapia riabilitativa, richiede il riconoscimento del task effettuato prima di poterne valutare la bontà di esecuzione. La teoria della classificazione è un aspetto enorme della conoscenza scientifica e abbiamo cercato di approfondirne criticamente gli aspetti ritenuti più opportuni rispetto ai problemi da noi posti inizialmente. Tra le innumerevoli tecniche, in una prima fase, ci si è concentrati sulle tecniche di Template Matching, tecniche che consentono il confronto tra il segnale da classificare e un segnale di riferimento, detto template, tipico della classe da riconoscere. In una seconda fase sono stati approfonditi gli aspetti relativi alla classificazione bayesiana, concentrandosi sia sulla scelte delle features caratteristiche che sul tipo di densità di probabilità condizionata, fattori che condizionano la forma del classificatore. Inoltre si è esplorato un approccio innovativo che, tramite l’utilizzo delle catene di Markov e del filtro di Kalman, implementi un classificatore bayesiano di tipo adattativo, variando la probabilità a priori al passo k in funzione dell’attività riconosciuta al passo k-1. Diversi approcci di classificazione sono stati implementati cercando la cooperazione di tecniche differenti, valutando i maggiori benefici che eventualmente ne derivino. Un ulteriore contributo alla classificazione è stato dato esplorando l’idea di classificare il gesto compiuto in maniera precoce, ovvero prima del termine del gesto stesso. A questo proposito è stata implementata una versione real-time dell’algoritmo del Dynamic Time Warping. Tutte le tecniche menzionate sono state applicate per il riconoscimento di attività motorie quotidiane, sia riferite agli arti inferiori che a quelli superiori e le diverse campagne sperimentali condotte hanno interessato sia popolazione giovane che anziana, in molteplicità di protocolli applicati e di set-up sperimentali. I risultati ottenuti e validati dalle nostre applicazioni ci hanno fornito una idea sulle numerose possibilità offerte dall’utilizzo di questa tipologia di sensori per fornire servizi innovativi di telemedicina. In particolare, durante il nostro lavoro, abbiamo ampiamente dimostrato come è possibile classificare, con una certa accuratezza e

percentuali sempre al di sopra del 90%, e riconoscere l’atto motorio, tipicamente gesti dell’attività di vita quotidiana (ADL), utilizzando accelerometri biassiali e triassiali posizionati sul corpo del paziente. In tutti i casi l’obiettivo è stato sempre quello di migliorare le percentuali di riconoscimento del gesto, esplorando anche soluzioni cooperative di tecniche, senza perdere di vista i requisiti di basso costo, versatilità e facilità di utilizzo del set-up sperimentale. Tutti gli algoritmi proposti hanno anche puntato al risparmio computazionale in modo da consentire applicazioni in tempo reale. Tra gli sviluppi futuri del presente lavoro ci sono diverse possibilità riguardo al miglioramento delle performance di classificazione, in ottica sia adattiva che di tempo reale, ad esempio migliorando lo schema della classificazione che utilizza il RT_DTW ma in un contesto fatto di alberi di decisione e regole di decisione dinamiche. Naturalmente deve essere ampliato il set dei movimenti da riconoscere, cercando di proporre soluzioni che contengono il maggior numero possibile di attività quotidiane che un soggetto in condizioni normali/patologiche svolge. Un altro importante elemento di sviluppo sarà dato dalla possibilità di integrare differenti sistemi e tipologie di sensori, che siano in grado ad esempio anche di fornire informazioni relative all’ambiente circostante l’utente. Tutte queste possibilità naturalmente non possono darsi senza un approfondimento continuo delle tecniche di classificazione e senza la versatilità nel muoversi nell’immenso panorama teorico che comporta.