Pubblicazioni

I metodi automatici per il rilevamento del FOG (congelamento della marcia) tramite l'indice di congelamento (FI) sono stati ampiamente proposti per monitorare sistematicamente il FOG nella vita reale e guidare l'ottimizzazione della terapia. Tuttavia, i metodi per stimare il FI si sono basati su una vasta gamma di tecnologie di misurazione e metodologie computazionali, spesso prive di rigore matematico. Questa mancanza di standardizzazione ha ostacolato gravemente l'accettazione del FI da parte delle agenzie di regolamentazione come misura riproducibile, robusta, efficace e sicura su cui basare ulteriori sviluppi. In questo studio, formalizziamo la definizione del FI e proponiamo un algoritmo di stima rigoroso ed esplicito, che possa servire come standard per le applicazioni future. Questa standardizzazione fornisce un benchmark coerente e affidabile.

Il deterioramento della marcia può essere utilizzato come biomarcatore per l'invecchiamento e le malattie neurologiche. Il monitoraggio e l'analisi continui della marcia sono essenziali per il rilevamento precoce dei deficit e per una riabilitazione personalizzata. L'uso di sistemi di sensori inerziali mobili e indossabili per il monitoraggio e l'analisi della marcia è stato ben esplorato con risultati promettenti in letteratura. In questo lavoro, abbiamo sviluppato un sistema di analisi della marcia basato su sensori inerziali integrati nelle calzature per il monitoraggio in tempo reale e abbiamo studiato la frequenza di campionamento ottimale per acquisire tutte le informazioni sui modelli di camminata. Uno studio di validazione esplorativo è stato eseguito utilizzando un sistema ottico di cattura del movimento su quattro soggetti adulti sani.

I sistemi di cattura del movimento sono ampiamente accettati come gold standard per l'analisi della marcia e vengono utilizzati per la validazione di altri sistemi di analisi. Ad oggi, la loro affidabilità e i loro limiti nell'etichettatura manuale degli eventi della marcia non sono stati studiati. Obiettivi: Valutare l'incertezza dell'etichettatura manuale e introdurre un modello ibrido di rilevamento del passo e di stima degli eventi della marcia per il monitoraggio autonomo, a lungo termine e remoto. Metodi: Stimare le incongruenze tra gli etichettatori calcolando i limiti di concordanza. Sviluppare un modello ibrido basato sulla deformazione temporale dinamica e su una rete neurale convoluzionale per identificare i passi validi ed eliminare i dati non relativi al passo nei dati inerziali (camminata) raccolti da un dispositivo indossabile. Infine, rilevare gli eventi della marcia all'interno di una regione di passo valida.