Analisi cinematica in tempo reale della destrezza manuale: sviluppo di un'architettura modulare applicata al Box and Block Test

Il Box and Block Test (BBT) è uno dei principali standard clinici riguardanti la valutazione oggettiva della destrezza manuale. Tuttavia, l'attuale pratica del test si basa sul conteggio manuale da parte di un operatore, limitando l'analisi al solo punteggio finale e impedendo l'estrazione di metriche cinematiche continue, le quali sono molto utili per monitorare il reale recupero motorio. L'applicazione di tecniche di deep learning in questo contesto mira a superare tali limiti, oggettivando la misurazione e supportando il personale medico. Lo scopo di questo lavoro di tesi è la progettazione e lo sviluppo di un'architettura software innovativa per la digitalizzazione del BBT, pensata per automatizzare il calcolo del punteggio finale e fornire un'analisi del movimento dell'arto nel test vero e proprio. Il sistema proposto si basa su un approccio di Computer Vision ed elabora i flussi video tramite il framework MediaPipe, il quale individua inizialmente la posizione della mano e successivamente ne estrae i 21 giunti (landmark). Le coordinate x e y di tali giunti (42 valori complessivi) vengono quindi normalizzate per garantire l'invarianza spaziale rispetto al sistema di riferimento. Viene fatta poi una classificazione dei pattern motori ("Mano Aperta" e "Presa") tramite una rete neurale Multi-Layer Perceptron (MLP). Per soddisfare i rigorosi requisiti di latenza imposti dall'analisi real-time, il modello, originariamente addestrato in Keras, è stato ottimizzato e convertito in formato TensorFlow Lite. Per mitigare il rumore di acquisizione e stabilizzare il tracciamento, la pipeline integra algoritmi di filtraggio digitale, impiegando filtri di Kalman e medie mobili esponenziali (EMA). LA logica principale del software, governata da una macchina a stati con gestione temporale (60 secondi), monitora le transizioni tra due aree di lavoro predefinite (Zona A e Zona B). Al fine di garantire l'accuratezza del punteggio ed evitare falsi positivi, il sistema correla lo stato di classificazione della mano con l'effettivo trasporto del blocchetto da una zona all'altra. Parallelamente, il sistema esegue il logging delle coordinate 3D in formato CSV, consentendo l'elaborazione di metriche cinematiche quali la fluidità e la velocità del movimento, presentate in un report PDF clinico generato automaticamente. Il sistema sviluppato dimostra l'efficacia di una soluzione a basso costo computazionale per il controllo della riabilitazione. Infine, l'architettura presenta un design modulare predisposto per accogliere moduli di Object Detection per il tracciamento spaziale diretto dei singoli blocchetti fisici, ottimizzando ulteriormente la robustezza della logica di convalida del trasporto.