Analisi della coerenza Cortico-muscolare in associazione ad analisi del cammino markerless per applicazioni nella valutazione motoria nel morbo di Parkinson al di fuori del laboratorio.

This thesis aims to explore two innovative areas in the neurological assessment of patients with Parkinson's disease. The first objective is the analysis of CorticoMuscular Coherence (CMC), a key indicator of communication between the central nervous system (CNS) and the peripheral nervous system (PNS). Using advanced post-processing methodologies on kinematic data, surface electromyography (sEMG) and encephalography (EEG), CMC will be studied in control subjects and in patients with Parkinson's disease, with the aim of improving the understanding of the disease and its neuromuscular manifestations. The second objective concerns the application of markerless technologies for the estimation of spatio-temporal parameters, which are crucial in Gait Analysis. This method, which exploits neural networks and specific training datasets, will be validated by comparing it with the current gold standard, represented by stereophotogrammetry. The innovation lies in the possibility of implementing these technologies in domestic settings, making gait assessment more accessible and less invasive for patients. By combining CMC analysis and markerless estimation of spatio-temporal parameters, this thesis aims to develop more effective and adaptable diagnostic and monitoring tools for Parkinson's patients, thus contributing to the improvement of their quality of life and the advancement of knowledge in the field of applied neuroscience.

Questa tesi si propone di esplorare due ambiti innovativi nella valutazione neurologica dei pazienti con Parkinson. Il primo obiettivo è l'analisi della Coerenza CorticoMuscolare (CMC), un indicatore chiave della comunicazione tra il sistema nervoso centrale (SNC) e il sistema nervoso periferico (SNP). Utilizzando metodologie avanzate di post-processing su dati cinematici, elettromiografia di superficie (sEMG) ed encefalografia (EEG), verrà studiata la CMC in soggetti di controllo e in pazienti con Parkinson, con l'intento di migliorare la comprensione della patologia e delle sue manifestazioni neuromuscolari. Il secondo obiettivo riguarda l'applicazione di tecnologie markerless per la stima dei parametri spazio-temporali, cruciali nella Gait Analysis. Questo metodo, che sfrutta reti neurali e dataset di training specifici, verrà validato confrontandolo con il gold standard attuale, rappresentato dalla stereofotogrammetria. L'innovazione risiede nella possibilità di implementare queste tecnologie in contesti domestici, rendendo la valutazione della deambulazione più accessibile e meno invasiva per i pazienti. Combinando l'analisi della CMC e la stima markerless dei parametri spazio-temporali, questa tesi mira a sviluppare strumenti diagnostici e di monitoraggio più efficaci e adattabili alle esigenze dei pazienti con Parkinson, contribuendo così al miglioramento della loro qualità di vita e all'avanzamento delle conoscenze nel campo delle neuroscienze applicate.