Sviluppo di una self-paced BMI per l'identificazione dell'intenzione di movimento e il controllo di un esoscheletro per il cammino

L’esoscheletro è un dispositivo meccatronico indossabile che avvolge il corpo umano con lo scopo di fornire riabilitazione, assistenza motoria e amplificazione delle prestazioni in vari ambiti. Tra i vari dispositivi di assistenza alla locomozione, l’esoscheletro per arti inferiori (LLE), sta suscitando sempre più interesse nella comunità scientifica per via dei numerosi benefici psico-fisici della deambulazione. Per di più, il miglioramento nello stile di vita del paziente è accentuato nel caso in cui si riesca ad instaurare una collaborazione tra l’utente e il dispositivo robotico esterno che consenta di simulare il più possibile un controllo “naturale” dell’esoscheletro, in grado di seguire le intenzioni di movimento del soggetto. A tal proposito, il seguente progetto di tesi propone un sistema di controllo per LLE con finalità di assistenza, basato sulle Brain Machine Interfaces (BMI), le quali costituiscono un canale alternativo di interazione con il robot tramite l’interpretazione dell’attività cerebrale dell’utente. In particolare, si vuole simulare l’intenzione di movimento “naturale” degli arti inferiori nei soggetti sani mediante la decodifica della modulazione volontaria delle oscillazioni cerebrali. Si parla perciò in questo caso di BMI “a ritmo autonomo” (dall’originale “self-paced”), un paradigma di natura endogena fondato su un esercizio dell’immaginazione motoria (“motor imagery”) che non viene dettato dal alcun tipo di stimolo esterno, ma è attuato consapevolmente dall’utente secondo la propria volontà. La prima parte dell’elaborato presenta la definizione di esoscheletro, la teoria alla base delle Brain Machine Interfaces e lo studio in letteratura di articoli inerenti gli sviluppi più recenti di tale tecnologia. Si procede poi con la descrizione delle prove in modalità offline e della procedura di processing dei segnali. Tali acquisizioni sono state svolte su tre soggetti sani in due sessioni e hanno lo scopo di raccogliere dati per allenare la rete neurale all’identificazione dell’intenzione di movimento. In seguito, è riportato il procedimento dei test in modalità online, utili alla valutazione delle performance del classificatore BMI. L'accuratezza dei modelli testati è risultata essere influenzata da diverse variabili, tra cui l’abilità del soggetto in ambito di immaginazione motoria e l’instabilità delle features. Inoltre, le principali criticità emerse nell’implementazione di tale studio pilota sono state la ricerca di una rete che restituisse una bassa incidenza di falsi positivi, nonché, l’identificatore di parametri in ingresso all’integratore che consentissero al soggetto di mantenere il task di riposo (rest). Ciononostante, la soluzione presentata si è rivelata un’ottima base di partenza, da cui, con prestazioni più che soddisfacenti, è stata constatata la possibilità di applicare un sistema di controllo BMI a un esoscheletro, in prospettiva di un’interazione che riproduca quella biologica.