The aging population and increasingly unhealthy lifestyles contribute to rising disorders that impair motor functionality. Stroke is one of the most common and debilitating conditions, causing muscle weakness, balance issues, and reduced proprioception. However, due to neuroplasticity, stroke has a high capacity for motor function recovery. Rehabilitation through personalized physiotherapy sessions is crucial for restoring functionality and achieving optimal recovery. Success depends on patient adherence and proper exercise execution. After dehospitalization, patients need to continue rehabilitation at home. Due to staff shortages, tools providing real-time feedback to patients and remote physiotherapists are essential. This study lays the groundwork for a purpose-built device designed to classify the execution of specific rehabilitation exercises as correct or incorrect, identifying the type of error in cases of incorrect movement. The project focuses on the use of wearable motion-tracking sensors, specifically 6-DoF (Degree of Freedom) IMU (Inertial Measurement Unit) sensors, alongside 6D Inertial Sensor Fusion algorithms (without magnetometer dependency) for accurate orientation estimation. The Sit-To-Stand, a very common exercise in post-stroke rehabilitation (and not only), has been the focus of this study, as it covers key post-stroke motor challenges and is an essential daily living activity (ADL). Data processing yielded quaternion-based orientation and, under one-dimensional joint assumptions, decomposition into Euler's angles. Two distinct approaches of automated classification demonstrated high accuracy, supporting the efficacy and accuracy of this system in providing real-time feedback to users, thus paving the way for a purpose-built tool capable of enhancing rehabilitation outcomes for post-stroke patients.

L'invecchiamento della popolazione e stili di vita sempre più malsani contribuiscono all'aumento di disturbi che compromettono la funzionalità motoria. Tra questi, l'ictus è una delle condizioni più comuni e debilitanti, causando debolezza muscolare, problemi di equilibrio e ridotta propriocezione. Tuttavia, grazie al concetto di neuroplasticità, l’ictus rappresenta una patologia con un elevata capacità di ripristino delle funzionalità motorie danneggiate. La riabilitazione con sessioni di fisioterapia personalizzate è cruciale per il recupero. Gli esiti ottimali dipendono dall'aderenza del paziente agli esercizi e dalla loro corretta esecuzione. Dopo la deospedalizzazione, la riabilitazione a casa è necessaria. A causa della carenza di personale, vi è la necessità di avere strumenti che forniscano feedback in tempo reale ai pazienti e ai fisioterapisti remoti. Questo studio pone le basi per un purpose-built device atto a classificare l'esecuzione di esercizi riabilitativi, identificando eventuali errori. Il progetto si concentra sull'uso di sensori indossabili per l’analisi del movimento, specificamente sensori IMU (Unità di Misura Inerziali) a 6 DoF (gradi di libertà), insieme ad algoritmi di Inertial Sensor Fusion 6D (senza dipendenza dal magnetometro) per una stima accurata dell'orientamento. Un esercizio di riabilitazione comunemente utilizzato nella riabilitazione post-ictus, il Sit-To-Stand, è stato selezionato per l'analisi. Questo esercizio racchiude le principali sfide motorie affrontate nella riabilitazione post-ictus ed è un esempio di attività di vita quotidiana (ADL), fondamentale per obiettivi di mobilità più complessi come il cammino. La pipeline di elaborazione ha permesso di ottenere l'orientamento in quaternioni e, con l'ipotesi di articolazioni mono-dimensionali, la decomposizione in angoli di Eulero. Due approcci distinti di classificazione automatica hanno dimostrato un'elevata accuratezza, confermando l'efficacia e la precisione nel fornire feedback in tempo reale agli utenti, aprendo così la strada a uno strumento appositamente progettato in grado di migliorare gli esiti riabilitativi per pazienti post-ictus.

Post-stroke rehabilitation: assessing the correctness of physiotherapy exercises using IMU data only

Caruso, Matteo Antonino
2024/2025

Abstract

The aging population and increasingly unhealthy lifestyles contribute to rising disorders that impair motor functionality. Stroke is one of the most common and debilitating conditions, causing muscle weakness, balance issues, and reduced proprioception. However, due to neuroplasticity, stroke has a high capacity for motor function recovery. Rehabilitation through personalized physiotherapy sessions is crucial for restoring functionality and achieving optimal recovery. Success depends on patient adherence and proper exercise execution. After dehospitalization, patients need to continue rehabilitation at home. Due to staff shortages, tools providing real-time feedback to patients and remote physiotherapists are essential. This study lays the groundwork for a purpose-built device designed to classify the execution of specific rehabilitation exercises as correct or incorrect, identifying the type of error in cases of incorrect movement. The project focuses on the use of wearable motion-tracking sensors, specifically 6-DoF (Degree of Freedom) IMU (Inertial Measurement Unit) sensors, alongside 6D Inertial Sensor Fusion algorithms (without magnetometer dependency) for accurate orientation estimation. The Sit-To-Stand, a very common exercise in post-stroke rehabilitation (and not only), has been the focus of this study, as it covers key post-stroke motor challenges and is an essential daily living activity (ADL). Data processing yielded quaternion-based orientation and, under one-dimensional joint assumptions, decomposition into Euler's angles. Two distinct approaches of automated classification demonstrated high accuracy, supporting the efficacy and accuracy of this system in providing real-time feedback to users, thus paving the way for a purpose-built tool capable of enhancing rehabilitation outcomes for post-stroke patients.
Seel, Thomas
Kuhlgatz, Timo
ING - Scuola di Ingegneria Industriale e dell'Informazione
11-dic-2024
2024/2025
L'invecchiamento della popolazione e stili di vita sempre più malsani contribuiscono all'aumento di disturbi che compromettono la funzionalità motoria. Tra questi, l'ictus è una delle condizioni più comuni e debilitanti, causando debolezza muscolare, problemi di equilibrio e ridotta propriocezione. Tuttavia, grazie al concetto di neuroplasticità, l’ictus rappresenta una patologia con un elevata capacità di ripristino delle funzionalità motorie danneggiate. La riabilitazione con sessioni di fisioterapia personalizzate è cruciale per il recupero. Gli esiti ottimali dipendono dall'aderenza del paziente agli esercizi e dalla loro corretta esecuzione. Dopo la deospedalizzazione, la riabilitazione a casa è necessaria. A causa della carenza di personale, vi è la necessità di avere strumenti che forniscano feedback in tempo reale ai pazienti e ai fisioterapisti remoti. Questo studio pone le basi per un purpose-built device atto a classificare l'esecuzione di esercizi riabilitativi, identificando eventuali errori. Il progetto si concentra sull'uso di sensori indossabili per l’analisi del movimento, specificamente sensori IMU (Unità di Misura Inerziali) a 6 DoF (gradi di libertà), insieme ad algoritmi di Inertial Sensor Fusion 6D (senza dipendenza dal magnetometro) per una stima accurata dell'orientamento. Un esercizio di riabilitazione comunemente utilizzato nella riabilitazione post-ictus, il Sit-To-Stand, è stato selezionato per l'analisi. Questo esercizio racchiude le principali sfide motorie affrontate nella riabilitazione post-ictus ed è un esempio di attività di vita quotidiana (ADL), fondamentale per obiettivi di mobilità più complessi come il cammino. La pipeline di elaborazione ha permesso di ottenere l'orientamento in quaternioni e, con l'ipotesi di articolazioni mono-dimensionali, la decomposizione in angoli di Eulero. Due approcci distinti di classificazione automatica hanno dimostrato un'elevata accuratezza, confermando l'efficacia e la precisione nel fornire feedback in tempo reale agli utenti, aprendo così la strada a uno strumento appositamente progettato in grado di migliorare gli esiti riabilitativi per pazienti post-ictus.
File allegati
File Dimensione Formato  
2024_12_Caruso_Tesi.pdf

non accessibile

Descrizione: Tesi
Dimensione 29.34 MB
Formato Adobe PDF
29.34 MB Adobe PDF   Visualizza/Apri
2024_12_Caruso_Executive_Summary.pdf

non accessibile

Descrizione: Executive Summary
Dimensione 3.92 MB
Formato Adobe PDF
3.92 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/231320