Design and development of hand exoskeleton with ML-guided therapy personalization for home rehabilitation after stroke

Stroke is one of the leading causes of disability worldwide, with motor impairments that significantly affect hand mobility and reduce patients’ autonomy. Functional recovery requires rehabilitation techniques based on intensive and continuous repetition of targeted exercises. However, such treatments often demand the assistance of therapists or the use of devices in specialized centres, leading to high costs and long treatment times. In recent years, the need has emerged to develop solutions that enable patients to perform rehabilitation sessions at home, even independently. In this context, this thesis presents the design and development of a wearable exoskeleton prototype for post-stroke hand rehabilitation, characterized by lightness, affordability, and adaptability to the patient’s needs and progress. The device was created through CAD modelling and 3D printing, integrating a cable-driven linear servomotor actuation system. The control is managed by an Arduino board implementing two modes: a passive mode, based on standard exercises, and an active mode, inspired by the principle of mirror therapy, using a sensorized glove worn on the healthy hand. To further support home-based rehabilitation, a Unity application was developed to manage the entire therapy session: from patient registration and exercise parameter selection to monitoring and automatic report generation. An innovative feature is the integration of a soft machine learning algorithm, capable of providing personalized recommendations for subsequent sessions based on previous performance.

L’ictus costituisce una delle principali cause di disabilità a livello mondiale, con conseguenze motorie che compromettono significativamente la mobilità della mano e riducono l’autonomia dei pazienti. Per favorire il recupero funzionale sono necessarie tecniche di riabilitazione basate sulla ripetizione intensiva e continuativa di esercizi mirati. Tuttavia, tali trattamenti richiedono spesso l’assistenza di terapisti o l’impiego di dispositivi presso centri specializzati, con costi e tempi di recupero elevati. Negli ultimi anni è emersa la necessità di sviluppare soluzioni che permettano ai pazienti di svolgere sessioni riabilitative anche a domicilio e in autonomia. In questo contesto, la presente tesi propone la progettazione e realizzazione di un prototipo di esoscheletro indossabile per la riabilitazione della mano post-ictus, caratterizzato da leggerezza, economicità e adattabilità alle esigenze e ai progressi del paziente. Il dispositivo è stato sviluppato tramite la modellazione CAD e la stampa 3D, integrando un sistema di attuazione a servomotori lineari con trasmissione a cavi. Il controllo è gestito da una scheda Arduino che implementa due modalità: passiva, tramite esercizi standard, e attiva, basata sul principio della mirror therapy attraverso l’uso di un guanto sensorizzato indossato sulla mano sana. A supporto della riabilitazione domiciliare è stata inoltre sviluppata un’applicazione in Unity, che consente la gestione completa della sessione terapeutica: dalla registrazione del paziente, alla selezione della modalità di controllo, fino al monitoraggio e alla generazione di un report. Un elemento innovativo consiste nell’integrazione di un algoritmo di soft machine learning, capace di fornire raccomandazioni personalizzate per le sessioni successive sulla base delle performance precedenti.