An assistive device based on the detection of the user's intention from residual EMG to drive an upper limb neuroprosthesis

Abstract 1 Introduction and objective of the work Nowadays the medical assistive devices are more and more widespread. Many researches have been directed towards helping motor impaired people: the aim is to give assistance and improve the quality of their life. Especially, it is possible to identify this purpose in the fact that the patients are more independent while are using them. The recent introduction of the robotics in the area of assistivel devices took to a clear improvement to that instrumentation; from its introduction, indeed, a lot of steps forward were made, such as progresses regarding the independent ambulation. The modular assistive devices are more recently studied. The present work takes part in the European project MUNDUS (MUltimodal Neuroprosthesis for Daily Upper limb Support), whose main aim is to realize a neuroprosthesis assistive device which allows the upper arm movements. MUNDUS is a modular system which makes use of all the residual motor capability of the user. In fact, it offers the possibility of being suited to the patients with the aims of empowering their abilities and of allowing them to move their arm during daily life activities. Targets of the device are people affected by neurodegenerative and genetic neuromuscular deseases, such as Lateral Amiotrophic Sclerosys (SLA), Friedreich ataxia (FRDA) and Multiple Sclerosis (SM), as well as people who suffer of serious lesions of the spinal cord (Spinal Cord Injury). Such drawn up pathologies are for the most degenerative, and they cause the patients a gradual loss of motor capability. MUNDUS has been conceived to be adapted to the pathology level. Through the selection of sensors, actuators and more adapted control solutions, it is possible for the user to personally supervise the device with a direct approach (fig.1). 15 Fig.1:MUNDUS concept. Although the possibility of keeping the device adapted to the patient is given by adding and substituting modules, three scenarios are considered in order to reply better to the pathology necessities. Scenario 1 gathers all the patients that have a residual functional control of the arm and muscles, but who are too weak to accomplish functional tasks. In Scenario 2 and 3 indeed, the subject does not show any residual voluntary functional activation neither of the arm nor of the hand muscles. People belonging to Scenario 2 can still control the head and gaze fixation; thus, they can use the “Eye tracker” system to show their intentions to MUNDUS. Finally, subjects that cannot interact by brain signals (EEG) are enlisted in Scenario 3. The present study focuses on the conclusion and validation of the platform developed for Scenario 1 patients. More in details, the work is centered on the development of an algorithm to detect the user’s intention based on the EMG signal. The aim is to implement a solution which is simple to be understood by the system and able to identify the user’s will without errors. The code gives the possibility to be adapted on patient’s characteristics together with a low probability of detecting false positive events. In order to check the algorithm robustness as well as its correct communication with the whole MUNDUS system, two test sessions were done. In the first one only healthy subjects were included while in the second both patients and healthy people were asked. 2 Methods The work here presented is included in Scenario 1. The main MUNDUS module used by the patient is the exoskeleton which supports the arm during movements. With 16 respect to the needs of the user, other components could be used. They are the “arm module” which could help the person in doing actions by the use of the NMES stimulation on both the biceps and the medial deltoid. The second block is the “hand module”: it is composed by two different solu tions which can aid the closure and opening of the hand during grasping movements. They are composed by either a glove with NMES stimulation or a robotic orthosis. The operating of all the modules is coordinated by a state machine (MUNDUS CC) that guarantees a high level of communication within the system. It is directly linked to a PC (real-time control system, RTS); it drives the system in real-time and allows the cooperation among all the blocks. The user’s intention detection could be accomplished by the use of two modalities: the first one is based on the EMG signal and it is the one here presented; the other one exploits the use of a USB-button. Experimental setup The experimental setup used within the current work consists of three main components: personal computer used to control the system and acquire the signals in real-time, an EMG amplifier and a light weight passive exoskeleton to support the arm weight during movements. In Fig. 2 it is clearly shown how they direct interact both with each other and with MUNDUS CC. Fig.2: experimental setup. First of all, the RTS PC has been used to implement the algorithm studied within this work. In fact, the PC is supported by software for the acquisition and elaboration of the EMG signals in real-time (PC Linux_RTAI, Scilab/Scicos). The second component is the EMG amplifier; its aim is to detect the voluntary contraction made by the subject 17 and to communicate it to the block in RTS PC. Finally, the exoskeleton is a mechanical device provided with dumping elements and elastic structures for supporting the arm weight giving gravity compensation. It has 3 degrees of freedom (shoulder elevation and rotation, elbow flexo-extension) and could be directly included in the patient’s wheel chair. Three electromagnetic brakes are contained within the EXO to allow the control of the joints by the use of the PC. Algorithm to detect the user’s intention based on the EMG signal Within the present studying an algorithm has been implemented; it allows the Scenario 1 user to trigger the movements he wants to make with the MUNDUS device. The patient could activate or deactivate the brakes by himself in order to keep a chosen position; in addition to this, he can decide to open or close his hand to accomplish grasping tasks whenever he needs to use the hand module as well. To interact with the system it is necessary that the subject sends a signal which shows his answers to questions that are plotted on a screen in front of him. In the implemented solution, the EMG signal is acquired from a muscle of the contralateral upper limb and then elaborated. Fig. 4: example of EMG signals acquired from the brachioradialis muscle of one healthy subject. When the user desires to communicate his will he is requested to do a simple series of three isometric contractions that last nearly one second each. The algorithm has been developed to detect that series and to generate a trigger to be sent to MUNDUS CC to transmit the decision of the subject to it. The signal acquired is first of all high-pass 0 1 2 3 4 5 6 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 time [s] emg [mV] HP NORM LP MEAN threshold 30% threshold 70% threshold TRIGGER 18 filtered (10 Hz), rectified and filtered again by a low-pass filter (5 Hz). After that, signal mean value is calculated each 40 ms and its output value is compared to a threshold took from the patient during the initial calibration procedure (fig.4). Thanks to the comparison with the 70% and the 30% of the threshold value, contraction is detected. Whenever the patient activates his muscle, the signal values become higher than the activation threshold so the start of the activation is noticed by the system. After that, when the output data received goes under the deactivation threshold, the contraction counter increments its number. When three contractions are recognized, a trigger is sent to the system (fig.5). Attention has been paid on several code features that limit the possibility of mistaking false positive. One example is the possibility to select the maximal duration of the interval that separates two consecutive contractions. When time between two activations is longer than it, the counter considers the last contraction as the first of the following series. During daily life activities there is the risk of mistaking the muscle contractions of a common movement with the user’s intention of communicating with the system. Fig. 5: Algorithm flow chart. Experimental validation of the algorithm A first series of tests has been done to check the algorithm robustness. 19 To do the trials four healthy subjects were recruited. The exoskeleton was not included in the experimental setup. The participants were asked to spend one hour in doing a common daily life activity around a table. They could have chosen among studying, reading and writing, having lunch and being with friends. During the whole hour EMG signals have been monitored from four muscles (brachioradialis, trapezius, sternocleidomastoid and frontalis) to detect the unwilled trigger activations caused by the subject. Both at the beginning and at the end of the session the people were asked to do a series of willed contractions to evaluate if the trigger activation procedure was easy to be learnt. In details, it has been evaluated the time spent between the moment in which the subject was asked to activate the trigger and the one in which it was detected by the system. Validation of MUNDUS - Scenario1 The aim of the second series of trials was to validate MUNDUS Scenario 1 by doing a general analysis of the assistive device. During the sessions, the algorithm correct operating has been tested as well in particular it has been check it communication with the other MUNDUS modules. Three patients together with five healthy persons were asked to do the test. The participation of the second group has been useful to collect data to calculate the “normality ranges” to be compared to the following performances. The three patient recruited in the session belong to Scenario 1 and were selected due to their pathologies which are among the MUNDUS target ones. The exoskeleton has been used in the test and the subjects were supposed to activate the brakes with the help of the algorithm here studied. It has been asked to do ten repetitions of four movements: drinking with a straw, touching left shoulder, touching left hand and pressing a button. The monitored parameters are: time, mean speed, straightness and smoothness. The healthy subjects have to do only one repetition while the patients did three sessions during consequent days. 3 Results Validation of the algorithm - test Test results confirmed that the algorithm is proficient in detecting subject’s intention and that the subject itself is allowed to perform easily the sequence of close 20 contractions. Moreover, it was chosen the value to assign to some fixed temporal parameters relative to the functioning of the code and at the same time were defined the parameters which should be calibrated on each subject. Some observations were also made regarding the choice of the muscle to be used to detect subject’s intention. Even if tests confirmed that the muscle should be chosen based on the characteristics and on the preferences of each individual, some among the parameters selected during the procedure, showed to be inappropriate. An example is the frontal muscle: since it is used for facial mimics, it was often contracted unintentionally. Validation of MUNDUS Scenario1 - test In the second test session, subjects were capable of executing autonomously all the repetitions of required movement s. This aspect highlights the fact that MUNDUS makes patients perform daily-life activity, that otherwise would not be possible especially due to raising of effects, such as fatigue after numerous repetitions. During the procedure the code proved to be robust even in communicating with other MUNDUS modules. During each session, patients managed to activate and inactivate brakes, communicating with the system through the EMG signal detected from a muscle chosen by themselves. Furthermore, no false positive was detected during sessions. Lastly, collected data during test sessions were processed afterwards from a statistical point of view. Given the analysis, it was found that in the period of three days two patients out of three improved the execution of the movements required from the protocol. This fact shows a certain speed in the learning process in exploiting at the best all the qualities of the assistive device. 4 Conclusions and further developments Based on what assessed from the tests, it is possible to conclude that the algorithm developed in the present study is robust and answers to the requirements for which it was implemented. It allows to detect subject’s will and to communicate it to the system with which the patient needs to interact. Moreover, it proved to be easily understandable from the patients, who found simple the sequence of contractions to perform to communicate their intentions. At the same time, even the general use of MUNDUS device did not cause further complications for the users. 21 Between the two modalities presented in Scenario 1, patients selected for the test preferred to communicate through EMG residual signal of one of their muscle rather than pushing a button. This is because since patients do not have tactile sensibility, they cannot dose properly their pushing force. The modality studied in this work turned out to be more useful for them. Improvements could be added to the module to face the onset of fatigue during movement execution. As a matter of fact, it was noticed that after some time the patient was contracting less intensively the monitored muscle. It would be appropriate to develop an algorithm that would update the threshold of trigger activation during the utilization of the device. In conclusion, a broader validation should be carried out of Scenario 1 that would require the patient to use arm and hand modules.

Sommario 1 Introduzione e obiettivo del lavoro Al giorno d’oggi i dispositivi assistenziali di impronta medica sono sempre più di uso comune. Numerose ricerche sono infatti state condotte al fine di aiutare le persone con invalidità motoria: lo scopo è quello di fornire loro assistenza e migliorare la loro qualità di vita. In particolare, è possibile individuare tale obiettivo nella maggiore indipendenza acquisita dal paziente durante l’utilizzo di tali dispositivi. La più recente introduzione della robotica nell’area dei dispositivi assistenziali ha portato un netto miglioramento ai singoli apparecchi; dal suo avvento, infatti, sono stati compiuti numerosi passi avanti per esempio nell’ambito della deambulazione autonoma. Oggetto di studio più recente sono i dispositivi assistenziali modulari. Il presente lavoro di tesi si inserisce all’interno del progetto europeo MUNDUS (MUltimodal Neuroprosthesis for Daily Upper limb Support), il cui obiettivo consiste nella realizzazione di un dispositivo assistenziale costituito da una neuroprotesi che permette il movimento dell’arto superiore. MUNDUS è un sistema modulare che sfrutta tutte le abilità motorie residue dell’utente. Presenta infatti la possibilità di essere adattato al paziente al fine di potenziarne le capacità e di permettergli di muovere il braccio nello spazio durante l’esecuzione di attività di vita quotidiana. Il target a cui il dispositivo si rivolge sono i portatori di malattie neurodegenerative e neuromuscolari genetiche quali Sclerosi Laterale Amiotrofica (SLA), atassia di Friedreich (FRDA) e Sclerosi Multipla (SM) oltre alle persone che riportano gravi lesioni alla colonna vertebrale (tetraplegia). Le patologie elencate sono nella maggior parte dei casi degenerative e causano al paziente una progressiva perdita delle capacità motorie. MUNDUS è pensato per adattarsi al livello di gravità che colpisce il soggetto. Attraverso la selezione di sensori, attuatori e soluzioni di controllo più adeguati, viene concesso a chi lo utilizza di dirigere il dispositivo personalmente con un approccio diretto (fig.1). 6 Fig.1:MUNDUS concept. Nonostante sia data l’opportunità di adeguare continuamente il dispositivo all’utente tramite l’aggiunta e la sostituzione di moduli al suo interno, tre scenari sono stati individuati al fine di rispondere meglio alle necessità che la patologia presenta durante il proprio decorso. In Scenario 1 vengono inseriti quei pazienti che hanno ancora un residuo controllo funzionale del braccio e/o della mano ma che allo stesso tempo sono troppo deboli per portare a termine il movimento che desiderano effettuare. All’interno di Scenario 2 e Scenario 3, invece, il soggetto non presenta più alcuna residua attivazione funzionale volontaria dei muscoli del braccio e talvolta neanche di quelli della mano. Le persone che appartengono allo Scenario 2 sono quelle che hanno ancora la capacità di compiere movimenti oculari; pertanto possono far conoscere le proprie intenzioni a MUNDUS attraverso un sistema di “Eye Tracker”. Quando anche questa capacità viene persa, i pazienti rientrano in Scenario 3 il quale dà la possibilità di guidare il dispositivo tramite segnali EEG (Brain Computer Interface). Lo studio qui proposto si focalizza sulla finalizzazione e successiva validazione della piattaforma sviluppata per i pazienti di Scenario 1. In particolare, il lavoro si è concentrato sullo sviluppo di un algoritmo per la detezione della volontà dell’utente sulla base del segnale EMG residuo. L’obiettivo è quello di implementare una soluzione semplice da comprendere da parte del sistema e tale da identificare le intenzioni del paziente con ridotta probabilità di errore. Il codice implementato presenta inoltre la possibilità di adattarsi alle caratteristiche del soggetto che lo utilizza e un basso rischio di rilevare segnali che siano falsi positivi. Per verificare la robustezza dell’algoritmo e la sua corretta comunicazione con l’intero sistema MUNDUS, due sessioni di test sono in 7 seguito state condotte. La prima unicamente su soggetti sani mentre la seconda ha previsto la partecipazione sia di pazienti che di sani. 2 Metodi Come esposto in precedenza, il lavoro qui descritto si inserisce in Scenario 1. Il principale modulo messo a disposizione del paziente è l’esoscheletro per il supporto del braccio durante i movimenti. A seconda delle necessità del soggetto, possono essere utilizzati anche altri componenti presenti nel “modulo braccio” e nel “modulo mano” di MUNDUS. Il primo prevede di supportare ed assecondare i movimenti del paziente tramite la stimolazione elettrica neuromuscolare (NMES) del bicipite e del deltoide mediale. Il secondo invece fornisce un sostegno nella chiusura e apertura della mano tramite stimolazione NMES o l’utilizzo di una protesi robotica. Per quanto riguarda il loro funzionamento, una macchina a stati (MUNDUS CC) garantisce un alto livello di comunicazione tra tutti i componenti che si è scelto di utilizzare all’interno del sistema. Quest’ultima è messa in comunicazione diretta con un PC (real-time control system, RTS), il quale lavora in tempo reale per generare e coordinare i singoli movimenti del dispositivo. La detezione della volontà del soggetto per il suo controllo del dispositivo può essere effettuato in due modi. Uno è rappresentato dal lavoro qui discusso e si basa sulla detezione del segnale EMG residuo dell’utente; la seconda modalità è invece rappresentata dall’utilizzo di un pulsante-USB. Setup sperimentale Il setup sperimentale utilizzato all’interno del presente lavoro prevede l’impiego di tre componenti: un personal computer per l’acquisizione ed analisi dei dati in tempo reale, un amplificatore di segnali elettromiografici (EMG) e un esoscheletro passivo per la movimentazione del braccio. La fig.2 di seguito illustra l’interazione dei diversi moduli sia tra di loro che con MUNDUS CC. 8 Fig.2: experimental setup. Per prima cosa, il PC RTS è stato utilizzato per l’implemetazione dell’algoritmo oggetto di studio del presente lavoro. Si è infatti fatto uso dei software per l’acquisizione e l’elaborazione dei segnali in tempo reale di cui il PC è dotato (PC Linux_RTAI, Scilab/Scicos). Il secondo componente utilizzato è l’amplificatore di segnale EMG; la sua funzione è quella di rilevare la contrazione volontaria effettuata dal soggetto e comunicare tale evento direttamente all’ingresso del blocco contenuto nel pc RTS. Infine, l’esoscheletro è un dispositivo meccanico dotato di un sistema di molle e smorzatori che in parte supportano il peso del braccio di chi lo indossa. Tale esoscheletro, sviluppato all’interno del progetto MUNDUS è dotato di 3 gradi di libertà (elevazione e rotazione della spalla, flesso/estensione del gomito) e può essere montato direttamente sulla sedia a rotelle del paziente. Nelle tre direzioni in cui è concessa libertà di movimento, l’esoscheletro è munito di freni elettromagnetici controllabili da PC. Algoritmo per individuare l’intenzione del soggetto sulla base del segnale EMG All’interno di questo studio è stato sviluppato un algoritmo per permettere all’utente di Scenario 1 di scandire i movimenti che vuole eseguire con il supporto di MUNDUS. E’ infatti lasciata la possibilità al paziente di attivare e/o disattivare autonomamente i freni al fine di mantenere una desiderata posizione e di aprire o chiudere la mano per afferrare o rilasciare oggetti qualora l’utente necessiti di utilizzare anche il modulo per il supporto delle funzioni della mano. Per interagire con il sistema è necessario che il soggetto invii un segnale per rispondere ad alcune domande che compaiono su uno schermo posizionato davanti a lui. 9 La soluzione implementata prevede l’elaborazione del segnale EMG acquisito su un muscolo del braccio controlaterale rispetto a quello supportato da MUNDUS. Fig. 4: example of EMG signals acquired from the brachioradialis muscle of one healthy subject. Quando il paziente vuole comunicare la sua intenzione deve effettuare una semplice sequenza di tre contrazioni isometriche della durata ciascuna di un secondo circa. L’algoritmo è stato scritto appositamente per riconoscere tale successione di contrazioni e generare un segnale (trigger) da inviare a MUNDUS CC per comunicare la decisione del soggetto. La procedure implementata prevede che inizialmente il segnale ricevuto venga filtrato da un filtro passa alto (10 Hz), rettificato e nuovamente filtrato passa-basso a 5 Hz. Successivamente, ogni 40ms ne viene calcolato il valore medio e tale dato è poi confrontato con una soglia che è stata opportunamente identificata sul singolo soggetto in fase iniziale (fig.4). Quando il paziente effettua una contrazione, questa viene riconosciuta grazie al confronto del segnale con due differenti valori che corrispondono al 70% e 30% della soglia calibrata in partenza sul soggetto. Il superamento della soglia superiore sancisce l’inizio dell’attivazione del muscolo da parte dell’individuo monitorato; quando il segnale scende sotto quella inferiore (fine dell’attivazione) il contatore delle contrazioni viene incrementato. Una volta che quest’ultimo ha rilevato la conclusione della terza contrazione, un trigger viene inviato al sistema (fig.5).Attenzione è stata posta su alcuni aspetti all’interno del codice che limitino il più possibile l’insorgere di errori; un esempio è la possibilità di impostare il valore massimo di durata dell’intervallo tra due contrazioni successive. Qualora questo non venga rispettato, il contatore considera l’ultima contrazione rilevata come la prima di una serie successiva. Durante lo svolgimento di attività quotidiane da parte del 0 1 2 3 4 5 6 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 time [s] emg [mV] HP NORM LP MEAN threshold 30% threshold 70% threshold TRIGGER 10 soggetto, c’è infatti il rischio di fraintendere contrazioni dovute ad un suo generico movimento con la volontà di questi di comunicare un comando al sistema. Fig. 5: Algorithm flow chart. Validazione dell’algoritmo per la detezione dell’intenzione Una prima serie di test è stata condotta per valutare la robustezza dell’algoritmo. Per effettuare i test è stata richiesta la partecipazione di quattro soggetti sani e il setup sperimentale non includeva la presenza dell’esoscheletro. A ciascuno di loro è stato chiesto di trascorrere un’ora di attività a loro scelta tra quelle comunemente svolte stando seduti ad un tavolo. La scelta è ricaduta su studiare, leggere e scrivere, pranzare e intrattenersi con gli amici. Nel frattempo, è stato monitorato su di loro il segnale EMG di quattro muscoli (brachioradiale, trapezio, sternocleidomastoideo e frontale) al fine di rilevare il numero di volte che il soggetto attivava involontariamente il trigger (sequenza di tre contrazioni ravvicinate). All’inizio e alla fine della prova a ciascun soggetto è stato chiesto di effettuare una serie di contrazioni volontarie con lo scopo di valutare la facilità di comprensione della procedura di attivazione del trigger EMG. In particolare, si è valutato il tempo necessario affinché l’algoritmo riconoscesse il trigger a partire dall’instante in cui veniva richiesto al soggetto di inviarlo. Validazione di MUNDUS – Scenario 1 11 La seconda serie di test è stata effettuata con lo scopo di validare lo Scenario 1 di MUNDUS svolgendo un’analisi complessiva del dispositivo assistenziale. Durante le sessioni è stato inoltre testato il corretto funzionamento dell’algoritmo sviluppato e la sua comunicazione con gli altri moduli all’interno del sistema. Per lo svolgimento delle sessioni di test è stata richiesta la presenza di tre pazienti e di cinque soggetti sani. La partecipazione di questi ultimi è servita a raccogliere dati per stimare i “range di normalità” da confrontare con le prestazioni eseguite successivamente. I tre pazienti che hanno effettuato i test appartengono a Scenario 1 e sono stati selezionati in quanto affetti da patologie tra quelle considerate all’interno del progetto MUNDUS. Il protocollo ha richiesto l’utilizzo dell’esoscheletro con la possibilità di attivarne i freni sfruttando l’algoritmo implementato all’interno di questo studio. Il test prevedeva l’esecuzione di dieci ripetizioni di quattro movimenti quali bere da una cannuccia, toccare la spalla sinistra, toccare la mano sinistra e schiacciare un bottone. I parametri che sono stati monitorati sono: il tempo di esecuzione, la velocità media, la capacità di eseguire una traiettoria rettilinea e la fluidità del movimento. Ai soggetti sani è stato richiesto di fare una sola eseguzione della prova mentre ai pazienti di ripetere tre volte la sessione in giorni separati. 3 Risultati Prove di validazione dell’algoritmo I risultati del test hanno confermato che l’algoritmo è in grado di rilevare l’intenzione del soggetto e che a sua volta quest’ultimo è in grado di eseguire facilmente la sequenza di contrazioni ravvicinate. Inoltre, è stato scelto il valore da assegnare ad alcuni parametri temporali fissi relativi al funzionamento del codice e contemporaneamente sono stati selezionati quelli che è preferibile calibrare sul singolo utente. Alcune osservazioni sono state fatte anche riguardo alla scelta del muscolo da utilizzare per rilevare l’intenzione del soggetto. Nonostante sia stato confermato dai test che il muscolo debba venir scelto in base alle caratteristiche e alle preferenze di ciascun individuo, alcuni tra quelli selezionati durante la procedura si sono rivelati inadeguati. Un esempio è il muscolo frontale: in quanto utilizzato per la mimica facciale, è stato spesso contratto involontariamente. 12 Prove di validazione di Scenario 1 Nella seconda sessione di test i soggetti sono stati capaci di eseguire autonomamente tutte le ripetizioni dei movimenti richiesti. Questo aspetto sottolinea che MUNDUS è in grado di far eseguire attività di vita quotidiana a pazienti che non ne sarebbero in grado autonomamente, soprattutto per l’insorgere di effetti quali la fatica in seguito a numerose ripetizioni. Durante la procedura il codice si è dimostrato robusto anche nel comunicare con gli altri moduli di MUNDUS. Durante ciascuna sessione, i pazienti sono riusciti ad attivare e disattivare i freni comunicando con il sistema attraverso il segnale EMG rilevato da un muscolo a loro scelta. Inoltre, nessun falso positivo è stato rilevato durantele sessioni. Infine, i dati raccolti durante le sessioni del test sono stati in seguito elaborati da un punto di vista statistico. Da tale analisi è stato riscontrato che nell’arco dei tre giorni due pazienti su tre hanno migliorato l’esecuzione dei movimenti richiesti dal protocollo. Tale fatto indica una certa rapidità di apprendimento nello sfruttare al meglio tutte le qualità del dispositivo assistenziale. 4 Conclusioni e sviluppi futuri Sulla base di quanto riscontrato dai risultati dei test effettuati, è possibile concludere che l’algoritmo sviluppato nel presente studio è robusto e risponde alle richieste per le quali è stato implementato. Permette infatti di rilevare la volontà del soggetto e di comunicarla al sistema con cui egli deve interagire. Inoltre, si è dimostrato facilmente comprensibile da parte degli utenti, i quali hanno trovato semplice la sequenza di contrazioni da effettuare per comunicare la propria intenzione. Allo stesso tempo, anche l’utilizzo generale del dispositivo MUNDUS non ha portato complicazioni agli utenti. Tra le due modalità messe a disposizione in Scenario1, i pazienti reclutati nei test hanno preferito comunicare tramite l’utilizzo del segnale EMG residuo di un loro muscolo piuttosto che premere un pulsante. Infatti, laddove il paziente non ha sensibilità al tatto, questi non riesce a dosare opportunamente la forza con cui schiacciare il pulsante. La modalità studiata all’interno del presente lavoro si è quindi rivelata la più utile per loro. Miglioramenti possono essere apportati al modulo per fronteggiare l’insorgere della fatica durante l’esecuzione dei movimenti. Con il passare del tempo è infatti stato riscontrato che il paziente contrae meno intensamente il muscolo monitorato. Sarebbe 13 opportuno sviluppare un algoritmo che aggiorni la soglia di attivazione del trigger durante l’utilizzo del dispositivo. In conclusione poi, andrebbe effettuata una validazione più complessiva di Scenario 1 che richieda l’utilizzo dei moduli del braccio e della mano da parte dei pazienti.