CAPITOLO TERZO Parte sperimentale

CAPITOLO TERZO

Parte sperimentale

3. 1 Introduzione

Per valutare gli effetti della terapia robotica nei soggetti emiparetici ed analizzare i meccanismi neurofisiologici alla base delle disabilità motorie a seguito di un ictus, è possibile analizzare l‟attività cerebrale durante movimenti di reaching controllati da un sistema robotico.

Gli scopi dello studio al fine di caratterizzare il recupero neurofisiologico dei soggetti affetti da ictus sono i seguenti:

1. mettere a punto un sistema di valutazione funzionale innovativo per gli esercizi riabilitativi proposti nella terapia robotica, mediante il sistema robotico MIT-Manus, basato sull‟analisi del segnale elettroencefalografico (EEG);

2. individuare parametri di interesse a partire dai segnali EEG che possano essere utilizzati per una futura applicazione Brain Machine Interface (BMI), da integrare nel sistema robotico MIT-Manus.

Sono stati sottoposti allo studio due pazienti cronici con emiparesi dovuta ad ictus e quattro soggetti sani: i risultati preliminari ottenuti nell‟analisi sono incoraggianti.

Nel caso di una patologia come l‟ictus che causa lesioni cerebrali, la sfida consiste nel fatto che, in futuro, la riabilitazione possa intervenire non solo agendo sugli effetti della patologia ristabilendo le funzionalità motorie nelle regioni periferiche, ma stimolando ed agendo direttamente sulle aree cerebrali lesionate, con dispositivi che si interfaccino con il sistema nervoso centrale. Inoltre la realizzazione di metodi di valutazione funzionali oggettivi e quantitativi apre la strada all‟ottimizzazione e alla personalizzazione della terapia riabilitativa.

3. 1. 1 Strumentazione

Il setup sperimentale è costituito da vari sistemi: il modulo spalla/gomito del sistema robotico InMotion2 (MIT-Manus), l‟elettroencefalografo Biosemi ActiveTwo MK2 a 16 canali, il cavo di sincronizzazione, un PC portatile con ActiveView (il software di acquisizione dell‟elettroencefalografo), la cuffia a 16 canali, un metro, la siringa MonoJect, e il gel SignaGel.

Il modulo InMotion2 del sistema robotico MIT-Manus (descritto nel Capitolo Primo) è stato utilizzato per somministrare una terapia riabilitativa per l‟arto superiore paretico e per ricavare informazioni quantitative sulla biomeccanica del movimento. A tal proposito per la fase di registrazione del segnale EEG, sono stati realizzati, mediante programmazione nel linguaggio Tcl/Tk, due programmi (Appendice, A.1): i programmi forniscono un menù ad interfaccia grafica per la scelta delle due modalità previste dalla sperimentazione (TEST e RECORDING), spiegate di seguito, permettono lo svolgimento e la visualizzazione su schermo del task motorio, la sincronizzazione tra il sistema robotico e l‟elettroencefalografo e la registrazione su file delle grandezze cinematiche e dinamiche misurate dal robot durante l‟esecuzione dell‟esercizio.

Il sistema utilizzato per l‟acquisizione del segnale elettroencefalografico è l‟elettroencefalografo Biosemi ActiveTwo MK2 a 16 canali [67]. E‟ stato scelto questo sistema perché dotato di elettrodi attivi che sono in grado di registrare un segnale affidabile e ripetibile non solo quando il soggetto è immobile, ma anche mentre svolge piccoli movimenti: nella sperimentazione, infatti, il soggetto si sottopone a registrazione EEG mentre svolge un movimento di reaching con l‟arto superiore.

Le caratteristiche tecniche del sistema sono riassunte nella sottostante tabella (tabella 10a). Il modulo InMotion2 e l‟elettroencefalografo Biosemi ActiveTwo sono collegati via hardware con un cavo di sincronizzazione realizzato appositamente. L‟elettroencefalografo Biosemi ActiveTwo MK2, infatti, prevede la connessione di un cavo sulla porta female sub-D a 37 pin posta sul ricevitore USB, che fornisca un segnale di trigger TTL level a 5 Volts. Il segnale di trigger viene registrato su file nello Status Channel con la stessa frequenza di campionamento con cui vengono registrati i segnali elettroencefalografici. Ogni volta che il braccio robotico si sposta dalla posizione di partenza, il robot invia un segnale alto che mette a 1 il Bit 00 (LSB) del canale di Status, quando il cursore raggiunge il target di arrivo, il robot invia un segnale basso che mette a 0 il Bit 00: il segnale immagazzinato nel canale di Status indica

quindi l‟istante di inizio del movimento (trigger di inizio parziale) e l‟istante di fine movimento (trigger di fine parziale). Il segnale di trigger inizio parziale viene utilizzato nell‟

Sample-rate options: (sample rate is adjustable by user)

2048 Hz 4096 Hz 8192 Hz 16,384 Hz

Max. number of channels @ selected sample rate:

256 128 64 32 Bandwidth (-3dB): DC - 400 Hz DC - 800 Hz DC - 1600 Hz DC - 3200 Hz Low-pass response

5th order sinc digital filter

High-pass response

fully DC coupled

Digitalization:

24 bit, 4th _{order Delta-Sigma modulator with 64x over sampling,}

one converter per channel

Sampling skew: < 10 ps

Absolute sample rate accuracy (over temp range:

0-70 C)

0.1 Hz 0.2 Hz 0.4 Hz 0.8 Hz

Relative sample rate accuracy (jitter)

< 200 ps

Quantization-resolution LSB = 31.25 nV, guaranteed no missing codes

Gain accuracy: 1 %

Anti aliasing filter fixed first order analog filter, -3dB at 3.6 kHz

Total input noise (Ze < 10

kOhm):, full bandwidth

0.8 uVRMS (5 uVpk-pk) 1.0 uVRMS (6 uVpk-pk) 1.4 uVRMS (8 uVpk-pk) 2.0 uVRMS (12 uVpk-pk) 1/f noise (Ze < 1 MOhm): 1 uVpk-pk @ 0.1..10Hz

Amplifier current noise: < 30 fArms

Input bias current: < 10 pA per canne

Input impedance Active Electrode

300 MOhm @ 50 Hz (1012 Ohm // 11 pF)

DC offset: < 0.5 mV

DC drift < 0.5 uV per degree Celsius

Input range +262 mV to -262 mV

Distortion < 0.1 %

Channel separation > 100 dB

Common Mode Rejection Ratio

> 80 dB @ 50 Hz

Isolation Mode Rejection Ratio

Power Consumption 4 Watt @ 256 channels

inversely proportional with the number of installed channels Battery capacity, standard

battery

25 Watt-hour, 3 cell sealed lead-acid (double capacity battery is available as an option)

Battery life on standard battery

> 5 hours @ 256 channels

inversely proportional with the number of installed channels

Battery charge time (with external fast

charger): < 3.5 hours for a 100% charge

Leakage current, normal operation:

< 1 uA rms.

Leakage current, single fault < 50 uArms

Trigger inputs: 16 inputs on optical receiver (isolated from subject section) , TTL level Trigger outputs: 15 outputs on optical receiver (isolated from subject section) , TTL level

PC interface: USB2.0

Size of front-end, including battery-box (H x W x D)

120 x 150 x 190 mm

Weight of front-end, including battery-box

1.1 kg

Environment: Indoor use: Temperature: +10C to +40C

Humidity: 30 to 75% Pressure: 700 hPa to 1060 hPa

Warranty 3 years (1 year on electrodes and batteries)

Tabella 10a. Caratteristiche tecniche del Biosemi ActiveTwo MK2.

elaborazione dei dati, come evento, per studiare i potenziali evento correlati (ERP).

L‟elettroencefalografo Biosemi ActiveTwo è dotato di un software di acquisizione ActiveView in ambiente LabView che permette di visualizzare i dati in tempo reale e di salvarli su un file in formato .bdf a 24 bit per una successiva elaborazione con programmi compatibili. Il software ActiveView è stato installato su un PC portatile. Il PC viene collegato all‟elettroencefalografo tramite porta USB e posizionato nella postazione del terapista prevista dal sistema robotico MIT-Manus.

L‟elettroencefalografo Biosemi ActiveTwo è inoltre dotato di una cuffia a 16 fori per il posizionamento degli elettrodi, e del gel SignaGel da applicare (con la siringa MonoJect in dotazione) tra l‟elettrodo e la cute, per migliorare l‟interfaccia elettrodo/cute. La disposizione dei 16 elettrodi sulla cuffia è stata modificata in modo che essi siano posizionati secondo il Sistema Internazionale 10-20, in corrispondenza delle aree motorie di interesse per l‟analisi:

l‟Area Motoria Primaria (identificata dagli elettrodi C3, Cz, e C4), l‟Area Motoria Supplementare (identificata dagli elettrodi FCz, Fz, FC1 e FC2), la Corteccia Premotoria (identificata dagli elettrodi F3 e F4), la Corteccia Somatosensoriale (identificata dagli elettrodi CPz, CP1, e CP2), l‟Area 5 della Corteccia Parietale Posteriore (Pz), e l‟Area 7 della Corteccia Parietale Posteriore (identificata dagli elettrodi P3 e P4).

Il metro è necessario per verificare il corretto posizionamento della cuffia.

Figure 68. Le aree motorie e la disposizione degli elettrodi secondo il Sistema Internazionale 10-20

3. 1. 2 Protocollo sperimentale

Prima di effettuare le registrazioni cliniche presso il Dipartimento di Riabilitazione U.O.C. Medicina Riabilitativa Ospedale Versilia, dove si trova attualmente il sistema robotico

MIT-Manus in fase di sperimentazione, sono stati messi a punto il modulo di consenso informato con cui i soggetti presi in esame sono stati informati degli scopi della sperimentazione e hanno dato l‟autorizzazione ad utilizzare le registrazioni EEG per scopi di ricerca, e il protocollo sperimentale, sottoposto ad approvazione dei medici dell‟ospedale. Il protocollo sperimentale viene descritto di seguito.

METODOLOGIA

Tipologia dello studio

Trial clinico comparativo.

Partecipanti

Soggetti, di età compresa tra 18 e 79 anni: 4 soggetti normodotati e 2 soggetti affetti da esiti motori da danno neurologico con deficit a carico dell‟arto superiore.

Criteri di inclusione:

o Soggetti normodotati:

- età minima 18 anni;

- il soggetto deve essere collaborativo; - firma sul modulo di consenso informato; - assenza di patologie evidenti.

o Soggetti emiparetici:

- il soggetto deve avere avuto un singolo ictus senza recidive, da più di un anno;

- Chedoke McMaster Assessment Scale (Arm Stage) con punteggio da 2 a 5; - assenza di dolore alla mobilizzazione passiva valutata con VAS;

- capacità cognitive preservate;

- il paziente deve essere in grado di dare inizio al movimento in maniera indipendente senza l‟assistenza del robot o del terapista;

- il soggetto è stato sottoposto in passato alla terapia riabilitativa tradizionale.

Criteri di esclusione:

- presenza di altra patologia grave concomitante; - paziente carcerato;

Strumenti di Misura

I soggetti con patologia per la sperimentazione vengono valutati secondo il seguente schema:

Valutazione pre-trattamento mediante:

• Modified Ashworth Scale che misura il grado di spasticità dei muscoli della spalla e del gomito.

• Il Motor Status Score che prevede, per spalla e gomito, ventitré movimenti ed assegna un punteggio variabile da 0 a 2 a ciascuno movimento.

• Range of Motion (ROM) passivo di spalla, gomito e mano.

Valutazione post trattamento mediante:

 Modified Ashworth Scale.

 Motor Status Score.

 ROM passivo di spalla, gomito e mano.

I 6 soggetti (normali e con patologia) vengono sottoposti alla valutazione della durata di circa 20 minuti che consiste nella registrazione del segnale EEG durante l‟esecuzione di un task motorio.

La sperimentazione prevede che i soggetti con patologia vengano sottoposti alla terapia robotica mediante il sistema MIT-Manus (“Clock-like” e “Fan-like”) per 4 settimane, 5 volte a settimana (figura 69). Ogni sessione di terapia ha una durata di circa 60 minuti.

Figura 69. Schema rappresentativo della temporizzazione delle registrazioni EEG e della terapia per i soggetti con patologia.

La valutazione della terapia robotica mediante registrazione elettroencefalografica (EEG), per i soggetti patologici, viene effettuata in tre sessioni differenti, nella seguente modalità:

1° registrazione EEG 2° registrazione EEG 3° registrazione EEG TERAPIA 1° settimana 2°settimana

Clock like therapy Fan-like therapy

TERAPIA 3° settimana 4°settimana

- prima registrazione: prima di effettuare la prima sessione della terapia robotica; - seconda registrazione: dopo 2 settimane di terapia robotica, in corrispondenza della

metà del trattamento;

- terza registrazione: al termine del trattamento, dopo quattro settimane, nell‟ultima sessione.

Durante le tre sessioni di valutazione, il segnale EEG viene acquisito prima dello svolgimento degli esercizi riabilitativi.

Il soggetto viene fatto sedere sulla sedia in dotazione al sistema robotico, immobilizzato, e fissato nella posizione corretta impugnando l‟end-effector del braccio robotico.

Figura 70. Soggetto nella postazione del sistema robotico MIT-Manus con la cuffia per le registrazioni EEG.

La valutazione consiste nella registrazione del segnale EEG mentre il soggetto effettua un task motorio con l‟arto superiore paretico, impugnando l‟end-effector del braccio robotico. Il task motorio consiste in un movimento di reaching che prevede la flesso-estensione del braccio (figura 71).

Al soggetto viene prima chiesto di eseguire prima 5 movimenti di reaching, da un punto di partenza (START) verso un target (END), mostrati sul monitor posto di fronte, in un intervallo di tempo scelto da ciascun paziente, secondo le proprie capacità motorie e cognitive.

Questa fase (TEST) ha lo scopo di permettere al paziente di familiarizzare con il sistema, di comprendere l‟esercizio in modo da non avere incertezze. La fase TEST viene proposta per poter garantire il più possibile una corretta esecuzione del task nel momento della registrazione. Il segnale EEG dipende dallo stato mentale del soggetto in esame: eventuali preoccupazioni, incertezze, l‟eccessiva concentrazione si riflettono sull‟attività cerebrale, si possono rilevare tramite EEG, e potrebbero sovrapporsi alle informazioni di planning e di esecuzione del movimento.

. La fase TEST non prevede la registrazione del segnale EEG, anche se i soggetti la eseguono indossando la cuffia con gli elettrodi collegati.

Dopo una breve pausa, al soggetto viene chiesto di effettuare lo stesso movimento per 35 volte. In questa fase si effettua la registrazione del segnale EEG (RECORDING).

La modalità prevista sia per la fase TEST, sia per la fase RECORDING, prevede che il soggetto, al termine del task motorio, ritorni nella posizione di partenza (START) e resti a riposo per almeno 5 secondi, prima di effettuare il task successivo. La partenza dalla posizione di START è segnalata mediante un segnale acustico.

Non è stato analizzato un movimento più complesso, come quello dell‟esercizio Clock-like o Fan-like, effettuato dai pazienti durante la terapia robotica, perchè avrebbe reso l‟analisi più complessa dal punto di vista metodologico senza garantire ulteriori risultati rispetto all‟analisi del movimento di reaching. Infatti a causa della bassa risoluzione spaziale dell‟EEG e della scarsa letteratura a riguardo, non è certo che si verifichino variazioni dell‟attività elettroencefalografica correlate ai cambi di direzione nelle traiettorie proposte dagli esercizi: quello che è possibile discriminare con gli attuali elettroencefalografi è l‟attivazione corticale che deriva dalla pianificazione ed esecuzione di un movimento, e studiarla in relazione all‟attività di riposo. E‟ possibile individuare l‟arto che compie il movimento riferendosi agli elettrodi posti sulle aree della corteccia motoria. Il movimento di flesso-estensione del braccio, inoltre è stato scelto perché considerato significativo, in quanto richiede un maggiore sforzo motorio e cognitivo per i soggetti con ictus: si è visto, infatti, che i soggetti con ictus hanno più facilità a svolgere movimenti che prevedono la flessione della spalla e del gomito, probabilmente a causa della spasticità indotta dalla patologia, e mostrano più difficoltà nel

movimento di estensione del braccio. Inoltre la traiettoria proposta è quella che prevede il contributo e la coordinazione di due articolazioni (gomito e spalla) del braccio.

In prima analisi si è quindi deciso di studiare un movimento semplice e significativo.

3. 1. 3 Soggetti

Alla sperimentazione hanno partecipato 6 soggetti: 4 soggetti sani e 2 soggetti con emiparesi dovuta ad ictus.

I soggetti sani sono individuati con l‟identificativo S (“sano”) e un numero. Le caratteristiche dei soggetti sani (genere, età e dominanza) sono riassunte nella tabella sottostante. L‟età media per i soggetti sani è 30,25±11,84.

ID Genere Età Dominanza

S01 F 48 DX S02 F 24 SX S03 F 25 DX S04 M 24 DX

Tabella 11. Caratteristiche dei soggetti sani.

I soggetti patologici sono individuati con l‟identificativo P (“patologico”) e un numero; le caratteristiche più importanti (genere, età, dominanza, emiparesi, patologia ed insorgenza) sono riportate nella tabella sottostante.

Genere Età Dominanza Emiparesi Patologia Insorgenza

P01 F 61 DX SX Asportazione MAV insulare destra 15 mesi P02 F 59 DX DX Ischemia cerebrale 12 mesi

Tabella 12. Caratteristiche dei soggetti patologici, identificativo “P”.

.

Le scale di valutazione funzionale somministrate dai terapisti sono: la Motor Status Score (MSS), la Modified Ashworth Scale (MAS), e il Range of Motion (ROM).

Per garantire l‟esito di una buona registrazione, sono state osservate le seguenti condizioni sperimentali:

- La stanza dove avviene la registrazione deve essere ampia, isolata acusticamente, con una buona ventilazione (il soggetto non deve avere caldo durante la prova) ed una buona illuminazione. Durante la registrazione nella stanza ci deve essere il minor numero possibile di persone, per favorire la concentrazione e il rilassamento del soggetto.

- L‟elettroencefalografo deve essere posto su un piano di materiale plastico o legno, vicino al piano del robot per garantire il rilassamento dei cavi ed assecondare i possibili movimenti della testa del soggetto, ma non limitare il Range of Motion dell‟arto che impugna l‟effettore del robot. I cavi devono essere posti dietro le spalle del soggetto. Inoltre l‟elettroencefalografo si deve trovare lontano da fonti di interferenza quali piani ed oggetti metallici, monitor, ventilatori, cellulari e fonti di illuminazione (la soluzione ottimale per l‟illuminazione è utilizzare lampade alogene a basso voltaggio, che producono minor calore e minore interferenza elettromagnetica rispetto alle lampade a fluorescenza e ad incandescenza).

- Il soggetto non deve aver assunto nicotina, caffeina, o altre sostanze eccitanti 2/3 ore prima della registrazione, deve rilassarsi almeno 10 minuti prima di sottoporsi alla valutazione, non indossare vestiti troppo pesanti, e deve avere i capelli puliti senza presentare residui di lacche o gel.

La procedura seguita nella registrazione del segnale EEG per la valutazione funzionale della terapia robotica con il sistema MIT-Manus è descritta di seguito.

1. Prima dell‟arrivo del paziente, accendere il computer del robot e seguire le indicazioni per avviare il sistema operativo.

2. Collegare l‟elettroencefalografo al PC portatile dove è installato il software ActiveView per l‟acquisizione e la digitalizzazione del segnale.

3. Sull‟elettroencefalografo Biosemi ActiveTwo MK2 selezionare via hardware Speed

Mode 7, se si utilizzano 16 elettrodi.

4. Accendere l‟elettroencefalografo, sul PC avviare ActiveView Lores ed impostare la configurazione a 16 elettrodi e la frequenza di campionamento a 256 Hz (decimazione

1/64). E‟ stata scelta la frequenza di campionamento a 256 Hz perché rappresenta un

buoni dati da analizzare (secondo il Teorema di Nyquist, la frequenza di campionamento deve essere almeno il doppio della frequenza della banda di interesse) e l‟esigenza di non avere file con dimensioni troppo grandi che rendano difficoltosa o lenta l‟elaborazione.

5. Collegare l‟elettroencefalografo Biosemi ActiveTwo MK2 e il sistema robotico MIT-Manus tramite l‟apposito cavo di sincronizzazione.

6. Accendere il robot ed avviare il programma “cons” per gli esercizi di valutazione. 7. Spiegare esaustivamente gli esercizi al soggetto, e farlo posizionare correttamente dal

terapista nella postazione robotica come per eseguire la terapia.

8. Far indossare al soggetto la cuffia, e assicurarsi che l‟elettrodo Cz si trovi al centro della testa (misurare con il metro la metà del segmento che unisce i punti anatomici Nasion ed Inion, e la metà del segmento che unisce il punto preauricolare dell‟orecchio destro e sinistro).

9. Fissare la cuffia.

10. Inserire circa 10 ml di gel SignaGel nella siringa MonoJect, e riempire i fori della cuffia dove verranno posizionati gli elettrodi. Il paziente deve avvertire una sensazione di freddo dovuta al contatto del gel sulla cute. Inserire il gel partendo dall‟interno del foro, cercando di spostare con la siringa i capelli che separano la punta di questa dalla cute: assicurarsi di non iniettare troppo gel perché potrebbero crearsi dei ponti elettrolitici tra gli elettrodi vicini.

11. Posizionare gli elettrodi sulla cuffia in corrispondenza dei fori con lo stesso nome, e in modo che i cavi rimangano dietro la schiena del soggetto.

12. Avviare l‟acquisizione tramite il software ActiveView per controllare che l‟offset degli elettrodi sia nel range di ±25mV. Se l‟offset di uno o più elettrodi supera questa soglia, provare a togliere l‟elettrodo corrispondente, aggiungere un po‟ di gel, e riposizionare l‟elettrodo.

13. Controllare che i segnali siano buoni e con poco rumore.

14. Raccomandare al soggetto di rilassarsi e procedere con l‟acquisizione dell‟EEG a

riposo (della durata di circa 10 secondi).

15. Spiegare nuovamente l‟esercizio al soggetto e procedere con la fase TEST. Far riposare il soggetto per qualche minuto.

16. Far eseguire al soggetto l‟esercizio di RECORDING, registrando su file i segnali EEG per l‟analisi.

18. Togliere la cuffia al soggetto e scollegare gli elettrodi: il soggetto svolge gli esercizi previsti dalla terapia.

19. Lavare immediatamente con acqua tiepida la cuffia, gli elettrodi e la siringa per evitare che il gel si solidifichi.

20. Nel caso non si debbano fare altre sessioni di terapia o registrazione, spegnere prima il robot e poi il computer del robot, seguendo le istruzioni di arresto.

3. 2 Analisi dei dati

Per quanto riguarda i soggetti con patologia, è stata effettuata un‟analisi di tipo longitudinale: a causa della variabilità tra soggetto e soggetto, della variabilità delle aree lesionate dalla patologia e dell‟esiguo numero di soggetti esaminati, sarebbe stato inefficace cercare correlazioni tra i diversi individui. L‟evoluzione di uno stesso soggetto nel corso del tempo, viene analizzata insieme alle variazioni nel tempo.

Sono state analizzate innanzitutto le variazioni nel tempo dei punteggi ottenuti nelle scale di valutazione cliniche, delle grandezze cinematiche e dinamiche registrate dal robot e di alcuni parametri ricavati dall‟EEG, relative ad ogni soggetto con patologia.

Per studiare la significatività dei parametri cinematici e dinamici presi in esame è stato ricavato il valore medio di ogni parametro per i soggetti sani e si è confrontato coi parametri dei soggetti patologici. Per quanto riguarda i parametri dell‟EEG è stato ricavato il valore medio di ogni parametro per i soggetti sani e si è confrontato coi parametri relativi al soggetto con patologia che presentava le stesse caratteristiche dei soggetti sani (P02): dominanza destra e che abbia effettuato l‟esercizio con l‟arto dominante destro. Successivamente sono state indagate le correlazioni tra i parametri più significativi presi in esame.

Pre-trattamento Metà-trattamento Fine-trattamento

Scale di valutazione Scale di valutazione Parametri cinematici Parametri cinematici Parametri cinematici Parametri dinamici Parametri dinamici Parametri dinamici Parametri EEG Parametri EEG Parametri EEG

Per quanto riguarda le misure, il robot fornisce un file testo (.asc) in cui sono registrati i dati in forma matriciale: le nove colonne rappresentano rispettivamente l‟istante di tempo di registrazione, la posizione dell‟end effector sull‟asse x, la posizione dell‟end effector sull‟asse y, la componente x del vettore velocità (m/s), la componente y del vettore velocità (m/s), la componente x del vettore forza che il soggetto imprime sull‟end effector (N), la componente y del vettore forza (N), la componente z del vettore forza (N), e la forza (N) registrata dal grasp sensor (nel nostro caso questo sensore non è stato incluso nella registrazione). Il numero delle righe, invece, corrisponde al numero di campioni registrati, equivalente al prodotto tra la frequenza di campionamento del robot (200 Hz) e la durata del periodo di registrazione (in secondi).

3. 2. 1 Analisi cinematica del movimento

L‟analisi cinematica ha come scopo la ricerca di parametri che quantificano l‟ esecuzione del movimento. Per i soggetti patologici essa è stata applicata:

- all‟esercizio previsto dalla terapia robotica corrispondente ad inizio, metà e fine terapia (per ogni soggetto patologico sono disponibili 4 ripetizioni dell‟esercizio della terapia corrispondenti alle quattro serie “Oneway Record” previste dalla terapia);

- alla ripetizione dei 35 movimenti di reaching effettuati dal soggetto durante la registrazione del segnale EEG.

Per i soggetti sani essa è stata applicata:

- all‟esercizio Clock-like (eseguito una singola volta); - all‟esercizio Fan-like (eseguito una singola volta);

- alla ripetizione dei 35 movimenti di reaching effettuati dal soggetto durante la registrazione del segnale EEG.

E‟ stato studiato mediante l‟analisi cinematica anche l‟esercizio svolto durante la terapia robotica, per studiare in dettaglio l‟esecuzione dell‟esercizio in tutte le sue direzioni, ed indagarne le relazioni con l‟esecuzione del movimento di reaching.

Tutte le funzioni ed i programmi realizzati in forma di script Matlab per l‟analisi cinematica sono riportati in Appendice (A.2).

In generale i programmi per l‟analisi cinematica sono strutturati nel modo seguente:

1. caricamento dati;

2. individuazione dei vettori posizione e velocità; 3. calcolo dei parametri;

4. grafici.

I programmi relativi all‟analisi degli esercizi della terapia distinguono l‟esercizio Clock-like (registrato per i soggetti patologici nella prima sessione del loro primo giorno di terapia robotica) dall‟esercizio Fan-like (registrato per i soggetti patologici a metà e nell‟ultimo giorno della terapia robotica). I parametri vengono calcolati per ogni direzione dell‟esercizio Clock-like e per ogni direzione dell‟esercizio Fan-like, sia per i soggetti patologici (che presentano dodici registrazioni, quattro per ciascuno dei tre momenti di valutazione) che per i soggetti sani (che invece presentano una singola registrazione per ogni tipo di esercizio). Per quanto riguarda i soggetti patologici, il programma per l‟analisi cinematica dell‟esercizio della terapia robotica fornisce un menù di scelta che permette di selezionare un singolo soggetto alla volta: il programma implementato fornisce per ogni singolo soggetto i valori dei parametri per ogni direzione di movimento nei tre momenti di valutazione della terapia, effettuando una media sulle quattro ripetizioni dell‟esercizio.

Per quanto riguarda i soggetti sani, il programma fornisce i valori dei parametri per ogni direzione di movimento di ciascun soggetto e il valore medio del gruppo per entrambi gli esercizi (Clock-like e Fan-like).

Anche i programmi relativi all‟analisi del movimento di reaching sono distinti per i soggetti patologici e i soggetti sani. Oltre ai valori dei parametri cinematici il programma permette la visualizzazione delle traiettorie e del profilo di velocità effettuati dai soggetti durante l‟esecuzione del movimento di reaching. Per i soggetti patologici è presente il menù di scelta che permette di selezionare un singolo paziente: il programma fornisce per ogni soggetto patologico la media dei parametri cinematici sulle 35 ripetizioni del movimento di reaching inizio, metà e fine terapia. Per i soggetti sani, invece, il programma fornisce la media dei parametri cinematici sulle 35 ripetizioni del movimento di reaching effettuato nella singola registrazione del segnale EEG per ciascun soggetto e la media del gruppo dei sani.

E‟ stato effettuato uno studio della letteratura per individuare i parametri che meglio potessero quantificare la buona esecuzione del movimento [68], [69], [70].

I quattro parametri scelti sono:

- Accuratezza del movimento (a): rappresenta lo spostamento dalla traiettoria teorica, viene calcolata come la media dei moduli delle distanze di ogni punto dalla traiettoria teorica. Idealmente l‟accuratezza è 0. Il movimento è tanto più accurato quanto più l‟indice si avvicina al valore 0.

- a 1 n i d_i











(dove n è il numero totale dei campioni, di è la distanza tra il punto i-esimo della traiettoria

eseguita dal soggetto e il punto appartenente alla traiettoria desiderata (individuata dalle coordinate xd e yd).

- Efficienza del movimento (e): indica se il movimento è sempre diretto verso il target oppure se ci sono degli spostamenti laterali e nella direzione opposta. E‟ la lunghezza normalizzata del path che il paziente effettua per raggiungere il target. Viene calcolata come somma delle distanze tra punti successivi normalizzata alla distanza tra target di partenza e arrivo. L‟efficienza è un numero maggiore di 1, ed è tanto migliore quanto più il valore dell‟indice si avvicina ad uno. L‟efficienza viene ricavata mediante l‟applicazione della seguente formula:

e 1 n i x_i1xi











(dove n è il numero totale dei campioni, e D è la distanza tra il target di partenza e di arrivo).

- Velocità media (vm): valore medio della velocità di esecuzione del movimento (m/s). La

velocità media è un indice di smoothness: se la velocità media aumenta significa che il movimento previsto dal task è svolto in maniera più fluida.

v_m 1 n i v_i



v

v

 

v

 



(dove n è il numero totale dei campioni, e vi è la velocità nel punto i-esimo ottenuta come

somma delle sue componenti vxi e vyi).

- Numero di picchi nel profilo di velocità: indice che fornisce una misura di smoothness: maggiore è il numero di picchi, maggiori sono i momenti di accelerazione e decelerazione, che rendono il movimento meno fluido. L‟indice è ottenuto applicando la funzione „findpeaks‟di Matlab al vettore velocità istantanea vi.

3. 2. 2 Analisi dinamica del movimento

L‟analisi dinamica ha come scopo la quantificazione della forza attiva esercitata dal soggetto sull‟end effector del robot per svolgere il movimento di reaching. L‟analisi dinamica è stata applicata solo al movimento di reaching e non ai movimenti degli esercizi previsti dalla terapia robotica.

Per questa analisi è stato modificato uno script Matlab realizzato in un precedente lavoro [71]. I programmi e le funzioni per l‟analisi dinamica del movimento di reaching per i soggetti patologici e sani sono in forma di script Matlab.

I programmi dell‟analisi dinamica hanno una struttura analoga a quelli dell‟analisi cinematica, cioè:

1. caricamento dati;

2. individuazione dei vettori forza; 3. calcolo dei parametri;

4. grafici.

I programmi forniscono la rappresentazione del vettore forza media nelle 35 ripetizioni del movimento e le variazioni del vettore in ogni ripetizione. Vengono, inoltre, forniti i valori medi dei parametri dinamici calcolati nelle 35 ripetizioni.

Per ciascun soggetto patologico quindi vengono calcolati i parametri dinamici relativi al movimento di reaching effettuato durante la registrazione del segnale EEG corrispondente ad inizio terapia, metà terapia e fine terapia.

Per i soggetti sani invece vengono forniti i parametri dinamici relativi al movimento di reaching effettuato durante l‟unica registrazione del segnale EEG e la media dei parametri del gruppo.

Per valutare le forze esercitate dal soggetto durante le prove, è stato ricavato un grafico che rappresenta il cono di forza, cioè l‟andamento del vettore forza nello spazio con le relative deviazioni.

Figura 72. Rappresentazione del vettore Forza Media ρ (in rosso) con relativi angoli di Colatitudine Φ ed Azimuth Θ

Oltre ai grafici che mostrano i coni di forza, questo tipo di analisi fornisce i seguenti parametri:

- Modulo del Vettore Forza Media (ρ): ottenuto dall‟applicazione della seguente formula:  F_x m

 

 

 

dove Fxm rappresenta la componente x media della Forza (N), Fym rappresenta la

Φ ρ

Θ _x

y z

componente y media della forza (N) e Fzm la componente z media della forza (N). Il

modulo del vettore Forza Media è quindi un parametro espresso in Newton.

- Valore Massimo della Forza; è espresso in Newton. E‟ il valore massimo della forza nelle 35 ripetizioni del movimento di reaching.

- Deviazione Standard del vettore forza dal vettore forza media; espressa in Newton.

- Skewness: è una misura dell‟asimmetria della distribuzione dei dati intorno alla media del campione. Se il valore è negativo la distribuzione è spostata a sinistra rispetto alla media, se è positivo a destra. La skewness è il terzo momento centrale di una variabile diviso il cubo della sua deviazione standard, calcolata secondo la seguente formula:

S E x





3

3

dove E(t) rappresenta il valore atteso della quantità t, μ è la media di x, e σ la deviazione standard di x.

- Kurtosis: è la misura di quanto una distribuzione è sensibile agli outlier. Il kurtosis della distribuzione normale è 3; le distribuzioni più sensibili agli outlier hanno kurtosis maggiore di 3, quelli meno sensibili kurtosis minore di 3. Il kurtosis è il quarto momento centrale di una variabile diviso per la quarta potenza della sua deviazione standard, calcolata secondo la seguente formula:

K E x





4

4

dove E(t) rappresenta il valore atteso della quantità t, μ è la media di x, e σ la deviazione standard di x.

3. 2. 3 Analisi del segnale EEG

Il software utilizzato per l‟analisi è Matlab, in particolare per l‟analisi del segnale EEG viene utilizzato EEGLAB, un toolbox di Matlab.

Nell‟analisi del segnale EEG vengono studiati i potenziali evento-correlati (ERP): l‟evento considerato è l‟inizio del movimento che viene segnalato dal robot MIT-Manus all‟elettroencefalografo Biosemi ActiveTwo tramite il segnale di sincronizzazione (segnale di Inizio Trigger Parziale).

L‟elaborazione dei segnali registrati è descritta dai seguenti steps:

1. La configurazione dei canali prevede che i 16 elettrodi siano disposti secondo il Sistema Internazionale 10-20 in corrispondenza delle aree motorie, come nella figura 73.

Figura 73. Localizzazione degli elettrodi utilizzati nella sperimentazione

2. In fase di importazione dei file .bdf in EEGLAB, viene assunto come elettrodo di riferimento Oz. A causa della disposizione degli elettrodi, molto ravvicinati e non distribuiti su tutta la testa, Oz viene mantenuto come elettrodo comune: i segnali degli altri canali sono riferiti ad Oz, e questo viene poi rimosso dai dati. E‟ necessario fare alcune precisazioni riguardo il riferimento utilizzato. L‟elettrodo di riferimento utilizzato per registrare i dati è denominato elettrodo comune se tutti i canali utilizzano lo stesso riferimento: il tipico elettrodo comune utilizzato nella registrazione dei segnali EEG è il mastoideo. E‟ consigliabile utilizzare lo stesso riferimento dei canali EEG anche per gli altri segnali acquisiti, come ad esempio l‟elettrooculogramma (EOG), anziché utilizzare montaggi bipolari. I sistemi ad elettrodi attivi (Biosemi ActiveTwo) possono registrare i dati “reference free”. In questo caso bisogna scegliere un riferimento durante l‟importazione dei dati nel

programma di elaborazione, altrimenti si introducono 40 dB di rumore. Non esiste un riferimento comune migliore: alcuni autori ritengono che gli elettrodi che non sono disposti sullo scalpo introducano più rumore. I programmi di elaborazione permettono di cambiare il riferimento utilizzando un altro elettrodo o la combinazione di più elettrodi. Alcuni ricercatori consigliano di utilizzare l‟Average Reference, soprattutto quando la configurazione degli elettrodi copre tutta la testa e si ha un‟alta densità di elettrodi. Nel nostro caso gli elettrodi sono concentrati sulle aree motorie e abbiamo a disposizione solo 16 elettrodi, per cui non è stato possibile utilizzare l‟Average Reference ed è stata preferita una registrazione di tipo monopolare a riferimento comune. L‟Average Reference che risulta utilizzando un tipo di montaggio non è direttamente confrontabile con l‟Average Reference ottenuto con un altro montaggio: la scelta di un riferimento o di un altro può cambiare i risultati dell‟analisi. La scelta del riferimentoha effetti differenti sull‟analisi dei dati perciò quando si confrontano dei dati bisogna sempre specificare il riferimento. Nell‟Indipendent Component Analysis (ICA) la scelta del riferimento non è importante: si ottengono risultati molto simili scegliendo diversi riferimenti. Questo succede perché il cambio del riferimento è una trasformazione lineare, che non modifica i risultati dell‟ICA.

3. I segnali vengono filtrati con filtro FIR, con banda passante 0.5-40 Hz, per eliminare il rumore in bassa frequenza delle componenti e quello dell‟alimentazione a 50-60 Hz. Per un filtro passa banda ottimale in EEGLAB è consigliabile applicare in cascata il filtro passa alto con frequenza di taglio a 0.5 Hz e il filtro passa basso con frequenza di taglio a 40 Hz, o viceversa, per evitare che il filtro introduca distorsioni. 4. Vengono eliminati possibili frammenti di registrazione che contengono artefatti

tramite il tool di EEGLAB REJECT CONTINUOUS DATA BY EYE.

5. Attraverso l‟opzione CHANNEL DATA SCROLL si controllano le registrazioni e si analizza se c‟è qualche evento da eliminare: gli eventuali eventi vengono ridefiniti nell‟opzione EVENT VALUE.

6. Si analizza, poi, lo spettro di potenza del segnale, per controllare di aver eliminato eventuali rumori o attività indesiderate. Per visualizzare lo spettro in potenza si seleziona PLOT> CHANNEL SPECTRA AND MAPS.

7. A questo punto viene eseguita l‟analisi delle componenti indipendenti (ICA), con l‟algoritmo RUNICA, per individuare le componenti che portano l‟informazione e quelle che presentano ancora rumore. Il programma permette la scomposizione in un numero di componenti pari al numero degli elettrodi; di ogni componente permette la

visualizzazione della distribuzione spaziale sullo scalpo e lo spettro in potenza. Proprio dalla distribuzione sullo scalpo e dal tipo di spettro è possibile distinguere le componenti che portano l‟informazione, da quelle che portano rumore o artefatti, che vengono eliminate.

8. Dai segnali così ripuliti vengono a questo punto estratte le epoche. Questa è una delle operazioni più importanti che si effettua sul dataset: per l‟individuazione delle quantità di interesse è necessario che le epoche siano correttamente settate: per questo motivo è necessario prendere parte alle registrazioni del segnale EEG coi soggetti ed osservarli attentamente. Ogni epoca ha una durata di circa 6 secondi, nel seguente intervallo temporale: 5 secondi prima dell‟inizio del movimento e 1 secondo dopo l‟inizio del movimento. Il software allinea le epoche con l‟evento ed effettua la media dei segnali ottenendo, per ciascun elettrodo, gli Event Related Potential (ERP) da studiare. Viene considerato come “periodo di baseline” il segnale da 5 a 4 secondi prima dell‟inizio del movimento e il periodo di interesse (“period”) il segnale da 4 secondi prima a 1 secondo dopo l‟inizio del movimento (Figura 74). Il periodo di baseline è il periodo in cui il soggetto rimane a riposo, il periodo di interesse è il periodo in cui il soggetto effettua il planning e l‟esecuzione del movimento.

Figura 74. Raffigurazione della suddivisione in epoche dell’asse temporale del segnale EEG

9. Dai segnali così ottenuti, attraverso la visualizzazione PLOT>CHANNEL ERPs> IN RECT. ARRAY, è possibile visualizzare gli Event Related Potentials (ERPs) per ciascun canale, ed individuare il Motor Cortical Related Potentials (MRCP).

-4 Movem. onset 1 / -5 -4 -4 Movem. onset 1 / -5 Movem. onset 0 0 0 1 / -5 t [s] I epoca II epoca Baseline Period -5

Figura 75. Forma d’onda caratteristica del segnale MRCP ad un elettrodo. Nel grafico sono riportati il Bereheitschaftpotential (BP), potenziale negativo che precede il movimento ,il Negativity Slope (NS) pendenza della retta tangente al potenziale motorio, il Motor Potential (MP) cioè il potenziale motorio che

si verifica quando inizia il movimento (MO), e il picco del potenziale motorio (MPP).

E‟ possibile individuare l‟ampiezza e l‟istante temporale corrispondente ai picchi tramite lo strumento di zoom. In questo modo, per ogni soggetto, vengono ricavati i parametri relativi agli MRCP all‟elettrodo controlaterale all‟arto che esegue il movimento (C3 per i soggetti che effettuano il movimento con la destra). I parametri scelti sono i seguenti: durata del Bereheitschaftpotential (BP), durata del potenziale motorio (MP) e l‟ampiezza del picco del potenziale motorio (MPP).

10. Viene eseguita la trasformata Wavelet per il canale corrispondente alla mano che esegue il movimento (C3 per chi compie l‟esercizio con la mano destra), attraverso l‟opzione PLOT>TIME_FREQUENCY TRANSFORMS>CHANNEL TIME_FREQUENCY. Dalla mappa che si ottiene è possibile individuare la frequenza di picco nella banda alfa e l‟istante temporale in cui avvengono la desincronizzazione e la sincronizzazione, cioè la diminuzione o l‟aumento della potenza nello spettro di potenza.

11. I segnali vengono quindi filtrati con filtro IIR con frequenze di taglio ±1 Hz la frequenza di picco individuata nella mappa della trasformata wavelet, con l‟ accortezza di eseguire prima il filtraggio passa alto, e poi quello passa basso.

12. La matrice dei segnali così ottenuta viene esportata in Matlab. La matrice viene utilizzata per ricavare l‟Indice di Attivazione Emisferico e ottenere la matrice che contiene le percentuali della desincronizzazione e sincronizzazione (ERD/ERS) di

potenza secondo la formula di Pfurthscheller, applicando i corrispondenti script Matlab (Appendice A. 3) brevemente descritti in seguito.

13. Lo script per il calcolo dell‟Indice di Attivazione Emisferico restituisce le percentuali di attivazione dell‟emisfero destro, sinistro e centrale.

14. La matrice risultante dall‟applicazione dello script che calcola ERD/ERS viene importata in EEGLAB e filtrata con un filtro FIR passa basso con frequenza di taglio a 13 Hz. A questo punto vengono visualizzati i segnali risultanti per ogni canale (PLOT>CHANNEL ERPs> IN RECT. ARRAY). Il calcolo dei parametri di interesse avviene, come nel caso di MRCP, utilizzando lo strumento di zoom. Analogamente a come si è proceduto nel caso di MRCP anche in questo caso per ogni soggetto vengono ricavati i parametri relativi all‟ERD in fase di planning motorio (banda alfa) all‟elettrodo controlaterale all‟arto che esegue il movimento (C3 per i soggetti che effettuano il movimento con la destra), i parametri scelti sono: ampiezza massima di ERD (%) e durata di ERD.

Il programma per ricavare l‟Indice di Attivazione Emisferico è stato realizzato in questo lavoro di tesi ed è riportato in Appendice (A.3.1). L‟ingresso del programma è costituito dal dataset esportato da EEGLAB contenente i segnali EEG già divisi in epoche e filtrati nella banda di interesse. Il programma restituisce, espressi in percentuale dell‟attivazione totale, l‟indice di attivazione dell‟emisfero sinistro, l‟indice di attivazione dell‟emisfero destro e l‟indice di attivazione centrale. L‟emisfero sinistro comprende gli elettrodi F3, Fc1, C3, Cp1 e P3, l‟emisfero destro gli elettrodi F4, Fc2, C4, Cp2 e P4 e l‟emisfero centrale comprende gli elettrodi Fz, Fcz, Cz, Cpz e Pz. Nel calcolo dell‟attivazione è ovviamente escluso l‟elettrodo Oz, utilizzato come riferimento.

Per il calcolo dell‟indice si considera attivazione la desincronizzazione della potenza nella banda di interesse (banda alfa). In prima analisi non è stata inserita una soglia per individuare l‟attivazione; in futuro dovrà essere prevista.

Per prima cosa il programma calcola per ogni epoca la potenza media della baseline e la potenza media nel periodo di attività di planning motorio e di esecuzione del movimento per ogni canale. Quindi viene ricavata la potenza di attivazione media, come differenza tra la potenza media nel periodo di attività e la potenza media nel periodo di baseline. La potenza di attivazione negativa corrisponde ad una desincronizzazione della potenza, quindi all‟attivazione del canale considerato. Vengono, quindi, ricavati l‟indice di attivazione dell‟emisfero sinistro, destro e centrale in ogni epoca: si considera la suddivisione in aree

della testa, per ricavare l‟indice di attivazione sinistro vengono sommate le potenze medie di attivazione degli elettrodi compresi nell‟emisfero sinistro, per ricavare l‟indice di attivazione destro le potenze medie di attivazione degli elettrodi compresi nell‟emisfero destro e per ricavare l‟indice di attivazione centrale quelle degli elettrodi centrali. L‟indice di attivazione viene calcolato come il rapporto tra la potenza di attivazione media sulla potenza di attivazione media totale (ottenuta sommando le potenze medie di attivazione dell‟emisfero sinistro, destro e centrale). L‟indice di attivazione emisferico si ottiene facendo la media degli indici di attivazione di ciascun emisfero su tutte le epoche.

Il programma per il calcolo di ERD/ERS si basa sul metodo messo a punto da Pfurthscheller utilizzando la formula dell‟intertrial variance [49]; il programma è riportato in Appendice (A.3.2).

L‟ingresso del programma è costituito dalla matrice del segnale EEG esportata da EEGLAB, già elaborata, suddivisa in epoche e filtrata nella banda alfa di interesse. Il programma fornisce in uscita una matrice coi risultati dell‟applicazione della formula per il calcolo di ERD di Pfurthscheller, ancora divisa in epoche, da importare in EEGLAB per la visualizzazione dei segnali ad ogni canale e delle mappe. Il programma richiede all‟utente di introdurre la frequenza di campionamento, il numero di epoche e la durata del periodo di baseline. Per prima cosa il programma calcola il valor medio del potenziale su ogni epoca, quindi ad ogni valore di potenziale viene sottratto il valor medio del potenziale relativo all‟epoca presa in considerazione, ricavando la matrice degli scarti. A questo punto viene calcolato il quadrato di ogni scarto dal valore medio, ottenendo così la matrice divisa in epoche degli scarti quadratici. Viene poi calcolato il valor medio degli scarti nel periodo di baseline (coincidente con il primo secondo di ogni epoca) su tutte le epoche. A questo punto viene calcolata la desincronizzazione applicando la formula di Pfurthscheller a tutti gli elementi della matrice degli scarti quadratici. La formula per il calcolo di ERD prevede:

ERDi%=(Ppi-Pb)/Pb

dove Ppi indica l‟elemento i-esimo della matrice degli scarti quadratici e Pb rappresenta la

media degli scarti quadratici nel periodo di baseline su tutte le epoche.

Nella formula così espressa, valori negativi di ERD indicano desincronizzazione coincidenti con attività di pianificazione o di esecuzione del movimento, valori positivi di ERD indicano sincronizzazione delle popolazioni neuronali corrispondenti a stati di veglia e rilassamento. La matrice degli ERD viene importata in EEGLAB, viene eseguito un filtraggio passa basso

con frequenza di taglio a 13 Hz con filtro FIR per eseguire lo smoothing ed eliminare la variabilità dei campioni, e tramite il comando PLOT>CHANNEL ERPs> IN RECT. ARRAY si visualizzano i segnali ottenuti per ogni canale. Si considera il canale C3 e si calcolano i parametri di interesse quali durata ed ampiezza di picco in percentuale dell‟ERD corrispondente al planning motorio.