ANALISI DELLE PRESSIONI DI CONTATTO SVILUPPATE ALL'INTERFACCIA PIEDE-CALZATURA

Fin dall’antichità lo Studio dell’Andatura (Gait Analysis) ha ricoperto, e ricopre tuttora, un’importanza considerevole sia in ambito ingegneristico che in quello medico, tanto che esso non è finalizzato alla sola osservazione del passo, ma anche a individuare la presenza o meno di condizioni patologiche, così da poterle trattare al meglio e in questo modo inficiare positivamente la salute del paziente. La condizione patologica d’interesse, trattata in questa tesi sperimentale, riguarda il piede diabetico, la sua prevenzione e il suo trattamento, in particolar modo l’implementazione di un algoritmo mirato a riconoscere ed eliminare o ridurre, ove non sia possibile, valori anomali (outlier) nella misura del passo, dovuti a errori di varia natura, come ad esempio artefatti da movimento, legati al paziente, o errori legati alla strumentazione, come la mancata inattivazione di alcuni sensori. Sono stati presi in esame 44 soggetti, di età compresa tra 11 e 69 anni, sui quali, in fase di misurazione, sono state testate solette baropodometriche per la misura dei livelli di pressione plantare, indispensabili per assicurare un’interfaccia piedecalzatura. Sono state utilizzate tre tipologie di calzature in quattro modalità di esecuzione delle misurazioni, a seguire sono stati elaborati i segnali acquisiti, dai quali sono stati creati e analizzati, tramite software Matlab, 2454 passicampione su cui testare il modello addestrato, a loro volta utilizzati per ricavare 9137 frames, per la creazione di un database, finalizzati all’addestramento di un modello di rete neurale. Il cosiddetto modello si basa su un algoritmo di deep learning, denominato “Segmentazione Semantica” (Semantic Segmentation), adibito al riconoscimento dei valori anomali, orientato poi tramite un valore soglia (threshold) risultato ottimale a 0.20, con un grado di accuratezza del 94.14%.