Studio e sviluppo di reti neurali per la rilevazione del tremore a riposo nella malattia di Parkinson

La seguente tesi si propone di descrivere lo sviluppo di una rete neurale per la rilevazione del tremore a riposo nella malattia di Parkinson. Quest’ultima è caratterizzata da diversi sintomi di cui il tremore è uno dei principali. Attualmente l’intensità e la gravità di questo sintomo viene valutata tramite la scala qualitativa Unified Parkinson’s Disease Rating Scale (UPDRS), costituendo però un metodo influenzato da fattori soggettivi. L’obiettivo principale di questo lavoro di tesi quindi è quello di implementare un algoritmo basato su reti neurali per offrire una valutazione oggettiva del tremore a riposo. A tal fine è stato usato un dataset online composto da 24 pazienti con diagnosi di Parkinson e l’acquisizione dei segnali è stata svolta tramite accelerometri triassiali posizionati sul polso. I dati acquisiti sono stati divisi in serie temporali impiegate poi per addestrare e testare la rete neurale convoluzionale (CNN) sviluppata. Questo algoritmo, implementato in Matlab, è stato valutato in termini di accuratezza, sensibilità e specificità nella corretta rilevazione del tremore a riposo. Infine, utilizzando lo stesso dataset e le stesse metriche di valutazione, sono stati confrontati i risultati che si otterrebbero con un algoritmo classico basato su thresholds della densità spettrale di potenza del segnale accelerometrico. Dal confronto diretto delle due tipologie di algoritmi risulta evidente come l’accuratezza, la sensibilità e la specificità della CNN risultino superiori a quelle dell’algoritmo a soglie, sottolineando come l’innovazione apportata dalle reti neurali possa essere impiegata per migliorare l’efficacia nella rilevazione del tremore a riposo, sia in termini di prestazione sia di costo computazionale.