IBLM21

Lingua Insegnamento:

ITALIANO
Testi di riferimento:

• Uchida T.K., Delp S.L., "Biomechanics of Movement: The Science of Sports, Robotics, and Rehabilitation", The MIT Press, 2021 — ISBN 978-0-262-04420-2.
• Winter D.A., "Biomechanics and Motor Control of Human Movement", 4ª edizione, John Wiley & Sons, 2009 — ISBN 978-0-470-39818-0.
• Robertson D.G.E., Caldwell G.E., Hamill J., Kamen G., Whittlesey S.N., "Research Methods in Biomechanics", 2ª edizione, Human Kinetics, 2014 — ISBN 978-0-7360-9340-8.
Materiale didattico fornito dalla docente e reso disponibile sulla piattaforma di Ateneo: diapositive delle lezioni, notebook Python commentati, articoli scientifici di riferimento.
Obiettivi formativi:

Il corso mira a rendere lo studente capace di passare dal quesito clinico alla misura strumentale e all'interpretazione dei dati.
Conoscenza e comprensione: descrivere i movimenti articolari con terminologia corretta e conoscere principi, modelli, tecnologie e limiti dell'analisi del movimento.
Applicazione: costruire modelli a corpi rigidi e sistemi di riferimento; calibrare telecamere e ricostruire posizioni 3D; filtrare e derivare segnali; calcolare angoli e momenti articolari, parametri del cammino, indici stabilometrici ed elettromiografici.
Autonomia di giudizio: scegliere tecnologie e protocolli adeguati, valutare l'incertezza e riconoscere errori quali artefatti da tessuto molle, crosstalk, aliasing e sovradattamento.
Comunicazione e apprendimento: redigere relazioni tecniche, discutere i risultati con interlocutori di ambito medico e leggere criticamente la letteratura scientifica.
Prerequisiti:

Calcolo vettoriale e matriciale, derivate e integrali; fisica generale, in particolare cinematica e dinamica del punto materiale e del corpo rigido; fondamenti di teoria dei segnali e statistica descrittiva e inferenziale.
Non è richiesta esperienza di programmazione: le basi di Python e dell'ambiente di calcolo saranno introdotte durante il corso.
Metodi didattici:

Il corso combina lezioni frontali, esempi numerici, casi applicativi ed esercitazioni al calcolatore. Le attività pratiche prevedono l'utilizzo di Python (Google Colab o Jupyter Notebook) e delle principali librerie per l'analisi dei dati scientifici, tra cui NumPy, SciPy, Pandas, Matplotlib e scikit-learn. Le esercitazioni, basate anche su dati sperimentali reali, sono integrate con gli argomenti teorici e forniscono strumenti utili per lo sviluppo del progetto d'esame. Sono inoltre previsti seminari su temi di ricerca e applicazioni della disciplina, tenuti da esperti del settore.
Modalità di verifica dell'apprendimento:

La verifica dell'apprendimento prevede due prove obbligatorie: una prova scritta sugli argomenti del corso e un progetto con presentazione e discussione orale, basato sulle attività teoriche e pratiche svolte durante il corso.
La prova scritta è valutata fino a 18 punti e deve essere superata con un punteggio minimo di 10/18. Il progetto contribuisce alla valutazione finale per un massimo di 12 punti.
Il voto finale, espresso in trentesimi, deriva dalla somma dei punteggi delle due prove. Il superamento della prova scritta, con almeno 10/18, è un prerequisito per il superamento dell'esame, che richiede un punteggio complessivo di almeno 18/30.
Sostenibilità:
Obiettivi Agenda 2030 per lo sviluppo sostenibile:

Obiettivo 3 — Salute e benessere. L'analisi del movimento supporta la valutazione funzionale, la diagnosi e la verifica dell'efficacia degli interventi riabilitativi e protesici.
Obiettivo 4 — Istruzione di qualità. Il corso promuove l'uso di software open source, dataset aperti e procedure di elaborazione documentate e riproducibili.
Obiettivo 9 — Imprese, innovazione e infrastrutture. Il corso affronta tecnologie per l'analisi del movimento, dai sistemi optoelettronici ai sensori indossabili.
Obiettivo 10 — Ridurre le disuguaglianze. La valutazione oggettiva della disabilità e l'uso di strumenti a basso costo favoriscono l'accesso alla valutazione funzionale.
Altre Informazioni:

La frequenza non è obbligatoria, ma è consigliata soprattutto per le esercitazioni.
È sufficiente un computer portatile con connessione Internet; l'ambiente di calcolo è accessibile via browser e non richiede installazioni.
Diapositive, notebook e dataset sono disponibili sulla piattaforma didattica di Ateneo. Il ricevimento è su appuntamento via e-mail.

Il corso presenta metodi quantitativi per misurare, modellare e interpretare il movimento umano in ambito clinico e riabilitativo.
Il programma comprende sei aree: bioingegneria della riabilitazione e valutazione funzionale; misure, incertezza e anatomia funzionale; modelli a corpi rigidi, sistemi di riferimento, angoli articolari e analisi del cammino; dinamica inversa, pedane di forza e posturografia; tecnologie di acquisizione (stereofotogrammetria, sensori inerziali ed elettromiografia di superficie); elaborazione dei segnali e analisi statistica.
Le lezioni teoriche sono affiancate da esercitazioni guidate in Python.

1. BIOINGEGNERIA DELLA RIABILITAZIONE E VALUTAZIONE FUNZIONALE. Processo riabilitativo; modelli ICIDH e ICF; criteri di misura e valutazione (appropriatezza, affidabilità, validità, sensibilità, precisione, accuratezza e risoluzione); scale cliniche per autonomia, funzione motoria, equilibrio e cammino; indici di deviazione del cammino.
2. GRANDEZZE, MISURE E ANATOMIA FUNZIONALE. Grandezze scalari e vettoriali, prodotti scalare e vettoriale; misure dirette e indirette, errori strumentali e di modello; cinematica del punto, forze, equilibrio e leve; piani e assi anatomici, movimenti articolari, gradi di libertà e punti di repere; proprietà meccaniche dei tessuti; muscolo scheletrico, contrazione, unità motoria, giunzione neuromuscolare e ritardo elettromeccanico.
3. CINEMATICA DEL SISTEMA MUSCOLO-SCHELETRICO. Modelli a corpi rigidi; sistemi di riferimento globali, tecnici e anatomici; terne ortonormali, coordinate omogenee, matrici di rotazione e rototraslazione, angoli di Cardano ed Eulero e Joint Coordinate System; protocolli CAST e Davis, stima del centro d'anca; ciclo del passo e parametri spazio-temporali; errori di identificazione dei repere, artefatto da tessuto molle e crosstalk.
4. DINAMICA. Leggi di Newton ed equazioni cardinali; momenti di forza e d'inerzia, teorema degli assi paralleli; parametri inerziali dei segmenti e centro di massa; dinamica diretta e inversa, momenti e potenze articolari; pedane di forza, forze di reazione al suolo e centro di pressione; modello del pendolo inverso e parametri stabilometrici.
5. TECNOLOGIE DI ACQUISIZIONE. Stereofotogrammetria, modello di camera, parametri intrinseci ed estrinseci e distorsione; calibrazione di Zhang, omografia, DLT e ottimizzazione dell'errore di riproiezione; visione stereoscopica, triangolazione e geometria epipolare; sistemi markerless; sensori inerziali MEMS; elettromiografia di superficie: segnale, elettrodi, strumentazione, indici nel dominio temporale e frequenziale, attivazione muscolare e fatica.
6. ELABORAZIONE DEI SEGNALI E ANALISI DEI DATI. Campionamento, teorema di Nyquist e aliasing; dati mancanti; filtraggio passa-basso e scelta della frequenza di taglio; derivazione numerica e rumore; test statistici parametrici e non parametrici, correlazione e concordanza fra strumenti; machine learning per estrazione di descrittori e classificazione di pattern motori, validazione e sovradattamento.
ESERCITAZIONI AL CALCOLATORE (Python). Fondamenti di Python e dell'ambiente di calcolo; filtraggio e derivazione, verifica dell'ipotesi di corpo rigido, angoli articolari 3D, parametri del cammino, calibrazione di Zhang, posturografia e stima del centro di massa, accelerometria e concordanza fra sensori, elettromiografia e indici di fatica.