Algoritmo per la scelta del numero ottimale di sinergie muscolari (ChoOSyn) e sua validazione. = Design and validation of an algorithm for Choosing the Optimal number of muscle Synergies (ChoOSyn).

Le sinergie muscolari permettono di comprendere i meccanismi alla base del controllo motorio, con utilità sia in ambito clinico che robotico. Attualmente, il metodo più utilizzato in letteratura per selezionare la numerosità di sinergie muscolari è l’imposizione di una soglia minima alla curva della Variance Accounted For (VAF) (solitamente al 90%), tenendo in considerazione la sola qualità di ricostruzione ed utilizzando una soglia arbitraria. In questo lavoro verrà presentata un’alternativa per effettuare una scelta più solida, basata su consistenza e similarità tra sinergie muscolari, utilizzando tre parametri: Intra-Cluster Correlation (ICC), Weight Similarity (WS) e Coefficient Dissimilarity (CD). L’algoritmo, denominato ChoOSyn, è stato testato sia su un dataset reale (30 soggetti sani e 20 patologici affetti da morbo di Parkinson), contenente segnali sEMG provenienti da gamba e tronco durante una camminata, sia su un dataset simulato (375 casi simulati). Le performance in termini di numero di soggetti in cui l’algoritmo ha individuato la corretta numerosità di sinergie muscolari si sono rivelate superiori ai criteri con VAF, con 363/375 corretti nel dataset simulato e 42/50 corretti nel dataset reale, utilizzando per quest’ultimo un ground truth fornito da operatori esperti. Quindi, l’algoritmo presentato in questo lavoro è indipendente dal VAF e, con performance migliori, fornisce una scelta più solida basata su parametri delle sinergie muscolari non dipendenti dal task motorio.