Rilevamento e caratterizzazione automatica del movimento nel sonno tramite analisi di sequenze video IR/depth = Automated detection and characterization of movements during sleep using IR/Depth information in video sequences

Lo studio del sonno ha una notevole importanza per la valutazione sia delle condizioni psicofisiche che dello stato di salute degli esseri umani. L’analisi dei segnali fisiologici e dei movimenti durante il sonno consente di valutarne la qualità, nei soggetti sani, e l’entità del disturbo, in quelli affetti da patologie. Per quanto riguarda analisi del movimento, gli attuali approcci di valutazione quantitativa dei movimenti si basano sull’elettromiografia e/o sull’accelerometria. Oltre ad essere approcci invasivi e poco confortevoli per il paziente, essi non forniscono una visione globale del movimento del soggetto, ma solo valutazioni locali che riguardano gli specifici muscoli o arti su cui sono stati posizionati i sensori. Lo scopo di questo lavoro è sviluppare un approccio non invasivo all’analisi e alla caratterizzazione dei movimenti nel sonno, che consenta di catturare lo spettro completo dei movimenti del soggetto. Questo è reso possibile tramite sensori ottici, e in particolare camere infrarosse e di profondità, quali Microsoft Kinect Azure. Queste camere acquisiscono, senza contatto e al buio, le sequenze video dei movimenti, consentendone la successiva analisi. In questo lavoro è stato realizzato un setup sperimentale in ambiente domestico, ed è stata impiegata Azure Kinect, che è in grado di fornire contemporaneamente sequenze video sia nell’infrarosso che di profondità. È stato così possibile esplorare due approcci specifici, uno più convenzionale, che utilizza le sequenze video nell’infrarosso, e uno che utilizza quelle di profondità e l’informazione tridimensionale del soggetto e della scena analizzata. Il software è stato sviluppato in ambiente MATLAB™ e comprende il software di acquisizione e filtraggio delle sequenze video, nonché gli algoritmi di rilevamento del movimento (motion detection), di inseguimento (tracking), e di valutazione della quantità di movimento. Per la motion detection sono stati valutati diversi algoritmi di rimozione dello sfondo (background subtraction), tra cui quello delle misture di gaussiane e quello delle differenze assolute. L’analisi è stata condotta sia per le sequenze infrarosse che per quelle di profondità. Il sistema costituito dall’hardware e dal software sviluppato consente un’analisi actigrafica globale dei movimenti del soggetto durante il sonno, permettendo anche di rilevarne la presenza nel letto. Queste informazioni forniscono la stima di alcuni parametri di qualità del sonno, tra cui dell’efficienza, evitando l’utilizzo di sensori indossabili che potrebbero influire sulla qualità del sonno stesso. Il sistema fornisce anche un istogramma bidimensionale di movimento a varie scale temporali, che consente di stimare quali parti del corpo si sono mosse maggiormente, e quali pose sono predominanti. Nel complesso, il sistema realizzato costituisce un laboratorio di base per l’implementazione di algoritmi di analisi di movimenti specifici di corpo ed arti, e in particolare di movimenti correlati a disturbi patologici del sonno, quali ad esempio la sindrome delle gambe senza riposo. Sarà comunque necessario un ulteriore lavoro per quantificare le relazioni tra disturbi del sonno e tipologia e quantità di movimento di determinate parti del corpo. Questo consentirà di ampliare i risultati di questo lavoro, permettendo un monitoraggio meno invasivo e più efficace di soggetti sia sani che patologici.