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).