ECTS - University of Pisa
Conoscenze
Al termine del modulo ROBOT COMPANIONS FOR ASSISTED LIVING l’allievo avrà acquisito ampie conoscenze relative alla bioingegneria delle tecnologie assistive e della riabilitazione. Il corso si compone di due parti: ELEMENTS OF REHABILITATION DEVICES DESIGN (docente: Marco Controzzi) e DATA-DRIVEN REHABILITATION (docente: Andrea Mannini).
ELEMENTS OF REHABILITATION DEVICES DESIGN
DATA-DRIVEN REHABILITATION
Il modulo “Cloud Robotics” ”fornirà agli studenti competenze teoriche e pratiche nel campo della Cloud robotics, piattaforme IoT e fornirà informazioni sulla progettazione software di robot e sistemi autonomi con approccio pratico. Attività specifiche saranno svolte con ROS (Robotic Operating System) e YARP (Yet another robot platform) che saranno implementati in ambiente simulato in attività hands-on e utilizzando schede di sviluppo SOM (System on Module) dedicate.
At the end of the module ROBOT COMPANIONS FOR ASSISTED LIVING the student will have gained knowledge of medical robotics in the field of rehabilitation. The course consists of two parts: ELEMENTS OF REHABILITATION DEVICES DESIGN (lecturer: Marco Controzzi) and DATA-DRIVEN REHABILITATION (lecturer: Andrea Mannini).
LEMENTS OF REHABILITATION DEVICES DESIGN
DATA-DRIVEN REHABILITATION
The module “Cloud Robotics” ” will provide the students with theoretical and practical competences in the field of cloud robotics, IoT platforms and it will provide information on the software design of autonomous robots and systems with a hand-on approach. Specific activities will be performed with ROS (Robotic Operating System) and YARP (Yet another robot platform) that will be implemented in simulated environment in hands-on activity and using dedicated SOM (System on Module) development boards.
ROBOT COMPANIONS FOR ASSISTED LIVING. L’esame si articola in una prova orale. La prova orale riguarderà la padronanza degli argomenti del programma ufficiale del corso ai fini di una loro pratica applicazione in comuni problemi di progettazione e analisi dati nell'ambito dell'ingegneria della riabilitazione.
Per quanto riguarda il modulo “Cloud Robotics”, i criteri di valutazione delle conoscenze consisteranno in una prova orale sui fondamenti teorici degli argomenti del corso e sulle competenze tecniche acquisite nelle attività pratiche.
ROBOT COMPANIONS FOR ASSISTED LIVING The oral exam covers the mastery of the contents of the course.
As regards the module “Cloud Robotics”, the assessment criteria of knowledge will consist in an oral exam about theoretical foundations of the course topics and technical skills acquired in the hands-on activities.
ROBOT COMPANIONS FOR ASSISTED LIVING. Il primo obiettivo del corso è fornire un quadro sintetico del processo progettuale, dall'analisi dei bisogni alla progettazione concettuale, concreta e di dettaglio nel campo dell'ingegneria riabilitativa. Fornire un quadro completo e aggiornato sui principali modelli per l'analisi e la verifica dei componenti di macchina. Acquisire la capacità di passare della realtà a modelli idonei al dimensionamento o la verifica componenti meccaniche con particolare attenzione a macchine riabilitative, ausili e protesi.
Il corso si propone inoltre di fornire un quadro sintetico di come si definisce uno studio clinico in ambito riabilitativo, dalla progettazione del protocollo e dal dimensionamento del campione alla pianificazione ed esecuzione dell'analisi con metodi classici e basati sul machine learning. Lo studente dovrebbe acquisire consapevolezza su come sviluppare e validare un metodo di machine learning per la risoluzione di problemi tipici della bioingegneria riabilitativa.
Al termine del modulo “Cloud Robotics” lo studente:
ROBOT COMPANIONS FOR ASSISTED LIVING The first aim of the course is to provide a concise picture of the design process, from needs analysis to conceptual, concrete and detail design in the field of rehabilitation engineering. To provide a complete and updated picture of the main models for the analysis and verification of the part. To acquire the ability to moving from concrete to suitable schemes for the dimensioning or verification of mechanical components with particular attention to rehabilitation machines, aids and prostheses.
The course also aims to provide a concise picture of the how a clinical study in the rehabilitation field is defined, from the protocol design and the sample dimensioning to the analysis planning and execution using classical and machine learning-based methods. The student should become aware on how to develop and validate a machine learning method for solving typical problems of rehabilitation bioengineering.
At the end of the module “Cloud Robotics” the student will:
ROBOT COMPANIONS FOR ASSISTED LIVING. La prova orale consisterà per quanto riguarda la parte di ELEMENTS OF REHABILITATION DEVICES DESIGN anche nella discussione di un semplice gruppo meccanico di un dispositivo e nella verifica di alcune sue parti mentre pe la parte DATA-DRIVEN REHABILITATION coinvolgerà la discussione di strategie implementative pratiche.
Durante il modulo “Cloud Robotics” le competenze saranno valutate progressivamente attraverso la discussione e la valutazione degli esercizi di implementazione durante le attività pratiche.
ROBOT COMPANIONS FOR ASSISTED LIVING At the end of the module through the oral exam which is the study of a simple mechanical assembly of a device and the verification of some of its parts, in addition to a discussion on the data driven rehabilitation.
During the “Cloud Robotics” module, skills will be progressively evaluated by discussion and assessment of the implementation exercises during the hands-on activities.
ROBOT COMPANIONS FOR ASSISTED LIVING.
Modulo "Cloud Robotics"
Lo studente sarà in grado di:
ROBOT COMPANIONS FOR ASSISTED LIVING
Module “Cloud Robotics”
The student will be able to:
ROBOT COMPANIONS FOR ASSISTED LIVING. Prova orale al termine del modulo.
Durante il modulo “Cloud Robotics”, la verifica dei comportamenti avverrà tramite l'interazione con i docenti che servirà per ispirare gli studenti e tradurre argomenti teorici in ricerca.
ROBOT COMPANIONS FOR ASSISTED LIVING At the end of the oral examination.
During the “Cloud Robotics” module, criteria of behaviors will be assessed by discussion and interaction that will be used for inspiring the students and translate theoretical topics into research.
OBOT COMPANIONS FOR ASSISTED LIVING.
Dai corsi di Matematica e Fisica: Conoscere i metodi matematici fondamentali ed avere basi di algebra lineare. Non avere esitazioni circa lo studio delle condizioni di equilibrio sia statico sia dinamico di un punto. Sapere usare correttamente i sistemi di unità di misura.
Da Scienza dei materiali: Conoscere le proprietà meccaniche dei comuni materiali metallici da costruzioni.
Da Meccanica e Elementi Costruttivi: Non avere esitazioni nel risolvere problemi di statica del corpo rigido, anche nello spazio. Saper risolvere semplici problemi di statica e, ove applicabili, di dinamica di sistemi di corpi vincolati. Sapere analizzare correttamente semplici strutture (es.: telaio di travi).
Dai corsi di informatica: Competenze di base di programmazione e dell’utilizzo del software Matlab.
Modulo "Cloud Robotics"
I prerequisiti sono conoscenze di base in design, elettronica e programmazione (linguaggi: C).
ROBOT COMPANIONS FOR ASSISTED LIVING
Mathematics and Physics: Knowledge of the fundamentals in mathematics and linear algebra. Static and Dynamic equilibrium. Unit of measurement.
Material Science: Mechanical properties of common materials.
Applied Mechanics: 3D static equilibrium of stiff bodies. Stress/strain relation. Beam theory. Gear trains.
From computer science& programming courses: Basic programming skills and use of the software Matlab.
Module “Cloud Robotics”
Pre-requisites are basic knowledges in electronics, and programming (languages: C).
ROBOT COMPANIONS FOR ASSISTED LIVING. Il modulo sarà organizzato in lezioni e attività pratiche. La discussione durante le lezioni completerà la didattica. Gli incontri faccia a faccia saranno possibili negli orari di ufficio previo appuntamento. I materiali saranno accessibili da cartelle condivise dedicate per gli studenti.
Modulo "Cloud Robotics"
Il modulo “Cloud Robotics” sarà organizzato in lezioni, seminari e attività pratiche. Il confronto durante le lezioni e incontri con i docenti completeranno le metodologie didattiche. I materiali saranno accessibili tramite cartelle condivise con gli studenti.
ROBOT COMPANIONS FOR ASSISTED LIVING
The module will be organized in classes and hands-on activities. Discussion during the lessons will complete the teaching methods. Face-to-face meetings will be possible in office hours by appointment. Materials will be accessible from dedicated shared folders for the students.
Module “Cloud Robotics”
The “Cloud Robotics” module will be organized in classes, seminars and hands-on activities. Discussion during the lessons and planned in dedicated face-to-face meeting with the teachers will complete the teaching methods. Materials will be accessible from dedicated shared folders for the students.
ROBOT COMPANIONS FOR ASSISTED LIVING.
Introduzione al corso. Definizione di ingegneria della riabilitazione. Obiettivi del corso. Contenuti del corso. Metodo. Libri di riferimento e materiale didattico. Esame.
Tot 1h
Progettare per l’uomo e per riabilitare. Menomazioni, limitazione delle attività e partecipazione. International Classification of Functioning, Disability and Health. Il processo riabilitativo. Cenni di ergonomia, di progettazione universale e antropometria. Modello HAAT. Ausili. Macchine per la riabilitazione.
Tot 4h
Fondamenti di costruzione di macchine biomediche. Approccio alla progettazione e alla verifica. La specifica tecnica. Risoluzione dei problemi di costruzione di macchine. Analisi dei carichi e schematizzazione. Scelta e dimensionamento di moto-riduttori. Assi e alberi e collegamenti albero-mozzo. Elementi di trasmissioni. Cuscinetti radenti. Verifiche di durabilità: usura e danneggiamento superficiale nei contatti. Cuscinetti volventi. Collegamenti con bulloni, viti mordenti.
Tot 25h
Metodologia della ricerca clinica e cenni di biostatistica: Definizioni di metodologia della ricerca clinica, la definizione di un protocollo per la ricerca clinica (osservazionale/interventistico, retrospettico/prospettico) il ruolo del comitato etico. Evidence-based practice, qualità dell’evidenza, il ruolo delle revisioni sistematiche e delle meta-analisi. Cenni di biostatistica: tipologie di variabili; test di gaussianicità; test delle ipotesi parametrici/non parametrici, a campioni dipendenti/indipendenti. Calcolo della dimensione campionaria.
Tot: 6h
Machine learning, teoria e sessioni hands on. Introduzione alle metodologie di machine learning, metodi classici di regressione, l’algoritmo di discesa del gradiente. Classificazione supervisionata mediante regressione logistica e softmax, gli algoritmi di regolarizzazione. Support vector machines. L’organizzazione dei dati per gli algoritmi di machine learning, split dei dataset, cross-validazione, metriche di bontà di una soluzione di machine learning. Tradeoff bias-varianza negli algoritmi classici di machine learning. Curve di validazione per l’ottimizzazione degli iperparametri, error analysis.
Tot: 15 h
Applicazioni del machine learning in riabilitazione (ricerca e clinica). Applicazione 1: metodi di machine learning per il controllo di protesi mioelettriche: dall’elettromiografia alla decodifica dell’intenzione motoria. Applicazione 2: metodi di machine learning per l’analisi del movimento e per l’estrazione di parametri biomeccanici mediante sensori indossabili in contesto riabilitativo. Applicazione 3: metodi di machine learning per la predizione dell’outcome clinico.
Metodi di selezione automatica dei predittori e criteri per la scelta di un algoritmo di classificazione. Identificazione di predittori significativi. Validazione interna ed esterna degli algoritmi di predizione in contesto clinico. Intelligenza artificiale nel contesto clinico: il problema dell’interpretabilità dell’algoritmo di predizione. Sistemi di supporto alla decisione clinica.
Tot: 9 h
Module “Cloud Robotics”
1) Cloud Robotics
Principali concetti di Cloud Robotics
2) Introduzione a C++
3) Introduzione a Python
4) Interfacce di comunicazione e IoT platforms
5) Introduction to Robot Programming
6) Robot control (15 H)
ROBOT COMPANIONS FOR ASSISTED LIVING
Introduction. Rehabilitation Engineering: what's that? Course objectives. Contents. Method. Readings and lecture notes. Final assessment.
Tot 1h
Design for all and for disability. Disability and the International Classification of Functioning, Disability and Health. The rehabilitation process. Design for all and ergonomics. The HAAT model. Prostheses. Assistive technologies. Rehabilitation devices.
Tot 4h
Biomedical devices design fundamentals. Defining the technical requirements. Intent design method. Safety factor and reliability. How to address a design project. Design, analysis and selection of mechanical components (screws, ball bearings, plain bearings). Contacts and wear.
Tot 25h
Clinical research methodology, and introduction to biostatistics. Research methodology definitions, the development of a clinical research protocol (observational/intervention, retrospective/prospective). The role of the ethical committee. Evidence based practice, quality of evidence, the role of systematic review and meta-analyses. Introduction to biostatistics: type of variables; gaussianicity tests; hypothesis tests parametric/non-parametric, independent/dependent samples. Sample size calculation.
Tot: 6h
Machine learning, theory and practice. Introduction to machine learning methods (ML), classical regression and classification methods. Gradient descent algorithm. Supervised classification by logistic and softmax regression. Regularization. Support vector machines. Data management for ML studies, dataset splits, cross-validation, quality metrics. Bias-variance tradeoff for classical ML applications. Diagnostic tools: validation curves, training curves, error analysis. Hyperparameters optimization.
Tot: 15 h
Machine learning applied to rehabilitation. Application 1: machine learning methods for myoelectric prosthesis control: from electromyography to the motor intention decoding. Application 2: machine learning methods in the field of movement analysis and biomechanical parameter assessment based on wearable sensors. Application 3: machine learning methods for clinical outcome prediction.
Methods for automatic selection of predictors and practical hints to choose the appropriate classification/regression algorithm. Features screening and identification of significant predictors. Internal and external validation of predictive algorithms. Artificial intelligence implications for clinical use: the interpretability issue. Decision support tools.
Tot: 9 h
Module “Cloud Robotics”
1) Cloud Robotics
-Main concepts of Cloud Robotics
2) Introduction to C++
3) Introduction to Python
4) Communication interfaces and IoT platforms
5) Introduction to Robot Programming
6) Robot control
ROBOT COMPANIONS FOR ASSISTED LIVING.
Dispense e materiale fornito dal docente. Il materiale fornito è necessario per avere un quadro introduttivo alla materia.
Modulo “Cloud Robotics”
ROBOT COMPANIONS FOR ASSISTED LIVING
Lecture notes and material provided by the teacher. The material provided is necessary to have an introductory framework to the subject.
Module “Cloud Robotics”
selection of scientific articles provided by the teacher, link to ROS, YARP and PARTICLE documentation, slides, etc.
Modulo “Robotic and Data-Driven Rehabilitation”
Modulo “Cloud Robotics”
ROBOT COMPANIONS FOR ASSISTED LIVING. La prova orale riguarderà la padronanza degli argomenti del programma ufficiale del corso ai fini di una loro pratica applicazione in comuni problemi di progettazione e analisi dati nell'ambito dell'ingegneria della riabilitazione. Durante la prova orale potrà essere richiesto al candidato di risolvere anche problemi/esercizi scritti, davanti al docente. Il colloquio ha una durata di circa 40 min.
Modulo “Cloud Robotics”
Module ROBOT COMPANIONS FOR ASSISTED LIVING
Module “Cloud Robotics”
oral exam focused on the assessment of basic theoretical knowledge and focused discussion on the implemented exercises in the hands-on sessions.
Lo studente ha a disposizione il materiale aggiornato nelle cartelle condivise e rese disponibili durante i corsi.
Material will be available in the shared folders with the students.
N/A
