Algoritmi di stima della posa per l'analisi dei General Movements: studio comparativo tra DeepLabCut e una rete neurale custom

I bambini nati pretermine presentano un rischio maggiore di sviluppare disturbi del neurosviluppo, potenzialmente associati a disabilità a lungo termine. La loro identificazione precoce è quindi fondamentale per avviare tempestivamente interventi mirati. Il General Movements Assessment (GMA) è una tecnica non invasiva per la valutazione qualitativa dei General Movements (GMs), movimenti spontanei infantili la cui osservazione fornisce informazioni predittive sullo sviluppo neurologico. Poiché il GMA richiede personale formato e dipende dall'esperienza dell'operatore, la ricerca si è orientata verso l'automatizzazione dell'analisi tramite tecniche di pose estimation applicate a registrazioni video. L'obiettivo di questa tesi è confrontare due approcci di stima della posa applicati all'analisi dei GMs: DeepLabCut, software ampiamente utilizzato in letteratura, e una rete neurale custom. Sono stati analizzati 116 video relativi a 81 neonati pretermine, acquisiti a 40 settimane e a tre mesi di età corretta. Mediante entrambi i modelli sono state estratte le traiettorie di 14 keypoint corporei. Il confronto è stato condotto valutando la percentuale di campioni esclusi e il range delle traiettorie in corrispondenza di quattro soglie di likelihood: 0.60, 0.70, 0.80 e 0.90.I due modelli hanno mostrato comportamenti differenti. DeepLabCut ha presentato un aumento graduale della percentuale media di dati esclusi, dal 7,58% al 19,27%, mentre la rete custom è risultata più sensibile al filtraggio, passando dal 3,41% a soglia 0,60 al 31,28% a soglia 0,70 e raggiungendo il 100% a partire da 0,80. In entrambi i modelli, l'aumento della soglia ha ridotto il range delle traiettorie, indicando che le stime escluse sono associate a valori estremi riconducibili a instabilità di tracciamento. Nel complesso, i risultati evidenziano che la sensibilità al filtraggio dipende dallo specifico modello e che soglie numericamente identiche non sono necessariamente equivalenti.