Carla La Mela
Long short-term memory network for heart rate prediction and exercise training load determination using wrist-worn acceleration and heart rate signals in elite runners.
Rel. Luca Mesin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2019
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
|
Archive (ZIP) (Documenti_allegati)
- Altro
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (30MB) |
Abstract: |
Questo studio propone un modello per la ricostruzione del battito cardiaco durante sessioni di allenamento di corsa, qualora il segnale ottenuto tramite sensori ottici sia corrotto, a causa di artefatti da movimento, dal contatto non ottimale pelle-sensore, per la temperatura dell’ambiente, per la presenza di sangue venoso e per il colore della pelle. Infatti negli ultimi anni, si e’ verificato un exploit nel mercato sportivo di sensori ottici indossabili al polso per il monitoraggio del battito cardiaco che ha portato allo sviluppo di una nuova tecnologia economica, portatile e comoda. La convenienza nell’avere tutto in un unico dispotivo pero’ va a spese dell’accuratezza stessa del dispositivo che potrebbe portare eventualmentente ad una non corretta valutazione del battito cardiaco. Se per atleti dilettanti che corrono a scopo ricreativo cio’ potrebbe anche risultatre accettabile, per corridori professionali il monitoraggio del battito cardiaco non puo’ essere compromesso. Cio’ e’ dovuto all’esistenza del rapporto tra battito cardiaco e intensita’ dell’esercizio. Conoscere l’intensita’ dell’esercizio e del carico di lavoro svolto e’ di vitale importanza per corridori professionali, al fine di evitare gravi lesioni al corpo e migliorare la performance fisica. Per questo motivo, in questo studio verra’ testata la fattibilita’ di predire accuratamente il battito cardiaco con l’aiuto di un accelerometro e di un sensore ottico attraverso una tipologia di rete neurale chiamata Long Short-Term Memory (LSTM) network, cioe’ una rete neurale basata su una memoria a lungo e breve termine. Tale rete e’ in grado di risolvere problemi legati alle serie temporali irrisolvibili con le tradizionali reti neurali, e permette di fare riconoscimenti vocali, traduzioni linguistiche, riconoscimenti in immagini e video, ed appunto predizioni di serie temporali. La predizione del battito cardiaco sara’ seguita dalla determinazione del carico di lavoro svolto. |
---|---|
Relatori: | Luca Mesin |
Anno accademico: | 2018/19 |
Tipo di pubblicazione: | Elettronica |
Numero di pagine: | 65 |
Soggetti: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Biomedica |
Classe di laurea: | Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA |
Ente in cotutela: | Philips (PAESI BASSI) |
Aziende collaboratrici: | Philips Electronics Nederland B.V. |
URI: | http://webthesis.biblio.polito.it/id/eprint/11375 |
Modifica (riservato agli operatori) |