![](/style/images/tocco.png)
Vito Caputo
STIMA DELLA PRESSIONE SISTOLICA DAL SEGNALE PPG TRAMITE RETI NEURALI ARTIFICIALI = ESTIMATION OF SYSTOLIC BLOOD PRESSURE FROM PPG SIGNAL USING ARTIFICIAL NEURAL NETWORKS.
Rel. Gabriella Olmo, Alessandro Gumiero. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2024
![]() |
PDF (Tesi_di_laurea)
- Tesi
Accesso riservato a: Solo utenti staff fino al 25 Marzo 2027 (data di embargo). Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) |
Abstract: |
La pressione arteriosa, essendo un indicatore critico della salute cardiovascolare, richiede un monitoraggio continuo e non invasivo, tuttavia, attualmente, ciò rimane una sfida. Questo studio propone un approccio innovativo per la stima della pressione arteriosa utilizzando dispositivi non invasivi senza cuffia, come il dispositivo MORFEA4. Tuttavia, la realizzazione di tali dispositivi indossabili per il monitoraggio continuo è limitata dalla complessità delle misurazioni e dalla necessità di fornire risultati accurati in tempo reale. L'interfacciamento tra il segnale fotopletismografico (PPG) e il segnale di pressione arteriosa (ABP) dal dataset MIMIC rappresenta una fase critica di questo studio. Utilizzando MATLAB, la fase di pre-elaborazione dei dati è stata eseguita applicando formule e parametri statistici per garantire l'accuratezza dei risultati. Successivamente, una rete neurale feed-forward multistrato con modello di back propagation è stata sviluppata, addestrata e testata su Google Colab con Python. I risultati indicano una promettente capacità del modello nel predire la pressione sistolica in modo continuo e non invasivo. Tuttavia, rimangono sfide significative, tra cui la necessità di un dataset più completo e rappresentativo per migliorare l'efficacia e l'affidabilità del monitoraggio. È necessario un ulteriore lavoro per superare tali sfide e rendere disponibili soluzioni efficaci per il monitoraggio preventivo delle malattie cardiovascolari. |
---|---|
Relatori: | Gabriella Olmo, Alessandro Gumiero |
Anno accademico: | 2023/24 |
Tipo di pubblicazione: | Elettronica |
Numero di pagine: | 99 |
Soggetti: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Biomedica |
Classe di laurea: | Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA |
Aziende collaboratrici: | STMICROELECTRONICS srl |
URI: | http://webthesis.biblio.polito.it/id/eprint/30493 |
![]() |
Modifica (riservato agli operatori) |