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, Master of science program in Biomedical Engineering, 2024
|
|
PDF (Tesi_di_laurea)
- Thesis
Restricted to: Only staff users fino al 25 March 2027 (data di embargo). Licence: 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
Relators
Academic year
Publication type
Number of Pages
Course of studies
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modify record (reserved for operators) |
