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 limitato 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
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
