Giada Capraro
Neural Network-Based Multi-Wavelength PPG Signal Denoising for Wearable Devices.
Rel. Gabriella Olmo, Nicola Picozzi. Politecnico di Torino, Master of science program in Biomedical Engineering, 2025
|
|
PDF (Tesi_di_laurea)
- Thesis
Restricted to: Only staff users fino al 17 October 2028 (data di embargo). Licence: Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) |
Abstract
Negli ultimi anni, i dispositivi indossabili sono diventati fondamentali per il monitoraggio continuo e personalizzato della salute, trovando applicazione sia in ambito clinico che nel benessere quotidiano. Smartwatch, smart band e smart ring consentono di raccogliere segnali fisiologici in tempo reale, a supporto della telemedicina, per la prevenzione e l’adozione di stili di vita più sani e consapevoli. Tra i diversi biosensori, la fotopletismografia (PPG) si è affermata come tecnica ottica di riferimento per la stima dei parametri cardiovascolari. Rispetto ai sistemi elettrocardiografici tradizionali, i sensori PPG presentano un hardware più semplice, un singolo punto di contatto cutaneo e garantiscono maggiore libertà di movimento.
Oltre al calcolo della frequenza cardiaca, la PPG permette di stimare anche altri indicatori come variabilità della frequenza (HRV), saturazione di ossigeno, pressione arteriosa e qualità del sonno
Relators
Academic year
Publication type
Number of Pages
Course of studies
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modify record (reserved for operators) |
