Giada Capraro
Neural Network-Based Multi-Wavelength PPG Signal Denoising for Wearable Devices.
Rel. Gabriella Olmo, Nicola Picozzi. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2025
|
|
PDF (Tesi_di_laurea)
- Tesi
Accesso limitato a: Solo utenti staff fino al 17 Ottobre 2028 (data di embargo). Licenza: 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
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
