Questa tesi si concentra su due argomenti principali, riguardanti rispettivamente l’analisi delle prestazioni di pre-elaborazione e il processo di classificazione dell’ECG. L’analisi delle prestazioni di pre-elaborazione è stata ottenuta con l’uso combinato di due indici tra cui l’incremento percentuale SNR e la misura della distorsione diagnostica (DDM) utilizzati per ottimizzare i parametri dei filtri rispettivamente massimizzando l’eliminazione del rumore e riducendo al minimo la distorsione del segnale di filtraggio. Il processo di classificazione dell’ECG include un nuovo algoritmo per il rilevamento della FA da registrazioni ECG a derivazione singola ultra brevi (10 secondi). L’algoritmo di rilevamento AF è composto da due fasi di classificazione successive. In primo luogo, il segnale HRV viene estratto dal record ECG e viene quindi scomposto in 5 battiti ROI da cui viene estratta una serie di caratteristiche HRV e utilizzata nella prima fase di classificazione della ROI tramite MLP NN. Quindi, la sequenza di ROI classificata estratta da ciascun record ECG viene trasformata in un’immagine a livelli di grigio in cui ogni ROI corrisponde a un pixel. Una serie di funzioni viene estratta dall’immagine dei livelli di grigio e viene utilizzata nella seconda fase di classificazione dell’immagine tramite MLP NN. L’algoritmo di rilevamento AF è stato convalidato con una tecnica di convalida incrociata 5 volte e le prestazioni medie mostrano una sensibilità, specificità e accuratezza rispettivamente del 92,62%, 91,44% e 92,21%.

AUTORE: Giovanni Di Martino

RELATORI: Eros Gian Alessandro Pasero, Jacopo Ferretti

CORSO DI LAUREA: Corso di laurea magistrale in Ingegneria Biomedica

ANNO ACCADEMICO: 2019/2020