Le malattie cardiovascolari rappresentano, nel mondo occidentale, una delle prime cause di morte. Le origini alla base di questi problemi possono essere molteplici, ma l’ipertensione è una di quelle più frequenti; si stima, infatti, che causi circa 7.5 milioni di
morti all’anno. Diventa, quindi, di fondamentale importanza la prevenzione, attraverso il monitoraggio continuo di parametri come la pressione arteriosa. Con il passare degli anni e il progredire della tecnologia si ricercano dispositivi sempre meno invasivi e che possano essere utilizzati dalla singola persona, a casa, senza la necessità di un operatore sanitario. Studi recenti hanno proposto diverse metodiche per la misura noninvasiva della pressione arteriosa, come ad esempio l’utilizzo del Pulse Transit Time o del Pulse Wave Velocity, ricavati a partire dal segnale elettrocardiografico e fotopletismografico, oppure l’utilizzo di reti neurali per la stima della pressione. Questo lavoro fa parte di un progetto che prevede la realizzazione di un dispositivo wearable per la misura cuffless della pressione arteriosa; lo scopo principale è quello di andare ad analizzare diverse reti neurali ed individuare quella che fornisce le prestazioni migliori. Il compito della rete neurale è quello di fornire in uscita il segnale ABP, quando in ingresso viene posto un segnale, tra ECG e PPG, o entrambi contemporaneamente. Le reti neurali analizzate sono le NNOE, le LSTM e le BLSTM; per ciascuna sono state fatte diverse prove ed infine analizzati alcuni parametri per valutarne le prestazioni. Non è di fondamentale importanza che la rete sia in grado di stimare perfettamente tutta la forma d’onda del segnale ABP, ma è più importante che riesca a riprodurre i picchi e le valli utili per la stima dei valori pressori. Il Database utilizzato per il training e il test delle reti, è stato costruito a partire dal MIMIC Database, dopo un’attenta fase di pulizia e filtraggio. Quello finale risulta essere composto da 46 soggetti differenti, 27 maschi e 19 femmine, e contiene numerose registrazioni di segnali ECG, PPG e ABP, tutti sincroni nel tempo. I risultati migliori sono stati ottenuti con le reti LSTM e BLSTM, anche se, per quanto riguarda la validazione con il metodo del Leave One Out, nessuna rete fornisce valori di RMSE accettabili. Questo potrebbe essere dovuto ad una scelta non ottimale degli iperparametri, che potranno essere modificati e nuovamente testati in lavori futuri.

AUTORE: Anna Panerati

RELATORI: Eros Gian Alessandro Pasero, Annunziata Paviglianiti, Vincenzo Randazzo

CORSO DI LAUREA: Corso di laurea magistrale in Ingegneria Biomedica

ANNO ACCAEMICO: 2020/2021