Bartolucci, Andrea
(2019)
Previsione dell'età biologica mediante segnali PPG.
[Laurea], Università di Bologna, Corso di Studio in
Fisica [L-DM270]
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (917kB)
|
Abstract
La fotopletismografia (PPG) è una tecnica recente per la misura del volume del sangue arterioso basata sullo studio della variazione dell'assorbanza fra emoglobina ossigenata e deossigenata. I suoi vantaggi sono la semplicità dell'apparato, il basso costo e la non invasività. L'età biologica di un individuo è determinata non solo dall'età cronologica, ma anche da altri fattori come lo stile di vita, possibili patologie, dieta, esercizio fisico, stress. Lo studio dell'età biologica è quindi importante per la possibilità di diagnosticare possibili malattie o problemi con il proprio stile di vita. In questa tesi svilupperemo diversi modelli di machine learning e reti neurali per la regressione dell'età biologica utilizzando delle features estratte da un dataset di segnali PPG. La quantità di sangue che transita nel sistema vascolare dipende infatti dal tono vascolare e questo a sua volta dipende dall'età del soggetto.
Abstract
La fotopletismografia (PPG) è una tecnica recente per la misura del volume del sangue arterioso basata sullo studio della variazione dell'assorbanza fra emoglobina ossigenata e deossigenata. I suoi vantaggi sono la semplicità dell'apparato, il basso costo e la non invasività. L'età biologica di un individuo è determinata non solo dall'età cronologica, ma anche da altri fattori come lo stile di vita, possibili patologie, dieta, esercizio fisico, stress. Lo studio dell'età biologica è quindi importante per la possibilità di diagnosticare possibili malattie o problemi con il proprio stile di vita. In questa tesi svilupperemo diversi modelli di machine learning e reti neurali per la regressione dell'età biologica utilizzando delle features estratte da un dataset di segnali PPG. La quantità di sangue che transita nel sistema vascolare dipende infatti dal tono vascolare e questo a sua volta dipende dall'età del soggetto.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Bartolucci, Andrea
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine learning,Neural Networks,Reti neurali,cuore,PPG,photoplethysmography,età biologica,biological age
Data di discussione della Tesi
18 Ottobre 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Bartolucci, Andrea
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine learning,Neural Networks,Reti neurali,cuore,PPG,photoplethysmography,età biologica,biological age
Data di discussione della Tesi
18 Ottobre 2019
URI
Statistica sui download
Gestione del documento: