Sviluppo di un framework per l'analisi di segnali elettrofisiologici

La tesi di laurea presentata propone lo sviluppo di un framework innovativo per l'analisi di dati di elettrofisiologia, con particolare attenzione ai file ABF. L'obiettivo principale della tesi è di fornire uno strumento in grado di semplificare e velocizzare l'analisi dei dati di elettrofisiologia, riducendo il tempo e lo sforzo richiesti per ottenere informazioni utili dai dati. Tra le principali funzionalità del framework vi sono la visualizzazione, l'implementazione di filtri per la manipolazione delle tracce, la possibilità di eseguire analisi spettrali, la generazione di istogrammi per l'analisi delle distribuzioni di frequenza e la possibilità di restringere la regione di interesse per eseguire analisi mirate su porzioni specifiche dei dati. Inoltre, il framework include una funzionalità di fitting di curve, che consente di modellare i dati di elettrofisiologia utilizzando una varietà di funzioni matematiche, tra cui le curve di Boltzmann e le funzioni esponenziali. Questa funzionalità permette di ottenere informazioni dettagliate sulle proprietà dei canali ionici e dei recettori presenti nelle cellule biologiche. Il framework è stato implementato in Python, sfruttando diverse librerie tra cui NumPy, SciPy e Matplotlib, per l'analisi dei dati e la visualizzazione dei risultati. Per dare maggior robustezza al software prodotto sono stati usati unit test e tecniche di Continuous Integration and Continuous Deployment (CI/CD). Inoltre, il framework è stato progettato per funzionare su diverse piattaforme, compresi sistemi Windows, Linux e macOS.