{"id":33231,"date":"2024-03-12T17:47:40","date_gmt":"2024-03-12T16:47:40","guid":{"rendered":"https:\/\/www.teoresigroup.com\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/"},"modified":"2024-03-12T17:50:44","modified_gmt":"2024-03-12T16:50:44","slug":"blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms","status":"publish","type":"thesis","link":"https:\/\/teoresi.sixeleven.it\/it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/","title":{"rendered":"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning"},"content":{"rendered":"\n<div class=\"wp-block-columns align-center row sezione\">\n<div class=\"wp-block-column small-12 medium-10 large-8\">\n<h2 class=\"wp-block-heading has-text-align-center h5\">Abstract<\/h2>\n\n\n\n<p>L\u2019obbiettivo di questo lavoro di tesi \u00e8 stato implementare una metodologia che fosse in grado di predirre i valori di pressione sistolica e diastolica a partire dal segnale PPG, con le caratteristiche di non-invasivit\u00e0, continuit\u00e0 e utilizzabilit\u00e0 da remoto .<\/p>\n\n\n\n<p>L\u2019approccio proposto presenta, in seguito alla concatenazione di dataset diversi tra di loro in termini di attivit\u00e0, modalit\u00e0 acquisizione del segnale PPG e misurazione della pressione arteriosa una riguardevole eterogeneit\u00e0. I modelli proposti, a seguito dei diversi approcci per la selezione delle feature, dimostrano come tutti i domini analizzati siano importanti nella stima della pressione.<\/p>\n\n\n\n<p>Dall\u2019analisi dei risultati dei modelli sulla pressione sistolica si evince al termine dell\u2019ottimizzazione degli iperparametri che il modello che mostra le migliori performance \u00e8 quello basato sull\u2019algoritmo Gaussian Process Regression. Tale algoritmo risulta essere il migliore anche per la stima della pressione diastolica i cui risultati risultano essere in accordo con tutti gli standard proposti. Per questi due modelli si \u00e8 effettuato uno studio sulla loro interpretabilit\u00e0 attraverso l\u2019analisi sull\u2019importanza delle feature ed \u00e8 emerso che le feature pi\u00f9 importanti per entrambi i modelli sono quelle legate al Pulse Transit Time, caratteristica fondamentale per l\u2019implementazione di modelli basati su segnale PPG che presenta una forte rilevanza clinica. Quest\u2019analisi sulle feature pi\u00f9 rilevanti e la loro rilevanza clinica, dimostra che sebbene il GPR sia un modello poco interpretabile ed esplicabile, i modelli proposti esibiscono una buona affidabilit\u00e0. Dall\u2019analisi sui casi limite \u00e8 emerso che sia per il modello sulla pressione sistolica che sulla pressione diastolica il motivo alla base dell\u2019errore \u00e8 da ricercare maggiormente nel peso rilevante di feature meno importanti rispetto al modello di training e nello score basso di alcune feature con peso maggiore. Ci\u00f2 evidenzia sia la gerarchia delle feature nei nostri modelli ma anche, seppur con il loro peso, che tutte le feature risultano essere rilevanti nella predizione dei valori di pressione In conclusione, tale lavoro di tesi propone un approccio nuovo in letteratura, molto generalizzabile e valido per la stima della pressione sistolica e diastolica. Le caratteristiche pi\u00f9 rilevanti sono quelle relative alla non invasivit\u00e0 della metodologia e la possibilit\u00e0 di registrazioni da remoto per i pazienti. I modelli proposti possono sicuramente essere ottimizzati, in ottica futura infatti si potrebbero effettuare test su nuovi dataset con una numerosit\u00e0 maggiore.<\/p>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center\">Obiettivo<\/h2>\n\n\n\n<p>Implementare una metodologia che, a partire dal segnale PPG, permetta il monitoraggio della pressione sistolica e diastolica, con le caratteristiche di non-invasivit\u00e0, continuit\u00e0 e utilizzabilit\u00e0 da remoto.<\/p>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center h5\">Metodologia di ricerca<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Ricerca di Dataset pubblici (segnale PPG)<\/li>\n\n\n\n<li>Processing: Campionamento, Filtraggio (Butterworth, trasformata wavelet continua), individuazione picchi, estrazione feature<\/li>\n\n\n\n<li>Concatenazione dei dataset<\/li>\n\n\n\n<li>Training di cinque algoritmi di classificazione (Regressione Multipla Lineare,&nbsp; Random Forest, Support Vector Regression, Least- Square Boosting, Gaussian Process Regression) in Matlab<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Analisi di feature importance<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center h5\">Conclusioni<\/h2>\n\n\n\n<p>Il modello che mostra le migliori performance \u00e8 quello basato sull\u2019algoritmo Gaussian Process Regression. Tale algoritmo risulta essere il migliore per la stima della pressione diastolica e sistolica i cui risultati risultano essere in accordo con tutti gli standard proposti. Per entrambi i modelli di regressione\u00a0 \u00e8 emerso che le feature pi\u00f9 importanti sono quelle legate al Pulse Transit Time, caratteristica fondamentale per l\u2019implementazione di modelli basati su segnale PPG che presenta una forte rilevanza clinica.<\/p>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center h5\">Sviluppi futuri<\/h2>\n\n\n\n<p>Il metodo proposto permette di utilizzare una metodologia non invasiva\u00a0 e d\u00e0 la possibilit\u00e0 di effettuare registrazioni da remoto per i pazienti. I modelli utilizzati possono sicuramente essere ottimizzati, aumentando la numerisit\u00e0 del dataset per migliorarne l\u2019accuratezza.<\/p>\n<\/div>\n<\/div>\n","protected":false},"featured_media":0,"template":"","university":[177],"thesis_type":[273],"keyword":[248,544,461],"class_list":["post-33231","thesis","type-thesis","status-publish","hentry","university-universita-degli-studi-di-napoli-federico-ii-it","thesis_type-artificial-intelligence-it","keyword-artificial-intelligence","keyword-blood-pression-estimation","keyword-matlab"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.8 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning - Teoresi Group<\/title>\n<meta name=\"robots\" content=\"noindex, follow\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning - Teoresi Group\" \/>\n<meta property=\"og:description\" content=\"Abstract L\u2019obbiettivo di questo lavoro di tesi \u00e8 stato implementare una metodologia che fosse in grado di predirre i valori di pressione sistolica e diastolica a partire dal segnale PPG, con le caratteristiche di non-invasivit\u00e0, continuit\u00e0 e utilizzabilit\u00e0 da remoto . L\u2019approccio proposto presenta, in seguito alla concatenazione di dataset diversi tra di loro in termini di attivit\u00e0, modalit\u00e0 acquisizione...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/\" \/>\n<meta property=\"og:site_name\" content=\"Teoresi Group\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/pages\/Gruppo-Teoresi\/118393464917205\" \/>\n<meta property=\"article:modified_time\" content=\"2024-03-12T16:50:44+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/teoresi.sixeleven.it\/wp-content\/uploads\/2021\/02\/og-image.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"630\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/\",\"url\":\"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/\",\"name\":\"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning - Teoresi Group\",\"isPartOf\":{\"@id\":\"https:\/\/teoresi.sixeleven.it\/de\/#website\"},\"datePublished\":\"2024-03-12T16:47:40+00:00\",\"dateModified\":\"2024-03-12T16:50:44+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"\",\"item\":\"https:\/\/teoresi.sixeleven.it\/it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/teoresi.sixeleven.it\/de\/#website\",\"url\":\"https:\/\/teoresi.sixeleven.it\/de\/\",\"name\":\"Teoresi Group\",\"description\":\"Engineering for Human life.\",\"publisher\":{\"@id\":\"https:\/\/teoresi.sixeleven.it\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/teoresi.sixeleven.it\/de\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/teoresi.sixeleven.it\/de\/#organization\",\"name\":\"Teoresi Group\",\"url\":\"https:\/\/teoresi.sixeleven.it\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/teoresi.sixeleven.it\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.teoresigroup.com\/wp-content\/uploads\/2020\/12\/teoresi-logo-color.svg\",\"contentUrl\":\"https:\/\/www.teoresigroup.com\/wp-content\/uploads\/2020\/12\/teoresi-logo-color.svg\",\"width\":1,\"height\":1,\"caption\":\"Teoresi Group\"},\"image\":{\"@id\":\"https:\/\/teoresi.sixeleven.it\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/pages\/Gruppo-Teoresi\/118393464917205\",\"https:\/\/www.instagram.com\/teoresigroup\/\",\"https:\/\/www.linkedin.com\/company\/teoresigroup\/\",\"https:\/\/www.youtube.com\/channel\/UCNdBBSSax2EWPmFk5QzYP8Q\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning - Teoresi Group","robots":{"index":"noindex","follow":"follow"},"og_locale":"it_IT","og_type":"article","og_title":"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning - Teoresi Group","og_description":"Abstract L\u2019obbiettivo di questo lavoro di tesi \u00e8 stato implementare una metodologia che fosse in grado di predirre i valori di pressione sistolica e diastolica a partire dal segnale PPG, con le caratteristiche di non-invasivit\u00e0, continuit\u00e0 e utilizzabilit\u00e0 da remoto . L\u2019approccio proposto presenta, in seguito alla concatenazione di dataset diversi tra di loro in termini di attivit\u00e0, modalit\u00e0 acquisizione...","og_url":"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/","og_site_name":"Teoresi Group","article_publisher":"https:\/\/www.facebook.com\/pages\/Gruppo-Teoresi\/118393464917205","article_modified_time":"2024-03-12T16:50:44+00:00","og_image":[{"width":1200,"height":630,"url":"https:\/\/teoresi.sixeleven.it\/wp-content\/uploads\/2021\/02\/og-image.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/","url":"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/","name":"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning - Teoresi Group","isPartOf":{"@id":"https:\/\/teoresi.sixeleven.it\/de\/#website"},"datePublished":"2024-03-12T16:47:40+00:00","dateModified":"2024-03-12T16:50:44+00:00","breadcrumb":{"@id":"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/teoresi.sixeleven.it\/thesis\/blood-pressure-estimation-from-ppg-signal-using-machine-learning-algorithms\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"","item":"https:\/\/teoresi.sixeleven.it\/it\/"},{"@type":"ListItem","position":2,"name":"\u00a0Stima della pressione arteriosa, da segnali PPG, tramite algoritmi di machine learning"}]},{"@type":"WebSite","@id":"https:\/\/teoresi.sixeleven.it\/de\/#website","url":"https:\/\/teoresi.sixeleven.it\/de\/","name":"Teoresi Group","description":"Engineering for Human life.","publisher":{"@id":"https:\/\/teoresi.sixeleven.it\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/teoresi.sixeleven.it\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Organization","@id":"https:\/\/teoresi.sixeleven.it\/de\/#organization","name":"Teoresi Group","url":"https:\/\/teoresi.sixeleven.it\/de\/","logo":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/teoresi.sixeleven.it\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.teoresigroup.com\/wp-content\/uploads\/2020\/12\/teoresi-logo-color.svg","contentUrl":"https:\/\/www.teoresigroup.com\/wp-content\/uploads\/2020\/12\/teoresi-logo-color.svg","width":1,"height":1,"caption":"Teoresi Group"},"image":{"@id":"https:\/\/teoresi.sixeleven.it\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/pages\/Gruppo-Teoresi\/118393464917205","https:\/\/www.instagram.com\/teoresigroup\/","https:\/\/www.linkedin.com\/company\/teoresigroup\/","https:\/\/www.youtube.com\/channel\/UCNdBBSSax2EWPmFk5QzYP8Q"]}]}},"acf":[],"_links":{"self":[{"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/thesis\/33231","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/thesis"}],"about":[{"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/types\/thesis"}],"version-history":[{"count":2,"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/thesis\/33231\/revisions"}],"predecessor-version":[{"id":33234,"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/thesis\/33231\/revisions\/33234"}],"wp:attachment":[{"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/media?parent=33231"}],"wp:term":[{"taxonomy":"university","embeddable":true,"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/university?post=33231"},{"taxonomy":"thesis_type","embeddable":true,"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/thesis_type?post=33231"},{"taxonomy":"keyword","embeddable":true,"href":"https:\/\/teoresi.sixeleven.it\/it\/wp-json\/wp\/v2\/keyword?post=33231"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}