Le malattie cardiovascolari, tra cui le aritmie cardiache, hanno acquisito una crescente importanza nel contesto sanitario degli ultimi anni. Aritmie come la fibrillazione ventricolare e il flutter rappresentano emergenze mediche pericolose per la vita, con il potenziale di causare arresto cardiaco, collasso emodinamico e, nei casi più gravi, morte cardiaca improvvisa. Questi eventi richiedono una diagnosi tempestiva e accurata. Fortunatamente, l'attività elettrica del cuore può essere monitorata in modo non invasivo attraverso l'elettrocardiogramma (ECG). Tuttavia, la comprensione dei dati ECG è spesso resa complessa dalle loro ridotte ampiezze e durate, e dal fatto che certe malattie cardiovascolari provocano variazioni minime al tracciato. In questo contesto, l'introduzione di assistenza computerizzata per la diagnosi delle aritmie, potrebbe rappresentare un notevole balzo in avanti nell'ambito medico. Questo elaborato delinea le basi per un approccio completo per il riconoscimento automatico delle aritmie cardiache, dalla raccolta del segnale ECG all'elaborazione avanzata dei dati tramite tecniche quali la Discrete Wavelet Transform e la Principal Components Analysis. Inoltre, vengono esaminati in dettaglio diversi algoritmi di Machine Learning applicati alla classificazione delle aritmie, con un focus ai parametri che vengono impiegati per valutarne l’efficienza e l’implementabilità su dispositivi portatili da usare in contesti clinici. L'obiettivo principale è quello di fornire un quadro completo sulle tecniche principalmente impiegate per la diagnosi automatizzata delle aritmie, con conseguenti vantaggi per il settore medico, i pazienti e il sistema sanitario nel suo complesso.
TECNICHE DI ANALISI PER LA RILEVAZIONE E CLASSIFICAZIONE DI ARITMIE DAL TRACCIATO ELETTROCARDIOGRAFICO
TOMASELLA, ANDREA
2022/2023
Abstract
Le malattie cardiovascolari, tra cui le aritmie cardiache, hanno acquisito una crescente importanza nel contesto sanitario degli ultimi anni. Aritmie come la fibrillazione ventricolare e il flutter rappresentano emergenze mediche pericolose per la vita, con il potenziale di causare arresto cardiaco, collasso emodinamico e, nei casi più gravi, morte cardiaca improvvisa. Questi eventi richiedono una diagnosi tempestiva e accurata. Fortunatamente, l'attività elettrica del cuore può essere monitorata in modo non invasivo attraverso l'elettrocardiogramma (ECG). Tuttavia, la comprensione dei dati ECG è spesso resa complessa dalle loro ridotte ampiezze e durate, e dal fatto che certe malattie cardiovascolari provocano variazioni minime al tracciato. In questo contesto, l'introduzione di assistenza computerizzata per la diagnosi delle aritmie, potrebbe rappresentare un notevole balzo in avanti nell'ambito medico. Questo elaborato delinea le basi per un approccio completo per il riconoscimento automatico delle aritmie cardiache, dalla raccolta del segnale ECG all'elaborazione avanzata dei dati tramite tecniche quali la Discrete Wavelet Transform e la Principal Components Analysis. Inoltre, vengono esaminati in dettaglio diversi algoritmi di Machine Learning applicati alla classificazione delle aritmie, con un focus ai parametri che vengono impiegati per valutarne l’efficienza e l’implementabilità su dispositivi portatili da usare in contesti clinici. L'obiettivo principale è quello di fornire un quadro completo sulle tecniche principalmente impiegate per la diagnosi automatizzata delle aritmie, con conseguenti vantaggi per il settore medico, i pazienti e il sistema sanitario nel suo complesso.File | Dimensione | Formato | |
---|---|---|---|
Tomasella_Andrea.pdf
accesso riservato
Dimensione
2.01 MB
Formato
Adobe PDF
|
2.01 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/52611