Sviluppo di un'applicazione cloud estendibile per gestione, analisi e condivisione remota di dati elettroencefalografici compatibile con il software Micromed Brain Quick

This thesis focuses on integrating technologies such as electroencephalography (EEG) and cloud computing in the development of an application built with Python and Django for sharing and analyzing EEG data. This application is designed to be compatible with Micromed Brain Quick software, extending the functionalities of these systems and enabling more efficient management of EEG data. The main objective is to provide a platform that facilitates the remote sharing of EEG data and patient information. Using the cloud computing paradigm, the thesis proposes an innovative approach to storing, accessing, and managing data through the web, resulting in increased flexibility and ease of access for healthcare professionals. This allows them to request specific analyses and access EEG data anytime and from anywhere. The developed system leverages the capabilities of the Python programming language and the Django framework to create an intuitive user interface and a scalable architecture. The application can invoke specific analyses, integrating new algorithms into the workflow and enabling distributed processing on worker machines. This approach contributes to improving the overall system efficiency, facilitating collaboration and knowledge sharing in the field of electroencephalography.

La presente tesi si focalizza sull'integrazione di tecnologie quali l'elettroencefalografia (EEG) e il cloud computing, nello sviluppo di un'applicazione costruita con Python e Django per condividere e analizzare dati EEG. Questa applicazione è stata progettata per essere compatibile con i software Micromed Brain Quick, estendendo le funzionalità di tali sistemi e consentendo una gestione più efficiente dei dati elettroencefalografici. L'obiettivo principale è fornire una piattaforma che agevoli la condivisione remota di dati EEG e delle informazioni sui pazienti. Utilizzando il paradigma del cloud computing, la tesi propone un approccio innovativo per l'archiviazione, l'accesso e la gestione di dati attraverso il Web. Questo si traduce in una maggiore flessibilità e facilità di accesso per gli operatori sanitari, consentendo loro di richiedere analisi specifiche e di accedere ai dati EEG in qualsiasi momento e da qualsiasi luogo. Il sistema sviluppato sfrutta inoltre le potenzialità del linguaggio di programmazione Python e del framework Django per creare un'interfaccia utente intuitiva e un'architettura scalabile. L'applicazione è in grado di richiamare analisi specifiche, integrando nuovi algoritmi nel flusso di lavoro e consentendo l'elaborazione distribuita su macchine worker. Questo approccio contribuisce a migliorare l'efficienza del sistema complessivo, facilitando la collaborazione e la condivisione di conoscenze nel campo dell'elettroencefalografia.