Riconoscimento di artefatti da compressione nei segnali glicemici CGM

I segnali glicemici acquisiti tramite sistemi di monitoraggio continuo della glicemia (CGM) possono essere affetti da artefatti non fisiologici, tra cui attenuazioni dovute a compressioni meccaniche del sensore (Pressure-Induced Sensor Attenuations, PISAs). Questi fenomeni possono generare pattern erroneamente interpretabili come episodi ipoglicemici, compromettendo quindi l'affidabilità del monitoraggio e l'efficacia della gestione terapeutica. In questa tesi viene affrontato il problema del riconoscimento automatico di tali artefatti attraverso metodi di elaborazione del segnale. In particolare, dopo una descrizione sulle origini dei PISAs e sulle loro caratteristiche, viene approfondita la teoria riguardante i "filtri matched", un operatore ampiamente utilizzato nel contesto del "pattern recognition" con l'obbiettivo di individuare con maggiore precisione possibile la presenza di tali eventi artefattuali. La metodologia viene poi implementata in MATLAB e applicata a dataset simulati, rappresentativi di segnali glicemici CGM contenenti artefatti da compressione. Infine, vengono discussi i risultati ottenuti e valutata l’affidabilità del metodo proposto tramite opportuni parametri di performance.