Please use this identifier to cite or link to this item: http://hdl.handle.net/10077/10974
Title: Application of linear and nonlinear methods for processing HRV and EEG signals
Authors: Fornasa, Elisa
Keywords: EEGHRVanalysislinearnonlinear
Issue Date: 13-Apr-2015
Publisher: Università degli studi di Trieste
Abstract: L'elaborazione dei segnali biomedici è fondamentale per l'interpretazione oggettiva dei sistemi fisiologici, infatti, permette di estrarre e quantificare le informazioni contenute nei segnali che sono generati dai sistemi oggetto di studio. Per analizzare i segnali biomedici, sono stati introdotti un gran numero di algoritmi inizialmente nati in ambiti di ricerca differenti. Negli ultimi decenni, il classico approccio lineare, basato principalmente sull'analisi spettrale, è stato affiancato con successo da metodi e tecniche derivanti dalla teoria della dinamica nonlineare e, in particolare, da quella del caos deterministico. L'obiettivo di questa tesi è quello di valutare i risultati dell'applicazione di diversi metodi di elaborazione, lineari e non lineari, a specifici studi clinici basati sul segnale di variabilità cardiaca (Heart Rate Variability, HRV) e sul segnale elettroencefalografico (EEG). Questi segnali, infatti, mostrano comportamenti attribuibili a sistemi la cui natura può essere alternativamente di tipo lineare o non, a seconda delle condizioni nelle quali i sistemi vengono analizzati. Nella prima parte della tesi, sono presentati i due segnali oggetto di studio (HRV ed EEG) e le tecniche di analisi utilizzate. Nel capitolo 1 vengono descritti il significato fisiologico, i requisiti necessari per l'acquisizione dei dati e i metodi di pre-elaborazione dei segnali. Nel capitolo 2 sono presentati i metodi e gli algoritmi utilizzati in questa tesi per la caratterizzazione delle diverse condizioni sperimentali in cui HRV e EEG sono stati studiati, prestando particolare attenzione alle tecniche di analisi non lineare. Nei capitoli seguenti (capitoli 3-7), sono presentate le cinque applicazioni dell'analisi dei segnali HRV ed EEG esaminate durante il dottorato. Più precisamente, le prime tre riguardano la variabilità cardiaca, le altre due il segnale EEG. Per quanto riguarda il segnale HRV, il primo studio analizza le variazioni delle proprietà spettrali e frattali in soggetti sani di diversa età; il secondo è focalizzatosull'importanza dell'approccio nonlineare nell'analisi del segnale HRV ricavato da registrazioni polisonnografiche di pazienti affetti da gravi apnee notturne; il terzo presenta le differenze nelle caratteristiche spettrali e nonlineari della variabilità cardiaca in pazienti con scompenso cardiaco determinato da diverse eziologie. Invece, per il segnale EEG, il primo studio analizza le alterazioni negli indici spettrali e nonlineari in pazienti con deficit cognitivi soggettivi e lievi, mentre il secondo valuta l'efficacia di un nuovo protocollo per la riabilitazione della malattia di Parkinson, attraverso la quantificazione dei parametri spettrali dell'EEG.
Description: 2013/2014
URI: http://hdl.handle.net/10077/10974
NBN: urn:nbn:it:units-13818
Appears in Collections:Ingegneria industriale e dell'informazione

Files in This Item:
File Description SizeFormat 
Fornasa_phd.pdfTesi dottorato1.09 MBAdobe PDFView/Open
Show full item record


CORE Recommender

Page view(s)

583
checked on Feb 20, 2018

Download(s)

505
checked on Feb 20, 2018

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.