INTRODUZIONE
1
INTRODUZIONE
La necessità di un continuo monitoraggio attraverso sistemi non invasi e la conseguente acquisizione di dati utili per l’osservazione dei cambiamenti fisiologici che interessano gli organi interni è di fondamentale importanza per un miglioramento delle condizioni dei pazienti. È altresì vero che i dati prelevati attraverso tali metodologie, quali ad esempio l’ uso di sistemi indossabili,risultano essere molto deboli e corrotti da varie fonti di disturbo. Sorge perciò la necessità di dover eliminare tali artefatti in modo che l’elaborazione e l’ analisi dei dati prelevati sia più fedele possibile alla realtà.
Varie sono le tecniche che operano in tal senso, si passa dall’ utilizzo di filtri adattivi fino all’ analisi multicanale, che, attraverso la comparazione di più acquisizioni, estrae dai dati le informazioni utili.
In questo lavoro di tesi abbiamo sfruttato proprio la struttura multicanale dei dati ed utilizzando lo strumento dell’ Analisi delle Componenti Indipendenti (ICA) abbiamo estratto le informazioni di nostro interesse. Basandosi sull’ipotesi di indipendenza statistica delle componenti e sulla combinazioni lineare delle stesse, l’ ICA ha offerto una soluzione soddisfacente.
Oltre all’ implementazione e alla comparazione di diversi metodi di ricerca delle componenti indipendenti dei dati prelevati da sistemi indossabili, basati sulla stima di vari parametri quali la massima verosimiglianza e la non-gaussianità, in questa tesi abbiamo ottimizzato una metodologia di indagine migliorandone la funzionalità.
INTRODUZIONE
2 Nel primo capitolo del lavoro è data una breve descrizione dei sistemi indossabili ed in particolare del sistema Whealty,sviluppato nell’ ambito di un progetto europeo. Il capitolo prosegue con l’ esposizione della natura dei segnali prelevati in particolar modo del segnale ellettrocardiografico e di come esso sia solito essere acquisito, concludendosi con una descrizione delle metodologie, utilizzate in una prima analisi dei segnali, di rimozione degli artefatti.
Il secondo capitolo è ,invece, dedicato all’ analisi del metodo delle Componenti Indipendenti da un punto di vista strettamente matematico e statistico. L’analisi è affrontata spiegando il metodo, le ipotesi sulle quali esso si basa, le sue applicazioni ed i suoi limiti, anche attraverso il confronto con un’ altra metodologia di indagine quale è quella dell’ Analisi delle Componenti Principali.
Il terzo capitolo esplicita gli algoritmi utilizzati nel lavoro. Da quello comunemente utilizzato in vari ambiti, FAST-ICA, a quello implementato in maniera specifica per questa tesi e denominato LIKELIHOOD. Vengono descritte le procedure di applicazione degli algoritmi, le ipotesi seguite e particolare attenzione è rivolta ai diversi stimatori utilizzati per i diversi algoritmi ,dalla non-gaussianità per il FAST-ICA alla massima verosimiglianza per il LIKELIHOOD.
Nel quarto capitolo viene esposto la metodologia di ottimizzazione elaborata per migliorare la funzionalità dell’ algoritmo LIKELIHOOD. Dopo un’ attenta valutazione delle possibilità di ottimizzazione, viene individuata quella più utile per il nostro lavoro e se ne propone una soluzione.
Il quinto capitolo è dedicato all’ applicazione degli algoritmi precedenti a dei dati simulati. Dopo una esplicazione delle fonti di disturbo se ne propone una modellizzazione così come fatto per il segnale. Anche attraverso l’utilizzo di una interfaccia grafica ,realizzata per il lavoro, vengono eseguite delle prove e graficati i risultati in modo da permetterne una comparazione il più completa possibile.
Il sesto ed ultimo capitolo è riservato all’applicazione su dati reali acquisiti tramite sistemi indossabili. In prima battuta vengono descritti i dati a disposizione e poi
INTRODUZIONE
3 applicati gli algoritmi. Anche per i dati reali i risultati ottenuti vengono graficati,comparati e discussi.
Il progetto è stato sviluppato in collaborazione con il laboratorio di risonanza magnetica dell’ Istituto di Fisiologia Clinica del Consiglio Nazionale delle Ricerche di Pisa.
Le elaborazioni software e l’ interfaccia grafica sono state realizzate in ambiente MatLab della MathWorks.
