Riduzione del Rumore in Segnali ECG Acquisiti con Sensore Indossabile da Braccio

Electrocardiographic (ECG) signals play a fundamental role in the continuous monitoring of vital parameters and in telemedicine applications. Wearable devices provide portability and comfort, but signal quality can be compromised by noise, reducing the reliability of automatic analysis and the extraction of clinically relevant information. In this study, a compact and autonomous wearable arm sensor, developed within the PerlAVItA project in collaboration between Policlinico S. Matteo and the University of Pavia, was used to acquire ECG signals. Acquisition in this configuration is particularly challenging due to the low signal-to-noise ratio (SNR); therefore, recordings were performed at different positions along the arm and compared with reference measurements obtained through the REFA device. The aim of this thesis was to develop and compare different noise reduction techniques, assessing their effectiveness in preserving the diagnostic characteristics of the signal even under high-noise conditions. Methods based on Empirical Mode Decomposition (EMD) and Discrete Wavelet Transform (DWT) were employed, tested on both synthetic signals and real acquisitions, and evaluated using quantitative metrics such as SNR and Mean Squared Error (MSE). The analysis shows that EMD with adaptive thresholding and DWT provide a significant improvement in signal quality under moderate noise conditions, enhancing the reliability of wearable arm-based systems for telemedicine applications and opening perspectives for automatic arrhythmia detection. The results indicate that the proposed methods ensure reliability in extracting diagnostic information when the device is placed on the upper arm, whereas positioning at the wrist is currently critical due to the high noise level.

I segnali elettrocardiografici (ECG) rivestono un ruolo fondamentale nel monitoraggio continuo dei parametri vitali e nelle applicazioni di telemedicina. I dispositivi indossabili offrono portabilità e comfort, ma la qualità del segnale può risultare compromessa dal rumore, riducendo l’affidabilità dell’analisi automatica e dell’estrazione di informazioni clinicamente rilevanti. In questo studio è stato utilizzato un sensore indossabile da braccio, compatto e autonomo, sviluppato all’interno del progetto PerlAVItA in collaborazione fra il Policlinico S. Matteo e l’Università di Pavia, in grado di acquisire segnali ECG. L’acquisizione in tale configurazione è particolarmente critica a causa del basso rapporto segnale-rumore (SNR); sono state quindi effettuate registrazioni in diverse posizioni lungo il braccio e confrontate con misure ottenute tramite il dispositivo di riferimento REFA. L’obiettivo del lavoro di tesi è stato sviluppare e confrontare diverse tecniche di riduzione del rumore, valutandone l’efficacia nel preservare le caratteristiche diagnostiche del segnale anche in condizioni di elevato rumore. Sono stati utilizzati metodi basati sulla Empirical Mode Decomposition (EMD) e sulla Discrete Wavelet Transform (DWT), testati sia su segnali sintetici sia su acquisizioni reali, e valutati mediante metriche quantitative quali SNR e Mean Squared Error (MSE). L’analisi effettuata evidenzia che EMD con sogliatura adattiva e DWT consentono un miglioramento significativo della qualità del segnale in presenza di rumore moderato, aumentando l’affidabilità dei sistemi indossabili da braccio per applicazioni di telemedicina e aprendo prospettive per il riconoscimento automatico delle aritmie. I risultati indicano che i metodi sviluppati garantiscono affidabilità nell’estrazione delle informazioni diagnostiche quando il dispositivo viene posizionato nella parte superiore del braccio, mentre il posizionamento sul polso, allo stato attuale, risulta critico a causa dell’elevato rumore.