ETD

• analisi del segnale
• array di dipoli
• array di spire
• battito cardiaco
• biomedical sensing
• dipole
• dipole array
• dipolo
• electromagnetic
• elettromagnetismo
• frequenza respiratoria
• heart beat
• heart sensor
• loop
• loop array
• onda superficiale
• respiration sensor
• respiratory rate
• rete neurale convoluzionale temporale
• rete neurale temporale convoluzionale
• sensore cardiaco
• sensore di respirazione
• sensori
• sensori indossabili
• sensors
• signal analysis
• spira
• surface wave
• temporal convolutional neural network
• wearable sensors

This thesis work concerns the development of wearable electromagnetic sensors, based on dipole and loop arrays on conformable substrates, for the non-invasive detection of respiratory and cardiac activity. The device design and the optimal array periodicity were defined through full-wave simulations in Altair Feko, analyzing the propagation of a guided surface wave. The initial hypothesis involved extracting physiological information derived from the geometric modulation of the system at the chest level: curvature variations induced by cardio-respiratory activity alter the mutual distances between the elements, reflecting in changes to the transmission parameter S12. Although this approach proved extremely robust for isolating the respiratory macro-signal, it was insufficient for detecting cardiac micro-movements.
To overcome this limitation, a dielectric modulation was introduced by repositioning the sensor on the forearm. In this configuration, volumetric blood fluctuations in the radial artery cyclically alter the dielectric properties of the tissues in the near-field, modifying the reflection parameter S11. Due to the low signal-to-noise ratio, a data-driven approach based on a Temporal Convolutional Network (TCN) was implemented to extract the heart rate. By formulating a classification problem across four physiological macro-ranges, an average per-acquisition accuracy of 76.4% was achieved, overcoming the limits of classical spectral analysis and laying solid foundations for future bimodal wearable devices.

Il presente lavoro di tesi riguarda lo sviluppo di sensori elettromagnetici indossabili, basati su array di dipoli e loop su substrati conformabili, per il rilevamento non invasivo dell'attività respiratoria e cardiaca. Il design dei dispositivi e la periodicità ottima degli array sono stati definiti tramite simulazioni full-wave in Altair Feko, analizzando la propagazione di un'onda superficiale guidata. L'ipotesi iniziale prevedeva l'estrazione dell'informazione fisiologica derivante dalla modulazione geometrica del sistema a livello del torace: le variazioni di curvatura indotte dall'attività cardio-respiratoria alterano le mutue distanze tra gli elementi, riflettendosi in modifiche del parametro di trasmissione S12. Sebbene tale approccio si sia rivelato estremamente robusto per isolare il macro-segnale respiratorio, è risultato insufficiente per la rilevazione dei micro-movimenti cardiaci.
Per superare questo limite, è stata introdotta una modulazione di natura dielettrica riposizionando il sensore sull'avambraccio. In questa configurazione, le fluttuazioni volumetriche del sangue nell'arteria radiale alterano ciclicamente le proprietà dielettriche dei tessuti nel near-field, modificando il parametro di riflessione S11. A causa del basso rapporto segnale-rumore, per l'estrazione della frequenza cardiaca è stato implementato un approccio data-driven basato su una Temporal Convolutional Network (TCN). Formulando un problema di classificazione su quattro macro-fasce fisiologiche, si è ottenuta un'accuratezza media per acquisizione del 76.4%, superando i limiti dell'analisi spettrale classica e ponendo solide basi per futuri dispositivi indossabili bimodali.