MULTI-MODAL TECHNIQUES FOR THE ACQUISITION AND PROCESSING OF PHYSIOLOGICAL NETWORK SIGNALS

In recent years, an escalating focus on the individual and personalized monitoring of health conditions has necessitated the development of increasingly advanced biomedical devices capable of providing precise and effective information about a subject's physiopathological state. This paradigm shift underscores the need for devices acquiring signals with high spatial and temporal resolution combined with data processing techniques to extract physiological parameters such as heart rate (HR), heart rate variability (HRV), pulse rate variability (PRV), oxygen saturation (SpO2), as well as derived cardiovascular parameters such as pulse arrival time (PAT), pulse transit time (PTT) and pulse wave velocity (PWV). As for cerebral monitoring, activation maps can be derived from functional magnetic resonance imaging (fMRI) and functional connectivity, as well as higher order measures characterizing brain networks, can be extracted from tools such as independent component analysis. When considered collectively, these parameters can offer comprehensive insights into both the overall and the organ-specific human physiological regulation. To extract these parameters, it is necessary to employ multiparametric biomedical devices which allow the synchronous acquisition of signals of different physical nature from multiple parts of the human body without the need for temporal synchronization post-acquisition. To derive parameters of biomedical interest from raw signals, it is essential to apply traditional or advanced signal processing and feature extraction techniques, aided by dedicated algorithms that can be implemented in real-time within a multiparametric system, making the monitoring of the state of health of an individual straightforward and efficient thanks to the variety of signals that are acquired collectively. These innovations clearly confer a significant advantage in terms of assessing the physiopathological states of an individual, early diagnosis of pathologies or physiological conditions requiring monitoring, and consequently reaching general aims such as reducing the workload on healthcare services.This thesis presents a comprehensive exploration of some of the methods and technologies involved in acquiring and analyzing physiological network signals. It delves into the realm of network physiology, studying the interconnectivity and collective behavior of different physiological systems and their contributions to overall health and disease states.The aim of this thesis is to develop and preliminary validate a multiparametric system capable of acquiring a multitude of signals from an individual's body and to apply more or less advanced signal processing to extract indices of biomedical relevance. The signals so acquired, along with advanced signal analysis techniques, open up the possibility of obtaining an increasingly vast amount of information about an individual's health status. This ensures progressively more precise and accurate monitoring, providing indications regarding potential pathologies or anomalies in the extracted parameters.Furthermore, the thesis addresses broader challenges and future directions in multiparametric signal monitoring, including enhancing measurement accuracy, device miniaturization, power consumption optimization, data security, privacy, and compliance with medical regulatory standards. The procedures for data collection, signal processing, and analysis provide insights into the practical aspects of implementing such a system in real-world scenarios.Overall, this document contributes to research in biosensors and signal processing in the fields of biomedical engineering and network physiology. This research opens new avenues for clinical diagnostics, continuous patient monitoring, and enhances our understanding of complex interactions within physiological networks, with implications for revolutionizing patient care and advancing our understanding of human physiology.

Negli ultimi anni, un'attenzione crescente rivolta al monitoraggio personalizzato delle condizioni di salute, ha reso necessario lo sviluppo di dispositivi biomedici sempre più avanzati, in grado di fornire informazioni precise ed efficaci sullo stato fisiopatologico di un soggetto. Questo, evidenzia la necessità di dispositivi capaci di acquisire segnali con alta risoluzione spaziale e temporale, combinati con tecniche di elaborazione dati per estrarre parametri fisiologici. Considerati collettivamente, questi parametri possono offrire approfondimenti completi sulla regolazione fisiologica umana sia complessiva che specifica per organo. Per estrarre questi parametri, è necessario impiegare dispositivi biomedici multiparametrici che permettano l'acquisizione sincrona di segnali di diversa natura fisica da varie parti del corpo umano, senza la necessità di sincronizzazione temporale post-acquisizione. Per derivare parametri di interesse biomedico dai segnali grezzi, è essenziale applicare tecniche di elaborazione dei segnali e di estrazione delle caratteristiche, sia tradizionali che avanzate, supportate da algoritmi dedicati che possono essere implementati in tempo reale all'interno di un sistema multiparametrico, rendendo il monitoraggio dello stato di salute di un individuo semplice ed efficiente grazie alla varietà di segnali acquisiti collettivamente. Queste innovazioni conferiscono chiaramente un vantaggio significativo in termini di valutazione degli stati fisiopatologici di un individuo, diagnosi precoce di patologie o condizioni fisiologiche che richiedono monitoraggio e conseguentemente il raggiungimento di obiettivi generali come l'alleggerimento del carico pendente sul sistema sanitario nazionale.Questa tesi presenta un'esplorazione approfondita di alcuni dei metodi e delle tecnologie coinvolti nell'acquisizione e nell'analisi dei segnali delle reti fisiologiche. Si addentra nel campo della fisiologia delle reti, studiando l'interconnettività e il comportamento collettivo di diversi sistemi fisiologici e il loro contributo allo stato di salute e alle malattie.L'obiettivo di questa tesi è sviluppare e validare preliminarmente un sistema multiparametrico capace di acquisire una moltitudine di segnali dal corpo di un individuo e di applicare tecniche di elaborazione dei segnali, più o meno avanzate, per estrarre indici di rilevanza biomedica. I segnali così acquisiti, insieme a tecniche avanzate di analisi dei segnali, aprono la possibilità di ottenere una quantità sempre maggiore di informazioni sullo stato di salute di un individuo. Questo garantisce un monitoraggio progressivamente più preciso ed accurato, fornendo indicazioni riguardo a potenziali patologie o anomalie nei parametri estratti.Inoltre, la tesi affronta sfide più ampie e direzioni future nel monitoraggio dei segnali multiparametrici, tra cui il miglioramento dell'accuratezza delle misurazioni, la miniaturizzazione dei dispositivi, l'ottimizzazione del consumo energetico, la sicurezza dei dati, la privacy e la conformità agli standard regolatori medici. Le procedure per la raccolta dei dati, l'elaborazione dei segnali e l'analisi forniscono approfondimenti sugli aspetti pratici dell'implementazione di un tale sistema in scenari reali.Questo documento, dunque, contribuisce alla ricerca sui biosensori e sull'elaborazione dei segnali nei campi dell'ingegneria biomedica e della Network Physiology. Questa ricerca apre nuove strade per la diagnostica clinica, il monitoraggio continuo dei pazienti e migliora la nostra comprensione delle interazioni complesse all'interno delle reti fisiologiche, con implicazioni per la rivoluzione della cura dei pazienti e l'avanzamento della nostra comprensione della fisiologia umana.