Dottorando in Ingegneria Elettrica, Elettronica E Delle Comunicazioni , 38o ciclo (2022-2025)
Dipartimento di Elettronica e Telecomunicazioni (DET)
Profilo
Dottorato di ricerca
Argomento di ricerca
Machine Learning per l'Analisi Migliorata di ECG e Dati Clinici
Tutori
Presentazione della ricerca
Interessi di ricerca
Biografia
ha conseguito la laurea magistrale in Astrofisica all’Università degli Studi di Torino, con la tesi “Bounds on ultra-light axions from the neutral hydrogen auto-correlation function”. L’obiettivo di questa tesi è di porre dei limiti su alcuni aspetti della materia oscura assumendo che una parte di essa sia composta da assioni ultra-leggeri (ULAs).
La sua attuale linea di ricerca consiste nell’utilizzare metodi di machine learning/deep learning e intelligenza artificiale per migliorare le analisi di dati medicali.
I principali filoni di ricerca a cui lavora Federico Delrio sono i seguenti:
- Non-Invasive Arterial Blood Pressure Estimation from Electrocardiogram and Photoplethysmography Signals Using a Conv1D-BiLSTM Neural Network: questa ricerca consiste nel trovare un metodo non invasivo per la misura della pressione arteriosa utilizzando delle reti neurali partendo da ECG e eventualmente PPG come input.
- Enhancing ECG Analysis with a Hybrid Deep Learning Approach: Automatic Detection of Significant Features: questa ricerca è volta a utilizzare delle reti neurali per individuare le caratteristiche principali dell’ECG, come per esempio lunghezza del complesso QRS, onda P e onda T.
- Transformer interpretability: L’interpretabilità dei modelli di intelligenza artificiale è un problema ancora aperto, pertanto, questa ricerca è volta a sviluppare un nuovo tipo di Transformer che sia più facilmente interpretabile.
Didattica
Insegnamenti
Corso di laurea magistrale
- Electronic systems engineering. A.A. 2024/25, INGEGNERIA ELETTRONICA (ELECTRONIC ENGINEERING). Collaboratore del corso
- Electronic systems engineering. A.A. 2023/24, INGEGNERIA ELETTRONICA (ELECTRONIC ENGINEERING). Collaboratore del corso
- Challenge@PoliTo by Students - Silver Economy. A.A. 2022/23, INGEGNERIA GESTIONALE (ENGINEERING AND MANAGEMENT). Collaboratore del corso
Corso di laurea di 1° livello
- Fondamenti di elettronica di potenza. A.A. 2024/25, INGEGNERIA ELETTRICA. Collaboratore del corso
- Fondamenti di elettronica di potenza. A.A. 2023/24, INGEGNERIA ELETTRICA. Collaboratore del corso
Pubblicazioni
Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris
- Delrio, Federico; Randazzo, Vincenzo; Cirrincione, Giansalvo; Pasero, Eros (2025)
Physics Informed Neural Network for Continuous and Cuffless Arterial Blood Pressure. In: 2025 IEEE International Conference on Artificial Intelligence for Learning and Optimization (ICoAILO), Bali (Idn), 07-09 August 2025, pp. 143-148. ISBN: 979-8-3315-6928-0
Contributo in Atti di Convegno (Proceeding) - Delrio, F.; De Vitis, V.; Caligari, S.; Randazzo, V.; Cirrincione, G.; Pasero, E. (2025)
Enhancing ECG Analysis with a Hybrid Deep Learning Approach: Automatic Detection of Significant Features. In: Smart Innovation, Systems and Technologies / Esposito A., Faundez-Zanuy M., Morabito F. C., Pasero E., Cordasco G., Singapore, Springer Nature, pp. 23-33. ISBN: 9789819609932
Contributo in Volume - Randazzo, Vincenzo; Buccellato, Pietro; Ferretti, Jacopo; Delrio, Federico; Pasero, Eros (2024)
PulsECG - A Cuffless Non-Invasive Blood Pressure Monitoring Device through Neural Network Analysis of ECG and PPG signals. In: 2024 IEEE 22nd Mediterranean Electrotechnical Conference (MELECON), Oporto (Portogallo), 25-27 June 2024, pp. 1030-1035. ISSN 2158-8481. ISBN: 979-8-3503-8702-5
Contributo in Atti di Convegno (Proceeding) - Delrio, Federico; Randazzo, Vincenzo; Cirrincione, Giansalvo; Pasero, Eros (2023)
Non-Invasive Arterial Blood Pressure Estimation from Electrocardiogram and Photoplethysmography Signals Using a Conv1D-BiLSTM Neural Network. In: ENGINEERING PROCEEDINGS, vol. 39. ISSN 2673-4591
Contributo su Rivista - Morra, Lia; Azzari, Alberto; Bergamasco, Letizia; Braga, Marco; Capogrosso, Luigi; ... (2023)
Designing Logic Tensor Networks for Visual Sudoku puzzle classification. In: 17th International Workshop on Neural-Symbolic Learning and Reasoning (NeSy 2023), Certosa di Pontignano, Siena (Italia), July 3-5, 2023, pp. 223-232. ISSN 1613-0073
Contributo in Atti di Convegno (Proceeding)