Dal segnale alla diagnosi: classificazione di segnali elettrocardiografici con metodi di Machine Learning e feature multi-dominio. = From signal to diagnosis: classification of electrocardiographic signals using Machine Learning methods and multi-domain features.

L’elettrocardiogramma (ECG) è uno strumento diagnostico fondamentale. Lo sviluppo dell’elettronica degli ultimi decenni ha reso possibile l’acquisizione dell’ECG ad alta frequenza, che ha aperto la possibilità di un progressivo miglioramento delle prestazioni diagnostiche. I metodi di Machine Learning (ML) e di Deep Learning (DL) sono strumenti in grado di aiutare a fornire un’interpretazione veloce e consistente dei segnali ECG ad alta frequenza. L’obiettivo di questo lavoro è quello di costruire una pipeline per la classificazione di segnali ECG standard usando modelli di ML, con la prospettiva di adottare il classificatore selezionato come base solida per gli studi futuri sull’ECG ad alta frequenza di campionamento. A partire da una revisione della letteratura più recente, sono state definite ed estratte le feature dal dominio del tempo, della frequenza e del tempo-frequenza così da valutare le prestazioni di diversi modelli di ML- Support Vector Machine (SVM), Logistic Regression (LogReg), K-Nearest Neighbors (KNN), Gaussian Naive Bayes- sia per la classificazione a 3 classi (NORM, MI, CD) sia per la classificazione a 5 classi (NORM, MI, CD, STTC, HYP). I segnali ECG utilizzati provengono dal Database open source PTB-XL e in particolare è stata analizzata la derivazione II. Il Database raccoglie 21837 segnali ECG a 12 derivazioni di 18885 soggetti. Le registrazioni sono state acquisite da 12 infermieri, con 11 tipi di dispositivi, in 51 centri. I dati sono stati divisi in Training, Validation e Test Set come suggerito dagli autori del dataset. Sui segnali filtrati è avvenuta la detection dei picchi R mediante l’algoritmo di Hamilton e l’individuazione degli eventi caratteristici del segnale ECG tramite Trasformata Wavelet secondo l’approccio proposto da Mahmoodabadi et al. In seguito all’estrazione delle feature, è stata effettuata la rimozione degli outlier nello spazio delle feature tramite Isolation Forest. Per gestire lo sbilanciamento delle classi è stato applicato il Synthetic Minority Over-sampling Technique (SMOTE) che ha generato campioni sintetici nello spazio delle feature. Una parte delle feature è stata selezionata tramite l’algoritmo Minimum Redundancy Maximum Relevance (mrMR). Dai risultati è emerso che il modello SVM ha ottenuto le migliori performance nella classificazione a 3 classi con un valore di F1-score macro di 64.9% sul Test Set. Per quanto riguarda la classificazione a 5 classi, le performance sono risultate inferiori, come era atteso, in linea con l’aumento della complessità del task: F1-score macro del 47.9% per SVM e del 45.5% per LogReg. Nonostante l’utilizzo di una sola derivazione, il sistema ha dimostrato una buona capacità di riconoscere la classe dei sani sia nel caso di classificazione a 3 classi (AUC=82.9 per SVM) sia nel caso di classificazione a 5 classi (AUC=82.2 per LogReg), ciò rappresenta un aspetto importante e un punto di partenza per i futuri studi dell’ECG ad alta risoluzione temporale.