Machine Learning-Based Classification of Normal, Fast, and Sleep-Apnea-Related Respiratory Patterns Using Software-Defined Radio Sensing

Resumen Técnico: Clasificación de Patrones Respiratorios Basada en Aprendizaje Automático mediante SDR

Planteamiento del Problema
El monitoreo respiratorio es crítico para la detección temprana de condiciones como la apnea del sueño, la EPOC y enfermedades cardíacas. Sin embargo, los métodos de diagnóstico convencionales como la polisomnografía son intrusivos, requieren equipos especializados y no son adecuados para el uso continuo en el hogar. Si bien la detección por radiofrecuencia (RF) sin contacto utilizando Radio Definida por Software (SDR) ha surgido como una alternativa viable para capturar las ondas respiratorias, existe una brecha significativa en la literatura con respecto a la evaluación comparativa de diferentes arquitecturas de aprendizaje automático. Específicamente, pocos estudios proporcionan una comparación directa, utilizando el mismo conjunto de datos, de los métodos de ensamble clásicos frente al aprendizaje profundo bajo un protocolo de evaluación riguroso y controlado contra fugas de información, con un reporte completo por clase y validación estadística. Esta falta de evidencia controlada impide que los profesionales tomen decisiones informadas sobre la selección de modelos para sistemas de salud desplegados en el borde (edge computing), donde existen compensaciones entre interpretabilidad, precisión y costo computacional.

Metodología
Este estudio evalúa comparativamente tres familias de modelos distintos —Perceptrón Multicapa (MLP), XGBoost y Random Forest (RF)— sobre un conjunto de datos de SDR disponible públicamente, recolectado mediante un dispositivo USRP X310. El conjunto de datos comprende tres clases respiratorias: Respiración Normal (NR), Respiración Rápida (FR) y patrones relacionados con la Apnea del Sueño (SAR), registrados en tres ángulos de sensor a sujeto (45°, 90° y 180°).

• Preprocesamiento de Datos: Las grabaciones originales fueron procesadas para extraer vectores de características de 2,000 dimensiones, combinando estadísticas del dominio del tiempo (media, varianza, amplitud pico a pico) y descriptores del dominio de la frecuencia (frecuencia dominante, potencia espectral).
• Control de Fuga de Información: Para prevenir la fuga de información común en datos de series temporales, el conjunto de datos se dividió a nivel de archivo de grabación (80% entrenamiento, 20% de prueba reservado). Esto asegura que ninguna muestra de la misma sesión de respiración continua aparezca tanto en el conjunto de entrenamiento como en el de prueba, proporcionando una estimación conservadora de la generalización.
• Configuraciones de los Modelos:
  • Random Forest: 100 árboles con profundidad sin restricciones (sin regularización sobre la complejidad del árbol).
  • XGBoost: 100 estimadores, tasa de aprendizaje 0.1, profundidad máxima 6, con regularización L2 ($\lambda=1$) pero sin restricción de ganancia mínima de división ($\gamma=0$).
  • MLP: Una red profunda con dos capas ocultas (512 y 256 neuronas), activaciones ReLU, dropout (0.2) y optimización Adam.
• Evaluación: El rendimiento se evaluó mediante precisión (accuracy), precisión (precision), sensibilidad (recall), puntuación F1 y matrices de confusión. La significancia estadística entre las precisiones de los modelos se determinó mediante una prueba z de dos proporciones. Se calculó una brecha de generalización empírica ($\Delta = \text{Err}_{test} - \text{Err}_{train}$) para analizar el comportamiento de sobreajuste (overfitting).

Resultos Clave

• Rendimiento General: En el conjunto de prueba reservado, MLP y Random Forest alcanzaron la mayor precisión (0.90) con puntuaciones macro-F1 de 0.89–0.90. XGBoost logró una precisión inferior de 0.87.
• Significancia Estadística: La diferencia entre XGBoost y los otros dos modelos fue estadísticamente significativa ($z=5.39, p < 0.001$). No hubo una diferencia estadísticamente significativa entre MLP y Random Forest ($z=0.00, p=1.00$).
• Rendimiento por Clase:
  • Respiración Normal (NR): La clase clasificada de manera más confiable en todos los modelos (precisión de prueba 90–93%).
  • Respiración Rápida (FR): La clase más difícil de clasificar, con la sensibilidad más baja en todos los modelos.
  • Relacionada con la Apnea del Sueño (SAR): Bien identificada por MLP y RF, pero propensa a la confusión con FR en XGBoost.
• Límites de Confusión: El límite de clasificación errónea dominante para XGBoost y Random Forest fue entre FR y SAR. Para MLP, la principal confusión ocurrió entre FR y NR.
• Brecha de Generalización:
  • Random Forest exhibió la mayor brecha de generalización ($\Delta \approx 0.10$), logrando una precisión de entrenamiento perfecta (1.00) pero cayendo a 0.90 en la prueba. Esto indica un sobreajuste significativo debido a la estructura de ensamble de árboles sin restricciones.
  • XGBoost mostró una brecha moderada ($\Delta \approx 0.06$).
  • MLP mostró la brecha más pequeña ($\Delta \approx 0.02$), atribuido al dropout de regularización.

Significancia y Reivindicaciones
El artículo afirma proporcionar el primer benchmark validado estadísticamente y controlado de estas tres familias de modelos sobre un conjunto de datos respiratorio de SDR común bajo un protocolo de gestión de fugas. El estudio destaca que, si bien Random Forest puede alcanzar un rendimiento comparable al del aprendizaje profundo (MLP) en los datos de prueba, su precisión de entrenamiento casi perfecta enmascara una alta sensibilidad a la muestra de entrenamiento, un riesgo que debe gestionarse mediante la regularización para el despliegue en el borde (edge).

Los autores identifican el límite de clasificación FR/SAR como la limitación principal de los sistemas actuales basados en SDR, sugiriendo que la respiración rápida y los eventos de apnea del sueño comparten características acústicas o espectrales que son difíciles de separar utilizando únicamente características de amplitud y espectro. En consecuencia, los autores posicionan estos modelos como adecuados para funciones de triaje o preselección (marcar grabaciones para revisión clínica) en lugar de como herramientas de diagnóstico independientes, dada la tasa actual de clasificación errónea (7–12%) entre clases críticas.

Limitaciones y Direcciones Futuras
Los autores reconocen que el estudio depende de un único conjunto de datos y de una división a nivel de archivo en lugar de una división a nivel de sujeto, lo que puede no garantizar plenamente la independencia. Recomiendan que el trabajo futuro priorice:

1. Validación cruzada consciente del sujeto para obtener estimaciones robustas de la brecha de generalización.
2. Ajuste de hiperparámetros para XGBoost y Random Forest para determinar si las configuraciones base representan el rendimiento óptimo.
3. Mejoras arquitectónicas (por ejemplo, híbridos CNN-LSTM) o características temporales adicionales para resolver la persistente confusión FR/SAR.
4. Evaluación de inferencia en tiempo real en hardware de borde para validar la viabilidad del despliegue.