Scaling to Multimodal and Multichannel Heart Sound Classification with Synthetic and Augmented Biosignals

Sintesi Tecnica: Scalare la Classificazione dei Suoni Cardiaci a Modalità e Multicanale con Segnali Biosensoriali Sintetici e Aumentati

1. Definizione del Problema

Le malattie cardiovascolari (CVD) sono la principale causa di mortalità globale, rendendo necessari metodi di pre-screening accurati ed economici. Sebbene l'auscultazione cardiaca sia uno strumento diagnostico primario, essa soffre di una bassa precisione a causa della natura sottile dei suoni cardiaci. Il deep learning offre una soluzione, tuttavia le architetture allo stato dell'arte (SOTA), in particolare i modelli basati su transformer, rimangono sottoutilizzate in questo dominio. Questa limitazione deriva dalla scarsità di dataset ampi, sincronizzati e multicanale necessari per addestrare efficacemente modelli che richiedono grandi quantità di dati. I dataset esistenti spesso soffrono di squilibrio delle classi, bassi rapporti segnale-rumore (SNR) e dimensioni limitate, ostacolando la classificazione robusta dei suoni cardiaci anormali utilizzando segnali audio grezzi.

2. Metodologia

Gli autori propongono un framework scalabile che combina l'elaborazione dei segnali tradizionale, la generazione di dati sintetici tramite modelli di diffusione e il fine-tuning di modelli pre-addestrati di grandi dimensioni per superare la scarsità di dati. Il nucleo dell'approccio consiste nel fine-tuning di un encoder Wav2Vec 2.0 (variante BASE), originariamente progettato per il parlato, per la classificazione dei suoni cardiaci.

Aumento dei Dati e Generazione Sintetica:
Per affrontare le limitazioni dei dati, lo studio impiega una duplice strategia:

• Aumento Tradizionale: Le tecniche includono la separazione sorgente armonica-percussiva (HPSS), l'aggiunta di rumore bianco, il time stretching, la modulazione di ampiezza, il baseline wander, l'equalizzazione parametrica e l'iniezione di rumore clinico. Per i dati multicanale, il time stretching è sincronizzato tra i canali per mantenere la coerenza fisiologica.
• Generazione di Segnali Sintetici: Gli autori utilizzano i modelli di diffusione WaveGrad e DiffWave per generare segnali di fonocardiogramma (PCG) sintetici.
  • Per il PCG a canale singolo, i segnali ECG del dataset Icentia servono come condizionatori (tramite mel-spectrograms e etichette di malattia) per generare 3.200 record di pazienti sintetici.
  • Per il PCG multicanale (mPCG), i modelli di diffusione sono adattati per condizionarsi su canali specifici al fine di generare dati sintetici per altri canali, utilizzando dati dai dataset CinC 2016 training-a e training-b.

Architettura del Modello e Addestramento:
Lo studio valuta tre configurazioni di modello:

1. Single-Input: Classifica i segnali PCG o ECG indipendentemente.
2. Multimodale: Concatena le caratteristiche estratte da segnali PCG e ECG sincronizzati.
3. Multicanale: Elabora dati mPCG da un giubbotto indossabile (fino a 6 canali).

Tutti i modelli utilizzano l'encoder Wav2Vec 2.0 per estrarre le caratteristiche. Per il modello multicanale, che affronta una significativa scarsità di dati, gli autori impiegano l'Adattamento a Basso Rango (LoRA) per il fine-tuning e sostituiscono gli strati finali del Multi-Layer Perceptron (MLP) con una Support Vector Machine (SVM) per prevenire l'overfitting.

Dataset:

• CinC 2016: Un ampio dataset PCG a canale singolo (3.153 registrazioni).
• CinC 2016 Training-a: Un sottoinsieme contenente segnali PCG e ECG sincronizzati (405 registrazioni).
• Dataset Wearable Vest: Un dataset mPCG del mondo reale con 157 soggetti (96 CAD, 61 normali) registrati con 7 sensori in un ambiente ospedaliero con rumore di fondo e respirazione libera.

3. Contributi Chiave

Il documento delinea quattro contributi primari:

• Architettura Scalabile: Un'architettura basata su transformer capace di gestire qualsiasi numero di canali PCG e input ECG.
• Modello di Diffusione Multicanale: Lo sviluppo di un modello di diffusione specificamente progettato per generare segnali PCG multicanale sintetici.
• Aumento Personalizzato: Introduzione di tecniche di aumento progettate specificamente per i dati PCG multicanale, garantendo la sincronizzazione temporale tra i canali.
• Benchmarking delle Prestazioni: Raggiungimento di prestazioni SOTA sul dataset CinC 2016 e risultati quasi SOTA sul challenging dataset del giubbotto multicanale.

4. Risultati

Il metodo proposto dimostra miglioramenti significativi delle prestazioni in tutti i tipi di dataset, in particolare quando vengono utilizzati i dati aumentati.

• Canale Singolo (CinC 2016): A livello di soggetto, il modello aumentato ha raggiunto un'accuratezza del 92,48%, un Unweighted Average Recall (UAR) del 93,05%, una sensibilità del 93,63%, una specificità del 92,48% e un MCC di 0,8283. Questo supera i metodi SOTA esistenti basati su CNN e RNN, in particolare nel bilanciare sensibilità e specificità.
• Multimodale (CinC 2016 Training-a): Senza aumento, il modello transformer collassa (UAR ≈51%). Con l'aumento e il resampling a 4,125 kHz, il modello ha raggiunto un'accuratezza del 93,14%, un UAR del 92,21%, una sensibilità del 94,35%, una specificità del 90,10% e un MCC di 0,8380.
• Multicanale (Vest Dataset): Nonostante la natura rumorosa e reale dei dati, il modello aumentato ha raggiunto un'accuratezza del 77,13%, un UAR del 74,25%, una sensibilità dell'86,47%, una specificità del 62,04% e un MCC di 0,5082. Ciò rappresenta un miglioramento sostanziale rispetto al baseline non aumentato (incremento dell'accuratezza del 9,8%) e dimostra robustezza in condizioni di respirazione libera, dove i metodi precedenti richiedevano l'apnea.

Interpretabilità:
Le mappe di attenzione e le visualizzazioni GradCAM++ confermano che i modelli si concentrano su caratteristiche clinicamente rilevanti: i soggetti anormali mostrano enfasi sulle fasi diastoliche e sistoliche (propense ai soffi), mentre i soggetti normali enfatizzano i suoni cardiaci S1 e S2.

5. Significatività e Rivendicazioni

Il documento sostiene che l'integrazione dei dati sintetici basati sulla diffusione e dell'aumento tradizionale colmi efficacemente il divario di dati necessario per l'addestramento di modelli transformer sui segnali biologici. Gli autori affermano che questo approccio consente il dispiegamento di prestazioni SOTA su dataset più piccoli, più rumorosi e multimodali dove gli approcci tradizionali di deep learning falliscono o richiedono volumi di dati massicci.

Nello specifico, lo studio evidenzia:

• La capacità di scalare da input a canale singolo a input multimodali e multicanale senza una revisione architettonica.
• L'efficacia di Wav2Vec 2.0 come estrattore di caratteristiche per i segnali cardiaci quando supportato da robuste strategie di aumento.
• La fattibilità pratica del metodo per l'implementazione nel mondo reale, come dimostrato dalle sue prestazioni sul dataset del giubbotto (vest), rumoroso e con respirazione libera, che riflette meglio le condizioni cliniche rispetto ai dataset controllati con apnea.

Gli autori concludono che, sebbene il metodo sia efficace, sono necessari lavori futuri per migliorare il modello di diffusione multicanale per la generazione simultanea dei canali e per ottimizzare ulteriormente le strategie di aumento per malattie specifiche.