Wavelet-Domain Multi-Representation and Ensemble Learning for Automated ECG Analysis

Questo studio dimostra che un approccio di ensemble learning che fonde rappresentazioni multi-dominio (scalogrammi, phasogrammi e segnali temporali) derivate dalla trasformata wavelet, ottimizzato con una loss ponderata, raggiunge prestazioni superiori (AUC 0,9233) nella classificazione automatizzata delle anomalie cardiache nel dataset PTB-XL.

L'essenziale

Immagina il cuore come un grande orchestra che suona 24 ore su 24. Quando un musicista (una parte del cuore) suona stonato, l'intero suono cambia. Il compito dei medici è ascoltare questa musica (l'elettrocardiogramma o ECG) e capire esattamente quale strumento sta sbagliando.

Il problema è che ascoltare questa "musica" a orecchio nudo è difficile, lento e a volte soggettivo. I computer, invece, possono essere dei maestri ascoltatori, ma spesso si limitano a guardare solo l'andamento della nota nel tempo, perdendo i dettagli più sottili.

Ecco di cosa parla questo studio, spiegato come se fosse una storia:

1. Il Problema: Guardare solo la partitura, non il suono

I ricercatori hanno preso un enorme archivio di registrazioni cardiache (il dataset PTB-XL) e hanno detto: "Facciamo in modo che l'intelligenza artificiale impari a diagnosticare i problemi cardiaci".
Invece di far guardare al computer solo la linea che sale e scende (il segnale nel tempo), hanno deciso di trasformare quel segnale in qualcosa di più ricco, come se volessimo analizzare non solo quando suona una nota, ma anche come risuona e che colore ha.

2. La Magia: La "Lente" delle Onde (Wavelet)

Per fare questo, hanno usato una tecnica chiamata Trasformata Wavelet Continua. Immagina di avere una lente magica che ti permette di vedere l'ECG in due modi diversi, come se fosse un'immagine:

• Lo Scalogramma (La mappa dell'energia): È come guardare un'immagine termica del suono. Ti mostra dove l'energia è più forte e dove è più debole. È come vedere le "vibrazioni" del cuore.
• Il Fasiogramma (La mappa del ritmo): È come guardare la "bussola" del suono. Ti dice come le diverse parti del segnale si muovono in relazione tra loro. È come vedere la direzione del vento che spinge le note.

3. L'Esperimento: Tre Strategie per capire il cuore

I ricercatori hanno costruito diversi "detective digitali" (modelli di intelligenza artificiale) per analizzare queste immagini e hanno provato tre strategie diverse:

• Strategia A (Il Solitario): Un detective che guarda solo la linea originale (il segnale nel tempo). È veloce, ma a volte perde i dettagli.
• Strategia B (Il Binocolo): Due detective separati. Uno guarda solo la mappa dell'energia (Scalogramma) e l'altro guarda solo la mappa del ritmo (Fasiogramma). Poi si incontrano e confrontano le loro conclusioni.
• Strategia C (Il Super-Team): Un unico detective super-potente che guarda entrambe le mappe contemporaneamente, tenendo in mano sia la mappa dell'energia che quella del ritmo. Questo gli permette di vedere connessioni che gli altri non vedono.

4. Il Risultato: La vittoria del "Super-Team"

Cosa è successo?
Il detective solitario (Strategia A) era buono, ma non perfetto.
I due detective separati (Strategia B) erano meglio, ma avevano bisogno di coordinarsi.
Il Super-Team (Strategia C, chiamata "Fusione Precoce") è stato il vincitore assoluto. Guardando energia e ritmo insieme, ha capito meglio le sfumature della malattia.

Ma c'è un trucco finale: alcuni problemi cardiaci sono rari (come un musicista che suona solo una volta ogni tanto). L'AI tendeva a ignorarli. I ricercatori hanno quindi insegnato al computer a "prestare più attenzione" a questi casi rari, usando una tecnica speciale chiamata Focal Loss. È come dire al detective: "Se vedi quel segnale raro, fermati e guardalo due volte!".

5. La Conclusione

Alla fine, il sistema migliore è stato un Ensemble (un gruppo di esperti). Hanno preso il detective che guarda la linea originale e l'hanno messo in squadra con il Super-Team che guarda le mappe di energia e ritmo.
Insieme, hanno raggiunto un livello di precisione del 92,3% nel diagnosticare cinque diverse categorie di problemi cardiaci.

In sintesi:
Questo studio ci dice che per diagnosticare il cuore con l'AI, non basta ascoltare il "ritmo" (il segnale nel tempo). Bisogna anche guardare il "colore" e la "direzione" del suono (le mappe delle onde). Quando uniamo tutte queste informazioni e diamo al computer gli strumenti giusti per non ignorare i casi rari, otteniamo un diagnostico automatico molto più intelligente, veloce e affidabile, pronto a diventare un grande aiuto per i medici di tutto il mondo.

Sommario tecnico

1. Problema e Contesto

Le malattie cardiovascolari (CVD) sono la principale causa di morte a livello globale. L'elettrocardiogramma (ECG) è lo strumento diagnostico non invasivo più comune, ma la sua interpretazione manuale è soggetta a variabilità e richiede tempo. Sebbene i modelli di Deep Learning (DL) abbiano mostrato buoni risultati nella classificazione delle aritmie, la maggior parte di essi si basa esclusivamente sui segnali nel dominio del tempo, trascurando le informazioni congiunte tempo-frequenza che sono cruciali per identificare pattern patologici complessi.
Il lavoro si concentra sul dataset PTB-XL, uno dei più grandi dataset pubblici di ECG a 12 derivazioni, caratterizzato da annotazioni multi-classe e multi-etichetta. L'obiettivo è colmare il divario nella ricerca esplorando rappresentazioni basate sulla trasformata wavelet (scalogrammi e fasogrammi) per migliorare l'accuratezza diagnostica e la generalizzazione.

2. Metodologia

L'approccio proposto è un framework di apprendimento profondo che integra rappresentazioni multi-modali e strategie di fusione.

A. Preprocessing e Rappresentazioni

Il dataset PTB-XL (21.837 registrazioni a 10 secondi, 500 Hz) è stato elaborato come segue:

1. Filtraggio e Normalizzazione: Rimozione della deriva della linea di base e filtraggio passa-banda (0.05-47 Hz), seguito da standardizzazione Z-score.
2. Trasformata Wavelet Continua (CWT): Applicata a ciascun segnale ECG per generare due rappresentazioni distinte:
   • Scalogramma: Mappa dell'ampiezza (energia spettrale), ottenuta dal modulo quadrato dei coefficienti CWT.
   • Fasogramma: Mappa della fase (distribuzione spettrale di fase), ottenuta dalla parte angolare dei coefficienti CWT.
   • Entrambe le mappe sono state ridimensionate a 224x224 pixel e normalizzate.

B. Architetture di Modello

Sono state testate diverse strategie di modellazione su tre domini di input:

1. Dominio del Tempo (Segnali Grezzi): Utilizzo di XResNet1d101 (variante 1D di ResNet) come baseline.
2. Dominio Tempo-Frequenza (Immagini):
   • CNN Personalizzata (CWT2DCNN): Una rete ResNet-based adattata per gestire 12 canali (uno per derivazione).
   • Transfer Learning: Fine-tuning di modelli pre-addestrati su immagini (ResNet50, EfficientNetB0, Swin Transformer). Poiché questi modelli accettano 3 canali, è stato applicato un layer convoluzionale 1x1 per ridurre i 12 canali delle derivazioni a 3.
   • Ibridi: Utilizzo di architetture ibride CNN-Transformer (es. Hybrid Swin Transformer).
3. Strategie di Fusione:
   • Fusione Precoce (Early Fusion): Concatenazione dei tensori di scalogramma e fasogramma in un unico input a 24 canali, permettendo alla rete di apprendere rappresentazioni congiunte fase-ampiezza.
   • Fusione Tardiva (Late Fusion): Addestramento di encoder indipendenti per ogni modalità, con successiva concatenazione degli embedding (512-dimensionali) prima della classificazione finale.
   • Ensemble: Combinazione delle previsioni dei migliori modelli (incluso il modello time-domain e quelli di fusione).

C. Ottimizzazione

Per gestire lo sbilanciamento delle classi nel dataset PTB-XL, è stata utilizzata una Focal Loss pesata (Weighted Focal Loss) con pesi ottimizzati, oltre alla standard Cross Entropy Loss.

3. Risultati Chiave

Gli esperimenti sono stati condotti su GPU Nvidia A100 con una divisione dei dati 8:1:1 (train/val/test). Le metriche principali sono state l'Area Under the Curve (AUC) macro e l'F1-score.

• Baseline: Il modello XResNet1d101 sui segnali grezzi ha ottenuto un AUC di 0.9224.
• Performance Singole Modalità: Le rappresentazioni wavelet (scalogrammi e fasogrammi) da sole hanno mostrato prestazioni inferiori rispetto al dominio del tempo (AUC ~0.87-0.88), con il modello Hybrid Swin Transformer che ha ottenuto i migliori risultati tra le singole modalità wavelet.
• Fusione: La Fusione Precoce ha superato leggermente la Fusione Tardiva, suggerendo che l'apprendimento congiunto di fase e ampiezza all'interno di uno spazio di feature unificato è più efficace.
• Risultato Migliore (Ensemble): La combinazione di un ensemble che include il modello time-domain (XResNet1d101) e i migliori modelli di fusione precoce (Hybrid Swin e ResNet50) ha raggiunto il miglior AUC complessivo di 0.9238.
• Impatto della Focal Loss: L'uso della Focal Loss pesata ha migliorato ulteriormente la classificazione delle classi minoritarie, portando il modello ensemble al picco di performance.

Tabella Riassuntiva delle Performance (AUC Macro):

Modello / Strategia	AUC
XResNet1d101 (Time Domain)	0.9224
Early Fusion (Hybrid Swin)	0.9018
Ensemble (Time + Early Fusion)	0.9238

4. Contributi e Significato

• Innovazione nella Rappresentazione: Questo studio è tra i primi a esplorare sistematicamente la combinazione di scalogrammi e fasogrammi derivati da CWT per la classificazione multi-classe e multi-etichetta su PTB-XL.
• Efficacia della Fusione Multi-Rappresentazione: Dimostra che fondere le informazioni di ampiezza (energia) e fase (temporale) attraverso strategie di fusione precoce o ensemble migliora la robustezza rispetto all'uso di singole modalità o solo segnali grezzi.
• Gestione dello Sbilanciamento: L'adozione di pesi nella Focal Loss ha dimostrato di essere cruciale per migliorare la sensibilità verso le classi patologiche meno frequenti.
• Fattibilità Clinica: Nonostante la complessità dei modelli ensemble, i tempi di inferenza rimangono bassi (circa 22 ms per campione per l'ensemble), rendendo il sistema potenzialmente adatto per implementazioni in tempo reale.
• Interpretabilità: L'uso di rappresentazioni visive (scalogrammi/fasogrammi) offre un potenziale maggiore per l'interpretabilità dei modelli rispetto all'analisi diretta dei segnali 1D.

In conclusione, il paper conferma che l'integrazione di tecniche di trasformata wavelet con architetture di deep learning avanzate (CNN, Transformer) e strategie di ensemble rappresenta un approccio promettente per l'analisi automatizzata degli ECG, superando i limiti delle metodologie tradizionali basate solo sul dominio del tempo.