Classification of systolic murmurs in heart sounds using multiresolution complex Gabor dictionary and vision transformer

Título: Classificação de Sopros Sistólicos em Sons Cardíacos usando Dicionário Complexo de Gabor Multirresolução e Vision Transformer

1. Problema e Contexto

As doenças cardiovasculares são uma das principais causas de mortalidade global, exigindo ferramentas de diagnóstico automático para detecção precoce. Os sopros cardíacos, sons anormais causados por fluxo sanguíneo turbulento, são indicadores críticos de anomalias valvares ou condições congênitas.

• Desafio Principal: Os sopros sistólicos (que ocorrem durante a contração ventricular) variam significativamente em intensidade, tom e qualidade. Métodos tradicionais de análise no domínio do tempo ou frequência muitas vezes falham em capturar a natureza não estacionária e complexa desses sinais.
• Limitações de Modelos Atuais: Redes Neurais Recorrentes (RNNs) têm dificuldade com dependências de longo prazo em sinais longos, enquanto Redes Neurais Convolucionais (CNNs) podem ter limitações na captura de dependências globais e são suscetíveis a overfitting em conjuntos de dados pequenos. Além disso, a variabilidade intra-gravação (diferentes segmentos do mesmo paciente) e a sobreposição de componentes tornam a classificação precisa difícil.

2. Metodologia

O sistema proposto é uma abordagem híbrida que combina processamento de sinais avançado com aprendizado profundo, dividido em dois módulos principais:

A. Módulo de Extração de Características (Dicionário de Gabor Complexo Multirresolução)

• Dicionário Redundante: Utiliza um dicionário de funções base de Gabor complexas com múltiplas resoluções tempo-frequência. Isso permite uma representação flexível e adaptativa dos sinais, capturando tanto características temporais quanto espectrais.
• Projeção Esparsa (COMP): Emprega o Complex Orthogonal Matching Pursuit (COMP) para projetar segmentos de sopros (únicos ou múltiplos) sobre o dicionário. Diferente do OMP tradicional, o COMP preserva a informação de fase, crucial para distinguir padrões como sopros em crescendo versus diamante.
• Tratamento de Variabilidade: O sistema projeta múltiplos segmentos de uma única gravação no mesmo dicionário compartilhado, impondo que eles correspondam ao mesmo conjunto de funções base. Isso mitiga a variabilidade do sopro dentro da mesma gravação, gerando matrizes de características tempo-frequência consistentes.
• Reformatação: Os pesos de projeção são divididos por resolução e remodelados em matrizes 2D de tempo-frequência com diferentes dimensões (ex: de 2x256 a 256x2), capturando escalas variadas de detalhes.

B. Modelo de Classificação (Vision Transformer Híbrido)

• Tokenização via CNN: Cada matriz de características de resolução variável é processada por uma ramificação dedicada de uma Rede Neural Convolucional (CNN) 2D para extração de características locais e tokenização (conversão em patches).
• Arquitetura Transformer: Os tokens resultantes de todas as ramificações são concatenados e alimentados em um encoder de Vision Transformer (ViT).
• Mecanismos Chave:
  • Atenção Multi-Cabeça (Multihead Attention): Captura dependências globais e interações entre as diferentes resoluções e segmentos.
  • Conexões Residuais e Normalização de Camada: Estabilizam o treinamento e melhoram o fluxo de gradiente.
  • Feedforward Network (FFN): Uma CNN com kernel de tamanho 1 realiza transformações de canal.
• Saída: Uma camada totalmente conectada seguida de Softmax para classificar o sopro em uma das quatro categorias morfológicas.

3. Principais Contribuições

1. Novo Módulo de Extração: Desenvolvimento de um sistema que utiliza o dicionário complexo de Gabor multirresolução com COMP para extrair características tempo-frequência ricas, preservando a informação de fase e lidando com a variabilidade entre segmentos de uma mesma gravação.
2. Modelo de Classificação Híbrido: Integração de CNNs (para extração local e tokenização) com Vision Transformers (para contexto global), permitindo o processamento eficiente de matrizes de entrada de resoluções variadas.
3. Validação Rigorosa: Análise experimental abrangente no conjunto de dados público CirCor DigiScope, focando em quatro subclasses de sopros sistólicos bem definidos (Diamond, Plateau, Decrescendo, Crescendo).

4. Resultados Experimentais

O sistema foi avaliado usando validação cruzada de 5 dobras no conjunto de dados CirCor DigiScope (4000 Hz, 4337 segmentos anotados).

• Desempenho Geral: O sistema alcançou uma acurácia de classificação de 95,96% e uma especificidade de 98,43%.
• Comparação: Superou significativamente modelos baseline baseados em ResNet e PCTMF-Net utilizando representações tradicionais (STFT, CWT, WVD). A melhoria foi de aproximadamente 10% em relação aos melhores modelos de base.
• Robustez: O modelo demonstrou alta estabilidade, sem sinais de overfitting, mesmo com desequilíbrio de classes (especialmente na classe Crescendo, que possui poucos exemplos).
• Métricas por Classe:
  • Diamond e Plateau: Alta precisão (F1 > 93%).
  • Decrescendo: Robusto (F1 = 77,30%).
  • Crescendo: Apesar da extrema escassez de dados, o modelo manteve uma capacidade discriminativa não trivial (F1 = 59,10%, especificidade 95,80%), refutando a ideia de que a classe seria ignorada.

5. Significado e Conclusão

Este estudo demonstra que a combinação de modelagem esparsa avançada (dicionário de Gabor complexo) com arquiteturas modernas de atenção (Transformers) oferece um framework superior para o diagnóstico automático de sopros cardíacos.

• Inovação Técnica: A capacidade de lidar com a variabilidade intra-gravação através de um dicionário compartilhado e a preservação da fase do sinal são avanços significativos em relação aos métodos convencionais.
• Impacto Clínico: O sistema oferece uma ferramenta precisa e confiável para identificar morfologias de sopros, o que pode auxiliar na triagem e diagnóstico precoce de doenças cardíacas, especialmente em ambientes com recursos limitados.
• Trabalho Futuro: Os autores planejam validar o sistema em conjuntos de dados multicêntricos maiores, explorar a aplicação em sopros diastólicos e respiratórios, e investigar a implementação em tempo real para uso em pontos de atendimento (point-of-care).