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

Este estudo demonstra que um modelo de ensemble que funde representações de tempo-frequência (escalogramas e fasogramas) geradas pela Transformada Wavelet Contínua com dados de séries temporais, utilizando estratégias de aprendizado profundo e perda ponderada, alcança a melhor performance (AUC de 0,9233) na classificação de ECGs do conjunto PTB-XL, superando abordagens unimodais e abordando o desequilíbrio de classes.

O essencial

Imagine que o coração é como um maestro regendo uma orquestra complexa. O ECG (o eletrocardiograma) é a partitura musical que os médicos leem para entender se a orquestra está tocando perfeitamente ou se há algum instrumento desafinado (uma doença).

O problema é que ler essa partitura manualmente é cansativo, demorado e, às vezes, dois médicos podem interpretar a mesma música de formas diferentes. É aqui que entra a inteligência artificial para ajudar.

Este artigo apresenta uma nova "receita" de inteligência artificial para ler essas partituras cardíacas com muito mais precisão. Vamos explicar como eles fizeram isso usando analogias simples:

1. O Problema: Olhar apenas para a linha do tempo

A maioria dos computadores antigos olhava para o ECG apenas como uma linha que sobe e desce ao longo do tempo (como ver a altura das ondas do mar apenas de lado). Eles conseguiam ver quando a onda acontecia, mas perdiam detalhes sobre como ela era feita (a textura e a cor da onda).

2. A Solução: A "Lupa Mágica" (Transformada Wavelet)

Os autores usaram uma ferramenta matemática chamada Transformada Wavelet Contínua. Pense nela como uma lupa mágica que permite ver o coração de duas novas formas ao mesmo tempo:

• O "Mapa de Energia" (Scalogram): Imagine que você transforma a linha do ECG em uma foto colorida onde as cores quentes (vermelho/laranja) mostram onde a energia do coração está mais forte. É como ver a "intensidade" da música em um gráfico de som.
• O "Mapa de Fase" (Phasogram): Agora, imagine uma foto que mostra a "dança" ou o ritmo exato das ondas, não apenas a força. É como ver a coreografia dos bailarinos, não apenas o tamanho deles.

3. A Estratégia: Treinar vários especialistas

Em vez de criar apenas um robô, os pesquisadores treinaram vários "especialistas" diferentes para ler essas fotos:

• O Especialista em Linha: Um robô que olha apenas para a linha original do ECG (o jeito tradicional).
• O Especialista em Energia: Um robô treinado para ler apenas o "Mapa de Energia".
• O Especialista em Ritmo: Um robô treinado para ler apenas o "Mapa de Dança".
• O Especialista Híbrido: Um robô superpoderoso que usa redes neurais modernas (como Transformers) para entender padrões complexos nessas fotos.

4. A Grande Virada: A Reunião de Consenso (Fusão e Ensemble)

Aqui está a parte mais brilhante. Eles perceberam que nenhum especialista sozinho era perfeito. Então, eles criaram duas formas de fazer esses especialistas trabalharem juntos:

• Fusão Precoce (Juntar tudo antes): Eles misturaram o Mapa de Energia e o Mapa de Dança em uma única imagem gigante (24 canais de informação) e deixaram um único robô tentar entender tudo de uma vez. É como dar uma única foto com tudo misturado para um detetive analisar.
• Fusão Tardia (Consenso no final): Eles deixaram cada robô analisar sua foto separadamente e, no final, juntaram as opiniões deles para tomar a decisão final. É como uma reunião de conselho onde cada especialista dá seu voto.

O Resultado: A abordagem de Fusão Precoce (juntar tudo antes) funcionou um pouco melhor, sugerindo que é mais fácil para a IA aprender a relação entre a energia e o ritmo se eles estiverem lado a lado desde o início.

5. O Campeão: O Time de Sonho

Para chegar ao resultado final, eles criaram um "Time de Sonho" (Ensemble Learning). Eles pegaram:

1. O melhor especialista em linha (o tradicional).
2. O melhor especialista em fusão de imagens (o híbrido).

Eles fizeram esses dois trabalharem juntos. Quando um tinha dúvida, o outro ajudava. O resultado foi um sistema que acertou 92,3% das classificações de doenças cardíacas, superando todos os métodos anteriores.

6. O Desafio das Doenças Raras

O coração humano tem muitas doenças, mas algumas são muito comuns e outras são raras. É como se a IA tivesse lido milhares de livros sobre "gripe", mas apenas um sobre "uma doença rara". Isso confundiu o robô.
Para resolver isso, eles usaram uma técnica chamada "Função de Perda Ponderada". Imagine que, quando o robô erra uma doença rara, ele recebe um "chute na bunda" (uma punição maior) do que quando erra uma doença comum. Isso forçou o robô a estudar mais as doenças raras e melhorar sua precisão nelas.

Resumo Final

Em termos simples, os autores criaram um sistema que:

1. Transforma o batimento cardíaco em fotos coloridas (energia e ritmo).
2. Usa vários robôs inteligentes para ler essas fotos.
3. Faz esses robôs trabalharem em equipe para tomar uma decisão.
4. Ensina o robô a prestar mais atenção nas doenças que aparecem menos.

O resultado é uma ferramenta mais rápida, precisa e capaz de detectar problemas cardíacos que poderiam passar despercebidos por métodos antigos, ajudando os médicos a salvarem mais vidas.

Resumo técnico

1. Problema e Motivação

O diagnóstico preciso de anomalias cardíacas a partir de sinais de eletrocardiograma (ECG) é um desafio central na avaliação cardiovascular automatizada. Embora a inteligência artificial (Deep Learning - DL) tenha avançado, a maioria dos modelos existentes depende exclusivamente de sinais no domínio do tempo, ignorando informações conjuntas de tempo e frequência que são cruciais para identificar padrões patológicos. Além disso, o desequilíbrio nas classes de dados e a necessidade de interpretação robusta limitam a eficácia dos sistemas atuais. O objetivo deste estudo é superar essas limitações explorando representações no domínio tempo-frequência e estratégias de fusão de modelos para classificar ECGs de 12 derivações em cinco superclasses diagnósticas.

2. Metodologia

2.1. Dados e Pré-processamento

• Dataset: Utilizou-se o PTB-XL, um dos maiores conjuntos de dados públicos de ECG de 12 derivações, contendo 21.837 registros de 10 segundos.
• Tarefa: Classificação multiclasse e multirrótulo em cinco superclasses: Normal, Infarto do Miocárdio (MI), Alterações ST/T (STTC), Distúrbios de Condução (CD) e Hipertrofia (HYP).
• Divisão: Os dados foram divididos estratificadamente em 80% (treino), 10% (validação) e 10% (teste).
• Processamento de Sinal:
  1. Filtragem: Aplicação de filtro passa-banda (0,05–47 Hz) e padronização Z-score.
  2. Transformada Wavelet Contínua (CWT): Aplicada para gerar representações tempo-frequência.
     • Escalograma: Mapa de amplitude (energia espectral).
     • Fasograma: Mapa de fase (distribuição de fase).
  • As representações foram normalizadas e redimensionadas para 224x224 pixels, criando tensores de imagem de 12 canais (uma por derivação).

2.2. Arquiteturas e Estratégias de Fusão

O estudo comparou várias abordagens de modelagem:

• Domínio do Tempo (Linha de Base): Uso do XResNet1d101 (CNN 1D) processando os sinais brutos.
• Domínio Tempo-Frequência (Imagens):
  • CNN Personalizada (CWT2DCNN): Arquitetura ResNet adaptada para 12 canais de entrada.
  • Transfer Learning: Fine-tuning de modelos pré-treinados (ResNet50, EfficientNetB0, Swin Transformer) adaptando a entrada de 12 canais para 3 canais via convolução 1x1.
  • Modelos Híbridos: Combinação de CNN e Swin Transformer.
• Estratégias de Fusão:
  • Fusão Precoce (Early Fusion): Concatenação de escalogramas e fasogramas em um único tensor de 24 canais para aprendizado conjunto de fase e amplitude.
  • Fusão Tardia (Late Fusion): Treinamento de modelos independentes para cada modalidade, com combinação dos logits de saída via média ponderada.
• Ensemble: Combinação dos melhores modelos de diferentes domínios (tempo e tempo-frequência).
• Função de Perda: Uso de Focal Loss ponderado para mitigar o desequilíbrio de classes e melhorar a detecção de rótulos minoritários.

3. Resultados Principais

Os experimentos foram conduzidos no PyTorch com GPUs Nvidia A100. As métricas principais foram AUC macro, F1 e Fβ.

• Desempenho Individual:
  • O modelo de linha de base no domínio do tempo (XResNet1d101) obteve o melhor resultado entre os modelos de sinal bruto, com AUC = 0,9224.
  • Entre as representações de wavelet, o Swin Transformer Híbrido com Fusão Precoce (Escalograma + Fasograma) superou as outras arquiteturas de imagem, alcançando AUC = 0,9018 (com BCE) e 0,9023 (com Focal Loss).
  • A fusão precoce superou consistentemente a fusão tardia, indicando que o aprendizado conjunto de fase e amplitude é mais eficaz.
• Melhor Desempenho Global (Ensemble):
  • A combinação em ensemble do modelo de sinal bruto (XResNet1d101) com os melhores modelos de fusão precoce (Híbrido Swin e ResNet50) atingiu o AUC máximo de 0,9238.
  • Este resultado supera tanto os modelos individuais quanto o modelo de sinal bruto isolado.
• Eficiência:
  • O modelo de sinal bruto é o mais rápido (1,4 ms/samo).
  • Os modelos de ensemble e fusão exigem mais tempo (22,3 ms/samo), mas permanecem viáveis para implantação em tempo real.

4. Contribuições Chave

1. Abordagem Multi-Representação: Demonstrou pela primeira vez no PTB-XL a eficácia de combinar escalogramas (energia) e fasogramas (fase) derivados da CWT para classificação multirrótulo.
2. Validação de Fusão Precoce: Evidenciou que a concatenação de canais de amplitude e fase permite que a rede aprenda representações espectro-fásicas conjuntas superiores à fusão tardia.
3. Otimização para Dados Desequilibrados: A aplicação de Focal Loss ponderado melhorou significativamente a sensibilidade para classes minoritárias.
4. Arquitetura Híbrida: A combinação de CNNs e Transformers (Swin) mostrou-se superior para extrair características de imagens de wavelet de ECG.

5. Significado e Conclusão

O estudo conclui que a fusão de representações multi-modais no domínio wavelet, combinada com técnicas de ensemble e aprendizado profundo híbrido, oferece uma solução superior para a análise automatizada de ECG. O sistema proposto não apenas atinge alta precisão diagnóstica (AUC > 0,92), mas também demonstra viabilidade clínica devido ao tempo de inferência adequado.

A pesquisa destaca que, embora modelos leves de sinal bruto sejam competitivos, a incorporação de informações de fase e frequência através de wavelets e a fusão de múltiplos modelos são essenciais para capturar padrões patológicos sutis, especialmente à medida que conjuntos de dados maiores e mais balanceados se tornam disponíveis. O código-fonte do projeto foi disponibilizado publicamente para reprodutibilidade.