Classificazione di aritmie cardiache mediante Convolutional Neural Network

La tematica trattata è frutto del lavoro congiunto del sottoscritto con il coordinamento del relatore di tale tesi, il Professore Angelo Ciaramella, insieme al dottore in fisica cibernetica, nonché mio correlatore di tesi, il Dottor Salvatore Barile. Tale progetto è stato supervisionato dalla Dottoressa Anna Petralia, medico chirurgo presso il presidio ospedaliero San Giuseppe Moscati di Aversa e specialista in Cardiologia, anche ella correlatrice di tale tesi. Il lavoro può essere equiparato ad un vero e proprio progetto software, e si è sviluppato in più fasi. In una prima fase attraverso continue discussioni nell'ambito della cardiologia ed esempi di utilizzo dei software e delle rispettive analisi, sono stati chiariti una serie di concetti poco familiari alla terminologia informatica.
A questa fase sono seguite varie fasi di analisi e di progettazione, per poi passare alla fase di sviluppo, corrispondente alla fase di effettiva implementazione del software. Infine sono state effettuate le fasi di testing funzionale (FAT) per individuare e risolvere errori e bug ed approvare il software realizzato. Le varie fasi di sviluppo software non si sono succedute in maniera sequenziale, seguendo quindi i dettami del modello di sviluppo waterfall, bensì le varie fasi sono state inframmezzate l'una con l'altra e, più che come passi di un processo, sono state iterazioni cicliche delle stesse, rispettando i paradigmi dello sviluppo agile. Questo processo di sviluppo è stato dettato dalla natura stessa del progetto, poiché a seguito del raggiungimento di un obiettivo, sono state valutate e decise ulteriori implementazioni per dotare di maggiore complementarietà il software prodotto e migliorarne i risultati visivi.

Idea e sviluppo
L'idea nasce dall'attività di tirocinio svolta presso il Computational Intelligence and Smart Systems Laboratory dell'Università degli Studi di Napoli "Parthenope", per un totale di 300 ore, sotto la supervisione del responsabile di tale laboratorio, il Professor Angelo Ciaramella e del Dottor Salvatore Barile. Il lavoro effettuato è consistito nella realizzazione di un prodotto software, del tutto nuovo sul mercato. Lo sviluppo è avvenuto attraverso diverse fasi nelle quali sono stati utilizzati ed implementati i seguenti tools:
• software per l'analisi, filtraggio e definizione di spettrogrammi di frammenti di ECG
• software per la classificazione dei suddetti spettrogrammi
Sono state determinati le componenti software ideali per automatizzare il processo di addestramento dell'algoritmo di Machine Learning proposto conseguendo risultati efficienti sia per quanto riguarda l'output e l'analisi dello stesso, sia per i tempi d'esecuzione.

Descrizione dell'applicazione
L'attività svolta propone un metodo di classificazione delle aritmie ECG utilizzando una rete neurale convoluzionale profonda (CNN). I segnali nel dominio del tempo dell'ECG, appartenenti a 15 tipi di battito cardiaco, sono stati prima trasformati in spettrogrammi tempo-frequenza dalla trasformata di Fourier di breve durata (Short- Time Fourier Transform) e successivamente, gli spettrogrammi sono stati utilizzati come input per il classificatore S.C.O.U.T.E.R. in modo tale che i tipi di aritmia ECG fossero identificati e classificati. E' stato scelto tale tipologia di classificatore in quanto, oltre a proporre una classificazione trasparente ed accurata, esso dà una spiegazione alla fine di ogni associazione spettrogramma-categoria, offrendo, quindi, un'interpretazione più intuitiva. Ciò significa che, dato lo spettrogramma di un particolare ECG, ogni categoria avrà la sua corrispondente spiegazione positiva e/o negativa, cioè S.C.O.U.T.E.R. risponderà alle seguenti domande:
1. Perché lo spettrogramma appartiene a questa categoria?
2. Perché lo spettrogramma non appartiene a questa categoria?Per tal motivo distingueremo, per semplicità, S.C.O.U.T.E.R.+ e S.C.O.U.T.E.R.-.
L'applicazione può essere scaricata con le configurazioni di default, direttamente dalla repository di GitHub. Il software realizzato può essere utilizzato, per il momento, in una sola modalità, e cioè mediante script python da terminale o da riga di comando.

Contenuto della tesi
La tesi è costituita da tre moduli principali:
1. nel primo modulo saranno discusse le tecnologie, le piattaforme scelte per la realizzazione del software, i linguaggi di programmazione e gli strumenti di analisi di segnali utilizzati
2. nel secondo modulo sarà illustrata l'applicazione realizzata, dalla preparazione degli spettrogrammi passando per l'addestramento, finendo con la classificazione e analisi dei risultati.
3. nell'ultimo modulo saranno trattate le conclusioni e saranno definiti i possibili sviluppi futuri di tale progetto.