Breathing patterns recognition : a functional data analysis approach

The aim of this work is to apply Functional Data Analysis to data acquired by means of Optoelectronic Plethysmography (OEP), a technique allowing for a non-invasive chest wall volume variation measurement during respiration, developed within the Dipartimento di Elettronica Informazione e Bioingegneria at Politecnico di Milano. The OEP data are characterized by a high intra-subject and inter-subject variability, due to both physiological factors and exogenous factors like postural changes and/or measurement noise. The state-of-art analysis requires operator-dependent choices such as minima positioning in the data track, elimination of outlier breaths and the individuation of breath clusters in the data. An innovative semi-automatic and reproducible procedure in R is proposed, based on Functional Data Analysis techniques, which allows for the characterization of a subject's breathing pattern in a functional sense, and is robust with respect to non-trivial datasets. This procedure allows to achieve new results such as the extraction on a statistical basis of a functional representative of a subject's breath, or the statistical individuation of clusters in the breathing pattern with respect to absolute values or shape. Flexibility and effectiveness of the procedure are validated through its application to real case studies. Finally it is shown how the extraction of a representative breath curve allows for an inter-subject breathing pattern comparison, with an application to the comparison of healthy subjects in different postures and age classes, and patients suffering from Duchenne Muscular Dystrophy in different disease stages.

Lo scopo di questo lavoro è applicare l'analisi di dati funzionali ai dati ottenuti mediante Pletismografia Optoelettronica (OEP), una tecnica non invasiva per la misurazione della variazione di volume toracico nel tempo associata alla respirazione, sviluppata all’interno del Dipartimento di Elettronica Informazione e Bioingegneria del Politecnico di Milano. I dati acquisiti mediante questa tecnica sono caratterizzati da una elevata variabilità intra-soggetto e inter-soggetto, dipendente sia da fattori fisiologici che da fattori esogeni quali cambiamento di postura o artefatti di misura. La loro analisi attualmente richiede scelte arbitrarie da parte dell’operatore, come il posizionamento dei minimi del tracciato, l’eliminazione di respiri outlier e l’individuazione di gruppi all’interno dell’attività respiratoria. Viene dunque proposta una innovativa procedura semi-automatica e riproducibile in R basata su tecniche di analisi di dati funzionali, robusta rispetto a dataset non banali, in grado di caratterizzare in senso funzionale il breathing pattern di un soggetto. La procedura sviluppata consente di ottenere risultati inediti, quali l'estrazione su base statistica di un rappresentante funzionale del respiro del soggetto e di indagare l'eventuale presenza di cluster, sia dal punto di vista dei valori assoluti, sia dal punto di vista della forma. L’efficacia e la flessibilità della metodologia proposta vengono mostrate attraverso l’applicazione a una serie di casi clinici. Infine, viene mostrato come l'estrazione della curva caratteristica permetta un’analisi comparativa del breathing pattern tra gruppi di soggetti con diverse caratteristiche, attraverso una applicazione al confronto di soggetti sani a diverse età e posture, e pazienti affetti da Distrofia Muscolare di Duchenne in diverse fasi della malattia.