Metodi per la rilevazione automatica delle anomalie cardiovascolari dai rumori cardiaci

The development of an algorithm able to determine if a patient’s heart is healthy or not based on easily collectable data, such as phonocardiograms, would reduce the load on the healthcare system and allow for earlier treatment and better outcomes. Analyzed data comes from the PhysioNet Challenge 2016, it consists of phonocardiograms labeled either as abnormal or normal depending on whether the subject has a cardiovascular disease or not. The considered diseases consist almost exclusively of valvular heart diseases and coronary artery disease. This thesis analyzes spectral features and characteristics based on the statistical description of cardiac phases. These features are then used as input to evaluate the ability of various machine-learning algorithms to correctly detect cardiovascular diseases. The possibility of using machine-learning methods to detect cardiovascular diseases is confirmed, at the moment, however, the accuracy of these methods is insufficient for implementation in clinical settings.

Lo sviluppo di un algoritmo in grado di determinare se il cuore di un paziente sia sano o meno basandosi su dati facilmente raccoglibili, come i fonocardiogrammi, consentirebbe di ridurre il carico sul sistema sanitario permettendo di concentrarsi solo sui soggetti malati ottenendo diagnosi precoci e migliorando il risultato dei trattamenti. I dati qui utilizzati provengono dalla PhysioNet Challenge 2016, consistono in registrazioni di rumori cardiaci etichettati come normali/anomali a seconda dello stato di salute cardiaca del soggetto. Le patologie presenti consistono quasi unicamente in valvulopatie e coronaropatie. Nel presente lavoro di tesi sono state analizzate feature spettrali e feature basate sulla descrizione statistica delle fasi cardiache. Le feature sono poi state usate per valutare la capacità di vari algoritmi di apprendimento automatico di rilevare correttamente la presenza di patologie cardiache. È stata confermata la possibilità di utilizzare i metodi dell’apprendimento automatico per la rilevazione di patologie cardiache dalle registrazioni di rumori cardiaci, al momento però l’accuratezza di questi metodi non è sufficiente per l’utilizzo in ambito clinico.