Chronic respiratory diseases are one of the leading causes of death and disability worldwide, requiring increasingly accessible and decentralized diagnostic tools. Among respiratory biomarkers, sputum is a valuable source of information: its color has long been associated with the degree of purulence and airways inflammation, but its assessment remains subjective and poorly standardized. This thesis presents the design, development, and a first clinical evaluation of a point-of-care device for the objective and reproducible classification of sputum purulence. The device, controlled by a Raspberry~Pi~5 and operated through a touchscreen, integrates two independent measurements: an analog one, based on four LEDs (red, green, blue, infrared) and photodiodes that measure the optical absorbances, and a digital one, based on a photograph from which color features (HSV, CIELAB) are extracted. In collaboration with Humanitas Research Hospital, 30 sputum samples were collected, each assigned a Murray score (1--8), grouped into mucoid, mucopurulent, purulent by the clinician and measured under three preparation modalities (neat, vortexed, and diluted-and-vortexed). Three classifiers were developed and compared: analog, digital statistical and digital colorimetric, validated by leave-one-out cross-validation with balanced accuracy as the primary evaluation metric, and finally combined by majority voting. Balanced accuracy ranges from 0.72 to 0.89 and majority voting does not exceed it (0.81), misclassifying only between adjacent classes. The analysis shows that purulence is described by a single color--opacity axis, that the complementarity between the analog and digital approaches concerns the recognition of the hematic samples and that most classification errors are between adjacent classes when the true value is mucopurulent. This work demonstrates that automatic classification of sputum purulence is feasible with simple hardware: the analog approach is the most inexpensive and robust, the digital approach the most scalable, pointing toward smartphone-based acquisition.

Le malattie respiratorie croniche costituiscono una delle principali cause di morte e disabilità a livello mondiale e richiedono strumenti diagnostici sempre più accessibili e decentralizzati. L'espettorato è una fonte preziosa di informazioni: il suo colore è associato al grado di purulenza e di infiammazione delle vie aeree, ma la valutazione resta soggettiva e poco standardizzata. Questa tesi presenta la progettazione, lo sviluppo e una prima valutazione clinica di un dispositivo point-of-care per la classificazione oggettiva e riproducibile della purulenza dell'espettorato. Il dispositivo, controllato da un Raspberry Pi 5 e gestito tramite touchscreen, integra due misure indipendenti: una analogica, basata su quattro LED (rosso, verde, blu, infrarosso) e fotodiodi che misurano le assorbanze ottiche, e una digitale, basata su una fotografia da cui si estraggono feature di colore (HSV, CIELAB). In collaborazione con l'Humanitas Research Hospital, sono stati raccolti 30 campioni di espettorato, ciascuno con score di Murray assegnato dal clinico (1--8), raggruppato in mucoide, mucopurulento, purulento e misurato in tre modalità di preparazione (non trattato, vortexato, diluito-e-vortexato). Tre classificatori sono stati sviluppati e confrontati: analogico, digitale statistico e digitale colorimetrico, validati mediante leave-one-out cross-validation con balanced accuracy come metrica di valutazione primaria e infine combinati tramite majority voting. La balanced accuracy va da 0.72 a 0.89 e il majority voting non la supera (0.81), classificando erroneamente solo fra classi adiacenti. L'analisi mostra che la purulenza è descritta da un unico asse colore-opacità, che la complementarietà tra i metodi analogico e digitale riguarda il riconoscimento dei campioni ematici e che la maggioranza degli errori di classificazione riguardano classi adiacenti in situazioni in cui la classe corretta è mucopurulento. Questo lavoro dimostra che la classificazione automatica dell'espettorato è fattibile con hardware semplice: il metodo analogico è il più economico e robusto, quello digitale il più scalabile, fino alla prospettiva di acquisizione tramite smartphone.

Design, development and preliminary clinical testing of a point-of-care device for colorimetric assessment of sputum

STEFANINI, PIERO
2025/2026

Abstract

Chronic respiratory diseases are one of the leading causes of death and disability worldwide, requiring increasingly accessible and decentralized diagnostic tools. Among respiratory biomarkers, sputum is a valuable source of information: its color has long been associated with the degree of purulence and airways inflammation, but its assessment remains subjective and poorly standardized. This thesis presents the design, development, and a first clinical evaluation of a point-of-care device for the objective and reproducible classification of sputum purulence. The device, controlled by a Raspberry~Pi~5 and operated through a touchscreen, integrates two independent measurements: an analog one, based on four LEDs (red, green, blue, infrared) and photodiodes that measure the optical absorbances, and a digital one, based on a photograph from which color features (HSV, CIELAB) are extracted. In collaboration with Humanitas Research Hospital, 30 sputum samples were collected, each assigned a Murray score (1--8), grouped into mucoid, mucopurulent, purulent by the clinician and measured under three preparation modalities (neat, vortexed, and diluted-and-vortexed). Three classifiers were developed and compared: analog, digital statistical and digital colorimetric, validated by leave-one-out cross-validation with balanced accuracy as the primary evaluation metric, and finally combined by majority voting. Balanced accuracy ranges from 0.72 to 0.89 and majority voting does not exceed it (0.81), misclassifying only between adjacent classes. The analysis shows that purulence is described by a single color--opacity axis, that the complementarity between the analog and digital approaches concerns the recognition of the hematic samples and that most classification errors are between adjacent classes when the true value is mucopurulent. This work demonstrates that automatic classification of sputum purulence is feasible with simple hardware: the analog approach is the most inexpensive and robust, the digital approach the most scalable, pointing toward smartphone-based acquisition.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2026
2025/2026
Le malattie respiratorie croniche costituiscono una delle principali cause di morte e disabilità a livello mondiale e richiedono strumenti diagnostici sempre più accessibili e decentralizzati. L'espettorato è una fonte preziosa di informazioni: il suo colore è associato al grado di purulenza e di infiammazione delle vie aeree, ma la valutazione resta soggettiva e poco standardizzata. Questa tesi presenta la progettazione, lo sviluppo e una prima valutazione clinica di un dispositivo point-of-care per la classificazione oggettiva e riproducibile della purulenza dell'espettorato. Il dispositivo, controllato da un Raspberry Pi 5 e gestito tramite touchscreen, integra due misure indipendenti: una analogica, basata su quattro LED (rosso, verde, blu, infrarosso) e fotodiodi che misurano le assorbanze ottiche, e una digitale, basata su una fotografia da cui si estraggono feature di colore (HSV, CIELAB). In collaborazione con l'Humanitas Research Hospital, sono stati raccolti 30 campioni di espettorato, ciascuno con score di Murray assegnato dal clinico (1--8), raggruppato in mucoide, mucopurulento, purulento e misurato in tre modalità di preparazione (non trattato, vortexato, diluito-e-vortexato). Tre classificatori sono stati sviluppati e confrontati: analogico, digitale statistico e digitale colorimetrico, validati mediante leave-one-out cross-validation con balanced accuracy come metrica di valutazione primaria e infine combinati tramite majority voting. La balanced accuracy va da 0.72 a 0.89 e il majority voting non la supera (0.81), classificando erroneamente solo fra classi adiacenti. L'analisi mostra che la purulenza è descritta da un unico asse colore-opacità, che la complementarietà tra i metodi analogico e digitale riguarda il riconoscimento dei campioni ematici e che la maggioranza degli errori di classificazione riguardano classi adiacenti in situazioni in cui la classe corretta è mucopurulento. Questo lavoro dimostra che la classificazione automatica dell'espettorato è fattibile con hardware semplice: il metodo analogico è il più economico e robusto, quello digitale il più scalabile, fino alla prospettiva di acquisizione tramite smartphone.
File allegati
File Dimensione Formato  
2026_07_Stefanini.pdf

accessibile in internet per tutti

Dimensione 38.46 MB
Formato Adobe PDF
38.46 MB Adobe PDF Visualizza/Apri
2026_07_Executive_Summary_Stefanini.pdf

accessibile in internet per tutti

Dimensione 3.97 MB
Formato Adobe PDF
3.97 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/260947