The development of electronic stethoscopes and telemedicine has allowed cardiopulmonary sounds to be recorded and automatically analyzed remotely, increasing the need for reliable single-channel processing when heart and lung sounds are acquired simultaneously. Their separation is particularly challenging since the two sources strongly overlap in frequency, are non-stationary and must be recovered from only one observed channel, making the problem intrinsically underdetermined. Moreover, the scarcity of paired heart–lung recordings means that models are often trained on one dataset and applied to recordings with different acoustic characteristics, where performance may degrade. This thesis investigates single-channel heart-lung separation through Encoder-Separator-Decoder (ESD)- JASSNet, a time-domain separator combining a refined multi-scale encoder-decoder with an attention-based module inspired by Joint Attention mechanism and Semi-Supervised learning Network (JASSNet), a heart-lung separation network based on local and global attention and semi-supervised learning. The model is trained on PhysioNet-ICBHI Experiment Benchmark (EXP_H), built from PhysioNet and ICBHI datasets, using controlled mixtures and source-disjoint partitions. Cross-dataset robustness is then assessed on HLS-CMDS, a dataset recorded on a clinical manikin. A coherence audit shows that most physical mixtures cannot be reliably reconstructed from their isolated recordings; they are therefore used as unlabeled data, while controlled mixtures provide supervised references. On EXP_H, ESD-JASSNet outperforms capacity-matched JASSNet-inspired baselines, indicating that the architectural refinements improve separation beyond model size alone. Direct transfer to HLS-CMDS causes a marked performance drop, revealing a substantial acoustic domain gap. Mixed fine-tuning with source replay and semi-supervised refinement using confident pseudo-labels recover part of this loss while preserving source-domain performance. External validation on unseen real-patient sources shows effective separation when acquisition conditions remain compatible with training.

Lo sviluppo degli stetoscopi elettronici e della telemedicina ha permesso di registrare e analizzare automaticamente, anche da remoto, i suoni cardiopolmonari, rendendo importante un’elaborazione affidabile dei segnali single-channel in cui suoni cardiaci e polmonari sono acquisiti simultaneamente. La loro separazione è difficile perché le due sorgenti si sovrappongono in frequenza, sono non stazionarie e devono essere ricostruite da un unico canale, rendendo il problema sottodeterminato. La scarsità di registrazioni cardiopolmonari accoppiate porta inoltre ad addestrare i modelli su un dataset e applicarli a registrazioni con caratteristiche acustiche diverse, con possibili cali di prestazione. Questa tesi studia la separazione single-channel attraverso Encoder-Separator-Decoder (ESD)-JASSNet, un separatore nel dominio del tempo con encoder-decoder multi-scala e un modulo ispirato a Joint Attention mechanism and Semi-Supervised learning Network (JASSNet), basato su attenzione locale e globale e apprendimento semi-supervisionato. Il modello viene addestrato su PhysioNet-ICBHI Experiment Benchmark (EXP_H), costruito dai dataset PhysioNet e ICBHI con miscele controllate e partizioni source-disjoint. La robustezza cross-dataset viene poi valutata su HLS-CMDS, un dataset registrato su un manichino clinico. Un audit di coerenza mostra che la maggior parte delle miscele fisiche non può essere ricostruita affidabilmente dalle sorgenti isolate associate; vengono quindi usate come dati non etichettati, mentre le miscele controllate forniscono riferimenti supervisionati. Su EXP_H, ESD-JASSNet supera baseline ispirate a JASSNet a parità di capacità, mostrando un vantaggio non dovuto alla sola dimensione del modello. Il trasferimento diretto su HLS-CMDS causa un marcato calo delle prestazioni, evidenziando un gap acustico. Il mixed fine-tuning con source replay e refinement semi-supervisionato tramite pseudo-label affidabili recupera parte della perdita, preservando le prestazioni nel dominio sorgente. La validazione esterna su sorgenti reali mai viste mostra che la separazione resta efficace quando le condizioni di acquisizione sono simili a quelle di addestramento.

A deep learning approach to single-channel heart-lung sound separation across patient and manikin recordings

CALLANDRONE, PIETRO
2025/2026

Abstract

The development of electronic stethoscopes and telemedicine has allowed cardiopulmonary sounds to be recorded and automatically analyzed remotely, increasing the need for reliable single-channel processing when heart and lung sounds are acquired simultaneously. Their separation is particularly challenging since the two sources strongly overlap in frequency, are non-stationary and must be recovered from only one observed channel, making the problem intrinsically underdetermined. Moreover, the scarcity of paired heart–lung recordings means that models are often trained on one dataset and applied to recordings with different acoustic characteristics, where performance may degrade. This thesis investigates single-channel heart-lung separation through Encoder-Separator-Decoder (ESD)- JASSNet, a time-domain separator combining a refined multi-scale encoder-decoder with an attention-based module inspired by Joint Attention mechanism and Semi-Supervised learning Network (JASSNet), a heart-lung separation network based on local and global attention and semi-supervised learning. The model is trained on PhysioNet-ICBHI Experiment Benchmark (EXP_H), built from PhysioNet and ICBHI datasets, using controlled mixtures and source-disjoint partitions. Cross-dataset robustness is then assessed on HLS-CMDS, a dataset recorded on a clinical manikin. A coherence audit shows that most physical mixtures cannot be reliably reconstructed from their isolated recordings; they are therefore used as unlabeled data, while controlled mixtures provide supervised references. On EXP_H, ESD-JASSNet outperforms capacity-matched JASSNet-inspired baselines, indicating that the architectural refinements improve separation beyond model size alone. Direct transfer to HLS-CMDS causes a marked performance drop, revealing a substantial acoustic domain gap. Mixed fine-tuning with source replay and semi-supervised refinement using confident pseudo-labels recover part of this loss while preserving source-domain performance. External validation on unseen real-patient sources shows effective separation when acquisition conditions remain compatible with training.
ING - Scuola di Ingegneria Industriale e dell'Informazione
20-ott-2026
2025/2026
Lo sviluppo degli stetoscopi elettronici e della telemedicina ha permesso di registrare e analizzare automaticamente, anche da remoto, i suoni cardiopolmonari, rendendo importante un’elaborazione affidabile dei segnali single-channel in cui suoni cardiaci e polmonari sono acquisiti simultaneamente. La loro separazione è difficile perché le due sorgenti si sovrappongono in frequenza, sono non stazionarie e devono essere ricostruite da un unico canale, rendendo il problema sottodeterminato. La scarsità di registrazioni cardiopolmonari accoppiate porta inoltre ad addestrare i modelli su un dataset e applicarli a registrazioni con caratteristiche acustiche diverse, con possibili cali di prestazione. Questa tesi studia la separazione single-channel attraverso Encoder-Separator-Decoder (ESD)-JASSNet, un separatore nel dominio del tempo con encoder-decoder multi-scala e un modulo ispirato a Joint Attention mechanism and Semi-Supervised learning Network (JASSNet), basato su attenzione locale e globale e apprendimento semi-supervisionato. Il modello viene addestrato su PhysioNet-ICBHI Experiment Benchmark (EXP_H), costruito dai dataset PhysioNet e ICBHI con miscele controllate e partizioni source-disjoint. La robustezza cross-dataset viene poi valutata su HLS-CMDS, un dataset registrato su un manichino clinico. Un audit di coerenza mostra che la maggior parte delle miscele fisiche non può essere ricostruita affidabilmente dalle sorgenti isolate associate; vengono quindi usate come dati non etichettati, mentre le miscele controllate forniscono riferimenti supervisionati. Su EXP_H, ESD-JASSNet supera baseline ispirate a JASSNet a parità di capacità, mostrando un vantaggio non dovuto alla sola dimensione del modello. Il trasferimento diretto su HLS-CMDS causa un marcato calo delle prestazioni, evidenziando un gap acustico. Il mixed fine-tuning con source replay e refinement semi-supervisionato tramite pseudo-label affidabili recupera parte della perdita, preservando le prestazioni nel dominio sorgente. La validazione esterna su sorgenti reali mai viste mostra che la separazione resta efficace quando le condizioni di acquisizione sono simili a quelle di addestramento.
File allegati
File Dimensione Formato  
2026_10_Callandrone_Tesi.pdf

non accessibile

Descrizione: Testo della tesi
Dimensione 2.2 MB
Formato Adobe PDF
2.2 MB Adobe PDF   Visualizza/Apri
2026_10_Callandrone_Executive Summary.pdf

non accessibile

Descrizione: Executive Summary
Dimensione 672.53 kB
Formato Adobe PDF
672.53 kB 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/10589/267158