Abstract
Progettati ensemble per la prevenzione e il supporto clinico dello screening cardiaco sul Dangerous Heartbeat Dataset (CHSC2011). I toni cardiaci sono stati ricampionati a 4 kHz, suddivisi in finestre da 1 secondo, descritti con MFCC, cromagrammi, descrittori spettrali e temporali e ridotti da 338 a 41 feature tramite filtri basati su Spearman. L’ensemble di prevenzione limita i falsi negativi (ROC-AUC 0.96, TPR 43.4% a 1% FPR) mentre l’ensemble diagnostico a cinque classi raggiunge macro F1 81.6 con analisi di rischio per classe e spiegazioni SHAP.
Informazioni
Lo studio elabora il Dangerous Heartbeat Dataset (CHSC2011) ricampionando le registrazioni eterogenee a 4 kHz, suddividendole in finestre da 1 secondo ed estraendo 338 descrittori temporali, spettrali e cepstrali (MFCC, chroma STFT, RMS, ZCR, CQT, centroide/banda/roll-off spettrali). Un filtro in due fasi basato su Spearman elimina gli attributi poco correlati e ridondanti riducendo l’insieme a 41 feature. Vengono addestrate due pipeline complementari: un ensemble di prevenzione (Random Forest + MLP Ultra + MLP Rollercoaster) che valuta il caso normale-vs-rest su soglie FPR stringenti e un ensemble diagnostico a cinque classi (Random Forest + MLP Ultra) che bilancia macro F1, MCC e rischio per classe. Valori SHAP e permutazione dell’importanza spiegano le decisioni ed evidenziano le porzioni di segnale che guidano le previsioni.
Risultati chiave
- 0.82
- F1-Score
- 0.96
- ROC-AUC
- 43.4%
- TPR @1% FPR
- 74.3%
- TPR @5% FPR
- 86.6%
- TPR @10% FPR
- 95.8%
- TPR @20% FPR
- 41 of 338
- Features Retained
- 81.53
- Support MCC
Scoperte principali
- Il Dangerous Heartbeat Dataset (CHSC2011) è stato ricampionato a 4 kHz, segmentato in finestre di 1 s e descritto con MFCC, cromagrammi e feature spettrali/temporali prima che il filtro Spearman eliminasse l’87.9% delle variabili ridondanti.
- Sono stati addestrati due ensemble complementari—prevenzione (normale vs resto) e supporto clinico (5 classi)—combinando Random Forest e MLP eterogenei per bilanciare falsi negativi e capacità diagnostica.
- Le analisi di interpretabilità con permutazione e SHAP hanno evidenziato le porzioni di segnale decisive, mostrando dove soffi ed extrasistoli si sovrappongono ai battiti normali e orientando le future acquisizioni.
Sfide
- La dimensione del dataset e l’assenza di uno split di validazione dedicato aumentano il rischio di varianza nelle metriche.
- Le finestre di un secondo possono non catturare interi cicli cardiaci, limitando le prestazioni su soffi ed extrasistoli.
- Le spiegazioni si basano su feature mediate; è necessaria una validazione clinica prima di un impiego sanitario.
Metodologia
- 01Heart sound clips from CHSC2011 were resampled at 4 kHz, segmented into 1-second windows, described with 338 spectral/temporal features, pruned to 41 via two-stage Spearman filtering, and used to train prevention and five-class support ensembles whose behaviour was analysed with risk metrics, permutation importance and SHAP.