Studio di fattibilità e progettazione di un Autoencoder per Anomaly Detection di segnali ECG su microcontrollori

In questo studio viene presentato un metodo innovativo per l'analisi automatica del segnale ECG, al fine di individuare un'eventuale presenza di anomalie nel battito cardiaco, con potenziali applicazioni in ambito clinico e su sistemi embedded. L’obiettivo principale del lavoro non si esaurisce nell’analisi del segnale, ma si estende alla configurazione e alla programmazione di un microcontrollore dedicato all’acquisizione dei dati. Particolare attenzione è stata rivolta soprattutto alla progettazione di un modello di elaborazione basato su architettura AutoEncoder, opportunamente ottimizzato per l’esecuzione su dispositivi embedded con capacità computazionali ridotte. Il modello è stato addestrato su finestre temporali da 112 campioni ciascuna proveniente da un dataset di segnali sinusali regolari disponibile sulla piattaforma PhysioNet. In seguito è stata eseguita una fase di Fine Tuning, mediante i dati acquisiti e quelli ottenuti dal dataset online. La validazione del sistema è stata effettuata su dati sia normali che patologici, questi ultimi selezionati da un dataset contenente anomalie cardiache note. I risultati evidenziano la validità del modello, dimostrando che, anche dopo la fase del pruning, la sensibilità, l'accuratezza e la specificità del sistema rimangono prossime al valore unitario. Tuttavia, è necessario sottolineare le limitazioni di questo progetto, tra cui la ridotta disponibilità di dati, in particolar modo quelli patologici, la disomogeneità tra gli strumenti di misura utilizzati per i vari dataset e la possibilità di individuare solo un sottoinsieme di aritmie e disturbi di conduzione. A tal proposito, si rendono auspicabili sviluppi futuri, volti a migliorare sia l’architettura del modello che l’infrastruttura di acquisizione.