Atrial flutter classification with active learning in imbalanced learning context

Abstract

Imbalanced data remains one of the major challenges in machine learning, particularly in medical domains where the minority class is often underrepresented in critical contexts. In electrocardiogram-based arrhythmia classification, the detection of rare cardiac disorders such as Atrial Flutter is frequently constrained by a strong class imbalance. This dissertation investigates the effectiveness of combining Active Learning (AL) algorithms with synthetic data generation to enhance Atrial Flutter detection under imbalanced conditions. The dataset underwent analysis and interpretation to understand the role of each feature in representing the ECG signal. Two Active Learning algorithms - Certainty-Based Active Learning (CBAL) and Fisher Matrix Information Pairwise Selection (FIMPS) - were implemented using an XGBoost classifier. The imbalance in the dataset was mitigated through the generation of synthetic minority samples using a Generative Adversarial Network (Generative Adversarial Network (GAN)). Both scenarios-with and without GAN-generated data-were evaluated using standard performance metrics such as accuracy, precision, recall, F1-score, and ROC-AUC. The results indicate that although traditional resampling techniques such as Oversampling, Undersampling, and SMOTE achieved slightly higher overall performance, the integration of GAN-based data improved the sensitivity of Active Learning algorithms, particularly for the minority class. The FIMPS algorithm consistently outperformed CBAL in recall and overall robustness, suggesting that it is better suited for highly overlapping and noisy data distributions such as Electrocardiogram (ECG) signals. This study demonstrates the potential of combining Active Learning with synthetic data generation to address severe imbalance in medical datasets, while emphasizing the importance of careful feature extraction and class definition to enhance future clinical applicability.

Os dados desequilibrados continuam a ser um dos principais desafios em aprendizagem de máquina, sobretudo em contextos médicos, onde a classe minoritária está frequentemente sub-representada. Na classificação de arritmias por eletrocardiogramas, a deteção de distúrbios raros como o Flutter Atrial é dificultada pelo forte desequilíbrio entre classes. Esta dissertação avalia a eficácia de combinar algoritmos de Aprendizagem Ativa com geração de dados sintéticos para melhorar a deteção de Flutter Atrial sob condições de desequilíbrio. O conjunto de dados foi analisado para compreender o papel de cada variável na representação do sinal de ECG. Os dois algoritmos de Aprendizagem Ativa - Certainty-Based Active Learning (CBAL) e Fisher Matrix Information Pairwise Selection (FIMPS) - foram implementados com um classificador XG-Boost. O desequilíbrio foi atenuado através da geração de amostras sintéticas da classe minoritária com uma Generative Adversarial Network (GAN). Ambos os cenários, com e sem dados gerados pela GAN, foram avaliados por métricas padrão: accuracy, precision, recall, F1-Score e ROC-AUC. Os resultados mostram que, embora métodos tradicionais de reamostragem como Oversampling, Undersampling e SMOTE apresentem desempenho ligeiramente superior, a inclusão de dados gerados pela GAN aumentou a sensibilidade dos algoritmos de Aprendizagem Ativa, sobretudo para a classe minoritária. O FIMPS superou o CBAL em recall e robustez, sendo mais adequado a dados ruidosos e sobrepostos como os sinais de ECG. Este estudo demonstra o potencial de combinar Aprendizagem Ativa e geração sintética para mitigar o desequilíbrio em dados médicos, salientando a importância de uma extração criteriosa de variáveis e definição de classes.