Analisi e riconoscimento automatico di curve audiometriche

The manual transcription of hearing thresholds reported in paper audiograms is a time-consuming, labor-intensive, and error-prone task that hinders the creation of standardized digital archives and the systematic analysis of audiological data. This thesis presents the development, in MATLAB, of an application for the automatic recognition of audiometric curves and the extraction of the corresponding measurements from images acquired using a scanner or a camera. The proposed procedure employs traditional image-processing and computer-vision techniques to identify the audiogram grid, correct its geometry, recognize textual labels through optical character recognition, and locate the symbols associated with hearing thresholds. In particular, circles are detected using the circular Hough transform, while crosses are identified through template-matching techniques. The detected coordinates are then converted into the corresponding frequency and sound-intensity values and exported to a standardized CSV file. The system can also generate a summary report in PDF format. All processing is performed locally, without transferring images or clinical information to external services, thereby contributing to the protection of sensitive data. The work demonstrates the feasibility of an automatic and computationally lightweight approach to audiogram digitization and provides a foundation for future improvements in robustness and for validation on larger clinical datasets.

La trascrizione manuale delle soglie uditive riportate negli audiogrammi cartacei è un’attività lenta, onerosa e soggetta a errori, che ostacola la creazione di archivi digitali standardizzati e l’analisi sistematica dei dati audiologici. Questa tesi presenta lo sviluppo, in ambiente MATLAB, di un’applicazione per il riconoscimento automatico delle curve audiometriche e l’estrazione delle relative misurazioni da immagini acquisite mediante scanner o fotocamera. La procedura utilizza tecniche tradizionali di elaborazione delle immagini e visione artificiale per individuare la griglia dell’audiogramma, correggerne la geometria, riconoscere le etichette testuali tramite OCR e localizzare i simboli associati alle soglie uditive. In particolare, il rilevamento dei cerchi è effettuato mediante trasformata di Hough circolare, mentre le croci sono identificate attraverso tecniche di template matching. Le coordinate rilevate vengono quindi convertite nei corrispondenti valori di frequenza e intensità sonora ed esportate in un file CSV standardizzato; il sistema consente inoltre di generare un report riepilogativo in formato PDF. L’elaborazione viene eseguita localmente, senza trasferire immagini o informazioni cliniche verso servizi esterni, contribuendo alla tutela della riservatezza dei dati. Il lavoro dimostra la fattibilità di un approccio automatico e computazionalmente contenuto alla digitalizzazione degli audiogrammi, ponendo le basi per successivi miglioramenti della robustezza e per una validazione su dataset clinici più ampi.