Aordi stenoos ehk aordiklapi ahenemine on üks levinumaid ja tõsisemaid südameklappide talitlushäireid. Tavaliselt põhjustab see kaltsiumi ladestumise (või mõnikord kaasasündinud südamerikke) tõttu verevoolu vasakust vatsakesest aordi ja rasketel juhtudel võib see põhjustada südamepuudulikkust.
Tundlike ja kulutõhusate tehnikate väljatöötamine haigusseisundi tuvastamiseks on ülimalt tähtis, eriti kasutamiseks kaugemates piirkondades, kus puudub juurdepääs keerukale tehnoloogiale. Selle väljakutse lahendamiseks on India ja Sloveenia teadlased loonud täpse, hõlpsasti kasutatava ja odava meetodi südameklappide düsfunktsiooni tuvastamiseks, kasutades keerulist võrguanalüüsi.
"Paljudel maapiirkondade tervisekeskustel pole selliste haiguste analüüsimiseks vajalikku tehnoloogiat," selgitab meeskonnaliige. MS Swapna alates Nova Gorica ülikool, pressiteates. "Meie tehnika jaoks vajame lihtsalt stetoskoopi ja arvutit."
Kuulake erinevust
Tervel inimesel tekib kaks südamehäält: esimene ("lub") mitraal- ja trikuspidaalklappide sulgumise tõttu ja teine ("dub") aordi- ja kopsuklappide sulgumisel, mille vahel on paus (süstoolne piirkond). . Need signaalid sisaldavad teavet südame verevoolu kohta koos helide kõrguse, intensiivsuse, asukoha ja ajastuse erinevustega, mis annavad patsiendi tervisega seotud olulist teavet.
Swapna ja kolleegid – Vijayan Vijesh, K Satheesh Kumar ja S Sankararaman Kerala ülikool – eesmärk oli välja töötada graafiteoorial põhinev lihtne meetod aordistenoosi südamekahina tuvastamiseks. Selleks uurisid nad 60 digitaalset südame helisignaali normaalsetest südametest (NMH) ja aordistenoosiga südametest (ASH). Nad allutasid signaalid kiirele Fourier' teisendusele (FFT), keerulistele võrguanalüüsidele ja masinõppepõhisele klassifikatsioonile, andes oma järeldustest teada Journal of Applied Physics.
Teadlased teisendasid kõigepealt iga helisignaali aegreaks. Esindusliku terve südame signaal näitas selgelt kahte südamehäält ja nende vahelist eraldumist, samal ajal kui aordistenoosiga südamete signaalid näitasid rombikujulisi nurinaid.
Järgmisena kasutas meeskond FFT-d ajadomeeni signaalide teisendamiseks sageduspiirkonnaks, pakkudes seega teavet müra sageduskomponentide kohta, mis varieeruvad sõltuvalt klapi düsfunktsioonist. NMH FFT analüüs näitas kahe helisignaali täpselt määratletud piike normaalses südames. ASH-i puhul sisaldas FFT-spekter aga suurt hulka signaale laias sagedusvahemikus, ilma et lub- ja dub-helidele oleks omistatud selgeid piike. Need lisakomponendid on tingitud vibratsioonist, mis tekib kaltsiumiladestusest, mis blokeerib aordiklapi ja tekitab turbulentsi verevoolus.
Kuigi nii ajadomeeni kui ka FFT analüüsid võimaldavad defektsete ventiilide esialgset tuvastamist, siis helisignaalide edasiseks analüüsimiseks kasutasid teadlased andmeid graafiku või ühendatud punktide keeruka võrgustiku loomiseks. Nad jagavad andmed osadeks, kusjuures iga osa on kujutatud graafikul sõlmena. Kui heli selles andmeosas sarnanes mõne teise jaotisega, tõmmatakse kahe sõlme vahele joon.
Terves südames näitas graafik kahte erinevat punktide klastrit, millel oli palju ühendamata sõlme. Ühendamata sõlmed on tõenäoliselt tingitud ajadomeeni signaali puudumisest süstoolses piirkonnas, mis näitab südame nõuetekohast toimimist. Aordi stenoosiga südame võrk oli palju keerulisem, kahe silmapaistva klastri ja korrelatsioonita sõlmede puudumisega, mis viitab võimalikule klapi defektile.
Meeskond eraldas iga signaali graafikust parameetrite komplekti, mida nimetatakse graafiku funktsioonideks. Neid omadusi (keskmine servade arv, läbimõõt, võrgu tihedus, transitiivsus ja vaheline tsentraalsus) saab seejärel kasutada masinõppemeetodites signaalide klassifitseerimiseks kas ASH- või NMH-ks.
Täiustatud südame MRI juhib jäiga südame sündroomi ravi
Kolm juhendatud masinõppe klassifikaatorit – K-lähim naaber (KNN), tugivektori masin ja KNN alamruumi ansambel – näitasid ennustustäpsust vastavalt 100%, 95.6% ja 90.9%. See kõrge täpsus viitab sellele, et nende matemaatiliste mõistete kasutamine võib anda suurema tundlikkuse ja usaldusväärsuse digitaalses südame auskultatsioonis ning seda saab hõlpsasti kasutada maapiirkondade tervisekeskustes.
Teadlased on siiani seda meetodit katsetanud ainult olemasolevate andmetega, mitte kliinilises keskkonnas. Nüüd arendavad nad mobiilirakendust, millele oleks juurdepääs kogu maailmas. "Praegu analüüsime teisi südamekainaid, et teha kõikehõlmavat südamekahinat," räägib Swapna. Füüsika maailm. «Pärast seda laiendatakse tööd reaalmaailma andmetele, salvestades otse arsti abiga heli. Tarkvara ja mobiilirakenduse arendamine tuleb töö kolmandasse etappi.
