महाधमनी स्टेनोसिस, महाधमनी वाल्व का संकुचन, सबसे आम और गंभीर हृदय वाल्व विकारों में से एक है। आमतौर पर कैल्शियम जमा होने (या कभी-कभी जन्मजात हृदय दोष के कारण) के कारण, यह संकुचन बाएं वेंट्रिकल से महाधमनी तक रक्त के प्रवाह को प्रतिबंधित करता है और गंभीर मामलों में, दिल की विफलता का कारण बन सकता है।
स्थिति की पहचान करने के लिए संवेदनशील, लागत प्रभावी तकनीकों का विकास सर्वोपरि है, विशेष रूप से परिष्कृत प्रौद्योगिकी तक पहुंच के बिना दूरदराज के क्षेत्रों में उपयोग के लिए। इस चुनौती का सामना करने के लिए, भारत और स्लोवेनिया के शोधकर्ताओं ने जटिल नेटवर्क विश्लेषण का उपयोग करके हृदय वाल्व की शिथिलता की पहचान करने के लिए एक सटीक, उपयोग में आसान और कम लागत वाली विधि बनाई है।
टीम के सदस्य बताते हैं, "कई ग्रामीण स्वास्थ्य केंद्रों में इस तरह की बीमारियों का विश्लेषण करने के लिए आवश्यक तकनीक नहीं है।" एमएस स्वप्ना से नोवा गोरिका विश्वविद्यालय, एक प्रेस बयान में। "हमारी तकनीक के लिए, हमें बस एक स्टेथोस्कोप और एक कंप्यूटर की आवश्यकता है।"
अंतर सुनो
एक स्वस्थ व्यक्ति दो हृदय ध्वनियाँ उत्पन्न करता है: पहला ("लब") माइट्रल और ट्राइकसपिड वाल्व के बंद होने के कारण और दूसरा ("डब") जब महाधमनी और फुफ्फुसीय वाल्व बंद होते हैं, बीच में एक ठहराव (सिस्टोलिक क्षेत्र) के साथ। . इन संकेतों में हृदय के माध्यम से रक्त के प्रवाह के बारे में जानकारी होती है, जिसमें रोगी के स्वास्थ्य से संबंधित आवश्यक जानकारी प्रदान करने वाली ध्वनियों की पिच, तीव्रता, स्थान और समय में भिन्नता होती है।
स्वप्ना और उनके सहयोगी - विजयन विजेश, के सतीश कुमार और एस शंकररमन केरल विश्वविद्यालय - महाधमनी स्टेनोसिस हृदय बड़बड़ाहट की पहचान करने के लिए ग्राफ सिद्धांत पर आधारित एक सरल विधि विकसित करने का लक्ष्य। ऐसा करने के लिए, उन्होंने सामान्य हृदय (एनएमएच) और महाधमनी स्टेनोसिस (एएसएच) वाले हृदय से 60 डिजिटल हृदय ध्वनि संकेतों की जांच की। उन्होंने संकेतों को फास्ट फूरियर ट्रांसफॉर्म (एफएफटी), जटिल नेटवर्क विश्लेषण और मशीन-लर्निंग-आधारित वर्गीकरण के अधीन किया, और अपने निष्कर्षों की रिपोर्ट दी। अनुप्रयुक्त भौतिकी के जर्नल.
शोधकर्ताओं ने सबसे पहले प्रत्येक ऑडियो सिग्नल को एक समय श्रृंखला में परिवर्तित किया। एक प्रतिनिधि स्वस्थ हृदय से प्राप्त संकेत स्पष्ट रूप से दो हृदय ध्वनियों और उनके बीच अलगाव को दर्शाता है, जबकि महाधमनी स्टेनोसिस वाले हृदय से संकेत हीरे के आकार की बड़बड़ाहट प्रदर्शित करते हैं।
इसके बाद, टीम ने टाइम-डोमेन सिग्नल को फ़्रीक्वेंसी डोमेन में परिवर्तित करने के लिए एफएफटी का उपयोग किया, इस प्रकार बड़बड़ाहट में आवृत्ति घटकों पर जानकारी प्रदान की गई, जो वाल्व की शिथिलता के साथ बदलती रहती है। एनएमएच के लिए एफएफटी विश्लेषण ने सामान्य हृदय में दो ध्वनि संकेतों से अच्छी तरह से परिभाषित चोटियों को दिखाया। हालांकि, एएसएच के लिए, एफएफटी स्पेक्ट्रम में व्यापक आवृत्ति रेंज पर बड़ी संख्या में सिग्नल शामिल थे, जिसमें लब और डब ध्वनियों के लिए कोई अलग चोटियां नहीं थीं। इन अतिरिक्त घटकों को कैल्शियम जमा से होने वाले कंपन के लिए जिम्मेदार ठहराया जाता है जो महाधमनी वाल्व को अवरुद्ध करता है और रक्त प्रवाह में अशांति पैदा करता है।
जबकि टाइम-डोमेन और एफएफटी दोनों विश्लेषण दोषपूर्ण वाल्वों की प्रारंभिक पहचान को सक्षम करते हैं, ध्वनि संकेतों का आगे विश्लेषण करने के लिए, शोधकर्ताओं ने एक ग्राफ, या जुड़े बिंदुओं का एक जटिल नेटवर्क बनाने के लिए डेटा का उपयोग किया। उन्होंने डेटा को खंडों में विभाजित किया, प्रत्येक भाग को ग्राफ़ पर एक नोड के रूप में दर्शाया गया। यदि डेटा के उस हिस्से में ध्वनि दूसरे अनुभाग के समान थी, तो दो नोड्स के बीच एक रेखा खींची जाती है।
एक स्वस्थ हृदय में, ग्राफ़ ने बिंदुओं के दो अलग-अलग समूहों को दिखाया, जिनमें कई असंबद्ध नोड्स थे। असंबद्ध नोड्स संभवतः सिस्टोलिक क्षेत्र में टाइम-डोमेन सिग्नल की अनुपस्थिति के कारण होते हैं, जो हृदय के उचित कामकाज का संकेत देता है। महाधमनी स्टेनोसिस वाले हृदय का नेटवर्क कहीं अधिक जटिल था, जिसमें दो प्रमुख क्लस्टर और असंबद्ध नोड्स की अनुपस्थिति, एक संभावित वाल्व दोष का संकेत था।
टीम ने प्रत्येक सिग्नल के ग्राफ़ से मापदंडों का एक सेट निकाला, जिसे ग्राफ़ सुविधाओं के रूप में जाना जाता है। इन विशेषताओं (किनारों की औसत संख्या, व्यास, नेटवर्क घनत्व, परिवर्तनशीलता और बीच की केंद्रीयता) का उपयोग मशीन-लर्निंग तकनीकों द्वारा संकेतों को एएसएच या एनएमएच के रूप में वर्गीकृत करने के लिए किया जा सकता है।
उन्नत कार्डियक एमआरआई कठोर हृदय सिंड्रोम के लिए उपचार का मार्गदर्शन करता है
तीन पर्यवेक्षित मशीन-लर्निंग क्लासिफायर - के-निकटतम पड़ोसी (केएनएन), सपोर्ट वेक्टर मशीन और केएनएन सबस्पेस एन्सेम्बल - ने क्रमशः 100%, 95.6% और 90.9% की भविष्यवाणी सटीकता प्रदर्शित की। यह उच्च सटीकता बताती है कि इन गणितीय अवधारणाओं का उपयोग डिजिटल कार्डियक ऑस्केल्टेशन में अधिक संवेदनशीलता और विश्वसनीयता प्रदान कर सकता है और इसे ग्रामीण स्वास्थ्य केंद्रों में आसानी से नियोजित किया जा सकता है।
शोधकर्ताओं ने अब तक केवल मौजूदा डेटा के साथ विधि का परीक्षण किया है, क्लिनिकल सेटिंग में नहीं। वे अब एक मोबाइल एप्लिकेशन विकसित कर रहे हैं जिसे दुनिया भर में एक्सेस किया जा सकता है। स्वप्ना बताती हैं, "वर्तमान में, हम दिल की बड़बड़ाहट का व्यापक विश्लेषण करने के लिए अन्य दिल की बड़बड़ाहट का विश्लेषण कर रहे हैं।" भौतिकी की दुनिया. “उसके बाद, एक चिकित्सक की मदद से ध्वनि को सीधे रिकॉर्ड करके काम को वास्तविक दुनिया के डेटा तक बढ़ाया जाएगा। सॉफ़्टवेयर और मोबाइल एप्लिकेशन का विकास कार्य के तीसरे चरण में आता है।
