Aort kapakçığının daralması olan aort stenozu, en yaygın ve ciddi kalp kapakçık fonksiyon bozukluklarından biridir. Genellikle kalsiyum birikintilerinin birikmesinden (veya bazen doğuştan kalp kusurundan) kaynaklanan bu daralma, sol ventrikülden aortaya olan kan akışını kısıtlar ve ciddi vakalarda kalp yetmezliğine yol açabilir.
Durumu tanımlamak için hassas, uygun maliyetli tekniklerin geliştirilmesi, özellikle gelişmiş teknolojiye erişimi olmayan uzak bölgelerde kullanım için çok önemlidir. Bu zorluğun üstesinden gelmek için Hindistan ve Slovenya'dan araştırmacılar, karmaşık ağ analizi kullanarak kalp kapakçık fonksiyon bozukluğunu tespit etmek için doğru, kullanımı kolay ve düşük maliyetli bir yöntem geliştirdiler.
Ekip üyesi, "Birçok kırsal sağlık merkezi bu tür hastalıkları analiz etmek için gerekli teknolojiye sahip değil" diye açıklıyor MS Swapna itibaren Nova Gorica Üniversitesi, bir basın açıklamasında. "Tekniğimiz için sadece bir steteskop ve bilgisayara ihtiyacımız var."
Farkı duyun
Sağlıklı bir insan iki kalp sesi çıkarır: birincisi mitral ve triküspit kapakların kapanması nedeniyle ("lub") ve ikincisi ("dub") aort ve pulmoner kapakların kapanması nedeniyle arada bir duraklama (sistolik bölge) bulunur. . Bu sinyaller, hastanın sağlığıyla ilgili temel bilgileri sağlayan seslerin perdesi, yoğunluğu, konumu ve zamanlamasındaki değişikliklerle birlikte, kalpteki kan akışı hakkında bilgi taşır.
Swapna ve meslektaşları – Vijayan Vijesh, K Satheesh Kumar ve S Sankararaman Kerala Üniversitesi – aort darlığı kalp üfürümünü tanımlamak için grafik teorisine dayalı basit bir yöntem geliştirmeyi amaçladı. Bunu yapmak için normal kalplerden (NMH) ve aort darlığı olan kalplerden (ASH) gelen 60 dijital kalp sesi sinyalini incelediler. Sinyalleri hızlı Fourier dönüşümüne (FFT), karmaşık ağ analizlerine ve makine öğrenimi tabanlı sınıflandırmaya tabi tuttular ve bulgularını Uygulamalı Fizik Dergisi.
Araştırmacılar ilk önce her ses sinyalini bir zaman serisine dönüştürdüler. Temsili sağlıklı bir kalpten gelen sinyal, iki kalp sesini ve aralarındaki ayrımı açıkça gösterirken, aort darlığı olan kalplerden gelen sinyaller elmas şeklinde üfürümler gösteriyordu.
Daha sonra ekip, zaman alanı sinyallerini frekans alanına dönüştürmek için FFT'yi kullandı, böylece kapak işlev bozukluğuna göre değişen üfürümdeki frekans bileşenleri hakkında bilgi sağladı. NMH için FFT analizi, normal bir kalpteki iki ses sinyalinden iyi tanımlanmış tepe noktaları gösterdi. Ancak ASH için FFT spektrumu, lub ve dub seslerine atanabilecek belirgin tepe noktaları olmayan, geniş bir frekans aralığında çok sayıda sinyal içeriyordu. Bu ek bileşenler, aort kapağını tıkayan ve kan akışında türbülans yaratan kalsiyum birikintilerinden kaynaklanan titreşimlere atfedilir.
Hem zaman alanı hem de FFT analizleri, arızalı valflerin ön tanımlanmasını sağlarken, ses sinyallerini daha ayrıntılı analiz etmek için araştırmacılar, verileri bir grafik veya bağlantılı noktalardan oluşan karmaşık bir ağ oluşturmak için kullandılar. Verileri bölümlere ayırdılar ve her bölüm grafikte bir düğüm olarak temsil edildi. Eğer verinin o kısmındaki ses başka bir kısımdaki sese benziyorsa iki düğüm arasına bir çizgi çizilir.
Sağlıklı bir kalpte, grafik birçok bağlantısız düğümün bulunduğu iki ayrı nokta kümesini gösteriyordu. Bağlantısız düğümler muhtemelen sistolik bölgede kalbin düzgün çalıştığını gösteren bir zaman alanı sinyalinin bulunmamasından kaynaklanmaktadır. Aort darlığı olan bir kalbin ağı, potansiyel bir kapak kusurunun göstergesi olan, iki belirgin küme ve birbiriyle ilişkisiz düğümlerin yokluğuyla çok daha karmaşıktı.
Ekip, her sinyalin grafiğinden grafik özellikleri olarak bilinen bir dizi parametreyi çıkardı. Bu özellikler (ortalama kenar sayısı, çap, ağ yoğunluğu, geçişlilik ve aradalık merkeziliği), daha sonra makine öğrenimi teknikleri tarafından sinyalleri ASH veya NMH olarak sınıflandırmak için kullanılabilir.
Gelişmiş kardiyak MRG, sert kalp sendromu tedavisine rehberlik eder
Üç denetimli makine öğrenimi sınıflandırıcısı (K-en yakın komşu (KNN), destek vektör makinesi ve KNN alt uzay topluluğu) sırasıyla %100, %95.6 ve %90.9 tahmin doğruluğu sergiledi. Bu yüksek doğruluk, bu matematiksel kavramların kullanımının dijital kalp oskültasyonunda daha fazla hassasiyet ve güvenilirlik sağlayabileceğini ve kırsal sağlık merkezlerinde kolaylıkla kullanılabileceğini göstermektedir.
Araştırmacılar şu ana kadar yöntemi klinik ortamda değil, yalnızca mevcut verilerle test etti. Artık dünyanın her yerinden erişilebilecek bir mobil uygulama geliştiriyorlar. Swapna, "Şu anda kalp üfürümlerinin kapsamlı bir analizini yapmak için diğer kalp üfürümlerini de analiz ediyoruz" diyor. Fizik dünyası. "Bundan sonra çalışma, bir tıp doktorunun yardımıyla sesin doğrudan kaydedilmesiyle gerçek dünya verilerine genişletilecek. Yazılım ve mobil uygulamanın geliştirilmesi işin üçüncü aşamasına geliyor.”
