توفیق محققان در ارتقای روش های تشخیص ناهنجاری های قلبی
هوش مصنوعی و بهبود تشخیص بیماریهای قلبی از روی صدا
نیو وبلاگ: نیو وبلاگ: محققان ایرانی موفق به طراحی روشی جدید برای بهبود تشخیص ناهنجاری های قلبی شده اند. این تکنیک از صدای قلب و خاصیت های جدید استخراج شده از آن برای تشخیص دقیق تر بیماریهای قلبی استفاده می نماید.
به گزارش نیو وبلاگ به نقل از ایسنا، بیماریهای قلبی-عروقی به عنوان یکی از مهم ترین عوامل مرگ ومیر در جهان شناخته می شوند. سالانه تعداد خیلی از افراد، جان خودرا بر اثر این بیماریها از دست می دهند و این آمار رو به افزایش است. صدای قلب یکی از منابع مهم اطلاعاتی برای شناسایی ناهنجاری های قلبی است و می تواند در تشخیص سریع این بیماریها مؤثر باشد. استماع صدای قلب، به سبب غیرتهاجمی بودن و نیاز به تجهیزات کمتر، یک روش مؤثر و کاربردی در مراکز بهداشتی کوچک و کلینیک های مراقبت های اولیه است.
با این حال، یکی از چالش های اصلی در تشخیص ناهنجاری های قلبی بوسیله صدای قلب، وابستگی این تکنیک به تجربه پزشکان است. دقت تشخیص با این تکنیک توسط پزشکان متخصص قلب حدود ۸۰ درصد و توسط پزشکان عمومی حدود ۲۰ تا ۴۰ درصد است. به همین دلیل، کوشش های بسیاری برای بهبود این تکنیک بوسیله استفاده از یادگیری ماشین و هوش مصنوعی انجام شده است. این فناوری های پیشرفته می توانند دقت تشخیص و مراقبت از بیماران را بهبود بخشند.
در این راستا، محققان ایرانی به سرپرستی مهدی تقی زاده از دانشگاه آزاد اسلامی واحد کازرون و با همکاری دانشگاه علوم پزشکی اصفهان، پژوهشی را انجام داده اند تا با بهره گیری از الگوریتم های یادگیری ماشین، خاصیت های جدیدی از سیگنال صدای قلب استخراج کنند. این خاصیت ها می توانند به تشخیص دقیق تر ناهنجاری های قلبی کمک کنند و دقت تشخیص را نسبت به روش های سنتی بالا برند.
این مطالعه که بصورت توصیفی و تحلیلی انجام شده، از داده های یک مطالعه به نام «چالش ۲۰۱۶ فیزیونت» بهره برده است. محققان بعد از پیش پردازش داده ها و حذف نویزهای موجود، ۴۱ خاصیت مختلف از سیگنال های صدای قلب استخراج کردند. این خاصیت ها شامل ۶ خاصیت جدید بودند که عبارتند از: پریشانی متوسط نسبی، ضریب اغتشاش دوره پنج نقطه ای، شیمر محلی برحسب دسی بل، ضریب اغتشاش دامنه سه نقطه ای، ضریب اغتشاش دامنه پنج نقطه ای، و همبستگی مرکز جرم زمانی و فرکانسی. سپس این خاصیت ها به چهار طبقه بند مختلف شامل جنگل تصادفی، ماشین بردار پشتیبان، K نزدیک ترین همسایه و تحلیل و بررسی افتراق خطی اعمال شدند.
نتایج به دست آمده نشان دادند که بیشترین میزان صحت و حساسیت با بهره گیری از طبقه بند تحلیل و بررسی افتراق خطی به دست آمده است. همچنین، بیشترین میزان اختصاصیت نیز در طبقه بند جنگل تصادفی مشاهده شد. این یافته ها نشان می دهند که با افزودن خاصیت های جدید، دقت تشخیص ناهنجاری های قلبی بهبود یافته و این خاصیت ها تأثیر مثبتی بر روی فاکتورهای مختلف ارزیابی داشته اند.
از سوی دیگر، مقایسه نتایج این پژوهش با مطالعات پیشین که از خاصیت های کمتری بهره برده بودند، نشان داد که استخراج خاصیت های جدید نه فقط دقت تشخیص را افزایش داده، بلکه موجب بهبود میزان اختصاصیت در طبقه بند جنگل تصادفی نیز شده است.
این یافته ها اهمیت بالایی در بهبود روش های تشخیص ناهنجاری های قلبی دارند و می توانند به عنوان مبنایی برای توسعه سیستم های تشخیصی پیشرفته تر مورد استفاده قرار گیرند.
این پژوهش همین طور نشان میدهد که استفاده از خاصیت های در رابطه با تغییرات دامنه سیگنال (شیمر) نسبت به خاصیت های در رابطه با فرکانس (ییتر) در تشخیص ناهنجاری های قلبی مؤثرتر است. به عبارت دیگر، تغییرات دامنه سیگنال صدای قلب اطلاعات بیشتری درباب وضعیت قلب ارائه می دهد که می تواند به تشخیص دقیق تر ناهنجاری ها کمک نماید.
شایان ذکر است، این نتایج جالب و باارزش در نشریه «ارمغان دانش» وابسته به معاونت تحقیقات و فناوری دانشگاه علوم پزشکی یاسوج انتشار یافته اند. نتایج این مطالعه می توانند گامی مهم در بهبود سیستم های تشخیصی مبتنی بر صدا و ارتقای سطح مراقبت های بهداشتی در سطح جهان باشند.
منبع: نیو وبلاگ
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب