به گزارش حوزه دانشگاهی گروه علمی پزشكی باشگاه خبرنگاران جوان؛ پژوهشگران دانشگاه صنعتی امیرکبیر روشی را برای طبقه بندی بیماریهای دریچه قلبی ارائه کردند که قادر است با مکان‌یابی دریچه‌های قلبی و تحلیل خودکار صدای قلب، بیماریهای آن را تشخیص دهد.
عذرا سعیدی مجری طرح با بیان اینکه صدای قلب حاوی اطلاعات فیزیولوژیكی مهمی در خصوص ساختار و عملكرد قلب است، افزود: اولین نشانه پاتولوژی قلب حضور مولفه‌هایی اضافی به نام "سوفل" در کنار مولفه‌های اصلی صدای قلب است از این رو تحلیل خودکار صدای قلب می‌تواند برای تشخیص به هنگام بیماری قلبی مناسب باشد.
وی ادامه داد: به طور کلی در روش‌های متداول تشخیص بیماریهای قلبی مانند اکوکاردیوگرافی مبتنی بر روش‌های تصویربرداری پیچیده، سنگین و هزینه‌بر و نیازمند متخصص است. بنابراین محققین به دنبال روشی ساده، غیر تهاجمی، با قیمت مناسب و قابلیت کاربرد وسیع در تحلیل خودکار صدای قلب هستند.
سعیدی از اجرای تحقیقاتی در این زمینه خبر داد و گفت: این پژوهش با عنوان "طبقه بندی بیماریهای دریچه‌ای قلب با استفاده از مکان‌یابی منابع صوتی قلبی" در دانشگاه صنعتی امیرکبیر اجرایی شد. در این تحقیق با بکارگیری ایده ضبط چند کاناله صدای قلب، اطلاعات مکانی - زمانی دریچه‌های قلب استخراج شده و با بهره‌گیری از این اطلاعات، روشی جدید برای قطعه‌بندی و طبقه‌بندی سوفل‌های قلب پیشنهاد شده است.
وی با تاکید بر اینکه با اجرای این طرح می‌توان انتظار داشت که جایگزینی برای بخشی از توانائی‌های تشخیصی قرار گیرد که فقط توسط دستگاه اکوکاردیوگرافی و متخصص قابل انجام است، اظهار کرد: در مطالعات انجام شده می‌توان با یک بخش سخت‌افزاری ساده ضبط صدا، یک تکنسین و با پشتیبانی یک نرم‌افزار نه چندان پیچیده، می‌تواند عملکرد قلب را مورد ارزیابی قرار داد.
سعیدی به نحوه اجرای این طرح اشاره کرد و گفت: در این پژوهش یک روش مکان‌یابی ترکیبی ارائه شد که از این طریق قادر به تعیین مکان چهار دریچه اصلی قلب هستیم. از طریق روش‌های پیشنهادی مکان‌یابی دریچه‌های قلبی امکان تعیین نوع سوفل‌های قلبی (به صورت تکی و یا چندین سوفل به طور همزمان) در شرایط وجود اشکال در دریچه‌های قلبی فراهم شده است.
وی اضافه کرد: در حال حاضر برای تعیین همزمان چندین سوفل نیاز به اطلاعات اکوکاردیوگرافی است که ما در این تحقیق موفق شدیم تنها با بکارگیری از اطلاعات صوتی صدای قلب با ضبط همزمان صدای قلب با ارایه میکروفونی انواع سوفل‌ها به صورت تکی و یا همزمان را شناسایی کنیم.
مجری طرح خاطر نشان کرد: دقت طبقه‌بندی این الگوریتم برای بیماریهای دریچه‌ای قلب 94.75 درصد و با میانگین حساسیت 96.8 درصد بدست آمده است.
سعیدی تحلیل صدای قلب به منظور طبقه‌بندی بیماریهای دریچه‌ای قلب به صورت خودکار و با بکارگیری آرایه‌های میکروفونی را از اهداف این طرح دانست و یادآور شد: اطلاعات مکانی از منابع صوتی درون قلب و طول زمان رخداد ناهنجاری‌های قلبی، به تشخیص نوع بیماری کمک بسزایی می‌کنند. این درحالی است که روش‌های متداول تشخیص بیماریهای قلبی تنها از یک میکروفون استفاده می‌شود که این روش‌ها اطلاعات کافی از زمان و مکان فرآیند عملکرد بخش‌های مختلف قلب را ارائه نمی‌دهد.
وی ادامه داد: بر این اساس در این تحقیق از ایده ضبط دادگان چند کاناله استفاده می‌شود تا بتوان اطلاعات مکانی و مدت زمان فعال بودن دریچه‌ها را به منظور ارزیابی عملکرد قلب بدست آورد.
سعیدی با بیان اینکه ضبط داده‌های چند کاناله و پردازش‌های آرایه‌ای رزولوشن بالا، امکان مکان‌یابی منابع صدا در نقاط مختلف از قلب را به ما ارائه می‌دهد، خاطر نشان کرد: یکی از موارد اساسی در بکارگیری از الگوریتم‌های مکان یابی طراحی چیدمان آرایه میکروفونی و الگوریتم بکارگرفته شده است. ما در این تحقیق با استفاده از شبیه ساز طراحی شده به دنبال چیدمانی مناسب برای تعیین مکان منابع صوتی قلب بوده‌ایم.
مجری طرح بهبود الگوریتم مکان‌یابی منابع صوتی قلب را از نوآوری‌های این طرح عنوان کرد و افزود: در این تحقیق ما به دنبال روشی برای دستیابی به مکان منابع با تعداد محدود میکروفون هستیم. در روش پیشنهادی با بکارگیری اطلاعات فازی طیف میوزیک (تابع تأخیر گروهی میوزیک) به صورت تکراری و حذف اثر منبع مکان‌یابی شده، مکان دریچه‌های قلبی با دقت مناسبی تعیین می‌شوند.
وی گام بعدی این مطالعات پس از تعیین مکان دریچه‌های قلبی را مشخص کردن فازهای سیستول و دیاستول صدای قلب ذکر کرد و گفت: در نهایت با تعیین الگوی زمانی فعال بودن دریچه‌ها در طول زمان برای هر نوع سوفل دریچه‌ای به عنوان مرجعی از هر کلاس به تشخیص نوع بیماری پرداخته می‌شود.
انتهای پیام/