تشخیص زودهنگام ایست قلبی با ادغام سیگنال صوتی قلب (فونوکاردیوگرام) و لرزش قفسه سینه (سیگموگرافی) با توسعه الگوریتم های پیشرفته پردازش سیگنال

بیماری های قلبی عروقی با سهم حدود 32 درصد از مرگ ومیرهای جهانی، همچنان بزرگ ترین تهدید برای سلامت بشر محسوب می شوند. ایست قلبی ناگهانی به عنوان یکی از وخیم ترین رویدادهای قلبی، در صورت عدم تشخیص و مداخله به موقع در دقایق طلایی اولیه، اغلب به مرگ بیمار منجر می شود. تشخیص زودهنگام پیش ازوقوع ایست قلبی، نیازمند پایش مداوم و غیرتهاجمی عملکرد قلب است. در این مقاله، یک چارچوب نوآورانه برای تشخیص زودهنگام ایست قلبی با رویکرد ادغام چندوجهی سیگنال های فونوکاردیوگرام (PCG) و سیگموگرام (SCG) ارائه می شود. PCG اطلاعات دقیقی از زمان بندی رویدادهای دریچه ای قلب ارائه می دهد و SCG بینش مکانیکی از حرکات فیزیکی قلب و لرزش های قفسه سینه فراهم می کند. این دو سیگنال به طور ذاتی مکمل یکدیگر هستند و در ادغام با یکدیگر، نمایی جامع تر از عملکرد قلب ارائه می دهند. در این پژوهش، معماری های پیشرفته یادگیری عمیق چندوجهی مبتنی بر توجه متقابل و سازوکارهای هم افزایی (co-learning) برای استخراج و ترکیب ویژگی های دو سیگنال طراحی شده اند. همچنین، با بهره گیری از فناوری های Edge AI، امکان اجرای مدل ها بر روی دستگاه های پوشیدنی با تاخیر کم و مصرف توان پایین فراهم شده است. نتایج پژوهش های اخیر نشان می دهد که سیستم های مبتنی بر ادغام PCG و SCG قادر به بازسازی سیگنال ECG با همبستگی پیرسون 0٫96 و RMSE برابر 0٫49 میلی ولت هستند و دقت تشخیص بیماری را تا 97 درصد افزایش می دهند. چارچوب پیشنهادی با حذف نیاز به الکترودهای پوستی از طریق ادغام( PCG-SCG)، پایش قلبی روزمره و سازگار با اینترنت اشیاء را امکان پذیر می سازد.

کلیدواژه ها:

ایست قلبی ، فونوکاردیوگرام (PCG) ، سیگموگرام (SCG) ، ادغام چندوجهی ، یادگیری عمیق ، Edge AI ، حسگرهای پوشیدنی