تشخیص زودهنگام ایست قلبی با ادغام سیگنال های فونوکاردیوگرام (PCG) و سیگموگرام (SCG) با بهره گیری از یادگیری عمیق چندوجهی و Edge AI

PCG سیگنال صوتی قلب است که با میکروفون روی قفسه سینه ضبط می شود و صداهای S1 (بسته شدن دریچه میترال و تریکوسپید) و S2 (بسته شدن دریچه آئورت و پولمونر) و سوفل های بیماری را نشان می دهد. SCG سیگنال لرزش قفسه سینه است که با شتاب سنج MEMS ثبت می شود و امواج AO (باز شدن آئورت) و AC (بسته شدن آئورت) و قدرت انقباض بطن ها را منعکس می کند.

این دو سیگنال مکمل هم هستند: PCG اطلاعات دریچه ای می دهد، SCG اطلاعات مکانیکی. ادغام آنها تصویر کامل تری از عملکرد قلب ایجاد می کند.

روش پیشنهادی شامل شش گام است:
۱. پیش پردازش همزمان (همگام سازی، فیلتر باندگذر، حذف نویز تنفس با فیلتر وفقی LMS، تبدیل موجک، نرمال سازی Z-score)
۲. تبدیل زمان-فرکانس (Spectrogram با پنجره هامینگ، CWT برای PCG، DWT برای SCG)
۳. استخراج خودکار ویژگی با شبکه دو شاخه 1D-CNN (سه لایه کانولوشن با ۳۲، ۶۴، ۱۲۸ فیلتر)
۴. ادغام چندوجهی با مکانیسم توجه متقابل (Cross-Attention) که فرمول آن softmax(QKᵀ/√d)·V است؛ ابتدا PCG→SCG و سپس SCG→PCG و نهایتا Self-Attention
۵. طبقه بندی با LSTM دو لایه و Softmax (دو کلاس: نرمال و در معرض خطر ایست قلبی)
۶. استقرار در لبه با TinyML (Pruning برای کاهش حجم تا ۸۰٪، Quantization float32→int8 برای سرعت ۲-۴ برابر، پیاده سازی با TensorFlow Lite Micro روی ARM Cortex-M4)

نتایج اصلی:
دقت مدل پیشنهادی ۹۷٫۲٪ است، در حالی که PCX-only ۸۵٫۱٪ و SCG-only ۸۲٫۳٪ و Early Fusion ۸۹٫۵٪ دقت دارند. بازسازی ECG از روی PCG+SCG با همبستگی پیرسون ۰٫۹۶ و RMSE ۰٫۴۹ میلی ولت انجام می شود. زمان استنتاج روی میکروکنترلر به ۷ میلی ثانیه و حجم مدل به ۱۱ کیلوبایت رسیده است (کاهش ۵۳٪ در زمان و ۵۰٪ در حجم). مصرف توان ۱۵-۲۰ میلی وات است که پایش مداوم بیش از ۲۴ ساعت با باتری ۵۰۰ میلی آمپر ساعتی را ممکن می کند.

بحث:
ادغام PCG و SCG با توجه متقابل نسبت به روش های ساده برتری دارد چون مدل به طور تطبیقی تصمیم می گیرد از کدام بخش هر سیگنال استفاده کند. Grad-CAM نشان داد مدل روی S2 در PCG و روی AO/AC در SCG متمرکز می شود. UMAP جدایی کامل دو کلاس را نشان داد. محدودیت ها: مجموعه داده کوچک (FOSTER فقط ۴۰ نفر)، آزمایش در شرایط نیمه آزمایشگاهی (نه محیط واقعی با نویز شدید)، و فقط دو کلاس تشخیص داده می شود.

چالش ها و آینده:
کمبود داده چندوجهی (راه حل: یادگیری انتقالی، افزایش داده مصنوعی با GAN/VAE). حساسیت به نویز حرکتی (راه حل: حسگرهای سه محوره و ترکیب مبتنی بر موجک). تنوع بین فردی (راه حل: نرمال سازی دامنه، مدل های شخصی شده با few-shot). مصرف توان (راه حل: پردازنده های عصبی زیر ۱ میلی وات، معماری رویداد-محور). مسیر آینده: ترنسفورمرهای دوطرفه (StackTrans)، سیستم های حلقه بسته (ادغام با تحریک عصب واگ)، ادغام با پرونده الکترونیک سلامت، مدل های پایه فیزیولوژیکال مانند Wav2Arrest 2.0. برای اخذ تاییدیه FDA نیاز به کارآزمایی بالینی روی ۵۰۰ بیمار است.

نتیجه: ادغام PCG و SCG با یادگیری عمیق چندوجهی و Edge AI دقت ۹۷٪ و تاخیر ۷ میلی ثانیه دارد و می تواند بدون الکترود، ECG را با کیفیت قابل قبول بازسازی کند. این فناوری آماده استقرار در لباس های هوشمند است.