通过绘制心音图来诊断低成本的疾病

研究人员开发了一种使用准确、易于使用和低成本的复杂网络分析来识别主动脉瓣功能障碍的方法。他们使用心音数据创建了一个复杂的连接点网络，这些网络被分成几个部分，每个部分都用一个节点表示。如果两部分的声音相似，就在它们之间画一条线。在一个健康的心脏中，图表显示了两个不同的点簇，有许多节点不连接。主动脉瓣狭窄的心脏包含更多的相关性和边缘。

　　

在AIP出版的《应用物理杂志》上，来自印度喀拉拉邦大学和斯洛文尼亚Nova Gorica大学的研究人员开发了一种通过复杂网络分析识别瓣膜功能障碍的方法，该方法准确、使用简单、成本低。

“许多农村卫生中心不具备分析这类疾病的必要技术，”Nova Gorica大学和喀拉拉邦大学的ms . s . Swapna说。“对于我们的技术，我们只需要一个听诊器和一台电脑。”

这种诊断工具的工作原理是根据心脏发出的声音。当关闭二尖瓣和三尖瓣时，这个器官会发出“lub”的声音，当心室舒张和血液填充时，它会暂停，然后当主动脉瓣和肺动脉瓣关闭时，它会发出第二声“dub”。

Swapna和她的团队使用了10分钟内收集的心音数据，创建了一个图表，或一个由连接点组成的复杂网络。数据被分成多个部分，每个部分用一个节点或图上的单个点表示。如果该部分数据中的声音与另一部分数据相似，则在两个节点之间绘制一条线或边。

在健康的心脏中，这张图显示了两组不同的点，其中有许多节点是不相连的。相比之下，主动脉狭窄的心脏包含更多的相关性和边缘。

Swapna说:“在主动脉狭窄的情况下，低音和dub音信号之间没有分离。”

研究人员使用机器学习来检查图表，并识别那些有疾病和没有疾病的人，实现了100%的分类准确率。他们的方法考虑了每个点的相关性，比其他只考虑信号强度的方法更准确，而且在不到10分钟的时间内就做到了这一点。因此，它对早期诊断很有用。

到目前为止，这种方法只在数据上进行了测试，没有在临床环境中进行。作者正在开发一种可以在全球范围内访问的移动应用程序。他们的技术也可以用于诊断其他疾病。

Swapna说:“该方法可以扩展到任何类型的心音信号、肺音信号或咳嗽声信号。”

Journal Reference:

1. Vijayan Vijesh, Mohanachandran Nair Sindhu Swapna, Krishan Nair Satheesh Kumar, Sankaranarayana Iyer Sankararaman. Unwrapping aortic valve dysfunction through complex network analysis: A biophysics approach. Journal of Applied Physics, 2022; 132 (8): 084904 DOI: 10.1063/5.0102120