发布时间:09-16
编辑:音频应用
在AIP出版的《应用物理学杂志》(Journal of Applied Physics)上,来自印度Kerala大学和斯洛文尼亚Nova Gorica大学的研究人员开发了一种使用复杂网络分析识别瓣膜功能障碍的方法,该方法准确,简单易用且成本低廉。
“许多农村卫生中心没有必要的技术来分析这样的疾病,”Nova Gorica大学和Kerala大学的作者M.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。”
诊断工具根据心脏产生的声音工作。当器官关闭二尖瓣和三尖瓣时,会产生“lub”噪声,随着心室松弛和血液填充而暂停,然后在主动脉瓣和肺动脉瓣关闭时发出第二个噪声“dub”。
Swapna和她的团队使用收集了10分钟内的心音数据来创建一个图表,或者一个复杂的连接点网络。数据被分成几个部分,每个部分都用一个节点或图形上的单个点表示。如果该部分数据中的声音与另一部分相似,则会在两个节点之间绘制一条线或一条边。
在健康的心脏中,该图显示了两个不同的点簇,许多节点未连接。相比之下,主动脉瓣狭窄的心脏包含更多的相关性和边缘。
“在主动脉瓣狭窄的情况下,‘lub’和配音声音信号之间没有分离,”Swapna说。
研究人员使用机器学习来检查图表,并识别有和没有疾病的图表,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,使其比其他仅考虑信号强度的方法更准确,并且在不到10分钟的时间内完成。因此,它可能对早期诊断有用。
到目前为止,该方法仅用数据进行了测试,而不是在临床环境中进行测试。作者正在开发一个可以在全球范围内访问的移动应用程序。他们的技术也可用于诊断其他疾病。
“提出的方法可以扩展到任何类型的心音信号,肺声信号或咳嗽声音信号。”Swapna说。
信息源于:sciencedaily
关于我们
21dB声学人是中国科学院声学研究所苏州电声产业化基地旗下科技媒体,专注于声学新技术、音频测试与分析、声学市场调研、声学学习社群建设等。
我对产品很感兴趣,请尽快联系我!
请问我所在的地区有商家吗?
我想详细了解购买流程!
购买该产品享受八折优惠,还能得到技术支持?
我想购买请电话联系我!
购买所需要的费用有哪些?
产品很好,请尽快联系我详谈!
声明:该文观点仅代表作者本人,音频应用发布平台仅提供信息存储空间服务。加微信:254969084带你进群学习!百家号免费发布
发布
电话
微博
公众号
回顶部