Sikiön seuranta tuo mukanaan suuria muutoksia

Sikiön seuranta tuo suuria muutoksia

Iranilaiset tutkijat ovat käyttäneet syvää hermoverkkoa (DNN) sikiön elektrokardiogrammin (EKG) erottamiseen yhdestä vatsan EKG-kanavasta. Heidän fysiologisissa mittauksissa kuvattu menetelmä saattaa parantaa sikiön seurantaa tulevaisuudessa.

Kuinka eristää sikiön EKG?

Tällä hetkellä sikiön sydämen sähköistä aktiivisuutta mitataan EKG-johdoilla olevista elektrodeista, jotka on asetettu odottavan äidin vatsaan. Kliinikot voivat käyttää sikiön EKG:tä arvioidakseen sikiön terveyttä ja diagnosoidakseen poikkeavuuksia.

Haaste? On vaikea erottaa sikiön EKG-signaaleja vatsan EKG:istä, jotka sisältävät signaaleja sikiöstä ("sikiön EKG") ja äidistä ("äidin EKG"), sekä signaaleja häiriölähteistä, kuten lihasten supistuksista. Tämä tehtävä tulee vaativammaksi raskauden loppua kohden, kun sikiön EKG-signaalin amplitudi on verrattavissa äidin EKG:n amplitudiin.

Tutkimuksen johtava kirjoittaja, Iranin tiede- ja teknologiayliopiston jatko-opiskelija Arash Rasti-Meymandi ja hänen kollegansa keksivät lähestymistavan, joka perustuu DNN-verkkoihin ongelman ratkaisemiseksi.

Rasti-Meymandi sai inspiraationsa Unetsista, konvoluutioverkostoista, joita käytetään yleisesti lääketieteellisissä kuvien segmentointitehtävissä. Hän ja hänen työtoverinsa Aboozar Ghaffari käyttivät muokattua versiota Unetista poimiakseen ensin raskaana olevan naisen EKG:n ja sitten sikiön EKG-signaalin.

"Unet on parempi kuin muut tekniikat kuvien segmentoinnissa", Rasti-Meymandi sanoi. "Vatsan EKG:n eri komponenttien erottamiseksi havaitsimme vatsan EKG-signaaleja eri resoluutioilla (samanlainen kuin Unet-mallissa käytetty prosessi)."

Tutkijoiden DNN, nimeltään AECG-DecompNet, käyttää kahta alaverkkoa sarjassa poimimaan sikiön EKG:t yksikanavaisesta vatsan EKG:stä. Ensimmäinen aliverkko poimii äidin EKG:n; toinen on sikiön EKG. Tutkijat kouluttivat erikseen kaksi alaverkkoa käyttämällä simuloituja EKG-signaaleja ja arvioivat sitten aliverkot käyttämällä simuloituja ja todellisia vatsan EKG-tallenteita.

Grafiikkaprosessorin avulla tutkijoiden DNN pystyy käsittelemään neljä sekuntia vatsan EKG-tallenteita noin sekunnissa.

DNN:n ja sikiön EKG:n tulevaisuus

Toisin kuin muut signaalin kohinanvaimennusmenetelmät, jotka vaativat referenssi-EKG-modaliteetin (P-, Q-, R-, S- ja T-aaltomuodot, jotka osoittavat sydämen sähköistä toimintaa), monikanavaiset EKG:t tai molemmat, tutkijoiden menetelmä vaatii vain yhden kanavan, ts. Voi. Tämä ei ainoastaan ​​paranna äidin mukavuutta EKG:n ottamisen aikana, vaan vaatii myös vähemmän resursseja ja vähemmän aikaa toteuttaa perinteisiin EKG-tallennus- ja signaalinpoistomenetelmiin verrattuna.

Tutkijat havaitsivat myös, että heidän menetelmänsä säilytti paremmin sikiön EKG-signaalien muodon ja rakenteen muihin menetelmiin verrattuna -- kaikki viisi aaltomuotoa säilyivät hyvin, mikä mahdollisti sikiön poikkeavuuksien havaitsemisen ja diagnosoinnin.

"Tämän tutkimuksen tärkein tulos on DNN-verkkojen käytön tehokkuus poimimaan tehokkaasti sikiön EKG-signaaleja yksikanavaisista vatsan alueen tallenteista", Rasti-Meymandi kertoi Physical Worldille. "Työskentelemme parhaillaan kehittyneempien algoritmien parissa... parantaaksemme edelleen sykemittauksen tarkkuutta."

Tiimi etsii myös tapoja toteuttaa DNN-verkkoja reaaliajassa älypuhelimissa.

Niiden lähestymistavan rajoituksia ovat mahdollinen liiallinen riippuvuus harjoitustietojoukosta, erityisesti heikoilla sikiön EKG-signaaleilla, ja virheiden eteneminen ensimmäisestä aliverkosta toiseen.