پردازش بیوسیگنال: ECG و سیگنال های قلبی

سود:

• توانایی توضیح نقش هوش مصنوعی در حذف نویز، تشخیص امواج و مراحل طبقه بندی ریتم سیگنال ECG
• توانایی ارزیابی انتقادی خروجی های مدل با محدوده فیزیولوژیکی، مصنوعات و زمینه بالینی
• درک این نکته که توصیه‌های هوش مصنوعی قلبی از تصمیم‌های تشخیصی که نیاز به تأیید پزشک دارند جدا هستند

الکتروکاردیوگرافی (ECG؛ ECG یا EKG به انگلیسی) ثبت فعالیت الکتریکی قلب است که در هر ضربان با الکترودهای روی پوست ایجاد می شود. منحنی حاصل رایج ترین بیوسیگنال در پزشکی است که ریتم و هدایت قلب را نشان می دهد. بیوسیگنال یک کمیت قابل اندازه گیری است که در طول زمان از یک موجود زنده تغییر می کند. ECG یک منطقه مطالعاتی عالی از منظر مهندسی است: دارای امواج کاملاً مشخص (P، QRS، T)، محدوده‌های فیزیولوژیکی شناخته شده و حجم عظیم داده است. هوش مصنوعی با حذف نویز، تشخیص موج و طبقه بندی ریتم پشتیبانی قوی در ECG ارائه می دهد. در این واحد این مراحل، تایید فیزیولوژیکی و اینکه چرا تشخیص نهایی بر عهده پزشک است را خواهیم دید.

بیایید از همان ابتدا روشن باشیم: یک الگوی ECG ممکن است بگوید "فیبریلاسیون دهلیزی امکان پذیر است". اما این یک هشدار است، نه یک تشخیص. هوش مصنوعی تشخیص نمی دهد. پزشک با بیمار تصمیم می گیرد.

زنجیره پردازش نوار قلب

مرحله 1 - دریافت سیگنال و حذف نویز. نوار قلب خام؛ شامل نویز شبکه (50/60 هرتز)، رانش خط پایه (دریفت خط پایه همراه با تنفس و حرکت) و آرتیفکت عضلانی است. فیلتر کردن (فیلترهای باند گذر) و در رویکردهای مدرن، حذف نویز مبتنی بر هوش مصنوعی این اعوجاج ها را کاهش می دهد. نکته مهم: فیلتر کردن نباید اطلاعات واقعی را نیز حذف کند. فیلتر بیش از حد ممکن است ایسکمی واقعی را با تحریف قطعه ST پنهان کند.

مرحله 2 - تشخیص موج (تصاویر). این مدل موج P، کمپلکس QRS و موج T را تشخیص می دهد. ابتدایی ترین خروجی تشخیص پیک R است. فاصله بین پیک های متوالی R (فاصله R-R) ضربان قلب و ریتم را منظم می کند.

مرحله 3 - استخراج ویژگی. ویژگی هایی مانند فواصل R-R، مدت زمان QT، سطح ST، مورفولوژی موج محاسبه می شود. اینها هم به عنوان تفسیر بالینی و هم به عنوان ورودی مدل عمل می کنند.

مرحله 4 - طبقه بندی ریتم/ناهنجاری. این مدل کلاس هایی مانند فیبریلاسیون دهلیزی، ضربان زودرس بطنی، یا ریتم طبیعی سینوسی را پیشنهاد می کند. خروجی یک برچسب و امتیاز اطمینان است.

مرحله 5 - ارزیابی پزشک. این توصیه همراه با زمینه بالینی (علائم، دارو، تاریخچه) به پزشک ارائه می شود. تشخیص مربوط به پزشک است.

محدوده های فیزیولوژیکی: لنگر اعتبار سنجی سریع

ترتیب اندازه کنترل در ECG بسیار قوی است زیرا محدوده فیزیولوژیکی واضح است:

• ضربان قلب در حالت استراحت: 50-100 ضربه در دقیقه (ممکن است برای ورزشکاران به 40 کاهش یابد).
• مدت زمان عادی QRS: 80-120 میلی ثانیه. QRS گسترده تر نشان دهنده تاخیر هدایت است.
• QT تصحیح شده (QTc): تقریباً 350-450 میلی ثانیه در بزرگسالان. بیش از 500 میلی ثانیه می تواند خطرناک باشد.
• موج P قبل از هر QRS معمولی است.

اگر مدل ضربان قلب 250 داده باشد، یا یک تاکی آریتمی واقعی وجود دارد یا نویز به عنوان پیک R محاسبه شده است (شمارش دو برابر). شما نمی توانید این تمایز را بدون نگاه کردن به سیگنال خام انجام دهید. اینجاست که نظم و انضباط تایید مطرح می شود.

سه مورد کوچک: با اعداد

مورد 1 - آریتمی تقلید مصنوعی. در طول نظارت بر یک بیمار، مدل زنگ خطر "تاکی کاردی بطنی" را به مدت 3 دقیقه به صدا درآورد. هنگامی که سیگنال خام مورد بررسی قرار گرفت، مشاهده شد که بیمار در حال مسواک زدن دندان های خود است و آرتیفکت عضلانی QRS را تقلید می کند. قابل قبول بودن فیزیولوژیکی (بیمار بدون علامت و در این زمان پایدار بود) و بررسی سیگنال خام هشدار نادرست را برطرف کرد. مدل هشدار داده شد، سیگنال خام تصحیح شد.

مورد 2 - سرعت اسکن. یک کلینیک قلب و عروق در حال بررسی 24 ساعت ضبط هولتر (ECG مداوم قابل حمل) بود. میانگین 20 دقیقه در هر ضبط. قبل از علامت‌گذاری هوش مصنوعی با برجسته کردن رویدادهای احتمالی، زمان بازبینی را به ۷ دقیقه کاهش داد. این مدل هیچ رویدادی را به تنهایی تعطیل نکرد. تکنسین و متخصص قلب هر علامت را بررسی کردند.

مورد 3 - خطای شمارش مضاعف. در یک بیمار با موج T بالا، مدل همچنین موج T را به عنوان پیک R شمارش کرد و ضربان قلب را دو برابر مقدار واقعی (حدود 300 به جای 150) گزارش کرد. بررسی ترتیب بزرگی - "300 ضربان در دقیقه یک ریتم پایدار نیست" - بلافاصله خطا را برطرف کرد و آستانه پیک R اصلاح شد.

اعلان ضعیف / اعلان قوی

توجه: دستورات زیر برای تفسیر متن گزارش/پارامتر ECG مفید هستند. تشخیص ECG خام کار یک دستگاه و پزشک تایید شده است.

اعلان ضعیف:

به این مقادیر ECG نگاه کنید، چه اتفاقی برای بیمار افتاده است؟

اعلان قدرتمند:

نقش شما: شما یک دستیار تجزیه و تحلیل سیگنال قلبی هستید (شما در حال تشخیص نیستید). پارامترهای ECG ناشناس زیر را ارزیابی کنید: - هر پارامتر را با محدوده طبیعی آن (HR، PR، QRS، QTc) مقایسه کنید. - مقادیر خارج از محدوده را علامت گذاری کنید، اما تشخیص را انجام ندهید. - به مواردی توجه کنید که مقادیر ممکن است به دلیل مصنوع باشد ("شک شمارش دوگانه"). - در پایان، پزشک باید 3 نکته را تأیید کند. پارامترهای ناشناس: [HR، PR، QRS، QTc، برچسب ریتم]

چهار قالب قابل کپی

1) کنترل محدوده پارامتر:

پارامترهای ECG زیر را با محدوده طبیعی بزرگسالان مقایسه کنید و انحرافات را جدول بندی کنید. تشخیص نده پارامترها: [لیست]

2) رفع شبهه مصنوع:

آیا این تگ ریتم و ضربان قلب از نظر فیزیولوژیکی معقول است؟ اگر نه، توضیح دهید که کدام آرتیفکت (شمارش مضاعف، ماهیچه، خط پایه) ممکن است تقلید باشد. داده ها: [مقدار]

3) خلاصه هولتر:

لیست رویدادهای هولتر ناشناس زیر را بر اساس نوع رویداد گروه بندی کنید تا جدول فراوانی تولید شود. هر گروه را به‌عنوان «اولویت بالا/کم متخصص قلب» علامت‌گذاری کنید و به او اجازه دهید تصمیم بگیرد. فهرست: [رویدادها]

4) نکته امنیتی QT:

مقایسه QTc با آستانه بزرگسالان. اگر بیش از 500 میلی‌ثانیه است، یک یادداشت هشدار پزشک تهیه کنید که به شما یادآوری می‌کند که دارو و کنترل الکترولیت لازم است. مقدار: [QTc]

نقش مدل: بر اساس نوع وظیفه

نوع وظیفه

سهم هوش مصنوعی

انتقادی بودن

راستی آزمایی

حذف نویز/پیش پردازش

بالا

پایین

مقایسه سیگنال خام

تشخیص تاج/موج R

بالا

متوسط

محدوده فیزیولوژیکی

پیش مرتب سازی ریتم

بالا

بالا

پزشک + سیگنال خام

اولویت بندی رویداد هولتر

بالا

متوسط

بررسی متخصص قلب

تصمیم تشخیص/درمان

محدود است

بسیار بالا

تاییدیه کامل پزشک

نکته: همیشه قبل از اینکه خروجی الگوی ECG را باور کنید، به سیگنال خام نگاه کنید. در هوش مصنوعی قلبی، اکثریت قریب به اتفاق خطاها ناشی از تقلید مصنوع از موج واقعی است، و این تنها در ردیابی خام قابل مشاهده است.

احتیاط: فیلتر بیش از حد یک سیگنال "تمیز" از نظر ظاهری ایجاد می کند اما ممکن است جزئیات مهم تشخیصی مانند قطعه ST را پاک کند. یک سیگنال واضح به معنای سیگنال صحیح نیست. تنظیمات فیلتر باید از نظر بالینی تایید شود.

اشتباهات رایج

• اعتماد به برچسب بدون نگاه کردن به سیگنال خام. مصنوعات آریتمی را تقلید می کنند. این رایج ترین منبع خطا است.
• فیلتر بیش از حد اطلاعات تشخیصی نیز ممکن است همراه با نویز پاک شوند.
• مشرف به شمارش مضاعف. یک موج T بالا می تواند ضربان قلب را دو برابر کند. ترتیب قدر این را نشان می دهد.
• اشتباه گرفتن داده های دستگاه مصرف کننده با داده های بالینی. ECG ساعت هوشمند تک کانال جایگزین ECG تشخیصی 12 لید نیست.
• اشتباه گرفتن مدل برای تشخیص این مدل هشدار می دهد؛ تشخیص و درمان ریتم متعلق به پزشک است.

به طور خلاصه

• جریان کار ECG شامل حذف نویز، تشخیص موج، استخراج ویژگی و طبقه بندی ریتم است.
• فواصل فیزیولوژیکی (HR، QRS، QTc) یک لنگر اعتبارسنجی قدرتمند و سریع هستند.
• بیشتر خطاها به این دلیل به وجود می آیند که مصنوع از موج واقعی تقلید می کند. کنترل سیگنال خام ضروری است.
• فیلتر بیش از حد ممکن است اطلاعات تشخیصی را حذف کند. سیگنال تمیز به معنای سیگنال صحیح نیست.
• برچسب های ریتم هشدار هستند. تشخیص و تصمیم درمانی به پزشک مربوط است.

وظیفه کاربردی

یک مجموعه پارامتر ECG (HR، PR، QRS، QTc، برچسب ریتم) آماده کنید و عمداً یک مقدار غیر فیزیولوژیکی (مانند HR 280) را در آن وارد کنید. از مدل بخواهید با استفاده از فرمان قدرتمند ارزیابی کند و مشاهده کنید که آیا مدل این مقدار را به عنوان مشکوک به مصنوع علامت گذاری می کند یا خیر. سپس "کدام لنگر (محدوده فیزیولوژیکی یا سیگنال خام) این خطا را ثبت می کند؟" با یک پاراگراف به سوال پاسخ دهید.

چک لیست

• [ ] من مراحل حذف نویز، تشخیص، ویژگی و طبقه بندی زنجیره پردازش ECG را می دانم.
• [ ] من می توانم از محدوده های فیزیولوژیکی پایه (HR، QRS، QTc) به عنوان لنگر اعتبار سنجی استفاده کنم.
• [ ] متوجه شدم که آرتیفکت از آریتمی تقلید می کند و کنترل سیگنال خام ضروری است.
• [ ] می دانم که فیلتر بیش از حد می تواند اطلاعات تشخیصی را حذف کند.
• [ ] من درونی کردم که برچسب ریتم یک هشدار است و تشخیص با پزشک باقی می ماند.