الإشارات البيولوجية من سجلات زمنية ومكانية
الإشارات البيولوجية من سجلات زمنية ومكانية
تتكون الإشارات البيولوجية من سجلات زمنية ومكانية، أو سجلات مكانية-زمانية للأحداث البيولوجية. ومن بين هذه الإشارات، تُعد تلك التي تُظهر معدل ضربات القلب، وتشبع الدم بالأكسجين، ودورات التنفس، ودورات القلب، وطريقة المشي، وحركة العضلات، ونشاط الدماغ، شائعة جدًا. وتتوفر أنواع مختلفة من عقد الاستشعار السلبية والفعالة، بعضها مزود بقدرات معالجة مدمجة، لتوفير تسجيل المعلومات المذكورة أعلاه بأعلى كفاءة ودقة.
على الرغم من أن البيانات الأساسية قد لا تكون مرئية بالعين المجردة، إلا أن تقنيات الذكاء الاصطناعي والتعلم الآلي ومعالجة الإشارات تخضع باستمرار للتطوير والبحث لتحسين فهم حالة جسم الإنسان من خلال تسجيل البيانات الخام (Chen et al., 2020). وبالرغم من أن الهدف هو امتلاك عقد استشعار غير جراحية وأقل توغلاً، إلا أن استخدام أجهزة الاستشعار المدمجة أمر لا مفر منه في بعض التسجيلات الحية التي تتطلب مراقبة المؤشرات الحيوية البشرية لفترات طويلة، أو أثناء التدخلات الجراحية.
ونظرًا للتحسين المستمر للأجهزة القابلة للارتداء والزرع والحمل، والتي تتميز بدقة استشعار عالية وقدرة معالجة كبيرة، فقد ازداد الاهتمام باستخدامها في المجالات الطبية الحيوية، وأصبحت هذه التقنية شائعة في حياتنا اليومية. لذا، يُعدّ تطوير خوارزميات معالجة الإشارات وعقد الاستشعار المبتكرة في هذه المجالات أمرًا بالغ الأهمية لتعزيز دقة التشخيص والتنبؤ. وبالتالي، من الضروري دمج التقنيات والأنظمة المختلفة للتشخيص الطبي الفوري والكشف عن الإشارات.
يهدف مجال دراسة الإشارات الحيوية، الذي يشهد نموًا متسارعًا، إلى دمج المراقبة المستمرة للرعاية الصحية مع مصادر أخرى للمعرفة والمعلومات الطبية (خان، 2013).
ولذلك، يتمثل الهدف الرئيسي في تطبيقات الجيل الثالث في دمج أنظمة ذكية تُنفذ تقنيات مثل المعالجة الآنية والمتدفقة، والتعلم الآلي، واستخراج البيانات، وتقنيات علم الجينوم المتعدد، والمعلومات الجينية.
=يُعنى هذا النظام باستخراج البيانات من مصادر متنوعة تشمل سجلات المرضى، والبيانات المخبرية (مثل علم الأيض/علم البروتينات، وعلم الجينوم)، والبحوث السريرية، وهو قادر على تحسين الرعاية الصحية وتخصيصها. ينبغي دمج هذه البيانات متعددة الوسائط لاحقًا، ويُحلل نظام التحليل المرضى على مستوى النظام. في هذا النهج، تُدار عملية اتخاذ القرار (مثل التشخيص) بأحدث البيانات في مجال المعلوماتية الصحية والطبية الحيوية.
بالإضافة إلى ذلك، يُمهد استخدام أجهزة الاستشعار الذكية الطريق للطب المُخصص، وهو أحد تحديات المجال الطبي المستقبلي. باستخدام أنظمة ذكية إضافية مُطوّرة بتقنيات تعلّم ومعالجة مبتكرة، يُمكن تقليل عدد نقاط الاستشعار، أي تحقيق أهداف أخرى لمراقبة أقل تدخلاً.
يُعدّ النزيف داخل الجمجمة حالة صحية خطيرة تتطلب إدارة وتقييمًا فوريًا وسريعًا (لي وآخرون، 2020). ونظرًا لارتفاع معدل الوفيات (حوالي 40%)، فإنّ التشخيص والكشف المبكرين باستخدام التصوير المقطعي المحوسب بدون حقن مادة تباين ضروريان لضمان تحسّن الحالة وتقليل احتمالية حدوث عجز عصبي (قريشي وآخرون، 2009). إلا أنّ زيادة استخدام التصوير المقطعي المحوسب قد تُؤخّر التشخيص المبكر للنزيف داخل الجمجمة بسبب صعوبة الوصول الفوري إلى أخصائيي العلاج الإشعاعي لقراءة نتائج التصوير، لا سيما في المؤسسات البحثية. لذا، تمّ تقديم نظام إخطار آلي باستخدام تقنية الذكاء الاصطناعي للتعلم العميق.
في الآونة الأخيرة، برز إنترنت الأشياء في مجال الرعاية الصحية كمجال جديد وواعد، يقدم العديد من المزايا للمستخدمين والعاملين في مجال الرعاية الصحية، بما في ذلك المراقبة الآنية للأمراض، والراحة، وسهولة الاستخدام. وفي سياق مساعدة المرضى من خلال استخدام إنترنت الأشياء مع حلول تعتمد على الإشارات الحيوية، تستخدم الأبحاث الحديثة تقنيات التعلم الآلي في اتخاذ القرارات، وخاصة في تشخيص النزيف. في هذا الصدد، تقدم هذه الورقة البحثية نظامًا ذكيًا لتشخيص نزيف الدماغ باستخدام الإشارات الحيوية (IICHD-BS) في بيئة إنترنت الأشياء. تعتمد تقنية IICHD-BS على جمع البيانات باستخدام مستشعرين: مستشعر أشباه الموصلات المعدنية المؤكسدة التكميلية ووحدة واي فاي ESP8266. يُستخدم هذان المستشعران لجمع صور الأشعة المقطعية من جهاز التصوير المقطعي المحوسب وتحويلها إلى إشارات كهربائية لتخزينها على الخادم. إضافةً إلى ذلك، تستخدم تقنية IICHD-BS أسلوب تجزئة قائم على نمو المنطقة الأمثل للكشف عن مناطق الدماغ المصابة في صور الأشعة المقطعية. بالإضافة إلى ذلك، يُستخدم أسلوب استخلاص الميزات القائم على EfficientNet وأسلوب التصنيف القائم على الشبكة العصبية ذات الارتباط الوظيفي (FLNN) للكشف عن وجود النزف الدماغي وتصنيفه. وللتحقق التجريبي، استُخدمت مجموعتان مرجعيتان من بيانات النزف الدماغي، وقُيّمت النتائج التجريبية وفقًا لمعايير مختلفة. وأظهرت نتائج المحاكاة تحسنًا ملحوظًا في أداء الخوارزمية المقترحة مقارنةً بأحدث التقنيات المتاحة.
