Araştırmacılar, kalp hastalıklarının erken teşhisinde devrim yaratacak çoklu modalite yaklaşımlarını test ediyor. ECG (Elektrokardiyogram) ve PPG (Fotopletismografi) verilerini aynı ağda birleştiren modeller, ritim bozuklukları ve diğer kalp anormalliklerini çok daha yüksek doğrulukla tespit etmeyi başarıyor.
Kalp Sağlığında Yeni Yaklaşım: Çoklu Biyosinyal Analizi
Kalp sağlığı teknolojileri, yapay zekâ destekli modellerle büyük bir sıçrama yaşıyor. Son yıllarda yapılan çalışmalar, tek bir biyolojik sinyale dayalı teşhislerin yerini çoklu biyosinyal analizlerine bırakmaya başladı. Özellikle ECG (elektrokardiyogram) ve PPG (fotopletismografi) verilerinin aynı sistemde birleştirilmesiyle, kalp ritim bozuklukları ve kardiyovasküler hastalıkların teşhisinde dikkat çekici başarılar elde ediliyor.
Sinyalleri Buluşturan Yapay Zekâ: SiamAF Modeli
Yeni geliştirilen SiamAF adlı model, atriyal fibrilasyon (AF) gibi yaygın ve sinsi ritim bozukluklarını tespit etmek amacıyla hem ECG hem de PPG verilerini kullanıyor. Bu sistemde, Siamese ağ yapısı sayesinde iki farklı sinyal türü ortak bir gizil uzayda (latent space) analiz ediliyor. Bu yaklaşım, her iki sinyalin de güçlü yönlerini birleştirerek AF tespit doğruluğunda ciddi bir iyileşme sağlıyor. Modelin detayları ve sonuçları arXiv veri tabanında yayımlandı.
Derin Öğrenmeyle Yeni Ufuklar: Performer ve Rekonstrüksiyon Teknolojisi
Başka bir çarpıcı örnek ise Transformer tabanlı Performer modelinde görülüyor. Bu model, PPG verisinden yola çıkarak ECG sinyalini yeniden oluşturabiliyor. Daha sonra hem orijinal hem de sentezlenmiş sinyaller birlikte kullanılarak kalp hastalıklarının tanısı güçlendiriliyor. Bu hibrit yapı, özellikle taşikardi ve bradikardi gibi klinik senaryolarda yüksek başarı sağlıyor.
