פרופ' ענת רטנובסקי וד"ר שרה נפתלי פרסמו מחקר בכתב העת Biomedical Signal Processing and Control

תקציר המאמר

מחקרן של פרופ' ענת רטנובסקי וד"ר שרה נפתלי בנושא: Classification of tracheal stenosis with asymmetric misclassification errors from EMG signals using an adaptive cost-sensitive learning method התפרסם ב-Biomedical Signal Processing and Control

חסימה של דרכי הנשימה העליונות מאופיינת בשינוי המבנה הנורמלי של דרכי הנשימה עקב מגוון גורמים הכוללים זיהומים, גידולים ומחלות של דרכי הנשימה. זיהוי בזמן של חסימת דרכי הנשימה חיוני על מנת למנוע הידרדרות רפואית. סיווגם של חולים עם היצרות בקנה הנשימה כבריאים עלולה לסכן את בריאותם וכרוך בעלות שגיאה גבוהה, ואילו סיווג שגוי של מטופלים בריאים כסובלים מהיצרות קנה הנשימה עלול להוביל לטיפול רפואי מיותר אף כי בעלות שגיאה נמוכה יותר. מטרת מחקר זה הייתה לזהות באופן לא פולשני היצרות של קנה הנשימה באמצעות אותות חשמליים הנמדדים משרירי שאיפה ע"י שימוש באלגוריתם סיווג המותאם לעלות רגישות (AdaCSL). הפעילות החשמלית של השריר הבין-צלעי האחראי לשאיפה מארבעה אנשים בריאים נמדדה בזמן נשימה דרך שני צינורות שונים, האחד מדמה קנה נשימה תקין והשני קנה נשימה עם היצרות בינונית. הוגדרו שני ניסויים למודלים של למידה חישובית, האחד נועד לשקף מצבים בהם אין מספיק נתונים עבור כל חולה ולכן זיהוי ההיצרות בקנה הנשימה של חולה חדש מבוססת על מודל שאומן על נתוני נבדקים אחרים, והשני נועד לסיווג היצרות בקנה הנשימה של נבדק על סמך נתוני כל הנבדקים כולל של עצמו. אלגוריתם הסיווג AdaCSL היה משמעותית יותר טוב בניסוי הראשון משאר המסווגים עם עלויות שהיו נמוכות ב-43%, 48% ו-59% מהעלות של המסווגים האחרים. כמו כן, אלגוריתם זה השיג עלות נמוכה יותר גם בניסוי השני על פני המסווגים אחרים. התוצאות הוכיחו את יכולת השימוש באותות חשמליים משרירי השאיפה לאבחון מחלות בדרכי הנשימה והדגימו את התועלת של אלגוריתם AdaCSL לניטור מותאם אישית.

המחקר נערך בשיתוף עם ד"ר גונן זינגר ואוהד וולק מאוניברסיטת בר-אילן ונתמך על-ידי משרד החדשנות הישראלי, מדע וטכנולוגיה 

לקריאת המאמר המלא לחץ כאן