Beyin damar tənzimləməsinin deşifrə edilməsi: yaşlı iskemik insult proqnozu və klinik əlaqəli biomarkerlərin müəyyənləşdirilməsi üçün diqqət əsaslı BiLSTM çərçivəsi

İnfarkt yaşlılar arasında ölüm və uzunmüddətli əlilliyin əsas səbəbi olaraq qalır və bu risk yaşla əlaqəli beyin qan axınının tənzimlənməsinin və damarların cavab qabiliyyətinin azalması ilə daha da artır. Ənənəvi risk balları tez-tez fizyoloji dinamikanı unudur və erkən aşkarlama və profilaktika üçün qabaqcıl multimodal analizi tələb edir. Bu araşdırma diqqət əsaslı iki istiqamətli uzun müddətli yaddaş (BiLSTM) modelinin kardiovaskular risk göstəriciləri ilə əlaqəli təfsir edilə bilən fərdi biomarkerləri müəyyən edərkən fizyoloji biosignallara istifadə edərək insultun nəzarət qrupuna qarşı dəqiq təsnif edilməsini ehtimal edir. Bu tədqiqatda 64 yaşlı iştirakçıdan (məsələn, EKG, arterial qan təzyiqi, serebral axın sürəti, axın sonu CO_2\) daxil olan Cerebral Vasoregulation in Elderly with Stroke (CVES) məlumat dəstindən istifadə etdik. Təxmin edilən diqqət əsaslı BiLSTM memarlığı iki istiqamətli zamanlı asılılıqları kodlaşdırır, önəmli xüsusiyyətlərin çəki çəkilməsi üçün özünü diqqətlə yanaşır, sonra isə təsnifat üçün sıx qatlar tətbiq olunur. Model qiymətləndirməsində 5 qatlıq və yalnız bir dəfə buraxılmış çapraz təsdiqləmə tətbiq olunub və fərdi biomarkerlərin müəyyən edilməsi üçün SHapley Additive exPlanations (SHAP) tətbiq olunub. Təklif edilən model həmçinin fizioloji və klinik məlumatlar arasında əlaqəni müəyyən edir. Biz 98,6% test dəqiqliyi əldə etdik, 0,996 AUC-ROC, 98,8% dəqiqliyi və 98,9% geri qaytarma, LSTM, GRU və 1D-CNN kimi əsas xətlərdən üstünlük təşkil edir. SHAP təhlili əsas biomarkərlər kimi ürək-damar üstünlüyünü (məsələn, EKG, ABP) vurğulayır, əsas fərqləndiricilər kimi radiativ istilik itkisi və orta beyin arteriyası axınıdır. Klinik analizlər EKG və CO\(_2\) həssaslığının yaşla əlaqəli gücləndirilməsini, siqaret çəkmə / alkoqolun radiativ xüsusiyyətlərin ləğv edilməsini və şəkərli diabetin siqnallar arasında intensivləşməsini ortaya çıxardı. Təklif edilən model həmçinin kardiovaskular risk göstəricilərini \((R^2) = (0.8467 \pm 0.03) \) kimi fizioloji məlumatlardan istifadə edərək proqnozlaşdırmaq mümkündür. Tədbir edilən çərçivə, proaktiv incə zərbə riski qiymətləndirməsini inkişaf etdirir, proqnozlaşdırıcı dəqiqliyi şərh edilə bilən, fərdiləşdirilmiş məlumatlarla birləşdirərək, multimodal inteqrasiya və yaşlılara baxım üçün tərcümə potensialında ədəbiyyat standartlarını aşırır.

Biz bu araşdırmanın uğurla başa çatmasına imkan verən əsas fondların və İndian İnformasiya Texnologiyaları İnstitutunun (IIIT Kota) təqdim etdiyi kompüter imkanlarının səxavətli dəstəyini etiraf edirik.

Kompüter Elmi və Mühəndislik Departamenti, Sardar Vallabhbhai Milli Texnologiya İnstitutunun, Surat, Gujarat, Hindistan

Amity Biotexnologiya İnstitutunun, Amity Universitetinin, Noida, Hindistan

Maitry Amitkumar Chauhan & Abhinandan Kaistha

Milli Texnologiya İnstitutunun Kompüter Elmləri və Mühəndislik Departamenti, Warangal, Telangana, Hindistan