Məlumat

Ürək sinir şəbəkəsinin funksiyası?

Ürək sinir şəbəkəsinin funksiyası?

Əzələlərin, gözlərdəki neyronların və s. Hərəkəti üçün mümkün bir bioloji sinir şəbəkəsi verməyə çalışdığım məqalələr tapdım. Ürəyi idarə edən sinir şəbəkəsinin necə işlədiyinə dair bir izahat varmı?


Ürək əslində sinir sistemi tərəfindən eyni şəkildə "idarə edilmir", məsələn, əzalar. Ürək əzələ hüceyrələri (ürək miyositləri) hətta tam təcrid olunanda da sabit bir ritmlə döyünür. İzolyasiya edilmiş ürək miyositlərinin kolleksiyaları sinxron olaraq döyülür. Ürək döyüntüsü daxili olaraq iki ixtisaslaşdırılmış ürək miyositləri tərəfindən idarə olunur, sinoatrial düyün əsas nəzarətçi və atrioventrikulyar düyün, ürəyin yuxarı və aşağı otaqları arasında vuruşun necə dəyişdiyini tənzimləyir.

Ürək döyüntüsünü daxili idarə etsə də, sinir sisteminin təsiri var. Bu daha çox bədənimizin müxtəlif səviyyəli həyəcan və streslərə necə reaksiya verdiyini idarə edən simpatik və parasempatik sinir sistemindən gəlir. Bu sistemlər bədənin bir çox hissəsinə təsir göstərir, ancaq sinoatrial düyünün döyünmə sürətini dəyişdirməsini "göstərərək" ürəyə təsir göstərir. Xüsusi sinir anatomiyası ilə maraqlanırsınızsa, bu, ilk növbədə vagus siniri tərəfindən idarə olunur. Bu sinir müxtəlif vəzifələrdə iştirak edir, lakin simpatik və parasempatik sistemlər üçün xüsusilə vacibdir.


İnkişaf edən ürəyin avtonom innervasiyası: mənşəyi və funksiyası

Məməlilərdə və quşlarda homeostatik dövranın qorunması ürəyin avtonom innervasyonundan asılıdır. Qarışıq hüceyrə mənşəli və funksiyalı sinir budaqları, olgunlaşdıqca ürəyi arterial və venoz qütblərdə innervasiya edir, nəticədə avtonom çıxışı keçirici sistem də daxil olmaqla ürək komponentlərinə bağlayır. Sinir eyniliyinin inkişafı xüsusi gen şəbəkələri və böyümə faktorları tərəfindən idarə olunur, funksional xüsusiyyətlər isə müxtəlif nörotransmitterlərin istifadəsi ilə idarə olunur. Bu araşdırmada, onurğalı otonom sinir sisteminin anatomik quruluşunu qısaca ümumiləşdiririk və ürəyin innervasiyasını ətraflı şəkildə təsvir edirik. Cücə və siçanda ürək innervasyonunun vaxtını müzakirə edirik, ürək sinir şəbəkələrinin ürəkdəki anatomik quruluşlarla əlaqəsini vurğulayırıq. Nöral kretin vagal ürək sinirlərinə olan dəyişkən qatqısını da müzakirə edirik və inkişaf edən simpatik və parasempatik avtonom bölgülərin ifraz etdiyi əsas nörotransmitterləri ümumiləşdiririk. Sinir inkişafında iştirak edən əsas böyümə faktoru və gen ailələrinə ümumi bir baxış təqdim edirik, bu faktorların otonomik disfunksiya ilə əlaqəli anadangəlmə sindromlarda ürək anomaliyalarının inkişafına necə təsir edə biləcəyini müzakirə edirik.


Ürək sinir şəbəkəsinin funksiyası? - Psixologiya

Verilənlər bazalarımızdan seçilmiş məzmunun maşın tərcüməsini tələb etdiniz. Bu funksiya yalnız sizin rahatlığınız üçün verilir və heç bir şəkildə insan tərcüməsini əvəz etmək məqsədi daşımır. Nə SPIE, nə də məzmun sahibləri və nəşrçiləri tərcümə xüsusiyyətinin funksionallığı və ya dəqiqliyi və ya tamlığı ilə əlaqədar heç bir məhdudiyyət qoyulmadan təqdimatlar və ya zəmanətlər daxil olmaqla hər hansı bir açıq və ya zəmanətli açıqlama və ya zəmanəti açıq şəkildə rədd edirlər. tərcümələr.

Tərcümələr sistemimizdə saxlanılmır. Bu xüsusiyyətdən və tərcümələrdən istifadə etməyiniz SPIE veb saytının İstifadə Şərtlərində göstərilən bütün istifadə məhdudiyyətlərinə tabedir.

Sinir şəbəkəsi, ürək hərəkəti anormallığını aşkar etmək üçün məlumat tədbirlərini öyrəndi

M. S. Nambakhsh, 1,2 Kumaradevan Punithakumar, 3,4 Ismail Ben Ayed, 4 Aashish Goela, 2 Ali Islam, 2,4 Terry Peters, 1,2 Shuo Li 2,3

1 Robarts Araşdırma İnstitutu (Kanada)
2 Univ. Qərbi Ontario (Kanada)
3 GE Healthcare (Kanada)
4 St. Joseph Sağlamlıq Xidməti (Kanada)

DİJİTAL KİTABXANA ABUNƏ OLUN

1 illik abunəliyə 50 yükləmə

1 illik abunəliyə 25 yükləmə

Mövcud olduqda PDF, HTML və Video daxildir

Bu araşdırmada, ədəbiyyatdakı digər son metodlardan əhəmiyyətli dərəcədə üstün olan normal/anormal sol mədəciyin hərəkət təsnifatı üçün bir məlumat teorik sinir şəbəkəsi təklif edirik. Təklif olunan çərçivə, gizli və çıxış təbəqələri üçün sırasıyla hiperbolik teğet sigmoid və xətti ötürmə funksiyalarından istifadə edən nəzarət olunan 3 qatlı süni neyron şəbəkədən (ANN) ibarətdir. ANN, mövzuların paylanması haqqında qlobal məlumatları ölçən Shannon diferensial entropiyası (SDE), Rénii entropiyası və Fisher məlumatları kimi sol mədəciyin divar hərəkətinin məlumat teorik ölçüləri ilə qidalanır. Qısa eksenli maqnit rezonans görüntülərin (MRT) 395 × 20 seqmentli LV boşluqlarından istifadə edərək, 48 metoddan əldə edilən təcrübə, təklif olunan metodun Support Vector Machine (SVM) və eşik əsaslı məlumat teoretik təsnifatçılarından üstün olduğunu göstərir. 90%-ə bərabər bir spesifiklik, 91%həssaslıq və 93.2%-ə bərabər Alıcının Əməliyyat Xarakteristikası (ROC) üçün diqqətəlayiq bir Ərazi Ərazisi (AUC) verir.

& surəti (2011) COPYRIGHT Foto-Optik Alət Mühəndisləri Cəmiyyəti (SPIE). Abstraktın yüklənməsinə yalnız şəxsi istifadə üçün icazə verilir.


Yeni AI neyron şəbəkə yanaşması, ürək çatışmazlığını bir ürək döyüntüsündən 100% dəqiqliklə təyin edir

Araşdırmaçılar, yalnız bir çiğ elektrokardioqram (EKQ) ürək döyüntüsünün təhlili ilə konjestif ürək çatışmazlığını 100 faiz dəqiqliklə dəqiq müəyyən edə bilən bir sinir şəbəkəsi yanaşması hazırladılar.

Konjestif ürək çatışmazlığı (CHF) ürək əzələlərinin nasos gücünü təsir edən xroniki mütərəqqi bir vəziyyətdir. Yüksək yayılma, əhəmiyyətli ölüm nisbətləri və davamlı sağlamlıq xərcləri ilə əlaqədar olaraq, klinik praktiklər və sağlamlıq sistemləri təcili olaraq təsirli aşkarlama prosesləri tələb edir.

Surrey Universitetində təşkilati nevrologiya üzrə dosent Dr. Sebastiano Massaro, Convolutional Neural istifadə edərək bu əhəmiyyətli narahatlıqları həll etmək üçün Warwick Universitetində həmkarları Mihaela Porumb və Dr Leandro Pecchia və Florensiya Universitetində Ernesto Iadanza ilə çalışdı. Şəbəkələr (CNN) - məlumatların nümunələrini və strukturlarını tanımaqda yüksək təsir göstərən iyerarxik sinir şəbəkələri.

-Də nəşr olundu Biyomedikal Siqnal İşləmə və Nəzarət Jurnalı, araşdırmaları, təsirli olsa da, vaxt aparan və səhvlərə meylli olan ürək dərəcəsi dəyişkənliyinə yönəlmiş mövcud CHF aşkarlama metodlarını kəskin şəkildə yaxşılaşdırır. Əksinə, onların yeni modeli, 100 faiz dəqiqlik təmin edərək, xam EKQ siqnallarında qabaqcıl siqnal emalı və maşın öyrənmə vasitələrinin birləşməsindən istifadə edir.

Dr. Massaro, "CNN modelini, CHF olan mövzularla yanaşı sağlam, aritmiyasız ürəklər olan, ictimaiyyət üçün açıq olan böyük bir EKQ məlumat dəstləri üzərində hazırladıq və sınaqdan keçirdik. Modelimiz 100 faiz dəqiqlik təmin etdi: yalnız bir ürək döyüntüsünü yoxlayaraq olub olmadığını müəyyən edə bilərik" Ürək çatışmazlığından əziyyət çəkən və ya olmayan bir insan. Modelimiz, EKQ -nin xüsusi olaraq vəziyyətin şiddəti ilə əlaqəli morfoloji xüsusiyyətlərini müəyyən edə bilən ilk modellərdən biridir. "

Tibbi və Bioloji Mühəndislik üzrə Avropa İttifaqının prezidenti Dr.Pecchia, bu tapıntıların nəticələrini belə izah edir: "Dünyada təxminən 26 milyon insanın bir növ ürək çatışmazlığından təsirlənməsi ilə, araşdırmalarımız mövcud metodologiyada böyük bir irəliləyiş təqdim edir. Klinik praktiklərə imkan verir. Doğru bir CHF aşkarlama vasitəsinə daxil olmaq, xəstələrin erkən və daha təsirli bir diaqnozdan faydalanması və NHS qaynaqları üzərindəki təzyiqləri azaltması ilə əhəmiyyətli bir ictimai təsir göstərə bilər. "


Daha yüksək ölçülər

'3' girişimiz və ya parametrimiz olduqda, aşağıda göstərilən şəkildə göstərildiyi kimi iki bölgəni ayıran 2D bir təyyarəni təmsil edən 3 ölçü götürürük (x, y, z). Tənlik indi olacaqdı w1x1 + w2x2 + w3x3 + b = 0. 3 -dən çox giriş olduqda təmsil etmək çətindir. Düşünün, əgər 'n' girişimiz varsa, (n-1) ölçülü düzlüyü təmsil edən 'n' ölçüləri alırıq və tənlik indi olacaq w1x1 + w2x2 + wnxn + b = 0.


1. Ağırlıqların Başlanması

Ağırlığın başlanmasının sadələşdirilmiş nümunəsi aşağıda göstərilmişdir:

Gizli təbəqə 1 [64, 784] ölçülü ağırlığa və 64 ölçülü qərəzə malikdir.

Çıxış təbəqəsinin ölçüsü [10, 64] və ölçü meyli var

Yuxarıdakı kodda ağırlıqları işə salanda nə baş verdiyini merak edə bilərsiniz. Buna Xavier başlatma deyilir və çəki matrislərinizi təsadüfi olaraq başlatmaqdan daha yaxşı bir addımdır. Bəli, başlanğıcın əhəmiyyəti var. Başlanğıcınıza əsaslanaraq, gradient enmə zamanı daha yaxşı bir yerli minima tapa bilərsiniz (arxa yayılma gradient enişinin şanlı bir versiyasıdır).


İnkişaf edən ürəyin avtonom innervasiyası: mənşəyi və funksiyası

Məməlilərdə və quşlarda homeostatik dövranın qorunması ürəyin avtonom innervasyonundan asılıdır. Qarışıq hüceyrə mənşəli və funksiyalı sinir budaqları, olgunlaşdıqca ürəyi arterial və venoz qütblərdə innervasiya edir və nəticədə avtonom çıxışı keçirici sistem də daxil olmaqla ürək komponentlərinə bağlayır. Sinir eyniliyinin inkişafı xüsusi gen şəbəkələri və böyümə faktorları tərəfindən idarə olunur, funksional xüsusiyyətlər isə müxtəlif nörotransmitterlərin istifadəsi ilə idarə olunur. Bu araşdırmada, onurğalı otonom sinir sisteminin anatomik quruluşunu qısaca ümumiləşdiririk və ürəyin innervasiyasını ətraflı şəkildə təsvir edirik. Cücə və siçanda ürək innervasyonunun vaxtını müzakirə edirik, ürək sinir şəbəkələrinin ürəkdəki anatomik quruluşlarla əlaqəsini vurğulayırıq. Neyral kretin vagal ürək sinirlərinə olan dəyişkən qatqısını da müzakirə edirik və inkişaf edən simpatik və parasempatik avtonom bölgülərin ifraz etdiyi əsas nörotransmitterləri ümumiləşdiririk. Sinir inkişafında iştirak edən əsas böyümə faktoru və gen ailələrinə ümumi bir baxış təqdim edirik, bu faktorların otonomik disfunksiya ilə əlaqəli anadangəlmə sindromlarda ürək anomaliyalarının inkişafına necə təsir edə biləcəyini müzakirə edirik. Clin. Anat. 22: 36-46, 2009. © 2008 Wiley-Liss, Inc.


Sinir Şəbəkəsinə əsaslanan Ürək Xəstəliyi Proqnozu

Mücərrəd Maşın öyrənmə, maşının yeni məlumatlara məruz qaldığını əvvəlcədən öyrənmək və proqnozlaşdırmaq üçün geniş istifadə olunur. Maşın öyrənməsindəki bir çox irəliləyişlər səbəbindən, bir insanın ürək xəstəliyini proqnozlaşdırmaq üçün tətbiq oluna biləcək müxtəlif üsullar mövcuddur. Ürək Xəstəliyi, dünyada bir insanı təsir edən əsas xəstəliklərdən biridir. Ürək xəstəliyinə səbəb olan bir çox risk faktoru var. Logistik reqressiya təhlili və sinir şəbəkəsinin birləşməsi ürək xəstəliyinin proqnozlaşdırılmasında yeni bir yanaşma təmin edir. Əvvəlcə xəstəliyin proqnozlaşdırılması üçün əsas risk faktorlarını seçmək üçün logistik reqressiya tətbiq olunur. Statistik p-dəyərinə əsaslanaraq ürək xəstəliyinin proqnozlaşdırılmasında faydalı olan əhəmiyyətli risk faktorlarını ortaya çıxarır. Əhəmiyyətli təsir göstərməyən risk faktorları müəyyən edilir və aradan qaldırılır. Nəticədə meydana gələn əhəmiyyətli amillər sinir şəbəkəsinə giriş olaraq təmin edilir. Sinir şəbəkəsi, lojistik reqressiyadan əldə edilən və insanın ürək xəstəliyi olub -olmadığını yoxlamaq üçün istifadə olunan risk faktorları üçün öyrədilir. Beləliklə, logistik reqressiya və sinir şəbəkəsinin inteqrasiyası ürək xəstəliyinin proqnozlaşdırılmasında tətbiq olunur.

Açar sözlər Logistik reqressiya modeli, sinir şəbəkələri, proqnoz, ürək xəstəliyi

Ürək Xəstəliyi dünyada aparıcı xəstəliklərdən biridir. Ürəyin səmərəli işləməsi bədəndə həyati rol oynayır. Miyokard infarktı, Miyokard iskemiyası, Anadangəlmə ürək xəstəliyi, Koroner ürək xəstəliyi, Ürək tutması, Periferik ürək xəstəliyi və s.Kimi ürək xəstəliklərinin bir çox növü var.

Maşın öyrənmə, maşınları təlim məlumatlarından öyrənməyə məcbur edən və öyrənilən məlumatlara əsaslanaraq test məlumatları ilə bağlı proqnozlar verən bir süni intellekt növüdür. Maşın öyrənməsinin arxasında duran əsas fikir, məlumatlar arasında nümunələri tapmaq və proqnozlar verməkdir. Maşın öyrənmədə tövsiyə sistemləri, tibbi diaqnostika, bioinformatika və s. Kimi çoxsaylı tətbiqlər vardır.

Proqnozlaşdırılan analitiklər, cari və ya tarixi məlumatlara əsaslanaraq proqnoz vermək üçün proqnozlaşdırıcı modelləşdirmə, maşın öyrənmə (ML) və məlumat mədənçiliyindən müxtəlif statistik üsulları əhatə edir. Proqnozlaşdırıcı analitiklərin istifadəsi müştəri əlaqələri idarəçiliyində, səhiyyə sənayesində və bir çox digər sahələrdədir. Dərin öyrənmə proqnozlaşdırıcı analitikaya əhəmiyyətli təsir göstərir. İçərisində çoxlu modellər var

Naive bayes, Logistic reqressiya [9], Sinir şəbəkələri [20], Support Vector Machine [18], təsnifat və reqressiya ağacları [8] və s. kimi süni neyron şəbəkəsi (ANN) kimi proqnozlaşdırıcı modelləşdirmə və ya alqoritmik yanaşma. İnsan beyin neyronlarına bənzəyir. Süni sinir şəbəkəsinin əlaqələri, yayılma istiqaməti və ayrı -ayrı təbəqələri var. Hər bir təbəqə aralarındakı qarşılıqlı əlaqəni təmsil edən oxları olan qovşaqlardan ibarətdir. Sinir şəbəkəsində giriş qatında bir çox qovşaq var. Bu giriş qatı qovşaqları gizli qat qovşaqlarına bağlıdır. Hər giriş çəkilərlə təyin olunur. Şəbəkədəki giriş qovşaqları, məlumatları bəzi vəzifələri və ya hesablamaları yerinə yetirən gizli qatdakı qovşaqlara ötürür və işlənmiş məlumatları çıxış qovşağına göndərir. Çıxış qatında son nəticə verən bir qovşaq var. Bu, neyron şəbəkə prosesinə bir baxışdır.

Koroner ürək xəstəliyi (CHD) və ya ateroskleroz üçün risk faktorları V. Sree Hari Rao və digərləri tərəfindən [1] quraşdırılmış imputasiya alqoritmi və hissəcik sürüsünün optimallaşdırılması ilə müəyyən edilir. Fiziki hərəkətsizliyin də CHD risk faktorunu meydana gətirdiyi əldə edilir. Qərar qaydaları ürək xəstəliklərinin risk faktorlarını proqnozlaşdırmaq üçün istifadə olunur.

Paolo Melillo və digərlərində [2] konjestif ürək çatışmazlığından əziyyət çəkən xəstələrdə risk qiymətləndirilməsi avtomatik təsnifat vasitəsi ilə aparılır. Uzunmüddətli ürək dərəcəsi dəyişkənliyi adlı tədbirdən istifadə edərək, bu təsnifatçı daha aşağı riskli xəstələri daha yüksək riskli xəstələrdən avtomatik olaraq təsnif edir. Təsnifat və Reqressiya ağacı (CART) daha yüksək riskli xəstələri və daha aşağı riskli xəstələri təsnif etməkdə faydalıdır. Ürək dərəcəsi dəyişkənliyi də konjestif ürək çatışmazlığının risk qiymətləndirməsini tapmaqda əsas əhəmiyyətli faktordur.

Koroner ürək xəstəliyi (CHD) hadisələrinin azalmasını hədəf alan ürək risk qiymətləndirilməsi, hadisədən əvvəl və sonra Minas A. Karaolis və digərləri tərəfindən təsnif edilir [3]. CHD-dən əvvəl və dəyişdirilməyən və dəyişdirilə bilən hadisədən sonra baş verən hadisə müəyyən edilir. Hadisələr perkütan koronar müdaxilə (PCI), miokard infarktı (MI) və koronar arter bypass greft əməliyyatıdır (CABG). Koroner ürək xəstəliyinin bu üç hadisəsi üçün C4.5 qərar ağacı alqoritmi istifadə olunur.

Carlos Ordonez və başqaları, [4] ürək xəstəliklərinin proqnozlaşdırılması üçün assosiasiya qaydalarından istifadə etmişlər. Bu birləşmə qaydaları tibbi məlumat bazasında tətbiq olunur və əlaqəsi olmayan bir çox qaydalar yaradır. Qaydaları müəyyən etmək üçün

Ürək xəstəliyinin proqnozlaşdırılması üçün həqiqətən vacib olan məlumatlar, təlim məlumat bazasında birləşmə qaydalarını araşdıran və nəhayət test dəstində təsdiqləyən axtarış məhdudiyyətlərindən istifadə etməklə müəyyən edilir.

Hibrid sistem, Syed Umar Amin və digərlərində genetik alqoritmin qlobal optimallaşdırılması ilə istifadə olunur.

[5] və bu sistem sinir şəbəkəsi ağırlıqlarını başlatmaq üçün istifadə olunur. Çox qatlı ötürmə şəbəkəsi istifadə olunur. Giriş qovluqları, gizli qovşaqlar və çıxış qovşaqları sırasıyla 12, 10 və 2 -dir. Giriş düyünləri əsasən ürək xəstəliyinin proqnozlaşdırılmasında istifadə olunan risk faktorlarıdır.

Miyokard infarktı adlandırılan infarkt risk faktorları, qərar ağacları və apriori alqoritmi əsasında təyin edilir Sikander Singh Khurl et al. sinə ağrısı, şəkərli diabet, siqaret çəkmə, cinsiyyət və fiziki hərəkətsizlik, yaş, lipidlər, xolesterol, trigliserid, qan təzyiqi.

Son məqsəd, ürək xəstəliyinin proqnozlaşdırılmasında lojistik reqressiya modelini və sinir şəbəkəsinə əsaslanan yanaşmanı birləşdirməkdir. Ürək xəstəliyi məlumat bazasında 293 müşahidənin nəzərə alındığı 303 fərd müşahidəsi var. Təklif olunan sistem əsasən iki hissədən ibarətdir. Birinci hissə, p-dəyərinə əsaslanan verilənlər bazasında mövcud risk faktorlarından ürək xəstəliyinin proqnozlaşdırılmasında vacib risk faktorlarını tapmaqdır. Bu p-dəyəri hər bir atribut üçün əhəmiyyətli kodları [19] verir. Və ikinci hissə, məlumat toplusunu təlim və sınaq dəstinə bölməkdir. Sinir şəbəkəsi təlim məlumat bazası üçün qurulmuşdur və öyrənilən neyron şəbəkə test məlumatlarını proqnozlaşdıra bilir.

Bu layihədə istifadə olunan məlumatlar Cleveland Heart Disease məlumat bazasından əldə edilir. Ürək xəstəliyini proqnozlaşdırmaq üçün istifadə edilən 14 tibbi atributla [7] 297 qeyd. Veri toplusunun təsviri Cədvəl 1 -də verilmişdir.


AI neyron şəbəkəsi tək ürək döyüntüsündən ürək çatışmazlığını aşkar edir

Araşdırmaçılar, bir işlənməmiş elektrokardioqram (EKQ) ürək döyüntüsünün analizi ilə konjestif ürək çatışmazlığını 100% dəqiqliklə dəqiq müəyyən edə bilən bir sinir şəbəkəsi yanaşması hazırladılar.

Konjestif ürək çatışmazlığı (CHF) ürək əzələlərinin nasos gücünü təsir edən xroniki mütərəqqi bir vəziyyətdir. Yüksək yayılma, əhəmiyyətli ölüm nisbətləri və davamlı səhiyyə xərcləri ilə əlaqədar olaraq, klinik praktiklər və sağlamlıq sistemləri təcili olaraq effektiv aşkarlama prosesləri tələb edir.

Dr.Sebastiano Massaro, Surrey Universitetinin Təşkilati Nörobilim Dosenti, Warwick Universitetində həmkarları Mihaela Porumb və Dr Leandro Pecchia və Florensiya Universitetində Ernesto Iadanza ilə birlikdə Konvolutional Sinir Şəbəkələrini istifadə edərək bu əhəmiyyətli narahatlıqları həll etmək üçün çalışdı. CNN) - məlumatların nümunələrini və quruluşlarını tanımaqda yüksək təsir göstərən iyerarxik sinir şəbəkələri.

Nəşr olundu Biyomedikal Siqnal İşləmə və Nəzarət Jurnalı, araşdırmaları, təsirli olsa da, vaxt aparan və səhvlərə meylli olan ürək dərəcəsi dəyişkənliyinə yönəlmiş mövcud CHF aşkarlama metodlarını kəskin şəkildə yaxşılaşdırır. Əksinə, onların yeni modeli, xam EKQ siqnallarında qabaqcıl siqnal işləmə və maşın öyrənmə vasitələrinin birləşməsindən istifadə edərək 100% dəqiqlik təmin edir.

Dr Massaro dedi: "CNN modelini, CHF olan mövzularla yanaşı sağlam, aritmiyasız ürəklər olan geniş ictimaiyyət üçün açıq olan EKQ məlumat dəstləri üzərində hazırladıq və sınaqdan keçirdik. Modelimiz 100% dəqiqlik təmin etdi: yalnız bir ürək döyüntüsünü yoxlayaraq, Bir insanın ürək çatışmazlığı yoxdur. Modelimiz, EKQ -nin xüsusi olaraq vəziyyətin ağırlığı ilə əlaqəli morfoloji xüsusiyyətlərini müəyyən edə bilən ilk modellərdən biridir. "

Tibbi və Bioloji Mühəndislik üzrə Avropa İttifaqının prezidenti Dr Pecchia, bu tapıntıların nəticələrini belə izah edir: "Dünyada təxminən 26 milyon insanın bir növ ürək çatışmazlığından təsirlənməsi ilə, araşdırmamız mövcud metodologiyada böyük bir irəliləyiş təqdim edir. Klinik praktiklərə Xəstələrin erkən və daha səmərəli diaqnozdan faydalanması və NHS qaynaqları üzərindəki təzyiqlərin azaldılması ilə birlikdə, dəqiq bir CHF aşkarlama vasitəsinə giriş cəmiyyətdə əhəmiyyətli bir təsir göstərə bilər. "


Ürək pleksusu

Ürək pleksusu hər ikisini də daxil edən sinir şəbəkəsidir simpatikparasempatik sistemlər. İki hissəyə bölünür. The səthi hissə aorta tağının altında, tağ və ağciyər gövdəsi arasında yerləşir.

Artıq ürəyin əsas anatomiyasına yiyələnmisinizmi? Lazımlı diaqramlar, viktorinalar və ürəyin iş vərəqləri ilə özünüzü sınayın.

The dərin hissə aortanın tağı ilə traxeyanın bifurkasiyası arasında yerləşir. Kiçik qarışıq liflər (həm simpatik, həm də parasempatik lifləri ehtiva edən) ürək pleksusunun budağı və tədarükü:

Parasempatik innervasiya

Kardiyak pleksusun parasempatik hissələri töhfələr alır vagus siniri yalnız. The preganglionic liflər, sağ və sol vagus sinirlərindən dallanaraq ürəyə çatır. Bu pleksus və qulaqcıq divarları daxilində ganglionlarla sinaps edərək ürək pleksusuna daxil olurlar.

Parasempatik innervasiya aşağıdakılardan məsuldur:

  • ürək dərəcəsini azaltmaq
  • ürəyin daralma gücünü azaldır
  • koronar damarların vazokonstriksiyası (daralması)

Simpatik innervasiya

Ürək pleksusunun simpatik hissəsi ürək liflərindən ibarətdir simpatik gövdə, torakal onurğa beyninin yuxarı seqmentlərindən yaranır. Simpatik gövdənin lifləri ürək pleksusuna daxil olur ürək sinirləri. Preganglionic liflər yuxarı torakal onurğa beynindən dallanır və sinapsda aşağı servikalyuxarı torakal ganglionlar. Postganglionic liflər gangliondan ürək pleksusuna qədər uzanır.

Simpatik sinirlər aşağıdakılardan məsuldur:

  • artan ürək dərəcəsi
  • miokardın daralma gücünü artırır
  • ürəyimizin daha sürətli döyünməsinə səbəb olan 'döyüş və ya uçuş' cavabı.

Ürək afferentləri

Afferent liflər həmçinin ürək pleksusunun bir hissəsini təşkil edir. Sağ və sol vagus sinirlərindən həm simpatik ürək budaqları, həm də ürək sinirləri vasitəsilə mərkəzi sinir sisteminə qayıdırlar.

Keçiddən keçən afferentlər vagal ürək sinirləri uyğun vagus sinirinə qayıdın. Bu afferentlər qan təzyiqi və qan kimyası haqqında rəy verir.

Simpatik şöbədə, visseral afferentlər yuxarı torakal və aşağı servikal ganglionlara qayıdır. Üst servikal bölgəyə daxil olan liflər ümumiyyətlə simpatik gövdənin yuxarı torakal hissələrinə doğru yönəldilir və burada torakal ganglionlardan afferentləri birləşdirərək torakal onurğanın yuxarı torakal bölgələrinə yenidən daxil olurlar. Simpatik afferentlər ürəkdən gələn ağrı hissi.

Aşağıdakı mənbələr ürəyin innervasyonunu mənimsəməyə və biliklərinizi möhkəmləndirməyə kömək edəcək.


Videoya baxın: Kalp Tıkanıklığına Engel Olan, Damar Açan Kür - DİYANET TV (Noyabr 2021).