logo móvil
Contáctanos

Mapeo Electroanatómico No Invasivo: Un Enfoque de Espacio de Estados para la Estimación de la Densidad de Corriente Miocárdica

Autores: Engelhardt, Erik; Elzenheimer, Eric; Hoffmann, Johannes; Meledeth, Christy; Frey, Norbert; Schmidt, Gerhard

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Mapeo Electroanatómico No Invasivo: Un Enfoque de Espacio de Estados para la Estimación de la Densidad de Corriente Miocárdica


Categoría

Ingeniería y Tecnología

Subcategoría

Bioingeniería

Palabras clave

Mapeo electroanatómico
Arritmias cardíacas
Cateterización
Electrofisiología
Imagen de MCG
Actividad eléctrica

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 26

Citaciones: Sin citaciones


Descripción
El mapeo electroanatómico es un método para crear un modelo de la electrofisiología del corazón humano. Los profesionales médicos localizan y ablatan rutinariamente el sitio de origen de las arritmias cardíacas con cateterización invasiva. La localización no invasiva toma la forma de imágenes electrocardiográficas (ECG) o magnetocardiográficas (MCG), donde el objetivo es reconstruir la actividad eléctrica del corazón humano. Las alternativas no invasivas al mapeo electroanatómico con catéter reducirían los riesgos de los pacientes y abrirían nuevas oportunidades para la planificación y prevención del tratamiento. Este trabajo presenta un nuevo método basado en el estado del sistema para estimar la actividad eléctrica del corazón humano a partir de medidas de MCG. Nuestro modelo permite trayectorias y velocidades de propagación arbitrarias. Un filtro de Kalman estima de manera óptima las densidades de corriente bajo las medidas y parámetros del modelo dados. En un bucle de optimización externo, estos parámetros del modelo se optimizan mediante descenso de gradiente. Este documento tiene como objetivo establecer la base para investigaciones futuras proporcionando una explicación matemática detallada del algoritmo. Demostramos la viabilidad de nuestro método a través de una simulación simplificada de una sola capa. Nuestros resultados muestran que el algoritmo puede aprender las trayectorias de propagación a partir de las medidas magnéticas. Una segmentación basada en umbrales en tejido sano y patológico produce un puntaje DICE de 0.84, una sensibilidad de 0.77 y una precisión de 0.93.

Otros recursos que podrían interesarte

Temas Virtualpro