Detección automática de calidad de electrogramas para la identificación de reentradas eléctricas durante fibrilación auricular mediante mapa de fase 3D

• A. Costoya Sánchez ^[1] ; A.M. Climent ^[3] ; A. Liberos ^[1] ; S.M. Narayan ^[2] ; F. Atienza ^[3] ; M.S. Guillem ^[1] ; M. Rodrigo
  1. [1] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
  2. [2] Stanford University

     Stanford University

     Estados Unidos

     
  3. [3] CIBERCV, Madrid, España

  Mostrar afiliaciones +
• Localización: Libro de Actas del XXXVI Congreso Anual de la Sociedad Española de Ingeniería Biomédica / coord. por María Gloria Bueno García, 2018, ISBN 978-84-09-06253-9, págs. 119-122
• Idioma: español
• Enlaces
  • Texto Completo Libro (pdf)
• Resumen

  • La localización de las reentradas de la actividad eléctrica que dirigen la fibrilación auricular es esencial para las terapias de ablación. El objetivo de este trabajo es estudiar el efecto de la calidad de las señales utilizadas para la identificación de reentradas mediante análisis de fase en mapas 3D, y la automatización de este proceso de revisión de señales. Se realizaron 259 registros de electrogramas en 29 pacientes con catéteres tipo basket de 64 electrodos que fueron revisados por un observador para identificar aquellos de baja calidad. Descartando los rotores localizados en regiones con registros de baja calidad se incrementó el área bajo la curva ROC del modelo de detección desde 0.69 a 0.80. Con los electrogramas registrados se entrenó un algoritmo clasificador para identificar aquellos de baja calidad de forma automática, obteniendo una sensibilidad de 0.91 y especificidad de 0.85. Aplicando este algoritmo automático para el descarte de señales ruidosas, se mantuvo un área bajo la curva de 0.80 en la detección de rotores. El descarte de rotores en regiones con electrogramas registrados de forma inadecuada mejoró significativamente la especificidad del modelo de detección mediante fase 3D. Además, las señales de alta y baja calidad presentaron diferencias significativas en ciertos parámetros, haciendo viable su identificación automática.