Les arrítmies supraventriculars, en particular la fibri·lació auricular (FA), són les enfermetats cardíaques més comunment trobades en la pràctica clínica rutinària. La prevalència de la FA és inferior  a l’1% en la població menor de 60 anys, però augmenta de manera significativa a partir dels 70 anys, apropant-se al 10% en els majors de 80. El patiment d'un episodi de FA sostinguda, a més d'estar lligat a una major taxa de mortalitat, augmenta la probabilitat de sofrir tromboembolisme, infart de miocardi i accidents cerebrovasculars. Per una altra banda, els episodis de FA paroxística, aquella que finalitza de manera espontània, són els precursors de la FA sostinguda, la qual cosa suscita un alt interés entre la comunitat científica per conéixer els mecnanismes responsables de perpetuar o conduir a la finalització espontània dels episodis de FA.

L'anàlisi de l'ECG de superfície  és la tècnica més estesa en la diagnosi mèdica de les patologies cardíaques. Per utilitzar l'ECG com a eina d'estudi de la FA, es necessita separar l'activitat auricular (AA) de la resta de senyals cardioelèctriques. En aquest sentit, les tècniques de Separació Cega de Fonts (BSS) són capaces de realitzar un anàlisi estadístic multiderivació amb l'objectiu de recuperar un conjunt de fonts cardioelèctriques independents, entre les quals es troba l'AA. A l'hora d'abordar un problema de BSS, es fa necessari considerar un model de mescla de les fonts el més ajustat possible a la realitat per poder desenvolupar algoritmes matemàtics que el resolguen. Un model viable és aquell que suposa mescles lineals. Dins d'aquest model de mescles lineals es pot a més fer la restricció de que aquestes siguen instatànies. Aquest model de mescla lineal instantània és l'utilitzat en l'Anàlisi de Components Independents (ICA). Un model de mescla alternatiu és el considerat pels algortimes BSS convolutius (CBSS), on es té en compte un procés de generació més realista de les derivacions de l'ECG amb contribucions retardades de fonts cardioelèctriques. 

En aquesta tesi s'ha dut a terme per primera vegada un estudi de rendiment dels algoritmes CBSS aplicats a l'extracció de l'AA a partir de registres d'ECG. Per fer això, s'han comparat els algoritmes CBSS més rellevants amb l'algoritme instantani FastICA,  l'efectivitat del qual  està ja ampliament contrastada. Aquesta comparació permetrà saber quins algoritmes CBSS resulten ser útils per extraure l'AA dels registres d'ECG d'episodis de FA. Per un altre costat, els algoritmes CBSS presenten el problema de requerir un nombre mínim de senyals observades per a la seua adequada aplicació. Ací es presenta un nou algoritme per a l'extracció de l'AA, basat en el model convolutiu de mescla, que resol el problema de l'escassesa de derivacions que posseixen els registres Holter. L'alt grau de similitud entre l'AA original i l'AA estimada, mesurat pels diferents indicadors de rendiment utilitzats, demostra la idoneïtat del nou mètode per a l'extracció de l'AA a partir de registres Holter, a més de posar de relleu una major robustesa front al soroll del  model convolutiu de mescla. 

La causa més comú que explica l'aparició d'episodis de FA és el mecanisme de reentrada, que consisteix en l'existència de múltiples fronts de propagació que recorren el teixit auricular. Estudis recents han demostrat la relació existent entre el nombre d'entrades simultànies i l'organització de l'activitat elèctrica de les aurícules. Per altra banda, també són coneguts la progressiva  deterioració de l'organització de l'activitat elèctrica auricular després del començament de la FA paroxística i l'increment de dita organització en els instants previs al retorn a ritme sinusal normal. El manteniment dels episodis de FA està a més relacionat amb la variabilitat de dispersió en freqüència de l'AA. Des d'un punt de vista clínic, resulta interessant  avaluar el nivell d'organització elèctrica de les aurícules mitjançant indicadors de regularitat aplicats a l'AA extreta de l'ECG de superfície amb l'objectiu de predir l'evolució de la FA paroxística. Açò es pot dur a terme desde dues perspectives distintes. La primera forma de fer-ho seria aplicar l'estimació de regularitat a l'AA tal com l'obtenen els mètodes d'extracció. Una manera alternativa d'abordar el problema seria estudiar la regularitat de certes característiques espectrals de l'AA al llarg del temps, la qual cosa no ha estat mai realitzada amb anterioritat i és motiu d'estudi en aquesta tesi.

El treball de la tesi finalitza amb la presentació d'un nou mètode per a a predicció de la sobtada terminació o el manteniment d'episodis de FA paroxística. Aquest mètode es basa en l'anàlisi de regularitat de característiques espectrals de l'AA. Durant el disseny del mètode es va analitzar la regularitat de les sèries numèriques de dotze caracterísitiques espectrals diferents. Per construir aquestes sèries es va obtenir previament l'espectrograma de l'AA. La regularitat de les sèries va ser estimada amb l'index de regularitat no lineal entropia mostral. L'entropia mostral de sis de les característiques espectrals analitzades va resultar ser estadísticament relevant per a la caracterització de la FA paroxística amb p<0.05 per a tots ells. Aquest estudi va ser completat amb un anàlisi multivariant de regularitat que realitza un estudi conjunt de les sèries de característiques espectrals i de l'AA en el domini temporal.  L'anàlisis multivariant desvela la combinació de paràmetres que optimitza la predicció, de manera que el percentatge d'episodis correctament classificats alcança el 100% per al grup d'aprenentatge i el 93.33% per al grup de test. Per tant, el mètode presentat pot ser utilitzat amb suficient fiabilitat per a predir la terminació de la FA paroxística.