Abstract:
|
[ES] Las enfermedades cardiovasculares son las causantes de la mayoría de las muertes que se producen en el mundo occidental, siendo las arritmias cardiacas una de las enfermedades más frecuentes dentro de este ámbito. La ...[+]
[ES] Las enfermedades cardiovasculares son las causantes de la mayoría de las muertes que se producen en el mundo occidental, siendo las arritmias cardiacas una de las enfermedades más frecuentes dentro de este ámbito. La fibrilación auricular es la arritmia cardiaca que más gasto sanitario conlleva debido a su alta prevalencia (1-2% en la población general), que consiste en una transmisión desorganizada de los impulsos eléctricos por el tejido cardíacos de la aurícula.
Ante el desconocimiento de los mecanismos de inicio y mantenimiento de esta arritmia existen métodos experimentales como la Imagen Electrocardiográfica (ECGI) que permite estimar los potenciales epicárdicos a partir de registros electrocardiográficos de superficie. De esta forma se puede estudiar e identificar de forma no invasiva los posibles mecanismos que sustentan la fibrilación auricular. Para poder utilizar esta técnica de mapeo es necesario disponer de la anatomía de la superficie del torso y corazón del paciente, así como de la ubicación exacta de los electrodos de registro sobre el torso.
El presente proyecto tiene como finalidad definir una metodología que permita identificar la localización exacta de los electrodos sobre el modelo 3D del torso del paciente de forma automática a partir de sistemas de adquisición 3D. Para lograr dicha finalidad, se ha procedido a generar un conjunto de marcadores para los electrodos del torso de tipo ArUco y OCR que permiten su identificación individual. Se ha desarrollado un algoritmo de procesamiento de los datos adquiridos mediante escaneado 3D del torso, que permite localizar la posición de posibles candidatos a marcadores mediante clustering y permite su identificación automática aplicando el proceso de reconocimiento de patrones correspondiente. Con dicho algoritmo se ha llevado a cabo un estudio comparativo de los 2 métodos de identificación bajo estudio.
El resultado de dicha metodología ha sido más favorable al uso de marcadores de tipo OCR, ya que proporcionaron una ratio de detección automática de 93% respecto a ArUco (43%). También se vio que el proceso de modelado 3D es altamente dependiente del sensor, siendo esta tecnología la limitante para la obtención de localizaciones globales y precisas. Con esta metodología se ha logrado la automatización del proceso, lo cual permite su realización en un periodo de tiempo más reducido, mejorando su uso en la práctica clínica.
[-]
[EN] Cardiovascular diseases are the main cause of death in the western world, with cardiac arrhythmia being one of the most frequent among them. Atrial fibrillation is the cardiac arrhythmia that supposes the greatest ...[+]
[EN] Cardiovascular diseases are the main cause of death in the western world, with cardiac arrhythmia being one of the most frequent among them. Atrial fibrillation is the cardiac arrhythmia that supposes the greatest sanitary cost due to its high prevalence (1-2% in total population). It consists in a series of disorganized electric impulses which are transmitted by the cardiac atrial tissues.
Since the mechanisms of how this cardiac disorder originates and becomes recurrent have not been elucidated yet, techniques such as Electrocardiographic Imaging (ECGI) are used to estimate epicardial potentials from collected electrocardiographic data. By this way, it is possible to study the atrial fibrillation mechanisms in a non-invasive fashion. In order to use this mapping technique, it is necessary to know the anatomy of both torso and heart, as well as the exact location of the recording electrodes over the torso¿s surface.
This project aims to develop a new methodology for the identification of the exact location of the electrodes over a 3D torso model of the patient automatically from 3D acquisition systems. To attain this, a range of ArUco- and OCR-type markers have been generated for these torso electrodes, allowing their individual identification. An algorithm has been developed to process the acquired data through 3D scanning. The algorithm allows to indicate the position of potential marker candidates by clustering, as well as to automatically identify them using the appropriate pattern recognition process. A comparative study between the two studied identification methods has also been conducted using this algorithm.
The results obtained indicate a much better detection ratio while using OCR type markers (93%) against ArUco markers (43%). In addition, it was demonstrated that 3D modelling is highly sensor-dependent, thus acting as a bottleneck in the process of obtaining precise and global locations. To conclude, this methodology enabled the automation of the electrode position detection process allowing a much faster performance, thus turning the ECGI technique into a very convenient solution for clinical uses.
[-]
|