Diseño de una red neuronal artificial para la extracción de características implícitas de la geometría auricular a partir de señales electrográficas

Abstract

[ES] En el presente trabajo se pretende diseñar y desarrollar una red neuronal artificial (RNA) volumétrica para la obtención de información implícita relacionada con la geometría auricular a partir de señales electrocardiográficas (ECG) registradas en el torso del paciente. Esta herramienta tiene como objetivo disminuir el uso de pruebas de imagen médica para localizar la posición de las aurículas, reduciendo así el tiempo de diagnóstico e intervenciones relacionadas con cardiopatías auriculares, así como el coste de las técnicas utilizadas. Para conseguir el objetivo propuesto, se desarrollará una base de datos de aurículas a partir de técnicas de Data Augmentation basadas en el uso de modelos estadísticos deformables (Shape Models) para generar distintas instancias. Asimismo, se integrarán las propagaciones electrofisiológicas sobre las geometrías auriculares generadas y posteriormente se obtendrán las señales en la superficie del torso. Finalmente, se diseñará la arquitectura de la red neuronal para obtener las características implícitas de las geometrías auriculares y se evaluarán los resultados obtenidos haciendo uso de distintas métricas.

[EN] In the present work, we intend to design and develop a volumetric artificial neural network (ANN) to obtain implicit information related to atrial geometry from electrocardiographic (ECG) signals recorded in the patient's torso. This tool aims to reduce the use of medical imaging tests to locate the position of the atria, thus reducing the time of diagnosis and interventions related to atrial heart disease, as well as the cost of the techniques used. To achieve the proposed objective, a database of atria will be developed from Data Augmentation techniques based on the use of deformable statistical models (Shape Models) to generate different instances. Likewise, the electrophysiological propagations on the generated atrial geometries will be integrated and subsequently the signals will be obtained on the surface of the torso. Finally, the architecture of the neural network will be designed to obtain the implicit characteristics of the atrial geometries and the results obtained using different metrics will be evaluated.

[CAT] En aquest treball s’ha dissenyat i desenvolupat una xarxa neuronal artificial (XNA) volumètrica per a l'obtenció d'informació implícita relacionada amb la geometria auricular a partir de senyals electrocardiogràfics (ECG) registrats al tors del pacient. Aquesta eina té com a objectiu millorar l’estimació de la localització auricular i disminuir en un futur l’ús de proves d’imatge mèdica per localitzar la posició, reduint així el temps de diagnòstic i intervencions relacionades amb cardiopaties auriculars, així com el cost de les tècniques utilitzades. Per aconseguir l'objectiu proposat, s’ha desenvolupat una base de dades d'aurícules a partir de tècniques de Data Augmentation basades en l'ús de models estadístics deformables (Shape Models) per generar instàncies diferents. Així mateix, s’han integrat les propagacions electrofisiològiques sobre les geometries auriculars generades i posteriorment s’han obtingut els senyals a la superfície del tors. Finalment, s’ha dissenyat l'arquitectura de la xarxa neuronal per obtenir les característiques implícites de les geometries auriculars i s’han avaluat els resultats obtinguts fent ús de diferents mètriques.