Análisis de la sincronización espacial en señal de fibrilación ventricular

Abstract

[ES] Durante la fibrilación auricular (FA) y ventricular (FV), la actividad eléctrica presenta un patrón de activación altamente desorganizado, y se pierde la efectividad mecánica. Esto ha propiciado que clásicamente se definiera la fibrilación como una arritmia aleatoria y completamente desorganizada. No obstante, trabajos recientes sugieren que existe cierta organización entre activaciones. El objetivo del presente trabajo es la descripción del grado de organización espacial de diferentes registros de fibrilación ventricular en modelos experimentales de corazón aislado mediante el cálculo de un número reducido de parámetros. Se analiza, por tanto, la posibilidad de utilizar esos parámetros en el diseño de sistemas de clasificación de diferentes clases de FV. En primer lugar se lleva a cabo una revisión bibliográfica de parámetros usados en procesado de señal de FA o FV y se seleccionan algunos de ellos para su implementación en código Matlab y su aplicación en registros multi-electrodo de FV. En total, se calculan 7 parámetros: frecuencias dominante y media, índice de regularidad, correlación espacial, coherencia espectral e índices de sincronización y acoplamiento. Previamente a su aplicación, los algoritmos se calibran para ajustarse a las características de la señal con la que se trabaja: FV en corazones de conejo de la raza Nueva Zelanda. En un principio se analizan registros monopolares pertenecientes a 11 subclases que se agrupan en 4 clases: FV y entrenamiento físico, FV e isquemia, y FV y estiramiento de fibras con y sin administración de fármaco. Más tarde, se crean 11 registros bipolares a partir de los 11 de partida. Se representan mapas de organización y se crean tablas de resultados que se almacenan en ficheros de datos para un posible análisis posterior. Los resultados también son almacenados en una estructura de tipo array de celdas. Las pruebas de comparación de medias realizadas demuestran que existen diferencias estadísticamente significativas entre parámetros calculados para diferentes subclases de fibrilación dentro de cada clase. Asimismo, todos los parámetros son capaces de distinguir entre las subclases de FV bajo estiramiento con y sin fármaco. Por último, se ilustra la diferencia que existe en los parámetros calculados cuando se realizan registros monopolares o bipolares de un mismo proceso. Desde el punto de vista de los parámetros, el índice de sincronización y la correlación espacial son los que presentan mayor capacidad de discriminación entre subclases.

[EN] During atrial (AF) and ventricular fibrillation (VF), electrical activity presents a highly disorganized pattern and mechanical effectiveness is lost. Consequently, fibrillation has been traditionally defined as a random, totally disorganized arrhythmia. Recent studies suggest, however, the existence of a certain degree of organization in the activation pattern. The aim of this work is to describe the degree of spatial organization of VF signals in an experimental model of isolated heart with a small number of parameters. Those parameters might be later used as part of VF classification systems. First of all, a review of the parameters used in either AF or VF processing is done. Some of those parameters will be selected, implemented in Matlab code and applied to several VF multi-electrode registers. Seven parameters are chosen: dominant and mean frequencies, regularity index, spatial correlation, spectral coherence, and synchronization and coupling indexes. Prior to applying the algorithms, they must be calibrated in order to fit the characteristics of the processed signal: VF electrograms from New Zealand white rabbit¿s heart. At first, 11 unipolar registers corresponding to 11 subclasses from 4 main classes are analyzed: VF & physical training, VF & ischemia, VF & stretched tissue with and without drug administration. Those unipolar registers are later used in order to create 11 new bipolar registers. Organization maps are represented and the results tabulated and stored in data files for further analysis. They can also be stored in a Matlab cell array. Wilcoxon signed rank tests show the existence of significant differences among parameters estimated for the subclasses in each of the 4 main classes. In the same way, all the parameters are able to distinguish between without and with-drug administration analogous subclasses in the classes VF & stretched tissue. The synchronization index and the spatial correlation seem to be the best choice in order to design a VF classification algorithm.