Técnicas de Regularización para Imagen Electrocardiográfica durante Fibrilación Auricular

Abstract

[ES] La cartografía eléctrica no-invasiva (ECGI) permite identificar las regiones auriculares causantes de la fibrilación auricular y por tanto susceptibles de ser ablacionadas. Sin embargo, la metodología de regularización para calcular los potenciales epicárdicos a partir de señales en el torso requiere de un proceso de regularización muy sensible a ruido. Recientemente se han comparado diversos métodos de regularización en modelos matemáticos de fibrilación auricular y se ha comprobado que la utilización de información combinada de registros de superficie y registros intracardiacos mediante métodos Bayesianos podría ser significativamente más precisa que los métodos clásicos de regularización. La aplicabilidad clínica de estos nuevos métodos dependerá de cuál sea la cantidad de registros intracavitarios necesarios para alcanzar una resolución precisa. En el presente trabajo final de máster se plantea un estudio centrado en la evaluación de la eficacia del método Bayesiano para reconstruir el problema inverso, así como las características concretas de las señales que serían necesarias para su correcto funcionamiento (e.g. número y posición de señales intracavitarias, etc.)

[EN] This work implements several interpolation methods for Matlab®’s software, with the purpose of recovering the total intracavitary information to proceed with the reconstruction of epicardial potentials. The aim is to solve the inverse problem using Bayes’ regularization with a reduced number of intracavitary signals, and to achieve with this reconstruction process a better precision than the classical Tikhonov regularization with the total number of nodes.