Robust Signal Processing in Cardiac Signals: Applications in Heart Rate Variability, Heart Rate Turbulence and Fibrillatory Arrhythmias

Abstract

El principal objetivo de esta Tesis Doctoral, en el campo del procesamiento digital de señales biomédicas, es el desarrollo de métodos robustos de análisis cardiaco. La Tesis tiene dos objetivos específicos, a saber, (1) caracterizar la fibrilación auricular y ventricular (FA, FV), y (2) evaluar, de forma no invasiva, el control del ritmo cardiaco por parte del Sistema Nervioso Autónomo (SNA) y el barorreflejo. El análisis espectral de electrogramas (EGM) se ha utilizado para caracterizar el ciclo medio (periodicidad) y la regularidad de la FV. Sin embargo, mediante este enfoque se descarta información relevante del espectro, como puede ser, la estructura armónica o la envolvente espectral. En el Capítulo 1 2 se presenta un método paramétrico basado en una extensión del desarrollo en serie de Fourier, que incorpora componentes para caracterizar fluctuaciones de banda estrecha. Este enfoque, llamado Fourier Organización Análisis (FOA), se utiliza para caracterizar la periodicidad e irregularidad, así como para proporcionar información detallada sobre el contenido espectral tanto de EGMs simulados como reales. Se estudiaron EGMs, registrados egistrados en desfibriladores automáticos implantables, en distintas condiciones, a saber, ritmo sinusal, taquicardia supraventricular, taquicardia ventricular y FV. Los parámetros obtenidos utilizando FOA mejoraron las mediciones de organización y regularidad obtenidas mediante los métodos clásicos. De esta forma, se puede concluir que FOA proporciona una descripción espectral detallada y más robusta. El análisis avanzado de la FA en EGM intracardiacos tiene como objetivo determinar las zonas más apropiadas para la ablación. Los métodos basados en el dominio de la frecuencia estiman la frecuencia dominante con el objetivo de identificar regiones cardiacas de rápida activación como objetivos de ablación. Sin embargo, a menudo, descartan información relevante del espectro y proporcionan una caracterización incompleta de las señales de FA complejas. En el Capítulo 3 se propone un método para estimar la frecuencia fundamental de la FA basado en una generalización , utilizando kernels, de la función de correlación para procesos estocásticos, llamado Correntropy. Este enfoque proporciona una estimación robusta de la periodicidad de señales complejas de FA y, combinado con FOA, proporciona una caracterización completa de la regularidad y del contenido espectral de la FA. Se utilizaron EGM intracardiacos en FA durante estudios electrofisilógicos con diferentes grado de complejidad, seleccionados visualmente por un experto. La estimación de la frecuencia fundamental utilizando Correntropy, combinado con un enfoque de componentes múltiples mediante FOA, permitió establecer una caracterización completa de señales de FA complejas. El análisis espectral de las series temporales latido-a-latido para evaluar la Variabilidad de la Frecuencia Cardiaca (VFC) ha sido ampliamente utilizada en la literatura. Sin embargo, esta aproximación es muy sensible a la presencia de ruido, artefactos y falsas detecciones de latidos, que son un problema común en los registros Holter. En el Capítulo 4, se propone un método robusto para interpolar series temporales muestreadas de forma no uniforme, como es el caso de la señal de VFC, basado en Support Vector Machine (SVM). Se propone utilizar un núcleo de Mercer espectralmente adaptado, basado en la autocorrelación de la serie temporal latido-a-latido. Este enfoque permite realizar un análisis espectral robusto de la señal de VFC, y podría evitar la costosa tarea de corrección manual, habitual en los registros Holter, necesaria para obtener índices espectrales fiables. La Turbulencia de la Frecuencia Cardiaca (TFC), que es la respuesta provocada por un Complejo Ventricular Prematuro (CVP), ha demostrado ser un fuerte criterio útil de estratificación de riesgo en pacientes con enfermedad cardiaca. A fin de reducir el nivel de ruido de TFC, las mediciones convencionales de TFC utilizan el promedio todos los CVP en un paciente. Sin embargo, este enfoque proporciona índices de largo plazo, con información promediada de todo el registro, y no tiene en cuenta las condiciones fisiológicas locales. En el Capítulo 4 5 se propone un método para eliminar el ruido de los CVPs individuales usando una técnica de procesamiento de señales basado en SVM. Se utilizaron CVPs estimulados durante estudio electrofisiológico como estándar de bajo ruido. El enfoque propuesto proporciona mediciones de TFC, en base de datos de Holter, con una reducción significativa en sesgo y varianza. Por lo tanto, la eliminación de ruido en TFC mediante SVM permite obtener mediciones a corto plazo, a la par que mejora el nivel de ruido de las medidas a largo plazo. La TFC está afectada por varios factores fisiológicos, principalmente por la frecuencia cardiaca (FC) y el intervalo de acoplamiento (IA) del CVP. La hipótesis fisiológica para explicar la TFC es la respuesta barorrefleja después de un CVP. Sin embargo, varios estudios han proporcionado resultados contradictorios sobre la relación entre el IA y los índices de TFC. En algunos casos, los resultados fueron incluso contrarios a la hipótesis del origen barorreflejo de la TFC. En el Capítulo 6 se propone un modelo de regresión no lineal para evaluar la influencia del IA y de la FC sobre la TFC tanto en datos de estudio electrofisiológico y de registros Holter. Los resultados mostraron que el modelo de regresión no lineal es capaz de explicar la influencia del IA sobre la TFC ,en pacientes sanos, de una forma acorde con la hipótesis barorrefleja.