デコンボリューション: 分割された電図から活性化時間を決定し,心臓発作組織を検出するための新しい信号処理方法

科学分野:

• 電気生理学 電気生理学
• シグナル処理 信号処理
• バイオメディカルエンジニアリング

背景:

• 電気生理学における信号処理は,活性化マッピングと組織基板の特徴化に不可欠である.
• 活性化時間の推定と心臓発作の検出のための現在の方法は,限界があります.
• 精度と検出能力を向上させるため,新しいデコンボリューション法が提案されています.

研究 の 目的:

• 局所活性化時間を推定するためのデコンボリューションベースの信号処理方法の精度を評価する.
• 心筋梗塞の兆候である形態学的変化を定量化するためのデコンボリューションの能力を評価する.
• 振幅と導関数などの従来のメトリックに対してデコンボリューションのパフォーマンスを比較する.

主な方法:

• 600個の単極電図をコンピュータモデル化し,様々な程度の結合異質性を用いて,心臓発作をシミュレートする.
• ピークの内向きのナトリウム電流に基づいて,局所活性化時間の計算.
• デコンボリューション,最小導関数,最大振幅アルゴリズムの適用.
• 実験的に誘発された心筋梗塞の犬からの380単極電図を用いた検証.

主要な成果:

• Deconvolutionは,局所活性化時間を正確に決定する際の幅度,導関数,および手動の見積もりを大幅に上回りました (P < .0001).
• 解凍アルゴリズムは,心筋梗塞に関連する形態学的変化の定量化において優れた性能を示した (P < .0001).
• 受信器の動作曲線は,心臓発作の領域を検出する際にデコンボリューションの有効性を確認しました.

結論:

• デコンボリューションは,既存の技術と比較して,電図における局所活性化時間を推定するためのより正確な方法である.
• Deconvolutionは,エレクトログラムの形態の変化を効果的に定量化し,心筋梗塞の優れた検出を可能にします.
• この新しい信号処理アプローチは,臨床電気生理学メトリックの強化に大きな期待を示しています.