Mappatura della fibrillazione atriale allineata in fase

L'ablazione atriale di fibrillazione (AF) è un'importante strategia di trattamento, potenzialmente in grado di curare AF. Tuttavia, esiste un grado variabile di successo della persistente procedura di ablazione AF. Pertanto, è necessario migliorare il tasso di successo dell'ablazione di AF persistente. Per migliorare il tasso di successo dell'ablazione AF persistente, propongo un nuovo approccio analitico alla mappatura AF. L'analisi degli elettrogrammi intracardiaci (EGM) è il componente chiave della mappatura AF. In passato, sono stati sviluppati diversi approcci all'analisi dell'EGM atriale, con l'obiettivo di aiutare l'ablazione AF oltre l'isolamento delle vene polmonari (PVI). Tuttavia, nessuno (tranne PVI) è stato istituito per guidare la procedura di ablazione del catetere AF. L'approccio più utilizzato per l'ablazione AF è un approccio empirico di ablazione AF (PVI). I metodi precedentemente testati (e infine falliti) includevano elettrogramma atriale frazionato (CFAÉ), mappatura di frequenza dominante (DF), mappatura di attivazione (azienda) e ablazione AF-mappatura della fibrosi per la mappatura-CMR. È necessaria una nuova soluzione al noto problema di mappatura AF per migliorare i risultati dell'ablazione AF. Il completamento con successo del progetto proposto migliorerà il tasso di successo dell'ablazione persistente, che è fondamentalmente necessaria per ulteriori progressi nel campo dell'elettrofisiologia cardiaca. Ho proposto un nuovo approccio analitico. Applicherò il filtro spettrale allineato in fase ai dati di mappatura degli EGM atriali AF per identificare i componenti dinamici strutturati spazialmente e identificare quindi gli obiettivi di ablazione AF. Il filtraggio spettrale è una riduzione della dimensione efficiente per le serie temporali ad alta dimensione, che non è stata applicata all'analisi dei dati di mappatura AF. Il mio approccio presuppone che i dati spazio-temporali osservati (dati di mappatura degli EGM AF) rappresentino oscillazioni e movimenti lisci sovrapposti a livello inferiore da un sistema generativo dinamico (target di ablazione AF) miscelati con rumori casuali più alto. Separare i segnali dai rumori è essenziale per noi per individuare e comprendere questi sistemi dinamici a basso rango. È possibile che un sistema dinamico così basso abbia più componenti indipendenti corrispondenti a diverse tendenze o funzionalità del sistema. Propongo un nuovo framework per identificare la dinamica inferiore e i loro componenti incorporati in un sistema spazio-dimensionale (mappa AF EGMS). Si basa su un approccio statistico noto di decomposizione strutturale e costruzione allineata a fase nel dominio di frequenza., Che non è stato applicato all'analisi EGM AF.