位相並列心房細動マッピング

心房細動（AF）アブレーションは重要な治療戦略であり、潜在的にAFを治すことができます。 ただし、永続的なAFアブレーション手順にはさまざまな程度の成功があります。 したがって、持続的なアブレーションの成功率を改善する必要があります。 永続的なAFアブレーションの成功率を改善するために、AFマッピングに対する新しい分析的アプローチを提案します。 心臓内電子グラム（EGM）の分析は、AFマッピングの重要なコンポーネントです。 過去には、心房EGM分析へのいくつかのアプローチが開発され、肺静脈分離（PVI）を超えたAFアブレーションの導きを支援することを目的としています。 ただし、AFカテーテルアブレーション手順を導くために（PVIを除く）が確立されていません。 アブレーションのために最も広く使用されているアプローチは、経験的で解剖学的なAFアブレーションアプローチ（PVI）です。 以前にテストされた（そして最終的に失敗した）方法には、複雑な分別心房エレクトログラム（CFAE）、支配的な周波数（DF）マッピング、アクティベーション（企業）マッピング、およびCMRごとに検出されたAFアブレーションごとに決着した線維症が含まれていました。 AFアブレーションの結果を改善するには、既知のAFマッピング問題の新しいソリューションが必要です。 提案されたプロジェクトを正常に完了すると、持続性のアブレーションの成功率が改善されます。これは、心臓電気生理学分野でのさらなる進歩のために非常に必要です。 新しい分析的アプローチを提案しました。 空間的に構造化された動的成分を識別して、AFアブレーションターゲットを特定するために、AF Artial EGMSマッピングデータに位相並列スペクトルフィルタリングを適用します。 スペクトルフィルタリングは、高次元の時系列の効率的な寸法削減であり、AFマッピングデータ分析には適用されていません。 私のアプローチでは、観察された空間的データ（AF EGMSマッピングデータ）は、高ランクのランダムノイズと混合された動的生成システム（AFアブレーションターゲット）からの重ね合わせの低い滑らかな振動と動きを表していることを前提としています。 シグナルをノイズから分離することは、これらの低ランクの動的システムを見つけて理解するために不可欠です。 このような低ランクの動的システムには、システムのさまざまな傾向または機能に対応する複数の独立したコンポーネントがある可能性があります。 私は、高次元の時空間システム（AF EGMS MAP）に埋め込まれた低ランクのダイナミクスとそのコンポーネントを識別するための新しいフレームワークを提案します。 これは、AF EGM分析には適用されていない周波数ドメインにおける構造分解と位相配列構造の既知の統計的アプローチに基づいています。