위상 정렬 심방 세동 매핑

심방 세동 (AF) 절제는 AF를 치료할 수있는 중요한 치료 전략이다. 그러나 지속적인 AF 절제 절차의 가변적 인 수준이 있습니다. 따라서 지속적인 AF 절제의 성공률을 개선해야합니다. 지속적인 AF 절제의 성공률을 향상시키기 위해 AF 매핑에 대한 새로운 분석 접근법을 제안합니다. 심장 내 전기 영역 (EGM)의 분석은 AF 매핑의 핵심 구성 요소입니다. 과거에는 폐 정맥 분리 (PVI)를 넘어 AF 절제를 안내하는 데 도움이되는 심방 EGM 분석에 대한 몇 가지 접근법이 개발되었습니다. 그러나, AF 카테터 절제 절차를 안내하기 위해 (PVI 제외) 없음 (PVI 제외). AF 절제에 가장 널리 사용되는 접근법은 경험적, 해부학 적 AF 절제 접근법 (PVI)입니다. 이전에 시험 된 (및 궁극적으로 실패한) 방법에는 복잡한 분별 된 심방 전기 그램 (CFAE), 우세 주파수 (DF) 매핑, 활성화 (회사) 매핑 및 섬유증 감염된 CMR 맵핑 AF 절제가 포함되었습니다. AF 절제 결과를 향상시키기 위해서는 알려진 AF 매핑 문제에 대한 새로운 솔루션이 필요하다. 제안 된 프로젝트의 성공적인 완료는 지속적인 AF 절제의 성공률을 향상시킬 것이며, 이는 심장 전기 생리학 분야의 추가 진행에 결정적으로 필요합니다. 나는 새로운 분석적 접근법을 제안했다. 공간적으로 구조화 된 동적 구성 요소를 식별하고 AF 절제 목표를 식별하기 위해 AF 심방 EGMS 매핑 데이터에 위상 정렬 스펙트럼 필터링을 적용합니다. 스펙트럼 필터링은 AF 매핑 데이터 분석에 적용되지 않은 고차원 시계열에 대한 효율적인 차원 감소입니다. 내 접근법은 관찰 된 시공간 데이터 (AF EGMS 매핑 데이터)가 더 높은 순위의 무작위 소음과 혼합 된 동적 생성 시스템 (AF 절제 목표)의 중첩 된 낮은 순위의 부드러운 진동 및 움직임을 나타내는 것으로 가정합니다. 소음에서 신호를 분리하는 것은 이러한 저급 동적 시스템을 찾아서 이해하는 데 필수적입니다. 이러한 낮은 순위 동적 시스템에는 시스템의 다른 트렌드 또는 기능에 해당하는 여러 독립적 인 구성 요소가있을 수 있습니다. 하위 순위 역학 및 고차원 시공간 시스템 (AF EGMS 맵)에 내장 된 구성 요소를 식별하기위한 새로운 프레임 워크를 제안합니다. 이는 주파수 영역에서 구조적 분해 및 위상 정렬 구조의 알려진 통계적 접근을 기반으로하며, AF EGM 분석에는 적용되지 않았다.