El análisis de la dinámica no lineal de señales de Electrogramas Intracardiacos (EGM) ha sido propuesto como una herramienta para detectar sitios críticos de conducción eléctrica (ejm: rotores o múltiples frentes de onda) en fibrilación auricular (AF). Estudios previos han mostrado que el análisis multifractal puede ser de utilidad para detectar actividad crítica en la señal EGM. A pesar de esto, el análisis multifractal no considera la información temporal de la señal. Existe un nuevo formalismo matemático para superar esta limitación, el cual es llamado Distribución Tiempo-Singularidad del Espectro Multifractal (TS-MFSD), que involucra la variación en el tiempo del espectro. Este artículo describe una nueva metodología para calcular características a partir del TS-MFSD en señales EGM. Nosotros evaluamos los métodos descritos en una base de datos de EGM etiquetada por expertos en cuatro clases: no fragmentada, potenciales fragmentados discretos, actividad desorganizada y actividad continua. Para evaluar el rendimiento se calculó el área bajo la curva ROC. El mejor resultado de las características propuestas alcanzó un área bajo la curva ROC de 95.17% en la detección de señales con actividad continua. Este resultado supera los reportados mediante la utilización del análisis multifractal. Hasta donde sabemos, este es el primer trabajo que reporta la utilización de la TS-MFSD en señales biomédicas, y nuestros resultados sugieren que el análisis Tiempo-Singularidad tiene el potencial para estudiar el comportamiento no estacionario de las señales EGM en AF.
Non-linear analysis of electrograms (EGM) has been proposed as a tool to detect critical conduction sites (e.g., rotors vortex, multiple wavefronts) in atrial fibrillation (AF). Likewise, studies have shown that multifractal analysis is useful to detect critical activity in EGM signals. However, the multifractal spectrum does not consider the temporal information. There is a new mathematical formalism to overcome this limitation: the time-singularity multifractal spectrum distribution (TS-MFSD), which involves the time variation of the spectrum. In this manuscript, we describe the methodology to compute the TS-MFSD from EGM signals. Moreover, we propose a methodology to extract features from time-singularity spectrum and from singularity energy spectrum (SES). We tested the features in an EGM database labeled by experts as: non-fragmented, discrete fragmented potentials, disorganized activity, and continuous activity. We tested the area under the receiver operating characteristic (ROC) curve. The proposed features achieve an area under the ROC curve of 95.17% when detecting signals with continuous activity. These results outperform those reported using multifractal analysis. To our knowledge, this is the first work that report the use of TS-MFSD in biomedical signals and our findings suggest that time-singularity has the potential to be used in the study of non-stationary behavior of EGM signals in AF.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados