Optimal Kernels application to improve late ventricular activity detection

Abstract

Después de que ocurre un infarto de miocardio, a veces se presentan pequeñas anormalidades de conducción sobre la zona infartada. A estos componentes se les llama potenciales tardíos ventriculares (VLP), y se les asocia con las arritmias ventriculares y muerte cardiaca súbita. Son componentes en la actividad de conducción ventricular que se atenúan, se fragmentan y se retrasan sobre el complejo QRS del ECG. Los VLP son muy usados como marcadores no invasivos de riesgo arrítmico, y aunque su detección es muy difícil, existen propuestas de métodos no invasivos para mejorarla. El método del dominio temporal clásico es el más utilizado para la detección de VLP, en el análisis de señales ECG de alta resolución (HRECG) de pacientes post-infartados. Sin embargo, presenta valores predictivos bajos, alta sensibilidad al ruido y excluye en su análisis a los pacientes con bloqueo de rama. En este trabajo se prueban las distintas morfologías que presentan los VLP para la obtención de un Kernel bidimensional en tiempo-frecuencia, que se adapte a las estructuras cambiantes de los VLP para cada paciente post-infartado, y logre disminuir los casos negativos falsos, pero que aumente los casos positivos verdaderos en el diagnóstico automatizado. Se analizó una base de datos de 132 señales HRECG, y se obtuvieron resultados substanciales en cuanto al aumento de los valores predictivos del diagnóstico. En el análisis, también se observó una menor sensibilidad al ruido que en el método del dominio temporal clásico.