Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular

Las enfermedades cardiovasculares son una de las principales causas de mortalidad [1], destacándose el infarto de miocardio (IM) como una condición crítica que afecta la conducción eléctrica del corazón tras el daño del tejido miocárdico. Analizamos dos fases posteriores al IM: la fase de curación (...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Clemente, Gisela Vanesa
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/173419
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-173419
record_format dspace
spelling I19-R120-10915-1734192025-04-01T21:21:10Z http://sedici.unlp.edu.ar/handle/10915/173419 Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular Development of Wavelet-Based Tools for the Analysis of Non-Stationary Cardiovascular Time Series Clemente, Gisela Vanesa 2024-11-20 2024 2024-11-15T21:27:18Z es Multidisciplina análisis wavelet electrocardiogramas entropía wavelet analysis electrocardiogram entropy Las enfermedades cardiovasculares son una de las principales causas de mortalidad [1], destacándose el infarto de miocardio (IM) como una condición crítica que afecta la conducción eléctrica del corazón tras el daño del tejido miocárdico. Analizamos dos fases posteriores al IM: la fase de curación (hasta una semana después, MI7) y la fase de cicatrización (más de dos meses después, MI60). Durante estas etapas, pueden surgir complicaciones cardíacas, incluída la muerte súbita. Por ello, estudiamos los electrocardiogramas (ECG) de pacientes sanos (CTRL) y pacientes en las etapas MI7 y MI60, de las bases de datos PTB y PTB XL, para evaluar la presencia de contenido de alta frecuencia vinculada a IM. Propusimos indicadores basados en la entropía de Shannon y la complejidad estadística, calculando la energía wavelet relativa y la transformada wavelet continua en el ECG [2]. Utilizamos las curvas ROC para evaluar estos indicadores, obteniendo resultados significativos al hacer validación cruzada con las bases de datos anteriormente nombradas: CTRL vs. MI7: Sensibilidad (%): 0.79; Especificidad (%): 0.77; AUC: 0.80. CTRL vs. MI60: Sensibilidad (%): 0.69; Especificidad (%): 0.58; AUC: 0.63.Aunque los indicadores propuestos fueron estadísticamente significativos para diferenciar los grupos, no se observaron incrementos de la misma magnitud y sentido en los grupos de ambas bases de datos. Sin embargo, queda abierta la posibilidad de que estos indicadores, junto con otros, puedan generalizarse para la separación de grupos en diferentes patologías, como la isquemia.Bibliografía:[1] World Health Organization. Cardiovascular diseases, 2023.[2] Valverde E. R., Clemente G.V., Arini P.D. and Vampa V. Wavelet-based entropy and complexity to identify cardiac electrical instability in patients post myocardial infarction. Biomedical Signal Processing and Control. 69 102846. 2021. Carrera: Doctorado de la Facultad de Ciencias Exactas en el Área Matemática (Cat. A Res. 482/14 CONEAU) Lugar de trabajo: Centro de Matemática de La Plata (CMaLP) Organismo: CONICET Año de inicio de beca: 2021 Año de finalización de beca: 2027 Apellido, Nombre del Director/a/e: Llamedo Soria, Mariano Apellido, Nombre del Codirector/a/e: Andrini, Leandro Lugar de desarrollo: Centro de Matemática de La Plata (CMaLP) Áreas de conocimiento: Multidisciplina Tipo de investigación: Aplicada Facultad de Ciencias Exactas Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
spellingShingle Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
Clemente, Gisela Vanesa
Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
topic_facet Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
description Las enfermedades cardiovasculares son una de las principales causas de mortalidad [1], destacándose el infarto de miocardio (IM) como una condición crítica que afecta la conducción eléctrica del corazón tras el daño del tejido miocárdico. Analizamos dos fases posteriores al IM: la fase de curación (hasta una semana después, MI7) y la fase de cicatrización (más de dos meses después, MI60). Durante estas etapas, pueden surgir complicaciones cardíacas, incluída la muerte súbita. Por ello, estudiamos los electrocardiogramas (ECG) de pacientes sanos (CTRL) y pacientes en las etapas MI7 y MI60, de las bases de datos PTB y PTB XL, para evaluar la presencia de contenido de alta frecuencia vinculada a IM. Propusimos indicadores basados en la entropía de Shannon y la complejidad estadística, calculando la energía wavelet relativa y la transformada wavelet continua en el ECG [2]. Utilizamos las curvas ROC para evaluar estos indicadores, obteniendo resultados significativos al hacer validación cruzada con las bases de datos anteriormente nombradas: CTRL vs. MI7: Sensibilidad (%): 0.79; Especificidad (%): 0.77; AUC: 0.80. CTRL vs. MI60: Sensibilidad (%): 0.69; Especificidad (%): 0.58; AUC: 0.63.Aunque los indicadores propuestos fueron estadísticamente significativos para diferenciar los grupos, no se observaron incrementos de la misma magnitud y sentido en los grupos de ambas bases de datos. Sin embargo, queda abierta la posibilidad de que estos indicadores, junto con otros, puedan generalizarse para la separación de grupos en diferentes patologías, como la isquemia.Bibliografía:[1] World Health Organization. Cardiovascular diseases, 2023.[2] Valverde E. R., Clemente G.V., Arini P.D. and Vampa V. Wavelet-based entropy and complexity to identify cardiac electrical instability in patients post myocardial infarction. Biomedical Signal Processing and Control. 69 102846. 2021.
format Objeto de conferencia
Objeto de conferencia
author Clemente, Gisela Vanesa
author_facet Clemente, Gisela Vanesa
author_sort Clemente, Gisela Vanesa
title Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
title_short Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
title_full Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
title_fullStr Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
title_full_unstemmed Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
title_sort desarrollo de herramientas basadas en la transformada wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/173419
work_keys_str_mv AT clementegiselavanesa desarrollodeherramientasbasadasenlatransformadawaveletparaelanalisisdeseriestemporalesnoestacionariasdeorigencardiovascular
AT clementegiselavanesa developmentofwaveletbasedtoolsfortheanalysisofnonstationarycardiovasculartimeseries
_version_ 1833157946733756416

Ejemplares similares