|
Descripción
|
|
|---|---|
| La fibrilación auricular (FA) es la arritmia cardiaca más común, habiendo alcanzado proporciones epidémicas: se estima que en España podría haber 1 millón de personas con FA actualmente, con una previsión de 2 millones de afectados en 2050. Su incidencia es tan elevada que una de cada cuatro personas mayores de cuarenta años sufrirán FA a lo largo de su vida. No obstante, a pesar de ser una fuente común de hospitalización y un importante factor de riesgo en dolencias agudas y potencialmente mortales (como el infarto o el derrame cerebral), sus causas aún no son bien conocidas. Múltiples hipótesis han sido propuestas para su inicialización y mantenimiento: rotores, múltiples ondas re-entrantes, focos ectópicos, etc. Desafortunadamente, el papel de cada uno de estos mecanismos en la FA no está determinado de manera precisa. La electrocardiografía fue una de las primeras áreas en las que se aplicó el procesado digital de señales. En el caso de la FA, este se ha concentrado en el análisis espectral, destacando el uso de la frecuencia dominante para localizar áreas de arritmogénesis. Esta medida se complementa típicamente con otros descriptores temporales, como los índices de fraccionamiento y organización. Otras técnicas, como el análisis de componentes independientes (ICA), se han utilizado para separar la señal de artefactos y ruido. Sin embargo, ninguna de ellas se ha centrado en desarrollar modelos que permitan profundizar en el conocimiento de la FA y sus causas. El solicitante ha desarrollado recientemente, junto con otros colaboradores (Prof. Antonio Artés, Dr. Javier Vía y Dr. Thomas Trigano), modelos descriptivos para electrocardiogramas intra-cavitales basados en métodos de aprendizaje de señales dispersas. Esta propuesta pretende ir un paso más allá, desarrollando modelos generativos (basados en procesos Gaussianos y aprendizaje Bayesiano no paramétrico) que permitan profundizar en los mecanismos que generan y sustentan la FA. Como beneficio adicional, estos modelos permitirán, una vez entrenados, generar fácilmente señales sintéticas que se podrán utilizar para desarrollar y validar otros algoritmos. | |
|
Internacional
|
No |
|
Tipo de proyecto
|
Proyectos y convenios de financiación privada |
|
Entidad financiadora
|
Fundación BBVA |
|
Nacionalidad Entidad
|
ESPAÑA |
|
Tamaño de la entidad
|
Desconocido |
|
Fecha concesión
|
13/10/2014 |