文献

J-GLOBAL ID：201702290666374348   整理番号：17A0885666

心房細動中の侵襲心臓活性と相互作用を評価するための多変量予測可能性フレームワーク【Powered by NICT】

A Multi-Variate Predictability Framework to Assess Invasive Cardiac Activity and Interactions During Atrial Fibrillation

著者 (8件)： Alcaine Alejandro (BSICoS Group, Aragon Institute of Engineering Research, IIS Aragon, Universidad de Zaragoza, Zaragoza, Spain) ,  Mase Michela (Department of PhysicsUniversity of Trento) ,  Cristoforetti Alessandro (Department of PhysicsUniversity of Trento) ,  Ravelli Flavia (Department of PhysicsUniversity of Trento) ,  Nollo Giandomenico (IRCS-FBK and BIOtech, Department of Industrial EngineeringUniversity of Trento) ,  Laguna Pablo (BSICoS Group, Aragon Institute of Engineering Research, IIS AragonUniversidad de Zaragoza) ,  Martinez Juan Pablo (BSICoS Group, Aragon Institute of Engineering Research, IIS AragonUniversidad de Zaragoza) ,  Faes Luca (IRCS-FBK and BIOtech, Department of Industrial EngineeringUniversity of Trento)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 64  号： 5  ページ： 1157-1168  発行年： 2017年 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 【目的】本研究は,Granger因果律(GC)の概念に基づく予測可能性フレームワークを提案し,心房細動(AF)時の異なる心内部位間の活性と相互作用を解析した。【方法】GC相互作用が関与する前処理心臓内信号の多変量自己回帰モデルを用いた三電極解析法を用いて研究した。方法は患者から取得した複雑な心房活性だけでなく心内膜信号のシミュレーションをカバーする異なるシナリオで評価した。【結果】結果は心房リズム複雑性を決定し,追跡し,AF中の伝搬を地図化する手法の能力を示した。【結論】提案したフレームワークは,根底にある活性化と規則性に関する情報を提供する,活性化検出または後処理アルゴリズムを必要とせず,任意多電極カテーテルの分析に適用することができる。意義:提案したフレームワークは,AFのカテーテルアブレーション介入を導くのに役立つ可能性がある。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： カテーテルアブレーション ,  心内膜 ,  *予測可能性 ,  自己回帰モデル ,  *心房細動 ,  アルゴリズム ,  *心臓 ,  カテーテル ,  *心房 ,  *相互作用 ,  前処理 ,  心カテーテル法
準シソーラス用語： 複雑性 ,  リズム ,  Granger因果律 ,  *多変量 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (9件)： 心房細動 ,  侵襲 ,  心臓 ,  活性 ,  相互作用 ,  評価 ,  多変量 ,  予測可能性 ,  フレームワーク