Advanced

Spatial Characterization and Estimation of Intracardiac Propagation Patterns During Atrial Fibrillation


Richter, Ulrike LU (2010) In Series of licentiate and doctoral theses, Department of Electrical and Information Technology 27.
Abstract (Swedish)
Popular Abstract in Swedish

Syftet med den aktuella forskningen är att ge en bättre förståelse av förmaksflimmer, den vanligaste rytmrubbningen i hjärtat som drabbar så många som var tionde över 70 år. Mekanismerna för förmaksflimmer är långt ifrån kartlagda, vilket bland annat leder till att behandlingen är standardiserad istället för att den beror på de mekanismer som styr varje enskild patients arytmi. Under lång tid har förmakens elektriska aktivitet betraktats som kaotisk, och först på senare tid har forskning kunnat visa att det går att urskilja vissa utbredningsmönster. I denna avhandling har flera nya metoder för att analysera utbredningen av den elektriska aktiviteten i hjärtat under förmaksflimmer tagits fram,... (More)
Popular Abstract in Swedish

Syftet med den aktuella forskningen är att ge en bättre förståelse av förmaksflimmer, den vanligaste rytmrubbningen i hjärtat som drabbar så många som var tionde över 70 år. Mekanismerna för förmaksflimmer är långt ifrån kartlagda, vilket bland annat leder till att behandlingen är standardiserad istället för att den beror på de mekanismer som styr varje enskild patients arytmi. Under lång tid har förmakens elektriska aktivitet betraktats som kaotisk, och först på senare tid har forskning kunnat visa att det går att urskilja vissa utbredningsmönster. I denna avhandling har flera nya metoder för att analysera utbredningen av den elektriska aktiviteten i hjärtat under förmaksflimmer tagits fram, vilka i framtiden kan möjliggöra mer effektiv behandling. Utöver dessa metoder, som kräver signaler registrerade inifrån hjärtat, har även en metod utvecklats för att analysera förmaksflimmer utifrån signaler registrerade på kroppsytan. Denna metod kan komma till användning vid diagnostik såväl som vid val av behandlingsform.



Förekomsten av förmaksflimmer skattas till 1–2% av befolkningen, vilket motsvarar mer än 100~000 personer i Sverige. Förmaksflimmer leder till att hjärtats förmak slår snabbt och okontrollerat, vilket kan upplevas som en fladdrande känsla i bröstet och medför besvär som försämrar livskvalitén för den drabbade. Det är dock viktigt att framhålla att även om förmaksflimmer är en sjukdom som förknippas med högre risk för stroke, så kan de drabbade i stor utsträckning fortsätta leva som vanligt långt efter diagnosen. Beroende på andra sjukdomstillstånd i eller med påverkan på hjärtat utvecklas förmaksflimmer under olika lång tid från relativt korta attacker, som går över av sig själv, via längre attacker som inte längre bryts av sig själv, till ihållande förmaksflimmer så att den normala rytmen inte längre kan återskapas.



I takt med att arytmin fortskrider sätts behandling in som innefattar medicinering, elkonvertering, och i ett sent skede även kirurgiskt ingrepp, i fall detta tillåts av patientens allmänna tillstånd. Det vanligaste kirurgiska ingreppet är ablation under vilka katetrar förs in i förmaken för att med hjälp av värmeenergi elektriskt isolera de delar av förmaken som tros driva flimret.



I dagsläget genomförs ablationer oftast enligt en standardstrategi som går ut på att isolera det område där forskning har visat att de flesta flimmerattacker uppstår. Det har dock visat sig att en del patienter återfaller till förmaksflimmer efter ablation och därför kan upprepade ingrepp bli nödvändiga. Ett sätt att förbättra effektiviteten är att utveckla metoder som kan kvantifiera utbredningsmönstret och peka ut kritiska områden för ablation. I denna avhandling har en metod utvecklats för detta syfte som analyserar de tidpunkter då en elektrisk utbredningsvåg passerar vissa elektroder på katetrarna som spelar in signalerna i förmaken. Målet är att rekonstruera den elektriska utbredningen genom att knyta samman tidpunkterna från olika platser i förmaken till vågfronter. Att detektera tidpunkterna och framförallt att bestämma vilka tidpunkter som tillhör till samma vågfront är utmaningen i denna metod, vilket kan kompliceras ytterligare då utbredningen är mer oregelbunden. En mer avancerad strategi har därefter utvecklats som analyserar signalerna i sin helhet istället för att detektera tidpunkterna. Metoden är baserad på en princip som kallas Granger-kausalitet och som analyserar utbredningsmönstret genom att bestämma orsakssambanden mellan signalerna. I denna metod antas det finnas ett direkt samband mellan varje signal, ett antagande som dock inte är realistiskt under förmaksflimmer där utbredningen av den elektriska aktiviteten är mindre organiserad och där kopplingarna kan förmodas avta med stigande avstånd. Det har därför även utvecklats en förbättrad metod för analys av Granger-kausalitet där antagandet om glesa kopplingar införlivats, vilket har lett till en markant förbättring av resultaten.



För att minska riskerna för patienten samt att sänka kostnaderna är det också intressant att utforska hur mycket information om utbredningsmönstret som kan observeras i signaler inspelade på kroppsytan. Eftersom inspelningar på kroppsytan avspeglar hela hjärtats elektriska aktivitet, är det oftast nödvändigt att i ett första steg utvinna den elektriska aktiviteten som motsvarar förmaken. I ett nästa steg kan denna aktiviteten analyseras, t.ex. med hänsyn till sin spatiella komplexitet. I denna avhandling presenteras en metod för detta syfte, och resultaten antyder att det kan finnas ett samband mellan spatiell komplexitet observerad på kroppsytan och förmaksaktivitetens organisationsgrad. (Less)
Abstract
This doctoral thesis is in the field of biomedical signal processing with focus on methods for the analysis of atrial fibrillation (AF). Paper I of the present thesis addresses the challenge of extracting spatial properties of AF from body surface signals. Different parameters are extracted to estimate the preferred direction of atrial activation and the complexity of the atrial activation pattern. In addition, the relation of the spatial properties to AF organization, which is quantified by AF frequency, is evaluated. While no significant correlation between the preferred direction of atrial activation and AF frequency could be observed, the complexity of the atrial activation pattern was found to increase with AF frequency.

... (More)
This doctoral thesis is in the field of biomedical signal processing with focus on methods for the analysis of atrial fibrillation (AF). Paper I of the present thesis addresses the challenge of extracting spatial properties of AF from body surface signals. Different parameters are extracted to estimate the preferred direction of atrial activation and the complexity of the atrial activation pattern. In addition, the relation of the spatial properties to AF organization, which is quantified by AF frequency, is evaluated. While no significant correlation between the preferred direction of atrial activation and AF frequency could be observed, the complexity of the atrial activation pattern was found to increase with AF frequency.



The remaining three papers deal with the analysis of the propagation of the electrical activity in the atria during AF based on intracardiac signals. In Paper II, a time-domain method to quantify propagation patterns along a linear catheter based on the detected atrial activation times is developed. Taking aspects on intra-atrial signal organization into account, the detected activation times are combined into wavefronts, and parameters related to the consistency of the wavefronts over time and the activation order along the catheter are extracted. Furthermore, the potential relationship of the extracted parameters to established measures from body surface signals is investigated. While the degree of wavefront consistency was not reflected by the applied body surface measures, AF frequency could distinguish between recordings with different degrees of intra-atrial signal organization. This supports the role of AF frequency as an organization measure of AF.



In Paper III, a novel method to analyze intracardiac propagation patterns based on causality analysis in the frequency domain is introduced. In particular, the approach is based on the partial directed coherence (PDC), which evaluates directional coupling between multiple signals in the frequency domain. The potential of the method is illustrated with simulation scenarios based on a detailed ionic model of the human atrial cell as well as with real data recordings, selected to present typical propagation mechanisms and recording situations in atrial tachyarrhythmias. For simulated data, the PDC is correctly reflecting the direction of coupling and thus the propagation between all recording sites. For real data, clear propagation patterns are identified which agree with previous clinical observations. Thus, the results illustrate the ability of the novel approach to identify propagation patterns from intracardiac signals during AF which can provide important information about the underlying AF mechanisms, potentially improving the planning and outcome of ablation. However, spurious couplings over long distances can be observed when analyzing real data comprised by a large number of simultaneously recorded signals, which gives room for further improvement of the method.



The derivation of the PDC is entirely based on the fit of a multivariate autoregressive (MVAR) model, commonly estimated by the least-squares (LS) method. In Paper IV, the adaptive group least absolute selection and shrinkage operator (LASSO) is introduced in order to avoid overfitting of the MVAR model and to incorporate prior information such as sparsity of the solution. The sparsity can be motivated by the observation that direct couplings over longer distances are likely to be zero during AF; an information which has been further incorporated by proposing distance-adaptive group LASSO. In simulations, adaptive and distance-adaptive group LASSO are found to be superior to LS estimation in terms of both detection and estimation accuracy. In addition, the results of both simulations and real data analysis indicate that further improvements can be achieved when the distance between the recording sites is known or can be estimated. This further promotes the PDC as a method for analysis of AF propagation patterns, which may contribute to a better understanding of AF mechanisms as well as improved AF treatment. (Less)
Please use this url to cite or link to this publication:
author
supervisor
opponent
  • Professor Chon, Ki, Worcester Polytechnic Institute, Worecester, USA
organization
publishing date
type
Thesis
publication status
published
subject
keywords
Electrogram, Atrial Fibrillation, Propagation Pattern Analysis, Biomedical Signal Processing
in
Series of licentiate and doctoral theses, Department of Electrical and Information Technology
volume
27
pages
195 pages
defense location
Lecture hall E:1406, E-building, Ole Römers väg 3, Lund University Faculty of Engineering
defense date
2010-12-10 10:15
ISSN
1654-790X
language
English
LU publication?
yes
id
4101e1e1-ed64-42fa-9724-34c5b07e056e (old id 1716817)
date added to LUP
2010-11-16 15:28:53
date last changed
2016-09-19 08:45:00
@misc{4101e1e1-ed64-42fa-9724-34c5b07e056e,
  abstract     = {This doctoral thesis is in the field of biomedical signal processing with focus on methods for the analysis of atrial fibrillation (AF). Paper I of the present thesis addresses the challenge of extracting spatial properties of AF from body surface signals. Different parameters are extracted to estimate the preferred direction of atrial activation and the complexity of the atrial activation pattern. In addition, the relation of the spatial properties to AF organization, which is quantified by AF frequency, is evaluated. While no significant correlation between the preferred direction of atrial activation and AF frequency could be observed, the complexity of the atrial activation pattern was found to increase with AF frequency.<br/><br>
<br/><br>
The remaining three papers deal with the analysis of the propagation of the electrical activity in the atria during AF based on intracardiac signals. In Paper II, a time-domain method to quantify propagation patterns along a linear catheter based on the detected atrial activation times is developed. Taking aspects on intra-atrial signal organization into account, the detected activation times are combined into wavefronts, and parameters related to the consistency of the wavefronts over time and the activation order along the catheter are extracted. Furthermore, the potential relationship of the extracted parameters to established measures from body surface signals is investigated. While the degree of wavefront consistency was not reflected by the applied body surface measures, AF frequency could distinguish between recordings with different degrees of intra-atrial signal organization. This supports the role of AF frequency as an organization measure of AF.<br/><br>
<br/><br>
In Paper III, a novel method to analyze intracardiac propagation patterns based on causality analysis in the frequency domain is introduced. In particular, the approach is based on the partial directed coherence (PDC), which evaluates directional coupling between multiple signals in the frequency domain. The potential of the method is illustrated with simulation scenarios based on a detailed ionic model of the human atrial cell as well as with real data recordings, selected to present typical propagation mechanisms and recording situations in atrial tachyarrhythmias. For simulated data, the PDC is correctly reflecting the direction of coupling and thus the propagation between all recording sites. For real data, clear propagation patterns are identified which agree with previous clinical observations. Thus, the results illustrate the ability of the novel approach to identify propagation patterns from intracardiac signals during AF which can provide important information about the underlying AF mechanisms, potentially improving the planning and outcome of ablation. However, spurious couplings over long distances can be observed when analyzing real data comprised by a large number of simultaneously recorded signals, which gives room for further improvement of the method.<br/><br>
<br/><br>
The derivation of the PDC is entirely based on the fit of a multivariate autoregressive (MVAR) model, commonly estimated by the least-squares (LS) method. In Paper IV, the adaptive group least absolute selection and shrinkage operator (LASSO) is introduced in order to avoid overfitting of the MVAR model and to incorporate prior information such as sparsity of the solution. The sparsity can be motivated by the observation that direct couplings over longer distances are likely to be zero during AF; an information which has been further incorporated by proposing distance-adaptive group LASSO. In simulations, adaptive and distance-adaptive group LASSO are found to be superior to LS estimation in terms of both detection and estimation accuracy. In addition, the results of both simulations and real data analysis indicate that further improvements can be achieved when the distance between the recording sites is known or can be estimated. This further promotes the PDC as a method for analysis of AF propagation patterns, which may contribute to a better understanding of AF mechanisms as well as improved AF treatment.},
  author       = {Richter, Ulrike},
  issn         = {1654-790X},
  keyword      = {Electrogram,Atrial Fibrillation,Propagation Pattern Analysis,Biomedical Signal Processing},
  language     = {eng},
  pages        = {195},
  series       = {Series of licentiate and doctoral theses, Department of Electrical and Information Technology},
  title        = {Spatial Characterization and Estimation of Intracardiac Propagation Patterns During Atrial Fibrillation
},
  volume       = {27},
  year         = {2010},
}