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

Autores
Clemente, Gisela Vanesa
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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
Materia
Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/173419
Acceder
id SEDICI_381aab2c551b616ab02698fd674422c4
oai_identifier_str oai:sedici.unlp.edu.ar:10915/173419
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascularDevelopment of Wavelet-Based Tools for the Analysis of Non-Stationary Cardiovascular Time SeriesClemente, Gisela VanesaMultidisciplinaanálisis waveletelectrocardiogramasentropíawavelet analysiselectrocardiogramentropyLas 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: AplicadaFacultad de Ciencias Exactas2024-11-20info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/173419spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:46:34Zoai:sedici.unlp.edu.ar:10915/173419Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:46:34.516SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv 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
title Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
spellingShingle Desarrollo de herramientas basadas en la Transformada Wavelet para el análisis de series temporales no estacionarias de origen cardiovascular
Clemente, Gisela Vanesa
Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
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
dc.creator.none.fl_str_mv Clemente, Gisela Vanesa
author Clemente, Gisela Vanesa
author_facet Clemente, Gisela Vanesa
author_role author
dc.subject.none.fl_str_mv Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
topic Multidisciplina
análisis wavelet
electrocardiogramas
entropía
wavelet analysis
electrocardiogram
entropy
dc.description.none.fl_txt_mv 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
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.
publishDate 2024
dc.date.none.fl_str_mv 2024-11-20
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/173419
url http://sedici.unlp.edu.ar/handle/10915/173419
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616330876026880
score 13.070432

Publicaciones similares