Mostrar el registro sencillo del ítem

MODELO COMPUTACIONAL PARA LA RECONSTRUCCIÓN NO-INVASIVA DE LA ACTIVIDAD CARDIACA 3D

dc.contributor.authorDiaz, Mónica
dc.date.accessioned2024-01-29T23:59:24Z
dc.date.available2024-01-29T23:59:24Z
dc.date.issued2023-05-02
dc.date.submitted2024-01-29
dc.identifier.citationDiaz Riascos, M. (2023). MODELO COMPUTACIONAL PARA LA RECONSTRUCCIÓN NO-INVASIVA DE LA ACTIVIDAD CARDIACA 3D.es_ES
dc.identifier.urihttps://hdl.handle.net/20.500.14112/28059
dc.description.abstractEl enfoque abordado en este proyecto es la imagen electrocardiográfica (ECGI, por sus siglas en inglés), una técnica novedosa que permite obtener un mapeo eléctrico sobre la superficie del corazón sin necesidad de utilizar instrumentos ni técnicas invasivas, y con mayor resolución que la electrocardiografía tradicional. Uno de los mayores problemas alrededor de ECGI es la falta de modelos computacionales accesibles que apoyen el estudio de la actividad cardiaca. Debido a lo anterior, se propone el desarrollo de un modelo computacional asequible que permita el estudio de las anomalías cardíacas, dicho modelo es un modelo de simulación que se desarrolla en Matlab, usa bases de datos obtenidos de corazones humanos o animales, el modelo trabaja con potenciales obtenidos de torso y corazón a través del tiempo. La optimización de la solución se realiza mediante la aplicación de métodos de regularización y de filtrado que permitan la obtención de soluciones estables que garanticen la fiabilidad de las medidas de potencial reconstruido. Este proyecto hace parte de un proyecto profesoral vinculado al Grupo de Investigación de Ingeniería Mecatrónica (GRIM) y el grupo Smart Data Analysis Systems Group (SDAS Group), cuyo objetivo es fortalecer la visibilidad del grupo en materia de bioingeniería; dar a conocer la importancia del proyecto. Un tema de alto impacto que podría generar los resultados de este tipo de investigaciones sobre la comunidad científica, con efecto positivo el tratamiento en procedimientos de la electrocardiografía como ablación, y en el tratamiento de arritmias cardiacas.es_ES
dc.format.extent80 paginas
dc.format.mimetypeapplication/pdfes_ES
dc.language.isospaes_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nd/4.0/*
dc.titleMODELO COMPUTACIONAL PARA LA RECONSTRUCCIÓN NO-INVASIVA DE LA ACTIVIDAD CARDIACA 3Des_ES
dcterms.bibliographicCitationAyache, N., Chapelle, D., Clément, F., Coudière, Y., Delingette, H., Désidéri, J. A., Sermesant, M., Sorine, M., & Urquiza, J. M. (2001). Towards model-based estimation of the cardiac electro-mechanical activity from ECG signals and ultrasound images. In K. T., N. J., M. I.E., C. P., & M. J. (Eds.), 1st International Workshop on Functional Imaging and Modeling of the Heart, FIMH 2001 (Vol. 2230, pp. 120–127). Springer Verlag.es_ES
dcterms.bibliographicCitationAydin, U., & Dogrusoz, Y. S. (2011). A Kalman filter-based approach to reduce the effects of geometric errors and the measurement noise in the inverse ECG problem. Medical and Biological Engineering and Computing, 49(9), 1003–1013. https://doi.org/10.1007/s11517-011-0757-8es_ES
dcterms.bibliographicCitationBear, L. R., Dogrusoz, Y. S., Good, W., Svehlikova, J., Coll-Font, J., van Dam, E., & MacLeod, R. (2021). The Impact of Torso Signal Processing on Noninvasive Electrocardiographic Imaging Reconstructions. IEEE Transactions on Biomedical Engineering, 68(2), 436–447. https://doi.org/10.1109/TBME.2020.3003465es_ES
dcterms.bibliographicCitationBerger, T., Fischer, G., Pfeifer, B., Modre, R., Hanser, F., Trieb, T., Roithinger, F. X., Stuehlinger, M., Pachinger, O., Tilg, B., Tilg, B., & Hintringer, F. (2006). Single-Beat Noninvasive Imaging of Cardiac Electrophysiology of Ventricular Pre-Excitation. Journal of the American College of Cardiology, 48(10), 2045–2052. https://doi.org/10.1016/j.jacc.2006.08.019es_ES
dcterms.bibliographicCitationBin, G., Wu, S., Shao, M., Zhou, Z. y Bin, G. (2020). “IRN-MLSQR: An improved iterative reweight norm approach to the inverse problem of electrocardiography incorporating factorization-free preconditioned LSQR,” J. Electrocardiol., vol. 62, pp. 190–199, doi: 10.1016/j.jelectrocard.2020.08.017.es_ES
dcterms.bibliographicCitationBinici, Z., Intzilakis, T., Nielsen, O. W., Køber, L., & Sajadieh, A. (2010). Excessive supraventricular ectopic activity and increased risk of atrial fibrillation and stroke. Circulation, 121(17), 1904–1911. https://doi.org/10.1161/CIRCULATIONAHA.109.874982es_ES
dcterms.bibliographicCitationBorràs, M., & Chamorro-Servent, J. (2021). Electrocardiographic Imaging: A Comparison of Iterative Solvers. Frontiers in Physiology, 12. https://doi.org/10.3389/fphys.2021.620250es_ES
dcterms.bibliographicCitationBoyd, D. P., & Lipton, M. J. (1983). Cardiac Computed Tomography. Proceedings of the IEEE, 71(3), 298–307. https://doi.org/10.1109/PROC.1983.12588es_ES
dcterms.bibliographicCitationC. Figuera et al. (2016). “Regularization techniques for ECG imaging during atrial fibrillation: A computational study,” Front. Physiol., vol. 7, doi: 10.3389/fphys.2016.00466.es_ES
dcterms.bibliographicCitationCano, A., Castellá, M., Guasch, E., & Mont, J. (2018). Fibrilación auricular. https://www.clinicbarcelona.org/asistencia/enfermedades/fibrilacion-auriculares_ES
dcterms.bibliographicCitationCárdenas, Manuel. (2007). Fibrilación auricular. Archivos de cardiología de México, 77(Supl. 2), 9-13. Recuperado en 25 de abril de 2023, de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-99402007000600003&lng=es&tlng=es.es_ES
dcterms.bibliographicCitationCherry, E. M., Greenside, H. S. y Henriquez, C. S. (2003). “Efficient simulation of three-dimensional anisotropic cardiac tissue using an adaptive mesh refinement method,” Chaos An Interdiscip. J. Nonlinear Sci., vol. 13, no. 3, pp. 853–865, doi: 10.1063/1.1594685.es_ES
dcterms.bibliographicCitationCluitmans, M. J. M., Bonizzi, P., Karel, J. M. H., Das, M., Kietselaer, B. L. J. H., de Jong, M. M. J., Prinzen, F. W., Peeters, R. L. M., Westra, R. L., & Volders, P. G. A. (2017). In Vivo Validation of Electrocardiographic Imaging. JACC: Clinical Electrophysiology, 3(3), 232–242. https://doi.org/10.1016/j.jacep.2016.11.012es_ES
dcterms.bibliographicCitationCluitmans, M. J. M., Clerx, M., Vandersickel, N., Peeters, R. L. M., Volders, P. G. A., & Westra, R. L. (2017). Physiology-based regularization of the electrocardiographic inverse problem. Medical and Biological Engineering and Computing, 55(8), 1353–1365. https://doi.org/10.1007/s11517-016-1595-5es_ES
dcterms.bibliographicCitationCluitmans, M., Brooks, D. H., MacLeod, R., Dössel, O., Guillem, M. S., Van Dam, P. M., Svehlikova, J., He, B., Sapp, J., Wang, L., & Bear, L. (2018). Validation and opportunities of electrocardiographic imaging: From technical achievements to clinical applications. Frontiers in Physiology, 9(SEP). https://doi.org/10.3389/fphys.2018.01305es_ES
dcterms.bibliographicCitationde Los Nietos, C., & Enfermera, M. (2007). Enfermería en Cardiología N.o 40 / 1. er cuatrimestre 200 Nociones básicas de anatomía, fisiología y patología cardíaca... NOCIONEs BÁsICAs DE ANATOMíA, FIsIOlOGíA y PATOlOGíA CARDíACA: BRADIARRITMIAs y TAqUIARRITMIAs Dirección para correspondencia. In Enferm Cardiol (Issue 40).es_ES
dcterms.bibliographicCitationDiego, I; Vanegas, C. (2004). Avances en el diagnóstico y tratamiento de las arritmias cardiacas. Reconstrucción tridimensional y mapeo electromagnético del corazón. 11(6), 277–299.es_ES
dcterms.bibliographicCitationEspinoza, A., González, N., & Salido, R. (2018). Heart Electrical Potential: a Graph Representatio. ReCIBE. Revista electrónica de Computación, Informática, Biomédica y Electrónica, vol. 5, núm. 3, 2016. Universidad de Guadalajara. https://www.redalyc.org/journal/5122/512253114012/html/#:~:text=Se%C3%B1al%20electrocardiogr%C3%A1fica%20del%20coraz%C3%B3n.,asociado%20a%20una%20respuesta%20contr%C3%A1ctil.es_ES
dcterms.bibliographicCitationGiffard-Roisin, S., Jackson, T., Fovargue, L., Lee, J., Delingette, H., Razavi, R., Ayache, N., & Sermesant, M. (2017). Noninvasive Personalization of a Cardiac Electrophysiology Model from Body Surface Potential Mapping. IEEE Transactions on Biomedical Engineering, 64(9), 2206–2218. https://doi.org/10.1109/TBME.2016.2629849es_ES
dcterms.bibliographicCitationHe, B., Li, G., & Zhang, X. (2003). Noninvasive imaging of cardiac transmembrane potentials within three-dimensional myocardium by means of a realistic geometry anisotropic heart model. IEEE Transactions on Biomedical Engineering, 50(10), 1190–1202. https://doi.org/10.1109/TBME.2003.817637es_ES
dcterms.bibliographicCitationHerrera Hernandez, E., Lemuz López, R., Guillén Galván, C., & Ramos Del Olmo, Á. (n.d.). Introducción al problema inverso electrocardiográfico.es_ES
dcterms.bibliographicCitationHurtado, D. E., Castro, S. y Gizzi, A. (2016). “Computational modeling of non-linear diffusion in cardiac electrophysiology: A novel porous-medium approach,” Comput. Methods Appl. Mech. Eng., vol. 300, pp. 70–83, doi: 10.1016/j.cma.2015.11.014.es_ES
dcterms.bibliographicCitationKonttila, T., Mäntynen, V. y Stenroos, M. (2014). “Comparison of minimum-norm estimation and beamforming in electrocardiography with acute ischemia,” Physiol. Meas., vol. 35, no. 4, pp. 623–638, doi: 10.1088/0967-3334/35/4/623.es_ES
dcterms.bibliographicCitationLorange, M. y Gulrajani, R. M. (1993). “A computer heart model incorporating anisotropic propagation. I. Model construction and simulation of normal activation,” J. Electrocardiol., vol. 26, no. 4, pp. 245–261, 1993, doi: 10.1016/0022-0736(93)90047-H.es_ES
dcterms.bibliographicCitationMayo clinic. https://www.mayoclinic.org/es-es/diseases-conditions/heart-disease/diagnosis-treatment/drc-20353124es_ES
dcterms.bibliographicCitationMendoza Ruiz, A., & Garcia Serpa Osorio-de-Castro, C. (2009). Medicamentos: Hablando de calidad. Rio de Janeiro: Asociación Brasileña Interdisciplinaria de SIDA (ABIA). Obtenido de http://abiaids.org.br/_img/media/Medicamentos%20espanhol.pdfes_ES
dcterms.bibliographicCitationNash, M. P., Bradley, C. P., & Paterson, D. J. (2003). Imaging electrocardiographic dispersion of depolarization and repolarization during ischemia: Simultaneous body surface and epicardial mapping. Circulation, 107(17), 2257–2263. https://doi.org/10.1161/01.CIR.0000065602.78328.B5es_ES
dcterms.bibliographicCitationOMS. (2015). Prevención y control de las enfermedades cardiovasculares. https://www.who.int/cardiovascular_diseases/es/es_ES
dcterms.bibliographicCitationOster, H. S., & Rudy, Y. (1992). The Use of Temporal Information in the Regularization of the Inverse Problem of Electrocardiography. IEEE Transactions on Biomedical Engineering, 39(1), 65–75. https://doi.org/10.1109/10.108129es_ES
dcterms.bibliographicCitationPedrón-Torrecilla, J., Rodrigo, M., Climent, A. M., Liberos, A., Pérez-David, E., Bermejo, J., Arenal, Á., Millet, J., Fernández-Avilés, F., Berenfeld, O., Atienza, F., & Guillem, M. S. (2016). Noninvasive estimation of epicardial dominant high-frequency regions during atrial fibrillation. Journal of Cardiovascular Electrophysiology, 27(4), 435–442. https://doi.org/10.1111/jce.12931es_ES
dcterms.bibliographicCitationPérez Porto, J., Merino, M. (27 de febrero de 2014). Regularización - Qué es, definición y concepto. Definicion.de. Última actualización el 16 de febrero de 2016. Recuperado el 28 de abril de 2023 de https://definicion.de/regularizacion/es_ES
dcterms.bibliographicCitationPizzoli, M., Forster, C. y Scaramuzza, D. (2014) “REMODE: Probabilistic, monocular dense reconstruction in real time,” in Proceedings - IEEE International Conference on Robotics and Automation, pp. 2609–2616, doi: 10.1109/ICRA.2014.6907233.es_ES
dcterms.bibliographicCitationRamanathan, C., & Rudy, Y. (2001). Electrocardiographic imaging: II. Effect of torso inhomogeneities on noninvasive reconstruction of epicardial potentials, electrograms, and isochrones. Journal of Cardiovascular Electrophysiology, 12(2), 241–252. https://doi.org/10.1046/j.1540-8167.2001.00241.xes_ES
dcterms.bibliographicCitationRamanathan, C., Jia, P., Ghanem, R., Calvetti, D. y Rudy, Y. (2003). “Noninvasive electrocardiographic imaging (ECGI): Application of the generalized minimal residual (GMRes) method,” Ann. Biomed. Eng., vol. 31, no. 8, pp. 981–994, doi: 10.1114/1.1588655.es_ES
dcterms.bibliographicCitationRodrigo, M., Climent, A. M., Liberos, A., Fernández-Avilés, F., Berenfeld, O., Atienza, F., & Guillem, M. S. (2017). Highest dominant frequency and rotor positions are robust markers of driver location during noninvasive mapping of atrial fibrillation: A computational study. Heart Rhythm, 14(8), 1224–1233. https://doi.org/10.1016/j.hrthm.2017.04.017es_ES
dcterms.bibliographicCitationSana M. Al-Khatib, MD, MHS, FACC, FAHA, FHRS, W. G. S. (2018). 2017 AHA/ACC/HRS Guideline for Management of Patients With Ventricular Arrhythmias and the Prevention of Sudden Cardiac Death. College of Cardiology/American Heart Association, 138, 272–391.es_ES
dcterms.bibliographicCitationWang, L., Wong, K. C. L., Shi, P., Zhang, H., & Liu, H. (2010). Physiological-Model-Constrained Noninvasive Reconstruction of Volumetric Myocardial Transmembrane Potentials. IEEE Transactions on Biomedical Engineering, 57(2), 296–315. https://doi.org/10.1109/TBME.2009.2024531es_ES
dcterms.bibliographicCitationWang, Y., & Rudy, Y. (2006). Application of the method of fundamental solutions to potential-based inverse electrocardiography. Annals of Biomedical Engineering, 34(8), 1272–1288. https://doi.org/10.1007/s10439-006-9131-7es_ES
dcterms.bibliographicCitationWissner, E., Revishvili, A., Metzner, A., Tsyganov, A., Kalinin, V., Lemes, C., Saguner, A. M., Maurer, T., Deiss, S., Sopov, O., Chmelevsky, M., & Kuck, K.-H. (2017). Noninvasive epicardial and endocardial mapping of premature ventricular contractions. Europace, 19(5), 843–849. https://doi.org/10.1093/europace/euw103es_ES
dcterms.bibliographicCitationZhang, S. H., Tse, Z. T. H., Dumoulin, C. L., Kwong, R. Y., Stevenson, W. G., Watkins, R., Ward, J., Wang, W., & Schmidt, E. J. (2016). Gradient-induced voltages on 12-lead ECGs during high duty-cycle MRI sequences and a method for their removal considering linear and concomitant gradient terms. Magnetic Resonance in Medicine, 75(5), 2204–2216. https://doi.org/10.1002/mrm.25810es_ES
dcterms.bibliographicCitationZhou, X., Fang, L., Wang, Z., Liu, H., & Mao, W. (2020). Comparative analysis of electrocardiographic imaging and ECG in predicting the origin of outflow tract ventricular arrhythmias. Journal of International Medical Research, 48(3). https://doi.org/10.1177/0300060520913132es_ES
datacite.rightshttp://purl.org/coar/access_right/c_abf2es_ES
oaire.resourcetypehttp://purl.org/coar/resource_type/c_7a1fes_ES
oaire.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaes_ES
dc.audiencePúblico generales_ES
dc.contributor.tutorMayorca, Dagoberto
dc.identifier.instnameUniversidad Marianaes_ES
dc.identifier.reponameRepositorio Clara de Asíses_ES
dc.publisher.placePasto - Nariñoes_ES
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.ccAttribution-NoDerivatives 4.0 Internacional*
dc.subject.keywordsINVERSO, PROBLEMA, ECGI, NO INVASIVO, RECONSTRUCCIÓN, REGULARIZACIÓN, TECNICAS.es_ES
dc.type.driverinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.hasversioninfo:eu-repo/semantics/restrictedAccesses_ES
dc.type.spaTesises_ES


Ficheros en el ítem

Thumbnail
Nombre:
Modelo_computacional_para_la ...
Tamaño:
2.314Mb
Formato:
PDF
Descripción:
Informe final de trabajo de grado
Ver/
Thumbnail
Nombre:
RAI.pdf
Tamaño:
22.85Kb
Formato:
PDF
Descripción:
Resumen Analítico de Investigación ...
Ver/
Thumbnail
Nombre:
license_rdf
Tamaño:
799bytes
Formato:
application/rdf+xml
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

http://creativecommons.org/licenses/by-nd/4.0/
Excepto si se señala otra cosa, la licencia del ítem se describe como http://creativecommons.org/licenses/by-nd/4.0/