[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
اصول اخلاقی::
ثبت نام و اشتراک::
تسهیلات پایگاه::
تماس با ما::
::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Copyright Policies

AWT IMAGE

..
Open Access Policy

نحوه دسترسی به تمام مقالات مجله بصورت زیر است:

Creative Commons License
..

..
ثبت شده در

AWT IMAGE

AWT IMAGE

..
:: دوره 11، شماره 2 - ( بهار 1402 ) ::
دوره 11 شماره 2 صفحات 74-65 برگشت به فهرست نسخه ها
شناسایی کانون‌های آریتمی دهلیزی با استفاده از سیگنال ECG و تأثیر سیستم عصبی خودمختار
فاطمه محمدی ، علی شیخانی* ، فربد رزازی ، علیرضا قربانی شریف
گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران ، sheikhani_al_81@srbiau.ac.ir
چکیده:   (956 مشاهده)
مقدمه: هر گونه اختلال در ریتم ضربان قلب را آریتمی قلبی می‌نامند. یکی از رایج‌ترین روش‌های درمان آریتمی قلبی، فرسایش با امواج رادیویی فرکانس بالا (ابلیشن) است. تعیین موقعیتی از قلب که باید تحت ابلیشن قرار گیرد، توسط پزشک متخصص در حین مطالعات الکتروفیزیولوژیک قلب (EPS) و تحت تابش اشعه ایکس انجام می شود. سیگنال ECG ابزاری غیر‌تهاجمی، ایمن و سریع برای درک فعالیت الکتریکی قلب است. از سوی دیگر، سیستم عصبی قلب نیز فعالیت الکتریکی قلب را کنترل می‌کند. پژوهش حاضر در نظر دارد کانون آریتمی دهلیزی را با استفاده از ویژگی‌های سیگنال ECG شناسایی کند و تأثیر سیستم عصبی خودمختار در درمان آریتمی‌های قلبی را ارزیابی نماید. مواد و روش‌ها: 12 لید استاندارد سیگنال ECG بیماران مبتلا به آریتمی دهلیزی ثبت می‌شود. ضربان‌های هر سیگنال با استفاده از الگوریتم پن- تامپکینز جداسازی شده و ویژگی‌های هر ضربان توسط الگوریتم تجزیه به مؤلفه‌های مستقل (ICA) استخراج می‌شود. بر اساس ویژگی‌های استخراج شده و تشکیل دیکشنری الگوریتم تجزیه تنک، موقعیت قرارگیری کانون‌های آریتمی در داخل دهلیز چپ، دهلیز راست و ناحیه بین دو دهلیز (سپتوم) تخمین زده می‌شود. عملکرد سیستم عصبی خودمختار نیز با استفاده از مشخصه‌های فرکانسی سیگنال تغییرات نرخ ضربان قلب (HRV) مورد بررسی قرار می‌گیرد. یافته‌ها: طبقه‌بندی ویژگی‌های هر ضربان سیگنال ECG از 52 بیمار، قرارگیری کانون‌های آریتمی را در داخل دهلیز راست، دهلیز چپ و سپتوم مشخص می‌کند. یافته‌های پژوهش نشان می‌دهد که آنالیز سیگنال ECG می‌تواند محل ابلیشن را در داخل دهلیز چپ یا راست با دقت بیش از 93 درصد تخمین بزند. بررسی تعادل سمپاتیک و پاراسمپاتیک در سیستم عصبی خودمختار با استفاده از آنالیز فرکانسی سیگنال HRV نشان می‌دهد که این سیستم نقش مهمی در تشدید یا بهبود آریتمی‌های قلبی دارد. نتیجه‌گیری: آنالیز سیگنال ECG بیماران مبتلا به تاکیکاردی دهلیزی یک ابزار مناسب و دقیق جهت شناسایی موقعیت قرارگیری کانون‌های آریتمی، قبل از مطالعات الکتروفیزیولوژیک و ابلیشن است. حفظ تعادل سیستم عصبی قلبی در درمان آریتمی موثر است و مطالعات بالینی بیشتر در این زمینه به افزایش اثربخشی درمان آریتمی قلبی کمک می‌کند.
واژه‌های کلیدی: الکتروکاردیوگرافی، الکتروفیزیولوژی، آریتمی، قلبی، سامانه عصبی خودمختار
متن کامل [PDF 1005 kb]   (627 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تحقیقات پایه در علوم اعصاب
فهرست منابع
1. Kistler P M, Roberts-Thomson K C, Haqqani H M, Fynn S P, Singarayar S, et al. P-wave morphology in focal atrial tachycardia: development of an algorithm to predict the anatomic site of origin. Journal of the American College of Cardiology, 2006; 48(5): 1010-017. [DOI:10.1016/j.jacc.2006.03.058]
2. Teh A W, Kistler P M, & Kalman J M, Using the 12‐Lead ECG to Localize the Origin of Ventricular and Atrial Tachycardias: Part 1. Focal Atrial Tachycardia: CME. Journal of cardiovascular electrophysiology, 2009; 20(6): 706-09. [DOI:10.1111/j.1540-8167.2009.01456.x]
3. Shah A J, Lim, H S, Yamashita, S, Zellerhoff, S, Berte, B, Mahida, et al. Non invasive ecg mapping to guide catheter ablation. Journal of atrial fibrillation, 2014; 7(3).
4. Alday E A P, Colman M A, Langley P, Butters T D, Higham, et al. A New Algorithm to Diagnose Atrial Ectopic Origin from Multi Lead ECG Systems - Insights from 3D Virtual Human Atria and Torso, PLOS Comput. Biol., 2015; 11(1): 1-15. [DOI:10.1371/journal.pcbi.1004026]
5. Provost J, Costet A, Wan E, Gambhir A, Whang W, Garan H, & Konofagou E E, Assessing the atrial electromechanical coupling during atrial focal tachycardia, flutter, and fibrillation using electromechanical wave imaging in humans, Computers in biology and medicine, 2015; 65: 161-67. [DOI:10.1016/j.compbiomed.2015.08.005]
6. Ramanathan C, Ghanem R N, Jia P, Ryu K, & Rudy Y, Noninvasive electrocardiographic imaging for cardiac electrophysiology and arrhythmia. Nature medicine, 2004; 10(4): 422-28. [DOI:10.1038/nm1011]
7. Falahati M, Abbaszadeh M & Zokaei M, Common Methods in the Analysis of Heart Rate Variability: A Review Study, Iran Occupational Health, 202; 17(43): 1-13.
8. Baselli G, Cerutti S, Civardi S, Lombardi F, Malliani A., Merri M, ... & Rizzo G, Heart rate variability signal processing: a quantitative approach as an aid to diagnosis in cardiovascular pathologies. International journal of bio-medical computing, 1987; 20(1-2): 51-70. [DOI:10.1016/0020-7101(87)90014-6]
9. Casolo G C, Stroder P, Signorini C, Calzolari F, Zucchini M, Balli E, ... & Lazzerini S, Heart rate variability during the acute phase of myocardial infarction. Circulation, 1992; 85(6): 2073-2079. [DOI:10.1161/01.CIR.85.6.2073]
10. Fioranelli M, Piccoli M, Mileto G M, Sgreccia F, Azzolini, et al. Analysis of heart rate variability five minutes before the onset of paroxysmal atrial fibrillation. Pacing and clinical electrophysiology, 1999; 22(5): 743-749. [DOI:10.1111/j.1540-8159.1999.tb00538.x]
11. Lombardi F, Colombo A, Basilico B, Ravaglia R, Garbin, M., Vergani,et al. Heart rate variability and early recurrence of atrial fibrillation after electrical cardioversion. Journal of the American College of Cardiology, 2001; 37(1): 157-62. [DOI:10.1016/S0735-1097(00)01039-1]
12. Khan A A, Lip G Y, & Shantsila A, Heart rate variability in atrial fibrillation: The balance between sympathetic and parasympathetic nervous system. European journal of clinical investigation, 2019; 49(11). [DOI:10.1111/eci.13174]
13. Pan J & Tompkins W J, A real-time QRS detection algorithm. IEEE Trans. Biomed. Eng, 1985; 32(3): 230-36. [DOI:10.1109/TBME.1985.325532]
14. Uhm J S, Shim J, Wi J, Mun H S, Pak H N, et al. An electrocardiography algorithm combined with clinical features could localize the origins of focal atrial tachycardias in adjacent structures. Europace, 2014; 16(7): 1061-068. [DOI:10.1093/europace/eut393]
15. MS Lee J, & P Fynn S, P wave morphology in guiding the ablation strategy of focal atrial tachycardias and atrial flutter. Current cardiology reviews, 2015; 11(2): 103-110. [DOI:10.2174/1573403X10666141013121252]
16. Ghandeharion H & Erfanian Omidvar A, Common Methods in the Analysis of Heart Rate Variability: A Review Study, Iranian Jiurnal of Biomedical Engineering, 2009; 3(3): 199-212.
17. Jiang X, Zhang L, Zhao Q, & Albayrak S, ECG arrhythmias recognition system based on independent component analysis feature extraction. In TENCON 2006-2006 IEEE Region 10 Conference IEEE, 2006; 10: 1-4. [DOI:10.1109/TENCON.2006.343781]
18. Dash M, & Liu H, Feature selection for classification. Intelligent data analysis, 1997; 1(3): 131-56. [DOI:10.3233/IDA-1997-1302]
19. Wu Y, & Zhang L, ECG classification using ICA features and support vector machines. In International Conference on Neural Information Processing, Springer, Berlin, Heidelberg, 2011; 146-54. [DOI:10.1007/978-3-642-24955-6_18]
20. Hyvarinen A, Fast and robust fixed-point algorithms for independent component analysis. IEEE transactions on Neural Networks, 1999; 10(3): 626-34. [DOI:10.1109/72.761722]
21. Mallat S G & Zhang Z, Matching pursuits with time-frequency dictionaries. IEEE Transactions on signal processing, 1993; 41(12): 3397-415. [DOI:10.1109/78.258082]
22. Drémeau A, Herzet C, & Daudet L, Boltzmann machine and mean-field approximation for structured sparse decompositions. IEEE Transactions on Signal Processing, 2012; 60(7): 3425-438. [DOI:10.1109/TSP.2012.2192436]
23. Yang J, Peng Y, Xu W & Dai Q, Ways to sparse representation: an overview. Science in China series F: information sciences, 2009; 52(4): 695-703. [DOI:10.1007/s11432-009-0045-5]



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadi F, Sheikhani A, Razzazi F, Ghorbani Sharif A. Identification of Atrial Arrhythmia Foci Using ECG Signal and the Effect of Autonomic Nervous System. Shefaye Khatam 2023; 11 (2) :65-74
URL: http://shefayekhatam.ir/article-1-2308-fa.html

محمدی فاطمه، شیخانی علی، رزازی فربد، قربانی شریف علیرضا. شناسایی کانون‌های آریتمی دهلیزی با استفاده از سیگنال ECG و تأثیر سیستم عصبی خودمختار. مجله علوم اعصاب شفای خاتم. 1402; 11 (2) :65-74

URL: http://shefayekhatam.ir/article-1-2308-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 2 - ( بهار 1402 ) برگشت به فهرست نسخه ها
مجله علوم اعصاب شفای خاتم The Neuroscience Journal of Shefaye Khatam
Persian site map - English site map - Created in 0.06 seconds with 53 queries by YEKTAWEB 4657