Ανακατασκευή χώρου φάσεων σημάτων ΗΚΓ και υπολογισμός μορφοκλασματικής διάστασης των παραγόμενων παράξενων ελκυστών

Reconstruction of the phase space of ECG signals and calculation of the fractal dimension of the resulting strange attractors (Αγγλική)

  1. MSc thesis
  2. ΑΛΕΞΑΝΔΡΟΣ ΣΙΩΖΟΣ
  3. Βιοπληροφορική και Νευροπληροφορική (ΒΝΠ)
  4. 17 Φεβρουαρίου 2024
  5. Ελληνικά
  6. 129
  7. ΑΔΑΜ ΑΔΑΜΟΠΟΥΛΟΣ
  8. ΧΑΤΖΗΝΙΚΟΛΑΟΥ, ΜΑΡΙΑ | ΠΑΝΑΓΙΩΤΗΣ ΒΛΑΜΟΣ
  9. Μορφοκλασματική διάσταση | Grassberger – Procaccia | Ηλεκτροκαρδιογράφημα | Χώρος Φάσεων | Παράξενος Ελκυστής | Εμβάπτιση | Διάσταση συσχέτισης
  10. Βιοπληροφορική και Νευροπληροφορική
  11. 2
  12. 2
  13. 16
  14. Περιλαμβάνει Πίνακες, Εικόνες, Σχήματα, Διαγράμματα
    • Όταν ανοίγουμε ένα αρχείο ΗΚΓ, το περιεχόμενό του δεν μας προκαλεί έκπληξη καθώς η μορφή του γραφήματος που αντικρίζουμε είναι γνωστή στην πλειοψηφία του κόσμου. Ο έμπειρος γιατρός μπορεί σύντομα να καταλάβει αν το ΗΚΓ που βλέπει είναι φυσιολογικό ή αν παρουσιάζει κάποιες ξεκάθαρες αλλοιώσεις που αυτόματα μεταφράζονται σε συγκεκριμένες παθολογοανατομικές παθήσεις. Υπάρχει και μία γκρίζα περιοχή όμως που το ΗΚΓ μπορεί να χρειαστεί επιμελή και σχολαστική μελέτη για να μπορέσει να αξιολογηθεί. Στην παρούσα εργασία προχωρήσαμε στην ανακατασκευή του χώρου φάσεων του ΗΚΓ για δώδεκα (12) κανάλια από καταγραφή 2 ασθενών στους οποίους είχε εμφυτευτεί βηματοδότης. Σε κάθε ασθενή υπήρξε καταγραφή με mode λειτουργίας ΑΑΙ (κολπικός βηματοδότης: βηματοδοτείται ο κόλπος ενώ η κοιλία εκπολώνεται μέσω του κολποκοιλιακού κόμβου και του δεματίου του His) και VVI   (κοιλιακή βηματοδότηση: - βηματοδοτείται μόνο η κοιλία, οπότε η κολπική και η κοιλιακή σύσπαση είναι πλήρως διαχωρισμένες). Η μορφή των παράξενων ελκυστών που παράγονται μας δίνουν πληροφορίες για το δυναμικό σύστημα της καρδιάς. Αν και η οπτική επισκόπηση μας δίνει ένα υποκειμενικό μέτρο (μορφή του σχήματος, πολυπλοκότητα, μέγεθος κτλ.) του συστήματος που περιγράφεται από τον ελκυστή, είναι απαραίτητο να βρούμε ένα μέτρο που να περιγράφει τον ελκυστή. Για τον σκοπό αυτό εφαρμόστηκε ο αλγόριθμος των Grassberger – Procaccia για τον υπολογισμός της διάστασης συσχέτισης των ελκυστών. Προχωρήσαμε στον υπολογισμό της διάστασης συσχέτισης με εμβάπτιση του παράξενου ελκυστή από μία έως και δέκα διαστάσεις και συσχετίσαμε τις τιμές της με τα διαγράμματα που προέκυψαν όταν εκτελέσαμε τον αλγόριθμο FNN για τον υπολογισμό της ελάχιστης διάστασης εμβάπτισης του παράξενου ελκυστή του ΗΚΓ. Ο κώδικας τρέχει σε προγραμματιστικό περιβάλλον Python, τόσο με χρήση GUI όσο και με εκτέλεση από την κονσόλα. Αναπτύχθηκε, επίσης, κώδικας σε Matlab με τον οποίο διερευνάται η ελάχιστη διάσταση εμβάπτισης του ελκυστή με την μέθοδο των False Neighbors.

    • When we open an ECG file, its content does not surprise us as the form of the graph we encounter is familiar to most people. An experienced doctor can quickly determine whether the ECG is normal or shows clear alterations, which automatically translate into specific pathoanatomical diseases. However, there is a gray area where the ECG may require careful and meticulous study to be evaluated. In this study, we proceeded with the reconstruction of the phase space of the ECG for twelve (12) channels from recordings of two patients who had pacemakers implanted. In each patient, there was a recording with AAI mode (the atrium is paced while the ventricle depolarizes through the atrioventricular node and His bundle) and VVI mode (only the ventricle is paced, so atrial and ventricular contractions are completely separated). The form of the strange attractors produced gives us information about the dynamic system of the heart. Although visual inspection gives us a subjective measure (shape of the pattern, complexity, size, etc.) of the system described by the attractor, it is necessary to find a measure that describes the attractor. For this purpose, the Grassberger-Procaccia algorithm was applied to calculate the correlation dimension of the attractors. We proceeded to calculate the correlation dimension by embedding the strange attractor from one to ten dimensions. We then combined the results we obtained with the minimum Embedding dimension as it occurred from False Neighbors analysis on the same data. The code runs in a Python programming environment, both using a GUI and executing from the console. The code for the False Neighbors algorithm was developed in Matlab.

  15. Hellenic Open University
  16. Αναφορά Δημιουργού-Μη Εμπορική Χρήση 4.0 Διεθνές