Abstract: G. Luongo, L. Azzolin, M. Rivolta, T. P. Almeida, J. Martinez, D. C. Soriano, O. Dossel, R. Sassi, P. Laguna, A. Loewe (2020)

Atrial fibrillation (AF) is the most frequent irregular heart rhythm due to disorganized atrial electrical activity, often sustained by rotational drivers called rotors. The non-invasive localization of AF drivers can lead to improved personalized ablation strategy, suggesting pulmonary vein (PV) isolation or more complex extra-PV ablation procedures in case the driver is on other atrial regions. We used a Machine Learning approach to characterize and discriminate simulated single stable rotors (1R) location: PVs, left atrium (LA) excluding the PVs, and right atrium (RA), utilizing solely non-invasive signals (i.e., the 12-lead ECG). 1R episodes sustaining AF were simulated. 128 features were extracted from the signals. Greedy forward algorithm was implemented to select the best feature set which was fed to a decision tree classifier with hold-out cross-validation technique. All tested features showed significant discriminatory power, especially those based on recurrence quantification analysis (up to 80.9% accuracy with single feature classification). The decision tree classifier achieved 89.4% test accuracy with 18 features on simulated data, with sensitivities of 93.0%, 82.4%, and 83.3% for RA, LA, and PV classes, respectively. Our results show that a machine learning approach can potentially identify the location of 1R sustaining AF using the 12-lead ECG.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Machine Learning to Find Areas of Rotors Sustaining Atrial Fibrillation from the ECG