L’obiettivo principale del presente lavoro di tesi è stato lo sviluppo di un metodo non invasivo e affidabile per il monitoraggio del funzionamento di protesi valvolari cardiache meccaniche bileaflet, incrementando la probabilità di rilevazione precoce di formazione di trombi sulla superficie protesica. Il metodo suddetto si basa sull’ipotesi che le formazioni trombotiche sulla superficie della valvola bileaflet ne alterano il suono di chiusura; pertanto sono state simulate in vitro diverse condizioni di funzionamento di cinque diversi modelli di protesi utilizzando lo Shieffield Pulse Duplicator presso il centro di Cardiochirurgia “V. Gallucci” del Policlinico Universitario di Padova, applicando formazioni trombotiche di diverso peso e forma. Per ogni condizione di funzionamento è stato acquisito il suono prodotto dalla chiusura degli emidischi delle valvole con un fonocardiografo digitale, il Myotis 3C. Successivamente, è stato sviluppato un algoritmo per l’isolamento dei suoni di chiusura dei leaflet della protesi ed è stato determinato lo spettro di potenza del segnale fonocardiografico così ottenuto. Poiché lo spettro di potenza del segnale fonocardiografico riflette le caratteristiche di funzionalità dei vari modelli valvolari nelle diverse condizioni di funzionamento, sono stati sviluppati degli algoritmi di classificazione del segnale utilizzando reti neurali di specifica topologia, utilizzando il Neural Network Toolbox di Matlab. Le reti neurali addestrate sono state utilizzate, successivamente, per la classificazione degli spettri di potenza di segnali fonocardiografici acquisiti in vivo su pazienti ricoverati nei reparti di Cardiologia e Cardiochirurgia del Policlinico Universitario di Padova e su pazienti del Servizio di Prevenzione e Terapia della Trombosi dell’Ospedale dei Colli di Padova. Infine si è cercata un’alternativa alla classificazione degli spettri, calcolando per i segnali fonocardiografici i coefficienti di un modello auto-regressivo di ordine fissato, e sviluppando algoritmi di classificazione utilizzando reti neurali, addestrate però con i coefficienti del modello AR. Le prestazioni in vitro e in vivo delle reti hanno confermato come questo metodo, opportunamente validato, abbia potenzialità di applicazione in ambito clinico

Valutazione e classificazione funzionale di valvole cardiache meccaniche

Romata, Clemens
2010/2011

Abstract

L’obiettivo principale del presente lavoro di tesi è stato lo sviluppo di un metodo non invasivo e affidabile per il monitoraggio del funzionamento di protesi valvolari cardiache meccaniche bileaflet, incrementando la probabilità di rilevazione precoce di formazione di trombi sulla superficie protesica. Il metodo suddetto si basa sull’ipotesi che le formazioni trombotiche sulla superficie della valvola bileaflet ne alterano il suono di chiusura; pertanto sono state simulate in vitro diverse condizioni di funzionamento di cinque diversi modelli di protesi utilizzando lo Shieffield Pulse Duplicator presso il centro di Cardiochirurgia “V. Gallucci” del Policlinico Universitario di Padova, applicando formazioni trombotiche di diverso peso e forma. Per ogni condizione di funzionamento è stato acquisito il suono prodotto dalla chiusura degli emidischi delle valvole con un fonocardiografo digitale, il Myotis 3C. Successivamente, è stato sviluppato un algoritmo per l’isolamento dei suoni di chiusura dei leaflet della protesi ed è stato determinato lo spettro di potenza del segnale fonocardiografico così ottenuto. Poiché lo spettro di potenza del segnale fonocardiografico riflette le caratteristiche di funzionalità dei vari modelli valvolari nelle diverse condizioni di funzionamento, sono stati sviluppati degli algoritmi di classificazione del segnale utilizzando reti neurali di specifica topologia, utilizzando il Neural Network Toolbox di Matlab. Le reti neurali addestrate sono state utilizzate, successivamente, per la classificazione degli spettri di potenza di segnali fonocardiografici acquisiti in vivo su pazienti ricoverati nei reparti di Cardiologia e Cardiochirurgia del Policlinico Universitario di Padova e su pazienti del Servizio di Prevenzione e Terapia della Trombosi dell’Ospedale dei Colli di Padova. Infine si è cercata un’alternativa alla classificazione degli spettri, calcolando per i segnali fonocardiografici i coefficienti di un modello auto-regressivo di ordine fissato, e sviluppando algoritmi di classificazione utilizzando reti neurali, addestrate però con i coefficienti del modello AR. Le prestazioni in vitro e in vivo delle reti hanno confermato come questo metodo, opportunamente validato, abbia potenzialità di applicazione in ambito clinico
2010-10-05
159
mechanical heart valve, phonocardiographic classification, functional evaluation
File in questo prodotto:
File Dimensione Formato  
romata_clemens.pdf

accesso aperto

Dimensione 5.6 MB
Formato Adobe PDF
5.6 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/14050