Examinando por Autor "Bermejo Thomas, Javier"

Mostrando 1 - 1 de 1
  • Miniatura
    Publicación
    Characterization of left ventricle sarcomere properties using deep learning
    (Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias, 2023) Crusells Girona, Miquel; Bermejo Thomas, Javier; Martínez-Legazpi Aguilo, Pablo
    Independientemente de su origen, la disfunción diastólica está presente en la práctica totalidad de las enfermedades estructurales del miocardio. Por ello, es de especial relevancia para la práctica clínica el conocer los cambios que pueden producirse en las propiedades mecánicas del corazón en estas circunstancias, especialmente en el ventrículo izquierdo, más propenso al fallo al trabajar a mayor presión. Actualmente, existen modelos directos que relacionan las propiedades del sarcómero con las propiedades de las cámaras y su función. No obstante, dado que las propiedades del sarcómero son prácticamente imposibles de obtener in vivo o in silico, no existen modelos que solucionen el problema de calibración inverso. La presente tesina tiene como objetivo evaluar diferentes redes neuronales convolucionales que predigan las propiedades del sarcómero en base a pares de variables hemodinámicas sintéticas, obtenidas mediante CircAdapt, en una metodología de transfer learning. Los resultados de estos análisis muestran que, cuando las señales no incorporan ruido blanco, los niveles de exactitud son muy elevados, alrededor del 90%, para cualquiera de las parejas de variables analizadas. Al introducir ruido blanco en las señales, la combinación de presión y volumen del ventrículo izquierdo mantiene este elevado nivel de exactitud. La precisión disminuye al 75% al sustituir estas variables por otras surrogadas, que pueden obtenerse en la práctica clínica de manera no invasiva, como el strain o la presión arterial, con una subida del error relativo hasta el 15% con una probablidad del 95%.