Nouvel outil de localisation pré-interventionnelle du flutter auriculaire pour l'amélioration de l'efficacité de l'ablation radiofréquence / Muhammad Haziq Bin Kamarul Azman ; sous la direction de Olivier Meste et de Kushsairy Kadir

Résumé / Abstract : La prévalence du flutter auriculaire (AFL) va croître dans le futur. L'AFL consiste en une activation rapide et régulaire de l'oreillette à cause des défaits de conduction, et il amène à d'autres conditions dangereuses. L'ablation radiofréquence est un traitement connu pour l'AFL aujourd'hui grâce à son efficience. Cependant, son efficacité procédurale est assez pauvre à cause de la pauvreté et la qualité limitée de la connaissance sur l'AFL avant toutes procédures invasives. Ce mémoire montrera comment exploiter la variabilité dans l'électrocardiogramme (ECG) pour obtenir la localisation droite ou gauche de l'AFL de façon non-invasive. Deux approches originales ont été développées, basées sur l'analyse (1) cycle-à-cycle des boucles vectorcardiographique (VCG), et (2) de récurrence quantitative. Pour cela, des nouvelles méthodes de traitement ont été développées pour (a) la détection des ondes flutter par test du rapport de vraisemblance, (b) la correction de la superposition des ondes T par approximation polynômiale, et du mouvement respiratoire par une méthode classique améliorée, et (c) la transformation en VCG par une transformée optimisée. Des méthodes d'apprentissage comme la sélection des variables pertinentes ainsi qu'une approche originale de validation croisée sont utilisées pour obtenir un classifieur linéaire, pratique et performant sans surapprentissage. Il a été montré que la variabilité du flutter est associée au circuit et pas aux sources de bruits comme le mouvement respiratoire ou l'onde T. Les variables pertinentes montrent que le circuit à droite est plus lent et plus variable que celui à gauche.

Résumé / Abstract : Prevalence of atrial flutter (AFL) is predicted to increase in the coming years. AFL involves a rapid and regular activation of the atrium due to defects in the activation propagation, and predisposes to life-threatening conditions. Radiofrequency catheter ablation is a well-known AFL treatment option for its efficiency. Yet procedural efficacy is rather poor due to poor amounts and quality of information on right or left AFL localization available before invasive procedure. This memoir shows how to exploit the variability of AFL on the electrocardiogram (ECG) to localize AFL circuits non-invasively. Two original complimentary methodologies were developed based on (1) beat-to-beat serial vectorcardiographic (VCG) loop analysis, and (2) recurrence quantification analysis. For this to work, novel processing methods were developed for (a) flutter wave detection using likelihood-ratio tests, (b) correction of T wave overlaps using polynomial splines and respiratory motion using improved classical estimators, and (c) transformation into VCG using an optimized transform. Machine learning techniques such as feature selection and an original cross-validation approach were employed to induce practical linear binary classifiers with good localization performance without classifier overfitting. Furthermore, it was shown that variability of flutter waves are likely related to the circuit and not to sources of distortion such as respiratory motion or T wave. Relevant features allowed insight into the pathology, and showed that right AFL was much slower and more variable than left AFL.