[ES] La fibrilación auricular (FA) es un factor importante en la aparición de accidentes cerebrovasculares, insuficiencia cardíaca y mortalidad, impulsada por mecanismos electrofisiológicos complejos y dinámicos que aún no se comprenden completamente. Las tecnologías disponibles actualmente en las clínicas presentan algunas limitaciones para la caracterización de la FA. El electrocardiograma tradicional es suficiente para diagnosticar la FA, pero no permite determinar el origen de la enfermedad. Los avances en estudios in silico, experimentales y clínicos sugieren que ciertos patrones recurrentes de alta frecuencia y actividad reentrante podrían constituir mecanismos mantenedores de la FA. Sin embargo, los sistemas de mapeo actuales están diseñados para arritmias regulares, lo que dificulta identificar los mecanismos mantenedores de la misma entre multitud de patrones complejos y cambiantes. La imagen electrocardiográfica (ECGI) es una técnica no invasiva prometedora que proporciona reconstrucciones globales de la actividad eléctrica del corazón, ofreciendo una forma de estudiar los patrones difusos y cambiantes de la FA. No obstante, la reconstrucción no invasiva y las estrategias de post-procesado para identificar los mecanismos mantenedores en FA aún están en desarrollo y evaluación. Esta tesis tiene como objetivo contribuir a la evaluación, análisis y comprensión del ECGI aplicado en FA mediante el desarrollo y validación de nuevos algoritmos diagnósticos. Uno de los principales enfoques de esta investigación es la propagación en ritmo sinusal, que puede resaltar áreas arritmogénicas donde la conducción lenta o los bloqueos pueden anclar la FA. La tesis introduce un marco bayesiano para la estimación de los tiempos de activación local (LAT) utilizando datos de ECGI, abordando las limitaciones de los métodos tradicionales de estimación de LAT, que a menudo presentan inexactitudes debido al suavizado temporal y espacial. El enfoque bayesiano integra datos de las deflexiones de ECGI con un modelo de propagación espacial, proporcionando mapas de LAT más precisos y suaves, especialmente en la localización de los sitios de activación temprana y evitando líneas de bloqueo de conducción artificiales. La tesis también evalúa la capacidad del ECGI para caracterizar el sustrato auricular durante la FA, estimando las tasas de activación regional mediante el análisis de la frecuencia dominante (DF). Se ha desarrollado un nuevo enfoque probabilístico de estimación de DF, que mostró mayor robustez frente a los métodos tradicionales al filtrar distorsiones armónicas. La validación experimental en un modelo animal de fibrilación ventricular confirmó su precisión y preservación de las áreas de alta frecuencia dominante (HDF), y el método mostró mayor estabilidad temporal en episodios reales de FA. Además, se utilizó ECGI para detectar actividad reentrante en pacientes con FA, midiendo la complejidad de la arritmia y la distribución de la actividad reentrante en diferentes regiones auriculares. Se observó un mayor número de reentradas estables en pacientes con malos resultados después del aislamiento de las venas pulmonares (PVI), relacionado con una mayor complejidad de la FA. También se encontró una mayor prevalencia de actividad reentrante en las venas pulmonares en pacientes que permanecieron en ritmo sinusal tras el PVI, estableciendo una relación directa entre los mecanismos de la FA y los parámetros electrofisiológicos obtenidos mediante ECGI. En resumen, esta tesis demuestra el potencial del ECGI para mejorar la caracterización de la FA, presentando nuevas metodologías que aumentan la precisión y aplicabilidad clínica. Estos desarrollos representan un avance en la caracterización no invasiva de episodios de FA, allanando el camino hacia una mejor gestión y tratamiento de los pacientes. / [CA] La fibril·lació auricular (FA) és un factor important en l'aparició d'accidents cerebrovasculars, insuficiència cardíaca i mortalitat, impulsada per mecanismes electrofisiològics complexos i dinàmics que encara no es comprenen completament. Les tecnologies disponibles actualment a les clíniques presenten algunes limitacions per a la caracterització de la FA. L'electrocardiograma tradicional és suficient per diagnosticar la FA, però no permet determinar l'origen de la malaltia. Els avenços en estudis in silico, experimentals i clínics suggereixen que certs patrons recurrents d'alta freqüència i activitat reentrant podrien constituir mecanismes mantenidors de la FA. No obstant això, els sistemes de mapatge actuals estan dissenyats per a les arítmies regulars, cosa que dificulta identificar els mecanismes mantenidors entre multitud de patrons complexos i canviants. La imatge electrocardiogràfica (ECGI) és una tècnica no invasiva prometedora que proporciona reconstruccions globals de l'activitat elèctrica del cor, oferint una manera d'estudiar els patrons difusos i canviants de la FA. Tot i això, la reconstrucció no invasiva i les estratègies de post-processament per identificar els mecanismes mantenidors de la FA encara estan en desenvolupament i avaluació. Aquesta tesi té com a objectiu contribuir a l'avaluació, anàlisi i comprensió de l'ECGI aplicat a la FA mitjançant el desenvolupament i la validació de nous algorismes diagnòstics. Un dels principals enfocaments d'aquesta investigació és la propagació en ritme sinusal, que pot destacar àrees arrítmiques on la conducció lenta o els bloquejos poden ancorar la FA. La tesi introdueix un marc bayesià per a l'estimació dels temps d'activació local (LAT) utilitzant dades d'ECGI, abordant les limitacions dels mètodes tradicionals d'estimació de LAT, que sovint presenten inexactituds a causa del suavitzat temporal i espacial. L'enfocament bayesià integra dades de les deflexions d'ECGI amb un model de propagació espacial, proporcionant mapes de LAT més precisos i fluids, especialment en la localització dels llocs d'activació primerenca i evitant línies artificials de bloqueig de conducció. La tesi també avalua la capacitat de l'ECGI per caracteritzar el substrat auricular durant la FA, estimant les taxes d'activació regional mitjançant l'anàlisi de la freqüència dominant (DF). S'ha desenvolupat un nou enfocament probabilístic d'estimació de DF, que va mostrar més robustesa enfront dels mètodes tradicionals al filtrar distorsions harmòniques. La validació experimental en un model animal de fibril·lació ventricular va confirmar la seva precisió i preservació de les àrees d'alta freqüència dominant (HDF), i el mètode va mostrar més estabilitat temporal en episodis reals de FA. A més, es va utilitzar ECGI per detectar activitat reentrant en pacients amb FA, mesurant la complexitat de l'arítmia i la distribució de l'activitat reentrant en diferents regions auriculars. Es va observar un major nombre de reentrades estables en pacients amb mals resultats després de l'aïllament de les venes pulmonars (PVI), relacionat amb una major complexitat de la FA. També es va trobar una major prevalença d'activitat reentrant a les venes pulmonars en pacients que es van mantenir en ritme sinusal després del PVI, establint una relació directa entre els mecanismes de la FA i els paràmetres electrofisiològics obtinguts mitjançant ECGI. En resum, aquesta tesi demostra el potencial de l'ECGI per millorar la caracterització de la FA, presentant noves metodologies que augmenten la precisió i l'aplicabilitat clínica. Aquests desenvolupaments representen un avenç en la caracterització no invasiva d'episodis de FA, obrint el camí cap a una millor gestió i tractament dels pacients. / [EN] Atrial fibrillation (AF) is a significant factor in the onset of stroke, heart failure, and mortality, driven by complex and dynamic electrophysiological mechanisms that are still not fully understood. The technologies currently available in clinics have certain limitations in characterizing AF. While traditional electrocardiograms are sufficient to diagnose AF, they cannot determine the origin of the disease. Advances in in silico studies, as well as experimental and clinical research, suggest that certain recurrent high-frequency patterns and reentrant activity may constitute drivers for AF. However, current mapping systems are designed for regular arrhythmias, making it difficult to identify the sustaining mechanisms within a multitude of complex and changing patterns. Electrocardiographic imaging (ECGI) is a promising non-invasive technique that provides global reconstructions of the heart's electrical activity, offering a way to study the diffuse and dynamic patterns of AF. Nevertheless, non-invasive reconstruction and post-processing strategies to identify AF drivers are still under development and evaluation. This thesis aims to contribute to the assessment, analysis, and understanding of ECGI applied to AF by developing and validating new diagnostic algorithms. One of the main focuses of this research is the propagation in sinus rhythm, which can highlight arrhythmogenic areas where slow conduction or blockages might anchor AF. The thesis introduces a Bayesian framework for estimating local activation times (LAT) using ECGI data, addressing the limitations of traditional LAT estimation methods, which often suffer from inaccuracies due to temporal and spatial smoothing. The Bayesian approach integrates data from ECGI deflections with a spatial propagation model, providing more precise and smooth LAT maps, especially in locating early activation sites and avoiding artificial conduction block lines. The thesis also evaluates ECGI's ability to characterize atrial substrate during AF by estimating regional activation rates through dominant frequency (DF) analysis. A new probabilistic DF estimation approach was developed, which showed greater robustness compared to traditional methods by filtering out harmonic distortions. Experimental validation in a ventricular fibrillation animal model confirmed its accuracy and preservation of high dominant frequency (HDF) areas, and the method demonstrated greater temporal stability in real AF episodes. Additionally, ECGI was used to detect reentrant activity in AF patients, measuring arrhythmia complexity and the distribution of reentrant activity in different atrial regions. A higher number of stable reentries were observed in patients with poor outcomes after pulmonary vein isolation (PVI), which was linked to greater AF complexity. There was also a higher prevalence of reentrant activity in the pulmonary veins of patients who remained in sinus rhythm after PVI, establishing a direct relationship between AF mechanisms and the electrophysiological parameters obtained through ECGI. In summary, this thesis demonstrates the potential of ECGI to improve AF characterization by presenting new methodologies that enhance precision and clinical applicability. These developments represent progress in the non-invasive characterization of AF episodes, paving the way for better patient management and treatment. / This thesis has been funded by the European Union’s Horizon 2020 research and in- novation program under the Marie Skłodowska-Curie grant agreement No 860974, PersonalizeAF. Additionally, this work has been developed as part of a national project funded by the spanish Agencia Estatal de Investigación with title: Desar- rollo de una herramienta de mapeo panorámico para la evaluación de sustratos electro-estructurales para guiar la ablación de la fibrilación auricular utilizando AI (PID2020-119364RB-I00). / Fambuena Santos, C. (2024). Post-Processing of ECGI to Detect Atrial Drivers [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/213735