Examen Calificacion Final

Universidad de Chile
Facultad de Ciencias Físicas y Matemáticas
Departamento de Ingeniería Eléctrica
Procesamiento de señales rrespiratorias
espiratorias aplicadas
a un model
odelo biomecánico y a registros
polisomnográficos
Alumno: Leonardo Causa Morales
Profesor Guía: Dr. Claudio Held B.,
Laboratorio Ingeniería Biomédica, DIE,
Universidad de Chile, Santiago, Chile.
Profesor
Co-Guía:
Guía:
Dr.
Patricio
Peirano, Laboratorio
oratorio de Sueño, INTA,
INTA
Universidad de Chile, Santiago, Chile.
Director de tesis: Dr. Bezhad Shariat,
Laboratorio LIRIS, Université Claude
Bernard Lyon 1, Lyon, Francia.
Codirector de tesis: Dr. Fabrice
Jaillet, Laboratorio LIRIS, Université
Claude Bernard Lyon 1, Lyon, Francia.
Santiago – Chile, Septiembre 2009
1
Contenido
ABREVIATURAS .............................................................................................................................. 3
RESUMEN ...................................................................................................................................... 6
1.
INTRODUCCIÓN...................................................................................................................... 7
2.
SISTEMA RESPIRATORIO Y RESPIRACIÓN ................................................................................ 8
3.
MOTIVACIÓN ....................................................................................................................... 23
4.
DEFINICIÓN DEL PROBLEMA ................................................................................................. 27
5.
ESTADO DEL ARTE ................................................................................................................ 30
6.
PROPUESTA DE INVESTIGACIÓN ........................................................................................... 39
7.
RESULTADOS ESPERADOS..................................................................................................... 43
8.
METODOLOGÍA .................................................................................................................... 46
9.
PLAN DE TRABAJO ................................................................................................................ 48
10.
CONCLUSIONES ................................................................................................................ 51
11.
REFERENCIAS.................................................................................................................... 53
2
ABREVIATURAS
ABC: Active breathing control. Sistema utilizado para bloquear el flujo de aire durante la
respiración.
BD: Base de datos.
C: Compliance (distensibilidad). Corresponde a la pendiente de la curva presión-volumen
pulmonar. Se define como el cambio de volumen por unidad de cambio de presión.
CI: Capacidad inspiratoria. Volumen de aire inspirado máximo que ingresa a los pulmones
desde el volumen de reposo.
CFR: Capacidad funcional residual. Volumen de gas pulmonar existente al final de una
espiración tranquila, corresponde al volumen de reposo del sistema tóraco-pulmonar.
CPT: Capacidad pulmonar total. Máxima cantidad de aire que pueden contener los
pulmones
CR: Ciclo respiratorio.
CT: Tomografía computarizada.
CV: Capacidad vital. Volumen que puede ser inspirado con un esfuerzo inspiratorio
máximo realizado al término de una espiración máxima lenta.
CVF: Capacidad vital forzada. Maniobra realizada en espirometría que consiste en espirar
lo más rápido posible a partir de una inspiración máxima.
ECG: Electrocardiograma.
EEG: Electroencefalograma.
EF: Elementos finitos. Método numérico general para la aproximación de soluciones de
ecuaciones diferenciales parciales.
EMD: Descomposición modal empírica (empirical mode decomposition). Técnica que
permite descomponer señales no lineales y no estacionarias en una colección finita de
modos (asociados a bandas de frecuencia).
EMG: Electromiografía.
EOG: Electrooculograma.
ERP: Potenciales evocados cognitivos (event-related potential).
FCFM: Facultad de Ciencias Físicas y Matemáticas.
FEV1: Volumen espiratorio forzado del primer segundo. Técnica espirométrica que
relaciona el volumen espirado con la resistencia de la vía aérea.
FFT: Transformada de Fourier.
3
Gaw: Conductancia de la vía aérea. Inverso de la resistencia de la vía aérea.
GMCAO: Équipe Gestes Médico-Chirurgicaux Assités par Ordinateur. Equipo de trabajo
sobre simulación computacional de la Université Joseph Fourier, Grenoble, Francia.
HHT: Transformada de Hilbert-Huang. Técnica que permite representar una señal en los
dominios de la frecuencia y el tiempo en forma simultánea.
I: Impedancia.
IAH: Índice de apnea/hipopnea. Porcentaje de sueño en apnea/hipopnea.
INTA: Instituto de Nutrición y Tecnología de los Alimentos.
LIRIS: Laboratoire d’InfoRmatique en Image et Systèmes d’information. Laboratorio de
informática e imágenes de la Université Claude Bernard Lyon 1, Lyon, Francia.
NURBS: Non-uniform rational B-splines. Modelo matemático utilizado en computación
gráfica que permite generar y representar curvas y superficies.
P: Presión.
Palv: Presión alveolar. Presión dentro del alvéolo.
Pb: Presión barométrica. Presión existente en la superficie del cuerpo y en la vía aérea.
Pes: Presión esofágica. Presión dentro del esófago.
PET: Tomografía por emisión de positrones.
Pg: Presión gástrica. Presión medida en el estómago, justo por debajo del diafragma.
Pmusc: Presión muscular. Presión ejercida por los músculos respiratorios.
Ppl: Presión pleural. Presión dentro de la cavidad pleural.
PRETA: Équipe Physiologie cardio-Respiratoire Experimentale Théorique et Appliquée.
Equipo de investigación sobre señales cardio-respiratorias, perteneciente a la Université
Joseph Fourier, Grenoble, Francia.
Pt: Presión transtotal. Diferencia de presión necesaria para vencer la suma de la
resistencia de las vías aéreas y la retracción elástica del pulmón.
Ptd: Presión transdiafragmática. Presión ejercida sobre la superficie del diafragma.
Ptp: Presión transpulmonar. Diferencia de presión necesaria para contrarrestar la
retracción elástica del pulmón.
Ptt: Presión transtorácica. Diferencia de presión a través de la pared torácica.
P-V: Curva presión-volumen.
IQ: Coeficiente intelectual (intelligence quotient).
Raw: Resistencia de la vía aérea.
RME: Presión bucal máxima (maximum mouth pressure). Prueba que permite relacionar
4
la fuerza muscular respiratoria a través de la presión medida en la boca.
SAARA: Équipe Simulation, Analyse et Animation pour la Réalité Augmentée. Equipo
dedicado al desarrollo de modelos de simulación computacional del laboratorio LIRIS,
Université Claude Bernard Lyon 1, Lyon, Francia.
SAHOS: Síndrome de apnea/hipopnea obstructiva del sueño. Sindrome respiratorio
asociado al cierre total (apnea) o parcial (hipopnea) de la vía aérea en forma repetitiva
durante el sueño.
SaO2: Saturación de oxígeno.
SP: Sueño paradójico.
SQ: Sueño quieto.
SRBD: Desórdenes respiratorios asociados al sueño (sleep related breathing disorders).
SWS: Sueño de ondas lentas (slow wave sleep).
TRS: Trastornos respiratorios del sueño.
TST: Tiempo total de sueño (total sleep time).
V: Volumen.
VMG: Vibromiografía.
VR: Volumen residual. Cantidad de aire que permanece al interior del pulmón, se trata de
una cantidad de aire intrapulmonar no movilizable sin importar el esfuerzo espiratorio que
se realice.
VRE: Volumen de reserva espiratoria. Cantidad de aire, por debajo del volumen corriente
que puede ser exhalado con un esfuerzo espiratorio máximo.
VRI: Volumen de reserva inspiratoria. Cantidad de aire adicional al volumen corriente que
se puede introducir en los pulmones al realizar un esfuerzo inspiratorio máximo.
VT: Volumen tidial o volumen corriente. Volumen que sale y entra de los pulmones con
cada movimiento respiratorio tranquilo o en reposo.
5
RESUMEN
En el presente trabajo se expone el proyecto de tesis correspondiente al examen de
calificación del programa de Doctorado en Ingeniería Eléctrica de la Universidad de Chile.
El trabajo propuesto se desarrollará en el marco de un convenio de cotutela entre el
Departamento de Ingeniería Eléctrica (DIE) de la Universidad de Chile (Chile) y el
Laboratoire d’InfoRmatique en Image et Systèmes d’information (LIRIS) de la Université
Claude Bernard Lyon 1 (Francia).
Dado que el trabajo será realizado en cotutela, se propone la realización de una
investigación en la cual se cuente con un tronco común de trabajo y a partir del que se
desarrollarán 2 aplicaciones específicas (en relación a los intereses de cada laboratorio).
El trabajo a desarrollar (tronco común) consistirá en el desarrollo y aplicación de técnicas
de procesamiento de señales respiratorias. Las herramientas resultantes serán aplicadas
a dos tareas específicas:
1. Incorporación de señales respiratorias a un modelo biomecánico del proceso
respiratorio (LIRIS).
2. Detección de episodios de apnea e hipopnea en registros polisomnográficos
(DIE).
Para llevar a cabo las tareas anteriores se estudiará la posibilidad de aplicar técnicas
avanzadas de procesamiento de señales, por ejemplo: descomposición modal empírica,
transformada de Fourier, transformada de Hilbert-Huang, lógica difusa, entre otras.
Posteriormente, cada una de estas técnicas y herramientas desarrolladas serán
adaptadas para cada una de las aplicaciones.
Las hipótesis para cada uno de los casos indican que las técnicas de procesamiento de
señales respiratorias permitirán:
1. Incorporar señales respiratorias para adaptar, guiar y mejorar el desempeño de un
modelo biomecánico del proceso respiratorio
2. Mejorar la detección de patrones de sueño, específicamente episodios de apnea e
hipopnea, y poder relacionarlo con la arquitectura del sueño y ciertas funciones
neurocognitivas.
6
1. INTRODUCCIÓN
En este trabajo se presenta el proyecto de tesis para realizar el examen de calificación del
programa de Doctorado en Ingeniería Eléctrica de la Universidad de Chile. El tema central
se relaciona con el desarrollo de herramientas y técnicas de procesamiento de señales
respiratorias en dos tareas:
i.
ii.
Modelación y simulación computacional del proceso respiratorio.
Detección de patrones respiratorios en registros polisomnográficos de
sueño.
Las técnicas de procesamiento de señales son poderosas herramientas que pueden ser
aplicadas en una serie de ámbitos, especialmente, en aplicaciones biomédicas.
En este sentido es de interés estudiar la respiración y los aspectos mecánicos, físicos y
fisiológicos que participan en este proceso vital. El desarrollar y aplicar técnicas de
procesamiento de señales a variables respiratorias es una tarea de interés dada la amplia
gama de aplicaciones que se pueden relacionar.
En este trabajo de tesis, se abordará la respiración asociada a dos aplicaciones:
respiración y radioterapia, y respiración y sueño.
A continuación, se expondrán los aspectos más importantes relacionados con el sistema
respiratorio. En primer lugar se estudiarán los órganos y sus funciones, luego los aspectos
mecánicos involucrados y las variables que rigen este comportamiento, y finalmente las
metodologías y técnicas utilizadas para medir las variables que participan en el proceso
respiratorio.
Posteriormente se mostrarán las motivaciones para el trabajo a desarrollar, la definición
del problema, la propuesta de investigación, la metodología a utilizar y el plan de trabajo.
Finalmente se presentan las conclusiones sobre el proyecto propuesto para desarrollar en
este trabajo.
7
2. SISTEMA RESPIRATORIO Y RESPIRACIÓN
2.1
El sistema respiratorio
La respiración1 corresponde al movimiento de la caja torácica y de los pulmones y a los
consecutivos cambios volumétricos y de presión que se presentan en estas estructuras.
Es un complejo proceso mecánico que involucra un gran número de componentes, entre
ellos: los pulmones y la pleura, la caja torácica y los músculos intercostales, el diafragma
y los músculos del abdomen. Los movimientos respiratorios permiten el intercambio
gaseoso, es decir, el ingreso de oxígeno al organismo y la expulsión del dióxido de
carbono.
El ciclo respiratorio (CR) corresponde al proceso alternante de una inspiración y una
espiración. La frecuencia respiratoria normal es de aproximadamente 15 veces por
minuto, con un volumen promedio de 500 ml de aire. El proceso de inspiración
corresponde a la incorporación de aire desde el exterior a los pulmones. Durante la
inspiración en reposo los músculos intercostales externos y el diafragma se contraen. El
diafragma desciende y los músculos intercostales externos elevan las costillas. Esto
produce que el volumen de la caja torácica aumente. La variación de volumen se traduce
en una variación de presión (negativa) en la cavidad pleural y producto de esta diferencia
de presiones el aire ingresa en los pulmones aumentando su volumen. Finalizada la
inspiración comienza el proceso contrario llamado espiración, que corresponde a la salida
del aire desde los pulmones hacia el exterior. En reposo es una fase pasiva de la
respiración. Los músculos respiratorios se relajan, el diafragma asciende y empuja hacia
arriba las bases pulmonares, reduciendo el volumen de la caja torácica. Durante el
ejercicio y en algunas patologías, la espiración se convierte en un proceso activo en el
cual participan los músculos de la pared abdominal, los músculos intercostales internos y
los músculos accesorios de la respiración [10]. La figura 1 muestra las estructuras que
intervienen durante el CR.
1
La respiración, como término general, incluye a la ventilación y la respiración celular. La ventilación
corresponde al ingreso de aire desde el exterior hacia los pulmones (inspiración), el intercambio de gases a
nivel de los alvéolos y la expulsión del aire desde los pulmones al exterior (espiración). La respiración celular
es un proceso bioquímico que se produce en las estructuras celulares llamadas mitocondrias, corresponde a
la generación de ATP a partir de glucosa para la generación de energía.
8
Figura 1. Etapas del ciclo respiratorio (CR). a) Durante la inspiración el diafragma se
contrae y desciende, los músculos intercostales externos se contraen elevando las
costillas y aumentando el tamaño del tórax (etapa activa del CR), esto produce un
gradiente de presión que permite el ingreso de aire a los pulmones y la expansión de
éstos. b) Durante la espiración los músculos se relajan (diafragma y músculos
intercostales externos) volviendo a sus posiciones de reposo, disminuyendo el tamaño de
la caja torácica y produciendo la salida del aire desde los pulmones hacia el exterior
(etapa pasiva del CR).
2.1.1 Componentes del sistema respiratorio
En la respiración participan diversas estructuras que actúan en conjunto para mantener la
correcta mecánica respiratoria y que se describe con mayor detalle a continuación.
9
Figura 2. Componentes del aparato respiratorio humano: está formado por las vías
aéreas: orificios y fosas nasales, faringe, laringe, tráquea, bronquios y bronquiolos; los
pulmones, la pleura, la caja torácica: costillas, esternón (omitido en la figura), músculos
intercostales (internos y externos) y vertebras torácicas; el diafragma y el sistema
circulatorio pulmonar.
Vías aéreas
Corresponden a la parte superior del aparato respiratorio por la cual transita el aire hacia
los pulmones. Están compuestas por las siguientes estructuras: nariz (fosas y orificios),
boca, faringe, laringe, tráquea, bronquios y bronquiolos [10].
Los pulmones
Los pulmones ocupan la mayor parte del volumen del tórax. Ambos pulmones se
encuentran separados por el mediastino, que incluye el corazón, importantes venas y
arterias, el esófago y la tráquea (Figura 3). Cada pulmón tiene la forma de un semicono,
de eje mayor vertical, con su superficie externa convexa en contacto con la pared
torácica, una cara medial que contiene el hilio pulmonar (vasos y bronquios) y una base
adaptada a la forma del diafragma. El pulmón derecho se encuentra más elevado y es de
mayor tamaño que el izquierdo; presenta dos cisuras (horizontal y oblicua) que lo dividen
en tres lóbulos: superior, medio e inferior. El pulmón izquierdo por su parte se encuentra
en estrecha relación con el corazón y posee sólo una cisura (principal u oblicua) que lo
divide en los lóbulos superior e inferior [10].
10
Figura 3. Anatomía de los pulmones: están ubicados dentro de la caja torácica, se
encuentran separados por el mediastino. El pulmón derecho es el de mayor tamaño,
posee dos cisuras (horizontal y oblicua) que lo divide en tres lóbulos: superior, medio e
inferior. El pulmón izquierdo está en estrecho contacto con el corazón, es de menor
tamaño y posee sólo una cisura (oblicua) que lo divide en los lóbulos superior e inferior.
La función principal de los pulmones es el intercambio de gases con el ambiente. Durante
la respiración los pulmones siguen pasivamente los movimientos de la caja torácica y el
diafragma produciendo la inflación/deflación de éstos. En un adulto, ventilan en promedio
10800 litros de aire diarios, con un paso de 5700 litros de sangre, permitiendo el
intercambio de casi 600 litros de oxígeno y 460 litros de dióxido de carbono.
La pleura
La pleura separa a los pulmones de los demás órganos (ver figura 2). Está compuesta de
dos membranas: la pleura parietal que cubre la pared torácica, el mediastino y el
diafragma y la pleura visceral que cubre la superficie externa de los pulmones. El espacio
entre ambas pleuras corresponde a la cavidad pleural y está ocupado por el líquido
pleural [10]. El volumen normal de líquido pleural en un adulto es de aproximadamente 0,1
a 0,2 ml/kg de peso.
La caja torácica
La caja torácica es el volumen definido por el esternón, las costillas y los músculos
intercostales y por las doce vertebras torácicas. Tiene forma de cono truncado o pirámide
cuadrangular. Su función es la de proteger al corazón y los pulmones, además tiene la
capacidad de ensancharse para producir la inspiración. La figura 4 muestra la anatomía
de la caja torácica.
11
Figura 4. Anatomía de la caja torácica: está formada por el esternón, las 12 costillas y las
vertebras torácicas, los músculos intercostales internos y externos y los ligamentos
intercostales.
La pared de la caja torácica está formada por 12 pares de costillas y los músculos
intercostales: internos y externos; 7 pares de costillas están unidas directamente al
esternón desde las vertebras torácicas, 3 pares se encuentran unidas al esternón a través
de cartílago y 2 pares, llamadas costillas flotantes, sólo están unidas a la columna
vertebral. Estas últimas, al no estar ligadas, permiten una mayor movilidad del diafragma
durante el proceso inspiratorio. El movimiento de las costillas es llevado a cabo por los
músculos intercostales; los músculos intercostales internos se activan sólo durante la
espiración forzada, mientras que los músculos intercostales externos se activan durante la
inspiración forzada [10].
El diafragma
El diafragma es el músculo más importante de la respiración. La figura 5 muestra la
anatomía de este músculo. Corresponde a un músculo de tipo digástrico con un espesor
promedio de 3 a 5 cm. Separa la cavidad torácica de la cavidad abdominal. Está
constituido por una zona muscular periférica y una parte central formada por tendones;
todas sus fibras confluyen en el centro frénico. En este músculo existen varios orificios,
entre los que destacan el hiato aórtico (para el paso de la aorta y el conducto torácico), el
hiato esofágico (para el paso del esófago y los troncos vagales) y el orificio para la vena
cava inferior y en algunos casos el nervio frénico derecho. También lo atraviesan varios
nervios y vasos linfáticos.
12
Figura 5. Anatomía del diafragma: músculo digástrico formado por un tendón central
(parte más alta) y por fibras musculares que confluyen en dicho tendón, posee algunos
orificios (hiatos) para el paso de la vena cava inferior, la aorta (crura diafragmática), el
esófago y algunos nervios. Es el principal músculo respiratorio.
Durante la inspiración las fibras musculares tensan hacia abajo el tendón central,
produciendo un incremento en la dirección vertical del tórax, lo que produce una
disminución de presión al interior de los pulmones. Cuando el diafragma se relaja y vuelve
a su posición normal, curvado hacia arriba, los pulmones se contraen y el aire sale.
Además, al contraerse presiona el abdomen ayudando al estómago a realizar el proceso
de digestión [10].
Músculos accesorios
Los músculos accesorios son aquellos que no participan del proceso de respiración
tranquilo (reposo), pero sí durante la respiración forzada o en ciertas patologías
respiratorias, la figura 6 presenta estos músculos. Los escalenos ayudan en la elevación
de las primeras costillas. Los músculos pectorales y esternocleidomastoideos elevan el
esternón. Los músculos de la pared abdominal anterior: oblicuos interno y externo,
transverso y recto del abdomen ayudan en ciertas patologías generando una espiración
activa [10].
13
Figura 6. Músculos accesorios de la respiración: son aquellos que no participan durante
la respiración tranquila, se activan durante la respiración forzada, por ejemplo durante el
ejercicio o en ciertas patologías. Los músculos son los siguientes:
esternocleidomastoideo, escalenos, pectorales, recto del abdomen, oblicuo externo e
interno y transverso del abdomen. Las flechas indican la dirección del movimiento del
músculo durante su contracción.
2.1.2 Mecánica respiratoria
En este capítulo se examina el comportamiento mecánico del sistema respiratorio, para
ello se describen los principales componentes que entran en juego durante la respiración
y las variables que pueden ser monitoreadas durante el proceso.
La figura 7 describe la ecuación de movimiento de la mecánica clásica, para un móvil de
masa M sobre un plano, unido a un resorte y un amortiguador.
Figura 7. Ecuación de movimiento de la mecánica clásica. F, es la suma de las fuerzas
aplicadas al sistema, x la posición del móvil, k la constante del resorte, ν el coeficiente de
roce, y M la masa del móvil unido al resorte.
14
Por analogía, se puede establecer la misma ecuación para el sistema respiratorio (ver
figura 8), donde éste es modelado como un fuelle conectado al exterior por medio de un
tubo de resistencia no nula al flujo2 [55][86][102].
Figura 8. Analogía de la ecuación de movimiento para el sistema respiratorio. P
representa la presión que genera el flujo de aire en los pulmones, V es el volumen del
fuelle, C la compliance o distensibilidad del sistema respiratorio (pulmón y caja torácica),
R la resistencia al flujo de aire e I la inercia relativa a la aceleración de presión.
Esta analogía permite ligar las características mecánicas del proceso respiratorio a los
volúmenes y presiones pulmonares. A continuación, se explican cada uno de estos
conceptos.
Volúmenes y capacidades pulmonares
Normalmente se habla de volúmenes y capacidades respiratorias [101], los volúmenes
son aquellas cantidades de gas que ya no pueden ser subdivididas, mientras que las
capacidades corresponden a la suma de dos o más volúmenes. La figura 9 muestra y
explica cada uno de los volúmenes y capacidades pulmonares.
2
Este modelo fue planteado por primera vez por Leonardo Da Vinci, 5 siglos después sigue siendo válido.
15
Figura 9. Volúmenes y capacidades pulmonares. Un individuo respira normalmente en
promedio 15 veces por minuto. En cada respiración ingresan aproximadamente 500 ml de
aire que corresponden al volumen corriente o tidial (VT). La frecuencia, así como la
profundidad de la respiración, pueden cambiar el volumen respirado. El aumento máximo
del volumen inspirado sobre el nivel de VT, corresponde al volumen de reserva
inspiratoria (VRI). El aumento del volumen inspirado trae como consecuencia un aumento
en el volumen de aire espirado, en este caso el volumen de aire espirado máximo por
debajo del nivel de VT (espiración forzada), corresponde al volumen de reserva
espiratoria (VRE). Aún realizando un esfuerzo espiratorio máximo queda una cantidad de
aire en los pulmones, el cual no puede ser movilizado, éste corresponde al volumen
residual (VR). La máxima cantidad de aire que pueden contener los pulmones
corresponde a la capacidad pulmonar total (CPT). El volumen existente luego de una
espiración tranquila es la capacidad funcional residual (CFR). El volumen de aire inspirado
máximo que ingresa a los pulmones desde CFR corresponde a la capacidad inspiratoria
(CI). La capacidad vital (CV) es el volumen que puede ser inspirado con un esfuerzo
inspiratorio máximo desde VR.
Desde una perspectiva funcional los volúmenes y capacidades pulmonares pueden ser
divididos en: dinámicos, aquellos que se movilizan con la respiración y estáticos, aquellos
que no se movilizan (VR y las capacidades que lo contienen: CFR y CPT) [101].
Los volúmenes y capacidades pulmonares dinámicas pueden ser determinados en base a
un test de función mecánica respiratoria llamada espirometría [3][100][109]. Los
volúmenes y capacidades estáticos pueden ser medidos utilizando técnicas como la
pletismografía corporal [2][33], el método de dilución de gases [100] e imagenología [32]:
imágenes de resonancia magnética (MRI) [76], tomografía computarizada (CT 3D)
[61][74], ultrasonido [71], entre otras.
16
También es posible deducir volúmenes y capacidades pulmonares a través de los
cambios de volumen de la caja torácica y del abdomen utilizando pletismografía inductiva
respiratoria [15][45][129] o neumografía inductiva respiratoria [88].
Presión
Los cambios de presión producidos por la acción de los músculos respiratorios son los
responsables del ingreso de aire a los pulmones [10]. Las presiones más importantes que
participan en el proceso respiratorio son las siguientes:
1. Presión barométrica (Pb): presión existente en la superficie del cuerpo y en la
vía aérea.
2. Presión alveolar (Palv): presión dentro del alvéolo. En equilibrio se puede
señalar que: Pb=Palv.
3. Presión pleural (Ppl): presión dentro de la cavidad pleural.
4. Presión esofágica (Pes): presión dentro del esófago. En equilibrio se tiene que
Ppl=Pes.
5. Presión gástrica (Pg): presión medida en el estómago, justo por debajo del
diafragma.
6. Presión transpulmonar (Ptp=Palv-Ppl): diferencia de presión que se requiere
para contrarrestar la retracción elástica del pulmón.
7. Presión transtorácica (Ptt=Ppl-Pb): diferencia de presión a través de la pared
torácica, corresponde a la diferencia de presión que se requiere para
contrarrestar la retracción elástica de la caja torácica.
8. Presión transdiafragmática (Ptd=Pg-Ppl): presión ejercida sobre la superficie
del diafragma.
9. Presión transtotal (Pt): corresponde a la suma de Ptp y Ptt, y corresponde a la
diferencia de presión necesaria para vencer la suma de la resistencia de las
vías aéreas y la retracción elástica del pulmón.
La medida de las presiones involucradas en el proceso respiratorio es una tarea difícil,
principalmente debido a que se trata de técnicas invasivas y requieren de la correcta
participación del paciente. Normalmente se utiliza un balón de presión insertado a través
de la vía esofágica para medir Pes, la que en condiciones de equilibrio se puede
aproximar a la Ppl. Por otra parte, se utiliza un manómetro para la medición de la Pb. Con
estos valores es posible obtener la presión transtorácica, Ptt.
Distensibilidad pulmonar
Con las medidas simultáneas de presión y volumen se pueden obtener las curvas presiónvolumen pulmonar (P-V) [55][86][102]. La pendiente de la curva P-V equivale a la
compliance o distensibilidad pulmonar, que corresponde al cambio de volumen por cada
unidad de cambio de presión, como se puede ver en la ecuación 1.1, es decir, entrega
información sobre la mayor o menor facilidad del pulmón para aumentar su volumen, el
inverso de la distensibilidad corresponde a la elasticidad y mide la fuerza de retracción
pulmonar.
C ( p) =
∆V
,
∆P
(1.1)
17
las curvas P-V son diferentes si se trata de inspiración o espiración. Este fenómeno es
conocido como histéresis, y se traduce en que a una presión dada el volumen pulmonar
es mayor durante la espiración que durante la inspiración [42]. La figura 10 muestra un
ejemplo de una curva P-V que muestra el fenómeno de histéresis del pulmón durante los
procesos de inspiración y espiración.
Los factores involucrados en la distensibilidad pulmonar vienen dados por [10]:
1. las fibras elásticas del pulmón en estructura reticular, esto debido a que la
distensibilidad de una red es mayor que la de las fibras que la constituyen; y
2. la interface aire-líquido de los alvéolos: las fuerzas de atracción intermolecular son
mayores en los líquidos que en los gases. En la interfaz aire-líquido, las moléculas
superficiales son atraídas más hacia el líquido que hacia el gas, produciendo una
tensión superficial (tendencia de una burbuja a retraerse), este fenómeno es
producido por el surfactante3.
Figura 10. Representación de la curva presión-volumen (P-V). La curva ascendente
representa la inspiración y la curva descendente la espiración. La pendiente de la curva PV corresponde a la distensibilidad pulmonar o compliance (C). La distensibilidad pulmonar
varía según se produzca la inspiración o espiración, fenómeno conocido como histéresis.
El volumen máximo corresponde al punto de inestabilidad elástica en el cual por efecto de
la presión se pierden las propiedades elásticas debido a la acción de los receptores de
3
El surfactante es una sustancia compleja que contiene fosfolípidos y un número de apoproteínas. Este
líquido esencial es producido por las células alveolares Tipo II, y cubre los alveolos y pequeños bronquiolos.
El surfactante reduce la tensión superficial en todo el pulmón.
18
estiramiento. También se puede observar que a pesar de que P=0, todavía existe aire en
los pulmones, el que corresponde al VR.
La distensibilidad varía en las distintas zonas del pulmón, distensibilidad regional, debido
al efecto de las diferentes presiones transpulmonares, dado que el efecto de la gravedad
hace que Ptp sea mayor en la base que en el ápice del pulmón (por la posición que
adoptan los alvéolos).
También es importante señalar el efecto de la distensibilidad de la caja torácica sobre la
distensibilidad del sistema respiratorio, esto debido a la tendencia de la caja torácica a
expandirse, lo que produce que la pleura visceral “siga” este movimiento y colabore en
mantener los pulmones expandidos.
Resistencia
La resistencia es el impedimento que encuentra el aire para ventilar los pulmones. Esta
resistencia se presenta en 2 estructuras: la vía aérea y el parénquima pulmonar
(alvéolos). La vía aérea presenta una resistencia al roce del aire inspirado/espirado con
las paredes de la misma (resistencia resistiva), mientras que el parénquima presenta una
resistencia a la distensión debido a la tendencia al colapso que tiene (resistencia elástica)
[20]. La resistencia del parénquima es despreciable en comparación con la resistencia de
la vía aérea, por lo que al referirnos a resistencia estaremos considerando sólo la
resistencia de la vía aérea. La resistencia de la vía aérea (Raw) se define a través de la
relación mostrada en la ecuación 1.2:
Raw =
∆P
,
∆V
(1.2)
normalmente se utiliza el concepto de conductancia (Gaw) que es el inverso de la Raw.
La resistencia en la vía aérea depende de si el flujo es laminar o turbulento, de las
dimensiones de la vía aérea (largo l y radio r) y de la viscosidad del gas (γ).
En el flujo laminar, la resistencia es muy baja. Esto se debe a que se necesita una presión
de empuje pequeña para producir cierta velocidad de flujo. La resistencia durante el flujo
laminar se puede calcular por la ley de Hagen-Poiseuille:
R=
8lγ
,
π r4
(1.3)
En la ecuación (1.3) podemos ver que la variable más importante es el radio r, que viene
dado por su elevación a la cuarta potencia, lo que produce un gran impacto en el valor de
la resistencia. Los principales factores que afectan el radio de las vías aéreas son: tono
del músculo liso bronquial, diferencias de presión en las paredes de la vía aérea y
factores físicos (temperatura, humedad, etc.).
Durante el flujo turbulento la resistencia es relativamente mayor, necesitándose mayores
diferencias de presión para aumentar el flujo (comparado con el caso laminar). Dado que
19
la relación presión/flujo deja de ser lineal durante el flujo turbulento, no existe una
ecuación para comparar su resistencia.
La resistencia también depende del número de vías paralelas presentes; por esta razón,
las vías aéreas grandes y de medio tamaño presentan una resistencia mayor al flujo que
la que ofrecen las muy numerosas pero pequeñas vías aéreas. En relación a este punto
se puede indicar que cerca del 80% de la Raw viene dada por la tráquea y los bronquios y
sólo un 20% corresponde a bronquíolos. La Raw tiende a disminuir a medida que aumenta
el volumen pulmonar, porque la vía aérea se distiende cuando los pulmones se inflan,
ampliándolas [10].
Para la determinación de la Raw se utiliza el pletismógrafo [40], el balón esofágico [134], el
método de oscilación forzada [95] y espirometría forzada [100].
Contracción Muscular
Los músculos respiratorios son un elemento activo fundamental durante la respiración. Su
contracción en condiciones adecuadas es la que genera el gradiente de presiones que
permite la entrada de aire en los pulmones. En este punto es de vital importancia la acción
ejercida por el diafragma. El diafragma ha sido estudiado utilizando técnicas como la
electromiografía (EMG) [9][93]; vibromiografía (VMG) [138] o fonografía, que permiten
determinar la actividad mecánica y eléctrica del músculo. También se utilizan técnicas que
en forma indirecta permiten relacionar la fuerza muscular respiratoria utilizando medidas
de presión [56][70][93]. El inconveniente de estas técnicas es que requieren de la
participación y cooperación del paciente, por lo que muchas veces las mediciones pueden
ser erróneas. Para superar esta dificultad se han desarrollado técnicas que permiten
mejorar la medición de la fuerza muscular, las principales son la estimulación eléctrica o
magnética del nervio frénico [50][69][93][94][134].
2.1.3 Técnicas de medición de las variables respiratorias
Espirometría
Ésta es una prueba fisiológica que mide como un individuo inhala y exhala volúmenes de
aire en función del tiempo (espirometría simple) y la rapidez con la que estos volúmenes y
capacidades son movilizados (espirometría forzada). Permite determinar curvas de tipo
volumen/tiempo y flujo/volumen como las mostradas en la figura 11 [3][109].
20
Figura 11. Curvas volumen/tiempo y flujo/volumen medidos utilizando espirometría.
Pletismografía corporal
Es una prueba para medir la cantidad de aire que queda en el pulmón luego de una
espiración forzada (volúmenes estáticos) [2][33]. Para realizar esta prueba es necesario
que el paciente se ubique en una cabina herméticamente cerrada, conectado a un
espirómetro a través de una boquilla y con una pinza en la nariz. El paciente respira en
forma normal por un corto período de tiempo y luego se procede a cerrar la boquilla
durante algunos segundos. Durante este período el paciente continúa respirando aunque
no haya flujo (dado que la válvula está cerrada). Una vez abierta la válvula el paciente
debe realizar una espiración forzada seguida de una inspiración forzada hasta CPT y
luego una maniobra espiratoria forzada para después respirar tranquilamente. Los
cambios de presión y volumen que producen los esfuerzos respiratorios del paciente para
vencer el obstáculo permiten estimar, mediante ecuaciones matemáticas complejas, el
volumen de gas intratorácico.
Método de dilución de gases
El método de dilución de gases consiste en conectar al paciente a un circuito cerrado que
tiene una mezcla de gas con un volumen total y un porcentaje de gas marcador conocidos
(normalmente He), junto con oxígeno a una concentración próxima a la ambiental.
Durante la prueba, el paciente respira normalmente, con lo que el He se mezcla con el
gas del pulmón y las vías aéreas, disminuyendo su concentración y aumentando la
concentración alveolar. El principio físico en el que se basa esta prueba es que la
cantidad total de gas inicial será igual a la final, ya que ni se transfiere (es prácticamente
insoluble en los tejidos) ni se destruye. Por tanto, si se miden sucesivamente las
concentraciones de He, llegará un momento en el que se alcance un equilibrio, con
concentraciones prácticamente constantes. Esta técnica permite medir el gas en contacto
con la vía aérea.
21
Pletismografía inductiva respiratoria
La pletismografía inductiva respiratoria consiste en la utilización de sensores para medir
los cambios del área transversal de la caja torácica y abdominal durante un CR.
Típicamente los sensores consisten en una matriz de hilos de cobre ordenados en forma
de bobina y excitados por un circuito oscilador de alta frecuencia y baja corriente. Los
movimientos del tórax y el abdomen propician la generación de campos magnéticos que
se miden como variaciones de voltaje en función del tiempo. A través de un proceso de
reconstrucción es posible estimar las curvas de volumen torácico y abdominal, además de
obtener información cardiaca (electrocardiograma) [15][40][45][129]. La pletismografía es
una técnica no invasiva, los últimos trabajos se han enfocado al desarrollo de chaquetas
que posibilitan la medición de las señales respiratorias y cardiacas sin contacto
(VISURESP) [15], aplicando estos desarrollos a la telemedicina.
Técnicas de medición actividad muscular
La EMG consiste en la aplicación de electrodos sobre la piel que miden la actividad
eléctrica del músculo o en la aplicación de electrodos de bajo voltaje en forma de agujas
en la zona muscular para aplicar pequeñas corrientes para generar la contracción del
músculo y luego medir la actividad eléctrica. Es una prueba que permite estudiar el estado
tanto del sistema nervioso periférico como muscular.
La VMG es una técnica que registra las vibraciones que ocurren en el músculo
esquelético cuando se contrae. Se aplica principalmente para la detección de diferentes
desordenes musculares.
También se utilizan técnicas basadas en mediciones de presión, las que relacionan la
presión ejercida en la boca con los niveles de activación de los músculos respiratorios,
principalmente del diafragma [56][70][134].
La estimulación muscular corresponde a la provocación de una contracción de un
músculo o grupo muscular mediante un estímulo eléctrico. Este examen permite
comprender y estudiar la excitación eléctrica de las fibras nerviosas motoras periféricas y
del tejido muscular.
22
3. MOTIVACIÓN
La respiración es un proceso complejo y vital para todos los seres vivos. Constantemente
nuestro sistema respiratorio se ve expuesto a sustancias nocivas que pueden afectar su
correcto funcionamiento, provocando desde un simple resfrío, gripe, neumonía, TRS,
pudiendo incluso llegar a un cáncer de pulmón.
En este trabajo se estudiará el proceso respiratorio, más precisamente las señales
respiratorias que pueden ser medidas, de manera de relacionar la respiración con 2
aplicaciones:
1. Respiración y radioterapia.
2. Respiración y sueño.
3.1
Respiración y radioterapia
La radioterapia es una de las técnicas más efectivas utilizada para el tratamiento del
cáncer. Se basa en el empleo de radiaciones ionizantes (ondas electromagnéticas) o
haces de partículas, conocidas como hadrones, para la destrucción de los tejidos
tumorales, bloqueando su capacidad de multiplicarse. El objetivo en un proceso de
radioterapia es conservar los tejidos sanos en forma indemne, concentrando la dosis
irradiada de manera óptima en el tumor. Esto es difícil de lograr, especialmente en el caso
de tumores pulmonares, debido al movimiento del pulmón, y por ende el del tumor,
producido principalmente por la respiración del paciente.
Variados trabajos se han realizado para medir la magnitud del desplazamiento del pulmón
durante la respiración [7][41][92][119]. Los resultados muestran desplazamientos de entre
4 a 30 mm, principalmente en las direcciones cráneo-caudal4, lateral5 y antero-posterior6,
y de mucho mayor magnitud en la base del pulmón que en su parte superior o ápice. De
la misma manera, estudios sobre el movimiento del tumor, como los mostrados en
[41][87][92][118][119] señalan que éstos presentan un movimiento “no predecible”. Este
hecho se explica por la dificultad de inspirar y espirar un mismo volumen de aire durante
distintos CR. Además, el movimiento de un tumor durante dos CR idénticos varía, debido
a que existen diversas formas para obtener un mismo volumen respiratorio, por ejemplo,
realizando respiración puramente torácica, puramente abdominal o una mezcla de ambas.
Dada esta situación es que el conocimiento de la posición del pulmón y a través de ella la
predicción en tiempo real de la posición del tumor pulmonar durante cualquier etapa del
CR podría mejorar drásticamente el tratamiento radiológico del cáncer pulmonar.
Para la planificación de la radioterapia, proceso conocido como dosimetría, se debe definir
4
La dirección cráneo-caudal corresponde al eje vertical que atraviesa al paciente desde la cabeza a los pies.
5
La dirección lateral corresponde al eje que atraviesa al paciente de izquierda a derecha.
6
La dirección antero-posterior corresponde al eje que atraviesa al paciente desde la parte dorsal a la parte
ventral.
23
la zona de irradiación y la dosis a aplicar, de manera de dirigir el haz de manera óptima
sobre el tumor. La zona de irradiación se determina a partir de la adquisición de imágenes
3D del paciente, previas al tratamiento. Esta definición previa trae como consecuencia
que no se consideran las variaciones en los movimientos respiratorios que el paciente
experimenta durante la radioterapia, los que ocurren por estrés, posición adoptada u otros
factores. Con la finalidad de disminuir esta fuente de error se han desarrollado variadas
técnicas que permiten mejorar el proceso de irradiación pulmonar, que se dividen en dos
grupos importantes: i) técnicas de “gating” respiratorio [48][84][87][136] y ii) técnicas de
“tracking” [35][46][113].
Las técnicas de gating respiratorio consisten en irradiar el tumor pulmonar en un instante
preciso del CR del paciente. Se pueden definir dos tipos:
1. Técnicas activas: son aquellas que controlan la respiración del paciente.
Principalmente se utiliza el bloqueo del flujo de aire y en la mayoría de los casos
se realiza en inspiración máxima. Las principales variantes corresponden al
bloqueo forzado del aire mediante algún dispositivo, por ejemplo el active
breathing control (ABC) [136] o al bloqueo voluntario realizado por el paciente.
2. Técnicas pasivas o empíricas: estos métodos utilizan medidas externas para
adaptar el protocolo de irradiación en función del movimiento dado por el CR [84].
En este caso se utilizan principalmente marcadores sobre la piel del paciente para
determinar el momento exacto para la irradiación.
Las técnicas de tracking se basan en la utilización de imágenes médicas obtenidas en
instantes distintos del CR. En este grupo los métodos más utilizados corresponden a las
técnicas basadas en modelos de simulación computacional. Estas técnicas utilizan
modelos gráficos del pulmón y tórax y modelos de predicción del movimiento respiratorio
de la caja torácica para predecir el movimiento del tumor y poder “seguirlo” durante el
proceso de irradiación.
3.2
Respiración y sueño
El sueño es un estado biológico indispensable, que en humanos comprende
aproximadamente un tercio de las 24 horas del día. Está caracterizado por una pérdida
reversible de conciencia, una disminución de los niveles de actividad fisiológica y una baja
respuesta a los estímulos externos. Está controlado por procesos circadianos y
homeostáticos [18][25].
El sueño no es homogéneo, pues existen 2 estados: sueño paradójico (SP) y sueño
quieto (SQ). Estos estados pueden ser identificados por la concordancia temporal de
patrones de las actividades electroencefalográfica (EEG), electrooculográfica (EOG) y
electromiográfica (EMG). Clásicamente el SQ ha sido dividido en 4 etapas de acuerdo a
los patrones presentes en el EEG (SQ1, 2, 3 y 4) [106], pero actualmente las etapas de
SQ3 y 4 son consideradas como una sola etapa llamada sueño profundo o sueño de
ondas lentas (SWS) [17].
Los trastornos respiratorios del sueño (TRS) o alteraciones respiratorias asociados al
sueño (sleep related breathing disorders, SRBD) tienen relación con la obstrucción
24
repetitiva, completa o parcial, de la vía aérea superior durante el sueño, causando el cese
completo del flujo aéreo (apnea) o la reducción del flujo de aire (hipopnea), patología
denominada síndrome de apnea/hipopnea obstructiva del sueño (SAHOS) [54]. La
identificación precisa y confiable de apneas e hipopneas es crítica tanto para establecer el
diagnóstico como para estimar la severidad del mismo [107].
En condiciones normales, los músculos de la parte superior de la faringe mantienen la vía
aérea permeable y permiten que el aire fluya hacia los pulmones. Aunque estos músculos
se relajan durante el sueño, la parte superior de la faringe permanece lo suficientemente
abierta para permitir el paso del aire. Sin embargo, algunas personas tienen un área más
estrecha y durante el sueño la relajación de estos músculos hace que el pasaje se cierre,
completa o parcialmente, lo que impide que el aire ingrese a los pulmones.
El estrechamiento de la vía aérea durante el sueño puede estar magnificado, entre otros,
por sobrepeso u obesidad, el hecho de fumar (incluso exponerse al humo del cigarrillo),
consumo de alcohol, uso o abuso de sustancias depresoras del sistema nervioso central
y/o horarios irregulares de sueño. Los patrones respiratorios durante el sueño son muy
variables, pero incluyen obstrucción cíclica, aumento del esfuerzo respiratorio, restricción
de flujo aéreo, taquipnea (aumento de la frecuencia respiratoria por encima de los valores
normales), y/o trastornos del intercambio gaseoso. Si bien el despertar (o micro-despertar)
abre inmediatamente la vía aérea y normaliza el intercambio gaseoso, también altera la
continuidad del sueño. Efectivamente, éste es un fenómeno gradual que implica
modificaciones neurofuncionales (en particular, activación de los músculos dilatadores de
la faringe), manifestándose desde una sutil modificación autonómica (o activación
subcortical), hasta un despertar electro-cortical visible en el EEG. Si bien el umbral de
obstrucción que implica interferencia de la homeostasis (fragmentación) del sueño es
mayor en SWS, intermedio en etapa de SQ2 y menor en SP, el principal estímulo para
despertar es el esfuerzo respiratorio y la hipercapnia (aumento de la presión parcial de
CO2) [107].
La fisiopatología de la obstrucción de la vía aérea es una compleja interacción entre su
predisposición hacia el colapso y la compensación neuromuscular. En efecto, las
dimensiones anatómicas del lumen de la vía aérea, de los tejidos blandos y del esqueleto,
son relevantes para el desarrollo de la obstrucción, pero no permiten explicar
completamente el patrón de TRS. Esto indica que factores tales como la activación
neuromuscular, el control ventilatorio y el umbral de despertar juegan roles claves en la
permeabilidad de la vía aérea durante el sueño. Al inicio del sueño, durante el SQ, se
reduce la actividad muscular de la vía aérea, aumenta la variabilidad ventilatoria y el
umbral apneico queda ligeramente por debajo del nivel normal. La colapsabilidad de la vía
aérea es compensada por la actividad del dilatador faríngeo en respuesta a la hipercapnia
y a la presión negativa intraluminal.
Los mecanismos de control respiratorio modulan tanto la ventilación como la activación de
los músculos dilatadores de la faringe. La fragmentación del sueño contribuye a la
inestabilidad ventilatoria y, en consecuencia, a la instalación de la obstrucción cíclica.
Durante SP, las reducciones paroxísticas de la actividad del dilatador faríngeo
relacionadas con los procesos cerebrales propios de dicho estado de sueño contribuyen a
magnificar la severidad de las obstrucciones.
25
El SAHOS implica un sueño fragmentado y no sosegado, asociado con somnolencia
diurna excesiva y reducción de la calidad de vida (cansancio, problemas de
concentración, cambios de personalidad, etc.). Además, diversos estudios en niños
muestran que quienes presentan este síndrome se caracterizan por ser hiperactivos. Una
persona con SAHOS generalmente ronca muy fuerte al comienzo del sueño. Estos
ronquidos continúan en forma regular durante un tiempo (pudiendo hacerse más fuertes),
pero luego son interrumpidos por un largo periodo de silencio durante el cual no hay
respiración, esto va seguido por un fuerte resoplido y jadeo para retornar a los ronquidos,
produciendo un cambio a una etapa de sueño más ligero. Este patrón se repite
frecuentemente a lo largo de la noche [54].
La hipótesis diagnóstica se establece en base a la historia y los antecedentes clínicos y el
examen físico, mientras que la confirmación del SAHOS se realiza utilizando
polisomnografía [72]. La polisomnografía es el registro simultáneo (adquisición de datos)
de diversas variables durante el sueño.
26
4. DEFINICIÓN
D
DEL PROBLEMA
Este trabajo de tesis se centrará en el desarrollo y aplicación de herramientas de
procesamiento de señales respiratorias aplicadas a:
1. ell estudio de la mecánica de la respiración para el mejoramiento y monitoreo de
un modelo de simulación computacional para el seguimiento del tumor pulmonar durante
la radioterapia, y
2. el desarrollo de técnicas de procesamiento de señales aplicadas a registros
polisomnográficos
isomnográficos para la detección de episodios de SAHOS y su relación con la
arquitectura del sueño.
La figura 12 muestra un diagrama explicativo del problema a abordar en este trabajo.
Figura 12: Diagrama explicativo del tema de tesis a desarrollar. Este
ste trabajo tendrá un
tronco central común
ún para ambas aplicaciones. Este
ste tronco común
com
corresponde al
desarrollo y aplicación
ón de técnicas
t
de procesamiento de señales
es aplicadas a variables
respiratorias. Estas técnicas
écnicas serán
serán aplicadas al mejoramiento de un sistema de
modelación
ón computacional del proceso respiratorio y a la detecci
detección de patrones
respiratorios en registros polisomnogr
polisomnográficos.
27
4.1
Modelos de
respiratorio
simulación
computacional
del
proceso
Las técnicas desarrolladas hasta ahora para el mejoramiento de la dosimetría en
radioterapia para tumores pulmonares presentan imprecisiones. Las técnicas de gating
tratan de corregir el hecho de que los CR no son iguales, pero se ven afectadas por no
considerar que el tumor varía su posición aún para un mismo volumen respiratorio.
Además, son técnicas que necesitan de la cooperación y participación del paciente y son
altamente invasivas. Por otra parte, las principales técnicas de tracking consideran el
hecho de que el movimiento del tumor y los CR son no predecibles, pero se ven afectadas
principalmente porque utilizan información obtenida antes del tratamiento (imágenes
médicas). Por lo anterior, es de interés el desarrollo de un modelo respiratorio que
incorpore los factores que producen la no predictibilidad del movimiento del tumor, que
sean no invasivos y requieran la mínima participación del paciente.
En el laboratorio LIRIS (Laboratoire d’InfoRmatique en Image et Systèmes d’information),
el equipo SAARA (Simulation, Analyse et Animation pour la Réalité Augmentée) de la
Université Claude Bernard Lyon 1, Lyon-Francia, ha trabajado por varios años en el
desarrollo de modelos de simulación por computación gráfica, específicamente en el
desarrollo de modelos 3D de tórax y pulmón para el seguimiento del tumor durante la
respiración [38][39]. Estos modelos de simulación del proceso respiratorio están basados
en leyes mecánicas (físicas) y consideraciones anatómicas, pero no incluyen hasta ahora
la adquisición de valores de variables respiratorias medibles potencialmente relevantes,
tales como el volumen y flujo de aire, actividad eléctrica muscular, características de la vía
aérea y elasticidad pulmonar, entre otras.
Por otra parte se han desarrollado trabajos en el ámbito de procesamiento de señales
respiratorias, que apuntan a describir la variabilidad y complejidad del proceso en
humanos [12], pero no se han utilizado en un modelo de simulación computacional. Por lo
anterior, es de interés estudiar la posibilidad de incluir información tanto del proceso
mecánico y las consideraciones anatómicas, como las variables medibles on-line para
obtener un modelo de simulación computacional que permita una mejor simulación de la
respiración del paciente. También es de interés el poder realizar la correlación entre las
distintas variables respiratorias medidas para poder realizar procesos de reconstrucción
de las señales en los casos en que éstas no estén disponibles.
4.2
Trastornos respiratorios del sueño (TRS)
Los TRS representan un problema relevante de salud en términos de alta prevalencia, con
niveles relevantes de morbilidad y mortalidad [107]. Los pacientes con SAHOS presentan
repetidas alteraciones en los estados del sueño y la respiración, asociados con cambios
hemodinámicos que incluyen alteraciones de la presión arterial, frecuencia cardiaca y
función cardiovascular. También aparecen alteraciones en las funciones neurocognitivas,
especialmente en niños.
La polisomnografía es la herramienta principal para la confirmación diagnóstica de
SAHOS [72]. Para ello se deben registrar las siguientes señales: flujo aéreo, esfuerzo
ventilatorio, recambio gaseoso, monitorización de la saturación de O2 (SaO2), EEG, EOG,
28
EMG, ECG, movimientos corporales, ronquidos, posición, etc. Una vez realizada la
polisomnografía se debe efectuar el diagnóstico de los estados de sueño y de vigilia, y
luego analizar la eficacia y la eficiencia del sueño, tiempo total de sueño (TST), latencia al
sueño, microdespertares, porcentaje de SP y de SQ, número y duración de apneas e
hipopneas (IAH), índice de micro-despertares (arousals) e índice de movimiento periódico
de piernas [67].
El Laboratorio de Ingeniería Biomédica del Departamento de Ingeniería Eléctrica de la
Universidad de Chile, en conjunto con el Laboratorio de Sueño del Instituto de Nutrición y
Tecnología de los Alimentos (INTA) de la Universidad de Chile, han trabajado en el
desarrollo de una amplia base de datos de registros polisomnográficos de niños, con un
seguimiento que va desde los 6 meses hasta los 16 años de edad. También cuentan con
una amplia serie de pruebas neurocognitivas. En el ámbito de la colaboración entre
ambos laboratorios se han desarrollado sistemas para la detección de estados y etapas
de sueño [43][57], detección de patrones de sueño: husos sigma [58] y movimientos
oculares rápidos; y herramientas para el análisis del polisomnograma y del hipnograma7.
En esta línea de investigación es de interés el estudio y determinación de los episodios de
apnea e hipopnea (SAHOS), índice de micro-despertares y el estudio de la arquitectura
del sueño utilizando técnicas de procesamiento de señales aplicadas a registros
polisomnográficos de sueño para estudiar su relación con procesos y funciones
neurocognitivas en niños. Se busca establecer relaciones estadísticas que permitan
relacionar los efectos de los TRS, específicamente de los episodios de SAHOS, con el
desarrollo de las funciones neurocognitivas en niños.
7
Representación temporal de la organización de los estados y etapas de sueño durante la noche.
29
5. ESTADO DEL ARTE
5.1
Modelos de
respiratorio
simulación
computacional
del
proceso
Los modelos de simulación computacional son utilizados en una amplia gama de áreas en
medicina, en tareas de planificación quirúrgica, simulación médica, realidad aumentada,
robótica médica, entre otras. Diversos órganos y tejidos del cuerpo humano han sido
simulados utilizando este tipo de modelos: cerebro, próstata, hígado, pulmones, piel,
articulaciones, huesos, etc.
La neurocirugía es una de las áreas con mayor desarrollo en este ámbito, con modelos
que facilitan la planificación e intervención quirúrgica [8][90], así como la predicción de las
deformaciones del cerebro durante la cirugía (brain-shift) [23][121]. La modelación de la
próstata y su interacción con el entorno en la zona urogenital [79][132] es otro ejemplo de
modelo de simulación de tejidos blandos. Estos modelos se aplican en tareas como por
ejemplo de resección de próstata [26] y también ayudan a mejorar la planificación y
aplicación de la curieterapia8 [79]. La simulación de las vísceras y órganos abdominales
es una tarea que se enfoca principalmente a la planificación de la cirugía y la generación
de simuladores [123]. También es de gran importancia el estudio del efecto de la
respiración sobre el movimiento de los órganos abdominales [125]. Otras aplicaciones de
modelos de simulación computacional se aplican a cirugía maxilofacial [27][89] y de la
órbita ocular [75], y modelos de huesos y articulaciones [124].
Se pueden definir 2 tipos de modelos de simulación computacional:
1. Modelos geométricos: corresponden a métodos de animación que se basan sólo
en las características geométricas del objeto a simular.
2. Modelos físicos: este tipo de modelos se basan principalmente en las leyes de la
mecánica y consideraciones anatómicas.
5.1.1 Modelos geométricos
Los modelos geométricos comenzaron a ser desarrollados durante los años 80. Son
conocidos como modelos “no físicos”, porque se basan únicamente en la geometría del
objeto en estudio y no en las propiedades del material. Consisten en la visualización de
las estructuras a través de la reconstrucción mediante procesamiento de imágenes. Los
procesos de deformación y animación del modelo se realizan a través de interpolaciones
o transformaciones geométricas entre estados conocidos del proceso, por ejemplo entre
etapas distintas del CR. Son utilizados para el desarrollo de simuladores para la cirugía y
la animación.
Este tipo de modelo posee un gran realismo visual que ayuda a la comprensión global del
sistema en estudio, pero no entrega la precisión ni la realidad física del proceso.
8
La curieterapia o braquiterapia es una modalidad de tratamiento radioterapéutico en el que la fuente
radiactiva queda en contacto o próxima al tumor.
30
5.1.2 Modelos físicos
Los modelos físicos incluyen en su diseño las leyes de la mecánica del proceso en
estudio. Se pueden distinguir 2 tipos:
1. Modelos discretos: son los que consideran al sólido como una serie de puntos
materiales Mi de masa mi.
2. Modelos continuos: son aquellos basados en una representación continua de la
materia.
Estos modelos buscan realismo visual, velocidad de cálculo y también el realismo
físico del comportamiento del proceso modelado.
Modelos discretos
Los métodos masa-resorte son los modelos discretos más utilizados. En este tipo de
método se modela un objeto como un ensamble de n puntos unidos entre ellos por
segmentos. Los puntos (nodos de la malla) son considerados como masas puntuales,
mientras que los segmentos son representados mediante resortes. El estado del sistema
en un tiempo t está definido por las posiciones xi(t) y las velocidades vi(t) de las masas
i=1,…, n. Para una masa puntual mi la fuerza aplicada sobre ella por los j nodos vecinos
puede ser calculada utilizando los principios fundamentales de la dinámica. Los resortes
más utilizados son los que ejercen una fuerza proporcional a su estiramiento/compresión
en relación a su posición de reposo (comportamiento elástico lineal).
Los métodos de tipo masa-resorte han sido utilizados para realizar modelos de la cara,
piel, grasa, músculos y procesos de deformación de tejidos blandos [28][82][83][120][133].
Los modelos discretos son útiles en tareas de animación y de simulación quirúrgica para
el aprendizaje, ya que entregan un gran realismo visual, pero son poco precisos y tienen
un alto costo computacional.
Modelos continuos
Los modelos continuos se basan en los postulados de la mecánica de medios continuos9
y utilizan los métodos de elementos finitos (EF) como herramienta de resolución de las
ecuaciones involucradas en el proceso. El principio básico de los EF consiste en
discretizar el objeto a modelar en pequeños elementos, llamados nodos (volumétricos o
de superficie) a través de la construcción de una malla. Estos nodos son los puntos de
unión de cada elemento con sus vecinos adyacentes. El comportamiento de cada
elemento se determina con el comportamiento de los nodos vecinos, mediante la
utilización de funciones de interpolación (sistema de ecuaciones lineales). Este método se
9
La mecánica de medios continuos es un modelo matemático de la materia construido en el marco de la
física clásica (no cuántica y no relativista) que ignora la estructura atómica de la materia. Se sostiene sobre 4
principios fundamentales de la física: 1. conservación de la masa, 2. mecánica de Newton, 3. conservación
de la energía, y 4. termodinámica.
31
utiliza para calcular los campos de desplazamiento, y a través de relaciones cinemáticas y
constitutivas, las deformaciones y tensiones.
Los EF son utilizados para modelar órganos, huesos y músculos, y para la caracterización
de los procesos mecánicos de los tejidos. Algunos trabajos que se pueden mencionar son
los realizados por Sagar et al. [111] que modela el ojo para simulaciones quirúrgicas,
Chen and Zeltzer [29] que modela músculos, Bettendorff-Bakmana et al. [13] que modela
los ventrículos del corazón considerando el comportamiento mecánico así como las
características del músculo miocárdico y Skrinjar et al. [121][122] que modela el brainshift.
5.1.3 Modelos de
respiratorio
simulación
computacional
aplicados
al
sistema
La utilización de modelos físicos que permiten integrar la información adquirida de
mediciones realizadas sobre el paciente y adaptar los modelos y realizar las
deformaciones correspondientes, son conocidos como modelos biomecánicos. En las
aplicaciones relacionadas con la modelación de la respiración, los modelos biomecánicos
son los más utilizados.
Variados trabajos han sido propuestos para modelar el sistema respiratorio y el proceso
respiratorio. Para ello se han desarrollado modelos para los pulmones, la caja torácica, o
para el modelo respiratorio completo.
La revisión de los trabajos tendrá la siguiente estructura: en primer lugar se presentarán
los modelos de simulación desarrollados para el pulmón y la pleura, luego los modelos de
la caja torácica y el diafragma, para finalizar con los modelos que integran todos los
componentes del sistema respiratorio. En cuanto al tipo de modelo, primero serán
presentados los modelos geométricos, luego los modelos discretos (masa-resorte) y
finalmente los modelos continuos basados en EF.
Se han desarrollado diversos modelos geométricos para representar los movimientos
respiratorios del pulmón. Boldea [16] utiliza análisis de imágenes para predecir los
desplazamientos del pulmón debidos a la respiración, para ello realiza tres adquisiciones
CT a distintos volúmenes respiratorios para calcular los campos de deformación de cada
voxel. La idea principal es realizar una interpolación lineal de estos desplazamientos para
obtener los estados intermedios. Moreno et al. [81] proponen un método que utiliza fusión
de imágenes CT-PET. Las imágenes CT son adquiridas en dos etapas extremas del CR,
además se considera que el estiramiento del pulmón es proporcional al aumento del
volumen pulmonar. Una curva P-V de un paciente sano es parametrizada para simular la
geometría del pulmón a diferentes volúmenes, posteriormente utilizando imágenes PET
se realiza la adaptación del modelo para cada paciente.
En el ámbito de la modelación de los pulmones utilizando modelos discretos Kaye et al.
[63] proponen un modelo para la animación de los pulmones, para aplicaciones clínicas.
Promayon et al. [96][98][99] definen diferentes zonas, centrando su estudio en la
simulación del comportamiento de las distintas estructuras respiratorias y la hipótesis de
incompresibilidad de los órganos y vísceras abdominales durante la respiración. Para la
simulación del pulmón considera las características elásticas en un modelo masa-resorte.
32
Amrani et al. [4] proponen un modelo híbrido en el que la caja torácica se modela como
una superficie rígida con la que el pulmón estará en contacto y sobre la cual se deslizará y
por otra parte considera a los pulmones y el corazón como sacos de pequeños elementos
inflables (partículas) que interaccionan entre ellas. La inflación/deflación de los pulmones
y del corazón consiste en la variación de los radios de las partículas a partir de los
movimientos dados por el CR. Este modelo simula de forma realista las deformaciones,
pero no considera todos los aspectos fisiológicos del proceso respiratorio. Santhanam et
al. [112] proponen un método basado en masa-resorte que considera constantes los
desplazamientos de los nodos que forman parte de la superficie del pulmón durante el CR
y los modela utilizando un módulo que ejerce una fuerza que produce una deformación
lateral en el modelo para simular el movimiento de la superficie del pulmón.
En cuanto a la utilización de modelos continuos basados en EF podemos mostrar los
siguientes trabajos: Vawter et al. [130] proponen un método en que considera el
comportamiento elástico del pulmón, pero no toma en cuenta el efecto de la tensión
superficial (debida a los alvéolos). Además supone que la histéresis genera un proceso
contracción-deformación pulmonar diferente tanto para inspiración como espiración. Los
resultados obtenidos muestran que este modelo entrega muy buenos resultados respecto
del proceso contracción-deformación del pulmón comparado con modelos experimentales.
Denny and Schroter [37] modelan el parénquima pulmonar con el objetivo de estudiar el
efecto de grandes distorsiones no-lineales y el comportamiento elástico del pulmón. Los
resultados muestran un comportamiento similar a las medidas obtenidas
experimentalmente. Bettinelli et al. [14] desarrollaron un modelo basado en EF para
estudiar el efecto de la gravedad y de la postura sobre la mecánica del pulmón. Brock et
al. [21] desarrollaron un modelo de pulmón que considera las características mecánicas y
anatómicas del proceso y deduce que los movimientos producidos por la caja torácica
sobre los pulmones son perpendiculares a la superficie del pulmón. Kowe et al. [66]
proponen un modelo que permite examinar las propiedades elásticas y estructurales
constituyentes de las redes que conforman los alvéolos del pulmón. Los resultados
obtenidos, como curvas P-V del modelo fueron comparables con las medidas P-V de las
mediciones de flujo de aire realizadas experimentalmente. Gefen et al. [49] proponen un
modelo para el estudio de pulmones sanos y pulmones con enfisema. La geometría del
modelo se obtuvo mediante la adquisición por microscopía electrónica de cortes de
pulmón, la pared alveolar se supone bajo una ley elástica no lineal. Este modelo permite
comprender a escala microscópica el comportamiento alveolar.
Son pocos los modelos que incorporan estudios de los movimientos de los pulmones y
que toman en consideración el efecto de la pleura durante el proceso respiratorio. Chi et
al. [31] reproducen los movimientos respiratorios aplicando desplazamientos en la
superficie de los pulmones, simulando de esta manera el efecto mecánico de la pleura.
Didier et al. [38][39] presentan un modelo basado en EF que considera el efecto producido
por la pleura en los movimientos de los pulmones inducidos por la caja torácica. En este
modelo, el desplazamiento de la caja torácica es perpendicular a la superficie, pero el
movimiento de la pleura es de deslizamiento en torno a los pulmones.
La caja torácica rodea a los pulmones y en gran medida es la responsable de sus
movimientos. El estudio, la modelación y el cálculo de la cinemática de la caja torácica y
de la acción ejercida por los músculos intercostales es una etapa fundamental para la
obtención de un modelo completo del sistema respiratorio.
33
Ratnovsky et al. [103][104] presentan un modelo 2D de la pared torácica en el cual cada
músculo es representado por un resorte. Este modelo fue desarrollado con el fin de
estudiar la fuerza y el trabajo que genera cada músculo de la respiración. Segars et al.
[116] proponen un modelo de simulación basado en NURBS (non-uniform rational Bsplines) para un “fantoma” (phantom) de tronco con el objetivo de analizar los efectos de
las variaciones anatómicas debidas a la respiración. Los puntos de la superficie del
modelo fueron extraídos de la segmentación de imágenes provenientes de Visible Human
Project10 [137]. Este modelo puede modificar la geometría de las estructuras anatómicas y
los movimientos del paciente simplemente cambiando la posición de ciertos puntos
importantes de la superficie del modelo, en función de las curvas volumen-tiempo dadas
por el CR. En Mohr et al. [80] se realiza un estudio de la geometría de las costillas y de la
deformación de la caja torácica para definir los parámetros característicos de la curvatura
de éstas durante la respiración. En el trabajo de Saunders et al. [114] se estudian los
efectos del cambio de volumen pulmonar, en la configuración toraco-abdominal y de la
contracción de los músculos respiratorios sobre la deformación de la caja torácica. Los
resultados relacionan el tipo de respiración realizado (diafragmática o costal) con las
variaciones de diámetro de la caja torácica (lateral y antero-posterior).
Algunos estudios han sido realizados a partir de modelos mecánicos de la caja torácica.
En los trabajos desarrollados por Zordan et al. [139][140] sobre movimientos respiratorios
utilizando modelos discretos se modela el movimiento de las costillas y de los músculos
intercostales y del diafragma a partir de resortes, y se considera la característica de
incompresibilidad de los cuerpos para estudiar los movimientos del abdomen durante la
respiración. Promayon et al. [96][99] consideran los aspectos relacionados con la acción
ejercida por el diafragma y los músculos intercostales durante el movimiento respiratorio.
En cuanto a los modelos de tórax basados en métodos continuos, Loring [73] desarrolló
un modelo 3D basado en EF con el fin de simular la acción de los músculos respiratorios.
En la literatura se presentan estudios sobre la forma y los cambios del diafragma durante
la respiración, utilizando modelos geométricos. Pettiaux et al. [91] proponen un método de
reconstrucción del diafragma a partir de varios cortes de una misma imagen CT en el
plano coronal y sagital. En cada corte se identifica el diafragma y se reconstruye en 3D.
Behr et al. [11] utilizan un método de reconstrucción similar al anterior, basado en la
detección del contorno delo diafragma en cada imagen CT. A partir de esta reconstrucción
se crea una superficie continua aproximando mediante splines y curvas de nivel. Angelillo
et al. [5] han descrito la geometría del diafragma basados en la hipótesis de que los
grupos de fibras musculares se sitúan sobre las líneas de la curvatura principal de la
superficie del músculo.
En cuanto a modelos discretos, Amancharla et al. [1] desarrollaron un modelo cinemático
del diafragma que considera los efectos del desplazamiento de la pared torácica sobre la
curvatura del diafragma. Promayon y Braconnier [97] presentan un modelo basado en el
método masa-resorte. En este modelo, los objetos, incluido el diafragma, son
10
“The Visible Human Project” es una iniciativa de la Biblioteca Nacional de Medicina (National Library of
Medicine) de USA. Tiene como objetivo crear una completa y detallada representación anatómica, en 3D,
del cuerpo humano de un hombre y una mujer.
34
representados como partículas sobre las cuales se ejercen fuerzas para generar las
deformaciones del modelo.
Boriek y Rodarte [19] desarrollaron un modelo basado en EF en el que consideraron los
efectos de las propiedades de la parte muscular y de la membrana del diafragma. El
modelo se ajusta de buena manera a los cambios de forma del diafragma durante la
respiración.
En la literatura son pocos los trabajos sobre el desarrollo de un modelo biomecánico
completo del sistema respiratorio. En el trabajo de tesis de Promayon [96] se propone un
modelo completo del sistema respiratorio basado en masa-resorte. En este trabajo el
autor modela las distintas estructuras considerando las características físicas de cada
estructura y considera comportamientos elásticos para realizar las deformaciones del
modelo.
El modelo respiratorio pulmón-tórax desarrollado por Didier [38] en el laboratorio LIRIS,
propone un modelo completo del sistema respiratorio que considera los pulmones, la caja
torácica, los tejidos blandos (grasa y piel), el diafragma y el efecto de la pleura utilizando
un modelo continuo basado en EF. El objetivo es tomar en cuenta los movimientos de los
pulmones y de su entorno con el fin de predecir la posición del tumor a partir del
movimiento de la superficie externa del tórax (piel), a partir de marcadores utilizando
videocámaras.
5.2
Trastornos respiratorios del sueño y SAHOS
Variados son los trabajos que se han realizado para el estudio de la relación entre la
respiración y el sueño. Principalmente éstos se enfocan en el estudio de los TRS, los
cuales producen efectos importantes no tan sólo durante el sueño, sino también durante
la actividad diurna del sujeto, afectando diversas capacidades y habilidades. Los
principales trabajos en este sentido apuntan a la detección de los episodios de SAHOS.
EL SAHOS está asociado a enfermedades como: hipertensión arterial pulmonar y
sistémica, arritmia cardiaca, enfermedad coronaria y accidente vascular encefálico
[117][131][135]. También está asociado con el riesgo de sufrir accidentes laborales y
automovilísticos [127] y a problemas en el desarrollo de las funciones cognitivas
[6][47][62][65].
La polisomnografía nocturna constituye el principal y más completo procedimiento para el
estudio de los TRS [30][53][72], específicamente para la detección de los episodios de
apneas e hipopneas. La información obtenida mediante el polisomnograma permite
evaluar el tiempo de sueño, los estados y etapas de sueño, flujo de aire (nasal y bucal),
movimientos toraco-abdominales y de SaO2. Las variables anteriores permiten obtener
información relevante del sueño del paciente como por ejemplo: eficiencia, latencia,
arquitectura, presencia de eventos respiratorios obstructivos, período respiratorio, etc.
[53][115]. Los resultados obtenidos se comparan con los rangos establecidos en la
literatura para definir los criterios de normalidad o anormalidad. Los pacientes con SAHOS
presentan una latencia al sueño disminuida, alteración de la arquitectura del sueño y
aumento del número de episodios de micro-despertar. La polisomnografía tiene como
desventaja el hecho de que se trata de un estudio caro y de difícil acceso. Los estudios
35
realizados con este método diagnóstico constan de pocos casos y siempre se realizan
sobre una población seleccionada.
En base a diversos parámetros clínicos, existen diferentes aproximaciones diagnósticas
para SAHOS, pero no han demostrado ser precisas como efectivamente lo es el registro
polisomnográfico. Una de las técnicas más utilizadas es la realización de cuestionarios
clínicos, pero este procedimiento presenta una baja especificidad y sensibilidad. También
se utiliza la valoración de registros sonoros de los ronquidos. Esta técnica presenta un
nivel de sensibilidad cercana al 70%, pero no es considerada como prueba diagnóstica
[68]. Otra de las técnicas consiste en la realización de oximetría de pulso, pero tampoco
es un método diagnóstico preciso [22].
La polisomnografía aplicada a la detección del SAHOS se centra en la determinación del
porcentaje de sueño en apnea/hipopnea (IAH), ya que este índice se considera el factor
más importante para la determinación de la severidad de la enfermedad [108]. Muchos
estudios se han realizado para identificar el índice IAH, pero la mayoría de ellos presentan
discrepancias en los resultados. Estas discrepancias se atribuyen a los tipos de sensores
utilizados para la detección de los cambios en la respiración y el flujo de aire, a los
distintos criterios de identificación y corroboración de los cambios hemodinámicos y, a la
utilización de disímiles criterios de amplitud de las señales respiratorias para identificar los
episodios de SAHOS. Recientemente la American Academy of Sleep Medicine (AASM) ha
propuesto la estandarización de los procesos para la determinación del IAH [107].
Diversos estudios han sido realizados para evaluar la conducta y las funciones
neurocognitivas en niños con SRBD. Kaemingk et al. [62] realizaron un estudio de apneas
del sueño sobre un gran número de niños en edad escolar utilizando polisomnografía. Los
niños con IAH ≥ 5/h fueron comparados con niños con IAH < 5/h. En este estudio los
coeficientes intelectuales (IQ) en ambos grupos estaban por sobre el promedio; sin
embargo, los niños con IAH ≥ 5/h obtuvieron puntajes menores que los niños IAH < 5/h en
ciertas pruebas neurocognitivas como por ejemplo nivel de aprendizaje y tiempo de
respuesta. No se encontraron diferencias significativas entre los grupos para los niveles
de IQ o en pruebas de logro académico. Los autores además encontraron que existía una
correlación significativa (aunque débil) entre el IAH y los resultados de las pruebas, así
como entre los niveles de desaturación de oxígeno durante SQ1. En Goodwin et al. [51]
los reportes de somnolencia diurna y de problemas de aprendizaje entregados por los
padres fueron evaluados de acuerdo a diversos cortes para el índice IAH. Índices IAH ≥
5/h sin niveles de desaturación estaban asociados con una historia de problemas de
aprendizaje y somnolencia excesiva durante el día. Un IAH > 1/h con desaturación ≥ 2%
estaba asociado con problemas de aprendizaje, pero no con excesiva somnolencia
diurna. En Kennedy et al. [65] se realizó la comparación entre 13 niños roncadores y 16
niños no roncadores. Los niños roncadores mostraron bajos puntajes para mediciones de
IQ y malos resultados en las pruebas de memoria y atención. A nivel polisomnográfico no
se encontraron diferencias en el número de episodios de SAHOS entre los 2 grupos. Sin
embargo, el grupo roncador presentó un IAH mayor comparado con el grupo control. En
O’Brien et al. [85] se estudió un grupo de niños en edad escolar con síntomas de
hiperactividad y déficit atencional. Sólo un grupo reducido presentó un IAH ≥ 5/h. En
relación a los parámetros polisomnográficos ambos grupos presentaron diferencias en el
tiempo de latencia al SP y el tiempo de SP como porcentaje del TST.
36
Los estudios muestran que en general los niños con SRBD tienen una mayor somnolencia
durante el día que los adultos. En Gozal et al. [52] se realizó un estudio utilizando
múltiples pruebas de latencia al sueño para evaluar los niveles de somnolencia en niños.
Los niños somnolientos tenían un alto nivel de severidad de los TRS. También se
estudiaron las correlaciones entre las latencias al sueño e IAH, índice de microdespertares y porcentajes de TST con los niveles de SaO2, encontrando relaciones
estadísticamente significativas.
Una serie de otros trabajos se han desarrollado en el campo de los SRBD, entre ellos
estudios de confiabilidad en la detección de episodios y eventos SRBD [105], definición de
criterios de duración y clasificación de episodios de apneas e hipopneas [128],
corroboración de datos [126], medición y comparación de técnicas de adquisición de
datos [24], estudios de comportamiento cardiovascular [77], crecimiento, complicaciones
metabólicas [44], entre otras.
5.3
Análisis revisión bibliográfica
5.3.1 Modelos de simulación computacional del proceso respiratorio
La planificación de la radioterapia en el caso de tumores pulmonares debe tomar en
cuenta los movimientos debidos a la respiración. Para considerar estos efectos se han
desarrollado las técnicas de gating respiratorio, como por ejemplo el ABC. Esta técnica
permite bloquear la respiración del paciente durante una etapa específica del CR para
poder realizar la irradiación; y las técnicas de tracking respiratorio, que permiten realizar el
seguimiento del tumor pulmonar basándose en modelos de simulación computacional de
los órganos involucrados en el proceso respiratorio.
Las técnicas de gating respiratorio permiten reproducir los CR, pero no consideran que el
movimiento del tumor es no predecible y además son invasivas y requieren de la
colaboración del paciente.
Las técnicas de tracking respiratorio, toman en consideración el hecho de que el
movimiento del tumor pulmonar es no predecible y son capaces de adaptarse al CR del
paciente.
Existen dos tipos de técnicas de tracking: las técnicas geométricas, que no consideran los
aspectos físicos ni las características de los tejidos relacionados con el problema, y los
modelos físicos, que sí consideran los aspectos mecánicos y anatómicos involucrados en
el problema. Los primeros permiten comprender los procesos en forma global, pero no
permiten precisión en la predicción de las deformaciones del modelo. Entre los segundos
se distinguen los modelos discretos y los modelos continuos.
Los modelos discretos, principalmente los basados en masa-resorte, permiten un gran
realismo visual del proceso y tienen un bajo costo computacional para el procesamiento,
pero son poco precisos. Los modelos continuos, basados en técnicas de EF, permiten un
alto nivel de precisión, pero son altamente costosos desde un punto de vista
computacional.
Los modelos continuos son más realistas y sobre todo más precisos que los modelos
37
geométricos. Además, a estos modelos pueden incorporarse mediciones realizadas al
paciente para adaptar su comportamiento. Estos son los llamados modelos biomecánicos.
La construcción de los modelos de simulación del proceso respiratorio se ha realizado en
su mayoría por partes, desarrollando en forma aislada modelos para cada estructura
involucrada en el proceso respiratorio. El primer trabajo que presenta un modelo de
simulación computacional completo del proceso respiratorio y de sus estructuras es el
desarrollado por Didier en su trabajo de tesis en el laboratorio LIRIS-SAARA [38].
Los modelos biomecánicos desarrollados hasta la fecha sólo incorporan información del
proceso mecánico y de las características anatómicas involucradas, pero no toman en
consideración las señales y variables respiratorias que pueden ser medidas e
incorporadas al modelo, tanto para su mejoramiento como para servir de guía (monitoreo
del comportamiento de modelo).
5.3.2 TRS y SAHOS
Los TRS son patologías que no sólo afectan al paciente durante el sueño, sino que tienen
un efecto en todas sus actividades diarias.
Los trabajos en el área de detección de patrones respiratorios durante el sueño,
asociados a los TRS buscan validar las técnicas de detección, sensores utilizados y
metodologías implementadas, de manera de estandarizar los criterios para la correcta
detección de los episodios de apnea e hipopnea (SAHOS).
La polisomnografía es la metodología más utilizada para la detección y determinación de
la severidad de los episodios de apneas e hipopneas. Esta técnica se basa en el registro
de señales fisiológicas durante el sueño. Permite la determinación de los estados y etapas
de sueño, duración del sueño, latencias al sueño, arquitectura del sueño, episodios de
SAHOS, entre otros.
Diversos trabajos han sido realizados para correlacionar los efectos de los TRS con
ciertas funciones neurocognitivas. La mayoría de estos trabajos entregan como resultados
correlaciones estadísticamente significativas en relación a la presencia de trastornos,
específicamente episodios de SAHOS, y ciertas funciones neurocognitivas. La mayoría de
los trabajos concuerdan en que los pacientes con episodios de SAHOS aumentados se
ven afectados en ciertas tareas, como por ejemplo tareas de aprendizaje o tiempos de
reacción.
Además de la relación entre TRS y funciones neurocognitivas, existe una amplia gama de
trabajos enfocados en el estudio de los efectos de estos trastornos del sueño sobre la
somnolencia diurna, la función cardiovascular, alteraciones metabólicas, etc.
38
6. PROPUESTA DE INVESTIGACIÓN
6.1
Objetivos
El objetivo general de este estudio es desarrollar herramientas de procesamiento de
señales respiratorias que puedan ser aplicadas para:
1. Desarrollar una metodología que permita incorporar en un modelo de simulación
computacional del sistema respiratorio, información mecánica, anatómica y de las
señales respiratorias (volumen, presión etc.), para poder guiarlo y mejorar su
desempeño y monitorear su comportamiento.
2. Detectar patrones respiratorios de sueño, específicamente episodios de apnea e
hipopnea durante el sueño (SAHOS), para poder correlacionarlos con información
sobre la arquitectura del sueño y estudiar sus efectos sobre el desarrollo
neurocognitivo.
6.2
Propuesta
En este trabajo de tesis se estudiará el proceso de la respiración asociado a dos temas; el
primero en relación al mejoramiento y monitoreo de un modelo de simulación
computacional pulmón-tórax, y el segundo en relación con los TRS y de sus patrones
respiratorios asociados y sus efectos sobre las funciones neurocognitivas.
El hilo común de ambas aplicaciones esta dado por el desarrollo de herramientas y
técnicas de procesamiento de señales que sean aplicables en ambos casos. Por un lado
el procesamiento de señales respiratorias que puedan ser incluidas como entradas del
modelo de simulación computacional, y por otro para el procesamiento de registros
polisomnográficos para la detección de episodios de SAHOS.
6.2.1 Modelos de simulación computacional proceso respiratorio
Aprovechando ámbitos de investigación desarrollados y activos, en que las técnicas
puedan contribuir efectivamente en el caso del cáncer de pulmón para la planificación de
la dosimetría en radioterapia, es necesario considerar los efectos adversos producidos por
la respiración del paciente durante el procedimiento. Para solucionar este problema se
plantea la utilización de un modelo de simulación computacional del proceso respiratorio
para lograr una correcta predicción de la posición del tumor y evitar el daño de los tejidos
sanos durante la radioterapia.
Como se señaló anteriormente, algunos de los modelos de simulación computacional del
proceso respiratorio están basados en leyes de la mecánica e información anatómica del
proceso, pero no incluyen las variables respiratorias del problema: volumen y flujo de aire,
actividad eléctrica muscular, características de la vía aérea y elasticidad pulmonar como
entradas al modelo.
En esta aplicación del trabajo de tesis se busca incorporar al modelo biomecánico del
proceso respiratorio desarrollado por el laboratorio LIRIS-SAARA [38] las variables
respiratorias medibles, a través del procesamiento de señales respiratorias, para poder
39
correlacionar esta información con la mecánica respiratoria. Se pretende de esta manera
poder guiar y monitorear el modelo biomecánico desarrollado para el apoyo en el proceso
de radioterapia de cáncer de pulmón. De esta manera se busca desarrollar un modelo del
proceso respiratorio que incluya los aspectos mecánicos de la respiración, la información
anatómica y de las variables respiratorias medibles.
Para lograr lo anterior se plantea incluir, como parte del modelo, información sobre:
1. Deformación del diafragma, basada en el estudio de la actividad eléctrica de este
músculo, la que será medida a través de electromiografía (EMG) y por métodos de
estimulación eléctrica y magnética del nervio frénico.
2. Flujo de aire durante el CR, el que será medido con la ayuda de un espirómetro o
de un pletismógrafo.
3. Variación de presión durante el CR: medido utilizando un manómetro o balones de
presión.
4. Características de la vía aérea y del pulmón (resistencia y elasticidad pulmonar):
estimadas a partir de curvas P-V del paciente.
Además se tratará de implementar y aplicar técnicas de procesamiento de señales que
permitan estimar y correlacionar las distintas señales respiratorias, para poder realizar
una reconstrucción de las señales en casos que algunas no estén disponibles o no
puedan ser obtenidas durante el proceso de radioterapia.
En una primera instancia se definirá cuáles señales respiratorias serán tomadas en
cuenta y cuales estarán disponibles durante la radioterapia, para poder construir modelos
que permitan estimar las señales no disponibles. Luego se aplicarán las técnicas de
procesamiento de señales desarrolladas a las señales respiratorias, para obtener los
parámetros y patrones relevantes que serán incorporados al modelo biomecánico. Se
estudiará la posibilidad de utilizar descomposición modal empírica (EMD) [110],
transformada de Hilbert-Huang (HHT) [60], transformada de Fourier (FFT), lógica difusa,
entre otras. En la etapa siguiente, una vez estimados los parámetros y patrones
relevantes para ser incorporadas al modelo, se espera realizar el proceso de guiado y
monitoreo del modelo de simulación pulmón-tórax. Se espera poder incorporar
conocimiento experto basado en lógica difusa directamente sobre el modelo para poder
guiar las deformaciones debidas a la respiración.
Para evaluar el desempeño se utilizarán “pacientes virtuales” generados a partir de datos
clínicos. El desempeño del modelo será estimado midiendo las diferencias de
desplazamiento debidas a las deformaciones producidas por la respiración.
Posteriormente el modelo será probado con datos de pacientes reales, utilizando
imágenes CT y técnicas de localización basadas en marcas sobre la piel del paciente,
para poder contrastar la magnitud de los desplazamientos entregada por el modelo con la
posición real del paciente y así obtener una medida de su desempeño.
Las imágenes médicas, el modelo biomecánico y las medidas de desplazamiento
intratorácicas serán obtenidas en el laboratorio LIRIS, Lyon-Fracia. Las señales
respiratorias serán aportadas principalmente por el laboratorio PRETA (Physiologie
cardio-Respiratoire Expérimentale Théorique et Appliquée) de la Université Joseph
Fourier, Grenoble-Francia, las cuales son obtenidas en el marco de un proyecto sobre
40
interacciones cardio-respiratorias, generación de modelos y estudio de patrones
respiratorios.
6.2.2 Detección de episodios de SAHOS y patrones respiratorios de sueño
en registros polisomnográficos
La detección de episodios de SAHOS es una tarea que relaciona varias actividades; por
una parte es necesaria la detección de patrones de sueño para la clasificación de estados
y etapas, así como el estudio de la arquitectura del sueño y de los patrones respiratorios
de sueño.
Para esta parte del trabajo de tesis se busca desarrollar herramientas de procesamiento
de señales que permitan detectar los episodios de SAHOS en registros polisomnográficos
de sueño, para poder relacionarlos con otros parámetros de relevancia obtenidos durante
el sueño, por ejemplo información de la arquitectura del sueño u otros patrones
respiratorios. Además, se busca determinar la relación entre SAHOS y desarrollo de las
funciones neurocognitivas. Para ello, se busca definir un modelo que pueda relacionar la
incidencia y severidad del SAHOS y su efecto sobre las funciones cognitivas. Para medir
el efecto sobre las funciones cognitivas, se utilizarán registros de potenciales cognitivos
(ERP).
Las técnicas de procesamiento de señales que serán desarrolladas para el modelo de
simulación pulmón-tórax, serán adaptadas al procesamiento de registros
polisomnográficos, ya que una de las metas principales de este trabajo es la generación
de herramientas que puedan ser usadas en ambas aplicaciones.
Para evaluar los resultados en la detección de SAHOS se contará con la ayuda de
expertos en sueño que realizarán la revisión y comparación visual de los resultados
obtenidos. Para el estudio de la relación entre SAHOS y desarrollo neurocognitivo se
realizarán pruebas estadísticas.
Las señales a utilizar, registros polisomnográficos y ERP, serán obtenidas del laboratorio
de sueño del INTA de la Universidad de Chile, en el contexto de proyectos de
investigación referidos a la interacción entre sueño y nutrición a través del ciclo vital.
6.3
Hipótesis
En relación al modelamiento de la simulación del proceso respiratorio, la hipótesis
planteada es que la incorporación de las variables respiratorias, en conjunto con las
variables mecánicas y anatómicas del proceso, pueden mejorar el comportamiento del
modelo de simulación computacional pulmón-tórax y permitirán guiar y monitorear el
modelo biomecánico y de esta manera estimar de mejor forma el movimiento de tumores
pulmonares.
Con respecto a la detección de SAHOS se espera que las técnicas y herramientas de
procesamiento de señales respiratorias desarrolladas sean aplicables sobre registros
polisomnográficos y que permitan mejorar la detección de episodios de apnea e hipopnea,
así como la detección automatizada de estados y etapas de sueño, y de otros patrones
41
respiratorios asociados con los TRS. Se espera además, encontrar una relación
estadísticamente significativa entre los episodios de SAHOS y el desarrollo de las
funciones neurocognitivas.
42
7. RESULTADOS ESPERADOS
El resultado principal que se espera obtener de este trabajo es el desarrollo de
herramientas y de técnicas de procesamiento de señales que puedan ser aplicadas en
distintas tareas. En este caso específico, para el mejoramiento en el desarrollo de un
modelo de simulación del proceso respiratorio; y para la detección de patrones
respiratorios de sueño, específicamente, episodios de SAHOS.
En cuanto a la simulación computacional del proceso respiratorio se espera obtener un
nuevo y mejorado modelo de simulación pulmón-torax, que incorpore información sobre
las señales respiratorias. Se espera que la incorporación de estas variables respiratorias
mejore el desempeño del modelo.
En cuanto a la detección de SAHOS, se espera que las herramientas de procesamiento
de señales, permitan realizar una buena detección de los episodios de SAHOS durante el
sueño, así como de otros patrones respiratorios en registros polisomnográficos.
7.1
Indicadores
La modelación y simulación del proceso respiratorio aplicado a la planificación de la
dosimetría en radioterapia tiene por finalidad actualizar la información obtenida de forma
previa al tratamiento tomando en cuenta las variaciones inducidas por la respiración.
Los trabajos de investigación desarrollados para poder cuantificar el efecto de los
movimientos de los órganos y de la caja torácica [64] se centran en el estudio de las
direcciones de los desplazamientos de los órganos. Estos desplazamientos son
generalmente descritos según la dirección lateral, antero-posterior o cráneo-caudal. La
dirección en la que la amplitud es mayor corresponde al desplazamiento cráneo-caudal.
En el tórax, el desplazamiento cráneo-caudal de los pulmones es máximo a nivel del
diafragma y disminuye a medida que se aleja del diafragma hasta ser casi nulo en la parte
superior de los pulmones. Los movimientos en los ejes antero-posterior y lateral son
sensiblemente menores; además, no existiría una correlación evidente entre la amplitud
del desplazamiento de estos ejes y la distancia al diafragma. En Hostettler [59] se
presenta un exhaustivo estudio sobre los efectos de los movimientos respiratorios sobre la
caja torácica y los órganos abdominales, cuyos resultados se muestran en la tabla 1.
43
Tabla 1. Desplazamientos pulmonares durante la respiración (extraído de Hostettler [59],
pp. 19). L. I.: lóbulo inferior, L. M.: lóbulo medio, L. S.: lóbulo superior, Completo: pulmón
considerado como una unidad, X: no medido. Los casos en que sólo se presenta un valor
corresponden a los promedios y en paréntesis los desplazamientos máximos y mínimos.
Las casos en que se muestran dos valores corresponden a los desplazamientos máximo y
mínimo.
Referencia
Barnes
Chen
Ekberg
Engelsam
Erridge
Grills
Hanley
Murphy
Plathrow
Seppenwoolde
Shimizu
Sixel
Stevens
Parte del Desplazamiento
pulmón
cráneo-caudal
[mm]
L. I.
18,5 (9-32)
L. M. y S.
7,5 (2-11)
Completo 0 - 50
Completo 3,9 (0 -12)
L. I.
2–6
L. M. y S.
2–9
Completo 12,5 (6 – 34)
Completo 2 - 30
Completo 12 (1 – 20)
Completo 7 (2 – 15)
L. I.
9,5 (4,5 – 16,4)
L. M.
7,2 (4,3 – 10,2)
L. S.
4,3 (2,6 – 7,1)
Completo 5,8 (0 - 25)
Completo X
Completo 0 – 13
Completo 4,5 (0 – 22)
Desplazamiento
antero-posterior
[mm]
X
X
2,5
X
X
X
9,4 (5 – 22)
0 - 10
5 (0 – 13)
X
6,1 (2,5 – 9,8)
4,3 (1,9 – 7,5)
2,8 (1,2 – 5,1)
2,5 (0 – 8)
6,4 (2 - 24)
0-5
X
Desplazamiento
lateral [mm]
X
X
X
X
X
X
7,3 (3 -12)
0–6
1 (0 – 1)
X
6,0 (2,9 – 9,8)
4,3 (1,5 – 7,1)
3,4 (1,3 – 5,3)
1,5 (0 – 3)
X
0-4
X
Estos estudios muestran que durante la respiración los desplazamientos cráneo-caudales
pueden llegar en promedio a presentar una variación de 18,5 mm., con un rango que
puede llegar a los 50 mm., mientras que los desplazamientos promedio en las direcciones
laterales y antero-posteriores son menores a 10 mm. Las diferencias entre los resultados
obtenidos por cada grupo, se pueden explicar por los diversos tipos de adquisición
utilizados y por la naturaleza y la posición de la zona estudiada.
En este trabajo se utilizarán mediciones externas de la superficie de la caja torácica del
paciente (piel) para medir los desplazamientos, y conocer la distancia entre la posición
predicha por el modelo y la posición real. También es importante cuantificar la diferencia
del error en la predicción del desplazamiento de diferentes zonas de la caja torácica.
Los estudios realizados en el campo de la detección de eventos respiratorios durante el
sueño señalan que el índice que mejor representa la recurrencia y severidad del SAHOS,
tiene relación con el índice de apnea/hipopnea (IAH). Este índice puede ser calculado a
partir del estudio polisomnográfico.
En el caso de la detección de episodios de apnea e hipopnea se medirá la capacidad de
pesquisa y caracterización del SAHOS. Para la determinación de las funciones cognitivas
44
utilizando ERP, se utilizarán índices como porcentaje de aciertos, tiempos de respuesta,
entre otros.
7.2
Simulaciones y experimentos
Se simularán los desplazamientos del modelo de simulación respiratorio para distintas
etapas del CR bajo distintos niveles de ventilación. Luego estas simulaciones serán
contrastadas con la deformación real sufrida durante la respiración. El modelo
biomecánico desarrollado por el LIRIS-SAARA fue implementado utilizando técnicas de
EF y el software Code Aster [34]. Las técnicas de procesamiento de señales respiratorias
serán implementadas en MATLAB y luego adaptadas para ser incorporadas al modelo, ya
sea directamente mediante MATLAB o utilizando Code Aster, luego éstas serán utilizadas
para guiar el modelo de pulmón-tórax.
En el mejoramiento del modelo de simulación computacional se trabajará en el laboratorio
LIRIS con la ayuda de los investigadores Prof. Behzad Shariat, Dr. Fabrice Jaillet y Prof.
Michael Beuve. En el mejoramiento del modelo de simulación se trabajará en
colaboración
con el equipo GMCAO (Gestes Médico-Chirurgicaux Assistés par
ordinateur) de la Université Joseph Fourier, Grenoble-Francia con la participación y apoyo
del prof. Yohan Payan. Los datos para guiar el modelo y comprobar su desempeño, serán
adquiridos en el Laboratorio PRETA, donde principalmente se trabajará en colaboración
con los investigadores Dr. Pascale Calabrese y Dr. Pierre-Yves Gumery.
En el caso de la detección de SAHOS, las herramientas de procesamiento de señales
serán implementadas en MATLAB y serán aplicadas y probadas sobre los registros
polisomnográficos y ERP para relacionar los efectos de SAHOS sobre el sueño y las
funciones cognitivas utilizando modelos estadísticos.
Las técnicas de procesamiento de señales serán implementadas en el laboratorio de
Ingeniería Biomédica del DIE de la Universidad de Chile, bajo la supervisión del Dr.
Claudio Held y la colaboración del Dr. Pablo Estévez y del Dr. Claudio Pérez. Además,
para esta parte del trabajo, se cuenta con la colaboración (desde hace más de 16 años)
del laboratorio de sueño del INTA de la Universidad de Chile, en esta institución se
trabajará en colaboración con el Dr. Patricio Peirano, la Dra. Cecilia Algarín y el Ms.
Marcelo Garrido.
7.3
Propuesta de publicaciones
Se propone la publicación de al menos dos artículos en revistas ISI; el primero en relación
al mejoramiento y monitoreo del modelo de simulación computacional del proceso
respiratorio. Las revistas más acordes con este aspecto podrían ser: Medical Image
Analysis e IEEE Transactions on Medical Imaging. El segundo artículo en relación a la
detección de patrones respiratorios de sueño, específicamente la detección de episodios
de SAHOS y su relación con la arquitectura del sueño y su efecto sobre las funciones
neurocognitivas. Las revistas más acordes podrían ser Sleep e IEEE Engineering in
Medicine and Biology. Se espera también poder presentar los avances del trabajo en
congresos nacionales e internacionales.
45
8. METODOLOGÍA
Para cumplir con los objetivos de la investigación se deberán seguir los siguientes pasos:
1) Introducción al modelo biomecánico pulmón-tórax LIRIS-SAARA: El modelo
biomecánico que se quiere perfeccionar ha sido el fruto de un trabajo de muchos
años (3 trabajos de tesis). Para un correcto entendimiento y aplicación de las
señales electrofisiológicas es necesario conocer acabadamente el modelo
estudiando los algoritmos implementados, para definir la forma de incorporar las
señales al modelo. Actualmente, se cuenta con un modelo biomecánico del sistema
respiratorio que incluye información que simula el funcionamiento de los pulmones
y el efecto de la pleura, la caja torácica y el diafragma.
2) Generación de una base de datos (BD): La construcción de una BD es una tarea
que puede significar un alto costo en tiempo si no se consideran las variables
adecuadas. En este punto se deben generar 2 BD para este trabajo de tesis, una
correspondiente a la BD de señales respiratorias para el modelo de simulación; y la
segunda correspondiente a la BD de registros polisomnográficos y de ERP.
En el ámbito del desarrollo de las herramientas para el monitoreo del modelo
pulmón-tórax se cuenta con el apoyo de los laboratorios LIRIS y PRETA. Las
señales respiratorias con las que se cuenta, corresponden a medidas obtenidas a
través de pletismografía inductiva respiratoria: volumen de tórax y abdomen, flujo
de aire y ECG; además se cuenta con medidas de flujo de aire, saturación de CO2,
entre otras. Además, se cuenta con información proveniente de EMG y
estimulación eléctrica del nervio frénico para modelar el comportamiento del
diafragma durante la respiración. Todo lo anterior relacionado con imágenes
médicas (CT y MRI).
En el tema de procesamiento de señales respiratorias asociadas al sueño para la
detección de SAHOS, se cuenta con una amplia BD desarrollada por el laboratorio
de sueño del INTA. Esta BD cuenta con registros polisomnográficos de niños desde
los 6 meses hasta los 16 años de edad. Los registros polisomnográficos incluyen
señales EEG, EOG, EMG, ECG, movimientos corporales y señales respiratorias,
entre otras. Para poder relacionar la información proveniente de la detección de
SAHOS con el desarrollo neurocognitivo, se cuenta con una BD de registros de
ERP asociados a los registros polisomnográficos.
3) Implementación de los métodos de procesamiento de señales: Las
herramientas de procesamiento de señales a desarrollar para ambas aplicaciones
se basarán en la utilización de técnicas como la EMD, HHT, FFT, lógica difusa,
entre otras.
Para el modelo de simulación computacional, las señales serán procesadas para
encontrar patrones que pudieran servir como entrada al modelo biomecánico.
Luego se implementarán técnicas que permitan guiar y monitorear el modelo.
Además, se desarrollarán herramientas que permitan correlacionar las señales de
manera de poder reconstruir señales que sean útiles para el monitoreo del modelo
y que no pueden ser adquiridas durante la radioterapia.
46
De igual manera para la detección de SAHOS y patrones respiratorios de sueño, se
aplicarán las técnicas de procesamiento de señales para determinar los niveles de
precisión en la detección, los resultados serán comparados con la revisión visual
realizada por expertos en sueño.
4) Incorporación de señales respiratorias al modelo biomecánico pulmón-tórax:
Utilizando las técnicas de procesamiento de señales se procederá a la
incorporación de éstas al modelo biomecánico y para guiar, adaptar y monitorear el
modelo. Se espera que la incorporación de las señales electrofisiológicas logren
mejorar el desempeño del modelo de simulación.
5) Incorporación de conocimiento experto al modelo biomecánico pulmón-tórax:
En una segunda etapa de perfeccionamiento del modelo de simulación, se desea
incorporar conocimiento experto basado en lógica difusa directamente sobre el
modelo para guiar las deformaciones del modelo debidas a la respiración. Esta
tarea no ha sido explorada aún por los autores, para ello se estudiará la posibilidad
de aplicar criterios difusos al procesamiento para el cálculo de EF.
6) Aplicación de herramientas de procesamiento de señales sobre registros
polisomnográficos: Las herramientas de procesamiento de señales serán usadas
para la detección de apneas e hipopneas para la detección de episodios de
SAHOS y para el mejoramiento del desempeño de clasificadores de estados y
etapas de sueño y de patrones respiratorios de sueño.
7) Definición del modelo para relacionar SAHOS y función neurocognitiva: Se
aplicarán modelos estadísticos para correlacionar el impacto del SAHOS,
arquitectura del sueño y las funciones neurocognitivas. Se espera obtener un
modelo que relacione los episodios de apneas/hipopneas y la calidad del sueño
sobre funciones neurocognitivas como por ejemplo, aprendizaje y memoria.
8) Actualización del modelo biomecánico pulmón-tórax: Se desarrollará un
sistema de actualización para el modelo respiratorio durante la radioterapia de
manera de mejorar la precisión de la predicción del movimiento del tumor pulmonar.
Los datos se extraerán de medidas externas: movimiento de la caja torácica,
mediciones de volumen, flujo y presión durante el CR.
9) Medidas de desempeño: Se evaluará el desempeño del modelo biomecánico
pulmón-tórax y del modelo respiratorio-sueño. Para el primero se utilizarán
indicadores relacionados con el desplazamiento inferido por el modelo en relación
con el desplazamiento real. Para el segundo se medirán los porcentajes de
detección para los eventos de apnea e hipopnea.
10) Mejora de los modelos: Se estudiará la posibilidad de integrar otras
características al modelo biomecánico del proceso respiratorio y al modelo
estadístico SAHOS-funciones cognitivas.
47
9. PLAN DE TRABAJO
9.1. Modelos de simulación computacional proceso respiratorio
El plan de trabajo para el desarrollo del modelo de simulación del proceso respiratorio se
puede dividir en las siguientes etapas:
Etapa 1: Estudio del modelo biomecánico pulmón-tórax desarrollado por el
laboratorio LIRIS-SAARA.
La generación de una BD y el desarrollo de las herramientas de procesamiento de
señales aplicadas al modelo de pulmón-tórax requieren el estudio completo del sistema
desarrollado por el laboratorio LIRIS-SAARA. Para lograr este objetivo se estudiará en
profundidad el sistema desarrollado, para ello se procederá de la siguiente manera:
1. Modelo de simulación del pulmón y del efecto de la pleura
2. Modelo cinemático de la caja torácica
3. Modelo del diafragma
4. Integración de todas las estructuras en el modelo biomecánico de pulmón-tórax
Posterior al estudio de las partes que conforman el modelo, se procederá a conocer y
entender los algoritmos desarrollados, para ello se prevé el estudio y aprendizaje de
programación de técnicas de EF utilizando Code Aster.
Etapa 2: Conformación de la Base de Datos
La generación de la Base de datos se realizará durante el periodo de permanencia en el
laboratorio LIRIS en Francia. La adquisición de la BD constara de imágenes médicas,
principalmente CT de tórax y señales respiratorias adquiridas mediante espirometría,
pletismografía inductiva respiratoria, EMG y estimulación eléctrica.
Etapa 3: Desarrollo de técnicas de procesamiento de señales
Se realizará el procesamiento de las señales respiratorias utilizando técnicas de
procesamiento de señales (EMD; HHT, FFT, lógica difusa, etc.) Con estas técnicas se
espera poder perfeccionar el modelo de pulmón-tórax y guiar las deformaciones del
modelo durante la respiración.
Etapa 4: Desarrollo de un sistema de deformación debido a la respiración
Se desarrollará un sistema de actualización para el modelo, el cual pueda ser utilizado
dentro del pabellón de radioterapia. Para este sistema se utilizarán imágenes
intratorácicas de CT y la posición de determinados puntos sobre la piel del paciente.
Utilizando las señales respiratorias obtenidas “on-line” durante la irradiación se procederá
a realizar los procesos de deformación, para predecir el movimiento del tumor pulmonar.
Las imágenes y señales respiratorias serán utilizadas para calibrar y adaptar el modelo al
paciente y para validar su desempeño.
48
Etapa 5: Medidas de desempeño
Se medirá el desempeño del modelo. A partir de estos resultados se podrá evaluar el
perfeccionamiento del modelo así como la estimación del comportamiento considerando
las nuevas variables incorporadas. Las tareas en esta etapa son:
1. Medición del error en la predicción de la deformación del modelo debido a la
respiración del paciente.
2. Evaluación de la influencia de las variables respiratorias del modelo
9.2. Detección de episodios de SAHOS y patrones respiratorios
de sueño en registros polisomnográficos
Para el desarrollo del sistema para la detección de episodios de SAHOS, se proponen las
siguientes etapas:
Etapa 1: Generación BD registros polisomnográficos y de potenciales evocados
cognitivos
La BD para la detección de episodios de SAHOS en registros polisomnográficos se
realizará a partir de registros en formato EDF (European Data Format) existentes en el
INTA de la Universidad de Chile. Se seleccionará una muestra de pacientes de distintas
edades y sexo que posean además del polisomnograma registros de ERP.
Etapa 2: Adaptación de técnicas de procesamiento de señales
Las técnicas desarrolladas e implementadas para el procesamiento de señales
respiratorias aplicadas al modelo pulmón-tórax serán adaptadas para el procesamiento de
registros polisomnográficos y de ERP. Se utilizarán técnicas como la EMD, HHT, FFT y
lógica difusa.
Etapa 3: Detección de episodios SAHOS y de patrones respiratorios de sueño
Luego de la adaptación de las herramientas de procesamiento de señales, éstas serán
aplicadas para el desarrollo de un sistema de detección de episodios de apnea e
hipopnea durante el sueño y a la detección de otros patrones relevantes del sueño.
Etapa 4: Medición del desempeño en la detección de SAHOS y patrones
respiratorios
Este trabajo consistirá en la determinación de la capacidad de pesquisa de los sistemas
desarrollados. Para esta etapa se requerirá de la revisión por parte de los expertos
médicos de los patrones de interés y la concordancia con las detecciones automáticas
generadas por los sistemas.
Etapa 5: Definición de un modelo para relacionar presencia de episodios SAHOS y
funciones neurocognitivas
Utilizando herramientas estadísticas se estudiarán las correlaciones existentes entre los
episodios de SAHOS y las funciones neurocognitivas. Para esta tarea se utilizarán índices
49
como el IAH y patrones extraídos de los registros IRP, como por ejemplo, razón de
aciertos, tiempos de respuesta, etc. Se espera obtener relaciones que sean
estadísticamente significativas y que ayuden a comprender el efecto de patologías como
el SAHOS u otros TRS sobre el desarrollo cognitivo.
50
10. CONCLUSIONES
El desarrollo y aplicación de técnicas de procesamiento de señales es una poderosa
herramienta que puede ser aplicada en distintos ámbitos, especialmente en el caso de
desarrollos en biomedicina. En este sentido, la posibilidad de desarrollar herramientas de
procesamiento de señales respiratorias para aplicaciones como el modelamiento de la
respiración para radioterapia o la detección de patrones respiratorios asociados a TRS se
presenta como una tarea muy interesante.
En el ámbito del desarrollo de modelos de simulación del proceso respiratorio como ayuda
al mejoramiento del proceso de radioterapia para el cáncer de pulmón se han desarrollado
muchos trabajos. En este sentido se pueden distinguir las técnicas de gating respiratorio
que buscan reproducir los CR del paciente para mejorar el proceso de irradiación y las
técnicas de tracking o de seguimiento respiratorio, las que a partir de imágenes médicas
permiten simular el proceso respiratorio y “seguir” el movimiento del tumor.
Las técnicas de tracking han demostrado ser más efectivas que las de gating, ya que
consideran el hecho de que el movimiento del tumor pulmonar durante la respiración no
es predecible y porque requieren muy poca o nula participación del paciente (son menos
invasivas). Entre las técnicas de tracking están las técnicas basadas en modelos
geométricos y las basadas en modelos físicos. Los modelos geométricos sólo incorporan
información de la geometría del objeto en estudio y no consideran los aspectos de la física
del proceso. Los modelos físicos por su parte, incorporan aspectos anatómicos y de la
mecánica del proceso. Los modelos físicos más utilizados son los discretos, basados en
modelos masa-resorte, y los modelos continuos, basados en técnicas de EF.
Los trabajos realizados hasta la fecha se basan principalmente en modelos físicos, porque
son más precisos en la simulación de las deformaciones producidas por la respiración. En
cuanto al modelamiento del proceso respiratorio, la mayoría de los trabajos realizados
modelan cada estructura del tórax por separado y no generan un modelo completo del
proceso respiratorio. El trabajo desarrollado por Didier [38] es uno de los pocos trabajos
que considera las diversas estructuras que participan en el proceso respiratorio y las
integra en un solo modelo biomecánico.
Ninguno de los modelos de simulación estudiados, incluido el trabajo realizado por Didier,
incluye información proveniente de señales respiratorias medibles como parte del modelo.
En este trabajo de tesis se propone incluir estas señales respiratorias para mejorar, guiar
y monitorear el comportamiento del modelo biomecánico desarrollado por Didier.
En relación a los TRS se puede señalar que este es un problema muy importante, ya que
genera consecuencias negativas en el individuo a distintos niveles. Por un lado provoca
un sueño poco reparador y por ende problemas de somnolencia diurna, alteraciones
cardiacas, mayores niveles de accidentabilidad, entre otros.
51
El principal patrón relacionado con los TRS son los episodios de apnea e hipopnea
durante el sueño, estos patrones conforman la patología conocida como SAHOS. El
SAHOS afecta patrones de desarrollo de ciertas funciones neurocognitivas.
La principal técnica diagnóstica para el SAHOS es la utilización de polisomnografía. Este
examen permite monitorear varias señales fisiológicas en forma simultánea. Esta técnica
se utiliza para determinar los episodios de apnea e hipopnea, así como una serie de
patrones respiratorios relevantes. También es utilizada para la clasificación de estados y
etapas de sueño y para determinar la arquitectura del sueño.
Los trabajos que relacionan SAHOS con funciones neurocognitivas, coinciden en que
índices IAH altos se relacionan con funciones neurocognitivas deprimidas. Por este motivo
es de interés la detección de episodios de SAHOS durante la noche y poder establecer
como estos afectan el normal desarrollo de las funciones cognitivas.
Finalmente como aspecto general, el desarrollo de este trabajo de tesis posibilita el poder
trabajar en una tarea multidisciplinaria, en la cual participan ingenieros, físicos,
mecánicos, neumólogos, neurofisiólogos, sicólogos, entre otros. Además, se propicia el
desarrollo de redes de contacto y de colaboración con instituciones extranjeras (Univesité
Cluade Bernard Lyon 1 y Université Joseph Fourier).
52
11. REFERENCIAS
[1] M. R. Amancharla, J. R. Rodarte and A. M. Boriek, “Modeling the Kinematics of the
Canine Midcostal Diaphragm”, American Journal of Physiology Regulatory Integrative
and Comparative Physiology, Vol. 280, pp. 588-597, 2001.
[2] American Association for Respiratory Care, “Clinical Protective Guidelines: Static
Lung Volumes and Body Plethysmography”, Respiratory Care, Vol. 39, pp. 797-836,
1994.
[3] American Thoracic Society, “Standardization of Spirometry, 1994 Update”, American
Journal of Respiratory and Critical Care Medicine, Vol. 152, pp. 1107-1136, 1993.
[4] M. Amrani, F. Jaillet and B. Shariat, “Simulation of Deformable Organs with a Hybrid
Approach”, Revue Internationnale de CFAO et d'Infographie, pp. 213-242, 2001.
[5] M. Angelillo, A. M. Boriek, J. R. Rodarte and T. A. Wilson, “Theory of Diaphragm
Structure and Shape”, Journal of Applied Physiology, Vol. 83, N°5, pp. 1486-1491,
1997.
[6] K. H. Archbold, B. Giordani, D. L. Ruzicka, R. D. Chervin, “Cognitive Executive
Dysfunction in Children with Mild Sleep-Disordered Breathing”, Biological Research
for "ursing, Vol. 5, pp. 168-76, 2004.
[7] E. A. Barnes, B. R. Murray, D. M. Robinson, L. J. Underwood, J. Hanson and W. H.
Roa, “Dosimetric Evaluation of Lung Tumor Immobilization Using Breath Hold at
Deep Inspiration”, International Journal of Radiation Oncology, Biology, Physics, Vol.
50, N°4, pp. 1091-1098, 2001.
[8] G. H. Barnett, R. Maciunas and D. Roberts, "Computer-Assisted Neurosurgery",
Informa Healthcare, 1st edition, New York, Nov 8, 2005.
[9] J. Beck, C. Sinderby, L. Lindström and A. Grassino, “Effects of Lung Volume on
Diaphragm EMG Signal Strength During Voluntary Contractions”, Journal of Applied
Physiology, Vol. 85, N° 3, pp. 1123-1134, 1998.
[10] C. Behn, “Apuntes Curso Fundamentos Científicos de la Medicina II: Sistema
Respiratorio”, Facultad de Medicina, Universidad de Chile, Santiago, Chile, 2005.
[11] M. Behr, L. Thollon, P. J. Arnoux, T. Serre, S. V. Berdah, P. Baque, and C. Brunet,
“3D Reconstruction of the Diaphragm for Virtual Traumatology”, Surgical and
Radiologic Anatomy, Vol. 28, pp. 235-240, 2006.
[12] G. Benchetrit, “Breathing Pattern in Humans: Diversity and Individuality”,
Respiration Physiology, Vol. 122, pp. 123-129, 2000.
[13] D. E. Bettendorff-Bakman, P. Schmid, P. P. Lunkenheimer and P. Niederer, “A
Finite Element Study Relating to the Rapid Filling Phase of the Human Ventricles”,
Journal of Theoretical Biology, Vol. 238, pp. 303-316, 2006.
[14] D. Bettinelli, C. Kays, O. Bailliart, A. Capderou, P. Techoueyres, J. L. Lachaud, P.
Vaïda and G. Miserocchi, “Effect of Gravity and Posture on Lung Mechanics”, Journal
of Applied Physiology, Vol. 93, N°6, pp. 2044-2052, 2002.
53
[15] N. Blanc Gras, E. Beauvois, F. Esteve and G. Benchetrit, “VISURESP: A New
Device for Pulmonary Rehabilitation Based on Visual Feedback”, Biological
Psychology, Vol. 41, pp. 85-86, 1995.
[16] V. Boldea, “Intégration de la Respiration en Radiothérapie : Apport du Recalage
Déformable d'Images”, PhD. thesis, Université Lumière Lyon2, Lyon, France, 2006.
[17] M. H. Bonnet, K. Doghramji, T. Roehrs, E. J. Stepanski, S. H. Sheldon, A. S.
Walters, M. Wise and A. L. Chesson, “The Scoring of Arousal in Sleep: Reliability,
Validity, and Alternatives”, Journal of Clinical Sleep Medicine, Vol. 3, N° 2, pp. 133145, 2007.
[18] A. A. Borbely, “A Two Process Model of Sleep Regulation”, Human "eurobiology,
Vol. 1, pp. 195-204, 1982.
[19] A. M. Boriek and J. R. Rodarte, “Effects of Transverse Stiffness and Central
Tendon on Displacement and Shape of a Simple Diaphragm Model”, Journal of
Applied Physiology, Vol. 82, N°5, pp. 1626-1636, 1997.
[20] W. A. Briscoe and A. B. Dubois, “The Relationship between Airway Resistance,
Airway Conductance and Lung Volume in Subjects of Different Age and Body Size”,
Journal of Clinical Investigation, Vol. 37, pp. 1279-1285, 1958.
[21] K. K. Brock, M. B. Sharpe, L. A. Dawson, S. M. Kim and D. A. Jaffray, “Accuracy
of Finite Element Model-Based Multi-Organ Deformable Image Registration”, Medical
Physics, Vol. 32, N°6, pp. 1647-1659, 2005.
[22] R. T. Brouillette, A. Morielli, A. Leimanis, K. A. Waters, R. Luciano and F. M.
Ducharme, “Nocturnal Pulse Oximetry as an Abbreviated Testing Modality for
Pediatric Obstructive Sleep Apnea”, Pediatrics, Vol. 105, N°2, pp. 405-412, 2000.
[23] R. D. Bucholz, D. D. Yeh, J. Trobaugh, L. L. McDurmont, C. D. Sturm, C.
Baumann, J. M. Henderson, A. Levy and P. Kessman, "The Correction of Stereotactic
Inaccuracy Caused by Brain Shift Using an Intraoperative Ultrasound Device",
Proceedings of the First Joint Conference on Computer Vision, Virtual Reality and
Robotics in Medicine and Medial Robotics and Computer-Assisted Surgery, Vol. 1205,
pp. 459-466, Berlin, Germany, 1997.
[24] R. Budhiraja, J. L. Goodwin, S. Parthasarathy and S. F. Quan, “Comparison of
Nasal Pressure Transducer and Thermistor for Detection of Respiratory Events During
Polysomnography in Children”, Sleep, Vol. 28, pp. 1117-1121, 2005.1997.
[25] M. A. Carskadon and W. C. Dement, “Normal Human Sleep: An Overview”,
Principles and Practice of Sleep Medicine: M. H. Kryger, T. Roth, W. C. Dement (eds.),
Elsevier Inc, 4th edition, pp 13-23, Phyladelphia, USA, 2005.
[26] M. P. Castañeda and F. A. Cosio, “Deformable Model of the Prostate for Turp
Surgery Simulation”, Computer and Graphics, Vol. 28, pp. 767-777, 2004.
[27] M. Chabanas, V. Luboz and Y. Payan, “Patient Specific Finite Element Model of
the Face Soft Tissue for Computer-Assisted Maxillofacial Surgery”, Medical Image
Analysis, Vol. 7, pp. 131-151, 2003.
54
[28] J. Chadwick, D. Haumann and R. Parent, “Layered Construction for Deformable
Animated Characters”, International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH '89, pp. 243-252, Boston, USA, 1989.
[29] Y. Chen and D. Zeltzer, “Pump it up: Computer Animation of a Biomechanically
Based Model of Muscle using the Finite Element Method”, Computer Graphics, Vol.
26, N°2, pp. 89-98, 1992.
[30] R. D. Chervin, K. H. Archbold, “Hyperactivity and Polysomnographic Findings in
Children Evaluated for Sleep-Disordered Breathing”, Sleep, Vol. 24, pp. 313-320, 2001.
[31] Y. Chi, J. Liang and D. Yan, “A Material Sensitivity Study on the Accuracy of
Deformable Organ Registration using Linear Biomechanical Models”, Medical Physics,
Vol. 33, N°2, pp. 421-433, 2006.
[32] J. Clausen, “Measurement of Absolute Lung Volumes by Imaging Techniques”,
European Respiratory Journal, Vol. 10, pp. 2427-2431, 1997.
[33] A. L. Coates, R. Peslin, D. Rodestein and J. Stockcs, “Measurement of Lungs
Volumes by Plethysmography”, ERS/ATS Workshop Report Series, European
Respiratory Journal, Vol. 10, pp. 1415-1427, 1997.
[34]
Code Aster. http://www.code-aster.org/, 2009.
[35] W. Crum, T. Hartkens and D. Hill, “Non-Rigid Image Registration: Theory and
Practice”, British Journal of Radiology, Vol. 77, N° 2, pp. 140-153, 2004.
[36] S. L. Davidson Ward, C. L. Marcus, “Obstructive Sleep Apnea in Infants and
Young Children”, Journal of Clinical "europhisiology, Vol. 13, N°3, pp. 198-207,
1996.
[37] E. Denny and R. C. Schroter, “A Model of Non-Uniform Lung Parenchyma
Distorsion”, Journal of Biomechanics, Vol. 39, N°4, pp. 652-653, 2006.
[38] A. L. Didier, “Simulation du Mouvement Pulmonaire pour l’Amélioration des
Traitements par Radiothérapie”, PhD. thesis, Université Claude Bernard Lyon 1, Lyon,
France, 2009.
[39] A. L. Didier, P. F. Villard, J. Y. Bayle, M. Beuve and B. Shariat, “Breathing Thorax
Simulation Based on Pleura Physiology and Rib Kinematics”, International Conference
on Medical Information Visualisation, pp. 35-42, Zurich, Switzerland, 2007.
[40] A. B. Dubois, S. Y. Botelho and J. H. Comroe, “A New Method for Measuring
Airway Resistance in Man Using a Body Plethysmograph”, Journal of Clinical
Investigation, Vol. 35, pp. 327-335, 1956.
[41] S. C. Erridge, Y. Seppenwoolde, S. H. Muller, M. Van Herk, K. De Jaeger, J. S.
Belderbos, L. J. Boersma and J. V. Lebesque, “Portal Imaging to Assess Set-Up Errors,
Tumor Motion and Tumor Shrinkage During Conformal Radiotherapy of Non-Small
Cell Lung Cancer”, Radiotherapy and Oncology, Vol. 66, N°1, pp. 75-85, 2003.
[42] J. D. Escolar and A. Escolar, “Lung Hysteresis: A Morphological View”, Histology
and Histopathology, Vol. 19, pp. 159-166, 2004.
55
[43] P. Estévez, C. M. Held, C. A. Holzmann, C. A. Perez, J. P. Pérez, J. Heiss, M.
Garrido and P. Peirano, “Polysomnographic Pattern Recognition for Automated
Classification of Sleep-Waking States in Infants”, Medical & Biological Engineering &
Computing, Vol. 40, pp. 105-113, 2002.
[44] R. C. de la Eva, L. A. Baur, K. C. Donaghue and K. A. Waters, “Metabolic
Correlates with Obstructive Sleep Apnea in Obese Subjects”, Journal of Pediatrics,
Vol. 140, pp. 654-659, 2002.
[45] M. N. Fiamma, Z. Samara, P. Baconnier, T. Similowski and C. Straus, “Respiratory
Inductive Plethysmography to Assess Respiratory Variability and Complexity in
Humans”, Respiratory Physiology and "eurobiology, Vol. 156, pp. 234-239, 2007.
[46] E. C. Ford, G. S. Mageras, E. Yorke and C. C. Ling, “Respiration Correlated Spiral
CT: A Method of Measuring Respiratory-Induced Anatomic Motion for Radiation
Treatment Planning”, Medical Physics, Vol. 30, N°1, pp. 88-97, 2003.
[47] B. C. Friedman, A. Hendeles-Amitai, E. Kozminsky, A. Leiberman, M. Friger, A.
Tarasiuk and A. Tal, “Adenotonsillectomy Improves Neurocognitive Function in
Children with Obstructive Sleep Apnea Syndrome”, Sleep, Vol. 26, N°8, pp. 999-1005,
2003.
[48] B. Gagel, C. Demirel, A. Kientopf, M. Pinkawa, M. Piroth, S. Stanzel, C. Breuer, B.
Asadpour, T. Jansen, R. Holy, J. E. Wildberger and M. J. Eble, “Active Breathing
Control (ABC): Determination and Reduction of Breathing-Induced Organ Motion in
the Chest”, International Journal of Radiation Oncology Biology Physics, Vol. 67, N°
3, pp. 742-749, 2007.
[49] A. Gefen, D. Elad and R. J. Shiner, “Analysis of Stress Distribution in the Alveolar
Septa of Normal and Simulated Emphysematic Lung”, Journal of Biomechanics, Vol.
32, N°9, pp. 891-897, 1999.
[50] W. W. L. Glenn and M. L. Phelps, “Diaphragm Pacing by Electrical Stimulation of
the Phrenic Nerve”, "eurosurgery, Vol. 17, N° 6, pp. 974-984, 1985.
[51] J. L. Goodwin, K. L. Kaemingk, R. F. Fregosi, G. M. Rosen, W. J. Morgan, D. L.
Sherrill and S. F. Quan, “Clinical Outcomes Associated with Sleep-Disordered
Breathing in Caucasian and Hispanic Children – the Tucson Children’s Assessment of
Sleep Apnea Study (TuCASA)”, Sleep, Vol. 26, pp. 587-591, 2003.
[52] D. Gozal, M. Wang and D. W. Pope, “Objective Sleepiness Measures in Pediatric
Obstructive Sleep Apnea”, Pediatrics, Vol. 108, pp. 693-697, 2001.
[53] C. Guilleminault, F. L. Eldridge, B. Simmons and W. C. Dement, “Sleep Apnea in
Eight Children”, Pediatrics, Vol. 58, pp. 28-32, 1976.
[54] C. Guilleminault, A. Tilkan and W. C. Dement, “The Sleep Apnea Syndromes”,
Annual Review of Medicine, Vol. 27, pp. 465-484, 1976.
[55] R. S. Harris, “Pressure-Volume Curves of the Respiratory System”, Respiratory
Care, Vol. 50, N° 1, pp 78-98, 2005.
56
[56] N. Hart, P. Hawkins, C-H. Hamnegård, M. Green, J. Moxham and M. I. Polkey, “A
Novel Clinical Test of Respiratory Muscle Endurance”, European Respiratory Journal,
Vol. 19, pp. 232-239, 2002.
[57] J. E. Heiss, C. M. Held, P. E. Estévez, C. A. Perez, C. A. Holzmann and J. P. Pérez,
“Classification of Sleep Stages in Infants: A Neuro Fuzzy Approach”, IEEE
Engineering in Medicine and Biology, Vol. 21, N°5, pp. 147-151, 2002.
[58] C. M. Held, L. Causa, P. Estévez, C. Pérez, M. Garrido, C. Algarín and P. Peirano,
“Dual Approach for Automated Sleep Spindles Detection within EEG Background
Activity in Infant Polysomnograms”, Proceedings of the 26th Annual International
Conference of the IEEE EMBS, Vol. 1, pp. 566-569, San Francisco, CA, USA, 2004.
[59] A. Hostettler, “Modélisation et Simulation Patient-Dépendante, Préopératoire,
Prédictive, et Temps-Réel du Mouvement des Organes de l’Abdomen Induit par la
Respiration Libre”, PhD thesis, Université Louis Pasteur Strasbourg 1, Strasbourg,
France, 2008.
[60] N. E. Huang, Z. Shen, S. R. Long, M. C. Wu, H. H. Shih, Q. Zheng, N. C. Yen, C.
C. Tung and H. H. Liu, “The Empirical Mode Decomposition and the Hilbert Spectrum
for Nonlinear and Non-Stationary Time Series Analysis”, Royal Society of London
Proceedings Series A, Vol. 454, N° 1971, pp. 903–995, 1998.
[61] H. U. Kauczor, C.P. Heussel, B. Fischer, R. Klamm, P. Mildenberger and M.
Thelen, “Assessment of Lung Volumes Using Helical CT at Inspiration and Expiration:
Comparison with Pulmonary Function Test”, American Journal of Roentgenology, Vol.
171, pp. 1091-1095, 1998.
[62] K. L. Kaemingk, A. E. Pasvogel, J. L. Goodwin, S. A. Mulvaney, F. Martínez, P. L.
Enright, G. M. Rosen, W. J. Morgan, R. F. Fregosi and S. F. Quan, “Learning in
Children and Sleep Disordered Breathing: Findings of the Tucson Children’s
Assessment of Sleep Apnea (tuCASA) Prospective Cohort Study”, Journal of the
International "europsychological Society, Vol. 9, pp. 1016-26, 2003.
[63] J. Kaye, D. N. Metaxas and F. P. Primiano, “A 3D Virtual Environment for
Modeling Mechanical Cardiopulmonary Interactions”, Proceedings of the First Joint
Conference on Computer Vision, Virtual Reality and Robotics in Medicine and Medial
Robotics and Computer-Assisted Surgery, pp. 389-398, Berlin, Germany, 1997.
[64] P. J. Keall, G. S. Mageras, J. M. Balter, R. S. Emery, K. M. Forster, S. B. Jiang, J.
M. Kapatoes, D. A. Low, M. J. Murphy, B. R. Murray, C. R. Ramsey, M. B. Van Herk,
S. S. Vedam, J. W. Wong and E. Yorke, “The Management of Respiratory Motion in
Radiation Oncology Report of AAPM Task Group 76”, Medical Physics, Vol. 33,
N°10, pp. 3874-3900, 2006.
[65] J. D. Kennedy, S. Blunden, C. Hirte, D. W. Parsons, A. J. Martin, E. Crowe, D.
Williams, Y. Pamula and. K. Lushington, “Reduced Neurocognition in Children who
Snore”, Pediatric Pulmonology, Vol. 37, pp. 330-337, 2004.
57
[66] R. Kowe, R. C. Schroter, F. L. Matthews and D. Hitchings, “Analysis of Elastic and
Surface Tension Effects in the Lung Alveolus using Finite Element Methods”, Journal
of Biomechanics, Vol. 19, N°7, pp. 541-549, 1986.
[67] J. Krieger, E. Sforza, A. Boudewijns, M. Zamagni and C. Petiau, “Respiratory
Effort during Obstructive Sleep Apnea”, Chest, Vol. 112, pp. 875-884, 1997.
[68] C. Lamm, J. Mandeli and M. Kattan, “Evaluation of Home Audiotapes as an
Abbreviated Test for Obstructive Sleep Apneas Syndrome (OSAS) in Children”,
Pediatric Pulmonology, Vol. 27, N°4, pp. 267-272, 1999.
[69] F. Laghi, M. J. Harrison and M. J. Tobin, “Comparison of Magnetic and Electrical
Phrenic Nerve Stimulation in Assessment of Diaphragmatic Contractility”, Journal of
Applied Physiology, Vol. 80, pp. 1731-1742, 1996.
[70] D. Laporta and A. Grassino, “Assessment of Transdiaphragmatic Pressure in
Humans”, Journal of Applied Physiology, Vol. 58, N° 5, pp. 1469-1476, 1985.
[71] A. Lee, A. Kratochwil, I. Stümpflen, J. Deutinger and G. Bernaschek, “Fetal Lung
Volume Determination by Three-Dimensional Ultrasonography”, American Journal of
Obstetrics and Gynecology, Vol. 173, N°3, pp. 588-592, 1996.
[72] M. Littner, “Polysomnography in the Diagnosis of the Obstructive Sleep ApneaHypopnea Syndrome”, Chest, Vol. 118, N° 2, pp. 286-288, 2000.
[73] S. H. Loring, “Action of the Human Respiratory Muscles Inferred from Finite
Element Analysis of Rib Cage”, Journal of Applied Physiology, Vol. 72, N°4, pp. 14611465, 1992.
[74] H. M. Loyd, T. String and A. B. Dubois, “Radiographic and Plethysmographic
Determination of Total Lung Capacity”, Radiology, Vol. 28, pp. 7-14, 1966.
[75] V. Luboz, A. Pedrono, D. Ambard, F. Boutault, Y. Payan and P. Swider,
“Prediction of Tissue Decompression in Orbital Surgery”, Clinical Biomechanics, Vol.
19, N°2, pp. 202-208, 2004.
[76] D. Mahieu-Caputo, P. Sonigo, M. Dommergues, J. C. Fournet, J. C. Thalabard, C.
Abarca, A. Benachi, F. Brunelle and Y. Dumez, “Fetal Lung Volume Measurement by
Magnetic Resonance Imaging in Congenital Diaphragmatic Hernia”, International
Journal of Obstetrics and Gynecology, Vol. 108, N° 8, pp. 863-868, 2001.
[77] C. L. Marcus, M. G. Greene and J. L. Carroll, “Blood Pressure in Children with
Obstructive Sleep Apnea”, American Journal of Respiratory and Critical Care
Medicine, Vol. 157, pp. 1098-1103, 1998.
[78] C. L. Marcus, K. J. Omlin, D. J. Basinsky, S. L. Bailey, A. B. Rachal, W. S. Von
Pechmann, T. G. Keens and S. L. Ward, “Normal polisomnographic values for children
and adolescents”, American Review of Respiratory Disease, Vol.146, pp. 1235-1239,
1992.
[79] A. Mohamed, C. Davatzikos and R. Taylor, “A Combined Statical and
Biomechanical Model for Estimation of Intra-Operative Prostate Deformation”,
58
Proceedings of the 5th International Conference on Medical Image Computing and
Computer-Assisted Intervention, Part II, pp. 452-460, Tokyo, Japan, 2002.
[80] M. Mohr, E. Adams, C. Engel, W. B. Long and M. Bottlang, “Geometry of Human
Ribs Pertinent to Orthopedic Chest-Wall Reconstruction”, Journal of Biomechanics,
Vol. 40, N°6, pp. 1310-1317, 2007.
[81] A. Moreno, S. Chambon, A. P. Santhanam, R. Brocardo, P. Kupelian, J. P. Rolland,
E. Angelini and I. Bloch, “Thoracic CT-PET Registration using a 3D Breathing
Model”, International Conference on Medical Image Computing and Computer
Assisted Intervention, MICCAI 2007, pp. 626-633, Brisbane, Australia, 2007.
[82] L. P. Nedel and D. Thalmann, “Modeling and Deformation of the Human Body
using Ananatomically-Based Approach”, Proceedings of Computer Animation, pp. 3440, Philadelphia, USA, 1998.
[83] L. P. Nedel and D. Thalmann, “Real Time Muscle Deformations Using Mass-Spring
Systems”, Proceedings of the Computer Graphics International, pp. 156-165,
Hannover, Germany, 1998.
[84] T. Neicu, H. Shirato, Y. Seppenwoolde and S. B. Jiang, “Synchronized Moving
Aperture Radiation Therapy (Smart): Average Tumour Trajectory for Lung Patients”,
Physiology, Medicine and Biology, Vol. 48, pp. 587-598, 2003.
[85] L. M. O’Brien, C. R. Holbrook, C. B. Mervis, C. J. Klaus, J. L. Bruner, T. J.
Raffield, J. Rutherford, R. C. Mehl, M. Wang, A. Tuell, B. C. Hume and D. Gozal,
“Sleep and Neurobehavioral Characteristics of 5- to 7-Year-Old Children with
Parentally Reported Symptoms of Attention-Deficit/Hyperactivity Disorder”,
Pediatrics, Vol. 111, pp. 554-563, 2003.
[86] A. B. Otis, W. O. Fenn and W. Rahn, “Mechanisms of Breathing in Man”, Journal
of Applied Physiology, Vol. 2, pp. 592-607, 1950.
[87] C. Ozhasoglu and M. J. Murphy, “Issues in Respiratory Motion Compensation
during External-Beam Radiotherapy”, International Journal of Radiation Oncology
Biology Physics, Vol. 52, N° 5, pp. 1389-1399, 2002.
[88] A. F. Pacela, “Impedance Pneumography: A Survey of Instrumentation
Techniques”, Medical and Biological Engineering and Computing, Vol. 4, N°1, pp. 115, 1966.
[89] Y. Payan, M. Chabanas, C. Vilain, X. Pelorson, P. Levy, V. Luboz and P. Perrier,
“Biomechanical Models to Simulate Consequences of Maxillofacial Surgery”, Comptes
Rendus Biologies, Vol. 325, N°4, pp. 309-319, 2002.
[90] T. M. Peters, "Image-Guidance for Surgical Procedures", Physics in Medicine and
Biology, Vol. 51, pp. 505-540, 2006.
[91] N. Pettiaux, M. Cassart, M. Paiva and M. Estenne, “Three-Dimensional
Reconstruction of Human Diaphragm with the Use of Spiral Computed Tomography”,
Journal of Applied Physiology, Vol. 82, N°3, pp. 998-1002, 1997.
59
[92] C. Plathow, S. Ley, C. Fink, M. Puderbach, W. Hosch, A. Schmahl, J. Debus and H.
U. Kauczor, “Analysis of Intrathoracic Tumor Mobility During Whole Breathing Cycle
by Dynamic MRI”, International Journal of Radiation Oncology Biology Physics, Vol.
59, N° 4, pp. 952-959, 2004.
[93] M. I. Polkey, M. Green and J. Moxham, “Measurement of Respiratory Muscle
Strength”, Thorax, Vol. 50, pp. 1131-1135, 1995.
[94] M. I. Polkey, Y. Luo, R. Guleria, C. H. Hamneg Ård, M. Green and J. Moxham,
“Functional Magnetic Stimulation of the Abdominal Muscles in Humans”, American
Journal of Respiratory Critical Care Medicine, Vol. 160, N° 2, 513-522, 1999.
[95] N. B. Pride, “The Assessment of Airflow Obstruction. Role of Measurements of
Airways Resistance and Test of Forced Expiration”, British Journal of Diseases of the
Chest, Vol. 65, pp. 135-169, 1971.
[96] E. Promayon, “Modélisation et Simulation de la Respiration”, PhD thesis,
Université Joseph Fourier, Grenoble, France, 1997.
[97] E. Promayon and P. Baconnier, “A 3D Discrete Model of the Diaphragm and
Human Trunk”, Lung Modeling: L. Boudin, C. Grandmont, Y. Maday, B. Maury, J. –F.
Gerbeau (eds.), Vol. 23, pp. 66-77, 2008.
[98] E. Promayon, P. Baconnier and C. Puech, “Physically-Based Deformations
Constrained in Displacements and Volume”, Computer Graphic Forum, Vol. 15, N°3,
pp. 155-164, 1996.
[99] E. Promayon, P. Baconnier and C. Puech, “Physically-Based Model for Simulating
the Human Trunk Respiration Movements”, Proceedings of the First Joint Conference
on Computer Vision, Virtual Reality and Robotics in Medicine and Medial Robotics and
Computer-Assisted Surgery, pp. 379-388, Berlin, Germany, 1997.
[100] P. H. Quanjer (ed.), “Standardized Lung Function Testing. Report Working Party
Standardization of Lung Function Tests, European Community for Coal and Steel”,
Bulletin Europeen de Physiopathologie Respiratoire-Clinical Respiratory Physiology,
Vol. 19, N°5, pp. 1-95, 1983.
[101] P. H. Quanjer, G. J. Tammeling, J. E. Cotes, O. F. Pedersen, R. Peslin and J. C.
Yernault, “Lung Volumes and Forced Ventilatory Flows”, European Respiratory
Journal, Vol. 6, N° 16, pp. 5-40, 1993.
[102] H. Rahn, A. B. Otis, L. E. Chadwick and W. O. Fenn, “The Pressure-Volume
Diagram of the Thorax and Lung. American Journal of Physiology, Vol. 146, N° 6, pp.
161-178, 1946.
[103] A. Ratnovsky and D. Elad. “Anatomical Model of the Human Trunk for Analysis of
Respiratory Muscles Mechanics”, Respiratory Physiology and "eurobiology, Vol. 148,
pp. 245-262, 2005.
[104] A. Ratnovsky, D. Elad and P. Halpern, “Mechanics of Respiratory Muscles”,
Respiratory Physiology and "eurobiology, Vol. 31, N°2, pp. 333-340, 2008.
60
[105] E. Rebuffat, J. Grswasser, I. Kelmanson, M. Sottiaux and A. Kahn, “Polygraphic
Evaluation of Night-to-Night Variability in Sleep Characteristics and Apneas in
Infants”, Sleep, Vol. 17, pp. 329-332, 1994.
[106] A. Rechtschaffen and A. Kales, “A Manual of Standardized Terminology,
Techniques and Scoring System for Sleep Stages of Human Subjects”, UCLA, Brain
Research Institute/ Brain Information Service, Los Angeles, USA, 1968.
[107] S. Redline, R. Budhiraja, V. Kapur, C. L. Marcus, J. Mateika, R. Mehra, S.
Parthasarthy, V. Somers, K. P. Strohl, L. G. Sulit, D. Gozal, M. S. Wise and S. F. Quan,
“The Scoring of Respiratory Events in Sleep: Reliability and Validity”, Journal of
Clinical Sleep Medicine, Vol. 3, N°2, pp. 169-200, 2007.
[108] S. Redline and M. Sanders, “A Quagmire for Clinicians: When Technological
Advances Exceed Clinical Knowledge”, Thorax, Vol. 54, pp. 474-475, 1999.
[109] A. D. Renzetti, “Standardization of Spirometry”, American Review of Respiratory
Disease, Vol. 179, pp. 831-838, 1979.
[110] G. Rilling, P. Flandrin and P. Gonçalves, “On Empirical Mode Decomposition and
its Algorithms”, Proceedings of the IEEE-EURASIP Workshop on "onlinear Signal
and Image Processing "SIP-03, Vol. 1, Italy, 2003.
[111] M. Sagar, D. Bullivant, G. Mallinson and P. Hunter, “A Virtual Environment and
Model of the Eye for Surgical Simulation”, Proceedings of the 21st Annual Conference
on Computer Graphics and Interactive Techniques, pp. 205-212, Florida, USA, 1994.
[112] A. P. Santhanam, C. Imielinska, P. Davenport, P. Kupelian and J. P. Rolland,
“Modeling Real-Time 3D Lung Deformations for Medical Visualization”, IEEE
Transactions on Information Technology in Biomedicine, Vol. 12, N°2, pp. 257-270,
2008.
[113] D. Sarrut, V. Boldea, M. Ayadi, J. N. Badel, C. Ginestet, S. Clippe and C. Carrie,
“Non Rigid Registration Method to Assess Reproducibility of Breath-Holding with
ABC in Lung Cancer”, International Journal of Radiation Oncology Biology Physics,
Vol. 61, N° 2, pp. 594-607, 2005.
[114] N. A. Saunders, S. M. Kreitzer and R. H. Ingram, “Rib Cage Deformation during
Static Inspiratory Efforts”, Journal of Applied Physiology, Vol. 46, N°6, pp. 1071-1075,
1979.
[115] M. S. Schechter, “Technical Report: Diagnosis and Management of Childhood
Obstructive Sleep Apnea Syndrome”, Pediatrics, Vol. 109, N°4, e69, 2002.
[116] W. P. Segars, D. S. Lalush and B. M. W. Tsui, “Modeling Respiratory Mechanics in
the Mcat and Spline-Based Mcat Phantoms”, IEEE Transactions on "uclear Sciences,
Vol. 48, N°1, pp. 89-97, 2001.
[117] J. W. Shepard, “Cardiopulmonary Consequences of Obstructive Sleep Apnea”,
Mayo Clinic Proceedings, Vol. 65, pp. 1250-1259, 1990.
[118] H. Shirato, “Speed and Amplitude of Lung Tumor Motion Precisely Detected in
Four-Dimensional Setup and in Real-Time Tumor-Tracking Radiotherapy”,
61
International Journal of Radiation Oncology Biology Physics, Vol. 64, N°4, pp. 12291236, 2006.
[119] K. E. Sixel, M. Ruschin, R. Tirona and P. C. Cheung, “Digital Fluoroscopy to
Quantify Lung Tumor Motion: Potential for Patient-Specific Planning Target
Volumes”, International Journal of Radiation Oncology Biology Physics, Vol. 57, N°3,
pp. 717-723, 2003.
[120] O. M. Skrinjar and J. S. Duncan, "Real Time 3D Brain Shift Compensation"
Proceedings of the 16th International Conference on Information Processing in Medical
Imaging, Vol. 1613, pp. 42–55, Visegrad, Hungary, 1999.
[121] O. M. Skrinjar, A. Nabavi and J. Duncan, "Model-Driven Brain Shift
Compensation", Medical Image Analysis, Vol. 6, pp. 361–373, 2002.
[122] O. M. Skrinjar, C. Studholme, A. Nabavi and J. Duncan, "Steps Toward a StereoCamera-Guided Biomechanical Model for Brain Shift Compensation", Proceedings of
the 17th International Conference on Information Processing in Medical Imaging, Vol.
2082, pp. 183-189, Davis, CA, USA, 2001.
[123] V. Sojar, D. Stanisavljević, M. Hribernik, M. Glušič, D. Kreuh, U. Velkavrh and T.
Fius, “Liver Surgery Training and Planning in 3D Virtual Space”, Proceedings of the
18th International Congress and Exhibition on Computer Assisted Radiology and
Surgery, CARS 2004, Vol. 1268, pp. 390-394, Chicago, USA, 2004.
[124] E. Stindel, J. Briard, P. Merloz, S. Plaweski, F. Dubrana, C. Lefevre and J. Troccaz,
“The Bone Morphing : 3D Morphological Data for Total Knee Arthroplasty”,
Computer-Aided Surgery, Vol. 7, N°3, pp. 156-168, 2002.
[125] I. Suramo, M. Paivansalo and V. Myllyla, “Cranio-Caudal Movements of the Liver,
Pancreas and Kidneys in Respiration”, Acta Radiologica. Diagnosis, Vol. 25, N°2, pp.
129-131, 1984.
[126] J. P. Tang, C. L. Rosen, E. K. Larkin, J. M. DiFiore, J. L. Arnold, S. A. Surovec, J.
M. Youngblut and S. Redline, “Identification of Sleep-Disordered Breathing in
Children: Variation with Event Definition”, Sleep, Vol. 25, pp. 72-79, 2002.
[127] J. Terán Santos, A. Jimenez Gómez, J. Cordero-Guevara and the Cooperative Group
Burgos-Santander, “The Association between Sleep and the Risk of Traffic Accidents”,
"ew England Journal of Medicine, Vol. 340, pp. 847-851, 1999.
[128] S. Uliel, R. Tauman, M. Greenfeld and Y. Sivan, “Normal Polysomnographic
Respiratory Values in Children and Adolescents”, Chest, Vol. 125, pp. 872-878, 2004.
[129] P. Valta, J. Takala, R. Foster, C. Weissman and J. M. Kinney, “Evaluation of
Respiratory Inductive Plethysmography in the Measurement of Breathing Pattern and
PEEP-Induced Changes in Lung Volume”, Chest, Vol. 102, N°1, pp. 234-238, 1992.
[130] D. L. Vawter, Y. C. Fung and J. B.West, “Constitutive Equation of Lung Tissue
Elasticity”, Journal of Biomechanical Engineering, Vol. 101, pp. 38-45, 1979.
[131] L. D. Víctor, “Obstructive Sleep Apnea”, American Family Physician, Vol. 60, N°8,
pp. 2279-2286, 1999.
62
[132] M. Wachowiak, X. Wang, A. Fenster and T. Peters, “Compact Support Radial Basis
Functions for Soft Tissue Deformation”, Proceedings of IEEE International Symposium
on Biomedical Imaging, Vol. 2, pp. 1259-1262, Arlington, USA, 2004.
[133] K. Waters, “A Muscle Model for Animation Three-Dimensional Facial Expression”,
Proceedings of the 14th Annual Conference on Computer Graphics and Interactive
Techniques, pp. 17-24, Anaheim, USA, 1987.
[134] A. Watson, P. Hughes, M. L. Harris, N. Hart, R. Ware, J. Wendon, M. Green and J.
Moxham, “Measurement of Twitch Transdiaphragmatic, Esophageal, and Endotracheal
Tube Pressure with Bilateral Anterolateral Magnetic Phrenic Nerve Stimulation in
Patients in the Intensive Care Unit”, Critical Care Medicine, Vol. 29, N° 7, pp. 13251331, 2001.
[135] W. J. Weiss, S. Remsburg, E. Garpestad, J. Ringler, D. Sparrow and A. Parker,
“Hemodynamic Consequences of Obstructive Sleep Apnea”, Sleep Vol. 19, pp. 338397, 1996.
[136] J. W. Wong, M. B. Sharpe, D. A. Jaffray, V. R. Kini, J. M. Robertson, J. S.
Stromberg and A. A. Martinez, “The Use of Active Breathing Control (ABC) to Reduce
Margin for Breathing Motion”, International Journal of Radiation Oncology Biology
Physics, Vol. 44, N° 4, pp. 911-919, 1999.
[137] K. H. Yang and K. H. Wang, “Finite Element Modeling of the Human Thorax”, The
Second Visible Human Project Conference, Maryland, USA, 1998.
[138] Y. T. Zhang, W. Herzog, M. A. Vaz and A. C. S. Guimarães, “Vibromiography as
an Index of Muscular Fatigue”, Proceedings of the Canadian Medical and Biological
Engineering Society, pp. 98-99, Ottawa, Canada, 1993.
[139] V. B. Zordan, B. Celly, B. Chiu and P. C. Di Lorenzo, “Breathe Easy: Model and
Control of Simulated Respiration for Animation”, Proceedings of the Symposium on
Computer Animation, pp. 29-37, Grenoble, France, 2004.
[140] V. B. Zordan, B. Celly, B. Chiu and P. C. Di Lorenzo, “Breathe Easy: Model and
Control of Human Respiration for Computer Animation”, Graphical Models, Vol. 68,
pp. 113-132, 2005.
63