Entwicklung von Methoden zur Echtzeitanalyse von EKG ... - FZI

Das Pan/Tompkins-Verfahren wurde durch die dynamische Anpassung des Glättungsfilters
der letzten Stufe für die bessere Detektion von tachykarden Schlägen modifiziert.
Für die Multikanalentscheidung wurde ein auf der Glaubwürdigkeit der Detektionen
der Einzelkanäle beruhendes System entwickelt, dass die Detektionsleistung
insbesondere im Bereich der positiven Prädiktivität deutlich verbessern konnte. Damit
ist dieses Verfahren auch am wenigsten anfällig für falsch positive Detektionen in
verrauschten und gestörten Signalen.
Erstmalig wurde bei dem waveletbasierten QRS-Detektionsverfahren ein hybrides
Klassifikationssystem mit einer unscharfen Klassifikationsstufe implementiert. Dazu
wurden Studien zur Definition eines optimalen Parametersets für die Detektion durchgeführt,
in denen Regelbasen für Kombinationen unterschiedlicher Parameter entwickelt
wurden. Die Zugehörigkeitsfunktionen dieser Fuzzy-Inferenzsysteme wurden dann mit
einem wissensbasierten Trainingsalgorithmus optimiert. In Kombination mit einer nachgeschalteten
diskreten Klassifikationsstufe konnten für die Mehrkanaldetektion sehr gute
Werte für die Sensitivität von über 99,8% und für die positive Prädiktivität von ca.
99,4% und mehr auf den Standard-Datenbanken erzielt werden. Auch die Sensitivität
der QRS-Detektion für ventrikuläre Schläge erreicht mit deutlich über 98% und bis zu
99,6% auf den Datenbanken sehr zufriedenstellende Ergebnisse. Trotz seiner Komplexität
ist auch dieser QRS-Detektor für die Implementierung auf einer mobilen Plattform
geeignet.
Zwei der Detektionsverfahren wurden über ein neu entwickeltes Interface in kommerzielle
Software zur Langzeit-EKG-Auswertung integriert und dort getestet. Die Möglichkeit
einer konsistenten Umsetzung dieser Detektionsverfahren auf eine mobile Plattform
mit Hilfe des Tools „GeneralStore“ zur automatischen Modell-Transformation mit
anschließender Code-Generierung wurde exemplarisch umgesetzt. Modellrechnungen ergeben
eine Betriebsdauer von deutlich mehr als 24 Stunden beim Einsatz der Verfahren
auf dem Mobilsystem.
Die Forderung, für ein großes Patientenkollektiv mit einem möglichst einfachen, transparenten
Verfahren eine sichere Klassifikation von QRS-Komplexen und EKG-Rhythmen
zu gewährleisten stellte eine große Herausforderung im Rahmen dieser Arbeit dar.
Fuzzy-Inferenz-Systeme sind gut für diese Aufgabe geeignet, weil sie auf einer linguistischen
Regelbasis arbeiten und damit ihre Entscheidungsfindung transparent und ohne
Probleme für den menschlichen Anwender verständlich ist. Sie bieten auch einfache
Möglichkeiten, bereits vorhandenes Wissen über das Vorgehen bei der Klassifikation in
die Regelbasis zu integrieren. Ein wesentliches Kriterium für die Leistungsfähigkeit von
Fuzzy-Inferenz-Systemen ist die optimale Abstimmung seiner Zugehörigkeitsfunktionen
auf die Klassifikationsaufgabe. Bislang verfügbare Methoden für die Optimierung von
Zugehörigkeitsfunktionen haben den Nachteil, dass die Trainingsmuster in etwa gleich
auf die verschiedenen Ergebnisklassen verteilt sein müssen, um mit der Minimierung des
Gesamtfehlers für die Klassifikation auch das Ergebnis für jede Klasse zu optimieren.
Weniger häufig auftretende Klassen werden bei diesen Methoden vernachlässigt. Die
verfügbaren Kollektive weisen jedoch ein starkes Ungleichgewicht zu Ungunsten der für
die Klassifikation besonders relevanten pathologischen EKG-Muster auf.
Aus diesem Grund wurde im Rahmen dieser Arbeit ein ursprünglich für die Schlafstadienklassifikation
bestimmter Trainingsalgorithmus modifiziert. Dieser ist in der Lage,
selten auftretende Ereignisse in der Klassifikation höher zu gewichten, für den Ein-
173