Effizienter Cross-Channel- Algorithmus zur Segmentierung und Charakterisierung von Vielkanal- EKG-Datensätzen

Ziel dieser Arbeit ist die Entwicklung eines effizienten Verfahrens zur Mehrkanal-EKGSegmentierung. Die aktuelle Forschung stellt bereits ein breites Spektrum von Lösungsansätzen zur EKG-Segmentierung zur Verfügung, allerdings beziehen sich die meisten von ihnen auf die Analyse einzelner Signalkanäle. Durch Kombination solcher Konzepte und Verwendung eines geeigneten Mehrkanalansatzes zum übergreifenden Informationsgewinn über mehrere Kanäle hinweg soll ein solches Mehrkanal-Verfahren realisiert werden. Die Wavelet-Transformation erweist sich dabei als äußerst nützliches Analyseverfahren, da mit ihrer Hilfe EKG-Signale mit einer geeigneten Wavelet-Funktion verglichen und in Bereiche unterschiedlicher Frequenzen aufgeteilt werden können. Um die Informationen aus einer Vielzahl an Messkanälen gleichzeitig und effizient verarbeiten zu können, wird ein Ansatz verfolgt, bei dem zuerst die Einzelsignale durch eine Filterbank Wavelet-transformiert werden. Ausgangspunkt dafür bildet die Theorie der Wavelet-Transformation, auf Basis derer eine Filterbank mit konstanter Gruppenlaufzeit und äquivalenter Systemantwort geformt werden kann. Durch derlei Implementierung kann der notwendige Rechenaufwand der Transformation drastisch gesenkt werden. Anschließend werden die einzelnen Transformierten gleichgerichtet und gemittelt, um die gesamte Information in einem einzigen Datensatz zu bündeln. Infolgedessen wird der Signal-Rausch-Abstand verbessert und es können für die weiteren Berechnungen Einzelkanal-Methoden und Verfahren herangezogen werden. Darüber hinaus werden Informationen der Krümmung der Signale miteinbezogen. Ergebnis dieser Arbeit ist somit eine Methode der Mehrkanal-EKG-Segmentierung, mit der auch eine Abgrenzung normaler von pathologischen Herzaktivitäten möglich.