Signal Processing Methods for the Analysis of the Electrocardiogram

Das Elektrokardiogramm (EKG) zeichnet die elektrische Aktivität des Herzens auf der Brust- oberfläche auf. Dieses Signal kann einfach und kostengünstig aufgenommen werden und wird daher in einer Vielzahl von mobilen und stationären Anwendungen genutzt. Es ist über die letzten 100 Jahre zum Goldstandard bei der Diagnose vieler kardiologischer Krankheiten geworden. Herzerkrankungen bleiben ein relevantes Thema in unserer Gesellschaft, da sie zu 30 % aller Todesfälle weltweit führen. Allein die koronare Herzkrankheit ist die häufigste Todesursache überhaupt. Weiterhin sind 2 bis 3 % der Europäer von Herzrhythmusstörungen wie Vorhofflimmern und Vorhofflattern betroffen. ... mehrDie damit verbundenen geschätzten Kosten in der Europäischen Union belaufen sich auf 26 Milliarden Euro pro Jahr. In allen diesen Fällen ist die Aufzeichnung des EKGs der erste unumgängliche Schritt für eine verlässliche Diagnose und erfolgreiche Therapie.
Im Rahmen dieser Dissertation wurden eine Reihe von Algorithmen zur Signalver- arbeitung des EKG entwickelt, die automatisch die rhythmischen und morphologischen Eigenschaften aus dem EKG extrahieren und dadurch den diagnostischen Prozess und die Entscheidungsfindung des Arztes unterstützen. In einem ersten Projekt wurde das Phänomen der postextrasystolischen T-Wellen-Änderung (PEST) untersucht. Die aus der PEST ex- trahierten Biomarker haben wir als Prädiktoren für Herzversagen postuliert. Ein zweites Projekt handelte vom Entwurf eines akkuraten Algorithmus zur Detektion und Annotation der P-Welle im EKG. Als Referenz während der Entwicklung wurden intrakardial gemessene Signale verwendet. Eine dritte Untersuchg hatte das Ziel, das physiologische Phänomen der respiratorischen Sinusarrhythmie (RSA) besser zu verstehen. In diesem Projekt wurde ein Algorithmus zur Trennung der Herzratenvariabilität (HRV) in ihre atmungsabhängige und ihre atmungsunabhn ̈gige Komponente untersucht. Letzterer Anteil der HRV könnte neue Erkenntnisse über die Regulationsmechanismen des kardiovaskulären Systems liefern. In der vierten und letzten Studie wurde der Einfluss mentaler Belastung auf das EKG während der Autofahrt untersucht. Eine Vielzahl von Deskriptoren wurden gefunden, die eine gefährliche mentale Beanspruchung detektieren und somit den Fahrer vor einem möglichen Unfall schützen können.
Wir schließen aus diesen Untersuchungen, dass gut entwickelte Methoden der Signalver- arbeitung des EKG das Potential haben, die Belastung der Patienten, die an Herzerkrankungen leiden, und die Anzahl der Verkehrsunfälle zu reduzieren.

The electrocardiogram (ECG) captures the electrical activity of the heart that is projected onto the surface of the body. This signal can be recorded in a simple and cost effective manner making it available for a wide variety of mobile and stationary applications. Thus, over the last 100 years, the ECG has become the gold standard for the diagnosis of many cardiac afflictions. This is still relevant nowadays because cardiovascular diseases are a major topic of concern for our society accounting for almost 30 % of all causes of death worldwide. In particular, the ischemic heart disease is the single most common cause of death. ... mehrOther cardiac arrhythmias, such as atrial fibrillation and atrial flutter, affect approximately 2 to 3 % of the population in the European Union leading to estimated costs of about 26 billion euros per year. In all these cases, the ECG is the mandatory first step leading to a reliable diagnosis and successful treatment.
In this thesis, we have developed a series of signal processing algorithms capable of automatically extracting rhythmical and morphological properties from the ECG with the aim of supporting the decision making in the diagnostic process. In our first research project, we investigated a phenomenon called postextrasystolic T wave change (PEST) and postulated that the biomarkers obtained from the ECG during PEST could be used to predict pump failure progression death (PFD). The second project dealt with the creation of an algorithm to accurately detect and delineate the P wave in the ECG using as ground truth the electrograms recorded inside the atria. Our third investigation aimed at a deeper understanding of a physiological phenomenon called respiratory sinus arrhythmia (RSA). Here, we developed an algorithm that separates the heart rate variability (HRV) into a respiration driven component and a respiration independent part. The respiration free HRV could deliver new insights about the regulation of the cardiovascular system. In the fourth and final study, we investigated the impact of mental workload on the ECG while driving a car and discovered a variety of features that can help to detect a dangerous state of mind and protect the driver from a car crash.
We conclude that well designed signal processing methods for the ECG have the potential of reducing the burden for the cardiac patient and the amount of accidents on the road.