Fakultät Informatik

    Die Informatik ist Treiber der digitalen Transformation in der Gesellschaft. Wir bieten Ihnen praxisnahe Ausbildungen für eine zukunftssichere und vielfältige Berufstätigkeit.

    Zurück zur Übersicht

    Wettbewerb mit 43.000 EKG-Signalen

    Eine schwarze EKG-Kurve liegt über der Illustration eines roten Herzens.

    Bildquelle: Pixabay/geralt

    Aus dem Ubiquitous Computing Lab der HTWG unter Leitung von Informatikprofessor Dr. Seepold: Doktorand Lucas Weber hat erfolgreich an der diesjährigen Physionet/Computing in Cardiology Challenge teilgenommen. Die Challenge ist ein bedeutendes Ereignis in der Welt der Biosignalanalyse.

    Jedes Jahr wird im Rahmen dieser Challenge eine Problemstellung aus dem medizinischen Bereich ausgesucht. Die Hauptmotivation besteht darin, validierte Open-Source-Algorithmen für wichtige medizinische Probleme zu entwickeln, um Ärzt*innen bei ihrer täglichen Arbeit zu unterstützen.

    Bei der diesjährigen Challenge ging es um die automatische Erkennung von Herzstörungen, die durch 12-Kanal-EKGs erfasst werden. Herzstörungen sind weltweit die Haupttodesursache. Die kontinuierliche Signalüberwachung ist ressourcenintensiv, eine automatisierte Erkennung von Auffälligkeiten bietet viele Vorteile und kann u.a. die Wahrscheinlichkeit für Fehldiagnosen reduzieren oder die verspätete Erkennung vermeiden.

    Die diesjährige Challenge bestand aus über 43.000 EKG-Signalen. Die Heterogenität stellt eine Herausforderung für die meisten Algorithmen dar, bietet aber auch eine große Datenvielfalt für das maschinelle Lernen. Teams aus der ganzen Welt haben sich an der Challenge beteiligt. Das Ubiquitous Computing Lab der HTWG reichte unter der Leitung von Prof. Dr. Seepold einen Beitrag ein, der auf Deep Learning basiert und die Möglichkeit bietet, von Signalen unterschiedlicher Länge zu lernen und diese zu verarbeiten. Doktorand Lucas Weber befasst sich mit maschinellen Lernalgorithmen und deren Anwendungsbereiche für die Schlafmedizin. Dazu zählt die Erkennung von Anomalien wie z.B. der klassische Atemstillstand oder auch die kontinuierliche Beobachtung und Bewertung der Herzratenvariabilität.

    Von 163 Teams, die sich für die Herausforderung qualifiziert hatten, reichten 70 einen erfolgreichen Beitrag für den verdeckten Testsatz ein, davon erfüllten 39 Teams alle Kriterien (reproduzierbare Ergebnisse, Open-Source-Lizenz und angemessene Präsentation des Ansatzes). „Wir sind stolz darauf, dass wir mit unserer Idee den fünfzehnten Platz erreichen konnten“, sagt Prof. Dr. Ralf Seepold. Das Vorhaben wurde durch ein Small-Research-Projekt von der HTWG gefördert. (Text: Prof. Dr. Ralf Seepold)

    Weitere Informationen zur Challenge und zum Ranking