• search hit 70 of 138
Back to Result List

Bitte verwenden Sie diesen Link, wenn Sie dieses Dokument zitieren oder verlinken wollen: https://nbn-resolving.org/urn:nbn:de:gbv:9-002697-9

Neue robuste Methoden zur Herzschlagerkennung und zur Quantifizierung der Herzfrequenzvariabilität

  • Für die Analyse der Herzfrequenz ist eine genaue Detektion des Herzschlags aus Rohdaten unerlässlich. Standardmethoden der Herzschlagerkennung sind für elektrische Biosignale konfiguriert worden, die in einem standardisierten klinischen Umfeld erhoben wurden, insbesondere für das Elektrokardiogramm. Im Zuge neuer Möglichkeiten zur Erfassung der Vitalparameter (über Smartphone, drahtlose Möglichkeiten) und zur Reduktion von Falschalarmen im Krankenhaus werden zunehmend robuste Methoden benötigt. Im ersten Kapitel haben wir einen neuen Algorithmus eingeführt, welcher in der Lage ist, unterschiedliche Wellenformen zu verarbeiten und die Informationen aus mehreren gleichzeitig erhobenen Biosignalen zu bündeln. Die Leistungsfähigkeit wurde im Vergleich mit anderen Methoden an freien Datensätzen überprüft und wir konnten uns von der vielfältigen Anwendbarkeit und der Störungsresistenz überzeugen. Im zweiten Kapitel haben wir uns mit der Quantifizierung der Herzfrequenzvariabilität (HRV) beschäftigt und ein neues leicht verständliches Maß eingeführt. Das dafür notwendige Konzept von relativen RR-Abständen wurde diskutiert und die Nutzung zur Artefaktfilterung und zur Klassifikation von Arrhythmiearten aufgezeigt. Vor- und Nachteile klassischer Methoden der HRV haben wir durch einige mathematische Eigenschaften begründet. Im dritten Kapitel der Dissertation haben wir das neue Maß an realen Daten angewendet und die Abhängigkeit der HRV vom Alter der Probanden und von der Herzfrequenz untersucht. Zudem haben wir periodische Strukturen des Streudiagramms von relativen RR-Abständen betrachtet, für die die Atmung ursächlich ist. Als wissenschaftliche Transferleistung wurde abschließend ein freies Programm geschaffen, welches die neuen robusten Methoden umsetzt.
  • For the analysis of the heart rate an accurate detection of heart beats from raw data is essential. Standard methods of heart beat detection have been configured for electrical biosignals that have been collected in a standard clinical environment, especially for the electrocardiogram. New robust methods are needed in the course of new possibilities for recording vital parameters (via smart phone, wireless possibilities) and for the reduction of false alarms in the hospital. In the first chapter, we introduced a new algorithm, which is able to process different waveforms and to combine the information from several biosignals collected at the same time. The performance was compared with other methods on freely available data sets and we were able to convince ourselves of the wide applicability and noise resistance. In the second chapter, we looked at the quantification of heart rate variability (HRV) and introduced a new easily comprehensible measure. The necessary concept of relative RR intervals was discussed and the use for artifact filtering and classification of arrhythmia types was shown. The advantages and disadvantages of classical methods of HRV measurement have been explained by some mathematical properties. In the third chapter of the dissertation, we applied the new method to real data and examined the dependency of the HRV on age and heart rate. In addition, we have considered periodic structures of the scatter plot of relative RR intervals, for which respiration is the cause. As a scientific transfer service, an open-source program was created, which implements the new robust methods.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author: Marcus Vollmer
URN:urn:nbn:de:gbv:9-002697-9
Title Additional (English):New Robust Methods for Heart Beat Detection and for the Quantification of Heart Rate Variability
Advisor:Prof. Dr. Christoph Bandt
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2017/01/30
Granting Institution:Ernst-Moritz-Arndt-Universität, Mathematisch-Naturwissenschaftliche Fakultät (bis 31.05.2018)
Date of final exam:2016/12/12
Release Date:2017/01/30
Tag:Herzschlagerkennung, Plethysmogramm, RR-Abstände
Heart Beat Detection, Photoplethysmogram, RR Intervals
GND Keyword:Algorithmus, Blutdruck, Elektrodiagnostik, Elektrokardiogramm, Herzfrequenzvariabilität, Mustererkennung, Physiologie, Signalanalyse
Faculties:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Mathematik und Informatik
DDC class:500 Naturwissenschaften und Mathematik / 510 Mathematik
MSC-Classification:62-XX STATISTICS / 62-07 Data analysis
62-XX STATISTICS / 62Pxx Applications [See also 90-XX, 91-XX, 92-XX] / 62P10 Applications to biology and medical sciences
68-XX COMPUTER SCIENCE (For papers involving machine computations and programs in a specific mathematical area, see Section {04 in that areag 68-00 General reference works (handbooks, dictionaries, bibliographies, etc.) / 68Wxx Algorithms (For numerical algorithms, see 65-XX; for combinatorics and graph theory, see 05C85, 68Rxx) / 68W40 Analysis of algorithms [See also 68Q25]
92-XX BIOLOGY AND OTHER NATURAL SCIENCES / 92Cxx Physiological, cellular and medical topics / 92C30 Physiology (general)
97-XX MATHEMATICS EDUCATION / 97Mxx Mathematical modeling. Applications of mathematics / 97M60 Biology. Chemistry. Medicine