Herzschlag

Masterstudierende entwickeln neue Methoden zur automatischen Analyse von Herzaktivitäten.

In unserem Herzschlag zeigen sich alle Rhythmen des Lebens. „Wenn das Herz so regelmäßig wie das Klopfen eines Spechtes oder das Tröpfeln des Regens auf dem Dach wird, wird der Patient innerhalb von vier Tagen sterben“,  stellte der chinesische Arzt Wang Shu-he bereits im dritten Jahrhundert nach Christus fest. Richtig betrachtet wird das Herz so zu einem wichtigen Sensor für die Einschätzung des Gesundheitszustandes.

Spezialisten können anhand der Herzratenvariabilität (HRV) – so bezeichnet man die ständige Veränderung des Schlagabstandes zwischen zwei Herzschlägen – erkennen, ob Patienten gerade Stress haben, irgendwelchen Reizen ausgesetzt sind oder ob sie in einem Zustand sind, in dem sie Belastungen gut abfedern können. In der Sportmedizin etwa kann damit gezielt zur Optimierung des Trainings beigetragen werden. Die Salzburger Firma cardio24 betreut mit dieser Technologie daher bereits seit 2001 sehr erfolgreich Spitzensportler wie Triathlet Lukas Hollaus (ÖTRV, Olympia-Team und Kadertriathlet) und baut ihre Kompetenzen derzeit in Richtung Stressdiagnostik aus. Damit die Methode erfolgreich ist, muss sie jedoch stark individualisiert eingesetzt werden und erfordert somit die ständige Betreuung durch Experten. Hier setzt die Zusammenarbeit mit ITS ein.

Automatische Analyse der Herzaktivität

Im Rahmen ihres Research- und Development-Projektes sowie einer Masterarbeit forschen die ITS-Masterstudierenden Daniel Hofstetter, Irina Mader und Daniel Wörndl-Aichriedler deshalb an neuen Methoden zur automatischen Analyse der Herzratenvariabilität.  „Unser Ziel ist es, die entsprechenden Biomarker oder Indikatoren bei der Veränderung des Herzschlagabstandes darzustellen, um auf einen Blick erkennen zu können, ob die Patienten Stress oder keinem Stress ausgesetzt sind“, sagt Irina Mader, die sich für die Spezialisierung e-Health entschieden hat. Die Herausforderung dabei ist, die vier- bis fünfdimensionalen Daten in einer Grafik darzustellen. „Hierfür setzen wir eine sogenannte Self Organizing Map ein“, erklärt die 26-Jährige weiter. Bei dieser Karte werden Werte der Biomarker zweidimensional so angeordnet, dass sie Rückschlüsse auf die hochdimensionale und daher nicht darstellbare Struktur der Daten zulassen. So lassen sich Gruppen beziehungsweise Patienten mit gleichen Diagnosen schnell identifizieren. Daniel Hofstetter untersucht in seiner Masterarbeit, ob mit sogenannten nicht-linearen Indikatoren aus dem Bereich der Chaostheorie die Veränderungen im vegetativen Nervensystem noch besser erfassbar werden – und vor allem robuster gegenüber Störeinflüssen.

Kooperation mit Salzburger Unternehmen

„Uns ist es ein besonderes Anliegen, dass unsere Studierenden an aktuellen und praxisrelevanten Forschungsfragen arbeiten können und freuen uns deshalb speziell in diesem Projekt über die Kooperation mit cardio24,“ erklärt Stefan Wegenkittl, Leiter des Fachbereichs e-Health und Datenanalyse am Studiengang Informationstechnik & System-Management sowie akademischer Leiter des Masterstudiengangs „Applied Image and Signal Processing“.

Self Organising Map: Eine SOM visualisiert den hochdimensionalen Datensatz in geeigneter Form in einer zweidimensionalen Grafik und lässt so Rückschlüsse auf verborgene Zusammenhänge zu. Gut lässt sich die von der Map erzeugte Gruppierung von Sportlern und Patienten erkennen. Damit können zukünftige Probanden klassifiziert werden.

Facts:

Projekt-Team: Daniel Hofstetter, Irina Mader, Daniel Wörndl-Aichriedler
Projekt-Betreuer: FH-Prof. Univ.- Doz. Mag. Dr. Stefan Wegenkittl, FH-Prof. DI (FH) Dr. Werner Pomwenger MSc
Typ: Masterprojekt
Studiengang: Master