Dipl.-Ing. Christopher Schilling

Dipl.-Ing. Matthias Keller

Vorhofflimmern ist die häufigste Herzrhythmusstörung. Das Schlaganfallrisiko bei Patienten mit Vorhofflimmern erhöht sich auf das Fünffache des Wertes bei herzgesunden Menschen. Die Ursachen von Vorhofflimmern und die Mechanismen, die es verursachen und erhalten sind bisher noch weitestgehend unverstanden. Zur Behandlung von Vorhofflimmern wird in den letzten Jahren neben Medikamenten immer häufiger die Katheterablation eingesetzt. Durch Messung der elektrischen Aktivität der Herzzellen mittels Elektroden kann Gewebe mit veränderter elektrischer Aktivität erkannt werden. Die Elektrodensignale, die bei solchem Gewebe gemessen werden, sind häufig fraktioniert und werden deshalb als komplex fraktionierte atriale Elektrogramme (CFAEs) bezeichnet. Das Vorgehen bei der Ablationstherapie ist bisher jdoch in hohem Maße vom behandelnden Arzt abhängig.

Ziel dieser Arbeit war es einen Algorithmus zu entwickeln, der auf einer breiten Basis von numerischen Deskriptoren komplex fraktionierten atrialen Elektrogrammen (CFAEs) automatisch in Klassen einteilt. In Zusammenarbeit mit Ärzten des Städtischen Klinikums Karlsruhe wurde eine Nomenklatur entwickelt, welche CFAEs in vier Klassen unterteilt. Diese Klassen beschreiben Elektrogrammmorphologien, die bei Vorhofflimmern auftreten können und für die Katheterablation eine Rolle spielen.

Ein Klassifikations-Algorithmus kann zum einen den Arzt bei der Therapie unterstützen und durch seine standardisierte Erkennung für eine strukturiertes Vorgehen sorgen und zum anderen ist ein solcher Algorithmus ein wichtiges Hilfsmittel für die Analyse von intrakardialen Signalen bei der Aufklärung der Ursachen von Vorhofflimmern.

Es wurde eine Datenbank mit ca. 600 CFAE-Signalen von elf Patienten erstellt und alle Signale per visueller Klassifikation einer CFAE-Klasse zugeordnet. Diese Datenbank stellt eine breite statistische Basis für das Training des Klassifikationsalgorithmus dar. Zur Beschreibung der Charakteristika von CFAE-Signalen durch numerische Werte wurden mit unterschiedlichen Methoden 23 Deskriptoren generiert und einem Entscheidungsbaum übergeben. Um auch eine Aussage über die Sicherheit des Klassifikationsobjektes treffen zu können, wurde ein Fuzzy-Entscheidungsbaum eingesetzt. Diese Gruppe von Bäumen kann im Bereich der Schwellwerte unscharf entscheiden, wodurch die Sicherheit eines Klassifikationsergebnisses anhand der relativen Klassenzugehörigkeit bewertbar ist.