Investigating the Use of Machine Learning for Classifying Atrial Diseases Based on P-wave Simulations on a Biatrial Shape Model

  • Mithilfe eines existierenden Shape Models für den linken und den rechten Vorhof sollen Simulation der Transmembranspannungen und eine Vorwärtsrechnung für die Extraktion eines 12-Kanal Oberflächen EKGs durchgeführt werden.
    Dafür müssen die Modellparameter für Simulationen mit und ohne Fibrose-Gebiete definiert werden. Die Simulationsergebnisse sollen genutzt werden, um mit Hilfe von Machine Learning Techniken eine binäre Klassifikation zwischen gesunden EKGs und EKGs im Sinusrhythmus mit fibrotischen Regionen durchzuführen.
    In einem weiteren Schritt werden verschiedene Parameter der Fibrose-Regionen (z.B. Größe und Ort) angepasst und erneut eine binäre Klassifikation durchgeführt.