Detektion geringfügiger Veränderungen im EKG bei Volumengabe
Sprache des Vortragstitels:
Deutsch
Original Tagungtitel:
2. Kepler Science Day
Sprache des Tagungstitel:
Deutsch
Original Kurzfassung:
Im Bereich der Anästhesie und Intensivmedizin gehört die Ableitung eines EKG-Signals zu den Standard-Monitoringverfahren. Es gibt kaum einen Patienten, der während eines Eingriffes oder während der Phase
der postoperative Überwachung nicht mit einem EKG überwacht wird. Allerdings wird im klinischen Alltag nur ein geringer Anteil der im Signal erhaltenen Information genutzt, und eine automatische, kontinuierliche Auswertung des Signals findet in aller Regel nur für wenige Parameter, wie z.B. die Herzfrequenz, oder die ST-Strecke statt. Neuere Untersuchungen zeigen aber, dass sich pathophysiologische Veränderungen des Organismus lange vor dem eigentlichen Ereignis im EKG ankündigen, ohne dass diese auf den ersten Blick erkennbar wären. Das Ziel der vorgestellten Untersuchung
ist es daher, mit Hilfe von modernen Verfahren des maschinellen Lernens, den sogenannten Random Forests, EKG?Veränderungen bei definierten Zustandsänderungen (z.B. Volumengabe) des Patienten zur Klassifikation zu verwenden.
Forschungs-