ElectroCardioGuard: Verhinderung der Falscheindentifikation von Patienten in Elektrokardiogrammdatenbanken durch Neuronale Netze

Elektrokardiogramme (ECGs) werden von Kardiologen häufig zur Erfassung herzbedingter pathologischer Zustände verwendet. Zuverlässige Sammlungen von EKGs sind für eine präzise Diagnose entscheidend. In der klinischen Praxis kann jedoch unabsichtlich die Zuordnung erfasster EKG-Aufzeichnungen zu falschen Patienten vorkommen. Im Zusammenhang mit einer klinischen und Forschungseinrichtung, die diese Herausforderung erkannt hat und sich an uns gewandt hat, präsentieren wir eine Studie, die dieses Problem anspricht. In dieser Arbeit schlagen wir ein kleines und effizientes neuronales Netzwerkmodell vor, das bestimmt, ob zwei EKGs vom selben Patienten stammen. Unser Modell zeigt ausgezeichnete Generalisierungsfähigkeiten und erreicht den Stand der Technik bei der Galerie-Probe-Patientenidentifikation auf PTB-XL, wobei es 760-mal weniger Parameter verwendet. Darüber hinaus stellen wir eine Technik vor, die unser Modell zur Erkennung von Zuordnungsfehlern nutzt und ihre Anwendbarkeit in einem realistischen Szenario demonstriert. Schließlich evaluieren wir unser Modell auf einem neu erstellten EKG-Datensatz, der speziell für diese Studie zusammengestellt wurde, und stellen ihn der Forschergemeinschaft zur Verfügung.