Optischer Fasersensor fr die kardiovaskulre Bewertung

Nach Angaben der Weltgesundheitsorganisation (WHO) sind Herz-Kreislauf-Erkrankungen die Haupttodesursache in den Industrielndern. Die Analyse der arteriellen Pulswellenform (APW) bietet eine nicht-invasive Mglichkeit zur Frhdiagnose von Herz-Kreislauf-Erkrankungen. Die vorliegende Arbeit befasst sich mit der Entwicklung eines automatischen Algorithmus zur Extraktion und Klassifizierung der erfassten Daten von APW-Signalen auf der Grundlage des Risikos von CVD-Problemen. Zur Extraktion der Daten wurden verschiedene Signalvorverarbeitungsmethoden zur Rauschunterdrckung und Pulssegmentierung angewandt. Anschlieend wurde ein K-Means-Clustering-Algorithmus angewandt, um die qualitativ besseren APWs auszuwhlen. Die Diskrepanz zwischen einer parallelen manuellen Extraktion der Wellen und dem Ergebnis des K-Means-Algorithmus war praktisch null. Es wurde ein Pool von 32 Parametern zur Charakterisierung der Wellenform extrahiert, darunter Zeitbereichs-, Wavelet-Transformations-, Root Mean Square Error- und Frequenzbereichsmerkmale. Einige Parameter wurden fr das K-Means-Clustering verwendet, der Rest diente zum Trainieren eines mehrschichtigen neuronalen Perzeptron-Netzes fr die Klassifizierung von APW mit niedrigem/hohem CVD-Risiko bei jedem Patienten. Die erzielten Ergebnisse sind sehr vielversprechend. Ein Teil dieser Arbeit wurde mit dem Nascimento-Leito-Preis ausgezeichnet.