Umfang

Dieses Thema kann als Teil einer Projektarbeit oder im Rahmen einer Masterarbeit bearbeitet werden.

Problemstellung

In Zusammenarbeit mit Professor Makimoto der Klinik für Kardiologie, Pneumologie & Angiologie des UKD erforschen wir die Anwendbarkeit von Machine Learning-Methoden zur Vorhersage von Herzkrankheiten anhand von EKGs.

In dieser Arbeit ist ein Klassifikator zu erstellen, der für ein gegebenes EKG vorhersagen soll, ob eine Bikuspidalität vorliegt.

Bikuspidalität beschreibt den Zustand, dass die Herzklappen aus nur zwei Semilunarklappen bestehen statt aus drei. Bikuspidalität erhöht das Risiko einer Aortenklappenstenose, welche ggf. zum plötzlichen Herztod führen kann.

Diese Klassifikation nur mit dem EKG zu machen ist aktuell nicht möglich. Normalerweise wird die Diagnose mittels Echokardiographie gestellt.

Empfohlene Vorkenntnisse

  • Python
  • Scikit-Learn + Tensorflow

Medizinisches Grundwissen wird nicht voraus gesetzt.

Minimalanforderungen

  • Trainieren eines oder mehrerer Modelle zur Erkennung von Bikuspidalität
  • Einarbeitung in und abgrenzender Vergleich zu verwandter Arbeit
  • Protokollierung und Validierung des Ansatzes

Variationen/Erweiterungen

  • Vergleich verschiedener Machine Learning Ansätze
  • CNNs, Attention Learning, kNN, unsupervised Learning, …
  • Analyse der Übertragbarkeit auf verwandte Probleme (Erkennung von Aortenklappenstenose, …)

Kontakt

Jannik Dunkelau
Raum 25.12.02.52 · jannik.dunkelau@hhu.de