Logo PTB
Symbolbild "Zeitschriften"

Training maschineller Lernalgorithmen zur EKG-Auswertung

PTB veröffentlicht die bisher größte öffentlich zugängliche EKG-Datenbank

PTBnews 3.2020
25.09.2020
Besonders interessant für

Kardiologen

KI-Experten

Eine in der PTB entwickelte Datenbank liefert mehr als 20 000 EKG-Aufnahmen, maschinenlesbare Befunde und Anmerkungen von Kardiologen. Sie wurde vor allem für die Entwicklung maschineller Lernverfahren aufbereitet und ist zu deren besseren Vergleichbarkeit in Trainings- und Testabschnitte organisiert. Die Datenbank mit Namen PTB-XL ist bei PhysioNet öffentlich verfügbar.

Übersicht über die Inhalte der Datenbank. Jeder Eintrag entspricht einer Zeile in der Tabelle in zeitlicher Reihenfolge von oben nach unten. Schwarze Pixel zeigen vorhandene Werte an, fehlende Werte bleiben weiß.

Künstliche Intelligenz ist ein großer Trend in der Medizin. Gerade in Bereichen wie bei der EKG-Auswertung, bei denen sehr viel Erfahrung gefordert ist, kann Deep Learning seine großen Vorteile ausspielen. Die entsprechenden Algorithmen erkennen Muster in großen Datenmengen, wie es bisher nur erfahrene Kardiologen können, und unterstützen den Arzt bei der zeitaufwendigen Überprüfung der vielen EKG-Signale. Existierende Algorithmen mit exzellenter Performance wurden dazu typischerweise auf nicht-öffentlichen Datensätzen trainiert und entziehen sich damit der Nutzung der breiteren wissenschaftlichen Community, während öffentliche Datensätze bislang zu klein zum Training und insbesondere für eine verlässliche Evaluation maschineller Lernalgorithmen waren. Zudem ist die Evaluierungsmethodik nicht standardisiert, was für eine mangelnde Vergleichbarkeit der Ergebnisse sorgt.

Die neue Datenbank PTB-XL enthält 21 837 sogenannte 10s-EKG-Signale von 18 885 Patienten und ist etwa 40-mal größer als die PTB Diagnostic Database, die bis jetzt häufig verwendet wurde. Im Rahmen des EU-EMPIR-Projektes „Medalcare“ arbeitet die PTB zusammen mit dem Fraunhofer Heinrich-Hertz-Institut (HHI) daran, anhand dieses großen Datensatzes verschiedene maschinelle Lernalgorithmen zu vergleichen. Eine erste Benchmark-Studie zu diesem Thema vergleicht gängige Klassifikationsalgorithmen anhand verschiedener Aufgaben und klar definierter Evaluationsprozeduren. Die Ergebnisse sind im IEEE Journal of Biomedical and Health Informatics veröffentlicht und sollen als Anregung für weitere Wissenschaftler dienen, die mit der Datenbank weiterarbeiten wollen.

Ansprechpartner

Tobias Schäffter
Abteilung 8 Medizinphysik und metrologische Informationstechnik
Telefon: (030) 3481-7343
Opens window for sending emailtobias.schaeffter(at)ptb.de

Wissenschaftliche Veröffentlichungen

P. Wagner, N. Strodthoff, R.-D. Bousseljot, D. Kreiseler, F. I. Lunze, W. Samek, T. Schaeffter: PTB-XL, a large publicly available electrocardiography dataset. Scientific Data 7, 154 (2020) Opens external link in new windowhttps://doi.org/10.1038/s41597-020-0495-6

N. Strodthoff, P. Wagner, T. Schaeffter, W. Samek: Deep Learning for ECG Analysis: Benchmarks and Insights from PTB-XL. IEEE Journal of Biomedical and Health Informatics. Early Access Article, Opens external link in new windowhttps://doi.org/10.1109/JBHI.2020.3022989 (2020)