Elektrokardiogramme (EKG) sind ein zentrales diagnostisches Werkzeug in der Kardiologie und spielen eine entscheidende Rolle bei der Erkennung und Überwachung von Herzrhythmusstörungen sowie weiteren kardiovaskulären Erkrankungen. Die Genauigkeit der Diagnose hängt dabei  maßgeblich von der Qualität des aufgenommenen Signals ab. Patientenbewegungen, elektrische Interferenzen oder fehlerhafte Elektrodenplatzierungen führen zu erheblichen Störgeräuschen, die die Qualität und Lesbarkeit eines EKG beeinträchtigen. Daher ist es wichtig, die Qualität eines Signals frühzeitig und effizient bewerten zu können. Für die Bewertung von EKG-Aufnahmen gibt es eine Vielzahl an wissenschaftlich ausgearbeiteten Indikatoren, die jeweils verschiedene charakteristische Eigenschaften des Signals berücksichtigen. Diese Indikatoren eignen sich im Zuge der Digitalisierung medizinischer Anwendungen zudem für eine automatisierte Bewertung der Signalqualität und können je nach Beschaffenheit in Form eines Algorithmus implementiert werden. Die Arbeit dient dem übergeordneten Ziel des Instituts für Medizinische Informatik, eine EKG-Datenbank
zu entwickeln, in welcher die Daten nach ihrer Qualität sortiert sind. Je nach Forschungsfall werden saubere oder verunreinigte Datensätze benötigt, weshalb die Auswahl aktuell sehr aufwendig und zeitintensiv ist. Durch eine auf Algorithmen basierende Bewertung der Daten kann dieser Vorgang erheblich beschleunigt werden. Im Zuge dessen soll die Arbeit eine erste Grundlage in diesem Prozess sein, in dem sie Indikatoren zur Bewertung der Qualität von EKG-Daten herausarbeitet. Die zentrale Forschungsfrage besteht darin, geeignete Verfahren zur Signalqualitätsbewertung (Signal Quality Indices, SQIs) zu identifizieren, zu implementieren und in Bezug auf ihre Praxistauglichkeit anschließend zu bewerten. Vor diesem Hintergrund gliedert sich die Arbeit in drei zentrale methodische Schritte. Zu Beginn steht eine umfassende Literaturrecherche an, in der die verschiedenen Qualitätsindikatoren gesammelt und analysiert werden. In diesem Schritt soll ein ausführlicher Kriterienkatalog mit geeigneten Indikatoren erstellt werden. Bei der Erstellung des Kriterienkatalogs kommt es zum einen auf die medizinische Relevanz und zum anderen auf die Verständlichkeit der zugehörigen 1 Vgl. Stefan, Bernhard et al. (2022) Dokumentation der Indikatoren an. Eine wichtige theoretische Grundlage liefert das Paper A Review of Signal Processing Techniques for Electrocardiogram Signal Quality Assessment, welches eine umfassende Übersicht über alle Indikatoren gibt. Im nächsten Schritt, der den Hauptteil der Arbeit ausmacht, werden geeignete Indikatoren ausgewählt und in Python auf Basis des „Neurokit“ implementiert. Das „Neurokit“ ist eine Bibliothek in Python, die der Verarbeitung und Analyse physiologischer Signale dient. Die Implementierung stellt den Kern dieser Arbeit dar und wird auf Basis von öffentlich verfügbaren EKG-Datensätzen getestet. „PhysioNet“ ist dabei eine mögliche Plattform mit einer Vielzahl an Datensätzen, die eine umfassende Validierung mit guten und schlechten Daten ermöglicht. Im letzten Schritt werden die implementierten Indikatoren kurz evaluiert, ausgewertet und kritisch diskutiert. Zudem soll eine fachliche Bewertung der Ergebnisse durch einen Kardiologen hinsichtlich der praktischen Relevanz und Anwendbarkeit erfolgen. Das Ziel dieser Arbeit ist eine fundierte Auswahl an geeigneten Indikatoren, die im Rahmen dieser Arbeit implementiert wurden. Damit leistet die Arbeit einen Beitrag zur Entwicklung einer automatisierten Qualitätssicherung von EKG-Signalen. Anschließend an diese Arbeit kann dann aufbauend eine automatisierte Datenbank entwickelt werden, die die auf die implementierten Indikatoren zurückgreift.