An Herzinsuffizienz leidende Patienten sind dem Risiko ausgesetzt eine ventrikuläre Tachykardie zu entwickeln. Ventrikuläre Tachykardie ist für etwa 80% der plötzlichen Herztodesfälle verantwortlich. Es besteht daher großer Handlungsbedarf eine bessere Stratifizierung der Patienten mit Risiko für ventrikuläre Tachykardie zu entwickeln.
Im Hinblick auf dieses Ziel wird neuerdings die elektrokardiographische Bildgebung (EKGI) erforscht, um eine Fusion von bildgebenden und elektrophysiologischen Modalitäten für die nichtinvasive Visualisierung der kardialen Elektrophysiologie zu ermöglichen.
Das Hauptanliegen dieses Projekts ist die Entwicklung einer neuartigen Technik, dem mobilen EKGI. Dieses ermöglicht das Zusammenführen von Daten des Elektrokardiogramms (EKG), mechanischer Informationen des Herzens, aufgenommen mit Magnetresonanztomographie (MRT) und Rhythmusinformationen von tragbaren Langzeit-EKG-Systemen. Zum Erreichen dieses Ziels kooperieren drei Projektpartner aus Frankreich, Israel und Deutschland mit folgenden Absichten:

1. Die Entwicklung einer neuen Aufnahmestrategie für die Herz-MRT-Bildgebung von pathologischen Rhythmen. Diese wird die mechanischen Informationen über die Herzkontraktion während pathologischer Herzschläge liefern (INSERM, IADI; Nancy Frankreich, Gesamt-Projektkoordination)
2. Die Erforschung von neuartigen Methoden zur Segmentierung und Oberflächenverfolgung von 3D+Zeit-Geometrien, die in das EKGI-Rekonstruktionsproblem integriert werden (Universität zu Lübeck, IMI; Deutschland)
3. Die Implementierung von Algorithmen zur automatisierten Analyse von Langzeit-EKG-Signalen aus Aufnahme in häuslicher Umgebung. Diese Langzeitaufzeichnungen werden seltene pathologische ventrikuläre Herzschläge erkennen und damit die Risikostratifizierung verbessern (Technion Institute, AIMLab; Haifa, Israel)

In der Arbeitsgruppe von Prof. Heinrich werden im Speziellen folgende Teilaspekte betrachtet:

• Eine präzise Segmentierung der Herzgeometrie, welche robust gegenüber subtilen Bildvariationen bei MRT-Aufnahmen, Rauschen und Aufnahmeartefakten durch Patientenbewegungen ist
• Die Transformation der Herzgeometrie der interindividuellen MRT-Aufnahmen in einen gemeinsamen Bildraum durch deformierbaren Bildregistrierung, den Entwurf und das Training von Convolutional Neural Networks (CNNs) und lernbasierte Verfahren für die Bildregistrierung
• Die Verringerung von Unsicherheiten bei der Segmentierung durch Kombination von Deep Label Fusion und Online-Lernansätzen unter Einbezug von Konzepten zu deformierbaren Faltungen, Attention Gates und Formmodellen der kardialen anatomischen Geometrie
• Die Transformation der dichten Voxeldaten hin zu einer niedrigdimensionalen Oberfläche und die Entwicklung eines Motion-Tracking-Algorithmus mit graphischen Faltungsnetzwerken zur Schätzung patientenspezifischer 3D+Zeit-Oberflächenmodelle des schlagenden Herzens
• Die Extraktion von anatomischen 3D+Zeit-Korrespondenzen einer Patientenpopulation zum statistischen und morphologischen Vergleich von arrhythmischen Bewegungsmustern
• Das Durchführen eines „Proof-of-Concept“ mit den Projektpartnern, um das klinische Potenzial und die Fähigkeit zur Kombination und Integration der Arbeitsergebnisse darzustellen
• Die fortlaufende Integration der Softwarekomponenten in das ArchiMed-System des französischen Konsortialführers zur Automatisierung der Algorithmen für zukünftige Anwendungen

BMBF, ERA-CVD Projekt 01KL2008, Förderung (2020-2023) 264’017€ (IMI)