Neue Algorithmen können Anomalien beim Herzschlag besser erkennen

Den „Best Paper Award“ erhielt TH-Mitarbeiter Markus Thill für sein selbstlernendes Verfahren auf der europäischen IT-Konferenz „19th Conference Information Technologies - Applications and Theory (ITAT 2019)“ in der Slowakei. Die international besetzte Jury wählte Thills Arbeit unter 27 akzeptierten Einreichungen als beste aus.

Die Erkennung von Unregelmäßigkeiten in Zeitreihen ist für Software-Programme nach wie vor eine anspruchsvolle Aufgabe. Ein klassisches Beispiel für periodische oder quasi-periodische Zeitreihen ist die Herzschlagfrequenz, wie sie ein Elektrokardiogramm (EKG) aufzeichnet

Markus Thill schlug in seiner Einreichung zur Konferenz neue Methoden auf der Basis tiefer neuronaler Netze (Deep Learning) vor. Dazu gehörten eine fensterbasierte Fehlerkorrektur, eine Gaußsche Ausreißer-Entfernung und eine multivariate Erweiterung des sogenannten Rosner-Tests. Die neuen Ansätze erprobte der Mitarbeiter des Instituts für Informatik beispielhaft an EKG-Aufzeichnungen, die er vom Massachusetts Institute of Technology (MIT) in den USA bezog. Er erhielt im Versuch gute Erkennungsraten von Anomalien bei einer sehr niedrigen Fehlalarmrate.

Markus Thill, M. Sc. Markus Thill, M. Sc. (Bild: Manfred Stern / TH Köln)

Markus Thill arbeitet am Campus Gummersbach in Lehre und Forschung und schreibt parallel an seiner Dissertation mit dem Titel „Online Machine Learning Approaches and Deep Learning for multivariate Time Series Prediction and Anomaly Detection.“ Kooperations­partner der TH Köln für dieses Promotionsverfahren ist die renommierte Universität Leiden in den Niederlanden mit dem Betreuer Prof. Dr. Thomas Bäck. Am Campus Gummersbach betreut Prof. Dr. Wolfgang Konen, Leiter des Instituts für Informatik, die Arbeit.

M
M