DE10245143A1

DE10245143A1 - Evaluation method for use with electrocardiogram data in predicting the overall state of an organism, whereby ECG data are subjected to a correlation analysis in order to detect changes in the rhythmic portion of the data

Info

Publication number: DE10245143A1
Application number: DE10245143A
Authority: DE
Inventors: Roland Kuehn; Sigurd Kusch
Original assignee: MEUD SYSTEMTECHNIK GmbH
Current assignee: MEUD SYSTEMTECHNIK GmbH
Priority date: 2002-02-12
Filing date: 2002-09-27
Publication date: 2003-08-21
Also published as: DE10248213A1

Abstract

Evaluation method for electrocardiogram data for predicting the overall state of an organism. Accordingly the recorded data of an electrocardiogram (ECG) are subjected to a correlation analysis. The analysis is used to generate a quasi-periodical curve pattern from the ECG and a single value numerical value that represents the rhythmic portion of the curve pattern. Independent claims are made for two further evaluation methods.

Description

Die Erfindung betrifft ein Auswerteverfahren für Elektrokardiogrammdaten nach dem Oberbegriff des Anspruchs 1. The invention relates to an evaluation method for electrocardiogram data according to the preamble of claim 1.

Jeder höhere Organismus besteht aus einer Vielzahl unterschiedlicher, hochgradig spezialisierter Zelltypen, die innerhalb des Organismus symbiotisch zusammenleben und genau festgelegte Funktionen erfüllen. Aus diesen bauen sich Gewebe und Organe auf. Die naturwissenschaftliche Forschung hat das Verständnis über das Zusammenwirken dieser Zelltypen und Zellfamilien mit einer Vielzahl von Ergebnissen beträchtlich erweitert. So ist bekannt, dass jeder einzelne Zelltyp ganz speziellen Lebensrhythmen unterworfen ist, die innerhalb eines Organismus präzise aufeinander abgestimmt sein müssen. Beispielsweise erneuern sich bestimmte Zelltypen innerhalb von Minuten, während andere innerhalb von Stunden, Tagen, Monaten oder Jahren ersetzt werden. Derartige Zyklen betreffen nicht nur das Lebensalter von Zellen, sondern auch deren Lebensphasen, wie beispielsweise deren Wachstum, das Ausbilden funktioneller Eigenschaften, gewisse zelluläre Funktionszyklen und dergleichen weitere biologische Parameter. Every higher organism consists of a multitude of different, highly specialized cell types that are symbiotic within the organism live together and fulfill precisely defined functions. Build from these tissues and organs. Scientific research has that Understanding about the interaction of these cell types and cell families with vastly expanded a variety of results. So it is known that each individual cell type is subject to very special rhythms of life, which must be precisely coordinated within an organism. For example, certain cell types renew within minutes, while others are replaced within hours, days, months or years become. Such cycles affect not only the age of cells, but also their life phases, such as their growth, the Develop functional properties, certain cellular function cycles and the same other biological parameters.

Für ein korrektes und im Maßstab eines gesamten Organismus sehr fein aufeinander abgestimmtes Zusammenspiel der verschiedenen Zelltypen kommt dem Milieu sowohl innerhalb des gesamten Organismus, als auch an den Orten der Zellen eine besonders wichtige Bedeutung zu. Dieses Milieu stellt eine durch Stoffwechsel und gegenseitige funktionelle Zusammenarbeit der Zelltypen bestimmte Mikroumwelt für die einzelnen Zellen bereit, wodurch eine Vielzahl von Randbedingungen für die Lebenstätigkeit der Zellen vorab festgelegt wird. For a correct and very fine on an entire organism scale coordinated interplay of the different cell types appeals to the milieu both within the entire organism, as well the locations of the cells are of particular importance. This milieu represents a through metabolism and mutual functional cooperation of the cell types specific microenvironment ready for the individual cells, creating a variety of constraints on the life of the Cells is set in advance.

Durch Krankheiten oder äußere Umwelteinflüsse wird diese Mikroumwelt stets mehr oder weniger stark beeinflusst, wobei die oben beschriebenen "Lebenszyklen" einzelner Zellen, Zellverbände oder ganzer Gewebe und Organe aus ihrem präzise aufeinander abgestimmten "Takt" geraten können. Meist sind diese Veränderungen reversibel und werden durch Regelmechanismen des Organismus ausgeglichen. Wirken jedoch negative Umwelteinflüsse zu stark oder über einen längeren Zeitraum auf den Organismus ein oder ist der Organismus durch eine chronische oder schwere Krankheit belastet, können diese Regelmechanismen versagen und das präzise Zusammenspiel der Zelltypen, Zellverbände, Gewebe und Organe wird empfindlich gestört oder kann zusammenbrechen. This microenvironment is always caused by diseases or external environmental influences influenced more or less, the ones described above "Life cycles" of individual cells, cell groups or whole tissues and organs can get their precisely coordinated "beat". Most are these changes are reversible and are regulated by control mechanisms of the Organism balanced. However, negative environmental influences are too strong or over a longer period of time or is the organism Organism can be burdened by a chronic or serious illness these control mechanisms fail and the precise interaction of the Cell types, cell groups, tissues and organs are disturbed or sensitive can collapse.

Ein Beispiel dafür stellen Geschwulsterkrankungen dar, bei denen geschädigte Zellen eines Zellverbandes, Gewebes oder Organs eine Schädigung durch eine ungünstige Mikroumwelt dadurch auszugleichen versuchen, indem diese sich in abnormer Weise vermehren und ihre eigentlichen Aufgaben innerhalb des Organismus nicht mehr wahrnehmen. An example of this are tumor diseases in which damaged cells of a cell assembly, tissue or organ damage try to compensate for this through an unfavorable microenvironment by these multiply abnormally and their actual tasks no longer perceive within the organism.

Störungen der Funktionszyklen von Zelltypen lassen sich auch einer Vielzahl von Erkrankungen zugrundelegen. In diesem Zusammenhang sei auf die in den letzten Jahren dramatisch angestiegene Zahl von Herz-Kreislauf- oder Gefäßerkrankungen verwiesen. Disorders of the functional cycles of cell types can also be numerous of illnesses. In this context, refer to the in The number of cardiovascular or Vascular diseases referred.

Es besteht vor dem Hintergrund dieser Erkenntnisse die Aufgabe, zum einen Störungen in den Funktionszyklen von Zelltypen, Zellverbänden, Geweben und/oder Organsystemen rechtzeitig festzustellen, bevor eine dauerhafte Schädigung von Regelmechanismen innerhalb des Organismus eintritt, als auch bekannte periodische oder quasiperiodische Vorgänge innerhalb des Organismus geeignet auszuwerten, sodass einem behandelnden Arzt ein zuverlässiges diagnostisches Mittel zur Verfügung gestellt wird. Against the background of these findings, there is the task, on the one hand Disorders in the functional cycles of cell types, cell assemblies, tissues and / or organ systems in good time before establishing a permanent Damage to regulatory mechanisms within the organism occurs when also known periodic or quasi-periodic processes within the Organism suitable to evaluate so that a treating doctor reliable diagnostic agent is provided.

Erfindungsgemäß wird die oben genannte Aufgabenstellung fit einem Auswerteverfahren für Elektrokardiogrammdaten jeweils nach den unabhängigen Ansprüchen 1, 5 und 9 gelöst, wobei die abhängigen Unteransprüche zweckmäßige Ausgestaltungen und Weiterbildungen darstellen. According to the invention, the above-mentioned task will fit one Evaluation procedure for electrocardiogram data according to the independent claims 1, 5 and 9 solved, the dependent Represent expedient refinements and developments.

Grundgedanke des Verfahrens nach Anspruch 1 ist es, aus aufgezeichneten Daten eines Elektrokardiogramms (EKG) über eine Korrelationsanalyse eines zeitlich quasiperiodisch aufeinanderfolgenden Verlaufsmusters des EKG einen die Regelmäßigkeit dieses Verlaufsmusters beschreibenden, diagnostisch aussagekräftigen und numerisch eindeutigen Wert zu gewinnen. The basic idea of the method according to claim 1 is to record from Electrocardiogram (ECG) data from a correlation analysis of a a temporally quasi-periodic successive pattern of the EKG one the regularity of this pattern, descriptive, diagnostic to gain meaningful and numerically clear value.

Bekanntlich besteht ein aufgezeichnetes Elektrokardiogramm aus einer Abfolge quasiperiodisch vorkommender Ausschläge, die in der medizinischen Praxis als eine Abfolge von P-, Q-, R-, S- und T-Zacken oder Peaks bezeichnet werden. Dabei wiederholen sich diese Strukturen aber nicht streng periodisch, sondern sind selbst unter einer gleichbleibenden Belastungssituation gewissen Schwankungen unterworfen. Der Grundgedanke des erfindungsgemäßen Verfahrens ist es, diese Schwankungen zu analysieren und daraus anormale Muster zu erkennen. Erfindungsgemäß wird dies mittels einer Korrelationsanalyse bewerkstelligt, die eine Beziehung zwischen den zeitlich wiederkehrenden Quasiperioden in den Daten eines EKG herstellt und als Ergebnis einen aussagekräftigen diagnostisch verwertbaren numerischen Wert ausgibt. As is known, a recorded electrocardiogram consists of a Sequence of quasi-periodic rashes that occur in medical Practice as a sequence of P, Q, R, S, and T spikes or peaks be designated. However, these structures are not repeated strictly periodically, but are even under a constant Stress situation subject to certain fluctuations. The basic idea of The method according to the invention is to analyze these fluctuations and see abnormal patterns from it. According to the invention, this is achieved by means of a correlation analysis that establishes a relationship between the recurrent quasi-periods in the data of an EKG and as a result a meaningful, diagnostically usable numerical Outputs value.

Als quasiperiodisches Verlaufsmuster bietet sich für das erfindungsgemäße Verfahren eine Abfolge systolischer R-Peaks innerhalb des EKG an. Diese während der Kontraktionsphasen des Herzmuskels erzeugten Ausschläge zeichnen sich durch eine signifikante und sich besonders leicht von einem Untergrund abhebende Größe ihrer Maxima aus, die ihre Identifikation sehr erleichtert. Sie sind damit eine besonders hervorstechende Kenngröße der Herzaktivität. A quasi-periodic pattern is available for the invention Procedure a sequence of systolic R peaks within the EKG. This rashes produced during the contraction phases of the heart muscle are characterized by a significant and particularly easy of one The contrasting size of their maxima, which makes their identification very facilitated. They are a particularly salient characteristic of the Cardiac activity.

Im Einzelnen umfasst die Korrelationsanalyse folgende Schritte:
Als erstes werden Zeitintervalle zwischen den R-Peaks in einem bereits vorliegenden EKG aus bereits aufgezeichneten herkömmlich ermittelten EKG- Daten eingelesen. Anschließend werden Zeitintervalldifferenzen ermittelt. Dies erfolgt durch eine Reihe erster Differenzbildungen und/oder einer Reihe zweiter Differenzbildungen, wobei jeweils äquidistant entfernt indizierte Zeitintervalle voneinander subtrahiert werden. Genauer gesagt, bedeutet dies, dass von einem gegebenen Zeitintervall t_N ein Zeitinvervall τ_i bei der ersten Differenzbildung subtrahiert wird, während bei der zweiten Differenzbildung ein Zeitintervall τ_i von einem Zeitintervall τ_N+n, welches um eine feste Indizierung n gegenüber dem Zeitintervall τ_N verschoben ist, abgezogen wird. The correlation analysis comprises the following steps:
First of all, time intervals between the R peaks in an already available ECG are read from already recorded, conventionally determined ECG data. Then time interval differences are determined. This is done by a series of first difference formations and / or a series of second difference formations, with time intervals which are indexed equidistantly being subtracted from one another. More specifically, this means that a time interval τ _{i is} subtracted from a given time interval t _N in the first difference formation, while in the second difference formation a time interval τ _i is subtracted from a time interval τ _{N + n} , which is a fixed indexing n compared to the time interval τ _{N is} shifted, is subtracted.

Die Wahl von n kann in an sich beliebiger Weise erfolgen, wobei n allerdings fest vorgegeben wird sowie N und/oder i durchlaufende Indizes darstellen. Auf diese Weise werden die sich jeweils um den festen Index n unterscheidenden Zeitintervalle τ_N und τ_N+n miteinander korreliert. The choice of n can be made in any way per se, although n is predetermined and N and / or i represent continuous indexes. In this way, the time intervals τ _N and τ _{N + n} , which differ by the fixed index n, are correlated with one another.

Ein dritter Schritt der Korrelationsanalyse umfaßt ein Erstellen eines mindestens zweidimensionalen Korrelationsdiagramms, indem die Reihe der ersten Differenzbildungen als Ordinatengröße über den jeweils zugeordneten Differenzbildungen der zweiten Reihe, die als Abszissengröße dienen, aufgetragen werden. Das Ergebnis ist eine mindestens zweidimensionale Punktwolke, die charakteristische Verteilungen aufweist und deren Form bereits visuell gewisse Rückschlüsse auf die Quasiperioden der EKG-Struktur zulässt. Es versteht sich, dass die Gestalt der Punktwolke umso aussagekräftiger ist, je mehr Daten aus einem EKG vorliegen. An sich ist die Wahl des Indexabstandes n und die konkrete Methode, aus der die Reihen der Differenzbildungen hervorgehen, beliebig und unterliegt Zweckmäßigkeitsüberlegungen. In den Beschreibungen der Anwendungsbeispiele wird darauf ietaillierter eingegangen. A third step of the correlation analysis involves creating one at least two-dimensional correlation diagram by the series of the first Difference formation as ordinate size over the respectively assigned Differences in the second row, which serve as the abscissa size, be applied. The result is at least two-dimensional Point cloud, which has characteristic distributions and their shape already allows certain visual conclusions to be drawn about the quasi-periods of the EKG structure. It goes without saying that the shape of the point cloud is all the more meaningful, the more data from an EKG are available. In itself, the choice of Index distance n and the specific method from which the ranks of the Differences arise, arbitrary and subject to expediency considerations. It is detailed in the descriptions of the application examples received.

Ein vierter Schritt besteht in Berechnungen eines ersten Mittelwertes beliebiger Art aus der Reihe der ersten Differenzbildungen und eines zweiten Mittelwertes beliebiger Art aus der Reihe der zweiten Differenzbildungen. Als Mittelwerte können insbesondere arithmetisches oder geometrisches Mittel verwendet werden. A fourth step consists in calculating a first mean of any kind from the series of the first differences and a second Average of any kind from the series of the second difference formation. As Average values can in particular be arithmetic or geometric mean be used.

Anschließend werden beide Mittelwerte mittels einer Division zueinander in ein Verhältnis gesetzt und aus diesem Quotient ein diagnostisch aussagekräftiger Wert gewonnen. Die Mittelwertbildung beschreibt einen "Schwerpunkt" der Punktwolke in Richtung ihrer Ordinate, bzw. ihrer Abszisse, während sich aus dem Verhältnis beider errechneter Mittel eine Aussage über die Gleichförmigkeit der Punktwolke aus beiden Differenzbildungen ableiten lässt. Aus diesem Verhältnis wird ein eindeutiger numerischer Wert α abgeleitet. Then both averages are calculated by dividing each other in set a ratio and a diagnostic from this quotient meaningful value gained. The averaging describes one "Center of gravity" of the point cloud in the direction of its ordinate or its abscissa, while the relationship between the two calculated means provides information about derive the uniformity of the point cloud from both differences leaves. From this ratio, a unique numerical value α derived.

Notwendigerweise muss die Korrelationsanalyse über einen vorgegebenen Zeitraum hinweg in regelmäßigen und zweckmäßigen Abständen wiederholt werden, um ein vollständiges Bild über eine zeitliche Entwicklung eines funktionellen Zustandes eines Organismus zu erhalten, wobei bei jedem Untersuchungstermin ein EKG aufgenommen, eine Korrelationsanalyse durchgeführt und ein aktueller diagnostischer Parameter α mit einem früheren diagnostischen Parameter α verglichen wird. The correlation analysis must necessarily be above a predetermined one Repeated over a period of time at regular and appropriate intervals to get a complete picture of the temporal development of a to maintain the functional state of an organism, with each Examination appointment recorded an EKG, a correlation analysis performed and a current diagnostic parameter α with a earlier diagnostic parameter α is compared.

Eine weitere erfindungsgemäße Variante, welche sich ebenfalls auf eine Auswertung von Daten eines Elektrokardiogramms stützt, beruht auf dem Grundgedanken, mindestens abschnittsweise eine zeitliche Verlaufsform einer EKG-Kurve mittels eines Attraktormodells zu erfassen. Dazu wird ein Parametersatz in einem Anpassverfahren mindestens einer Modellfunktion solange verändert, bis diese Modellfunktion mindestens abschnittsweise den vorgegebenen EKG-Verlauf im Rahmen einer erforderlichen Genauigkeit reproduziert. Der Parametersatz, der in die Modellfunktion eingeht und zu dem das Anpassverfahren konvergiert, stellt somit einen Attraktor dieses Verfahrens dar, wobei sich gezeigt hat, dass die Gestalt dieses Attraktors signifikant mit einem Krebsrisiko des untersuchten Probanden korreliert ist. Another variant of the invention, which also relates to a Analysis of data from an electrocardiogram is based on the Basic idea, at least in sections, a temporal course of a To record the ECG curve using an attractor model. For this, a Parameter set in an adaptation process for at least one model function changed until this model function at least in sections given ECG course within the required accuracy reproduced. The parameter set that goes into the model function and for which the Adaptation procedure converges, thus represents an attractor of this procedure , which has been shown that the shape of this attractor significantly with correlated with a cancer risk of the examined subject.

Ein derartiges Auswerteverfahren berücksichtigt demnach die genaue Gestalt des EKG's an einer bestimmten Stelle selbst. Such an evaluation method accordingly takes the exact shape into account of the EKG itself at a certain point.

Es hat sich als zweckmäßig herausgestellt, als Modellfunktion mindestens ein Paar hinsichtlich ihrer Parametersätze gekoppelter Polynome n-ten Grades (n ganzzahlig, beliebig) zu verwenden, wobei bei steigendem Grad von n der EKG-Kurvenverlauf genauer reproduziert wird. It turned out to be useful, at least one as a model function Pair of polynomials of nth degree (n integer, arbitrary) to be used, whereby with increasing degree of n the ECG waveform is reproduced more accurately.

Bei Verwendung eines gekoppelten Paares von Polynomen mit der Zeit als unabhängige Variable ergibt das Attraktordiagramm in einer Parameterebene eine Kurve als Attraktor, die einen charakteristischen Krümmungsradius aufweist. Die Berechnung des Krümmungsradius an einer festgelegten Stelle liefert einen diagnostisch verwertbaren numerischen Wert. Für weitere detailliertere Ausführungen wird auf das Anwendungsbeispiel verwiesen. When using a coupled pair of polynomials over time as independent variable results in the attractor diagram in one parameter level a curve as an attractor that has a characteristic radius of curvature having. The calculation of the radius of curvature at a specified point provides a diagnostically usable numerical value. For further more detailed explanations are made to the application example.

Es ist zweckmäßig, den zeitlichen Kurvenverlauf des EKG an den Stellen des Q- und/oder S-Peaks in der beschriebenen Weise zu analysieren, wobei eine Standardabweichung eines Mittelwertes des zeitlichen Abstands zwischen den R-Peaks des EKG als Startwert für den iterativ zu bestimmenden Parametersatz eingeht. It is advisable to trace the curve of the ECG over time at the points of the Analyze Q and / or S peaks in the manner described, one Standard deviation of an average of the time interval between the R peaks of the EKG as a starting value for the iteratively determined Parameter set received.

Bei einer weiteren erfindungsgemäßen Variante des Auswerteverfahrens werden aus einer stetigen Zeitreihe von Intervallen quasiperiodischer EKG- Strukturen in einem Rhythmogramm auftretende relative Maxima des EKG- Verlaufs ausgewertet, eine Liste rhythmogrammbezogener Daten erzeugt und aus diesen Werten ein diagnostischer Wert ermittelt. In a further variant of the evaluation method according to the invention are made from a constant time series of intervals of quasi-periodic ECG Structures relative maxima of the ECG occurring in a rhythmogram Evaluated during the course, a list of rhythmogram-related data was generated and a diagnostic value is determined from these values.

Im Gegensatz zu den voranstehend beschriebenen Auswerteverfahren wird hier die Aufmerksamkeit nicht auf vorliegende Korrelationen zwischen EKG- Verlaufsstrukturen oder den EKG-Verlauf selbst gelegt, sondern es wird das EKG auf rhythmische Muster überprüft. Dieses Verfahren untersucht somit die Gleichförmigkeit eines EKG nicht in Hinblick auf einen möglichen Zusammenhang zwischen einzelnen äquidistanten Stellen im EKG, sondern legt das Hauptaugenmerk auf den gesamten Herzrhythmus, der sich durch das EKG ausdrückt. In contrast to the evaluation methods described above not paying attention to existing correlations between EKG- History structures or the ECG history itself, but it will ECG checked for rhythmic patterns. This method therefore examines the Uniformity of an EKG not with regard to a possible one Connection between individual equidistant places in the EKG, but puts that Main focus on the overall heart rhythm, which is shown by the EKG expresses.

Im Einzelnen werden bei diesem Verfahren wieder die R-Peaks des EKG ausgewertet. Konkret werden die relativen Maxima der stetigen Zeitreihe der R-R-Intervalle in Abhängigkeit von einer Zahl der R-R-Abstände als Rhythmogramm ausgewertet. Die Zahl der R-R-Abstände wird gezählt und dient als unabhängige Variable des Rhythmogramms. Schlägt das Herz relativ gleichförmig, so entspricht jedem gezählten R-R-Abstand ein etwa gleichbleibender Abstand in der Zeitreihe der R-R-Intervalle und das Rhythmogramm enthält eine relativ gleichförmig aufeinanderfolgende Folge von Maxima und Minima. Bei einem ungleichförmig schlagenden Herzen schwankt die Zeitreihe der R-R-Intervalle in Abhängigkeit von der Zählzahl der R-R- Abstände stark. Dies schlägt sich im Rhythmogramm als eine unregelmäßige Folge von Maxima und Minima sowie einer zunehmenden Zahl von Sattelpunkten im Rhythmogramm nieder. Specifically, the R-peaks of the EKG are again in this method evaluated. The relative maxima of the continuous time series of the R-R intervals as a function of a number of R-R distances Rhythmogram evaluated. The number of R-R distances is counted and serves as an independent variable of the rhythmogram. The heart beats relatively uniformly, each R-R distance corresponds approximately to constant distance in the time series of the R-R intervals and that Rhythmogram contains a relatively uniform sequence of Maxima and minima. If the heart beats irregularly, it fluctuates the time series of the R-R intervals depending on the number of R-R Gaps strong. This manifests itself as an irregular in the rhythmogram Sequence of maxima and minima as well as an increasing number of Saddle points in the rhythmogram.

Im weiteren Auswerteverfahren werden die im so erhaltenen Rhythmogramm erfassten Messpunkte auf einen einheitlichen Zahlenwert normiert, wobei sich eine einheitliche Höhe der Rhythmogrammaxima ergibt. In the further evaluation process, the rhythmogram obtained in this way measured points standardized to a uniform numerical value, where there is a uniform height of the rhythmogram maxima.

Die Maxima des Rhythmogramms werden in folgender Weise ausgewertet:
Bei einem innerhalb eines Zählabstandes festgestellten Maximum im normierten Rhythmogramm wird diesem Abstand ein erster numerischer Wert beigelegt. Bei einem innerhalb eines Zählabstandes nicht festgestellten Maximum im normierten Rhythmogramm wird diesem Zählabstand ein zweiter numerischer Wert beigelegt. Das Ergebnis ist eine Zahlenreihe, die aus wechselnden numerischen Werten besteht. Über diese Zahlenreihe wird ein Mittelwert gebildet, der als diagnostisch verwertbare Größe dient. The maxima of the rhythmogram are evaluated in the following way:
If a maximum is found in the normalized rhythmogram within a counting interval, a first numerical value is added to this interval. If there is a maximum in the normalized rhythmogram that is not determined within a counting interval, a second numerical value is added to this counting interval. The result is a series of numbers consisting of changing numerical values. An average value is formed over this series of numbers, which serves as a diagnostically usable variable.

Die erfindungsgemäßen Verfahren sollen nachfolgend anhand von Ausführungsbeispielen näher erläutert werden. Es werden für gleiche oder gleichwirkende Verfahrensschritte und Verfahrensbestandteile die selben Bezugsziffern verwendet. Zur Verdeutlichung dienen die nachfolgenden Figuren. Diese zeigen: The methods according to the invention are described below with reference to Embodiments are explained in more detail. It will be for same or equivalent process steps and process components the same Reference numbers used. The following serve to clarify Characters. These show:

Fig. 1 ein schematisches Bild eines Kurvenverlaufs eines Elektrokardiogramms (EKG) nach dem Stand der Technik, Fig. 1 is a schematic diagram of a waveform of an electrocardiogram (ECG) according to the prior art,

Fig. 2a, 2b ein Flußdiagramm eines ersten Ausführungsbeispiels des Korrelationsverfahrens, FIGS. 2a, 2b show a flow chart of a first embodiment of the correlation method,

Fig. 3a, 3b, 3c ein Flußdiagramm einer zweiten Ausführungsform des Korrelationsverfahrens, Fig. 3a, 3b, 3c is a flowchart of a second embodiment of the correlation method,

Fig. 4a, 4b ein Flußdiagramm einer dritten Ausführungsform des Korrelationsverfahrens, Fig. 4a, 4b is a flowchart of a third embodiment of the correlation method,

Fig. 5a, 5b ein Flussdiagramm einer vierten Ausführungsform des Korrelationsverfahrens, Fig. 5a, 5b is a flow diagram of a fourth embodiment of the correlation method,

Fig. 6a ein erstes beispielhaftes Korrelationsdiagramm mit einer ersten Punktwolkenform, FIG. 6a shows a first exemplary correlation diagram at a first point cloud shape,

Fig. 6b ein zweites beispielhaftes Korrelatiorsdiagramm mit einer zweiten Punktwolkenform, Fig. 6b shows a second exemplifying Korrelatiorsdiagramm with a second point cloud shape,

Fig. 7a ein erstes beispielhaftes Attraktordiaqramm mit einem ersten Kurvenverlauf eines Attraktors, Fig. 7a, a first exemplary Attraktordiaqramm with a first curve shape of the attractor,

Fig. 7b ein zweites beispielhaftes Attraktordiagramm mit einem zweiten Kurvenverlauf eines Attraktors, Fig. 7b shows a second exemplifying attractor with a second curve shape of the attractor,

Fig. 8a ein erstes beispielhaftes Rhythmogramm, Fig. 8a is a first exemplary Rhythmogram,

Fig. 8b ein normiertes Bild aller relativen Maxima des ersten beispielhaften Rhythmogramms aus Fig. 8a, FIG. 8b a normalized image of all relative maxima of the first exemplary rhythmograms of FIG. 8a,

Fig. 9a ein zweites beispielhaftes Rhythmogramm, FIG. 9a is a second exemplary Rhythmogram,

Fig. 9b ein normiertes Bild aller relativen Maxima des zweiten beispielhaften Rhythmogramms aus Fig. 9a und Fig. 9b is a normalized image of all relative maxima of the second exemplary rhythmograms of Fig. 9a and

Fig. 10 ein Flussdiagramm zur Durchführung des Rhythmogrammverfahrens. Fig. 10 is a flowchart for carrying out the Rhythmogrammverfahrens.

Fig. 1 zeigt in einer schematischen Darstellung eine typische EKG-Kurve, die den zeitlichen Verlauf eines elektrischen Potentials am aktiven menschlichen Herzen beschreibt. Eine solche Kurve ist durch charakteristische Peaks gekennzeichnet, die traditionell mit den Buchstaben P, Q, R, S und T gekennzeichnet werden. Dabei lassen sich diesen Strukturen eindeutig gewisse Herzaktivitäten zuordnen. Für die Beschreibung der nachfolgenden Anwendungsbeispiele sind besonders die systolischen R-Peaks und die negativen Q und S-Peaks von Bedeutung. Die zwischen den R-Peaks liegenden R-R-Zeitabstände sind in Fig. 1 mit τ₁, τ₂, τ_i bezeichnet. Fig. 1 shows a schematic representation of a typical ECG curve describing the time course of an electrical potential to the active human heart. Such a curve is characterized by characteristic peaks, which are traditionally marked with the letters P, Q, R, S and T. Certain cardiac activities can be clearly assigned to these structures. The systolic R peaks and the negative Q and S peaks are of particular importance for the description of the following application examples. The RR time intervals between the R peaks are denoted in FIG. 1 by τ ₁ , τ ₂ , τ _i .

Die systolischen R-Peaks werden in den nachfolgenden Anwendungsbeispielen für die in den Fig. 2a bis 6b beschriebenen Korrellationsverfahren sowie die in den Fig. 8a bis 9b beschriebenen Rhythmogramm-Verfahren verwendet. Die Q- und S-Peaks sind Gegenstand des Attraktorverfahrens in den Fig. 7a und 7b. The systolic R peaks are used in the following application examples for the correlation methods described in FIGS . 2a to 6b and for the rhythmogram methods described in FIGS . 8a to 9b. The Q and S peaks are the subject of the attractor method in FIGS. 7a and 7b.

Die Fig. 2a und 2b stellen in einem Flussdiagramm beispielhaft einen einfachsten Ablauf eines Korrelationsverfahrens dar. Die Verfahrensschritte verlaufen in diesem aus Darstellungsgründen zweigeteilten Diagramm in senkrechter Richtung, während die während des Verfahrens erzeugten Ausgaben jeweils rechts dargestellt und die benötigten Eingaben links angeordnet sind. Hinsichtlich der Bezugszeichen erhalten alle Verfahrensschritte durch zehn teilbare Bezugsziffern, wobei eine Eingabe eines Verfahrensschrittes eine mit einem "a" ergänzte Bezugsziffer des Verfahrensschrittes und eine Ausgabe des Verfahrensschrittes eine mit ainem "b" ergänzte Bezugsziffer erhält. Die verarbeiteten Daten tragen Buchstabenbezeichnungen. FIGS. 2a and 2b illustrate a flow chart showing an example of a simple sequence of a correlation method. The method steps proceed in this two-divided for purposes of illustration diagram in the vertical direction, while the outputs generated during the process shown on the right and the necessary entries are arranged on the left. With regard to the reference numerals, all process steps are given by ten divisible reference numbers, an input of a process step being given a reference number of the process step supplemented with an "a" and an output of the process step being given a reference number supplemented with a "b". The processed data have letter names.

Bei dem in den Fig. 2a und 2b dargestellten Verfahren zur Korrelationsanalyse werden bei einem ersten Einlesen 10 eine Liste von zeitlichen R-R- Intervallen aus Daten 10a einem Elektrokardiogramm in einen Speicher übertragen. Liegen die zeitlichen R-R-Intervalle im Elektrokardiogramm noch nicht vor, werden diese aus der Differenz der absoluten Zeitpunkte aufeinander folgender R-Peaks errechnet Es entsteht eine Liste I1 10b, welche fortlaufend zeitliche R-R-Intervalle beinhaltet. Diese Liste kann an sich beliebig viele Daten enthalten. Aus Zweckmäßigkeitsgründen für spätere Verfahrensschritte und weitere Verfahrensvarianten wird im Folgenden davon ausgegangen, dass die Liste I1 genau 512 Elemente enthält. In which, in Figs. 2a and 2b procedure outlined for the correlation analysis are a an electrocardiogram in a memory a list of transmit time intervals of RR data 10 at a first read-10. If the temporal RR intervals are not yet available in the electrocardiogram, they are calculated from the difference between the absolute times of successive R peaks. A list I1 10 b is created which continuously contains temporal RR intervals. This list can contain any amount of data. For reasons of expediency for later process steps and further process variants, it is assumed below that list I1 contains exactly 512 elements.

Die Liste I1 geht als Eingabe 20a in einen Verfahrensschritt 20 ein, bei dem das letzte Element der Liste I1 gestrichen wird. Es erfolgt eine Ausgabe 20b einer Liste II1. Ebenfalls geht die Liste I1 als Eingabe 30a in einen Verfahrensschritt 30 ein, bei dem das erste Element der Liste I1 gestrichen wird. Es erfolgt eine Ausgabe 30b einer Liste III1. List I1 is entered as input 20 a in a method step 20 in which the last element of list I1 is deleted. There is an output 20 b of a list II1. Also, the list goes I1 as input 30 a in a step 30 a, in which the first element of the list is deleted I1. There is an output 30 b of a list III1.

Die Listen II1 und III1 gehen beide als eine Eingabe 40a in einen Verfahrensschritt 40 ein, in welchem eine Differenzbildung der Elemente der Liste II1 von den Elementen der Liste III1 erfolgt. Das Ergebnis wird als eine Ausgabe 40b in einer Liste IV1 abgelegt. The lists II1 and III1 both go as input 40 a a in which a subtraction of the elements of the list II1 carried out by the elements of the list III1 in a step 40th The result is stored as an output 40 b in a list IV1.

Die Elemente der Liste IV1 gehen als eine Eingabe 50a in einen Verfahrensschritt 50 ein, in welchem das erste Element der Liste IV1 gestrichen wird. Das Ergebnis wird als eine Ausgabe 50b in eine Liste V1 überführt. Die Elemente der Liste IV1 gehen darüber hinaus als eine Eingabe 60a in einen Verfahrensschritt 60 ein, bei welchem das letzte Element der Liste IV1 gestrichen wird. Das Ergebnis wird als eine Ausgabe 60b in einer Liste VI1 abgelegt. The elements of the list IV1 are entered as an input 50 a in a method step 50 in which the first element of the list IV1 is deleted. The result is transferred as an output 50 b in a list V1. The elements of list IV1 are also entered as an input 60 a in a method step 60 , in which the last element of list IV1 is deleted. The result is stored as an output 60 b in a list VI1.

Die Listen V1 und VI1 dienen als Eingabewerte 70a in einem Verfahrensschritt 70 zum Erzeugen einer graphischen Darstellung, wobei die Elemente der Liste V1 als Ordinate über den Elementen der Liste V1 als Abszisse dargestellt werden. Das Ergebnis ist eine Punktwolke in einer xy-Ebene. Ein Beispiel einer solchen Punktwolke ist in den Fig. 6a und 5b dargestellt. Beispielhaft ist hier eine erste Differenzbildung τ_i+1-τ_i eines Nachfolge-R-R- Zeitintervalls über einer zweiten Differenzbildung τ_i-τ_i-1 eines Vorgänger R- R-Zeitinatervalls dargestellt, wobei sich zeigt, dass die so dargestellte Punktwolke 600 charakteristische Formen annehmen kann. The lists V1 and VI1 serve as input values 70 a in a method step 70 for generating a graphic representation, the elements of the list V1 being shown as ordinates above the elements of the list V1 as the abscissa. The result is a point cloud in an xy plane. An example of such a point cloud is shown in FIGS. 6a and 5b. A first difference τ _{i + 1} -τ _{i of} a successor RR time interval over a second difference τ _i -τ _{i-1 of} a predecessor R-R time interval is shown here by way of example, it being shown that the point cloud 600 thus represented is characteristic Can take forms.

Zur Berechnung eines diagnostisch aussagekräftigen numerischen Wertes erfolgen Eingaben 80a und 90a zu Mittelwertbildungen 80 und 90, wobei die Mittelwerte vorzeichenrichtig ermittelt werden. Es erfolgen Ausgaben 80b und 90b von Mittelwerten MWV1 und MWVI1. To calculate a diagnostically meaningful numerical value, entries 80 a and 90 a are made for averaging 80 and 90 , the mean values being determined with the correct sign. There are outputs 80 b and 90 b of mean values MWV1 and MWVI1.

Zu einer Quotientenberechnung 100 werden beide Mittelwerte MWV1 und MWVI1 in einem Eingabeschritt 100a eingelesen und es erfolgt eine Quotientenbildung M1 = -MWV1/MWVI1, wobei der Quotient M1 in einem Ausgabeschritt 100b ausgegeben wird. Der diagnostische numerische Wert wird nachfolgend durch eine Eingabe 110a in einen Berechnungsschritt 110 errechnet, wobei ein diagnostischer Parameter α = arctan M gebildet und in einem Ausgabeschritt 110b ausgegeben wird. A quotient calculating means 100, both values are read into an input step 100 and a MWV1 MWVI1 and there is a quotient formation M1 = -MWV1 / MWVI1, the quotient is output b in an output step 100 M1. The diagnostic numerical value is subsequently calculated by an input 110 a in a calculation step 110 , a diagnostic parameter α = arctan M being formed and output in an output step 110 b.

Es hat sich gezeigt, dass der so gewonnene Wert α mit dem onkologischen Risiko des untersuchten Patienten korreliert. Durch Testreihen an Elektrokardiogrammen von 110 Personen, für die eine ärztliche onkologische Beurteilung vorlag, konnte festgestellt werden, dass mit dieser Methode der Korrelationsanalyse eine mehr als 50prozentige Übereinstimmung mit den vorliegenden ärztlichen Einschätzungen erzielt wurde, wenn dem numerischen Wert α folgende diagnostische Bewertung zugeordnet wurde:

- 120° < α < 180" und 0° < α < 20°: onkologisch unbedenklich;
- 80° < α < 120°: Untersuchung nach 3 Monaten wiederholen;
- 20° < α < 80°: hohes onkologisches Risiko, eingehende onkologische Untersuchung notwendig.

It has been shown that the value α obtained in this way correlates with the oncological risk of the patient examined. A series of tests on electrocardiograms of 110 people for whom a medical oncological assessment was available showed that this method of correlation analysis achieved more than 50 percent agreement with the existing medical assessments if the following diagnostic assessment was assigned to the numerical value α:

- 120 ° <α <180 "and 0 ° <α <20 °: oncologically harmless;
- 80 ° <α <120 °: repeat the test after 3 months;
- 20 ° <α <80 °: high oncological risk, detailed oncological examination necessary.

Eine in den Fig. 2a und 2b beschriebene Verfahrensweise stellt eine Langzeitkorrelation zwischen den jeweils ersten beiden und letzten beiden R- R-Abständen τ_i eines Elektrokardiogramms dar. A procedure described in FIGS. 2a and 2b represents a long-term correlation between the first two and last two R-R distances τ _{i of} an electrocardiogram.

Im folgenden wird auf weitere Korrelationsverfahren zur Auswertung der R-R- Zeitintervalle eingegangen. In the following, further correlation methods for evaluating the R-R Time intervals entered.

Dem in den Fig. 3a bis 3c dargestellten beispielhaften Verfahrensablauf liegt die fortbildende Idee zugrunde, die im ursprünglichen EKG gegebene Liste der R-R-Zeitintervalle τi in Teillisten zu zerlegen und über jede Teilliste gesonderte Mittelwerte MW, Quotienten M und diagnostische Werte α zu berechnen. Dieser Verfahrensablauf stellt eine Möglichkeit bereit, Kurzzeitkorrelationen in einer Folge von R-R-Zeitintervallen abgestuft und mit veränderlicher Feinheit zu untersuchen. The exemplary process sequence shown in FIGS . 3a to 3c is based on the training idea of breaking down the list of RR time intervals τi given in the original EKG into partial lists and calculating separate mean values MW, quotients M and diagnostic values α via each partial list. This process sequence provides a possibility of graded short-term correlations in a sequence of RR time intervals and to examine them with variable fineness.

Diese Ausführungsform der Korrelationsanalyse beginnt mit einem Einlesevorgang 120 aller R-R-Zeitintervalle τi, wobei in einem Ausgabeschritt 120b eine Liste I2 erzeugt wird. Die Elemente der Liste I2 werden als Eingabe 130a einem Zerlegungsschritt 130 zugeführt, welcher die Liste I2 in n = 2⁽ⁱ⁺¹⁾Teillisten zerlegt. Dabei stellt i einen verfahrensinternen Laufindex dar, der zunächst als i = 1 gesetzt wird. Es wird nachfolgend in einem Ausgabeschritt 130b eine Liste II2 erzeugt, die aus n Teillisten besteht. This embodiment of the correlation analysis begins with a read-in process 120 of all RR intervals of time τi, in an output step b 120 a list I2 is produced. The elements of the list I2 are fed as input 130a to a decomposition step 130 , which decomposes the list I2 into n = 2 ^{(i + 1)} partial lists. I represents an internal process index that is initially set as i = 1. It is subsequently output in a step 130 a list b II2 produced which consists of n sub-lists.

Die Liste II2 geht als Eingabe 140a in einen Verfahrensschritt 140 ein, in welchem aus der Liste II2 eine j-te Teilliste ausgewählt wird. Der Index j bezeichnet auch hier einen verfahrensinternen Laufindex, wobei zunächst j = 1 gesetzt wird. In einem Ausgabeschritt 140b wird als Resultat dieses Verfahrensschrittes 140 eine Liste II2j erzeugt. List II2 is entered as input 140 a in a method step 140 , in which a j-th partial list is selected from list II2. Here, too, the index j denotes an internal run index, with j = 1 initially being set. In an output step 140 b of this process step 140 generates a list II2j as a result.

Die Liste II2j wird als Eingabewerte-Tabelle 150a einem Verfahrensschritt 150 zugeführt, bei welchem das letzte Element dieser Teilliste gestrichen wird. In einem Ausgabeschritt 150b entsteht so eine Liste II2j2. Die Liste II2j wird als Eingabe 160a einem weiteren Verfahrensschritt 160 zugeführt, in welchem das erste Element der Liste gestrichen wird. Es wird in einem Ausgabeschritt 160b eine Liste II2j3 erzeugt. The II2j list is a one method step 150 is supplied as an input value table 150 in which the last element of this parts list is deleted. In an output step 150 b is formed as a list II2j2. The II2j list is a another process step 160 is supplied as input 160, in which the first element of the list is deleted. It is generated in an output step 160b a list II2j3.

Beide Listen II2j2 und II2j3 werden als Eingabedaten 170a für eine Differenzbildung 170 bereitgestellt, wobei in einem Ausgabeschritt 170b eine Liste II2j4 erzeugt wird. Both lists II2j2 and II2j3 are provided as input data 170 a for forming a difference 170 , a list II2j4 being generated in an output step 170 b.

Die Elemente der Liste I12j4 wird als Eingabe 180a einem Verrahrensschritt 180 zugeführt, in welchem das erste Element der Liste II2j4 gestrichen wird. Es wird anschließend in einer Ausgabe 180b eine Liste II2j5 erzeugt. Die Liste II2j4 wird als Eingabe 190a einem Verfahrensschritt 190 zugeführt, in welchem das letzte Element der Liste II2j4 gestrichen wird. Es wird in einem Ausgabeschritt 190b eine Liste II2j6 erzeugt. The elements of the list is a I12j4 a Verrahrensschritt 180 applied as input 180 in which the first element of the list is deleted II2j4. It is then produced in an edition 180b list II2j5. The list II2j4 is a one method step 190 applied as input 190 in which the last element of the list is deleted II2j4. It is generated in an output step 190 b is a list II2j6.

Von den Listen II2j5 und II2j6, die als Eingaben 200a und 210a Mittelwertberechnungen 200 und 210 zugeführt werden, werden vorzeichenrichtige Mittelwerte MWII2j5 und MWII2j6 errechnet und als Ausgaben 200b und 210b ausgegeben. From lists II2j5 and II2j6, which are supplied as inputs 200 a and 210 a, mean value calculations 200 and 210 , mean values MWII2j5 and MWII2j6 with correct sign are calculated and output as outputs 200 b and 210 b.

Beide Mittelwerte MWII2j5 und MWII2j6 gehen als Werte einer Eingabe 220a für eine Quotientenberechnung 220 ein, in der ein Teillistenmittelwert Mj nach folgender Berechnungsformel errechnet wird: -MWII2j6/(MWII2j5 + e), wobei e eine Korrekturvariable ist, die eine Division durch Null vermeidet. e ist entsprechend zu wählen. Der Quotient Mj wird als Ausgabe 220b und 220c in eine Liste III2 übertragen. Both mean values MWII2j5 and MWII2j6 are used as values of an input 220 a for a quotient calculation 220 , in which a partial list mean value Mj is calculated according to the following calculation formula: -MWII2j6 / (MWII2j5 + e), where e is a correction variable that avoids a division by zero , e should be chosen accordingly. The quotient Mj is transferred as output 220 b and 220 c to a list III2.

Auch hier kann ein teillistenbezogener diagnostischer Wert αj aus dem Quotienten Mj nach der bereits beschriebenen Berechnungsformel αj = arctan Mj errechnet werden. Mj wird dazu als eine Eingabe 230a in einen Berechnungsschritt 230 eingelesen, wobei die diagnostischen Größen αj in einer Ausgabe 230b ausgegeben werden. Auch diese können gegebenenfalls in einer Liste erfasst werden. Here, too, a partial list-related diagnostic value αj can be calculated from the quotient Mj according to the calculation formula αj = arctan Mj already described. Mj is read to as an input 230 a in a calculation step 230, wherein the diagnostic variables aj in an output 230 b is output. If necessary, these can also be recorded in a list.

Nach Abschluß dieser Prozedur wird der Laufindex j in einem Zählschritt 240 um 1 erhöht und es erfolgt die Verarbeitung einer nächsten Teilliste an Verfahrensschritt 150 mit einer Eingabe 150a der j+1ten Teilliste II2j+1. After completion of this procedure, the running index j is increased in a counting step 240 by 1, and is carried out the processing of a next partial list at step 150 with an input 150 a of the j + 1th partial list II2j +. 1

Es wird somit die ursprüngliche Liste in Teillisten zerlegt, wobei innerhalb der Teillisten gesonderte Korrelationsverfahren angewendet werden. Diese Ausführungsform des Korrelationsverfahrens kann um einen Verfahrensschritt 250 ergänzt werden, wobei aus der Liste III2 der Quotienten Mj ein weiterer Mittelwert M gebildet wird. Die Liste III2 wird als Eingabe 250a in einen Verfahrensschritt 250 eingelesen, wobei eine Ausgabe 250b des Gesamtmittelwertes M erfolgt. The original list is thus broken down into partial lists, with separate correlation methods being used within the partial lists. This embodiment of the correlation method can be supplemented by a method step 250 , a further mean value M being formed from the list III2 of the quotients Mj. The list III2 is read as an input 250 a in a step 250, an output 250 b of the overall mean value M occurs.

Weiterhin kann das Verfahren noch um einen Verfahrensschritt 260 erweitert werden, in welchem der eingangs erwähnte Laufindex i um 1 auf i+1 erhöht wird. Die so veränderte Größe des Laufindex i wird auf den Verfahrensschritt 130 rückgekoppelt, wobei sich die Zerlegung der ursprünglichen Liste I2 in die Teillisten innerhalb der Liste II2 in Potenzen von 2 verfeinert. Furthermore, the method can be expanded by a method step 260 , in which the run index i mentioned at the beginning is increased by 1 to i + 1. The thus changed size of the running index i is fed back to the method step 130 , the decomposition of the original list I2 into the partial lists within the list II2 being refined in powers of 2.

Diese verallgemeinerte Korrelationsanalyse erlaubt es, das vorliegende Material der R-R-Zeitintervalle mit einer abgestimmten Feinheit zu untersuchen. Es zeigte sich, dass mit einer Zerlegung von vorgegebenen 512 R-R- Intervallen in Teillisten zu je 64 Elementen eine etwa 60prozentige Übereinstimmung der unter Verwendung dieser Korrelationsanalyse erzielten onkologischen Prognose mit bereits bekannten onkologischen Untersuchungsdaten erreicht werden konnte, wobei die gleiche Probandengruppe von 110 Personen überprüft wurde. This generalized correlation analysis allows the present Material of the R-R time intervals with a coordinated fineness investigate. It turned out that with a decomposition of predetermined 512 R-R Intervals in partial lists of 64 elements each are approximately 60 percent Agreement of those obtained using this correlation analysis oncological prognosis with already known oncological examination data could be achieved, with the same group of subjects from 110 People was checked.

Im folgenden werden Korrelationsanalysen beschrieben, die eine besondere Gewichtung der Reihe der R-R-Zeitintervalle nach einem Anfang und einem Ende vornehmen. Flussdiagramme zur Ausführung derartiger Korrelationsanalysen sind in den Fig. 4a und 4b einerseits und in den Fig. 5a und 5b andererseits dargestellt und werden nachfolgend anhand dieser Figuren erläutert. Die im folgenden genannten Begriffe "linksseitig" und "rechtsseitig" beziehen sich auf den Anfang bzw. das Ende der ursprünglichen Reihe der R-R-Zeitintervalle. In the following, correlation analyzes are described which carry out a special weighting of the series of RR time intervals after a start and an end. Flow diagrams for performing such correlation analyzes are shown in FIGS. 4a and 4b on the one hand and in FIGS. 5a and 5b on the other hand and are explained below with reference to these figures. The terms "left-hand side" and "right-hand side" mentioned below refer to the beginning or end of the original series of RR time intervals.

Zunächst wird im Flussdiagramm nach den Fig. 4a und 4b auf eine Anfangskorrelationsanalyse eingegangen. Initially, an initial correlation analysis is dealt with in the flowchart according to FIGS. 4a and 4b.

Dieses Verfahren beginnt ebenfalls mit einem Einlesen 270 der Reihe der R- R-Zeitintervalle, wobei in einem Ausgabeschritt 270b eine Liste LI1 erzeugt wird. Die Liste LI1 wird nach dem bereits beschriebenen Korrelationsverfahren innerhalb der Verarbeitungsschritte 280 bis 350 ausgewertet, wobei in einem Verfahrensschritt 360 ein Quotient M13 in einem Ausgabeschritt 360b für die gesamte Liste LI1 ausgegeben wird, wobei ebenfalls eine diagnostische Größe αI13 berechnet werden kann. Die Korrelationsanalyse wird aber um folgende Schritte ergänzt:
Die Liste LI1 wird als Eingabe 370a einem Verfahrensschritt 370 zugeführt, wobei dieser eine Teilung in Teillisten LI2, LI3, . . . ausführt. Dabei wird jeweils die linksseitige Teilliste solange weiter unterteilt, bis in einem Entscheidungsschritt 380 das Vorliegen einer linksseitigen Teilliste mit einer gegebenen Anzahl von R-R-Zeitintervallen festgestellt worden ist. Im in Fig. 4b dargestellten Beispiel umfasst die linksseitige Teilliste beispielhaft 4 Elemente, d. h. 4 R-R-Zeitintervalle. Es liegen somit nach Abschluß der Verfahrensschritte 370 und 380 linksseitig kumulierte Teillisten vor, die einzeln mit dem bereits beschriebenen Korrelationsanalyseverfahren bearbeitet werden können, wobei sowohl eine Analyse einer anfänglichen, kurzzeitigen Korrelation und langzeitigen Korrelation mit gewissen Zwischenstufen möglich ist. Dieses Auswerteverfahren erlaubt es somit, anfangsbezogene, zeitabhängige Korrelationsanalysen von R-R-Zeitintervallen auszuführen. This method also begins with a reading 270 of the series of R-R intervals, wherein, in an output step b 270 a list is generated LI1. The list LI1 is evaluated by the previously described correlation process within the processing steps 280 to 350, wherein a quotient M13 b in an output step 360 in a step 360 is outputted for the entire list LI1, wherein also a diagnostic size αI13 can be calculated. The correlation analysis is supplemented by the following steps:
The list LI1 is supplied as input 370 a a method step 370, said division in a sub-lists LI2, LI3. , , performs. In this case, the left-hand partial list is subdivided until the presence of a left-hand partial list with a given number of RR time intervals has been determined in a decision step 380 . In the example shown in FIG. 4b, the left-hand partial list includes, for example, 4 elements, ie 4 RR time intervals. After the completion of method steps 370 and 380, there are partial lists accumulated on the left-hand side, which can be processed individually using the correlation analysis method already described, wherein an analysis of an initial, short-term correlation and long-term correlation with certain intermediate stages is possible. This evaluation method thus allows initial, time-dependent correlation analyzes of RR time intervals to be carried out.

Analog dazu erfolgt eine Endkorrelationsanalyse nach den Flussdiagrammen der Fig. 5a und 5b. Die dort dargestellten Verfahrensschritte 400 bis 490 mit den Eingaben 410a bis 490a und den zugeordneten Ausgaben 410b bis 490b erfolgen analog zur anfänglich beschriebenen Korrelationsanalyse. Die Teilung 500 in Teillisten RI2, RI3, . . . erfolgt analog zu den in Fig. 4b dargestellten Verfahrensschritten 370 und 380, allerdings mit dem Unterschied, dass innerhalb einer Entscheidungsprozedur 510 eine Abfrage nach einer Anzahl von Elementen einer rechten Teilliste erfolgt. Mittels dieser endbezogenen Korrelationsanalyse ist eine zeitliche Entwicklung einer Korrelation innerhalb der Reihe der R-R-Zeitintervalle gegen ein Ende dieser Reihe möglich. Analogously to this, a final correlation analysis is carried out according to the flow diagrams of FIGS. 5a and 5b. The method steps 400 to 490 shown there with the inputs 410 a to 490 a and the assigned outputs 410 b to 490 b are carried out analogously to the correlation analysis described initially. The division 500 into partial lists RI2, RI3,. , , takes place analogously to the method steps 370 and 380 shown in FIG. 4b, but with the difference that within a decision procedure 510 a query for a number of elements of a right part list takes place. Using this end-related correlation analysis, it is possible to develop a correlation over time within the series of RR time intervals towards one end of this series.

Wie bereits erwähnt, werden mittels dieser Korrelationsanalysen Punktwolken 600 und 610 in einem zweidimensionalen Korrelationsdiagramm erzeugt. In den Fig. 6a und 6b sind zwei Beispiele solcher Korrelationsdiagramme dargestellt. Diese zeigen jeweils eine erste Reihe von Differenzbildungen τ_i+1 - τ_i, aufgetragen an Ordinaten 601 und eine zweite Reihe von Differenzbildungen τ_i - τ_i-1, aufgetragen an Ordinaten 602. Die einzelnen Punkte 603 der Punktwolken 600 und 610 entstehen durch Zuordnung der Elemente der Reihe der ersten Differenzbildungen zu den Elementen der Reihe der zweiten Differenzbildungen. Durch einen Vergleich der Form der Punktwolke 600 aus Fig. 6a mit der Form der Punktwolke 610 aus Fig. 6b geht hervor, dass die Punkte 603 der Punktwolke 600 in einem relativ eng begrenzten Bereich konzentriert sind, während die Punkte 603 der Punktwolke 610 über einen weiten Bereich gestreut sind. As already mentioned, point clouds 600 and 610 are generated in a two-dimensional correlation diagram using these correlation analyzes. In Figs. 6a and 6b, two examples are shown of such correlation diagrams. These each show a first row of difference formations τ _{i + 1} - τ _i , plotted on ordinates 601 and a second row of difference formations τ _i - τ _i-1 , plotted on ordinates 602 . The individual points 603 of the point clouds 600 and 610 are created by assigning the elements of the series of the first differences to the elements of the series of the second differences. A comparison of the shape of the point cloud 600 from FIG. 6a with the shape of the point cloud 610 from FIG. 6b shows that the points 603 of the point cloud 600 are concentrated in a relatively narrowly defined area, while the points 603 of the point cloud 610 are concentrated over one are widely spread.

Eine Punktwolke 600 in einer konzentrierten Form lässt einen Rückschluß auf eine regelmäßige Herztätigkeit zu, bei der die R-R-Zeitintervalle offensichtlich in einem begrenzten Bereich korreliert sind, während die Punktwolke 610 ein weniger korreliertes Verhalten der R-R-Zeitintervalle zueinander offenbart. Derartige Punktwolkenformen 610 lassen auf eine in ihrem "Takt" gestörte Herztätigkeit schließen. A point cloud 600 in a concentrated form allows conclusions to be drawn about regular cardiac activity in which the RR time intervals are obviously correlated in a limited range, while the point cloud 610 reveals a less correlated behavior of the RR time intervals to one another. Such point cloud shapes 610 indicate cardiac activity which is disturbed in its "clock".

Im Folgenden wird unter Bezugnahme auf die Fig. 7a und 7b ein Anwendungsbeispiel des Attraktormodells näher erläutert. Grundlage dafür sind Verhaltensweisen des EKG-Verlaufs an den Stellen der Q- und S-Peaks im Elektrokardiogramm. Diese werden durch Modellfunktionen angepasst, wobei deren Parameter ein Attraktordiagramm ergeben. An application example of the attractor model is explained in more detail below with reference to FIGS. 7a and 7b. This is based on the behavior of the ECG course at the points of the Q and S peaks in the electrocardiogram. These are adjusted using model functions, the parameters of which result in an attractor diagram.

Bewährt haben sich als Modellfunktionen ein Paar gekoppelte Funktionen zweiten Grades

X = X₀ + 0.5(X₀₃t - 3.X₀₂t)(X₀₂t + Y₀₂t) + λX₀t(X₀₂t + Y₀₂t - 1) + 0.5µX₀t(X₀₂t + Y₀₂t)
Y = Y₀ + 0.5(Y₀₃t - 3X₀₂Y₀t)(X₀₂t + Y₀₂t) + λY₀t(X₀₂t + Y₀₂t - 1) + 0.5µX₀t(X₀₂t + Y₀₂t),

wobei iterativ die Parameter X und Y berechnet werden, die anschließend wieder als Startwerte für weitere Iterationsschritte dienen. Es wird mit den Startwerten X₀ und Y₀ begonnen, wobei bei der Wahl des Startwertes X₀ die Standardabweichung und der Mittelwert einer großen Anzahl von R-R- Intervallen, beispielsweise von 512 R-R-Intervallen, einbezogen werden. Nach einer gewissen Anzahl von Iterationsschritten konvergieren die Parameter beider Polynome gegen gewisse Werte, die in einem zweidimensionalen Diagramm ein graphisches Objekt bilden, was als Attraktor bezeichnet wird. A pair of coupled functions of the second degree have proven themselves as model functions

X = X ₀ + 0.5 (X ₀₃ t - 3.X ₀₂ t) (X ₀₂ t + Y ₀₂ t) + λX ₀ t (X ₀₂ t + Y ₀₂ t - 1) + 0.5µX ₀ t (X ₀₂ t + Y ₀₂ t)
Y = Y ₀ + 0.5 (Y ₀₃ t - 3X ₀₂ Y ₀ t) (X ₀₂ t + Y ₀₂ t) + λY ₀ t (X ₀₂ t + Y ₀₂ t - 1) + 0.5µX ₀ t (X ₀₂ t + Y ₀₂ t),

whereby the parameters X and Y are calculated iteratively, which are then used again as starting values for further iteration steps. It starts with the start values X ₀ and Y ₀ , the standard deviation and the mean value of a large number of RR intervals, for example 512 RR intervals, being included in the selection of the start value X ₀ . After a certain number of iteration steps, the parameters of both polynomials converge to certain values, which form a graphic object in a two-dimensional diagram, which is referred to as an attractor.

In den Fig. 7a und 7b sind beispielhaft zwei Attraktorkurven 620 und 630 dargestellt. Die Attraktorkurve 620 zeigt einen Verlauf, dem ein positiver Krümmungsradius zuzuordnen ist, wobei dieser in diesem Anwendungsbeispiel etwa R = 3.3 beträgt. Dagegen zeigt die Attraktorkurve 630 einen Verlauf mit einem negativen Krümmungsradius, der in diesem Beispiel einen Wert von etwa R = -0.3 annimmt. Die Attraktorkurve 620 ist einem onkologisch ungefährdeten Patienten zugeordnet, während die Kurve 630 einem aus onkologisch stark gefährdeten Patienten zugeordnet ist, dessen onkologische Gefährdung durch weitere diagnostische Methoden bestätigt wurde. Sowohl der Absolutbetrag des Krümmungsradius als auch dessen Vorzeichen dienen als Klassifizierungsmerkmal für das Vorliegen einer onkologischen Gefährdung, also eines Krebsrisikos. In FIGS. 7a and 7b are shown by way of example two Attraktorkurven 620 and 630. The attractor curve 620 shows a course to which a positive radius of curvature can be assigned, which in this application example is approximately R = 3.3. In contrast, the attractor curve 630 shows a course with a negative radius of curvature, which in this example assumes a value of approximately R = -0.3. The attractor curve 620 is assigned to an oncologically safe patient, while the curve 630 is assigned to a patient from oncologically high risk, whose oncological risk has been confirmed by further diagnostic methods. Both the absolute amount of the radius of curvature and its sign serve as a classification feature for the existence of an oncological risk, i.e. a cancer risk.

In den Fig. 8a, b sowie in den Fig. 9a, b als auch in dem in der Fig. 10 dargestellten Flussdiagramm wird die Methode der relativen Maxima eines Rhythmogramms anhand von Anwendungsbeispielen näher erläutert. In FIGS. 8a, b and in FIGS. 9a, b and also in the flowchart shown in FIG. 10, the method of the relative maxima of a rhythmogram is explained in more detail with the aid of application examples.

Ein Rhythmogramm ist die Darstellung der Zeitintervalle zwischen gleichartigen Ereignissen über der Zählreihe der Ereignisse. Im hier vorliegenden Anwendungsbeispiel werden als Ereignisse die systolischen R-Peaks verwendet, wobei die sich zwischen ihnen erstreckenden Zeitintervalle und deren Zahl aus der Zeitskala, bzw. der Anzahl der R-Peaks eines Elektrokardiogramms ermittelt werden. Beispiele für ein Rhythmogramm sind jeweils in den Fig. 8a und 9a dargestellt. Die Datenpunkte innerhalb eines Rhythmogramms werden dabei hinsichtlich ihrer Lage klassifiziert. Bei einer ersten Art von Datenpunkten beschreibt die Lage des betreffenden Punktes im Rhythmogramm ein relatives Maximum 640, während bei einer zweiten Art von Datenpunkten der Punkt einen Sattel 650 oder ein relatives Minimum 651 beschreibt. A rhythmogram is the representation of the time intervals between similar events over the series of events. In the present application example, the systolic R peaks are used as events, the time intervals extending between them and their number being determined from the time scale or the number of R peaks of an electrocardiogram. Examples of a rhythmogram are shown in FIGS . 8a and 9a, respectively. The data points within a rhythmogram are classified with regard to their position. In the case of a first type of data point, the position of the point in question in the rhythmogram describes a relative maximum 640 , while in the case of a second type of data point the point describes a saddle 650 or a relative minimum 651 .

Erfindungsgemäß werden nun aus den in den Fig. 8a und 9a dargestellten Rhythmogrammen alle diejenigen Datenpunkte extrahiert, die ein relatives Maximum innerhalb des Rhythmogramms beschreiben, während alle weiteren Datenpunkte ausgesondert werden. According to the invention, all those data points that describe a relative maximum within the rhythmogram are now extracted from the rhythmograms shown in FIGS . 8a and 9a, while all further data points are separated out.

Eine normierte Darstellung aller relativer Maxima 640 ist jeweils in den Fig. 8b und 9b dargestellt. Es ergibt sich ein Bild aufeinander folgender Zacken 660, wobei durch die Aussonderung von Sattelpunkten 650 und Punkten relativer Minima 651 einigen Zählintervallen der R-R-Abstände kein Punkt zugeordnet ist. Die normierten und extrahierten Rhythmogramme in den Fig. 8b und 9b weisen an solchen Stellen Lücken 650a auf, die besonders in Fig. 8b gut zu erkennen sind. A standardized representation of all relative maxima 640 is shown in FIGS. 8b and 9b. The result is an image of successive spikes 660 , whereby due to the separation of saddle points 650 and points of relative minima 651, no point is assigned to some counting intervals of the RR intervals. The normalized and extracted Rhythmogrammes in Figs. 8b and 9b have at such locations gaps 650 a, which are clearly visible particularly in Fig. 8b.

Jedes Zählintervall der Zählreihe der R-R-Abstände ist eindeutig durch eine Zacke oder das Fehlen einer Zacke gekennzeichnet. In der weiteren Auswertung wird die Zackenstruktur innerhalb der Zählreihe analysiert. Ein Flussdiagramm einer solchen Auswertung ist in Fig. 10 dargestellt. Ausgangspunkt des Auswertevorgangs sind die EKG-Daten. In einem ersten Verarbeitungsschritt 670 werden die EKG-Daten eingelesen und ein Rhythmogramm erstellt. In einem Verarbeitungsschritt 680 wird die Lage der relativen Maxima innerhalb der Zählreihe der R-R-Abstände bestimmt. Dann folgt eine Entscheidung 690 darüber, ob einem Glied der Zählreihe der R-R- Intervalle ein normiertes Maximum zugeordnet werden kann, oder nicht. Fällt die Entscheidung positiv aus, wird diesem Zählintervall in einem Schritt 700 der Zahlenwert 1 beigelegt, anderenfalls erhält dieses Zählintervall in einem Alternativschritt 710 den Wert 0. Each counting interval of the counting series of the RR distances is clearly marked by a spike or the absence of a spike. In the further evaluation, the jagged structure within the counting series is analyzed. A flow chart of such an evaluation is shown in FIG. 10. The starting point of the evaluation process is the EKG data. In a first processing step 670 , the EKG data are read in and a rhythmogram is created. In a processing step 680 , the position of the relative maxima within the counting series of the RR distances is determined. A decision 690 then follows as to whether or not a normalized maximum can be assigned to a member of the counting series of the RR intervals. If the decision is positive, the numerical value 1 is added to this counting interval in a step 700 , otherwise this counting interval is given the value 0 in an alternative step 710 .

Das Ergebnis dieser Operationen ist eine 0-1-Zahlenreihe 720, deren Mittelwert 740 als numerischer und diagnostischer Wert dient. The result of these operations is a 0-1 number series 720 , the mean value 740 of which serves as a numerical and diagnostic value.

Beispielsweise ergeben die Rhythmogrammdaten eines onkologisch gefährdeten Probanden in den Fig. 8a und 8b einen Mittelwert von etwa 0.4, während der aus dem Rhythmogrammen eines onkologisch ungefährdeten Probanden in den Fig. 9a und 9b errechnete Mittelwert bei etwa 0.2 liegt. In Testreihen wurden mit der Rhythmogrammmethode Übereinstimmungen mit den Ergebnissen weiterer onkologischer Nachweismethoden von mehr als 70 Prozent erzielt. Bezugszeichenliste 10 Einlesen der EKG-Daten
10a Eingabe: EKG-Daten
10b Ausgabe: Liste I1
20 letztes Element streichen
20a Eingabe: Liste I1
20b Ausgabe: Liste II1
30 erstes Element streichen
30a Eingabe: Liste I1
30b Ausgabe: Liste III1
40 Differenzbildung
40a Eingabe: Elemente der Listen II1 und III1
40b Ausgabe: Liste IV1
50 erstes Element streichen
50a Eingabe: Liste IV1
50b Ausgabe: Liste V1
60 letztes Element streichen
60a Eingabe: Liste IV1
60b Ausgabe: Liste VI1
70 Darstellung: Elemente der Liste V1 über Elemente der Liste VI1
70a Eingabe: Liste VI1, Liste V1
70b Ausgabe: Punktwolkendiagramm
80 Mittelwertbildung, vorzeichengerecht
80a Eingabe: Liste V1
80b Ausgabe: Mittelwert MWV1
90 Mittelwertlbildung, vorzeichengerecht
90a Eingabe: Liste VI1
90b Ausgabe: Mittelwert MWVI1
100 Quotientenbildung
100a Eingabe: Mittelwerte MWV1, MWVI1
100b Ausgabe: numerischer Wert M1
110 Berechnung α1 = arctan M1
110a Eingabe: M1
110b Ausgabe: α1
120 Dateneingabe: R-R-Zeiten
120a Eingabe: EKG-Daten
120b Ausgabe: Liste I2
130 Zerlegung in n = 2i Teillisten
130a Eingabe: Liste I2
130b Ausgabe: Liste II2, aus 2i Teillisten bestehend
140 Bildung der jten Teilliste aus Liste II2
140a Eingabe: Liste II2
140b Ausgabe: Liste II2j
150 letztes Element streichen
150a Eingabe: Liste II2j
150b Ausgabe: Liste II2j2
160 erstes Element streichen
160a Eingabe: Liste II2j
160b Ausgabe: liste II2j3
170 Differenzbildung
170a Eingabe: Listen II2j2 und II2j3
170b Ausgabe: Liste II2j4
180 erstes Element streichen
180a Eingabe: Liste II2j4
180b Ausgabe:
190 letztes Element streichen
190a Eingabe: Liste II2j4
190b Ausgabe: Liste II2j6
200 Mittelwertbildung, vorzeichengerecht
200a Eingabe: liste II2j5
200b Ausgabe: Mittelwert MWII2j5
210 Mittelwertberechnung, vorzeichengerecht
210a Eingabe: Liste II2j6
210b Ausgabe: Mittelwert MWII2j6
220 Quotientenberechnung
220a Eingabe: Mittelwerte MWTI2j5 und MWII2j6
220b Ausgabe: Quotient Mj
220c Ausgabe: Liste III2
230 Berechnung αj
230a Eingabe: Mittelwert Mj
230b Ausgabe: Winkel αj
240 nächste Teilliste, j = j + 1
250 Mittelwertberechnung
250a Eingabe: Liste III2
250b Ausgabe: Gesamtmittelwert
260 verfeinerte Teillistenbildung, i = i + 1
270 R-R-Intervalldaten einlesen
270a Eingabe: EKG-Daten
270a Ausgabe: Liste LI1
280 Letztes Element streichen
280a Eingabe: Liste LI1
280b Ausgabe: Liste LII1
290 Erstes Element streichen
290a Eingabe: Liste LI1
290b Ausgabe: Liste LIII1
300 Differenzbildung
300a Eingabe: Listen LIII1, LII1
300b Ausgabe: Liste LIV1
310 letztes Element streichen
310a Eingabe: Liste LIV1
310b Ausgabe: Liste LV1
320 erstes Element streichen
320a Eingabe: Liste LIV1
320b Ausgabe: Liste LVI1
330 Punktwolken-Darstellung
330a Eingabe: Listen LV1, LVI1
330b Ausgabe: Punktwolkendiagramm
340 Mittelwertberechnung, vorzeichengerecht
340a Eingabe: Liste LV1
340b Ausgabe: Mittelwert MWLV1
350 Mittelwertberechnung, vorzeichengerecht
350a Eingabe: Liste LVI1
350b Ausgabe: Mittelwert MWLVI1
360 Quotientenbildung
360a Eingaben: Mittelwerte MWLV1 und MWLVI1
370 Teilung in Teillisten
370a Eingabe: Liste LI1
370b Ausgabe: Teillisten LI2, LI3, . . .
380 Entscheidung: Teilliste mit 4 Elementen links?
390 Mttelwertberechnung der Teillisten nach Schema in Fig. 1
390a Eingabe: Teillisten LI2, LI3, . . .
400 R-Intervalldaten einlesen
400a Eingabe: EKG-Daten
400b Ausgabe: Liste RI1
410 Letztes Element streichen
410a Eingabe: Liste RI1
410b Ausgabe: Liste RI1
420 Erstes Element streichen
420a Eingabe: Liste RI1
420b Ausgabe: Liste RIII1
430 Differenzbildung
430a Eingabe: Listen RIII1, RII1
430b Ausgabe: Liste RIV1
440 letztes Element streichen
440a Eingabe: Liste RIV1
440b Ausgabe: Liste RV1
450 erstes Element streichen
450a Eingabe: Liste RIV1
450b Ausgabe: liste RVI1
460 Punktwolken-Darstellung
460a Eingabe: Listen RV1, RVI1
460b Ausgabe: Punktwolkendiagramm
470 Mittelwertberechnung, vorzeichengerecht
470a Eingabe: Liste RV1
470b Ausgabe: Mittelwert MWRV1
480 Mittelwertberechnung, vorzeichengerecht
480a Eingabe: Liste RVI1
480b Ausgabe: Mittelwert MWRVI1
490 Quotientenbildung
490a Eingaben: Mittelwerte MWRV1 und MWRVI1
500 Teilung in Teillisten
500a Eingabe: Liste RI1
500b Ausgabe: Teillisten RI2, RI3, . . .
510 Entscheidung: Teilliste mit 4 Elementen links?
520 Mittelwertberechnung der Teillisten nach Schema in Fig. 1
520a Eingabe: Teillisten RI2, RI3, . . .
600 Punktwolke, dicht regulär
601 Ordinate
602 Abszisse
603 Datenpunkt
610 Punktwolke verteilt, irregulär
620 erste Attraktorkurve mit erstem Krümmungsradius
630 zweite Attraktorkurve mit zweitem Krümmungsradius
640 Datenpunkt: auf relativem Rhythmogrammaximum
650 Sattelpunkt
650a Lücke in extrahiertem Rhythmogramm
651 Datenpunkt auf relativen Rhythmogramminimum
660 relatives Maximum in extrahiertem Rhythmogramm
670 EKG-Daten einlesen
670a Eingabe: EKG-Daten
680 Bestimmen der relativen Maxima
690 Entscheidung: Maximum im Zählintervall?
700 ja: Zählintervall mit Zahlenwert 1
710 nein: Zählintervall mit Zahlenwert 0
720 Erstellen einer 0-1-Zahlenreihe
730 Mittelwertbildung über 0-1-Zahlenreihe
740 Ausgabe: Mittelwert, diagnostische Größe
For example, the rhythmogram data of an oncologically endangered subject in FIGS . 8a and 8b result in an average value of approximately 0.4, while the mean value calculated from the rhythmograms of an oncologically endangered subject in FIGS . 9a and 9b is approximately 0.2. In series of tests, the rhythmogram method matched the results of other oncological detection methods by more than 70 percent. Reference symbol list 10 Reading in the EKG data
10 a Entry: ECG data
10 b Edition: List I1
20 Delete the last element
20 a Entry: List I1
20 b Edition: List II1
30 Delete the first element
30 a Entry: List I1
30 b Edition: List III1
40 Difference formation
40 a Entry: elements of lists II1 and III1
40 b Edition: List IV1
50 Delete the first element
50 a Entry: List IV1
50 b Edition: List V1
60 Delete the last element
60 a Entry: List IV1
60 b Edition: List VI1
70 Representation: Elements of list V1 above elements of list VI1
70 a Entry: List VI1, List V1
70 b Output: point cloud diagram
80 Averaging, signed
80 a Entry: List V1
80 b Output: mean value MWV1
90 Averaging, signed
90 a Entry: List VI1
90 b Edition: mean MWVI1
100 quotient formation
100 a Entry: mean values MWV1, MWVI1
100 b Output: numerical value M1
110 Calculation α1 = arctan M1
110 a Entry: M1
110 b output: α1
120 Data entry: RR times
120 a Entry: ECG data
120 b Edition: List I2
130 breakdown into n = 2i partial lists
130 a Entry: List I2
130 b Edition: List II2, consisting of 2i partial lists
140 Creation of the new partial list from list II2
140 a Entry: List II2
140 b Edition: List II2j
Delete 150 last element
150 a Entry: List II2j
150 b Edition: List II2j2
160 Delete the first element
160 a Entry: List II2j
160 b edition: list II2j3
170 difference formation
170 a Entry: Lists II2j2 and II2j3
170 b edition: list II2j4
180 Delete the first element
180 a Entry: List II2j4
180 b edition:
Delete the last element
190 a Entry: List II2j4
190 b edition: list II2j6
200 averaging, signed
200 a Entry: list II2j5
200 b output: mean MWII2j5
210 mean value calculation, signed
210 a Entry: List II2j6
210 b Edition: mean MWII2j6
220 quotient calculation
220 a Entry: mean values MWTI2j5 and MWII2j6
220 b output: quotient Mj
220 c edition: List III2
230 calculation αj
230 a Entry: mean Mj
230 b output: angle αj
240 next partial list, j = j + 1
250 average calculation
250 a Entry: List III2
250 b Output: total mean
260 refined sublist creation, i = i + 1
Read 270 RR interval data
270 a Entry: ECG data
270 a Edition: list LI1
280 Delete the last element
280 a Entry: List LI1
280 b Edition: list LII1
290 Delete the first element
290 a Entry: List LI1
290 b Edition: List LIII1
300 difference formation
300 a Entry: Lists LIII1, LII1
300 b Edition: list LIV1
310 Delete last element
310 a Entry: List LIV1
310 b Edition: List LV1
Delete the first element
320 a Entry: List LIV1
320 b Edition: List LVI1
330 point cloud representation
330 a Entry: Lists LV1, LVI1
330 b Output: point cloud diagram
340 mean value calculation, signed
340 a Entry: List LV1
340 b Output: mean MWLV1
350 mean value calculation, signed
350 a Entry: List LVI1
350 b output: mean MWLVI1
360 quotient formation
360 a entries: mean values MWLV1 and MWLVI1
370 division into partial lists
370 a Entry: List LI1
370 b Edition: partial lists LI2, LI3,. , ,
380 Decision: partial list with 4 elements on the left?
390 average value calculation of the partial lists according to the scheme in FIG. 1
390 a Entry: partial lists LI2, LI3,. , ,
Read 400 R interval data
400 a Entry: ECG data
400 b Edition: List RI1
410 Delete the last element
410 a Entry: List RI1
410 b Edition: List RI1
420 Delete the first element
420 a Entry: List RI1
420 b Edition: List RIII1
430 difference formation
430 a Entry: lists RIII1, RII1
430 b Edition: List RIV1
440 Delete the last element
440 a Entry: List RIV1
440 b Edition: List RV1
450 Delete the first element
450 a Entry: List RIV1
450 b edition: list RVI1
460 point cloud representation
460 a Entry: lists RV1, RVI1
460 b Output: point cloud diagram
470 mean value calculation, signed
470 a Entry: List RV1
470 b output: mean MWRV1
480 mean value calculation, signed
480 a Entry: List RVI1
480 b Output: mean MWRVI1
490 quotient formation
490 a entries: mean values MWRV1 and MWRVI1
500 division into partial lists
500 a Entry: List RI1
500 b Edition: partial lists RI2, RI3,. , ,
510 Decision: partial list with 4 elements on the left?
520 average value calculation of the partial lists according to the scheme in FIG. 1
520 a Entry: partial lists RI2, RI3,. , ,
600 point cloud, densely regular
601 ordinate
602 abscissa
603 data point
610 point cloud distributed, irregular
620 first attractor curve with first radius of curvature
630 second attractor curve with second radius of curvature
640 data point: on a relative rhythmogram maximum
650 saddle point
650 a gap in extracted rhythmogram
651 data point at relative rhythmogram minimum
660 relative maximum in extracted rhythmogram
Read 670 ECG data
670 a Entry: ECG data
680 determining the relative maxima
690 decision: maximum in counting interval?
700 yes: counting interval with numerical value 1
710 no: counting interval with numerical value 0
720 Create a 0-1 number series
730 Averaging over 0-1 number series
740 edition: mean, diagnostic quantity

Claims

1. Evaluation method for electrocardiogram data to provide information about an overall functional state of an organism, for early cancer detection and / or for use in cardiovascular diagnostics, characterized in that from recorded data of an electrocardiogram (EKG) via a correlation analysis of a temporally quasi-periodic successive pattern of the EKG a numerically clear value that describes the regularity of this pattern, is also diagnostically meaningful.

2. evaluation method according to claim 1, characterized in that as the subject of the correlation analysis, the quasi-periodic Pattern of a chronological succession of systolic R peaks of the EKG is analyzed.

3. Evaluation method according to one of the preceding claims, characterized in that the correlation analysis comprises the following steps:

Reading in temporal data from the EKG as time intervals τ ₁ between successive systolic R peaks,

- Calculation of time interval differences, by at least one series of first differences τ _N -τ _i and / or a series of second differences τ _{N + n} -τ _i , where N, n and i are any integers;

Creating an at least two-dimensional correlation diagram of the series of the first difference formation as an ordinate quantity over the series of the second difference formation as an abscissa quantity,

Calculating at least a first mean value of any kind from the series of the first difference formations and a second mean value of any type from the series of the second difference formations,

Calculating at least one quotient from the first and the second calculated mean,

- Deriving a diagnostically meaningful value α from the calculated quotient of the mean values.

4. evaluation method according to claim 3, characterized in that repeats the correlation analysis over a predetermined period of time for comparative purposes of diagnostic findings, with earlier diagnostic values α can be compared with later ones.

5. Evaluation procedure for electrocardiogram data to provide information about a functional state of the human organism, for Cancer detection and / or for use in cardiovascular Diagnosis, characterized in that from data of an electrocardiogram at least in sections temporal course of the ECG curve using an iterative Attractor model of a parameter set of at least one model function is adjusted, the after the iteratively calculated parameter set Model function is mapped in an attractor diagram.

6. Evaluation method according to claim 5, characterized in that as a model function at least one pair of nth degree polynomials (n integer, arbitrary) with respect to the ECG timeline variable t are used, their iteratively determined parameter sets are coupled together.

7. Evaluation method according to one of claims 5 and 6, characterized in that the attractor diagram of the parameter set piece by piece a curve results, with at least one radius of curvature on at least one Curve piece is determined as a diagnostic decision variable.

8. Evaluation method according to one of claims 5 to 7, characterized in that the time curve of the EKG at the Q and S peaks of the Electrocardiogram is analyzed, with at least one Standard deviation of an average of the time intervals between the R- Peaks of the EKG as a starting value in the iteratively to be determined Parameter set received.

9. Evaluation procedure for electrocardiogram data to provide information about a functional state of the human organism, for Early cancer detection and / or for use in cardiovascular Diagnosis characterized in that from a constant time series of intervals of quasi-periodic ECG Structural relative maxima and / or minima from the EKG Course form of a rhythmogram can be evaluated, taking from the rhythmogram on the counting intervals of the quasi-periodic ECG structures related list of numerical data is generated, which an occurrence of a relative maximum and / or minimum in Describe each counting interval, using a numeric from this list diagnostically meaningful value is determined.

10. evaluation method according to claim 9, characterized in that as a quasi-periodic EKG structure, the relative maxima of the Rhythmogram of the continuous counting series of the R-R intervals are evaluated, where a time interval length of the R-R distances depending of a number of R-R distances is evaluated as a rhythmogram.

11. Evaluation method according to claim 10, characterized in that the relative maxima of the rhythmogram to a numerical value be standardized.

12. Evaluation method according to one of claims 9 to 11, characterized in that with a counting interval in the normalized rhythmogram determined maximum this counting interval a first numerical value is settled and if there is no maximum in one Counting interval a second numerical value is enclosed, with a number series consisting of changing numerical Values is generated.

13. Evaluation method according to one of claims 9 and 12, characterized in that an average value is formed from the series of numbers, which is called diagnostic Size serves.