Leichtgewichtiges, physikbasiertes KI-Modell liefert präzise ECG‑Segmentierung

Ein neues, schlankes KI-Modell für die Segmentierung von Elektrokardiogrammen (EKG) kombiniert spektrale Analyse mit probabilistischen Vorhersagen. Durch den Ersatz komplexer Schichten wie BiLSTM durch einfachere Bausteine erfasst das System sowohl zeitliche als auch frequenzbasierte Merkmale der P‑, QRS‑ und T‑Wellen.

Die Integration von Explainable AI (XAI) ermöglicht eine transparente Erklärung, wie die einzelnen Merkmale zur Segmentierung beitragen. Durch physikbasierte Prinzipien wird die Entscheidungsfindung nachvollziehbar und verlässlich, was die Vertrauenswürdigkeit der Analyse erhöht.

Die Ergebnisse sind beeindruckend: 97,00 % Genauigkeit für die QRS‑Welle, 93,33 % für die T‑Welle und 96,07 % für die P‑Welle. Damit zeigt das Modell, dass eine vereinfachte Architektur nicht nur die Rechenleistung reduziert, sondern gleichzeitig eine hochpräzise Segmentierung liefert – ein praktischer Ansatz für die Überwachung von Herzsignalen.