Deze scriptie beschrijft een nieuwe tensor-gebaseerde methode om voorkamerfibrillatie, een hartritmestoornis, te detecteren in zowel één- als meerkanaals ECG-signalen. Deze scriptie combineert technieken uit de tensoralgebra, signaalverwerking en machine learning. Een dergelijk algoritme is een noodzakelijke tool in de digitale geneeskunde, gezien de opkomst van mobiele sensoren om ECG op te meten (AppleWatch, ...).

Voorkamerfibrillatie kan invasief behandeld worden door middel van pulmonaalvene isolatie. Hierbij bestaat het risico dat de rechter nervus phrenicus beschadigd wordt. In deze masterthesis wordt een algoritme ontwikkeld voor de automatische detectie en reconstructie van deze zenuw. Het ontworpen EXSAC-algoritme is in staat om de nervus phrenicus te detecteren met een accuraatheid van 3,51 mm bij 89% van de 27 testpatiënten.

In deze studie bestuderen we in de eerstelijnszorg een nieuwe applicatie uit de groeiende markt van medische smartphone-apps. We gaan de accuraatheid, voor- en nadelen na van de "FibriCheck"-app m.b.t. de opsporing van voorkamerfibrillatie, een frequente hartritmestoornis met grote impact op de gezondheid.