Η αιτιολογία των επικίνδυνων κοιλιακών αρρυθμιών μεταξύ των ασθενών με καρδιακή ανεπάρκεια είναι πολύπλοκη και πολυπαραγοντική. Η αποτελεσματικότερη σύγχρονη αντιμετώπισή τους γίνεται με εμφύτευση μόνιμου καρδιομετατροπέα-απινιδωτή. Δυστυχώς, η θεραπεία αυτή δεν είναι διαθέσιμη για όλους τους ασθενείς, ούτε ελεύθερη επιπλοκών. Χρειάζεται, επομένως, πιο αποτελεσματική κατηγοριοποίηση κινδύνου για σύμπλοκες κοιλιακές αρρυθμίες, που θεωρούνται άμεσα συνδεόμενες με πολύ αυξημένο κίνδυνο αιφνιδίου θανάτου. Εκτός από το κλάσμα εξωθήσεως της αριστερής κοιλίας, ενός δείκτη που έχουμε μέσω της ηχωκαρδιογραφίας, οι περισσότερες υποσχόμενες μέθοδοι εκτίμησης κινδύνου είναι διαθέσιμες μέσω ηλεκτροκαρδιογραφικών (ΗΚΓ) καταγραφών. Στην παρούσα εργασία γίνεται αναλυτική ανασκόπηση των δυνατοτήτων, αλλά και των περιορισμών που έχουν  οι σύγχρονες μέθοδοι εκτίμησης κινδύνου αιφνιδίου θανάτου στην καρδιακή ανεπάρκεια, με έμφαση στις ΗΚΓ καταγραφές. Επιπρόσθετα, με τη χρήση μετασχηματισμού Fourier βραχέως χρόνου, μελετήθηκαν, σε βηματοδοτικές ΗΚΓ καταγραφές 12 απαγωγών διάρκειας 60 sec, τα φάσματα Fourier, η επικρατούσα συχνότητα της καταγραφής και η μεταβλητότητά της στο χρόνο.  Βρέθηκαν στοιχεία τους που διαφοροποιούνται μεταξύ ασθενών με καρδιακή ανεπάρκεια, εμφυτευμένο απινιδωτή και σύμπλοκες κοιλιακές ταχυαρρυθμίες, όταν συγκρίνονται με δεδομένα αντίστοιχων ασθενών χωρίς σύμπλοκες αρρυθμίες. Πιλοτικά εφαρμόστηκαν επιπρόσθετα και μη γραμμικές τεχνικές ανάλυσης του ΗΚΓ σήματος, όπως για παράδειγμα η  ανακατασκευή του χώρου φάσεων και ο υπολογισμός της φράκταλ διάστασης του ΗΚΓ. Το πλαίσιο μέσα στο οποίο εντάσσεται η παρούσα ερευνητική προσπάθεια είναι η εξαγωγή χαρακτηριστικών για πιθανή μελλοντική ανάλυση με σύγχρονες υπολογιστικές μεθόδους (τύπου μηχανικής μάθησης), λαμβάνοντας πάντα υπόψη και την ήδη υπάρχουσα γνώση  για την πολυπλοκότητα της παθογένεσης των κοιλιακών αρρυθμιών στην καρδιακή ανεπάρκεια.

Τhe etiology of life-threatening ventricular arrhythmias among patients with heart failure is complex and multifactorial. The most effective current treatment is the implantation of a permanent cardioverter-defibrillator. However, this treatment modality is not available to all patients, while considerable side-effects are observed. A more efficient sudden cardiac death risk classification is, therefore, needed. Apart from left ventricular ejection fraction, a marker derived through cardiac echocardiography, most of the promising sudden cardiac death risk assessment methods are derived through electrocardiographic (ECG) recordings. In the present dissertation, an extensive review has been conducted regarding the potentials and limitations of  current sudden cardiac death risk assessment methods among patients with heart failure, with emphasis on ECG recordings. Furthermore, 60-sec paced 12 lead ECG recordings were analyzed by the short-time Fourier transform, to assess the Fourier spectrum as well as signal dominant frequency and dominant frequency variability in time. Certain spectral ECG characteristics have been found to be different among patients with heart failure and an implanted cardioverter-defibrillator, who experienced complex ventricular arrhythmias, and those who did not. Additionally, as a preliminary study, we applied non-linear analysis techniques,  such as phase-space reconstruction and fractal dimension calculation of the 12-lead ECG. The context in which the present research effort is conducted is feature extraction for possible further analysis with modern computational methods (such as machine learning), always taking into account the existing knowledge about the complexity of ventricular arrhythmia pathogenesis in heart failure.