22.01.2015 Aufrufe

INSTITUT FÜR INFORMATIK Entwurf und Implementierung - Ludwig ...

INSTITUT FÜR INFORMATIK Entwurf und Implementierung - Ludwig ...

INSTITUT FÜR INFORMATIK Entwurf und Implementierung - Ludwig ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Kapitel 2 Gr<strong>und</strong>lagen<br />

2.3.2 Dynamical Similarity Index<br />

Im Gegensatz zum Phasensynchronisationsindex ist der Dynamical Similarity Index<br />

ein univariates Verfahren, d. h. es wird nur das Signal eines EEG-Kanals betrachtet<br />

[20]. Die zugr<strong>und</strong>e liegende Idee besteht in dem Vergleich des jeweils aktuellen<br />

Datenfenster mit einem vorher ausgewählten Referenzfenster, welches weit von Anfällen<br />

entfernt liegt. Dabei werden die Daten nicht direkt verglichen, sondern anhand<br />

ihrer dynamischen Eigenschaften. Falls das aktuell vorliegende Datenfenster in seiner<br />

Dynamik dem Referenzfenster sehr ähnlich ist, liegt der Wert des normierten<br />

Similarity Index nahe 1, andernfalls eher bei 0. Für jeden EEG-Kanal, für den der<br />

Similarity Index ermittelt wird, ergibt sich eine neue Zeitreihe bzw. Feature. Für eine<br />

detailliertere Beschreibung des Similarity Index siehe Anhang A.2.<br />

2.4 Die „Seizure Prediction Characteristic“<br />

Die im vorherigen Abschnitt vorgestellten Indices zeigen für einige Patienten charakteristische<br />

Veränderungen in der präiktalen Phase, d. h. im Zeitraum vor den Anfällen.<br />

Zur Detektion dieser Veränderungen werden Schwellwerte benutzt, bei deren Überschreitungen<br />

Alarme 1 ausgelöst werden. In Abbildung 2.4 ist dies für den Phasensynchronisationsindex<br />

gezeigt, der aus den beiden abgebildeten EEG-Kanälen berechnet<br />

wurde. Vor dem markierten Anfall überschreitet der Index die eingezeichnete Schwelle<br />

a. Zur Optimierung des Vorhersagesystems muss für jeden Patienten ein bester<br />

Schwellwert ermittelt werden, bei deren Über- bzw. Unterschreitung Alarme ausgelöst<br />

werden, welche die Anfälle ankündigen. Dabei muss die Anzahl der korrekt vorhergesagten<br />

Anfälle maximiert, die Anzahl der Fehlalarme minimiert werden. Auÿerdem<br />

ist zu untersuchen, wie groÿ die Vorhersage-Zeitfenster sein müssen oder sein dürfen,<br />

um nützliche <strong>und</strong> signikante Vorhersagen treen zu können. Hierbei wurde im<br />

Rahmen der Diplomarbeit auf die Seizure Prediction Characteristic (engl. Seizure <br />

Anfall) zurückgegrien, mit der eine statistische Bewertung der Vorhersagemethoden<br />

möglich ist [21, 23, 24].<br />

Das Ziel der Vorhersagen ist es, vor den Anfällen eine Intervention zu ermöglichen, um<br />

die Anfälle unterdrücken zu können. Die Vorhersagemethode muss daher nach Auslösung<br />

eines Alarmes eine Interventionszeit beinhalten, damit z. B. Notfallmedikamente<br />

genommen werden <strong>und</strong> ihre Wirkung entfalten können. Während dieses Seizure Prediction<br />

Horizon (SPH ) darf kein Anfall eintreten, damit die Intervention ungestört<br />

durchgeführt werden kann.<br />

1<br />

Alarm: von ital. all'arme Zu den Waen<br />

12

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!