INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
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