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

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

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

Das Zeitfenster, innerhalb dessen anschlieÿend der Anfall erwartet wird, ist die Seizure<br />

Occurence Period (SOP) siehe auch Abbildung 2.5. Bei einer echten Anwendung,<br />

bei der die Daten in Echtzeit ausgewertet <strong>und</strong> Alarme ausgelöst werden, muss<br />

während dieses Zeitraumes die Intervention wirken, um den vorhergesagten Anfall<br />

zu unterdrücken. Jedoch können bisher nur bereits vorhandene Daten ausgewertet<br />

werden. Da für diese aber bekannt ist, zu welchen Zeitpunkten Anfälle eingetreten<br />

sind, ist es möglich, die Vorhersagemethoden sowohl für die Vorhersage dieser Anfälle<br />

zu trainieren, als auch sie zu testen.<br />

Im Falle der retrospektiven Auswertung der Daten wird ein Alarm dann als korrekt<br />

deniert, wenn der dem Alarm folgende Zeitraum der Länge SPH anfallsfrei ist,<br />

<strong>und</strong> anschlieÿend während des Zeitfensters SOP der erwartete Anfall eintritt. Falls<br />

sich während des SOP-Fensters kein Anfall ereignet, so ist der Alarm als Fehlalarm<br />

einzuordnen.<br />

Ein zentrales Kriterium zur Bewertung einer Vorhersagemethode ist seine Sensitivität,<br />

d. h. der Anteil der korrekt vorhergesagten Anfälle an der Gesamtzahl aller eingetretenen<br />

Anfälle. Zur sinnvollen Bewertung der Vorhersageleistung muss die Sensitivität<br />

jedoch zusammen mit der erzielten Spezität betrachtet werden, die als Anzahl der<br />

falsch positiven Alarme (pro Zeiteinheit) deniert wird. Insbesondere bei aufwändigen<br />

Interventionen wird diese False Prediction Rate FPR für die klinische Akzeptanz<br />

entscheidend sein, da jeder Fehlalarm mit unnötigen Beeinträchtigungen einhergeht,<br />

<strong>und</strong> bei einer Häufung von falschen Vorhersagen auch die korrekten Alarme vom Patienten<br />

ignoriert würden. Daher muss eine maximale Fehlerrate FPR max eingeführt<br />

werden, die als noch tolerabel angesehen wird. Als eine obere Grenze für FPR max kann<br />

die mittlere Anfallshäugkeit angenommen werden, d. h. es dürfen in einem Zeitraum<br />

höchstens so viele Fehlalarme ausgelöst werden, wie auch Anfälle eintreten. Während<br />

der prächirurgischen Diagnostik liegt die Anfallshäugkeit im Mittel bei drei<br />

bis vier Anfällen pro Tag, bzw. bei ungefähr 0.15 Anfällen pro St<strong>und</strong>e. Dieser Wert<br />

hat sich für erste Abschätzungen der Leistungsfähigkeit von Vorhersageverfahren als<br />

sinnvoller Anhaltspunkt erwiesen [21].<br />

Zur Überprüfung der Aussagekraft einer Vorhersagemethode sollte sie auf ihre statistische<br />

Signikanz geprüft werden. Als signikant wird sie dann betrachtet, wenn die<br />

Methode sich als besser als eine rein zufällige Vorhersagemethode erweist. Zu diesem<br />

Zweck wurde ein Random Predictor deniert [24], bei dem von zufällig ausgelösten<br />

Alarmen ausgegangen wird. Viele dieser Alarme werden falsch sein, jedoch werden <br />

zufällig auch einige Alarme den Anfällen im korrekten Zeitraum vorausgehen, <strong>und</strong><br />

daher als richtige Vorhersage klassiziert werden. Dem Random Predictor wird wie<br />

auch der zu untersuchenden Vorhersagemethode eine maximale Fehlerrate FPR max<br />

zugestanden, was in Anhang A.3 ausgeführt ist.<br />

14

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!