INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...

Weitere Magazine

Empfehlungen

Info

Kapitel 3 Konzeptioneller Entwurf der Software-Umgebung ihrer Methodik Alarme aus. Vom Gesamtsystem wird dann ein Alarm signalisiert, wenn z. B. von allen beteiligten Methoden innerhalb eines vorgegebenen Zeitfensters Alarme ausgelöst wurden (logische UND-Verknüpfung). Unter der Annahme, dass die von den Vorhersagemethoden ausgelösten Fehlalarme unabhängig voneinander auftreten, könnte durch eine UND-Verknüpfung die Rate der Fehlalarme reduziert werden, während hingegen die Zahl der korrekt vorhergesagten Anfälle jenen der einzelnen Methoden entsprechen sollte. 3.1.4 Online-Vorhersage Bisher stehen zur Optimierung und Überprüfung der Vorhersagemethoden die Daten zur Verfügung, die im Zuge der prächirurgischen Diagnostik aufgenommen wurden (siehe 2.2). Da diese Aufzeichnungen retrospektiv vorliegen, ist eine Vorhersage in Echtzeit derzeit nur in einem Simulationsmodus möglich. Dennoch ist es wünschenswert, das Vorhersagesystem entsprechend zu gestalten, um in Form einer simulierten Online-Auswertung die praktische Durchführbarkeit von vielversprechenden Methoden zu testen und eventuell demonstrieren zu können. Hierbei dürfen nur Daten und Informationen aus der Gegenwart und Vergangenheit verwendet werden. 3.2 Der Analyse-Prozess Die Analyse von Methoden zur Vorhersage epileptischer Anfälle mit Hilfe retrospektiv vorliegender EEG-Aufzeichnungen gliedert sich in verschiedene Phasen. So sind als Erstes die Daten aufzubereiten, um aus diesen die charakteristischen Features berechnen zu können, welche anschlieÿend zur Vorhersage verwendet werden. Abschlieÿend müssen die Vorhersageergebnisse aufbereitet und ausgewertet werden. Es ist wünschenswert, den gesamten Analyseprozess möglichst durchgängig zu automatisieren, um systematische Auswertungen für breite Parameterbereiche leicht durchführen zu können. Die Analyse-Schritte sollten direkt aufeinander aufbauen und über Programmgrenzen hinweg die Informationen der bereits vorher gewonnenen Ergebnisse automatisch berücksichtigen. Dabei müssen die wesentlichen Kongurationsmöglichkeiten leicht angepaÿt werden können. In Abbildung 3.1 ist ein Überblick über den Analyse-Prozess sowie die beteiligten Informationen bzw. Daten dargestellt. Die Phasen des Prozesses werden im Folgenden besprochen. 20
3.2 Der Analyse-Prozess Patienten- Konfiguration Projekt- Konfiguration EEG Feature- Index- Berechnung Feature- Daten SeizureAnalyzer Zusatz- Informationen Vorhersage- Ergebnisse Auswertungen Abbildung 3.1: Überblick über den Analyseprozess: unter Berücksichtigung von zusätzlichen Informationen werden aus den EEG-Daten Features berechnet, die vom Programm SeizureAnalyzer zur Vorhersage-Analyse genutzt werden. Letztere führt das Programm entsprechend der Patienten- und Projekt-Konguration durch. Die ermittelten Ergebnisse können weiter ausgewertet werden, um z. B. mögliche Verbesserungen für die Feature-Berechnung zu untersuchen. 21
Seite 1: INSTITUT FÜR INFORMATIK DER LUDWIG
Seite 5: Zusammenfassung Für Epilepsiepatie
Seite 9 und 10: Inhaltsverzeichnis 1 Einleitung 1 1
Seite 11 und 12: Kapitel 1 Einleitung 1.1 Motivation
Seite 13 und 14: 1.3 Gliederung und Aufbau 1.3 Glied
Seite 15 und 16: Kapitel 2 Grundlagen 2.1 Epilepsie
Seite 17 und 18: 2.2 Erhobene Daten brochen werden,
Seite 19 und 20: 2.2 Erhobene Daten Abbildung 2.2: E
Seite 21 und 22: 2.3 Ermittlung charakteristischer Z
Seite 23 und 24: 2.4 Die Seizure Prediction Characte
Seite 25 und 26: 2.5 Zusammenfassung Beispielsweise
Seite 27 und 28: Kapitel 3 Konzeptioneller Entwurf d
Seite 29: 3.1 Zentrale Anforderungen die Vorh
Seite 33 und 34: 3.3 Entwurf des Analyseprogrammes S
Seite 43 und 44: 3.4 Zusammenfassung gebunden werden
Seite 45 und 46: Kapitel 4 Implementierung des „Se
Seite 47 und 48: 4.2 Konguration Um der Anforderung
Seite 49 und 50: 4.2 Konguration ˆ Jedes Patient-El
Seite 51 und 52: 4.2 Konguration Über die Elemente
Seite 53 und 54: 4.4 Module zur Vorhersage-Analyse b
Seite 55 und 56: 4.4 Module zur Vorhersage-Analyse w
Seite 57 und 58: 4.4 Module zur Vorhersage-Analyse M
Seite 59 und 60: 4.4 Module zur Vorhersage-Analyse
Seite 61 und 62: 4.5 Bereitstellung der Ergebnisse f
Seite 63 und 64: Kapitel 5 Auswertungen und Ergebnis
Seite 65 und 66: 5.2 Visualisierung der erzeugten Al
Seite 67 und 68: 5.3 Abhängigkeit der Sensitivität
Seite 69 und 70: 5.4 Kombination zweier Vorhersageme
Seite 71 und 72: 5.5 Lern- und Test-Ergebnisse Sensi
Seite 73 und 74: 5.5 Lern- und Test-Ergebnisse 100 8
Seite 75 und 76: Kapitel 6 Zusammenfassung und Ausbl
Seite 77 und 78: Anhang A Mathematische Herleitung d
Seite 79 und 80: A.2 Dynamical Similarity Index A.2
Seite 81 und 82:
A.3 Random Predictor ⎛ P binom, d
Seite 83 und 84:
Anhang B Verwendete XML-Formate B.1
Seite 85 und 86:
B.4 Ausgabeformat für die Vorhersa
Seite 87 und 88:
Anhang C Quellcode des PredictionSy
Seite 89 und 90:
25 if(state == InterIctal) { 26 sta
Seite 91 und 92:
Anhang D Technische Details der Imp
Seite 93 und 94:
Literaturverzeichnis [1] J.S. Ebers
Seite 95 und 96:
Literaturverzeichnis ings. Neurorep
Seite 97 und 98:
Literaturverzeichnis [43] M. Holzhe
Seite 99:
Danksagung Allen, die an der Entste
Alle anzeigen

INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...

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

Template löschen?

Als Template speichern?

INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...