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 3 Konzeptioneller <strong>Entwurf</strong> der Software-Umgebung<br />
3.3.3 Datenverarbeitung<br />
3.3.3.1 Module zum Einlesen der Feature-Daten<br />
Wie im Abschnitt 2.3 erläutert, werden bei den betrachteten Vorhersagemethoden<br />
verschiedene charakteristische Features als Indikatoren für bevorstehende Anfälle berechnet<br />
<strong>und</strong> ausgewertet. Deren Anzahl <strong>und</strong> Art muss exibel gehalten werden, um<br />
neben den derzeit verwendeten auch zusätzliche einbinden zu können, bzw. um die<br />
Kombination mehrerer Features zu ermöglichen (siehe 3.1.3).<br />
Die abstrakten Eigenschaften der Datenquellen werden durch die Klasse DataSource<br />
gekapselt. Jede Datenquelle enthält dabei einen oder mehrere der Features. Mindestens<br />
eine Datenquelle muss angegeben werden, welche dann von der Klasse DataReader<br />
ausgelesen wird. Letztere enthält die nötigen Funktionen zum sequentiellen Lesen<br />
beliebig groÿer Datenblöcke. Hierbei muss auf eine sehr robuste Funktionsweise geachtet<br />
werden, um einen reibungslosen Betrieb sicherzustellen. Gelegentlich auftretende<br />
Probleme in den Daten, wie z. B. fehlende oder fehlerhafte Einträge, müssen<br />
automatisch erkannt werden, so dass eine anschlieÿende Fehlerbehandlung durchgeführt<br />
werden kann. Ferner müssen auch die Zeiträume angegeben werden können,<br />
für welche die Vorhersagemethoden angewandt oder ausgelassen werden sollen. Zum<br />
Beispiel erzeugen die als Teil der prächirurgischen Diagnostik durchgeführten Elektrostimulationen<br />
Artefakte in den EEG-Daten, welche die Ergebnisse verfälschen. Aus<br />
diesem Gr<strong>und</strong> dürfen die Zeiträume der Stimulationen inklusive einer Nachlaufzeit<br />
nicht in die Vorhersage-Analyse mit einbezogen werden. Die Implementation des Programmes<br />
muss daher möglichst anpassungsfähig sein, ohne jedoch Abstriche bei der<br />
Zuverlässigkeit der Datenverarbeitung zuzulassen.<br />
3.3.3.2 Vorverarbeitung<br />
Die berechneten Feature-Daten können nicht direkt für die Vorhersagen genutzt werden,<br />
sondern müssen vorverarbeitet werden. So müssen die Daten normalerweise geglättet<br />
werden, da sie zuviel Rauschen enthalten.<br />
Um generell verschiedenste Vorverarbeitungsverfahren einbinden zu können, wurde<br />
das Interface DataProcessor entworfen. Wie in Abbildung 3.3 dargestellt wird es von<br />
der Klasse PatientAnalyzer verwendet, um von DataProcessor abgeleitete Klassen zu<br />
benutzen, welche die Algorithmen zur Vorverarbeitung implementieren.<br />
26