INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Kapitel 3 Konzeptioneller <strong>Entwurf</strong> der Software-Umgebung<br />
Je nach Anforderung erzeugt die Klasse PatientAnalyzer z. B. ein Objekt der Klasse<br />
MedianSmoother, über dessen Operation ProcessDataBlock() die Median-Glättung für<br />
einen Datenblock vorgenommen werden kann. Nach der Erzeugung spricht es das<br />
Objekt jedoch nur noch über das DataProcessor-Interface an, wie auch weitere benötigte<br />
Filter, so dass durch die einheitliche Einbindung der Filteralgorithmen von<br />
deren Details abstrahiert wird. Für die Benutzung neuer Filtertypen sind daher keine<br />
Änderungen am PatientAnalyzer notwendig.<br />
3.3.4 Durchführung der Analyse für Daten eines Patienten<br />
Zum Starten <strong>und</strong> Steuern der zu analysierenden Vorhersagemethoden mit den Daten<br />
eines einzelnen Patienten ist die Klasse PatientAnalyzer vorgesehen. Von dieser werden<br />
spezische Patienten-Parameter eingelesen, <strong>und</strong> die Daten des Patienten bestimmt,<br />
welche über die Klasse DataReader (siehe 3.3.3.1) gelesen werden können. Hierbei<br />
müssen die Daten auf bestimmte Zeitabschnitte beschränkt werden können.<br />
Von der Klasse PatientAnalyzer werden sequentiell die gewünschten Zeitblöcke eingelesen,<br />
<strong>und</strong> anschlieÿend von den kongurierten Vorverarbeitungsmethoden verarbeitet.<br />
Entsprechend der ausgewählten Art der Vorhersage muss von PatientAnalyzer die<br />
Klasse eingeb<strong>und</strong>en werden, welche von PredictionAnalyzer abgeleitet diese Vorhersagemethode<br />
implementiert. Die vorverarbeiteten Daten werden über die Funktion<br />
AnalyzeNewBlock() der Vorhersagemethode übergeben, die daraufhin die Analyse des<br />
Datenblocks beginnt.<br />
3.3.5 <strong>Entwurf</strong> von Vorhersagemethoden<br />
Als Vorhersagemethoden werden Algorithmen zur Prädiktion epileptischer Anfälle<br />
bezeichnet, welche gemäÿ Abschnitt 2.4 eine Intervention ermöglichen. Diese beinhalten<br />
Methoden, um aus den aufgezeichneten Daten charakteristische Kenngröÿen<br />
zu bestimmen, anhand derer Vorhersagen getroen werden können. Da das Programm<br />
SeizureAnalyzer auf den bereits berechneten Feature-Daten arbeitet, kann von den<br />
Verfahren der Zeitreihenanalyse abstrahiert werden. Das Programm muss zur Verarbeitung<br />
der Features passend konguriert werden, um diese einlesen <strong>und</strong> auswerten<br />
zu können.<br />
28