INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ... INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
Kapitel 4 Implementierung des SeizureAnalyzer 4.5 Bereitstellung der Ergebnisse für weitere Auswertungen Für eine einheitliche Abspeicherung der ermittelten Ergebnisse der Vorhersage von einem Patienten wurde die Klasse PredictionResults entworfen, welche in Abbildung 4.1 auf Seite 36 gezeigt ist. In dieser Klasse werden die Ergebnisse abgelegt, welche für die verwendeten Vorhersageparameter erzielt wurden. Dies schlieÿt die Ergebnisse der Vorhersage-Optimierungen mit ein, wie z. B. das ermittelte optimale Feature. Zur Abspeicherung der Daten wurde neben einem nicht explizit strukturierten ASCII - Format auch ein XML-Format deniert. In diesem werden jeweils für einen Parametersatz von SPH , SOP und FPR max die für einen Patienten beobachteten Ergebnisse der Vorhersage gespeichert. Ein Beispiel ist unter Auistung 4.4 gezeigt, die Denition des Dokumententyps im Anhang B.4. Im Beispiel wurde für Werte von SOP = 30 Minuten bzw. 1800 Sekunden und FPR max = 0.15 Fehlalarme pro Stunde die Vorhersage für zwei verschiedene Interventionszeiträume SPH = 15 Minuten und 30 Minuten durchgeführt. Die Ergebnisse für einen Parametersatz sind jeweils über das Element PredictionResult zusammengefasst. Die Elemente UsedSeizures und InterIctalTime geben die Anzahl der verwendeten Anfälle an, sowie die Summe der Länge aller Zeiträume zwischen den Anfällen. Das Element Feature bestimmt eventuell optimierte Features, für das bei dem angegebenen Schwellwert (Threshold) eine gewisse Anzahl korrekter und inkorrekter Alarme ausgelöst wurden. Zusätzlich werden die erzielte Fehlerrate FPR und die Sensitivität ausgegeben, optional ferner die genauen Zeitpunkte der Alarme. Zeiten werden dabei immer als Sekundenwerte gespeichert, die Fehlerrate als Anzahl der Fehlalarme pro Stunde interiktaler Referenzzeit (siehe Abschnitt 3.3.5.1). Durch die Verwendung dieses denierten Formates zur eindeutigen Speicherung der Ergebnisse können diese leicht durch weitere Programme interpretiert werden, welche zur Aufbereitung der Vorhersage-Resultate verwendet werden. Und auch langfristig ist eine Auswertbarkeit der Daten von technischer Seite her gewährleistet. Um eine einfache und direkte Auswertung der Ergebnisse zu ermöglichen, wurden unter Benutzung des XML-Parsers XML4MAT [32] Funktionen zum Import der XML-Daten für das Mathematikpaket Matlab entwickelt. Darauf aufbauend konnten durch die Programmierung entsprechender Matlab-Funktionen verschiedene Methoden zur komfortablen Darstellung der erzielten Vorhersageresultate zur Verfügung gestellt werden. Diese erlauben eine automatisierte Aufbereitung der Ergebnisse. 50
4.5 Bereitstellung der Ergebnisse für weitere Auswertungen 1 2 3 23 4 436667 5 12 6 0.505 7 9 8 16 9 0.13190 10 0.39130 11 12 13 14 21 15 432667 16 34 17 0.620 18 13 19 17 20 0.14015 21 0.61904 22 23 Auistung 4.4: Beispiel für Vorhersage-Ergebnisse im XML-Format. Aufgelistet werden über das Element PredictionResult für jeweils einen Parametersatz (SPH , SOP und FPR max ) die Ergebnisse der durchgeführten Vorhersage (siehe Text). ✆ 51
- 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 und 30: 3.1 Zentrale Anforderungen die Vorh
- Seite 31 und 32: 3.2 Der Analyse-Prozess Patienten-
- Seite 33 und 34: 3.3 Entwurf des Analyseprogrammes S
- Seite 35 und 36: 3.3 Entwurf des Analyseprogrammes S
- Seite 37 und 38: 3.3 Entwurf des Analyseprogrammes S
- Seite 39 und 40: 3.3 Entwurf des Analyseprogrammes S
- Seite 41 und 42: 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: 4.4 Module zur Vorhersage-Analyse
- 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
Kapitel 4 <strong>Implementierung</strong> des SeizureAnalyzer<br />
4.5 Bereitstellung der Ergebnisse für weitere<br />
Auswertungen<br />
Für eine einheitliche Abspeicherung der ermittelten Ergebnisse der Vorhersage von<br />
einem Patienten wurde die Klasse PredictionResults entworfen, welche in Abbildung 4.1<br />
auf Seite 36 gezeigt ist. In dieser Klasse werden die Ergebnisse abgelegt, welche für<br />
die verwendeten Vorhersageparameter erzielt wurden. Dies schlieÿt die Ergebnisse der<br />
Vorhersage-Optimierungen mit ein, wie z. B. das ermittelte optimale Feature.<br />
Zur Abspeicherung der Daten wurde neben einem nicht explizit strukturierten ASCII -<br />
Format auch ein XML-Format deniert. In diesem werden jeweils für einen Parametersatz<br />
von SPH , SOP <strong>und</strong> FPR max die für einen Patienten beobachteten Ergebnisse<br />
der Vorhersage gespeichert. Ein Beispiel ist unter Auistung 4.4 gezeigt, die<br />
Denition des Dokumententyps im Anhang B.4. Im Beispiel wurde für Werte von<br />
SOP = 30 Minuten bzw. 1800 Sek<strong>und</strong>en <strong>und</strong> FPR max = 0.15 Fehlalarme pro St<strong>und</strong>e<br />
die Vorhersage für zwei verschiedene Interventionszeiträume SPH = 15 Minuten<br />
<strong>und</strong> 30 Minuten durchgeführt. Die Ergebnisse für einen Parametersatz sind jeweils<br />
über das Element PredictionResult zusammengefasst. Die Elemente UsedSeizures <strong>und</strong><br />
InterIctalTime geben die Anzahl der verwendeten Anfälle an, sowie die Summe der Länge<br />
aller Zeiträume zwischen den Anfällen. Das Element Feature bestimmt eventuell<br />
optimierte Features, für das bei dem angegebenen Schwellwert (Threshold) eine gewisse<br />
Anzahl korrekter <strong>und</strong> inkorrekter Alarme ausgelöst wurden. Zusätzlich werden die<br />
erzielte Fehlerrate FPR <strong>und</strong> die Sensitivität ausgegeben, optional ferner die genauen<br />
Zeitpunkte der Alarme. Zeiten werden dabei immer als Sek<strong>und</strong>enwerte gespeichert,<br />
die Fehlerrate als Anzahl der Fehlalarme pro St<strong>und</strong>e interiktaler Referenzzeit (siehe<br />
Abschnitt 3.3.5.1).<br />
Durch die Verwendung dieses denierten Formates zur eindeutigen Speicherung der<br />
Ergebnisse können diese leicht durch weitere Programme interpretiert werden, welche<br />
zur Aufbereitung der Vorhersage-Resultate verwendet werden. Und auch langfristig<br />
ist eine Auswertbarkeit der Daten von technischer Seite her gewährleistet.<br />
Um eine einfache <strong>und</strong> direkte Auswertung der Ergebnisse zu ermöglichen, wurden<br />
unter Benutzung des XML-Parsers XML4MAT [32] Funktionen zum Import der<br />
XML-Daten für das Mathematikpaket Matlab entwickelt. Darauf aufbauend konnten<br />
durch die Programmierung entsprechender Matlab-Funktionen verschiedene Methoden<br />
zur komfortablen Darstellung der erzielten Vorhersageresultate zur Verfügung<br />
gestellt werden. Diese erlauben eine automatisierte Aufbereitung der Ergebnisse.<br />
50