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 5 Auswertungen <strong>und</strong> Ergebnisse<br />
dieser Aufzeichnungen können umfassende Überprüfungen der optimierten Vorhersagemethoden<br />
noch kaum durchgeführt werden, denn neben der Daten, welche für die<br />
Optimierung verwendet werden <strong>und</strong> möglichst viele Anfälle enthalten müssen, werden<br />
weitere lange Abschnitte zur Überprüfung benötigt.<br />
Um jedoch erste Schritte zu einer derartigen Validierung der Trainingsergebnisse zu<br />
ermöglichen, wurde als Teil des in Abschnitt 4.4.2 besprochenen Moduls zur Online-<br />
Vorhersage eine Klasse OnlinePredictionTester entwickelt, welche die Vorhersage aufgr<strong>und</strong><br />
vorher optimierter Parameter realisiert. Zur Aufteilung der Daten wurden diese<br />
in kurze Abschnitte über einige St<strong>und</strong>en geteilt, <strong>und</strong> zufällig für das Training oder<br />
den Test zur Verfügung gestellt. Dies erfolgte unter den Randbedingungen, dass beide<br />
eine ähnliche Gesamtzeitdauer der Daten, <strong>und</strong> eine ungefähr gleiche Anzahl an Anfällen<br />
enthielten. Um das Training <strong>und</strong> den Test mehrmals unabhängig voneinander<br />
durchzuführen, wurde die zufällige Aufteilung der Daten wiederholt vorgenommen.<br />
Dabei wurden die für jeden Patienten ermittelten Zeiträume über die Patienten-<br />
Kongurationsdatei des SeizureAnalyzer festgehalten. Das Programm wurde anschlieÿend<br />
auf den Trainingsdaten zur Optimierung der Vorhersage-Parametern verwendet,<br />
um diese in einem zweiten Schritt anhand der Testdaten zu überprüfen.<br />
Exemplarisch sind in Abbildung 5.5 die Ergebnisse für fünf Trainings- <strong>und</strong> Testläufe<br />
eines Patienten farbig kodiert gezeigt. Trotz der erwähnten Beschränkungen konnten<br />
bei diesem Patienten für zwei der fünf Läufe auf den Testdaten ähnliche Ergebnisse<br />
wie auf den Trainingsdaten beobachtet werden, während für zwei weitere Läufe die<br />
Ergebnisse auf eine Sensitivität von 0 einbrachen, <strong>und</strong> für einen Lauf zwar noch einige<br />
Anfälle vorhergesagt werden konnten, doch die Fehlerrate sich auf fast 0.3 Fehlalarme<br />
pro St<strong>und</strong>e verdoppelte.<br />
Abschlieÿend kann gesagt werden, dass in Zukunft vermehrt derartige Untersuchungen<br />
der optimierten Vorhersageparameter auf separaten Testdaten durchgeführt werden<br />
müssen, um zu überprüfen, ob die erzielten Ergebnisse auch auf unbekannten<br />
Daten erreicht werden können. Während dies bisher nur in wenigen Fällen möglich<br />
ist, wurden als Teil dieser Diplomarbeit die technischen Vorraussetzungen für zukünftige<br />
Kontrollen geschaen.<br />
62