Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for subject:(Multivariate Signalextraktion). One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Lanius, Vivian. Statistische Extraktion relevanter Information aus multivariaten Online-Monitoring-Daten der Intensivmedizin.

Degree: 2005, Universität Dortmund

In dieser Dissertation wird mit Hilfe multivariater statistischer Verfahren untersucht, wie im Online-Monitoring in der Intensivmedizin klinisch relevante Information aus Beobachtungen für Variablen des Herz-Kreislaufsystems extrahiert werden kann. Insbesondere ist eine Reduktion der erhobenen Daten auf wesentliche Informationen angestrebt. Zur Bearbeitung der Fragestellung werden zunächst dimensionsreduzierende Verfahren für multivariate Zeitreihen, wie Techniken der statischen und dynamischen Faktoranalyse bzw. Hauptkomponentenanalyse, herangezogen und hinsichtlich einer Anwendung im Intensivmonitoring diskutiert. Es wird gezeigt, dass sich die intensivmedizinischen Zeitreihen aufgrund von ausgeprägten strukturellen Mustern, wie Trends, spontanen Niveauänderungen und Ausreißern, global nicht durch ein einziges Modell beschreiben lassen. Faktoranalytische Ansätze sind nicht geeignet, da eine vernünftige Modellanpassung an die Daten nur lokal möglich ist und dabei meist sehr aufwendig ist. Für die Überwachung hochkomplexer physiologischer Vorgänge in Echtzeit werden möglichst einfache Methoden benötigt, die interpretierbare Rückschlüsse auf den Zustand der Patienten ermöglichen. Wenige gemeinsame statische Hauptkomponenten der hämodynamischen Beobachtungen erfassen bei einer guten Interpretierbarkeit einen größeren Anteil der Gesamtvarianz als eine subjektive Variablenselektion, enthalten jedoch nicht notwendigerweise kontinuierlich sämtliche klinisch relevante Information. Einen nützlichen Ansatz zur Informationsextraktion aus multivariaten hämodynamischen Zeitreihen bieten multivariate Signalextraktionsverfahren. In einem ersten Schritt werden hierbei glatte Signale, die die klinisch relevanten Strukturänderungen der Zeitreihen enthalten, von Beobachtungsrauschen und Artefakten getrennt. So werden die aufgezeichneten Monitor-Daten auf wesentliche Informationen reduziert. Aufgrund der diskreten Messung der klinischen Variablen ist eine lokale Anwendung von bekannten, affin äquivarianten und hochrobusten Regressionstechniken auf kleine Stichproben in jedem Zeitfenster im Online-Monitoring nicht möglich. Daher wird eine neue multivariate Signalextraktionsprozedur vorgeschlagen, die für die vorliegenden Daten eine praktikable Lösung darstellt. Die extrahierten Signale geben kontinuierlich Aufschluss über das lokale Niveau der betrachteten Vitalparameter, eine klinisch relevante Information. Zusätzlich können die in den Zeitreihen gefundenen lokalen Strukturen weiter genutzt werden, um schließlich mit Hilfe medizinischen Wissens Aussagen über den Zustand eines Intensivpatienten zu treffen.

This doctoral thesis is concerned with online monitoring data from intensive care medicine. The problem under investigation is the extraction of clinically relevant information from haemodynamic vital parameters by means of multivariate statistical methods. First, statistical methods for dimension reduction of multivariate time series, such as static and dynamic factor analysis or principal components analysis, are used. These are…

Advisors/Committee Members: Gather, U..

Subjects/Keywords: Dimension reduction; Dimensionsreduktion; Multivariate signal extraction; Multivariate Signalextraktion; Online monitoring; Online-Monitoring; Robust; Robust; Time series; Zeitreihen; 510

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Lanius, V. (2005). Statistische Extraktion relevanter Information aus multivariaten Online-Monitoring-Daten der Intensivmedizin. (Thesis). Universität Dortmund. Retrieved from http://hdl.handle.net/2003/20170

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Chicago Manual of Style (16th Edition):

Lanius, Vivian. “Statistische Extraktion relevanter Information aus multivariaten Online-Monitoring-Daten der Intensivmedizin.” 2005. Thesis, Universität Dortmund. Accessed December 05, 2019. http://hdl.handle.net/2003/20170.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

MLA Handbook (7th Edition):

Lanius, Vivian. “Statistische Extraktion relevanter Information aus multivariaten Online-Monitoring-Daten der Intensivmedizin.” 2005. Web. 05 Dec 2019.

Vancouver:

Lanius V. Statistische Extraktion relevanter Information aus multivariaten Online-Monitoring-Daten der Intensivmedizin. [Internet] [Thesis]. Universität Dortmund; 2005. [cited 2019 Dec 05]. Available from: http://hdl.handle.net/2003/20170.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Council of Science Editors:

Lanius V. Statistische Extraktion relevanter Information aus multivariaten Online-Monitoring-Daten der Intensivmedizin. [Thesis]. Universität Dortmund; 2005. Available from: http://hdl.handle.net/2003/20170

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

.