Open Access

As the amount of software source code increases, manual approaches for documentation or detection of software design patterns in source code become inefficient relative to the value. Furthermore, typical automatic pattern detection tools are limited to a single programming language. To address this, our Design Pattern Detection using Machine Learning (DPDML) offers a generalized and programming language agnostic approach for automated design pattern detection based on machine learning (ML). The focus of our evaluation was on ensuring DPDML can reasonably detect one design pattern in the structural, creational, and behavioral category for two popular programming languages (Java and C#). 60 unique Java and C# code projects were used to train the artificial neural network (ANN) and 15 projects were then used to test pattern detection. The results show the feasibility and potential for pursuing an ANN approach for automated design pattern detection.

Personalisierte A-Konstanten-Optimierung zur intraokularen Berechnung einer AcrySof SA60AT der Firma Alcon. Bei Kataraktoperationen werden künstliche Linsen implantiert. Die postoperative Brechkraft des Systems Brille-Auge wird mit verschiedenen IOL-Formeln berechnet. Jede Formel enthält eine A-Konstante, welche die Intraokularlinse repräsentiert. In dieser Arbeit geht es darum, die A-Konstante einer AcrySof SA60AT speziell auf den Operateur im Augenzentrum Maus zu optimieren. Dadurch erreicht man eine personalisierte Optimierung, die eine deutliche Verbesserung der postoperativen Refraktionsergebnisse bedeutet. Dies steht im Vergleich zur ULIB (User Group for Laser Interference Biometrie), die sich auch die Optimierung von A-Konstanten zur Aufgabe gemacht hat, jedoch allgemeine, optimierte Konstanten für alle Anwender der Gruppe anbietet. Diese allgemeinen Konstanten sind deutlich besser als die vom Hersteller angegeben, spiegeln jedoch nicht die individuellen Operationsmethoden wieder. In dieser Arbeit wird gezeigt, dass personalisierte, auf den Operateur abgestimmte, Konstanten die postoperativen Ergebnisse noch weiter verbessern. In dieser Studie wurde die A-Konstante bei 50 Patientenaugen optimiert und die Ergebnisse ohne und mit Optimierung ausgewertet. Verschieden lange Augen wurden selektiert, um festzustellen, bei welchen Augen die Optimierung den größten Vorteil bringt. Im Folgenden werden die Methode und die Ergebnisse dieser Untersuchung genauer dargestellt.