Staffware, WebSphere MQ, FLOWer, FileNet, BPEL, BPMN, XPDL, UML 2.0 ADs und EPCs unterstützen dieses Muster. iPlanet erfordert, dass Prozesse einen eindeutigen Endknoten haben. COSA beendet eine Prozessinstanz, wenn ein bestimmter Typ von Endknoten erreicht wird. Die Begründung für dieses Muster ist, dass es den realistischsten Ansatz darstellt, um zu bestimmen, wann eine Prozessinstanz als vollständig bezeichnet werden kann. Dies ist der Fall, wenn keine Restarbeit als Teil davon erledigt werden muss und es nicht möglich ist, dass zu einem späteren Zeitpunkt Arbeitsaufgaben entstehen. Es ist erwähnenswert, dass einige Sprachen dieses Konstrukt nicht absichtlich anbieten: Das Muster der impliziten Beendigung macht es schwierig (oder sogar unmöglich), eine ordnungsgemäße Beendigung von Deadlock zu unterscheiden. Oft ist es nur durch die Untersuchung des Prozessprotokolls möglich zu bestimmen, ob ein bestimmter Fall tatsächlich abgeschlossen ist. Darüber hinaus sind Prozesse ohne explizite Endpunkte schwieriger in Kompositionen zu verwenden. Trennungen zwischen Strukturen im Gehirn sind seit langem als der Mechanismus hinter zahlreichen Krankheitszuständen und pathologischen Verhaltensphänotypen vermutet. Fortschritte in der diffusionsgewichteten Bildgebung (DWI) bieten die Möglichkeit, weiße Materie und damit die Konnektivität des Gehirns sehr detailliert zu untersuchen.

DWI-basierte Forschung bewertet weiße Materie in zwei verschiedenen Maßstäben: voxelwise Indizes der Anisotropie wie fraktionelle Anisotropie (FA) werden verwendet, um kleine Einheiten von Gewebe zu vergleichen und netzwerkbasierte Methoden vergleichen traktographische Modelle der Gesamthirnkonnektivität. Wir schlagen eine Methode namens Local Termination Pattern Analysis (LTPA) vor, die Informationen über lokale und globale Gehirnkonnektivität gleichzeitig berücksichtigt. LTPA unterteilt die Teilmenge von Stromlinien, die durch einen kleinen Satz weißer Materie-Voxel gehen. Das “lokale Beendigungsmuster” ist ein Vektor, der durch die Anzahl dieser Stromlinien definiert wird, die in Paaren kortikaler Regionen enden. Um die Zuverlässigkeit unserer Methode zu beurteilen, haben wir LTPA-Voxel für weiße Materie ausführlich eingesetzt, um vollständige Karten der lokalen Terminstrukturähnlichkeit zu erstellen, basierend auf DSI-Daten (Diffusion Spectrum Imaging) von 11 Personen in dreifacher Ausfertigung. Hier zeigen wir, dass lokale Abbruchmuster von einem Individuum im gesamten Gehirn sehr reproduzierbar sind. Wir diskutieren, wie LTPA in eine klinische Datenbank eingesetzt und verwendet werden kann, um die Unterschiede in der Morphologie weißer Materie aufgrund von Krankheits-, Entwicklungs- oder genetischen Faktoren zu charakterisieren. Ein Angebot erhält volle Unterstützung, wenn es möglich ist, mehrere Endknoten zu haben und das Verhalten dieser Knoten die Beschreibung für das Muster erfüllt. Um ein + Rating (direkte Unterstützung) oder ein +/- Rating (Teilunterstützung) zu erreichen, sollte das Produkt das entsprechende Bewertungskriterium des Musters erfüllen. Andernfalls wird eine – Bewertung (keine Unterstützung) zugewiesen. Ein Angebot erhält volle Unterstützung für dieses Muster, wenn es zeigt, dass es das Beschreibungs- und Kontextkriterium für das Muster erfüllen kann.

Cieslak, M., Grafton, S.T. Lokale Abschlussmusteranalyse: ein Werkzeug zum Vergleich der Morphologie weißer Materie. Brain Imaging and Behavior 8, 292–299 (2014). doi.org/10.1007/s11682-013-9254-z Wenn ein Angebot dieses Muster nicht direkt unterstützt, stellt sich die Frage, ob es ein Prozessmodell umsetzen kann, das auf dem Begriff der impliziten Beendigung entwickelt wurde.