presentazione TESI

Università degli Studi di Bologna
Facoltà di ingegneria
Corso di Laurea in Ingegneria Gestionale
Tesi di laurea in Ricerca Operativa
Analisi del movimento in ambito clinico
basata sulla Logical Analysis of Data
( LAD )
Tesi di laurea di:
LINDA BATTILANI
20 marzo 2002
Relatore:
Chiar.mo Prof. Ing. DANIELE VIGO
Correlatori:
Chiar.mo Prof. Ing. ANGELO CAPPELLO
Ing. LORENZO CHIARI
1
SOMMARIO:
• Il piede piatto infantile
• L’Analisi Logica dei Dati ( LAD )
• La sperimentazione
20 marzo 2002
2
IL PIEDE PIATTO
• Mancanza dell’incurvatura fisiologica
centrale
• Scorretta distribuzione ponderale
20 marzo 2002
3
CLASSIFICAZIONE
Piede Piatto
Primario
Secondario
Piede Piatto
Piede Piatto
Lasso
Infantile
20 marzo 2002
4
Piede Piatto
Morfologico
20 marzo 2002
Funzionale
5
Visita del clinico:
Analisi del movimento:
• Test funzionali
• Il ciclo del cammino
• Esami radiografici
• Analisi cliniche
• Esame podoscopico
• La pedana dinamometrica
Classificazione
20 marzo 2002
6
ANALISI LOGICA dei DATI
• Sviluppata in ambito di Ricerca Operativa
• Si basa sull’impiego e utilizzo di funzioni
booleane e modelli di ottimizzazione
combinatoria
• Validità generale
• Possibilità di utilizzo e successo in
numerosi campi applicativi
20 marzo 2002
7
Dato un archivio di m osservazioni del
passato
Oi (xi1, xi2, …, xin)
Classificatore
LAD
f(x1, x2, …, xn)
Funzione classificatrice
20 marzo 2002
8
Data O* da classificare
f(O*) = 0
f(O*) = 1
Piattismo
Normalità
20 marzo 2002
9
APPLICAZIONE di LAD al piede
piatto infantile
20
120
5
10
90
0
0
100
Fy/W%
10
Fz/W%
Fx/W%
• DATI:
0
0
60
100
30
-5
-10
-10
-20
0
0
stance%
stance%
classe Fx(1) … Fx(20)
100
stance%
Fy(1) … Fy(20) Fz(1) …
Fz(20)
1
-1,89
-0,13
-2,31
3,14
22,13
17,86
0
0,81
-0,44
-3,20
3,52
24,38
17,92
20 marzo 2002
10
BINARIZZAZIONE
• LAD richiede valori binari degli attributi
Paziente Fxnum (1)
p1
0,81
p2
0,31
CTP
Paziente Fxbin (1)
Fx (1) >= 0,5
p1
1
p2
0
• Esistono due modalità di generazione dei cutting points
forniti dal software che applica LAD:
- Equal Intervals
- Equal Sizes
• E’ stata elaborata un’ulteriore modalità molto più efficiente:
ONE CUTTING POINT per PAIR
20 marzo 2002
11
SPERIMENTAZIONE
DATABASE 1
( 18 + 18 ) * 2 * 3 =
216 OSSERVAZIONI
DATABASE 2
( 26 + 26 ) * 2 * 3 =
312 OSSERVAZIONI
20 marzo 2002
12
RISULTATI: Database 1
• TEMPO di GENERAZIONE: 10 minuti
Da 13000 valori
nel database…
…a 40 patterns del
modello migliore
Errore
Minimo
LAD
Errore
Medio
LAD
Errore con
classificatore
tradizionale
( a 1 stadio )
3,2%
5,06%
5,5%
20 marzo 2002
Errore con
classificatore
tradizionale
( a 2 stadi )
13,4%
13
RISULTATI: Database 2
• TEMPO di GENERAZIONE: 270 minuti
Da 19000 valori
nel database…
…a 46 patterns del
modello migliore
Errore
Minimo
LAD
Errore
Medio
LAD
Errore con
classificatore
tradizionale
( a 1 stadio )
Errore con
classificatore
tradizionale
( a 2 stadi )
9,3%
13,23%
12,2%
17,6%
20 marzo 2002
14
CONCLUSIONI
20
120
5
10
90
0
0
100
Fy/W%
10
Fz/W%
Fx/W%
LAD consegue…
• buoni risultati in termini di errore totale di classificazione
• informazioni aggiuntive sulle features temporali più
significative
0
0
60
100
30
-5
-10
-10
-20
0
stance%
0
stance%
100
stance%
I tempi di calcolo e le prestazioni possono essere migliorati
realizzando delle implementazioni “ ad hoc”.
20 marzo 2002
15