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