20 marzo 2002 1

Università degli Studi di Bologna

Facoltà di ingegneriaCorso di Laurea in Ingegneria Gestionale

Tesi di laurea in Ricerca Operativa

Analisi del movimento in ambito clinicobasata sulla Logical Analysis of Data

( LAD )

Tesi di laurea di: Relatore:LINDA BATTILANI Chiar.mo Prof. Ing. DANIELE VIGO Correlatori: Chiar.mo Prof. Ing. ANGELO CAPPELLO Ing. LORENZO CHIARI

20 marzo 2002 2

SOMMARIO:

• Il piede piatto infantile

• L’Analisi Logica dei Dati ( LAD )

• La sperimentazione

20 marzo 2002 3

IL PIEDE PIATTO

• Mancanza dell’incurvatura fisiologica centrale

• Scorretta distribuzione ponderale

20 marzo 2002 4

CLASSIFICAZIONE

Piede Piatto

SecondarioPrimario

Piede Piatto

Infantile

Piede Piatto

Lasso

20 marzo 2002 5

Piede Piatto

FunzionaleMorfologico

20 marzo 2002 6

Analisi del movimento:• Il ciclo del cammino

• La pedana dinamometrica

Visita del clinico:• Test funzionali

• Esami radiografici

• Analisi cliniche

• Esame podoscopico

Classificazione

20 marzo 2002 7

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 8

Dato un archivio di m osservazioni del passato

Oi (xi1, xi2, …, xin)

LAD

f(x1, x2, …, xn) Funzione classificatrice

Classificatore

20 marzo 2002 9

Data O* da classificare

f(O*) = 0 f(O*) = 1

Piattismo Normalità

20 marzo 2002 10

APPLICAZIONE di LAD al piede piatto infantile

• DATI:

classe Fx(1) … Fx(20) 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

-10

-5

0

5

10

0 100

stance%

Fx/W%

-20

-10

0

10

20

0 100

stance%Fz/W%

0

30

60

90

120

0 100

stance%

Fy/W%

20 marzo 2002 11

BINARIZZAZIONE• LAD richiede valori binari degli attributi

• 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:

CTP

Fx (1) >= 0,5

Paziente Fxnum (1)

p1 0,81

p2 0,31

Paziente Fxbin (1)

p1 1

p2 0

ONE CUTTING POINT per PAIR

20 marzo 2002 12

SPERIMENTAZIONE

DATABASE 1

DATABASE 2

( 18 + 18 ) * 2 * 3 =

216 OSSERVAZIONI

( 26 + 26 ) * 2 * 3 =

312 OSSERVAZIONI

20 marzo 2002 13

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 )

Errore con classificatore

tradizionale

( a 2 stadi )

3,2% 5,06% 5,5% 13,4%

20 marzo 2002 14

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 15

CONCLUSIONILAD consegue…

• buoni risultati in termini di errore totale di classificazione

• informazioni aggiuntive sulle features temporali più significative

I tempi di calcolo e le prestazioni possono essere migliorati realizzando delle implementazioni “ ad hoc”.

-10

-5

0

5

10

0 100

stance%

Fx/W%

-20

-10

0

10

20

0 100

stance%

Fz/W%

0

30

60

90

120

0 100

stance%

Fy/W%