ANALISI STATISITCA
This presentation is the property of its rightful owner.
Sponsored Links
1 / 10

Sofia MOSCI 1-2 ; annalisa BARLA 2 ; Alessandro VERRI 2 ; carlo MOSCI 3 PowerPoint PPT Presentation


  • 105 Views
  • Uploaded on
  • Presentation posted in: General

ANALISI STATISITCA DELLA RADIOTERAPIA CONSERVATIVA CON PROTONI NEL TRATTAMENTO DEI MELANOMI OCULARI MEDIANTE TECNICHE DI APPRENDIMENTO DA ESEMPI. Sofia MOSCI 1-2 ; annalisa BARLA 2 ; Alessandro VERRI 2 ; carlo MOSCI 3 1 DIFI - Università degli studi di Genova

Download Presentation

Sofia MOSCI 1-2 ; annalisa BARLA 2 ; Alessandro VERRI 2 ; carlo MOSCI 3

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Sofia mosci 1 2 annalisa barla 2 alessandro verri 2 carlo mosci 3

ANALISI STATISITCADELLA RADIOTERAPIA CONSERVATIVA CON PROTONI NEL TRATTAMENTO DEI MELANOMI OCULARI MEDIANTE TECNICHE DI APPRENDIMENTO DA ESEMPI

  • Sofia MOSCI1-2; annalisa BARLA2; Alessandro VERRI2; carlo MOSCI3

  • 1 DIFI - Università degli studi di Genova

  • 2 DISI - Università degli studi di Genova

  • 3 Istituto Nazionale per la Ricerca sul Cancro - Genova


Analisi statistica

analisi statistica

  • Oggetto: studio trattamento protonico melanoma coroideo

  • Metodo: modello multivariato tecniche di apprendimento statistico

  • Obiettivo: predizione corretta della recidiva su pazienti trattati

  • Dati: dati iniziali relativi al tumore


Dati pazienti con prognosi robusta

DATI: pazienti con prognosi “robusta”

  • 31 pazienti con recidiva documentata

  • 44 pazienti con follow-up maggiore di 7 anni, senza recidiva

  • totale di 75 pazienti


Rappresentazione dati

Rappresentazione dati

  • input: 5 caratteristiche

    • distanza del tumore dal disco ottico,

    • distanza del tumore dalla macula,

    • spessore del tumore,

    • diametro massimo del tumore,

    • età del paziente

  • output: recidiva -1 & non recidiva +1


Minimi quadrati regolarizzati

minimi quadrati regolarizzati

X2

Y = F(X)

RECIDIVA

NO RECIDIVA

X1

APPRENDIMENTO SUPERVISIONATO


Minimi quadrati regolarizzati1

minimi quadrati regolarizzati

  • training set: insieme di coppie di input, x = (x1,...,xd), e output, y

  • obiettivo: estrarre in modo automatico una funzione, y = f(x):

    • “best fit”: sui dati a disposizione

    • best prediction: sui dati futuri

  • nota: la relazione tra input e output è modellata come una somma pesata degli input.

  • nota2: la funzione ottimale è ottenuta minimizzando gli errori sul dataset

  • nota3: le proprietà di generalizzazione sono garantite dalla scelta con cross validation del parametro di regolarizzazione


  • Risultati e confronti

    risultati e confronti

    • RLS - Errore di classificazione: 25%

    • modello clinico standard: soglie su ciascuno dei parametri

    • RLS semplificato - un modello per variabile


    Analisi su enucleati

    analisi su enucleati


    Analisi su enucleati kaplan merer

    analisi su enucleati: kaplan merer


    Analisi su enucleati cox proportional hazard model

    analisi su enucleati: cox proportional hazard model


  • Login