Capitolo 1
Il lavoro che presentiamo in questa tesi è l’applicazione di un metodo ingegneristico ad un problema medico.
L’ingegneria può essere definita come l’applicazione delle scienze pure ed applicative. E’ l’insieme delle attività umane che, utilizzando le conoscenze derivanti dalle varie branche delle scienze fisiche, chimiche, economiche e mediche, si propone di risolvere problemi applicativi particolari, superando i limiti teorici dei modelli utilizzati. E’ l’anello di congiunzione tra il mondo della modellizzazione matematica e fisica e quello concreto dell’applicazione reale. In generale, l’ingegneria mette a disposizione i metodi per la produzione di un bene fisico, per lo sviluppo o il controllo di un processo.
All’inizio di un progetto di ingegneria, i tecnici progettisti devono comprendere i vincoli che condizionano il problema, sia esso la costruzione di un oggetto oppure un’applicazione più complessa.
I vincoli includono le risorse disponibili, le prospettive per il futuro ed i limiti fisici o tecnici. Attraverso la comprensione di tali vincoli, gli ingegneri lavorano per dedurre le specifiche ed i requisiti che un oggetto, un controllo o una soluzione devono possedere per essere prodotti od operare in un determinato campo.
Il metodo ingegneristico è un sistema genetico-fuzzy; generiamo un sistema inferenziale fuzzy (Fis) dai dati.
Il problema medico in analisi è il distiroidismo; la disfunzione tiroidea che analizzeremo nello specifico è la sindrome da bassa T3.
Come detto in precedenza, il metodo ingegneristico, tramite il quale analizzeremo i dati biomedici, è la progettazione di una base di regole fuzzy che combina informazioni numeriche e linguistiche in una struttura comune, detta sistema inferenziale fuzzy. La base di conoscenze per la progettazione del sistema inferenziale Fuzzy è l’insieme delle analisi biomediche, relative a pazienti in cui si cerca la presenza della sindrome da bassa T3. Successivamente procederemo all’applicazione di tecniche genetiche per l’ottimizzazione dei sistemi inferenziali fuzzy. Tramite tale metodo si procederà alla ricerca di eventuali relazioni tra le dimensioni che costituiscono le analisi biomediche e vedremo quali dimensioni influenzano maggiormente la classificazione di tale patologia ed infine faremo una selezione di tali dimensioni (con l’obiettivo di creare così un classificatore ottimo). Lo scopo dell’analisi quindi, è l’identificazione di queste relazioni sconosciute, provando a pre-processare i dati in diverse maniere (effettuando un’analisi preliminare, calcolando valori statistici come media, scarto quadratico medio ed effettuando normalizzazioni) e la classificazione della sindrome da bassa T3 applicando il software realizzato ai dati biomedici.
Introduciamo ora il lavoro svolto che presenteremo nei capitoli successivi.
Nel capitolo 2 effettuiamo un richiamo alla teoria utilizzata per la realizzazione del progetto ingegneristico ed alle funzioni di libreria che Matlab mette a disposizione per l’implementazione del software (Fuzzy Logic Toolbox e Genetic Algorithm and Direct Search Toolbox).
Nel capitolo 3 presentiamo il progetto che si vuole realizzare; introduciamo i concetti fondamentali per i quali viene realizzata la progettazione di una base di regole fuzzy che combina informazioni numeriche e linguistiche in una struttura comune. Successivamente procediamo con la presentazione di un metodo di ottimizzazione di tale base di regole attraverso tecniche genetiche. In seguito presentiamo l’applicazione di tali metodi alle analisi di dati biomedici. Nel capitolo 4 sviluppiamo i metodi illustrati nel capitolo precedente, Wang e Mendel e Magdalena, e illustriamo l’implementazione degli stessi.
Nel capitolo 5 documentiamo il test funzionale di sistema, in cui valutiamo i risultati raggiunti mediante dei dati di ingresso standard (come dataset per i test utilizzeremo “Iris” e “Structure of Wages”). Nel capitolo 6 analizziamo il problema medico che l’Unità Operativa IV di Medicina Interna AUOP-Pisa ci ha presentato. Facciamo dei cenni ai principi fisiologici delle disfunzioni tiroidee, cenni sulle patologie e ne presentiamo una possibile terapia; successivamente proponiamo un'analisi sul significato medico delle dimensioni che cosituiscono le analisi biomediche.
precedentemente progettati e sviluppati, alle analisi biomediche. Inizialmente effettuiamo un’analisi preliminare del dataset. Successivamente classifichiamo il dataset, verificando se il nostro sistema è in grado di riconoscere i pazienti malati e quelli sani.
In seguito effettuiamo una ricerca di eventuali relazioni tra le dimensioni del dataset, tenendo presenti anche alcune indicazioni dei medici dell’Unità Operativa IV di Medicina Interna
Verifichiamo l’esistenza di relazioni tra alcune dimensioni del dataset e la loro diversa influenza nella classificazione dei pazienti affetti dalla sindrome da bassa T3. Come benchmark del sistema, in questo capitolo, utilizziamo il Fuzzy C-Means. In conclusione selezioniamo le dimensioni che meglio si prestano alla caratterizzazione del classificatore, tramite l’applicazione del metodo della selezione degli ingressi ottimi, illustrato nel capitolo 4. La selezione degli ingressi ottimi è una variante al metodo di Magdalena, da noi effettuata, che ha lo scopo di ottimizzare il numero di dimensioni utili alla classificazione di un determinato problema.
Infine nel capitolo 8 presentiamo le conclusioni e gli sviluppi futuri. Analizziamo i risultati ottenuti al capitolo precedente e mostriamo la presenza di relazioni presenti nel dataset e l’importanza che alcune dimensioni hanno nella classificazione di tale patologia. Evidenziamo anche come sia possibile effettuare una classificazione di tale patologia tramite un numero ristretto di dimensioni.
In ultima analisi prospettiamo i risultati raggiunti ed i possibili sviluppi futuri di questo lavoro.
