1 / 10

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

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

chaim
Télécharger la présentation

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 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

  2. 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

  3. 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

  4. 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

  5. minimi quadrati regolarizzati X2 Y = F(X) RECIDIVA NO RECIDIVA X1 APPRENDIMENTO SUPERVISIONATO

  6. 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

  7. risultati e confronti • RLS - Errore di classificazione: 25% • modello clinico standard: soglie su ciascuno dei parametri • RLS semplificato - un modello per variabile

  8. analisi su enucleati

  9. analisi su enucleati: kaplan merer

  10. analisi su enucleati: cox proportional hazard model

More Related