MÉTODOS ESTATÍSTICOS MULTIVARIADOS PARA
ANÁLISE DA FUNÇÃO DA PRESSÃO
INTRACRANIANA.
Alexandre Souto Martinez*
Brenno Caeta...
Tensão (mV)
Obtenção da PIC
Tensão (mV) Pressão (mmHg)
Obtenção da PIC
Tensão (mV) Pressão (mmHg)
Obtenção da PIC
Séries temporais
relacionadas (STR)
Série temporal alvo
(STA)
Séries temporais relacionadas (STR)
- Pressão sanguínea arterial (PSA)
-Velocidade do fluxo sanguíneo cerebral (VFSC)
Ultr...
Base de dados
Medidas simultâneas: PSA,VFSC e PIC (446 amostras)
Modelo
Base de dados
Medidas simultâneas: PSA,VFSC e PIC (446 amostras)
Modelo
Base de dados
Medidas simultâneas: PSA,VFSC e PIC (446 amostras)
Modelo
Base de dados
Medidas simultâneas: PSA,VFSC e PIC (446 amostras)
Modelo
Resultados
Resultados
Novo dado de entrada:
Taxa de batimento cardíaco instantânea (BCI)
Novo dado de entrada:
Taxa de batimento cardíaco instantânea (BCI)
Estudo mais detalhado da capacidade de ajuste de
dados (fitting).
- Gráfico da medida de dissimilaridade para cada
combina...
-Teste de Friedman:Verifica se as diferenças das
medidas de dissimilaridades obtidas a partir de
diferentes dados de entra...
-Teste de Friedman:Verifica se as diferenças das
medidas de dissimilaridades obtidas a partir de
diferentes dados de entra...
-Teste de Friedman:Verifica se as diferenças das
medidas de dissimilaridades obtidas a partir de
diferentes dados de entra...
-Melhor performance possível.
Verifica o melhor resultado dentre todos os testes.
-Acurácia geral.
Média entre todos os casos.
Proposta:
Utilizar os dados da PICMI como
entrada do modelo.
Séries temporais
relacionadas (STR)
Série temporal alvo
(STA)
Séries temporais
relacionadas (STR)
Série temporal alvo
(STA)
-Ruído branco, obtido a partir de um experimento
com baixa relação sinal-ruído.
Problema: Determinação dos coeficientes:
Para determinar os coeficientes, compara-se os sinais modelados
com os medidos, através da função de dissimilaridade:
Para determinar os coeficientes, compara-se os sinais modelados
com os medidos, através da função de dissimilaridade:
Quan...
Para determinar os coeficientes, compara-se os sinais modelados
com os medidos, através da função de dissimilaridade:
Quan...
Otimização estocástica
-Algoritmo genético
-Recozimento simulado (simulated annealing)
+ funções de penalidade e de regularização que
dependem do problema.
Em suma: ...
-Introduzir “feedback” (retro alimentação)
Proposta:
-Introduzir “feedback” (retro alimentação)
Proposta:
Obrigado
IEA - I Workshop em pressão intracraniana - Parte 5
IEA - I Workshop em pressão intracraniana - Parte 5
IEA - I Workshop em pressão intracraniana - Parte 5
Próximos SlideShares
Carregando em…5
×

IEA - I Workshop em pressão intracraniana - Parte 5

470 visualizações

Publicada em

Evento organizado pelo IEA polo Ribeirão Preto.

Tema: I Workshop em pressão intracraniana

Palestra de Brenno Cabella e Alexandre Martinez

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
470
No SlideShare
0
A partir de incorporações
0
Número de incorporações
1
Ações
Compartilhamentos
0
Downloads
6
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

IEA - I Workshop em pressão intracraniana - Parte 5

  1. 1. MÉTODOS ESTATÍSTICOS MULTIVARIADOS PARA ANÁLISE DA FUNÇÃO DA PRESSÃO INTRACRANIANA. Alexandre Souto Martinez* Brenno CaetanoTroca Cabella I WORKSHOP EM PRESSÃO INTRACRANIANA Ribeirão Preto, 07 de outubro de 2011 Departamento de Física Faculdade de Filosofia Ciências e Letras de Ribeirão Preto Universidade de São Paulo * INCT – SistemasComplexos
  2. 2. Tensão (mV) Obtenção da PIC
  3. 3. Tensão (mV) Pressão (mmHg) Obtenção da PIC
  4. 4. Tensão (mV) Pressão (mmHg) Obtenção da PIC
  5. 5. Séries temporais relacionadas (STR) Série temporal alvo (STA)
  6. 6. Séries temporais relacionadas (STR) - Pressão sanguínea arterial (PSA) -Velocidade do fluxo sanguíneo cerebral (VFSC) Ultrassom doppler transcraniano Aparelhos tonométricos Série temporal alvo (STA) - Pressão intra-craniana (PIC)
  7. 7. Base de dados Medidas simultâneas: PSA,VFSC e PIC (446 amostras) Modelo
  8. 8. Base de dados Medidas simultâneas: PSA,VFSC e PIC (446 amostras) Modelo
  9. 9. Base de dados Medidas simultâneas: PSA,VFSC e PIC (446 amostras) Modelo
  10. 10. Base de dados Medidas simultâneas: PSA,VFSC e PIC (446 amostras) Modelo
  11. 11. Resultados
  12. 12. Resultados
  13. 13. Novo dado de entrada: Taxa de batimento cardíaco instantânea (BCI)
  14. 14. Novo dado de entrada: Taxa de batimento cardíaco instantânea (BCI)
  15. 15. Estudo mais detalhado da capacidade de ajuste de dados (fitting). - Gráfico da medida de dissimilaridade para cada combinação entrada-saída.
  16. 16. -Teste de Friedman:Verifica se as diferenças das medidas de dissimilaridades obtidas a partir de diferentes dados de entrada são estatisticamente significativas. Resultado: significativo (p<0.001)
  17. 17. -Teste de Friedman:Verifica se as diferenças das medidas de dissimilaridades obtidas a partir de diferentes dados de entrada são estatisticamente significativas. Resultado: significativo (p<0.001) -Generalidade do método; O modelo obtido a partir de um paciente pode descrever a dinâmica de outro paciente?
  18. 18. -Teste de Friedman:Verifica se as diferenças das medidas de dissimilaridades obtidas a partir de diferentes dados de entrada são estatisticamente significativas. Resultado: significativo (p<0.001) -Generalidade do método; O modelo obtido a partir de um paciente pode descrever a dinâmica de outro paciente? Uso do próprio banco de dados e aplica os modelos obtidos para diferentes pacientes.
  19. 19. -Melhor performance possível. Verifica o melhor resultado dentre todos os testes.
  20. 20. -Acurácia geral. Média entre todos os casos.
  21. 21. Proposta: Utilizar os dados da PICMI como entrada do modelo.
  22. 22. Séries temporais relacionadas (STR) Série temporal alvo (STA)
  23. 23. Séries temporais relacionadas (STR) Série temporal alvo (STA)
  24. 24. -Ruído branco, obtido a partir de um experimento com baixa relação sinal-ruído.
  25. 25. Problema: Determinação dos coeficientes:
  26. 26. Para determinar os coeficientes, compara-se os sinais modelados com os medidos, através da função de dissimilaridade:
  27. 27. Para determinar os coeficientes, compara-se os sinais modelados com os medidos, através da função de dissimilaridade: Quando tem valor mínimo. Portanto temos um problema de otimização com muitos mínimos.
  28. 28. Para determinar os coeficientes, compara-se os sinais modelados com os medidos, através da função de dissimilaridade: Quando tem valor mínimo. Portanto temos um problema de otimização com muitos mínimos. Solução: Otimização Estocástica
  29. 29. Otimização estocástica -Algoritmo genético
  30. 30. -Recozimento simulado (simulated annealing) + funções de penalidade e de regularização que dependem do problema. Em suma: tem-se um belo problema inverso! Otimização estocástica
  31. 31. -Introduzir “feedback” (retro alimentação) Proposta:
  32. 32. -Introduzir “feedback” (retro alimentação) Proposta:
  33. 33. Obrigado

×