5. Strumenti: Il data mining
«Con il termine “data mining” si intendono tutte quelle tecniche atte ad estrarre
informazioni nascoste da un insieme vasto di dati; tali informazioni non sono
occultate o criptate ma, semplicemente, non direttamente visibili all’utente»
Tipi di mining:
Descrittivo, descrive e classifica i dati;
Predittivo, utilizza le informazioni ricavate dal mining descrittivo per cercare di
predire l’andamento futuro dei dati;
Perche servono?
La quantità di dati da analizzare è notevole in quanto un EEG si compone dei segnali
di 21 elettrodi, una seduta dura 30 minuti e il segnale ha una freq. di 500Hz quindi
una sola seduta genera di un solo paziente genera 900000 record di almeno 21
campi
Caratterizzazione Entropica di tracciati EEG epilettici mediante tecniche di data mining
11. EEG‐entropie‐mining
Clustering segnale «precrisi» di tutti i campioni – prima crisi
Estrazione del «precrisi» della prima crisi, preictal, e analisi con Clustering a due
classi su tutti i pazienti epilettici:
I valori calcolati sul campione N. 14 rispetto
alle entropie, in ordine:
P1M3,
P1M4,
P2M3,
P2M4
In rosso il segnale, in verde l’esordio crisi, in blu il
segnale classificato in una categoria differente
Caratterizzazione Entropica di tracciati EEG epilettici mediante tecniche di data mining
12. EEG‐entropie‐mining
Clustering segnale «precrisi» di tutti i campioni – crisi successive
Estrazione del «precrisi» delle crisi successive alla prima, interictal, e analisi con
Clustering a due classi su tutti i pazienti epilettici:
I valori calcolati sul campione N. 5 rispetto
alle entropie, in ordine:
P1M3,
P1M4,
P2M3,
P2M4
In rosso il segnale, in verde l’esordio crisi, in blu il
segnale classificato in una categoria differente
Caratterizzazione Entropica di tracciati EEG epilettici mediante tecniche di data mining