Analýza anotací epileptických záchvatů

Abstract

V rámci práce byl vytvořen modul, který umožňuje analýzu anotací epileptických záchvatů. Analýza by mohla sloužit jako technika na určení umístnění epileptogenní zóny. Modul analýzy je součástí již vyvíjeného nástroje ASTEP, který slouží pro účely Nemocnice Na Homolce. Pro analýzu dat se využívá technika dolování dat zvaná Asociační pravidla. Práce obsahuje teoretický popis způsobu dobývání asociačních pravidel a sekvenčních vzorů (pravidel). Součástí teoretického popisu je i rozbor, který umožní pracovat při analýze s hodnotami sensitivita a specificita. V rámci implementace se pracuje s databází, která obsahuje anotace epileptickýh záchvatů. Databáze se průběžně rozšiřuje. Program ASTEP je vytvořen v Javě a stejně tak i modul umožňující analýzu. Analýza je naprogramovaná v jazyce R s využitím balíčků arules a arulesSequences. Propojení jazyku Java a R je dosaženo prostřednictvím knihovny JRI (Java/R Interface). Součástí práce je návrh dobývání sekvenčních vzorů v jazyce R. Poslední část práce obsahuje ověření implementace modulu i samotné analýzy dat. Výsledky obsahují počty získaných pravidel při ruzných vstupních podmínkách a hodnotí možnost využití sensitivity a specificity.The aim of this thesis is to create the epileptic seizure analysis. This analysis might serve as a technique for finding the location of the epileptic zone. This add-on is part of already-made tool ASTEP, that was developed for purposes of Na Homolce hospital. Data analysis uses the technique called association rules mining. This paper contains theoretical description of association rules mining and sequence pattern mining method. Theoretical description contains analysis that enables using values sensitivity and specificity during process of rules generating. The implementation uses database containing annotation of epileptic seizures. This database is continuously growing. ASTEP is developed in Java programming language and so is the module enabling the analysis. Analysis is created in R programming language using arules and arulesSequences packages. Connection between Java is created through JRI library. Within the analysis, a proposition of sequence pattern mining was created in R programming language. The last part of this paper documents the proof of implementation both module and data analysis. Results contain numbers of extracted rules with various input constraints and evaluate the possibility of sensitivity and specificity usage.