Proceso de Validación: Python vs MATLAB - EPPA¶

Fecha: 2024-12-24 Responsable: Luis Arancibia (con asistencia de Claude)

Resumen Ejecutivo¶

Se migró exitosamente el sistema de evaluación postural EPPA de MATLAB a Python/FastAPI, validando que los cálculos producen resultados equivalentes.

1. Contexto Inicial¶

Problema Original¶

El sistema EPPA estaba implementado en MATLAB (archivos .m)
Se detectaron "datos locos" en la base de datos de evaluaciones
La Dra. Cristina Oleari identificó valores anómalos (ej: lordosis de 51 cm en vez de 5 cm)

Archivos MATLAB Originales¶

matlab/
├── InterfazMedicionFrenteJulio2024v2.m
├── InterfazMedicionEspaldaJulio2024v2.m
├── InterfazMedicionPerfilDerechoJulio2024.m
└── InterfazMedicionPerfilIzquierdoJulio2024.m

2. Análisis de "Datos Locos"¶

2.1 Errores de Coma Decimal (x10)¶

Se encontraron 4 casos donde los valores estaban multiplicados por 10:

Evaluado	Evaluador	Variable	Original	Corregido
3	4	Tangentes Dorso-Sacro	45.73 cm	4.57 cm
3	4	Lordosis lumbar	51.35 cm	5.14 cm
6	8	Tangentes Dorso-Sacro	43.48 cm	4.35 cm
6	8	Lordosis lumbar	49.13 cm	4.91 cm

2.2 Causa Raíz Identificada¶

Analizando el código MATLAB, descubrimos que:

La Lordosis Lumbar es CALCULADA automáticamente, no ingresada manualmente:

% InterfazMedicionPerfilDerechoJulio2024.m, línea 672
DistanciaApexSacro = handles.FC * (XAPEXLUMBAR - handles.Xsacro);

El código espera el nombre exacto "Punto Sacro":

switch handles.lista
    case 'Punto Sacro'
        handles.Xsacro = x1;  % Solo se asigna si el nombre es EXACTO

Los evaluadores usaron nombres alternativos:
Usaron: "Espina Ilíaca Posterosuperior"
El código esperaba: "Punto Sacro"
Resultado: Xsacro quedó en 0, inflando los valores

2.3 Inconsistencias de Signo¶

Se encontraron 19 casos de signos inconsistentes entre evaluadores. Causa: cuando el ángulo está cerca de 180°, diferencias de 1-2 píxeles en la posición del marcador cambian el signo del resultado.

3. Implementación Python¶

3.1 Módulo de Cálculos (`calculations.py`)¶

Traducimos todas las fórmulas de MATLAB a Python:

# Factor de Calibración
def calculate_fc(p1, p2, known_distance=10.0):
    d12 = math.sqrt((p1[0]-p2[0])**2 + (p1[1]-p2[1])**2)
    return known_distance / d12

# Ángulo entre vectores (producto punto)
def calculate_angle_between_vectors(a, b):
    dot_product = a[0]*b[0] + a[1]*b[1]
    norm_a = math.sqrt(a[0]**2 + a[1]**2)
    norm_b = math.sqrt(b[0]**2 + b[1]**2)
    cos_angle = dot_product / (norm_a * norm_b)
    return math.degrees(math.acos(cos_angle))

# Lordosis Lumbar
def calc_lordosis_lumbar(apex_lumbar, punto_sacro, fc, is_perfil_derecho=True):
    if is_perfil_derecho:
        dist = fc * (apex_lumbar[0] - punto_sacro[0])
    else:
        dist = fc * (punto_sacro[0] - apex_lumbar[0])
    # ... diagnóstico según rangos

3.2 API FastAPI (`main.py`)¶

Creamos endpoints que procesan archivos .mat y calculan métricas:

@app.post("/processMatFile")
async def process_mat_file(file: UploadFile, fc: float = Query(0.1)):
    """
    Sube un archivo .mat y calcula todas las métricas automáticamente.
    Detecta la vista y aplica los cálculos correspondientes.
    """

3.3 Vistas Implementadas¶

Vista	Métricas Calculadas
Frente	Inclinación cabeza, hombros, pelvis, Ángulo Q
Posterior	Inclinación cabeza, Ángulo calcáneo
Perfil Derecho	Ubicación sagital cabeza, Lordosis lumbar, Ángulo codo/rodilla
Perfil Izquierdo	Igual que Perfil Derecho (con signos ajustados)

4. Validación¶

4.1 Script de Validación (`validation/validate_calculations.py`)¶

Procesa todos los archivos .mat de pacientes y muestra los cálculos:

python validation/validate_calculations.py

4.2 Tests Automatizados (`tests/test_eppa_api.py`)¶

9 tests que verifican: - API health check - Calibración de grid - Procesamiento de las 4 vistas - Rangos de valores razonables - Consistencia entre pacientes

pytest tests/test_eppa_api.py -v
# Resultado: 9/9 PASSED

4.3 Datos de Prueba¶

Pacientes correctos (sin errores): - Ana Lucia Zanellatto (post-tratamiento) - Delfina Nastrun - Gisella Brundo (pre-tratamiento) - Simona Diab

Pacientes con datos locos (errores corregidos): - Evaluado 3, Evaluador 4 - Evaluado 6, Evaluador 8

5. Archivos Generados¶

000079-eppa/
├── calculations.py          # Fórmulas MATLAB → Python
├── main.py                  # API FastAPI actualizada
├── docs/
│   ├── DATOS-LOCOS.md       # Análisis de errores
│   └── PROCESO-VALIDACION.md # Este documento
├── validation/
│   ├── fix_crazy_data.py    # Detector/corrector de errores
│   ├── validate_calculations.py # Validación Python vs MATLAB
│   ├── crazy_data_report.txt
│   └── crazy_data_analysis.json
├── tests/
│   └── test_eppa_api.py     # Tests automatizados
└── datos-labis/
    ├── Base completa- CORREGIDA.xlsx
    ├── Ejemplos datos locos/
    └── Ejemplos pacientes correctos/

6. Conclusiones¶

Migración exitosa: Los cálculos de Python producen resultados equivalentes a MATLAB
Causa raíz identificada: Los errores x10 fueron por nombres de marcadores no reconocidos
Validación completa: 9/9 tests pasando con datos reales de pacientes
Documentación: Todo el proceso está documentado para referencia futura

7. Recomendaciones para el Software MATLAB¶

% Agregar alias para nombres de marcadores
case {'Punto Sacro', 'Espina Ilíaca Posterosuperior', 'EIPS'}
    handles.Xsacro = x1;

8. Comandos Útiles¶

# Ejecutar API
uvicorn main:app --reload

# Ejecutar tests
pytest tests/test_eppa_api.py -v

# Validar cálculos
python validation/validate_calculations.py

# Detectar datos locos
python validation/fix_crazy_data.py

# Corregir datos locos
python validation/fix_crazy_data.py --fix

Última actualización: 2024-12-24