Aplicación de algoritmos de clasificación para el análisis de tejido mamario y detección de cáncer de mama

José Rosario Villanueva Morales, José Jorge Lugo Rodríguez, Leonardo Landeros Vázquez, Daniel Omar Ramírez Buenrostro, Norma Verónica Ramírez Pérez

Resumen


La estrategia más efectiva para reducir la mortalidad por cáncer es la detección precoz, unida a actividades de prevención primaria y promoción de hábitos de vida saludables. El cáncer de mama es una patología difícilmente previsible en sus causas, puesto que la mayoría de los factores de riesgo conocidos son la edad, paridad, historia familiar de cáncer de mama, los cuales no son modificables y la disminución de las tasas de mortalidad estaría en su diagnóstico precoz. El presente artículo describe como con ayuda de algoritmos de clasificación se puede aplicar el método de espectroscopia para que pueda realizar una detección oportuna de cáncer de mama, para realizarlo se utilizaron algoritmos de clasificación supervisada. Los datos fueron obtenidos de la base de datos “Breast Tissue” donada por INEB-Instituto de Engenharia Biomédica alojados en el repositorio UCI, con la finalidad de ver el comportamiento de los algoritmos en cuanto a la tasa de error, tiempo de ejecución y realizar una comparación de los resultados obtenidos del autor original J. Estrela da Silva, J. P. Marques de Sá. [7]
Palabras clave: algoritmos de clasificación, cáncer de mama, espectroscopia.

Texto completo:

260-271 PDF

Referencias


Manuel Antolín Ayuso, Miguel Ángel Barcenilla Mancha . (SA). Minería de Datos: Intrusiones de Red, de Universidad Carlos III de Madrid Sitio web:

http://www.it.uc3m.es/jvillena/irc/practicas/07-08/IntrusionesDeRed.pdf.

De la Cruz mantilla, Azucena Sarai - Linares Valdivia, Juan Carlos. (2014). Diseño de un modelo computacional basado en algoritmos de agrupamiento para mejorar el tiempo de respuesta y la correspondencia de resultados de un sistema de búsqueda de información bibliográfica. de Universidad Nacional de Trujillo Sitio web: http://www.inf.unitru.edu.pe/revistas/2014/5.pdf.

ARNOLD, S.F. (SA). Distancia Euclidea. 2015, de UV Sitio web: http://www.uv.es/ceaces/multivari/cluster/d_euclidea.htm

Facultad de Matemática y Computación de la Universidad de Oriente (SA). Algoritmos de clasificación supervisada. 2015, de EcuRed Sitio web:

http://www.ecured.cu/index.php/Algoritmos_de_clasificaci%C3%B3n_supervisada

Facultad de Matemática y Computación de la Universidad de Oriente. (SA). Algoritmos de clasificación no-supervisada. 2015, de EcuRed Sitio web:

http://www.ecured.cu/index.php/Algoritmos_de_clasificaci%C3%B3n_supervisada

Geoffrey R. Norman, John E. De Burgh Norman, David L. Streiner, 1996, Bioestadistica,Harcourt.

JP Marques de Sá, (2000). Breast Tissue Data Set. 2015, de UCI Sitio web: http://archive.ics.uci.edu/ml/datasets/Breast+Tissue.

OpenCv. (SA). Random Trees, de OpenCv Sitio web:http://docs.opencv.org/modules/ml/doc/random_trees.html.

Miguel Martin Jiménez, Oncología-Cáncer de mama, Aran ediciones sl.

Scikit-learn developers. (2014). Naive Bayes. 2015, de scikit-learn Sitio web: http://scikit-learn.org/stable/modules/naive_bayes.html.


Enlaces refback

  • No hay ningún enlace refback.




URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Esta revista está bajo una Licencia Creative Commons Atribución 3.0 No portada.