Sistema de diagnóstico de enfermedades de vías urinarias

Norma Natalia Rubín Ramírez, Daniel Martín Preciado Ibarra, Ángel Ríos Chávez, Irving Aldahyr Marín Bautista

Resumen


Este artículo se centra en el desarrollo de esquemas de diagnóstico automático y flexible. Para ello se exploran diferentes alternativas capaces de utilizar eficientemente la información de un grupo de casos “etiquetados” para el diagnóstico de enfermedades de vías urinarias que se distinguen en dos tipos de infecciones: Inflamación aguda de la vejiga y Nefritis aguda. Este tipo de herramientas de diagnóstico sirven para la detección a tiempo de dichas enfermedades. En este artículo para realizar la separación de este tipo de infecciones se han explorado diferentes tipos de algoritmos de clasificación como M5P, RepTree, KStar, MultiplayerPerceptron y M5Rules, además del algoritmo K-Medias que el autor original utilizó en su artículo “Application of Rough Sets in the Presumptive Diagnosis of Urinary System Diseases” (J. Czerniak, 2003). La eficiencia de los algoritmos mencionados se puede determinar a través de la evaluación de la calidad de clasificación mediante la tasa de error, la rapidez en clasificar, la interpretabilidad y la simplicidad del algoritmo.

Texto completo:

315-326 PDF

Referencias


(s.f.). Obtenido de UCI Repository Data Sets : http://archive.ics.uci.edu/ml/index.html

Basilio, S. A. (2006). Aprendizaje Automático: conceptos básicos y avanzados, aspectos prácticos utilizando software WEKA. Pearson.

J. Czemik, H. Z. (2003). Application of rough sets in the presumptive diagnosis of Urinary System Diseases Artificial Inteligence and Security in Computing Systems. ACS 2002 9th International Conference Proceedings (pág. 41). Kluwer Academic Publishers 2003.

Navidi, W. (2006). Estadística para Ingenieros. MC Graw Hill.

Pajares, M. G. (2010). Aprendizaje Automático un Enfoque Práctico. RAMA.

S., A. G. (2012). Inteligencia Artificial. RC LIBROS.

W. Mendelhall, R. J. (2010). Introducción a la Probabilidad y Estadística. Cengage Learning .

Weka Software GNU . (s.f.). Obtenido de http://www.cs.waikato.ac.nz/ml/weka/.


Enlaces refback

  • No hay ningún enlace refback.




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

Licencia Creative Commons    Pistas Educativasa está bajo la Licencia Creative Commons Atribución 3.0 No portada.