Uso de redes bayesianas obtenidas mediante optimización del enjambre de partículas para el diagnóstico de la hipertensión arterial
Título del documento: Uso de redes bayesianas obtenidas mediante optimización del enjambre de partículas para el diagnóstico de la hipertensión arterial
Revista: Investigación operacional
Base de datos: PERIÓDICA
Número de sistema: 000379153
ISSN: 0257-4306
Autores: 1
1
1
1
1
1
Instituciones: 1Universidad Central "Marta Abreu" de Las Villas, Centro de Estudios de Informática, Santa Clara, Villa Clara. Cuba
Año:
Volumen: 30
Número: 1
Paginación: 52-60
País: Cuba
Idioma: Español
Tipo de documento: Artículo
Enfoque: Analítico, descriptivo
Resumen en español En el presente trabajo se combinan diferentes técni cas de Inteligencia Artificial para modelar el diag nóstico de la Hipertensión arterial. La base de datos utilizada es el resultado de un estudio realizado con personas supuestamente sanas, en cinco policlínicos de la ciudad de Santa Clara. Una forma de modelar las relaciones entre las variables es usando una red del bayesiana. El costo computacional del aprendizaje de la estructura de una red bayesiana desde datos, crece con el número de variables y el número de casos. Por lo que surge el problema de identificar una buena heurística para explorar el espacio de posibles redes. Los algoritmos evolutivos son métodos muy valiosos para encontrar buenas soluciones en problemas concretos, por lo que se usa el algoritmo de Optimización de Enjambre de Partícula (PSO) para la búsqueda de la estructura de la red bayesiana. Se ha realizado una extensión a la plataforma Weka ( Waikato for Environment Knowledge Analysis ) y se utilizan métricas de score global para evaluar las soluciones. El nuevo algoritmo forma parte de la clase Bayesnet de Weka. Los resultados obtenidos muestran buenos resultados en la clasificación de la Hipertensión Arterial
Resumen en inglés In the present work, different Artificial Intellige nce techniques are combined to model the diagnosis of hypertensive people. To develop the work a data base of Arterial Hypertension was used, which is result of a preliminary study made in five polyclinics of Santa Clara city, with supposedly healthy individuals. One of the ways to model the relations between variables is using a Bayesian net work. The computational cost of the learning of a B ayesian network from data, grows with the number of variabl es and the number of cases, therefore, the problem of identifying a good heuristic to explore the space of possible networks arises. The evolutionary algorithms are being very valuable methods to find good solutions to concrete problems, that is why the Particle Swarm Optimization (PSO) algorithm is used for the network structure search. An extension to the Weak platform (Waikato for Environment Know ledge Analysis) was done, in which the new algorithm becomes part of the global score metrics implemented in the Bayesnet class in Weka. The obtained results show good classification of the Arterial Hypertension with Bayesian networks
Disciplinas: Matemáticas,
Ciencias de la computación,
Medicina
Palabras clave: Matemáticas aplicadas,
Programación,
Diagnóstico,
Hipertensión arterial,
Modelos bayesianos,
Algoritmos
Keyword: Mathematics,
Computer science,
Medicine,
Applied mathematics,
Programming,
Diagnosis,
Arterial hypertension,
Bayesian models,
Algorithms
Texto completo: Texto completo (Ver PDF)