| Revista: | Computación y sistemas |
| Base de datos: | |
| Número de sistema: | 000560529 |
| ISSN: | 1405-5546 |
| Autores: | Reyes León, Patricio1 Salgado Ramírez, Julio César1 Velázquez Rodríguez, José Luis2 |
| Instituciones: | 1Universidad Politécnica de Pachuca, Pachuca, Hidalgo. México 2Instituto Politécnico Nacional, Centro de Investigación en Computación, Ciudad de México. México |
| Año: | 2020 |
| Periodo: | Jul-Sep |
| Volumen: | 24 |
| Número: | 3 |
| Paginación: | 1313-1325 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Resumen en español | Los modelos de cómputo inteligente aplicados a la medicina se han convertido en un área creciente de investigación en todo el mundo. En el presente artículo se presentan los resultados de una investigación documental que permite identificar los modelos de cómputo inteligente más importantes del estado del arte que se aplican en el pre-diagnóstico de enfermedades, así como un estudio de los algoritmos que representan a cada uno de estos modelos. Asimismo, mediante el uso de la plataforma WEKA y de los repositorios KEEL y UCI, se estudia el desempeño que exhiben esos clasificadores de patrones al ser aplicados en el pre-diagnóstico de algunas enfermedades crónicas de importancia en el contexto de la salud de los seres humanos. En particular, se prueban algoritmos representantes de los enfoques más apreciados en el área de la clasificación inteligente de patrones. En la parte experimental del presente artículo se aplicaron estos algoritmos de cómputo inteligente en bancos de datos de cáncer de mama, hipertiroidismo e hipotiroidismo. Los resultados que se derivaron de los experimentos muestran la superioridad del desempeño de las máquinas de soporte vectorial, del clasificador 1-NN y de la Lernmatrix tau 9. Los desempeños alcanzados permiten confirmar, con un alto grado de certeza, la utilidad de los modelos de cómputo inteligente en el pre-diagnóstico de enfermedades crónicas. |
| Resumen en inglés | Computational intelligence models applied to medicine have become a growing area of research around the world. This article presents the results of a documentary research that allows identifying the most important computational intelligence models of the state of the art that are applied in the pre-diagnosis of diseases, as well as a study of the algorithms that represent each of these models. In addition, using the WEKA platform and the KEEL and UCI repositories, the performance exhibited by these pattern classifiers when applied in the pre-diagnosis of some important chronic diseases in the context of human health is studied. In particular, algorithms representing the most appreciated approaches in the area of intelligent pattern classification are tested. In the experimental part of this article, these computational intelligence algorithms were applied in databases of breast cancer, hyperthyroidism, and hypothyroidism. The results that were derived from the experiments show the superiority of the performance of the vector support machines, the 1-NN classifier and the Lernmatrix tau 9. The performances achieved allow confirming, with a high degree of certainty, the usefulness of computational intelligence models in the pre-diagnosis of chronic diseases. |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Pre-diagnóstico, Enfermedades crónicas, Cómputo inteligente, Clasificación inteligente de patrones, WEKA, UCI, KEEL, Inteligencia artificial |
| Keyword: | Pre-diagnosis, Chronic diseases, Computational intelligence, Intelligent pattern classification, WEKA, UCI, KEEL, Artificial intelligence |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
