Ítem
Acceso Abierto

Análisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonar

Mostrar el registro sencillo de la publicación
dc.contributor.advisorOrjuela Cañón, Alvaro David
dc.creatorOrtiz Neira, Karina Alejandra
dc.creator.degreeIngeniero Biomédicospa
dc.creator.degreetypeFull timespa
dc.date.accessioned2020-05-26T19:48:28Z
dc.date.available2020-05-26T19:48:28Z
dc.date.created2020-05-22
dc.descriptionMediante las bases de datos que contienen información de pacientes diagnosticados con tuberculosis pulmonar, del hospital Santa Clara, se realizó una comparación de 3 algoritmos de agrupamiento basados en redes neuronales como lo son: los mapas autoorganizados, redes ART y redes Fuzzy Art, para concluir cual de éstos presenta mejor índice de agrupamiento brindando apoyo al diagnóstico de la enfermedad. Posterior a esto, se realiza la visualizaciòn del comportamiento de las neuronas que se activan respecto a la condiciòn de egreso del hospital, permitiendole al profesional de la salud disminuir el tiempo de observaciòn de todos su pacientes y enfocandose en aquellos con mayor riesgospa
dc.description.abstractUsing the databases that contain information from patients diagnosed with pulmonary tuberculosis, from the Santa Clara hospital, a comparison was made of 3 clustering algorithms based on neural networks such as: self-organized maps, ART networks and Fuzzy Art networks, to conclude Which of these presents the best grouping index, supporting the diagnosis of the disease. After this, the visualization of the behavior of the neurons that are activated with respect to the condition of discharge from the hospital is carried out, allowing the health professional to reduce the observation time of all his patients and focusing on those at higher riskspa
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_24369
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/24369
dc.language.isospaspa
dc.publisherUniversidad del Rosariospa
dc.publisher.departmentEscuela de Medicina y Ciencias de la Saludspa
dc.publisher.programIngeniería Biomédicaspa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombiaspa
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.source.bibliographicCitationWorld Health Organization WHO, “Global tuberculosis report 2019”spa
dc.source.bibliographicCitationTuberculosis. Disponible en:https://medlineplus.gov/spanish/tuberculosis.htmlspa
dc.source.bibliographicCitationTuberculosis. Disponible en: https://www.who.int/es/newsroom/factsheets/detail/tuberculosisspa
dc.source.bibliographicCitationI, N,S. Boletín epidemiológico semanal. Disponible en: https://www.ins.gov.co/buscadoreventos/BoletinEpidemiologico/2019%20Bolet%C 3%ADn%20epidemiol%C3%B3gico%20 semana%2011.pdfspa
dc.source.bibliographicCitationMetrosalud. Genexpert, una herramienta para el diagnóstico de la tuberculosis ahora en Metrosalud. Disponible en: http://www.metrosalud.gov.co/actualidad/noticias/genexpertuna-herramienta-parael-diagnostico-de-la-tuberculosis-ahora-en-metrosaludspa
dc.source.bibliographicCitationInstituto de ingeniería del conocimiento. Disponible en: https://www.iic.uam.es/lasalud/realidad-inteligencia-artificial-salud/spa
dc.source.bibliographicCitationLa IA predice un futuro más saludable para América Latina. Disponible en: https://www.scidev.net/america-latina/gobernanza/especial/la-ia-predice-unfuturo-massaludable-para-america-latina.comspa
dc.source.bibliographicCitationMachine learning. Disponible en: https://empresas.blogthinkbig.com/quealgoritmoelegir-en-ml-aprendizaje/spa
dc.source.bibliographicCitationK.R.Lakshmi, M.Veera Krishna, S.Prem Kumar: Utilization of Data Mining Techniques for Prediction and Diagnosis of Tuberculosis Disease Survivability. In: Modern Education and Computer Science Press (MECS Press), 2013. Pp. (8-17).spa
dc.source.bibliographicCitationCiampi , A,Lechevallier, Y, Brazil: Statistical Models and Artificial Neural Networks: Supervised Classification and Prediction Via Soft Trees.pp(275-283).spa
dc.source.bibliographicCitationAsha.T, S. Natarajan, and K.N.B. Murthy: A Data Mining Approach to the Diagnosis of Tuberculosis by Cascading Clustering and Classification.spa
dc.source.bibliographicCitationMahmoud, Reza S, Shahaboddin S, Shahram Golzari H, Teh Ying W, Saeed A, Mohamad Amin P, T Olariu. Diagnosing Tuberculosis With a Novel Support Vector MachineBased Artificial Immune Recognition System. 2015spa
dc.source.bibliographicCitationNavneet,Walia, Harsukpreet,Singh Sharad, Kumar Tiwari,Anurag Sharma: A Decision Support System For Tuberculosis Diagnosability.In: International Journal on Soft Computing (IJSC). Vol.6, No. 3, August 2015spa
dc.source.bibliographicCitationRusdah, Winarko, E: Review on Data Mining Methods for Tuberculosis Diagnosis. In: Review on Data Mining Methods for Tuberculosis Diagnosis.spa
dc.source.bibliographicCitationJerome, Gumpy,M, Ibrahim G, Mohammed I. Neuro-Fuzzy Approach For Diagnosing And Control Of Tuberculosis. In: The International Journal of Computational Science, Information Technology and Control Engineering (IJCSITCE) Vol.5, No.1, 2018.spa
dc.source.bibliographicCitationGuénaël, C,Younès B. Learning the number of clusters in Self Organizing Map. Disponible en:https://lipn.univparis13.fr/~bennani/PUBLICATIONS/Cabanes/Cabanes_InTech10.pdfspa
dc.source.bibliographicCitationLos mapas autoorganizados de Kohonen. Disponible en: http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema5dm.pdfspa
dc.source.bibliographicCitationL.G, Heinz. Adaptive Resonance Theory. Disponible en: https://scholarsmine.mst.edu/cgi/viewcontent.cgi?article=1173&context=comsci_facworkspa
dc.source.bibliographicCitationAdaptive Resonance Theory: How a brain learns to consciously attend, learn, and recognize a changing world. Disponible en: https://dl.acm.org/doi/abs/10.1016/j.neunet.2012.09.017spa
dc.source.bibliographicCitationNon, T, H. Duy, B.An Improved Learning Rule for Fuzzy ART. In: JOURNAL OF INFORMATION SCIENCE AND ENGINEERING 30, 713-726 ,2014.spa
dc.source.bibliographicCitationMichael,J,G..understanding kmeans clustering in Machine Learning. Disponible en: https://towardsdatascience.com/understanding-k-means-clustering-in-machinelearning6a6e67336aa1spa
dc.source.bibliographicCitationDaniel, O, F. desarrollo de arquitecturas especializadas para sistemas de conucción inteligente. (Septiembre del 2017). Universidad de Alicante. Disponible en: https://rua.ua.es/dspace/bitstream/10045/70314/1/TFG-Daniel-Ortega.pdfspa
dc.source.bibliographicCitationOptimización de resultados mediante algoritmos de selección de variables. Disponible en:https://www.tdx.cat/bitstream/handle/10803/8451/6_CAPITULO2%28Cristhian %29.pdf? sequence=8&isAllowed=yspa
dc.source.bibliographicCitationElizabeth, L, G.Métricas para la validaión de clustering. Disponible en: https://disi.unal.edu.co/~eleonguz/cursos/mda/presentaciones/validacion_Clusteri ng.pdfspa
dc.source.bibliographicCitationElizabeth, L, G.Métricas para la validaión de clustering. Disponible en: https://disi.unal.edu.co/~eleonguz/cursos/mda/presentaciones/validacion_Clusteri ng.pdfspa
dc.source.bibliographicCitationTuberculosis.Disponible en: https://www.cdc.gov/tb/esp/default.htmspa
dc.source.bibliographicCitationRedes neuronales. Disponible en: http://avellano.fis.usal.es/~lalonso/RNA/index.htmspa
dc.source.bibliographicCitationIvonne,G,G,(25 Septiembre 2013).algoritmo SVM para problemas sobre big data. Universidad Autónoma de Madrid.spa
dc.source.bibliographicCitationLigdi, G. Naive bayes.Disponible en: https:ligdigonzalez.com/naive-bayesteoriamachine.learningspa
dc.source.bibliographicCitationOrjuela-Cañon, A.D., de Seixas, J.M., Trajman, A.: SOM Neural Networks as a Tool in Pleural Tuberculosis Diagnostic. In: Braga, A. de P. and Bastos Filho, C.J.A. (eds.) Annals of the 11th Brazilian Congress on Computational Intelligence. pp. 1–5. SBIC, Porto de Galinhas, PE (2013).spa
dc.source.bibliographicCitationOrjuela-Cañon, A.D., de Seixas, J.: Fuzzy-ART neural networks for triage in pleural tuberculosis. In: Health Care Exchanges (PAHCE), 2013 Pan American. pp. 1–4 (2013)spa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectTecnología medicaspa
dc.subjectDiagnostico de tuberculosisspa
dc.subjectAnalítica de datosspa
dc.subjectBigdata en medicinaspa
dc.subject.ddcIncidencia & prevención de la enfermedadspa
dc.subject.keywordMedical technologyspa
dc.subject.keywordTuberculosis diagnosisspa
dc.subject.keywordData analyticsspa
dc.subject.keywordBigdata in medicinespa
dc.titleAnálisis de agrupamiento de datos para el apoyo al diagnóstico de Tuberculosis Pulmonarspa
dc.title.TranslatedTitleData grouping analysis to support the diagnosis of Pulmonary Tuberculosiseng
dc.typebachelorThesiseng
dc.type.documentTrabajo de gradospa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de gradospa
local.department.reportEscuela de Medicina y Ciencias de la Saludspa
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
OrtizNeira-KarinaAlejandra-2020.pdf
Tamaño:
1.03 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Pregrado en Ingeniería Biomédica