Razonamiento basado en casos aplicado al diagnóstico médico utilizando clasificadores multi-clase: Un estudio preliminar. Viveros-Melo, D., Ortega-Adarme, M., Blanco Valencia, X., Castro-Ospina, A., E., Murillo Rendón, S., & Peluffo-Ordóñez, D., H. Enfoque UTE, 8(1):232-243, 2, 2017. Website doi abstract bibtex CBR ha demostrado ser apropiado para trabajar con datos de dominios poco estructurados o situaciones donde es difícil la adquisición de conocimiento, como es el caso del diagnóstico médico, donde es posible identificar enfermedades como: cáncer, predicción de epilepsia y diagnóstico de apendicitis. Algunas de las tendencias que se pueden desarrollar para CBR en la ciencia de la salud están orientadas a reducir el número de características en datos de gran dimensión. Una contribución importante puede ser la estimación de probabilidades de pertenencia a cada clase para los nuevos casos. Con el fin de representar adecuadamente la base de datos y evitar los inconvenientes causados por la alta dimensión, ruido y redundancia de los mimos, en este trabajo, se utiliza varios algoritmos en la etapa de pre-procesamiento para realizar una selección de variables y reducción de dimensiones. Además, se realiza una comparación del rendimiento de algunos clasificadores multi-clase representativos para identificar el más eficaz e incluirlo en un esquema CBR. En particular, se emplean cuatro técnicas de clasificación y dos técnicas de reducción para hacer un estudio comparativo de clasificadores multi-clase sobre CBR
@article{
title = {Razonamiento basado en casos aplicado al diagnóstico médico utilizando clasificadores multi-clase: Un estudio preliminar},
type = {article},
year = {2017},
pages = {232-243},
volume = {8},
websites = {https://ingenieria.ute.edu.ec/enfoqueute/index.php/revista/article/view/141},
month = {2},
day = {24},
id = {994f615e-21e5-392e-9337-c247182bdc57},
created = {2022-01-26T03:00:38.150Z},
file_attached = {false},
profile_id = {aba9653c-d139-3f95-aad8-969c487ed2f3},
group_id = {b9022d50-068c-31b4-9174-ebfaaf9ee57b},
last_modified = {2022-01-26T03:00:38.150Z},
read = {false},
starred = {false},
authored = {false},
confirmed = {true},
hidden = {false},
citation_key = {Viveros-Melo2017},
private_publication = {false},
abstract = {CBR ha demostrado ser apropiado para trabajar con datos de dominios poco estructurados o situaciones donde es difícil la adquisición de conocimiento, como es el caso del diagnóstico médico, donde es posible identificar enfermedades como: cáncer, predicción de epilepsia y diagnóstico de apendicitis. Algunas de las tendencias que se pueden desarrollar para CBR en la ciencia de la salud están orientadas a reducir el número de características en datos de gran dimensión. Una contribución importante puede ser la estimación de probabilidades de pertenencia a cada clase para los nuevos casos. Con el fin de representar adecuadamente la base de datos y evitar los inconvenientes causados por la alta dimensión, ruido y redundancia de los mimos, en este trabajo, se utiliza varios algoritmos en la etapa de pre-procesamiento para realizar una selección de variables y reducción de dimensiones. Además, se realiza una comparación del rendimiento de algunos clasificadores multi-clase representativos para identificar el más eficaz e incluirlo en un esquema CBR. En particular, se emplean cuatro técnicas de clasificación y dos técnicas de reducción para hacer un estudio comparativo de clasificadores multi-clase sobre CBR},
bibtype = {article},
author = {Viveros-Melo, D. and Ortega-Adarme, M. and Blanco Valencia, X. and Castro-Ospina, A. E. and Murillo Rendón, S. and Peluffo-Ordóñez, D. H.},
doi = {10.29019/enfoqueute.v8n1.141},
journal = {Enfoque UTE},
number = {1}
}
Downloads: 0
{"_id":"jYcXRNAT3J2zwXRQ3","bibbaseid":"viverosmelo-ortegaadarme-blancovalencia-castroospina-murillorendn-peluffoordez-razonamientobasadoencasosaplicadoaldiagnsticomdicoutilizandoclasificadoresmulticlaseunestudiopreliminar-2017","authorIDs":[],"author_short":["Viveros-Melo, D.","Ortega-Adarme, M.","Blanco Valencia, X.","Castro-Ospina, A., E.","Murillo Rendón, S.","Peluffo-Ordóñez, D., H."],"bibdata":{"title":"Razonamiento basado en casos aplicado al diagnóstico médico utilizando clasificadores multi-clase: Un estudio preliminar","type":"article","year":"2017","pages":"232-243","volume":"8","websites":"https://ingenieria.ute.edu.ec/enfoqueute/index.php/revista/article/view/141","month":"2","day":"24","id":"994f615e-21e5-392e-9337-c247182bdc57","created":"2022-01-26T03:00:38.150Z","file_attached":false,"profile_id":"aba9653c-d139-3f95-aad8-969c487ed2f3","group_id":"b9022d50-068c-31b4-9174-ebfaaf9ee57b","last_modified":"2022-01-26T03:00:38.150Z","read":false,"starred":false,"authored":false,"confirmed":"true","hidden":false,"citation_key":"Viveros-Melo2017","private_publication":false,"abstract":"CBR ha demostrado ser apropiado para trabajar con datos de dominios poco estructurados o situaciones donde es difícil la adquisición de conocimiento, como es el caso del diagnóstico médico, donde es posible identificar enfermedades como: cáncer, predicción de epilepsia y diagnóstico de apendicitis. Algunas de las tendencias que se pueden desarrollar para CBR en la ciencia de la salud están orientadas a reducir el número de características en datos de gran dimensión. Una contribución importante puede ser la estimación de probabilidades de pertenencia a cada clase para los nuevos casos. Con el fin de representar adecuadamente la base de datos y evitar los inconvenientes causados por la alta dimensión, ruido y redundancia de los mimos, en este trabajo, se utiliza varios algoritmos en la etapa de pre-procesamiento para realizar una selección de variables y reducción de dimensiones. Además, se realiza una comparación del rendimiento de algunos clasificadores multi-clase representativos para identificar el más eficaz e incluirlo en un esquema CBR. En particular, se emplean cuatro técnicas de clasificación y dos técnicas de reducción para hacer un estudio comparativo de clasificadores multi-clase sobre CBR","bibtype":"article","author":"Viveros-Melo, D. and Ortega-Adarme, M. and Blanco Valencia, X. and Castro-Ospina, A. E. and Murillo Rendón, S. and Peluffo-Ordóñez, D. H.","doi":"10.29019/enfoqueute.v8n1.141","journal":"Enfoque UTE","number":"1","bibtex":"@article{\n title = {Razonamiento basado en casos aplicado al diagnóstico médico utilizando clasificadores multi-clase: Un estudio preliminar},\n type = {article},\n year = {2017},\n pages = {232-243},\n volume = {8},\n websites = {https://ingenieria.ute.edu.ec/enfoqueute/index.php/revista/article/view/141},\n month = {2},\n day = {24},\n id = {994f615e-21e5-392e-9337-c247182bdc57},\n created = {2022-01-26T03:00:38.150Z},\n file_attached = {false},\n profile_id = {aba9653c-d139-3f95-aad8-969c487ed2f3},\n group_id = {b9022d50-068c-31b4-9174-ebfaaf9ee57b},\n last_modified = {2022-01-26T03:00:38.150Z},\n read = {false},\n starred = {false},\n authored = {false},\n confirmed = {true},\n hidden = {false},\n citation_key = {Viveros-Melo2017},\n private_publication = {false},\n abstract = {CBR ha demostrado ser apropiado para trabajar con datos de dominios poco estructurados o situaciones donde es difícil la adquisición de conocimiento, como es el caso del diagnóstico médico, donde es posible identificar enfermedades como: cáncer, predicción de epilepsia y diagnóstico de apendicitis. Algunas de las tendencias que se pueden desarrollar para CBR en la ciencia de la salud están orientadas a reducir el número de características en datos de gran dimensión. Una contribución importante puede ser la estimación de probabilidades de pertenencia a cada clase para los nuevos casos. Con el fin de representar adecuadamente la base de datos y evitar los inconvenientes causados por la alta dimensión, ruido y redundancia de los mimos, en este trabajo, se utiliza varios algoritmos en la etapa de pre-procesamiento para realizar una selección de variables y reducción de dimensiones. Además, se realiza una comparación del rendimiento de algunos clasificadores multi-clase representativos para identificar el más eficaz e incluirlo en un esquema CBR. En particular, se emplean cuatro técnicas de clasificación y dos técnicas de reducción para hacer un estudio comparativo de clasificadores multi-clase sobre CBR},\n bibtype = {article},\n author = {Viveros-Melo, D. and Ortega-Adarme, M. and Blanco Valencia, X. and Castro-Ospina, A. E. and Murillo Rendón, S. and Peluffo-Ordóñez, D. H.},\n doi = {10.29019/enfoqueute.v8n1.141},\n journal = {Enfoque UTE},\n number = {1}\n}","author_short":["Viveros-Melo, D.","Ortega-Adarme, M.","Blanco Valencia, X.","Castro-Ospina, A., E.","Murillo Rendón, S.","Peluffo-Ordóñez, D., H."],"urls":{"Website":"https://ingenieria.ute.edu.ec/enfoqueute/index.php/revista/article/view/141"},"biburl":"https://bibbase.org/service/mendeley/aba9653c-d139-3f95-aad8-969c487ed2f3","bibbaseid":"viverosmelo-ortegaadarme-blancovalencia-castroospina-murillorendn-peluffoordez-razonamientobasadoencasosaplicadoaldiagnsticomdicoutilizandoclasificadoresmulticlaseunestudiopreliminar-2017","role":"author","metadata":{"authorlinks":{}},"downloads":0},"bibtype":"article","creationDate":"2020-12-29T22:55:21.937Z","downloads":0,"keywords":[],"search_terms":["razonamiento","basado","casos","aplicado","diagn","stico","dico","utilizando","clasificadores","multi","clase","estudio","preliminar","viveros-melo","ortega-adarme","blanco valencia","castro-ospina","murillo rendón","peluffo-ordóñez"],"title":"Razonamiento basado en casos aplicado al diagnóstico médico utilizando clasificadores multi-clase: Un estudio preliminar","year":2017,"biburl":"https://bibbase.org/service/mendeley/aba9653c-d139-3f95-aad8-969c487ed2f3","dataSources":["YEF3uFAbDNQXrkgNw","ya2CyA73rpZseyrZ8"]}