Tamizaje de pacientes con sospecha de cáncer de mama mediante un sistema fuzzy usando variables clínicas

Simple item page
dc.contributor.advisorGualdron Gonzalez, Oscar
dc.contributor.advisorAlferez Baquero, Edwin Santiago
dc.contributor.authorFragozo Diaz, Olga Sofia
dc.contributor.authorMartinez Sierra, Cristian Fernando
dc.date.accessioned2024-03-03T18:05:00Z
dc.date.available2010
dc.date.available2024-03-03T18:05:00Z
dc.date.created2010
dc.date.issued2010
dc.description.abstractEl cáncer de mama es uno de los tipos de cáncer con mayor incidencia en la población femenina y con altas tasas de mortalidad. Con el objetivo de detectar tempranamente esta enfermedad se ha impulsado el uso de técnicas novedosas como la inteligencia artificial aplicada al diagnóstico médico. Este trabajo tiene como objetivo tamizar pacientes con sospecha de cáncer de mama mediante un sistema fuzzy usando variables clínicas. En primer lugar se estudia la relación de ciertas variables socio-demográficas, antecedentes familiares, hormonales y clínicas con el padecimiento de cáncer de mama, en base a la información recolectada por medio de encuestas a pacientes con sospecha de cáncer y su resultado de biopsia. De estas variables, se seleccionan las que presentan mayor correlación con el carcinoma. Se implementan varios sistemas de inteligencia artificial basados en lógica fuzzy, los cuales se fundamentan en clustering, reconocimiento de patrones y sistema de inferencia. Para la evaluación de estos sistemas se determinan los parámetros sensibilidad, especificidad y área bajo la curva ROC comparando el rendimiento entre estos. El mejor rendimiento lo obtiene el sistema de Inferencia fuzzy alcanzando un área bajo la curva ROC de 0.84. El reconocimiento de patrones obtiene el segundo mejor rendimiento con un área bajo la curva ROC de 0.82 y de último pero aún con un muy buen rendimiento se encuentra el clustering que alcanzó un área bajo la curva ROC de 0.8.
dc.description.abstractenglishThe breast cancer is one of the most frequently occurring among other types of cancers affecting female population. If not diagnosed early, it has a great mortality rate. As the result of a search for an efficient method to detect the breast cancer on early stages of the disease development, the new technique of artificial intelligence in the area of medical diagnostics was introduced. This work concentrates on selecting the patients with the high possibility of breast cancer via fuzzy system using medical factors (variables) acquired from patient clinical data. The work started from studying the relationship among some variables and the breast cancer occurrences using the biopsy results and the information collected from the patients via questionary. Variables with most correlation were selected and used as an input to several fuzzy systems through clustering, pattern recognition, and an inference system. The validation of fuzzy systems was done by first finding parameters of their sensitivity and specificity, then calculating the area under the ROC. With these parameters it was the comparison between all systems. The best performance of the fuzzy systems was achieved with the area under the ROC of 0.84 by the inference system. Pattern recognition was the second best technique with the area under the ROC of 0.82. Finally clustering obtained a good performance with the area under the ROC of 0.8.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/23330
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectCáncer de mama
dc.subjectFunción de membresía
dc.subjectFactores de riesgo
dc.subjectLógica Fuzzy
dc.subjectClustering
dc.subjectReconocimiento de patrones
dc.subjectCurva ROC.
dc.subject.keywordBreast cancer
dc.subject.keywordMembership function
dc.subject.keywordRisk factors
dc.subject.keywordFuzzy logic
dc.subject.keywordClustering
dc.subject.keywordPattern recognition
dc.subject.keywordROC curve.
dc.titleTamizaje de pacientes con sospecha de cáncer de mama mediante un sistema fuzzy usando variables clínicas
dc.title.englishSelections of patiens with sospected breast cancer using a fuzzy system and clinical variables 3
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
1.95 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.8 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
1.5 MB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica