Clasificador basado en Principal Component Analisys (PCA) para predecir la presencia de cáncer de mama a partir de información extraída de los núcleos celulares de masa mamaria con el método de Aspiración de Aguja Fina (FNA)

Rogeles Sánchez, Sebastián; Pérez Guerrero, Yuliana Andrea

Clasificador basado en Principal Component Analisys (PCA) para predecir la presencia de cáncer de mama a partir de información extraída de los núcleos celulares de masa mamaria con el método de Aspiración de Aguja Fina (FNA)

dc.contributor.advisor	Quiroga Méndez, Jabid Eduardo
dc.contributor.author	Rogeles Sánchez, Sebastián
dc.contributor.author	Pérez Guerrero, Yuliana Andrea
dc.contributor.evaluator	González Estrada, Octavio Andrés
dc.contributor.evaluator	Pinto Hernández, William
dc.date.accessioned	2022-11-17T12:35:26Z
dc.date.available	2022-11-17T12:35:26Z
dc.date.created	2022-11-16
dc.date.issued	2022-11-16
dc.description.abstract	Este trabajo usó PCA como herramienta para reducir las dimensiones de una base de datos de la Universidad de Wisconsin del Departamento de Medicina y Ciencias Computacionales, donde se recoge información de características cuantificables de núcleos celulares de 569 personas y 32 atributos tales como: radio, textura, perímetro, área, simetría, concavidad, suavidad, compacidad, puntos cóncavos y dimensión fractal para desarrollar un clasificador el cual estime con mayor efectividad la presencia de Cáncer de Mama en el paciente usando los datos obtenidos de los núcleos de sus células mamarias contribuyendo al diagnóstico oportuno. La aplicación de PCA a esta información permitió desarrollar un clasificador óptimo que estima la presencia de cáncer de mama en sus etapas iniciales. Este clasificador hará un procesamiento de datos usando PCA para luego aplicar distintos clasificadores de Machine Learning, los resultados de estos serán utilizados en matrices de confusión para posteriormente ser contrastadas y así con el debido análisis e interpretación se corroboren los resultados y se examinen con los parámetros de rendimiento. A pesar de haber arrojado excelentes resultados la aplicación de PCA se comparó sin el uso de esta técnica la cual dio unos parámetros de rendimiento mayores, por lo que se concluye que es mejor incluir toda la base datos en el entrenamiento del clasificador puesto que prima la exactitud al momento de detectar cáncer.
dc.description.abstractenglish	This thesis used PCA as a tool to reduce the dimensions of a database from the University of Wisconsin Department of Medicine and Computer Science, where quantifiable feature information is collected from cell nuclei of 569 individuals and 32 attributes such as: radius, texture, perimeter, area, symmetry, concavity, smoothness, compactness, concave points and fractal dimension to develop a classifier which more effectively estimates the presence of Breast Cancer in the patient using the data obtained from the nuclei of their breast cells contributing to timely diagnosis. The application of PCA to this information allowed the development of an optimal classifier that estimates the presence of breast cancer in its early stages. This classifier will do a data processing using PCA to then apply different Machine Learning classifiers, the results of these will be used in confusion matrices to later be contrasted and thus with the proper analysis and interpretation the results will be corroborated and examined with the performance parameters. In spite of having yielded excellent results, the application of PCA was compared without the use of this technique, which gave higher performance parameters, so it is concluded that it is better to include the entire database in the training of the classifier, since accuracy at the time of detecting cancer is more important.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Mecánico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/12155
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Mecánica
dc.publisher.school	Escuela de Ingeniería Mecánica
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Cáncer de mama
dc.subject	Data driven
dc.subject	Inteligencia Artificial
dc.subject	Machine Learning
dc.subject	PCA
dc.subject.keyword	Artificial Intelligence
dc.subject.keyword	Breast Cancer
dc.subject.keyword	Data driven
dc.subject.keyword	Machine Learning
dc.subject.keyword	PCA
dc.title	Clasificador basado en Principal Component Analisys (PCA) para predecir la presencia de cáncer de mama a partir de información extraída de los núcleos celulares de masa mamaria con el método de Aspiración de Aguja Fina (FNA)
dc.title.english	Principal Component Analysis (PCA) based classifier for predicting the presence of breast cancer from information extracted from breast mass cell nuclei using Fine Needle Aspiration (FNA) method
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type