Caracterizando un ciclo de reproducción asistida exitoso mediante clasificación supervisada y positive unlabelled
En medicina, el problema de las tecnologías de reproducción asistida (del inglés, Assisted Reproductive Technologies , ART) ha recibido una atención considerable. Este problema consiste en solventar la di cultad de inducir un embarazo sin aumentar las probabilidades del intrínsecamente arriesga- do...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | España |
| Institución: | Universidad del País Vasco |
| Repositorio: | Addi. Archivo Digital para la Docencia y la Investigación |
| OAI Identifier: | oai:addi.ehu.eus:10810/28764 |
| Acceso en línea: | http://hdl.handle.net/10810/28764 |
| Access Level: | acceso abierto |
| Palabra clave: | inteligencia artificial machine learning clasificación supervisada reproducción asistida |
| Sumario: | En medicina, el problema de las tecnologías de reproducción asistida (del inglés, Assisted Reproductive Technologies , ART) ha recibido una atención considerable. Este problema consiste en solventar la di cultad de inducir un embarazo sin aumentar las probabilidades del intrínsecamente arriesga- do embarazo múltiple. Durante todo el procedimiento se tienen que tomar muchas decisiones médicas y, por consiguiente, el objetivo de las líneas de investigación actuales es aumentar el conocimiento sobre el problema pa- ra apoyar las decisiones de los médicos. Con este objetivo, se han aplicado diferentes técnicas de inteligencia arti cial y de aprendizaje automático al problema de las ART. En colaboración con la Unidad de Reproducción Asistida del Hospital de Donostia, se propone una solución para el problema del ART. El objetivo principal es obtener evidencias sobre la relevancia de los datos recopilados y su uso potencial para mejorar la tasa de embarazos. Se proponen dos enfoques diferentes que proporcionan información valiosa para resolver parcialmente el problema del ART: el primero de ellos, basado en la clasi cación supervisa- da clásica; y un segundo que se con gura como un problema de clasi cación débilmente supervisada. Al contrario de la práctica habitual, donde se suelen descartar los embriones de destino desconocido, las técnicas débilmente su- pervisadas consideran incluso las instancias de embriones/ciclos cuyo destino no se puede establecer con certeza. En los experimentos realizados, los dos enfoques han arrojado interesantes resultados. |
|---|