Algoritmos de compresión de datos aplicados a historiales clínicos para el apoyo en el diagnóstico de Diabetes Mellitus tipo II

“Una de las enfermedades m ́as importantes a nivel mundial en salud pública es la Diabetes Mellitus (DM), ya que esta es una de las enfermedades no transmisibles más severa, frecuente y con diversas complicaciones crónicas. Existen dos variantes de la DM, tipo I y tipo II. En este documento nos enfo...

Descripción completa

Detalles Bibliográficos
Autor: Cancino Gordillo, Juan Manuel
Tipo de recurso: tesis de maestría
Estado:Versión publicada
Fecha de publicación:2021
País:México
Institución:Benemérita Universidad Autónoma de Puebla
Repositorio:Repositorio Institucional de Acceso Abierto RIAA-BUAP
Idioma:español
OAI Identifier:oai:repositorioinstitucional.buap.mx:20.500.12371/15178
Acceso en línea:https://hdl.handle.net/20.500.12371/15178
Access Level:acceso abierto
Palabra clave:INGENIERÍA Y TECNOLOGÍA
Diabetes--Factores de riesgo
Aprendizaje automático (Inteligencia artificial)
Procesamiento del lenguaje natural
Big Data
Python (Lenguaje de programación)
Informática médica
Descripción
Sumario:“Una de las enfermedades m ́as importantes a nivel mundial en salud pública es la Diabetes Mellitus (DM), ya que esta es una de las enfermedades no transmisibles más severa, frecuente y con diversas complicaciones crónicas. Existen dos variantes de la DM, tipo I y tipo II. En este documento nos enfocamos en la detección de Diabetes Mellitus tipo II (DMT2), en donde el cuerpo no procesa de manera correcta la glucosa en la sangre dejando mucho de este material circulando dentro del sistema sanguíneo. En este documento proponemos un método para la detección de factores de riesgo en pacientes que padecen la enfermedad conocida como DMT2 con distintos conjuntos de datos estructurados aplicando algoritmos de clasificación junto a algoritmos de reducción de términos. En este documento abarcaremos los antecedentes que dieron origen al proyecto de investigación junto con los objetivos. Nuestra propuesta es usar un análisis de relación entre atributos junto con algoritmos de reducción de términos (PCA y NMF) para reducir lo m ́as posible los conjuntos de datos sin realizar una clasificación pobre de personas con la enfermedad DMT2”.

Similares en LA Referencia