Predicción de ovario poliquístico aplicando técnicas de Machine Learning
| Autor: | Carlos Eduardo Cañedo Figueroa, Luisa Fernanda Blancarte Flores, Wendy Sofia Guerra Hernández, Daniela Licea Abundez, Dafne Mariana Rivera Lerma, Brianna Tena Holguín |
|---|---|
| Jazyk: | English<br />Spanish; Castilian |
| Rok vydání: | 2023 |
| Předmět: | |
| Zdroj: | Tecnociencia Chihuahua, Vol 17, Iss 2 (2023) |
| Druh dokumentu: | article |
| ISSN: | 1870-6606 2683-3360 |
| DOI: | 10.54167/tch.v17i2.1193 |
| Popis: | El Síndrome de Ovario Poliquístico (SOP) es una de las endocrinopatías más comunes entre las mujeres que se encuentran en edad reproductiva. Hay estudios que exponen que esta patología afecta entre el 3-15 % de toda la población femenina. En el presente documento se describe el uso y la comparación de algunos algoritmos de machine learning con la finalidad de ofrecer una ventana de oportunidad en la clasificación de datos de forma eficiente. Por lo que se utilizaron tres algoritmos para realizar un diagnóstico del SOP contemplando 18 características extraídas de la base de datos “PCOS Dataset” alojada en la plataforma Kaggle.com. Se diseñaron una Red Neuronal Artificial (RNA) con un 97.5 % de F1, un algoritmo Bayesiano con un 97.6 % de F1 y un algoritmo de los K- Vecinos más Cercanos (KNN por sus siglas en inglés) con un 100 % de F1. El análisis realizado demostró que el algoritmo KNN clasifica los datos utilizados de forma óptima, lo que sugiere que puede ser utilizado para obtener diagnósticos en aplicaciones de laboratorio para obtener una evaluación complementaria. DOI: https://doi.org/10.54167/tch.v17i2.1193 |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|