Please use this identifier to cite or link to this item: http://ri.ujat.mx/handle/20.500.12107/3820
Title: IDENTIFICACION DE PREDICTORES PARA EL DIAGNOSTICO DE VAGINOSIS BACTERIANA
Author: JESUS FRANCISCO PEREZ GOMEZ
Author ID: info:eu-repo/dai/mx/cvu/537596
metadata.dc.contributor: Juana Canul_Reich
metadata.dc.contributor.id: info:eu-repo/dai/mx/cvu/0000-0003-1893-1332
Abstract: La vaginosis bacteriana es una enfermedad común que aqueja a mujeres en edad de reproducción. Puede causar graves problemas de salud, sobre todo durante el embarazo. En su gran mayoría las personas infectadas no presentan síntomas detectables a simple vista, lo que dificulta su diagnóstico y, por tanto, su tratamiento. En este trabajo de investigación se desarrollan diversos experimentos con métodos de aprendizaje automático, propios del área de la inteligencia artificial, para la identificación de los atributos más relevantes asociados al diagnóstico de la vaginosis bacteriana. Aunado a ello, se implementan diversas fases experimentales para hallar el modelo predictivo óptimo para el diagnóstico de la enfermedad. El propósito es recabar información para el desarrollo de técnicas mejoradas de detección de la vaginosis bacteriana con el mínimo de información posible. Entre los hallazgos, se presentan dos rankings generales fundamentados en múltiples rankings individuales. Las corridas de métodos selectores de atributos son la base para la creación de dichos rankings. En ellos se muestran los atributos identificados como relevantes y se contrastan con los predictores, es decir, las características que aportan más valor predictivo al diagnóstico de la VB mencionados en las lecturas especializadas. Se destaca que, mediante los métodos implementados en este proyecto se señalan como relevantes otros predictores que los métodos tradicionales del área médica no indica.
Issue Date: 26-Jan-2022
License: http://creativecommons.org/about/cc0/
URI: http://ri.ujat.mx/handle/20.500.12107/3820
Language: spa
Appears in Collections:Ciencias y Tecnologías de la Información (DACYTI)

Files in This Item:
File Description SizeFormat 
TESIS_DCC_JFPG.pdfTESIS DOCTORAL JESUS FRANCISCO PEREZ GOMEZ UJAT-DACYTI7.45 MBAdobe PDFView/Open


Items in RI-UJAT are protected by copyright, with all rights reserved, unless otherwise indicated.