Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/138549
Título : | Diagnóstico de enfermedad hepática mediante técnicas de aprendizaje automático y su implementación en una aplicación web |
Autoría: | González Berruga, Santiago |
Tutor: | Rebrij, Romina |
Otros: | Perez-Navarro, Antoni |
Resumen : | Las enfermedades hepáticas se han incrementado notablemente en los últimos años debido a los cambios en los hábitos de vida, siendo una de las principales causas de mortalidad a nivel mundial. Sin embargo, el diagnóstico de las enfermedades hepáticas sigue siendo complejo, costoso y la mayoría de las veces tardío. Este trabajo busca un modelo de clasificación automático que permita realizar un diagnóstico precoz y sencillo de pacientes hepáticos. Para ello, se generan modelos a partir del conjunto de datos de pacientes hepáticos ILPD y los algoritmos de aprendizaje automático K-nearest neighbor (KNN), Naive Bayes (NB), Decision tree (DT), Random Forest (RF), Support Vector Machines (SVM), Artificial Neural Network (ANN) y Logistic Regression (LR). Para determinar el mejor modelo se emplearon las métricas tasa de éxito, falsos negativos, falsos positivos, tasa de error, estadístico kappa, sensibilidad, especificidad, precisión, recall y F1-score. En base a esto, los modelos ANN y RF muestran mejores resultados que el resto de modelos para la predicción de pacientes hepáticos, con una tasa de éxito del 75,1% y 74,6% y una precisión del 76,8% y 75,3%. Por lo tanto, este trabajo demuestra que es posible diagnosticar pacientes hepáticos empleando modelos de clasificación automáticos entrenados con variables clínicas sencillas de obtener, sin tener que recurrir a métodos invasivos para el paciente. Además, se ha implementado el modelo ANN en una aplicación web, generando una herramienta única y con gran potencial para apoyar a profesionales sanitarios durante el diagnóstico de enfermedades hepáticas, permitiendo un diagnóstico precoz sin necesidad de técnicas intrusivas. |
Palabras clave : | aprendizaje automático redes neuronales artificiales enfermedad hepática |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 24-dic-2021 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
santiagogonzalezberrugaTFM1221memoria.pdf | Memoria del TFM | 1,92 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons