<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-06-05T12:50:49Z</responseDate><request verb="GetRecord" identifier="oai:riuma.uma.es:10630/20458" metadataPrefix="marc">https://riuma.uma.es/rest/oai/request</request><GetRecord><record><header><identifier>oai:riuma.uma.es:10630/20458</identifier><datestamp>2026-02-03T10:22:44Z</datestamp><setSpec>com_10630_1685</setSpec><setSpec>col_10630_38055</setSpec></header><metadata><record xmlns="http://www.loc.gov/MARC21/slim" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
   <leader>00925njm 22002777a 4500</leader>
   <datafield ind2=" " ind1=" " tag="042">
      <subfield code="a">dc</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Juliá Martínez, Elisa</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2020-11-24</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="520">
      <subfield code="a">La Inteligencia Artificial (AI) ha sido un tema muy hablado en las últimas décadas,&#xd;
y sus potenciales aplicaciones en la medicina han siempre sido reconocidas. Hay mucha&#xd;
gente trabajando para implementar la tecnología disponible en el flujo médico de manera&#xd;
segura, para ayudar a médicos y personal sanitario a tomar decisiones más informadas.&#xd;
Este proyecto se centra en implementar 5 algoritmos distintos de clasificación, analizar&#xd;
cómo se ajustan a los datos disponibles y, posteriormente, crear un algoritmo genético que&#xd;
detecte la combinación de parámetros de cada algoritmo, con la que se obtienen mejores&#xd;
resultados, medidos a través de la exactitud. Los algoritmos fueron implementados con&#xd;
la librería sci-kit learn de Python; para el algoritmo genético no se utilizó ninguna&#xd;
librería adicional. Los resultados mostraron que algunos algoritmos se adaptan mejor&#xd;
a la evolución, es decir, la exactitud aumenta con el paso de las generaciones. Otros&#xd;
algoritmos mostraron una disminución de este valor, sugiriendo que se necesita estudiar&#xd;
para cada tipo de algoritmo el impacto de cada parámetro, además de los valores que en&#xd;
este proyecto se consideraron constantes: número de generaciones, número de individuos&#xd;
por generación, probabilidad de mutación y cruce y el tamaño del conjunto de datos y de&#xd;
los subconjuntos de entrenamiento, validación y pruebas.</subfield>
   </datafield>
   <datafield ind1="8" ind2=" " tag="024">
      <subfield code="a">https://hdl.handle.net/10630/20458</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Ingeniería biomédica</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Inteligencia artificial - Aplicaciones médicas</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Algoritmos genéticos</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Enfermedades cardiovasculares</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Informática - Trabajos Fin de Grado</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Grado en Ingeniería de la Salud - Trabajos Fin de Grado</subfield>
   </datafield>
   <datafield ind2="0" ind1="0" tag="245">
      <subfield code="a">Predicción de enfermedades cardiovasculares mediante algoritmos de inteligencia artificial</subfield>
   </datafield>
</record>
</metadata></record></GetRecord></OAI-PMH>