JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo RIUMAComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasTipo de publicaciónCentrosDepartamentos/InstitutosEditoresEsta colecciónPor fecha de publicaciónAutoresTítulosMateriasTipo de publicaciónCentrosDepartamentos/InstitutosEditores

    Mi cuenta

    AccederRegistro

    Estadísticas

    Ver Estadísticas de uso

    DE INTERÉS

    Datos de investigaciónReglamento de ciencia abierta de la UMAPolítica de RIUMAPolitica de datos de investigación en RIUMAOpen Policy Finder (antes Sherpa-Romeo)Dulcinea
    Preguntas frecuentesManual de usoContacto/Sugerencias
    Ver ítem 
    •   RIUMA Principal
    • Docencia
    • Trabajos Fin de Grado
    • Ver ítem
    •   RIUMA Principal
    • Docencia
    • Trabajos Fin de Grado
    • Ver ítem

    Predicción de enfermedades cardiovasculares mediante algoritmos de inteligencia artificial

    • Autor
      Juliá Martínez, Elisa
    • Director/es
      López-Rubio, EzequielAutoridad Universidad de Málaga; Maza Quiroga, Rosa María
    • Fecha
      2020-11-24
    • Palabras clave
      Ingeniería biomédica; Inteligencia artificial - Aplicaciones médicas; Algoritmos genéticos; Enfermedades cardiovasculares; Informática - Trabajos Fin de Grado; Grado en Ingeniería de la Salud - Trabajos Fin de Grado
    • Resumen
      La Inteligencia Artificial (AI) ha sido un tema muy hablado en las últimas décadas, y sus potenciales aplicaciones en la medicina han siempre sido reconocidas. Hay mucha gente trabajando para implementar la tecnología disponible en el flujo médico de manera segura, para ayudar a médicos y personal sanitario a tomar decisiones más informadas. Este proyecto se centra en implementar 5 algoritmos distintos de clasificación, analizar cómo se ajustan a los datos disponibles y, posteriormente, crear un algoritmo genético que detecte la combinación de parámetros de cada algoritmo, con la que se obtienen mejores resultados, medidos a través de la exactitud. Los algoritmos fueron implementados con la librería sci-kit learn de Python; para el algoritmo genético no se utilizó ninguna librería adicional. Los resultados mostraron que algunos algoritmos se adaptan mejor a la evolución, es decir, la exactitud aumenta con el paso de las generaciones. Otros algoritmos mostraron una disminución de este valor, sugiriendo que se necesita estudiar para cada tipo de algoritmo el impacto de cada parámetro, además de los valores que en este proyecto se consideraron constantes: número de generaciones, número de individuos por generación, probabilidad de mutación y cruce y el tamaño del conjunto de datos y de los subconjuntos de entrenamiento, validación y pruebas.
    • URI
      https://hdl.handle.net/10630/20458
    • Compartir
      RefworksMendeley
    Mostrar el registro completo del ítem
    Ficheros
    Julia Martínez Elisa Memoria.pdf (3.135Mb)
    Colecciones
    • Trabajos Fin de Grado

    Estadísticas

    Buscar en Dimension
    REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA
    REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA
     

     

    REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA
    REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA