Análisis de la fertilidad por medio de técnicas de minería datos

Castrillón, Omar Danilo; Arango, Jaime Antero; Castillo, Luis Fernando Prado

doi:10.4067/s0718-07642022000300203

Cited by 1 publication

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Por último, en [4] se busca predecir las variables más importantes que afectan la fertilidad, empleando los algoritmos Clusters EM, SimpleKMeans y J48 para analizar los registros de la base de datos Fertility extraída del repositorio UCI, empleando técnicas de minería de datos. Se concluyó que las técnicas de árboles de decisión y los clústeres permiten identificar las variables más influyentes, dando como resultado las siguientes variables: edad, accidente, fiebre, cirugía y alcohol, que determinan las principales causas de infertilidad en las personas mayores de 23 años.…”

Section: Estado Del Arteunclassified

See 1 more Smart Citation

Diagnóstico de infertilidad utilizando técnicas de aprendizaje profundo: un enfoque prometedor en medicina reproductiva

López

Rodríguez

Nolasco

et al. 2023

RITI

View full text Add to dashboard Cite

pueda llevar a la extinción humana. La infertilidad en hombres es un tema de interés para la salud pública, debido a la disminución de la cantidad y concentración de espermatozoides, causada por hábitos de vida, enfermedades y accidentes. La identificación de factores de riesgo en la infertilidad en hombres no es común en la medicina, pero se están desarrollando técnicas de inteligencia artificial para ayudar en la identificación de estos factores de riesgo. Este artículo se enfoca en el análisis de datos mediante minería de datos, usando la base de datos Fertility, que contiene información de 100 voluntarios. La técnica escogida para el análisis de datos fueron los árboles de decisión en MATLAB. La base de datos original tenía 9 atributos y se redujo a 5 para el modelo de clasificación. En la segunda etapa, el entrenamiento y evaluación cruzada del modelo de clasificación obtuvo un 83.3% de precisión y un tiempo de entrenamiento de 1.8774 segundos. La última etapa, una prueba con el 10% de las muestras, obtuvo un 80% de aciertos. El modelo tuvo una Tasa de Verdaderos Positivos del 94.9% para la clase N y una Tasa de Falsos Negativos del 100% para la clase O.

show abstract

Section: Estado Del Arteunclassified

“…Los artículos [13,14,4] utilizaron el software WEKA para la realización de sus pruebas. Sin embargo, para la elaboración de las pruebas de este artículo, se utilizará el software de MATLAB.…”

Section: Estado Del Arteunclassified

Diagnóstico de infertilidad utilizando técnicas de aprendizaje profundo: un enfoque prometedor en medicina reproductiva

López

Rodríguez

Nolasco

et al. 2023

RITI

View full text Add to dashboard Cite

show abstract

Análisis de la fertilidad por medio de técnicas de minería datos

Cited by 1 publication

References 0 publications

Diagnóstico de infertilidad utilizando técnicas de aprendizaje profundo: un enfoque prometedor en medicina reproductiva

Diagnóstico de infertilidad utilizando técnicas de aprendizaje profundo: un enfoque prometedor en medicina reproductiva

Contact Info

Product

Resources

About