Decision Tree Algorithm−Based Prediction of Vulnerability to Depressive and Anxiety Symptoms in Caregivers of Children With Glaucoma

Strategy for the detection of types of eye diseases using SOM neural network

“…Si hacemos la comparativa de los resultados obtenido por [17] indica que usando árbol de decisión tiene una precisión de 87.5% frente a la presente investigación usando una estrategia de datos y la red neuronal SOM tiene 93.7%. Teniendo en cuenta que los casos usan imágenes que tienen retinopatía diabética, tal como la investigación de [19] que tuvo un 96.11% de certeza implicando una diferencia mayor de 2.41% de precisión frente a la presente investigación, por tanto se requiere unos ajustes para alcanzar o superar esta precisión.…”

“…As í también [16] en su investigación aplica modelos de decisión y las implicaciones de la aplicación de los métodos basados en OCT (tomografía de coherencia óptica), donde usa la técnica del aprendizaje automático para el diagnóstico y tratamiento de diversas afecciones oftalmológicas. También [17] usa como herramienta el árbol de decisión para evaluar en función de los síntomas depresivos y de ansiedad a 48 niños menores de 18 años con glaucoma con una precisión de 87.5%. En [18] propone un nuevo modelo de red DAG para la clasificación de la retinopatía diabética basado en fusión múltiple a partir de las funciones de imagen de fondo del ojo, logrando alcanzar un nivel de certeza de 98.7% a partir de una base de datos y 98.5% para datos en campo.…”