“Sistema Inteligente Basado En Redes Bayesianas Para El Diagnostico Clinico De Expectativa De Vida De Pacientes Con Hepatitis”
Páginas: 13 (3084 palabras)
Publicado: 5 de junio de 2012
“SISTEMA INTELIGENTE BASADO EN REDES BAYESIANAS PARA EL DIAGNOSTICO CLINICO DE EXPECTATIVA DE VIDA DE PACIENTES CON HEPATITIS”
Salazar Tapia Hans.’ Cutti Mejía José.’
Virgilio Tito C.’
Universidad César Vallejo
Hansdave16@hotmail.com
fredytito@gmail.com
Resumen
En éste artículo se presenta un sistema inteligente para el diagnóstico clínico de expectativa de vida de pacientes conHepatitis basado en las redes bayesianas, para lo cual se aplicaron algunos clasificadores bayesianos tales como el naive bayes y el bayesnet que proporciona el software de aprendizaje automático y reconocimiento de patrones WEKA (http://www.cs.waikato.ac.nz/ml/weka/) . Los datos con los que se trabajó fueron extraídos de la pagina (http://repository.seasr.org/Datasets/UCI/arff/) y se logro unaclasificación correcta de datos del 97.41%.
Para llegar a esta clasificación se tuvieron que realizar pruebas utilizando el clasificador BayesNet que utiliza un algoritmo de búsqueda K2 Hill Climbing y se utilizó el estimador simple como condición de probabilidad (Bouckaert, 2004) y el clasificador Naive bayes, siendo en éste caso el clasificador BayesNet el que nos proporciona un mejor resultado.Finalmente se implementa el aplicativo en .net utilizando las probabilidades obtenidas en la red bayesiana.
Palabra clave
Weka, BayesNet, Naive bayes, enfermedades de Hepatitis.
Abstract
This article presents an intelligent system for the clinical diagnosis of skin diseases based on Bayesian networks, for which applied some Bayesian classifiers such as Naive Bayes and bayesnet provided bythe software of machine learning and pattern recognition WEKA (http://www.cs.waikato.ac.nz/ml/weka/) . The data with which we worked were extracted (http://repository.seasr.org/Datasets/UCI/arff) and achieved a correct classification of data for 97.41%.
To achieve this classification had to test the classifier using BayesNet using a search algorithm K2 Climbing Hill and used the simple estimatoras a condition of probability (Bouckaert, 2004) and the Naive Bayes classifier, being in this case the classifier BayesNet which gives us a better result and the optimal Bayesian network sees a maximum of six parents in each node. Finally, the application is implemented in Java using the probabilities obtained in the Bayesian network.
keywords
Weka, BayesNet, Naive Bayes, Hepatitis diseases1. Introducción
Se define como hepatitis la lesión inflamatoria difusa del hígado producida por variados agentes etiológicos que clínicamente puede ser asintomática o cursar con grados variables de insuficiencia hepática. Bioquímicamente presenta en forma constante, elevación de aminotransferasas. Dentro de las diferentes causas se encuentran agentes infecciosos, trastornos metabólicos, yagentes físicos.
Existen otros virus además de los hepatotrópicos convencionales, que pueden causar un síndrome de hepatitis aguda como manifestación clínica inicial; pueden ser de la familia herpes (EBV, CMV, HSV, VZV, y HHV6), el de la rubéola, sarampión, Coxsackie, la fiebre amarilla y ébola, capaces de presentar formas de hepatitis primaria o secundaria. El EBV es la causa más común de hepatitisaguda dentro de esta categoría.
Existen siete tipos diferentes de virus hepatotrópicos capaces de producir hepatitis; se les designa como A, B, C, D, E, F, G, aunque hay evidencias de la existencia de más virus que pueden causar inflamación y necrosis del hígado. Todos los virus hepatotrópicos tienen la capacidad de causar infección aguda del hígado pero sólo el B, C, y D, ocasionan formascrónicas de la enfermedad.
Consideramos la base de datos hepatitis.arff, que contiene información médica sobre expectativa de vida de pacientes con hepatitis. Un equipo médico ha recolectado estos datos, y se analizan allí varios aspectos tales como edad, sexo, si consume esteroides, si consume antivirales, etc. El campo clase corresponde a si el paciente vive o muere según la...
Salazar Tapia Hans.’ Cutti Mejía José.’
Virgilio Tito C.’
Universidad César Vallejo
Hansdave16@hotmail.com
fredytito@gmail.com
Resumen
En éste artículo se presenta un sistema inteligente para el diagnóstico clínico de expectativa de vida de pacientes conHepatitis basado en las redes bayesianas, para lo cual se aplicaron algunos clasificadores bayesianos tales como el naive bayes y el bayesnet que proporciona el software de aprendizaje automático y reconocimiento de patrones WEKA (http://www.cs.waikato.ac.nz/ml/weka/) . Los datos con los que se trabajó fueron extraídos de la pagina (http://repository.seasr.org/Datasets/UCI/arff/) y se logro unaclasificación correcta de datos del 97.41%.
Para llegar a esta clasificación se tuvieron que realizar pruebas utilizando el clasificador BayesNet que utiliza un algoritmo de búsqueda K2 Hill Climbing y se utilizó el estimador simple como condición de probabilidad (Bouckaert, 2004) y el clasificador Naive bayes, siendo en éste caso el clasificador BayesNet el que nos proporciona un mejor resultado.Finalmente se implementa el aplicativo en .net utilizando las probabilidades obtenidas en la red bayesiana.
Palabra clave
Weka, BayesNet, Naive bayes, enfermedades de Hepatitis.
Abstract
This article presents an intelligent system for the clinical diagnosis of skin diseases based on Bayesian networks, for which applied some Bayesian classifiers such as Naive Bayes and bayesnet provided bythe software of machine learning and pattern recognition WEKA (http://www.cs.waikato.ac.nz/ml/weka/) . The data with which we worked were extracted (http://repository.seasr.org/Datasets/UCI/arff) and achieved a correct classification of data for 97.41%.
To achieve this classification had to test the classifier using BayesNet using a search algorithm K2 Climbing Hill and used the simple estimatoras a condition of probability (Bouckaert, 2004) and the Naive Bayes classifier, being in this case the classifier BayesNet which gives us a better result and the optimal Bayesian network sees a maximum of six parents in each node. Finally, the application is implemented in Java using the probabilities obtained in the Bayesian network.
keywords
Weka, BayesNet, Naive Bayes, Hepatitis diseases1. Introducción
Se define como hepatitis la lesión inflamatoria difusa del hígado producida por variados agentes etiológicos que clínicamente puede ser asintomática o cursar con grados variables de insuficiencia hepática. Bioquímicamente presenta en forma constante, elevación de aminotransferasas. Dentro de las diferentes causas se encuentran agentes infecciosos, trastornos metabólicos, yagentes físicos.
Existen otros virus además de los hepatotrópicos convencionales, que pueden causar un síndrome de hepatitis aguda como manifestación clínica inicial; pueden ser de la familia herpes (EBV, CMV, HSV, VZV, y HHV6), el de la rubéola, sarampión, Coxsackie, la fiebre amarilla y ébola, capaces de presentar formas de hepatitis primaria o secundaria. El EBV es la causa más común de hepatitisaguda dentro de esta categoría.
Existen siete tipos diferentes de virus hepatotrópicos capaces de producir hepatitis; se les designa como A, B, C, D, E, F, G, aunque hay evidencias de la existencia de más virus que pueden causar inflamación y necrosis del hígado. Todos los virus hepatotrópicos tienen la capacidad de causar infección aguda del hígado pero sólo el B, C, y D, ocasionan formascrónicas de la enfermedad.
Consideramos la base de datos hepatitis.arff, que contiene información médica sobre expectativa de vida de pacientes con hepatitis. Un equipo médico ha recolectado estos datos, y se analizan allí varios aspectos tales como edad, sexo, si consume esteroides, si consume antivirales, etc. El campo clase corresponde a si el paciente vive o muere según la...
Leer documento completo
Regístrate para leer el documento completo.