Primeras experiencias en la identificación de personas con riesgo de diabetes en la población argentina usando técnicas de aprendizaje automático

Mostrar todas las versiones(2)
Detalles Bibliográficos
Autor Principal: Tittarelli, Gonzalo
Otros autores o Colaboradores: Ronchetti, Franco (Director/a), Rucci, Enzo (Director/a)
Formato: Tesis
Lengua:español
Datos de publicación: 2023
Temas:
APRENDIZAJE AUTOMÁTICO
SALUD
modelos predictivos
Acceso en línea:http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2603
Consultar en el Cátalogo
Descripción Física:1 archivo (2,1 MB) + 1 archivo (11,5 MB) : il. col.
Tabla de Contenidos:
  • 1 Introducción
  • 1.1 Motivación
  • 1.2 Objetivo y metodología
  • 1.3 Contribuciones
  • 1.4 Organización del documento
  • 2 Marco teórico y estado del arte
  • 2.1 Diabetes
  • 2.1.1 Fisiología general
  • 2.1.2 Tipos
  • 2.1.3 Causas
  • 2.1.4 Síntomas y diagnostico
  • 2.1.5 Complicaciones
  • 2.1.6 Prevalencia e impacto
  • 2.1.7 Tratamiento
  • 2.2 Aprendizaje Automático
  • 2.2.1 Historia
  • 2.2.2 Tipos
  • 2.2.3 Proceso
  • 2.2.4 Modelado
  • 2.2.5 Evaluación de modelos
  • 2.3 Estado del arte
  • 3 Propuesta
  • 3.1 Conjunto de datos
  • 3.1.1 Caracterización
  • 3.1.2 Preprocesamiento
  • 3.1.3 Correlaciones
  • 3.2 Segmentaciones propuestas
  • 3.2.1 Datasets con información clínica y de laboratorio
  • 3.2.2 Datasets con información clínica
  • 3.2.3 Datasets con información de laboratorio
  • 3.3 Alcances y limitaciones
  • 4 Resultados experimentales
  • 4.1 Introducción a las experimentaciones
  • 4.2 Modelos de clasificación para DCL-bin
  • 4.3 Modelos de clasificación para DCG-bin
  • 4.4 Modelos de clasificación para DC-bin
  • 4.5 Selección de features
  • 4.6 Modelos de regresión para DCL
  • 4.7 Análisis comparativo
  • 5 Conclusiones y trabajos futuros
  • 5.1 Conclusiones
  • 5.2 Líneas de trabajo futuras
  • Referencias

Ejemplares similares