Look-up in Google Scholar
Full metadata record
Cortez Vásquez, Augusto Parcemón
Centeno Leguía, James
2018-11-16T21:41:24Z
2018-11-16T21:41:24Z
2015
CENTENO Leguía, James. Máquina de aprendizaje híbrido para el diagnóstico temprano de cáncer de mama. Tesina (Ingeniero de Sistemas). Lima, Perú: Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática, EP. de Ingeniería de Sistemas, 2015. 112 h.
https://hdl.handle.net/20.500.12672/8834
Publicación a texto completo no autorizada por el autor
Contribuye con un diagnóstico de cáncer de mama más efectivo, construyendo una herramienta de apoyo al diagnóstico médico, que permita un análisis más eficiente de las mamografías, aportando a disminuir el índice de error en el diagnóstico de cáncer de mama. Esta herramienta utiliza la técnica de máquina de soporte vectorial multinivel por ser la que mejor desempeño tiene según el análisis de diversos estudios que se ha realizado, superando a las clásicas técnicas estadísticas, técnicas de redes neuronales, algoritmos genéticos. De esta investigación se concluye que entre las técnicas de análisis de imágenes, las técnicas que tienen un mejor desempeño son las máquinas de aprendizaje híbrido, que son resultado de mezclar técnicas clásicas propias de la inteligencia artificial generando de esta manera nuevas técnicas que tienen en algunos casos mejor desempeño.
Trabajo de suficiencia profesional
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/closedAccess
Repositorio de Tesis - UNMSM
Universidad Nacional Mayor de San Marcos
Máquinas de soporte vectorial
Inteligencia artificial - Aplicaciones médicas
Mamas - Cáncer - Diagnóstico
Máquina de aprendizaje híbrido para el diagnóstico temprano de cáncer de mama
info:eu-repo/semantics/bachelorThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática
Ingeniería de Sistemas
Titulo Profesional
Ingeniero de Sistemas
PE
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.02.03
https://purl.org/pe-repo/renati/level#tituloProfesional
08634618
https://orcid.org/0000-0002-3752-4321
https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional
Pública



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.