SciELO - Scientific Electronic Library Online

 
vol.28 issue6Design of a Fuzzy Classifier for Establishing the Functional States of a Medical Air Production SystemQuality in Education and Transport Infrastructure from the Territorial Accessibility Pont of View. Caldas Department in Colombia as a Study Case author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Información tecnológica

On-line version ISSN 0718-0764

Abstract

CASTRILLON, Omar D; SARACHE, William  and  CASTANO, Eduardo. Sistema Bayesiano para la Predicción de la Diabetes. Inf. tecnol. [online]. 2017, vol.28, n.6, pp.161-168. ISSN 0718-0764.  http://dx.doi.org/10.4067/S0718-07642017000600017.

En este trabajo se propone un sistema de clasificación Bayesiano para la identificación temprana de la diabetes Mellitus con base en el análisis de algunas variables tales como número de embarazos, presión arterial diastólica, espesor cutáneo del tríceps, índice de masa corporal, herencia y edad. La metodología propuesta define y entrena el sistema propuesto con base en muestras tomadas de pacientes diabéticos y no diabéticos. El sistema se validó con pacientes diferentes, manteniendo la misma proporción entre individuos diabéticos y no diabéticos. Finalmente, el número de aciertos y errores en la detección de esta enfermedad fue comparado contra un test especializado. Los resultados indican que, en el 87,69% de los casos, el clasificador bayesiano logra detectar correctamente esta enfermedad con base en las variables antes mencionadas. No obstante, cuando se agregó la variable "insulina en suero", el porcentaje aumentó al 98.46%.

Keywords : clasificador bayesiano; diabetes; entrenamiento de un sistema; detección automatizada.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License