Clasificación de patologías presentes en la columna vertebral mediante técnicas de máquinas de aprendizaje
Introducción: el artículo es resultado de la investigación “Estudio de patologías presentes en la columna vertebral empleando técnicas de inteligencia artificial como apoyo a los procesos de diagnóstico”, desarrollada en la Universidad del Valle entre 2016 y 2017.
Problema: con frecuencia, los estudios y análisis que a menudo se realizan a las afecciones de salud en seres humanos con frecuencia son invasivos, lo cual conlleva problemas mayores.
Objetivo: aportar un método de estudio a partir de los atributos biomecánicos de seres humanos para la detección de patologías que se presentan en la columna vertebral.
Metodología: el trabajo se fundamentó en probar tres técnicas de reconocimiento de patrones; Bayes como técnica clásica de reconocimiento; y técnicas inteligentes como las redes neuronales de base radial (rbf), máquinas de soporte vectorial (svm) y redes neuronales probabilísticas (pnn).
Resultados: durante el proceso de clasificación de las patologías a tratar, la que mejores resultados aportó fue la técnica de pnn, mientras que las demás presentaron buenos resultados de clasificación para una patología en particular.
Conclusión: se comprobó que la aplicación de estas técnicas de estudio aporta características importantes a los procesos de diagnóstico de patologías presentes en la columna vertebral, tales como hernia discal y espondilolistesis.
Originalidad: este trabajo se realizó con información de pacientes reales, y presenta técnicas de estudio y resultados importantes sobre el diagnóstico de patologías de columna vertebral.
Limitaciones: el estudio de patologías de columna vertebral requiere tener más información sobre los atributos biomecánicos de los seres humanos.
Cómo citar
Licencia
Derechos de autor 2019 Ingeniaría Solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
R. N. Ajalmar y A. B. Guilherme, “On the Application of Ensembles of Classifiers to the Diagnosis of Pathologies of the Vertebral Column: A Comparative Analysis”, IEEE Latin America Transactions, vol. 7, n.° 4, pp. 487-496, 2009. doi: https://doi.org/10.1109/TLA.2009.5349049
A. Rocha, R. Sousa, G. Barreto y J. Cardoso, Diagnostic of Pathology on the Vertebral Column with Embedded Reject Option. Porto: Departamento de Ingeniería de Teleinformática, Universidad Federal de Ceará (UFC), INESC Porto, Facultad de Ingeniería, Universidad de Porto, p. 1, 2011. doi: https://doi.org/10.1007/978-3-642-21257-4_73
C. M. Bishop, Pattern Recognition and Machine Learning. Berlín, Alemania: Springer, pp. 20-34, 2006.
R. Duda, P. Hart and D. Stork, Pattern Classification. Hoboken, Nueva Jersey: Wiley, pp. 3-24, 2001.
E. Alpaydin, Introduction to Machine Learning. Cambridge, Massachusetts: The MIT Press, pp. 1-20, 2010.
S. J. Russell y P. Norvig, Inteligencia Artificial Un Enfoque Moderno. Madrid, España: Pearson Educación, pp. 2-5, 2004.
J. Han, M. Kamber and J. Pei, Data Mining Concepts and Techniques. Waltham, Massachusetts: Morgan Kaufmann, pp. 23-32, 2012.
Digital Guide, “Machine learning ¿en qué consiste el aprendizaje automático?”, Machine Learning, 2018 [En línea]. Disponible en: https://www.1and1.es/digitalguide/online-marketing/analisis-web/machine-learning-asi-piensan-las-maquinas/
I. Hidayah, A. Erna y M. A. Kristy, “Application of J48 and Bagging for Classification of Vertebral Column Pathologies”, International Conference on Information Technology and Multimedia (ICIMU), pp. 314-317, 2014. doi: https://doi.org/10.1109/ICIMU.2014.7066651
S. Ansari, F. Sajjad, Z. Qayyum, N. Naveed y I. Shafi, “Diagnosis of Vertebral Column Disorders Using Machine Learning Classifiers”, International Conference on Information Science and Applications (ICISA), p. 1, 2013. doi: https://10.1109/ICISA.2013.6579446
Y. Unal y H. E. Kocer, “Diagnosis of Pathology on the Vertebral Column with Backpropagation and Naive Bayes Classifier”, The International Conference on Technological Advances in Electrical, Electronics and Computer Engineering (TAEECE), pp. 276-279, 2013. doi: https://10.1109/TAEECE.2013.6557285
A. Babalik, İ. Babaoğlu y A. Özkış, “A Pre-Processing Approach Based on Artificial Bee Colony for Classification by Support Vector Machine”, International Journal of Computer and Communication Engineering, pp. 68-70, 2013. doi: https://doi.org/10.7763/IJCCE.2013.V2.139
UCI Machine Learning Repository, “Vertebral Column Data Set”, UCI Machine Learning Repository, 2015 [En línea]. Disponible en: http://archive.ics.uci.edu/ml/datasets/Vertebral+Column#
Organización Panamericana de la Salud, Oficina Sanitaria Panamericana, Clasificación estadística internacional de enfermedades y problemas relacionados con la salud. Washington: Oficina Regional de la Organización Mundial de la Salud, pp. 1, 2003.
Societat Catalana d'Anestesiologia, Reanimació i Terapèutica del Dolor, “Dolor de espalda. Diagnóstico. enfoque general del tratamiento”, Societat Catalana d’Anestesiologia, Reanimació i Terapèutica del Dolor, pp. 1, 2015. [En línea]. Disponible en: http://www.scartd.org.
E. Gutiérrez, “Aplicación de las máquinas de soporte vectorial para el reconocimiento de matrículas”, tesis, Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI), Madrid, pp. 1-94, 2007.
E. Abdrabou, “A Hybrid Intelligent Classifier for the Diagnosis of Pathology on the Vertebral Column”, Artificial Intelligence Methods and Techniques for Business and Engineering Applications, Ene., pp. 297-310, 2012.
M. T. Escobedo y J. A. Salas Plata Mendoza, “P. Ch. Mahalanobis y las aplicaciones de su distancia estadística”, Culcyt Estadística, vol. 5, n.° 27, pp. 13-20, 2008.
Matlab, “Moutlier1: Detection of Outlier in Multivariate Samples Test”, Matlab File Exchange, 2006 [En línea]. Disponible en: http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do?objectId=12252
V. Otero, “reconocimiento de localizaciones mediante máquinas de soporte vectorial,” Tesis, Universidad Carlos III de Madrid, Escuela Politécnica Superior, Madrid, pp. 1-96, 2012.
J. Pérez Mesa, J. Valenciano y J. Levy Manguin, “Empleo de redes neuronales de base radial a un modelo econométrico de exportación de tomate,” Ciencia Ergo Sum, Universidad Autónoma del Estado de México, vol. 14, no. 1, Mar., pp. 6 - 14, 2007.
S. Reddy, S. Kodali y J. Lakshmi, “Classification of Vertebral Column using Naïve Bayes Technique”, International Journal of Computer Applications, vol. 58, n.° 7, Nov., pp. 38-42, 2012.
R. Q. Juan y C. M. Mario, “Redes neuronales artificiales para el procesamiento de imágenes, una revisión de la última década”, RIEE&C, Revista de Ingeniería Eléctrica, Electrónica y Computación, vol. 9, n.° 1, Jul., pp. 7-16, 2011.
J. A. Cadena, C. J. M. Cadena y S. Pérez Londoño, “Aplicación de redes neuronales probabilísticas en la detección de fallas incipientes en transformadores”, Scientia et Technica, año XIV, vol. 14, n.° 39, Sep., pp. 48-53, 2008.
K. Josef, H. Mohamad, D. Robert y M. Jiri, “On Combining Classifiers”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, n.° 3, pp. 226-239, 1998. doi: https://doi.org/10.1109/34.667881.
